Cal Culo

Notas orientativas para la
Introducci on al C alculo Innitesimal

Vctor

Alvarez Solano
Pedro Reyes Colume
Septiembre de 2006
Estas notas pretenden aglutinar ciertos conceptos, resultados y ejemplos extrados de los manuales
mas usados en la materia, potenciando las interpretaciones geometricas e intuitivas, a veces a un a costa
del sacricio de algo de rigurosidad; con el n de que sirva de ayuda, gua y complemento para aquellos
alumnos que especcamente cursen Introducci on al C alculo Innitesimal en la Ingeniera Tecnica en
Informatica de Gesti on de la Universidad de Sevilla en el curso 2006/07.
Los autores.
Captulo 1
Funciones de varias variables: lmites
y continuidad
1.1 Funcion: denici on, dominio e imagen
Se entiende por funci on toda regla o ley de correspondencia f : D X Y entre dos conjuntos que
asigne un unico elemento y del conjunto de llegada Y a cada elemento x del dominio o campo de denici on
D del conjunto inicial X; que consiste precisamente en el subconjunto D X formado por todos los
elementos x X que tienen imagen (correspondencia) y = f(x) por la funci on f. El conjunto de im agenes
f(x) se denomina recorrido o imagen de la funci on.
En nuestro caso, trataremos con espacios reales de dimension nita, IR
n
, cuyos elementos son n-uplas
o vectores de n componentes, (x
1
, . . . , x
n
). As, una funci on f : D IR
n
IR
m
ser a una ley que asigne a
cada vector (x
1
, . . . , x
n
) de D un unico vector (y
1
, . . . , y
m
) = f(x
1
, . . . , x
n
) de IR
m
. Las n variables de que
dependen las coordenadas del conjunto inicial IR
n
se suelen denominar independientes, y las m variables
del conjunto de llegada IR
m
dependientes, puesto que vienen dadas como funciones de las primeras.
Con normalidad, entenderemos que el dominio de una funci on es el conjunto total de uplas sobre
las que esta bien denida: como es natural, los denominadores de funciones racionales han de tomar
valores distintos de cero, las funciones radicales pares solo estan denidas para valores no negativos, los
logaritmos solo estan denidos para valores estrictamente positivos, etc.
Ejemplo 1.1.1 La funci on f : D IR IR dada por f(x) =
x
2
1
x 1
.
Tiene a D = IR1 por dominio y a IR2 por imagen. N otese que se trata de la recta y = x +1
a falta del punto (1, 2). Posteriormente veremos que esta funcion se puede extender de manera continua
hasta coincidir con la recta y = x+1, que en verdad resulta de efectuar el cociente
x
2
1
x 1
: de hecho, una
pr actica habitual con funciones racionales como la que nos lleva es la de simplicar antes de calcular los
ceros del denominador, porque en otro caso se puede excluir puntos del dominio de denici on de manera
indebida.
Ejemplo 1.1.2 La funci on f : IR IR dada por f(x) =
x
2
.
Tiene a todo IR como dominio de denicion, y al intervalo [0, +) como imagen. N otese que f(x) =
[x[, de manera que

x
2
,= x en general.
De hecho,

x
2
=
_
x, si x 0
x, si x < 0
Ejemplo 1.1.3 La funci on f : D IR IR denida seg un f(x) =
x
x
2
2
.
Tiene por dominio a D = IR
2,
2, y por imagen a todo IR.

1
2 CAPTULO 1. FUNCIONES DE VARIAS VARIABLES: L
IMITES Y CONTINUIDAD
-2 -1
1
1 2
3
2
Figura 1.1: Se trata de la recta y = x + 1 menos un punto
-3 -2 -1 1 2 3
0.5
1
1.5
2
2.5
3
Figura 1.2: Gr aca de la funci on dada por

x
2
= [x[
Ejemplo 1.1.4 La funci on f : D IR IR dada por f(x) =
[x + 1[ [x 1[
x
.
Tiene a IR 0 por dominio de denici on, y al intervalo (0, 2] por imagen.
Es importante saber utilizar la funci on valor absoluto, tal que [x[ = x si x 0 y [x[ = x si x < 0. De
este modo, para saber que valor asigna la funci on f(x) hay que estudiar c omo se comportan los valores
absolutos [x + 1[ y [x 1[ seg un que intervalos. As, [x + 1[ = x + 1 para x + 1 0 (esto es, x 1)
y [x + 1[ = (x + 1) = x 1 para x + 1 < 0 (i.e. x < 1). Del mismo modo, [x 1[ = x 1 para
x 1 0 (esto es, x 1), mientras que [x 1[ = (x 1) = 1 x para x 1 < 0 (i.e. x < 1).
Por tanto,
[x + 1[ [x 1[ =
_
_
_
x + 1 (x 1) = 2, si x 1,
x + 1 (1 x) = 2x, si 1 x < 1,
x 1 (1 x) = 2, si x < 1.
Luego la funci on f(x) resulta ser
f(x) =
_
_
_
2
[x[
, si [x[ 1,
2, si [x[ < 1, x ,= 0.
Ahora es visible que la funci on se puede extender de manera natural en x = 0 deniendo f(0) = 2.
Ejemplo 1.1.5 La funci on f : D IR IR denida seg un f(x) = tg x.
Tiene a IR
2k + 1
2
: k ZZ por dominio, y a todo IR por imagen. Hay que tener en cuenta
que los valores iniciales representan radianes y no grados: todas las funciones trigonometricas que se
consideren en el curso se han de entender dadas en radianes y no en grados. En caso necesario, se puede
recurrir a la regla de equivalencia radianes = 180 grados.
1.1. FUNCI
ON: DEFINICI
ON, DOMINIO E IMAGEN 3

-10 -5 5 10
-7.5
-5
-2.5
2.5
5
7.5
Figura 1.3: Representaci on gr aca de la funci on dada por
x
x
2
2
-2 -1 1 2
1.2
1.4
1.6
1.8
2
Figura 1.4: Gr aca de la funci on dada por
[x + 1[ [x 1[
x
Ejemplo 1.1.6 La funci on f : D IR
2
IR dada por f(x, y) =
_
ln(x
2
+y
2
).
Tiene por dominio a todo el plano IR
2
a excepcion del interior del crculo centrado en el origen y
de radio 1 (esto es, el campo de denici on coincide con el conjunto de puntos (x, y) : x
2
+ y
2
1),
mientras que la imagen rellena el intervalo [0, +).
Ejemplo 1.1.7 La funci on f : D IR
2
IR con f(x, y) =
ln[(x
2
+x 2)(1 y
2
)]
x
La imagen recorre todo IR, mientras que el dominio de denici on consiste en seis bandas, ((2, 0)
(0, 1)) ((, 1) (1, +)) y ((, 2) (1, +)) (1, 1).
En ocasiones, una funci on puede venir dada de manera implcita, de modo que resulta difcil (a veces
imposible) determinar su dominio. Por manera implcita entendemos una funci on del tipo F(x) = 0,
donde alguna(s) de las variables x = (x
1
, . . . , x
n
) queda(n) caracterizada(s) como funci on(es) de las
restantes.
Ejemplo 1.1.8 Sea la circunferencia x
2
+y
2
4 = 0.
Determina y como dos funciones implcitas de x, cuales son y
1
(x) =
4 x
2
e y
2
(x) =
4 x
2
.
En lo que sigue, nos centraremos en funciones del tipo f : IR
n
IR, incidiendo sobremanera en
los casos n = 1, 2; dado que el estudio de la continuidad, diferenciabilidad e integrabilidad de funciones
g : IR
n
IR
m
se reduce al estudio an alogo de las m funciones componentes, g
i
: IR
n
IR, 1 i m,
con
g(x
1
, . . . , x
n
) = (g
1
(x
1
, . . . , x
n
), . . . , g
m
(x
1
, . . . , x
n
)).
-7.5 -5 -2.5 2.5 5 7.5
-20
-10
10
20
Figura 1.5: Gr aca de la funci on tg x
Figura 1.6: Dos vistas de la supercie dada por z =
_
ln(x
2
+y
2
)
1.2 Representacion de funciones: trazas y curvas de nivel
A la hora de estudiar el comportamiento de una funci on, puede resultar util el saber que disposicion
presentan en el espacio los puntos por los que pasa la funci on, lo que se conoce como graca de la
funci on.
Es de com un conocimiento la representacion gr aca (que incluimos a continuacion) de funciones tales
como e
x
, ln x, x
2
,
x,
1
x
, senx, cos x, tg x, arccos x, . . . , y en general la de cualquier funci on real de
una variable (basta estudiar el dominio de denici on, la existencia de asntotas o ramas parab olicas, los
cortes con los ejes, las regiones en que es positiva o negativa, su crecimiento y la localizaci on de extremos
relativos, el comportamiento en el innito, etc.). Para un repaso conciso recomendamos ver el Apendice
B. N otese que las funciones que damos a continuacion por parejas son una la inversa de la otra. Esto
es facil de reconocer porque han de ser necesariamente simetricas respecto de la bisectriz del primer
cuadrante.
y = e
x
-5 -4 -3 -2 -1 1 2
1
2
3
4
5
6
7
1.2. REPRESENTACI
ON DE FUNCIONES: TRAZAS Y CURVAS DE NIVEL 5

Figura 1.7: Vista de la supercie dada por z =
ln[(x
2
+x 2)(1 y
2
)]
x
-2 -1 1 2
-2
-1
1
2
Figura 1.8: Representaci on simult anea de las funciones y
1
(x) e y
2
(x)
y = ln x
1 2 3 4 5 6 7
-5
-4
-3
-2
-1
1
2
y = x
2
-4 -2 2 4
2.5
5
7.5
10
12.5
15
y
1
= +
x
2.5 5 7.5 10 12.5 15
-4
-2
2
4
y
2
=
x
y =
1
x
-4 -2 2 4
-20
-15
-10
-5
5
10
15
y = sen x
-1.5 -1 -0.5 0.5 1 1.5
-1
-0.5
0.5
1
y = arcsenx
-1 -0.5 0.5 1
-1.5
-1
-0.5
0.5
1
1.5
y = cos x
0.5 1 1.5 2 2.5 3
-1
-0.5
0.5
1
1.2. REPRESENTACI

y = arccos x
-1 -0.5 0.5 1
0.5
1
1.5
2
2.5
3
y = tg x
-1.5 -1 -0.5 0.5 1 1.5
-75
-50
-25
25
50
75
arctg x
-100 -50 50 100
-1.5
-1
-0.5
0.5
1
1.5
Figura 1.9: Gr acas de las funciones elementales y sus inversas
En el caso de funciones de varias variables la representacion gr aca resulta en general bastante m as
compleja. Por este motivo, una tactica que se suele emplear con frecuencia es la de analizar el compor-
tamiento de la funci on z = f(x, y) seg un distintas secciones (trazas) por planos del tipo x = c, y = c o
z = c, para distintas constantes dadas c.
Tambien puede ayudar el estudio del mapa de contorno o de curvas de nivel, que consiste en el
dibujo simult aneo en el plano de curvas del tipo f(x, y) = c para distintos valores constantes de c, a
partir del cual es relativamente sencillo localizar extremos relativos y puntos de silla (a estudiar en el
captulo siguiente). Este tipo de representaciones es propio de mapas meteorologicos (isobaras de presi on
atmosferica) y topogr acos (marcando los distintos accidentes del terreno, seg un las alturas).
Otra variedad de representaci on plana de una funci on, ntimamente ligada a la anterior, es el mapa
de densidad, en el que se proyecta sobre el plano XY el valor de la funci on mediante grises de distinta
intensidad, dependiendo del valor de la funci on en dicho punto. Este tipo de representaci on suele ser
util cuando se quiere analizar la intensidad de una cierta magnitud (impacto del sol por agujeros en
la capa de ozono, temperaturas de una zona, ndice pluviometrico, etc.). En denitiva, consiste en el
sombreado de la zonas intermedias entre curvas de nivel consecutivas de un mapa de contorno, siguiendo
la convencion de que zonas que correspondan a valores cada vez mas altos van sombreadas en un tono
cada vez mas claro; y recprocamente, zonas que correspondan a valores cada vez m as bajos de la funcion
van sombreadas en un tono cada vez m as oscuro.
Ejemplo 1.2.1 Sea z
1
= e
xy
.
Las curvas de nivel de z
1
= e
xy
son de la forma c = e
xy
, para c > 0 (recuerdese que el recorrido
de la exponencial es el intervalo de n umeros reales positivos). Es decir, las curvas de nivel de la funci on
en el plano z = c vienen dadas por la ecuaci on c = e
xy
lnc = xy, que constituyen hiperbolas para
ln c ,= 0, y el par de rectas de ejes cartesianos para ln c = 0. N otese que ln c esta bien denido, por ser
c > 0.
Las hiperbolas del tipo xy = k con k > 0 tienen gr acas similares a la funci on y =
1
x
(de hecho esta
es la hiperbola para k = 1), m as lejos o cerca del origen seg un sea mayor o menor el valor de k respecto
de 1.
Las hiperbolas del tipo xy = k con k < 0 tienen gr acas similares a la funci on y =
1
x
(de hecho esta
es la hiperbola para k = 1), m as lejos o cerca del origen seg un sea menor o mayor el valor de k respecto
de 1.
De modo que cuando k = ln c > 0, esto es, para 0 < c < 1, las curvas de nivel son hiperbolas del
tipo xy = k en el primer y tercer cuadrante, en las que la funcion toma el valor 0 < e
k
< 1, que tiende
a 0 cuando k . Por otra parte, cuando k = ln c < 0, esto es, para 1 < c, las curvas de nivel son
hiperbolas xy = k en el segundo y cuarto cuadrantes, en las que la funci on toma el valor 1 < e
k
, que
tiende a innito cuando k .
Ya tenemos formada una idea clara de como ha de ser la supercie z = e
xy
: en los ejes coordenados
la funci on vale 1, disminuye su valor por valores positivos hasta tender a 0 seg un hiperbolas en los
cuadrantes primero y tercero, y aumenta su valor a partir de 1 hasta innito seg un hiperbolas en los
cuadrantes segundo y cuarto.
-2 -1 0 1 2
-2
-1
0
1
2
-2 -1 0 1 2
-2
-1
0
1
2
Figura 1.10: Mapas de contorno y de densidad de z
1
= e
xy
Figura 1.11: Representaci on gr aca de la supercie z
1
= e
xy
Ejemplo 1.2.2 Sea z
2
= cos(x
2
+y
2
).
2
= cos(x
2
+ y
2
) son de la forma c = cos(x
2
+ y
2
), para 1 c 1 (el
recorrido del coseno oscila en el intervalo [1, 1]). Es decir, las curvas de nivel de la funci on en el plano
1.2. REPRESENTACI

z = c vienen dadas por la ecuaci on x
2
+y
2
= arccos c, que constituyen circunferencias de centro el origen
de coordenadas y radio
arccos c. Aqu abusamos al considerar x = arccos y como una funci on, dado que
como funci on inversa de la funci on peri odica y = cos x, solo esta denida en un intervalo b asico del tipo
[k, (k + 1)] para un entero k prejado; jemos nosotros como intervalo b asico el [0, ]. As, arccos c
da el unico angulo en radianes dentro de [0, ] cuyo coseno vale c; sin embargo hay innitos angulos en
radianes cuyo coseno tambien vale c (al menos, los de la forma (arccos c) +2k, con k entero. Abusando
de la notacion, para nosotros arccos c representa todos los angulos en radianes cuyo coseno vale c.
De este modo, para cada c entre 1 y 1, la curva de nivel arccos c = x
2
+ y
2
consiste en realidad en
innitas circunferencias de centro el origen y radio
arccos c, una por cada radi an positivo (debe ser de la

forma x
2
+y
2
, por ende positivo) cuyo coseno sea c. En cada una de estas circunferencias la funci on toma
el valor c. Como en el origen de coordenadas la funci on vale 1, la supercie se extender a desde este punto
en todas direcciones mediante ondas sinusoidales del tipo del coseno, expandiendose de manera radial
por circunferencias. Intuitivamente, debera consistir, pues, en la supercie de revoluci on que engendra
la gr aca de y = cos x al girar sobre el eje z.
Incluimos mapas de contorno y densidad de la funci on, amen de la supercie real.
-3 -2 -1 0 1 2 3
-3
-2
-1
0
1
2
3
-3 -2 -1 0 1 2 3
-3
-2
-1
0
1
2
3
2
= cos(x
2
+y
2
)
Figura 1.13: Gr aca de la supercie z
2
= cos(x
2
+y
2
)
Ejemplo 1.2.3 Sea z
3
= cos(e
x
+e
y
).
3
= cos(e
x
+e
y
) son de la forma c = cos(e
x
+e
y
), para 1 c 1, de modo
que e
x
+e
y
= arccos c, donde nuevamente hemos de interpretar que arccos c representa todos los radianes
(positivos, puesto que e
x
+ e
y
> 0 para todo punto (x, y) del plano) cuyo coseno vale c. Para cada uno
de estos radianes, digamos k > 0, tenemos una curva del tipo e
x
+ e
y
= k, esto es, y = ln(k e
x
), cuyo
dominio es (, ln k). En este intervalo, la funci on y = ln(k e
x
) es estrictamente decreciente, presenta
una asntota horizontal en y = ln k cuando x y una asntota vertical en x = ln k. Y la funci on
f(x, y) toma el valor cos k en toda la curva. De modo que la supercie z
3
oscila entre 1 y 1, seg un
ondas del tipo y = ln(k e
x
).
-2 -1 0 1 2
-2
-1
0
1
2
-2 -1 0 1 2
-2
-1
0
1
2
3
= cos(e
x
+e
y
)
3
= cos(e
x
+e
y
)
Ejemplo 1.2.4 Sea z
4
= ln(x
2
+y
2
)
4
= ln(x
2
+ y
2
) son de la forma c = ln(x
2
+ y
2
), para c IR, de modo que
x
2
+y
2
= e
c
; que constituyen circunferencias de centro el origen de coordenadas y radio r =
e
c
. Como
c = ln r
2
, para r el radio de las circunferencias, cuando r 0
+
, se tiene que c ; por otra parte,
cuando r se hace cada vez mayor, c se hace cada vez mayor. As, la supercie debe ser una especie de
embudo, que se abre en forma de logaritmo neperiano hasta el innito, y se cierra hacia menos innito
en el origen de coordenadas, siempre seg un circunferencias. Intuitivamente, ha de corresponder con la
supercie de revolucion que se obtiene al girar la gr aca de y = ln x alrededor del eje z.
1.3 Lmites de funciones en un punto
Antes de entrar en materia, hemos de hacer un alto en el camino para incidir brevemente en la funci on
valor absoluto y en el manejo elemental de desigualdades, que tan relevante rol juegan en el c alculo de
lmites:
La ecuacion [xa[ = c se puede traducir en dos maneras equivalentes: dado que c mide la distancia
entre x y a, se tiene que x = a c; de otro modo, si [x a[ = c entonces (x a) = c, de donde
x = a c.
1.3. L
IMITES DE FUNCIONES EN UN PUNTO 11

-4 -2 0 2 4
-4
-2
0
2
4
-4 -2 0 2 4
-4
-2
0
2
4
Figura 1.16: Mapas de contorno y de densidad z
4
= ln(x
2
+y
2
)
4
= ln(x
2
+ y
2
)
Se verica la desigualdad triangular propia de cualquier aplicacion distancia: [x + y[ [x[ +
[y[, x, y IR.
Por otra parte, [x y[ [x[ [y[, x, y IR.
Asimismo, [xy[ = [x[[y[, x, y IR.
En multitud de ocasiones, las funciones de variable real vienen denidas sobre intervalos, los cuales
admiten una representacion natural por medio de valores absolutos: los puntos x tales que [xa[ < c
determinan el intervalo (ac, a+c), dado que [xa[ < c equivale a 0 xa < c y 0 (xa) < c,
de donde x < a + c y a c < x. El intervalo tendra sus extremos cerrados en el caso [x a[ c.
A partir de aqu es inmediato deducir que [x a[ > c se traduce en x (, a c) (a +c, ).
a b a +c b +c a, b, c IR.
a b
1
b

1
a
, a, b IR con ab > 0.
a b y c > 0 implican ac bc, a, b, c IR.
a b y c < 0 implican ac bc, a, b, c IR.
a b y c d implican ac bd y a +c b +d, a, b, c, d IR.
Tengase en cuenta que resolver una desigualdad signica encontrar el conjunto de todos los n umeros
reales que hace que la desigualdad sea verdadera. En contraste con una ecuaci on no lineal (cuyo conjunto
solucion por lo regular consiste en un n umero o un conjunto nito de n umeros), el conjunto solucion de
una desigualdad viene dado en general por todo un intervalo o la uni on de varios de ellos. Adjuntamos
un resumen con las notaciones m as usuales.
Notacin de conjuntos Notacin de intervalo Representacin grfica
Figura 1.18: Convenciones usuales para denotar los distintos intervalos
x : a < x < b
x : a x b
x : a x < b
x : a < x b
x : x b
x : x < b
x : a x
x : a < x
IR
(a, b)
[a, b]
[a, b)
(a, b]
(, b]
(, b)
[a, )
(a, )
(, )
Ejemplo 1.3.1 Resolver la desigualdad 4x
2
5x 6 > 0.
Los dos ceros reales del polinomio P(x) = 4x
2
5x6, caso de existir (pudiera tratarse de una pareja
de n umeros complejos conjugados), son los unicos n umeros reales que hacen nula la desigualdad, de modo
que a derecha e izquierda de estos puntos la ecuacion toma un signo constante. Basta probar el signo en
un punto de cada uno de los tres intervalos para determinar el signo que toma la desigualdad en cada
uno de dichos intervalos. Dado que los ceros del polinomio son x
1
= 2 y x
2
=
3
4
, la soluci on de la
desigualdad comprendera ninguno o varios de los intervalos (,
3
4
), (
3
4
, 2) y (2, ).
Como P(1) = 3 > 0, P(0) = 6 < 0 y P(3) = 15 > 0, la soluci on de la desigualdad consiste en la
uni on (,
3
4
) (2, ).
Ejemplo 1.3.2 Resolver [x 4[ < 2.
Se tiene que [x 4[ < 2 2 < x 4 < 2 2 < x < 6, de donde hablamos del intervalo (2, 6).
Geometricamente, era facil de prever: [x 4[ < 2 caracteriza aquellos puntos x que distan a lo sumo 2
de 4, por ende aquellos entre 2 y 6.
Ya estamos en condiciones de hablar sobre el concepto de lmite.
La nocion de lmite de una funci on en un punto es bastante intuitiva: sea f(x) una funci on denida
para todos los valores de x pr oximos a un punto a, aunque no necesariamente en el propio punto a.
Supongamos que existe un n umero real l con la propiedad de que f(x) se acerca cada vez mas a l cuando
x se acerca cada vez mas a a. En estas condiciones se dice que l es el lmite de f(x) cuando x tiende a
a. N otese que en caso alguno hemos determinado la dimension de los puntos x y a: pueden ser n umeros
reales o puntos de IR
n
para n > 1.
El concepto de lmite envuelve pues las nociones de proximidad y cercana. En dimensi on 1 el concepto
de distancia entre dos puntos es clara: la distancia entre dos n umeros reales x y a, d(x, a), consiste en el
valor absoluto de su diferencia, [x a[.
Para puntos x y a en el plano (o cualquier espacio IR
n
, n 1), la noci on usual de distancia d(x, a)
viene dada por el m odulo del vector de extremos x y a: si x = (x
1
, x
2
) y a = (a
1
, a
2
), entonces d(x, a) =
_
(x
1
a
1
)
2
+ (x
2
a
2
)
2
, conocida como distancia eucldea.
Sin embargo, existen innitas formas distintas de medir la proximidad de dos puntos en IR
2
. Con
normalidad, aparte de la distancia eucldea, nosotros nos serviremos de la que vamos a llamar distancia
1, d
1
(x, a), que consiste en la suma de los valores absolutos de la diferencia de coordenadas homologas:
d
1
(x, a) = [x
1
a
1
[ +[x
2
a
2
[. Es obvio que para un par de puntos x y a, el valor de la distancia que los
separa ser a cuantitativamente distinto seg un se utilice la distancia eucldea o la distancia 1, aunque no
as cualitativamente: si los dos puntos est an pr oximos, lo estan para cualquier distancia; analogamente, si
los dos puntos estan separados, lo estan para cualquier distancia. Este hecho es crucial para que podamos
utilizar indistintamente una distancia u otra a la hora de evaluar la existencia de un lmite doble en el
plano.
Utilizaremos la notacion [[xa[[ para referirnos a la distancia entre a y x, sin distinci on de la funci on
metrica (d o d
1
) que se utilice; por otra parte, [[a[[ har a referencia a la distancia de a al origen de
coordenadas. El conjunto de puntos que dista de a menos de se denomina bola de centro a y radio ,
y lo denotaremos por B(a, ). En el caso de manejar la distancia eucldea, B(a, ) consiste en la esfera
n-dimensional (crculo, en caso de que n = 2) de centro a y radio ; mientras que para d
1
esa bola consiste
1.3. L

en el cubo n-dimensional (cuadrado, en caso de que n = 2) de centro a y diagonal 2. N otese que en el
caso real, B(a, ) consiste en el intervalo (a , a + ), independientemente de la metrica utilizada, d o
d
1
en dimensi on 1.
s s
d
d
d
d
Figura 1.19: Bolas en IR

2
correspondientes a d y d
1
respectivamente
La consideracion de bolas como las anteriores permite denir varios conceptos esenciales propios de
la topologa de los espacios IR
n
:
En adelante, cuando hablemos de entorno de un punto a entenderemos una bola de centro a y radio
positivo.
En ocasiones interesa eliminar del entorno el propio punto a. Se habla entonces de entorno reducido.
Un conjunto sera abierto cuando contenga un entorno de todos sus puntos.
Ser a cerrado, cuando contenga a todos sus puntos frontera, que son aquellos puntos cuyos entornos
contienen simultaneamente puntos que estan dentro y fuera del conjunto (esto equivale a que su
complementario sea un conjunto abierto).
Ser a conexo, cuando no pueda descomponerse como la union de dos subconjuntos disjuntos separa-
dos por sendos abiertos.
Ser a compacto, cuando sea simultaneamente acotado (esto es, contenido en una bola de radio nito)
y cerrado.
Una vez aclarada la noci on de distancia y superadas las deniciones elementales de topologa, podemos
formalizar el concepto de lmite:
Se dice que lim
xa
f(x) = l cuando para cada entorno de l, existe un entorno de a de modo que para
cualquier punto x ,= a de dicho entorno se tiene que f(x) esta dentro del entorno prejado de l.
Utilizando la sintaxis de smbolos matematicos, esto equivale a decir que lim
xa
f(x) = l si, y s olo
si, para todo > 0 existe un > 0 tal que si 0 < [[x a[[ < (esto es, x B(a, )), entonces
[f(x) l[ < (esto es, f(x) B(l, )).
Apelando al signicado geometrico, el hecho de que lim
xa
f(x) = l se traduce en que para cada banda
horizontal IR
n
(l , l + ) (limitada por las rectas y = l + e y = l en el caso n = 1, funciones
de una variable; y por los planos z = l + y z = l en el caso n = 2, funciones de dos variables), por
estrecha que esta sea, existe un cilindro vertical B(a, ) IR tal que si los puntos x ,= a estan dentro de
esa bola, entonces la parte correspondiente de la gr aca de f(x) estara dentro de la banda horizontal, tal
como se muestra en la Figura 1.20 para los casos n = 1 y n = 2.
Hemos de rese nar que la existencia del lmite de una funci on en un punto equivale a la existencia
de todos los lmites seg un cualquier trayectoria (curva) por la que nos aproximemos al punto: es decir,
lim
xa
f(x) = l si, y s olo si, lim
xa
y=g(x)
f(x) = l = lim
xa
x=h(y)
f(x) para cualesquiera curvas y = g(x) o x = h(y) que
pasen por el punto a.
En particular, para funciones reales de variable real f : IR IR, la existencia del lmite lim
xa
f(x) = l
equivale a la existencia de los lmites laterales lim
xa
f(x) = l y lim
xa
+
f(x) = l, cuando x se aproxima a a
por defecto (i.e. por valores m as peque nos que a) y por exceso (esto es, por valores mayores que el propio
a), respectivamente.
l
l +
l
l
l +
l
a
b
a
q
(a, b)
h
qh
qh
a a +
44
4
44
4
4
Figura 1.20: Interpretaci on gr aca de la nocion de lmite en IR y IR
2
Ejemplo 1.3.3 La siguiente funci on admite lmites en todos sus puntos menos en dos, aunque s existen
todos los unilaterales, con la sola excepci on de un punto. Por otra parte, la funcion esta denida en todo
IR menos un punto.
Figura 1.21: Interpretaci on gr aca de la existencia o no de lmites en un punto
Para instruirse acerca del c alculo de lmites de funciones de una variable recomendamos visitar el
Apendice A.
Como ilustracion del manejo de lmites laterales, se puede estudiar los lmites siguientes:
lim
x0
x
[x[
, lim
x0
1
x
, lim
x0
1
x
2
, lim
x1
x
2
1
x 1
.
En el caso de funciones de varias variables, exista o no el lmite, puede resultar de mucha ayuda
visualizar un mapa de contorno o de densidad en las proximidades del punto lmite.
Para probar que un lmite existe hay varias alternativas:
Se puede utilizar la denici on : de lmite.
Tambien es factible reducir el problema a la existencia de otro lmite conocido. Para demostrar
que lim
xa
f(x) = l es suciente demostrar que [f(x) l[ g(x) para x en un entorno reducido de a,
siendo g una funci on tal que lim
xa
g(x) = 0.
Otra posibilidad, que engloba la anterior, es aplicar la regla del emparedado, de modo que si
lim
xa
g(x) = lim
xa
h(x) = l y g(x) f(x) h(x) en un entorno reducido de a, entonces existe
lim
xa
f(x) y coincide con l.
En ocasiones, tambien da buenos resultados realizar cambios de variables. Por ejemplo, en caso de
trabajar en IR
2
, cambios a coordenadas polares, de manera que x = r cos , y = r sen , donde r
marca la distancia de (x, y) al origen, y el angulo que forma el vector director del punto (x, y)
con respecto el eje de abscisas.
Tengase en cuenta que hay una diferencia fundamental en el caso de lmites de funciones de m as
variables (en particular lmites dobles), dado que en el caso real solo hay dos posibles direcciones (por
la derecha o por la izquierda), mientras que en el caso de n 2 variables hay innitas direcciones
(yb) = m(xa) para aproximarnos a un punto (a, b); m as a un, hay innitas trayectorias (no tenemos
por que aproximarnos seg un rectas: podemos utilizar par abolas, curvas polinomiales de cualquier grado,
espirales o cualquier otra curva, siempre que pase por el punto en cuesti on).
Por su especial relevancia, destacamos dos tipos de trayectorias peculiares a la hora de aproximarnos
a un punto (a, b):
1.3. L

Los lmites seg un rectas y b = m(x a) o x a = n(y b), llamados lmites direccionales,
lim
(x,y)(a,b)
yb=m(xa)
f(x, y) o lim
(x,y)(a,b)
xa=n(yb)
f(x, y)
Los llamados lmites reiterados, que son aquellos lmites cuando nos acercamos al punto (a, b)
siguiendo una trayectoria horizontal y despues una vertical, o viceversa:
lim
yb
( lim
xa
f(x, y)) o lim
xa
(lim
yb
f(x, y))
As como para que, en el caso de una variable, exista el lmite es necesario y suciente que existan
los lmites laterales y coincida su valor; para probar con generalidad en IR
n
que un lmite dado no existe,
basta encontrar dos trayectorias en las que los lmites resultantes dieran. Es usual utilizar para este n
lmites direccionales, aunque en otras ocasiones son necesarias trayectorias seg un curvas polinomiales.
Por otra parte, es una tentaci on tratar de reducir el c alculo de un lmite doble al de los lmites
reiterados, en el sentido de que intuitivamente parecen ciertas las relaciones
lim
(x,y)(a,b)
f(x, y) = lim
xa
(lim
yb
f(x, y)) = lim
yb
( lim
xa
f(x, y)).
Nada m as lejos de la realidad: en verdad, esta relacion solo funciona en un sentido.
Si f : D IR
2
IR esta denida sobre un punto (a, b) interior de D (esto es, de modo que existe una
bola de radio sucientemente peque no con centro en (a, b) y completamente contenida en D); se tiene
que si existe lim
(x,y)(a,b)
f(x, y) = l y si, adicionalmente, en un entorno reducido de b existe lim
xa
f(x, y)
entonces existe y vale l el lmite reiterado
lim
yb
( lim
xa
f(x, y)).
Del mismo modo, si existe lim
(x,y)(a,b)
f(x, y) = l y si, adicionalmente, en un entorno reducido de a existe
lim
yb
f(x, y) entonces existe y vale l el lmite reiterado
lim
xa
(lim
yb
f(x, y)).
Es importante saber leer (entender, en denitiva) lo que se dice en el p arrafo anterior, puesto que a
veces se dan circunstancias que se prestan a ser malinterpretadas como contradicciones, como se analizan
en los siguientes ejemplos.
Ejemplo 1.3.4 La funci on tiene lmite en un punto, pero no existe uno (o ninguno) de los lmites
reiterados.
Es el caso de la funci on g : D IR
2
IR dada por g(x, y) = (x +y) sen
1
x
sen
1
y
.
As, lim
x0
g(x, y) = y sen
1
y
lim
x0
sen
1
x
, que no existe; de donde no tiene sentido el lmite reiterado
lim
y0
lim
x0
g(x, y). Del mismo modo ocurre con el otro lmite reiterado, por ser g(x, y) una funci on simetrica
respecto del plano y = x.
Sin embargo, lim
(x,y)(0,0)
g(x, y) = 0, puesto que lim
(x,y)(0,0)
(x + y) = 0 y la funci on sen
1
x
sen
1
y
esta
acotada en un entorno del origen.
En la Figura 1.22 se observa que la funci on tiene lmite en el origen, como se constata en el mapa de
densidad adjunto.
Ejemplo 1.3.5 Los lmites reiterados de una funci on existen en un punto y coinciden, pero la funci on
no tiene lmite en dicho punto.
Figura 1.22: Gr acamente se comprueba que existe lmite en el origen
Es el caso de la funci on f(x, y) =
xy
x
2
+y
2
en el punto (0, 0).
Efectivamente, lim
y0
lim
x0
f(x, y) = lim
x0
lim
y0
f(x, y) = 0, pero no existe el lmite de la funci on en el
origen: tomando como direcciones las rectas y = mx, m ,= 0, (que pasan por el origen), se tiene que
lim
(x,y)(0,0)
y=mx
f(x, y) = lim
x0
mx
2
x
2
(1 +m
2
)
=
m
1 +m
2
,
que depende de la direccion (par ametro m) tomada.
Este hecho se puede constatar de manera graca, analizando la supercie y el mapa de densidad
correspondiente, adjuntos en la gura dada.
Figura 1.23: La informaci on gr aca es concluyente
Ejemplo 1.3.6 La funci on tiene en un punto sus dos lmites reiterados, aunque estos dieren (y por
tanto no existe lmite de la funci on en dicho punto).
Es el caso de la funci on f(x, y) =
xy +y
2
x
2
+y
2
en el punto (0, 0).
1.3. L

Figura 1.24: Gr acamente, se comprueba que la funcion no tiene lmite en el origen
En efecto, lim
y0
lim
x0
f(x, y) = lim
y0
y
2
y
2
= 1, pero lim
x0
lim
y0
f(x, y) = lim
x0
0
x
2
= 0.
Mucho cuidado con pensar que lim
x0
0
x
2
= 0 es una indeterminaci on del tipo
0
0
: la funci on
0
x
, de
dominio IR 0, vale 0 en todos sus puntos del dominio de denici on; de modo que lim
x0
0
x
= 0.
En general, el procedimiento a seguir a la hora de estudiar la existencia del lmite doble de una funci on
f(x, y) en un punto (a, b) es el siguiente:
1. Determinar los lmites unidimensionales lim
xa
f(x, y) y lim
yb
f(x, y). La no existencia de alguno de
estos lmites no indica nada en relaci on con la existencia o no del lmite doble.
2. En caso de que proceda (i.e. si el lmite unidimensional correspondiente existe), determinar los
lmites reiterados lim
yb
( lim
xa
f(x, y)) y lim
xa
(lim
yb
f(x, y)).
Si existe un unidimensional pero no existe (o existe y es innito) el reiterado asociado, entonces el
lmite doble no existe. Por otra parte, si existen los dos reiterados pero valen distinto, entonces el
lmite doble no existe.
En caso de que existan ambos lmites reiterados y valgan l, no podemos extraer otra conclusi on m as
que el lmite doble, en caso de existir (lo puede hacer o no, no tenemos informacion al respecto),
ha de valer necesariamente l.
3. Para demostrar que el lmite no existe, hay que encontrar dos trayectorias que pasen por (a, b)
que determinen lmites distintos en (a, b), o bien una trayectoria para la que el lmite no exista.
Recuerdese que el lmite doble existe y vale l si, y s olo si, existe el lmite seg un cualquier trayectoria
y vale asimismo l.
4. Para demostrar que el lmite existe, primero hay que determinar cual es el candidato l a lmite (bien
mediante los lmites reiterados, bien probando por una trayectoria cualquiera que pase por (a, b)).
Despues, podemos seguir cualquiera de los pasos siguientes:
(a) Recurrir a la denicion : de lmite.
(b) Encontrar una funci on g(x, y) con lim
(x,y)(a,b)
g(x, y) = 0 tal que, en un entorno reducido de
(a, b), sea [f(x, y) l[ g(x, y).
(c) Demostrar que el lmite por cualquier trayectoria existe y vale l.
(d) Realizar un cambio de variable (por ejemplo coordenadas polares) y demostrar que el lmite
resultante existe y vale l.
A modo de ilustraci on, probemos que los siguientes lmites no existen:
lim
(x,y)(0,0)
x
2
+y
2
x +y
, lim
(x,y)(0,0)
xy
2
x
2
+y
4
, lim
(x,y)(1,0)
y
x +y 1
.
Ejemplo 1.3.7 Sea f(x, y) =
x
2
+y
2
x +y
.
Los lmites reiterados en el origen existen y valen (ambos, por ser la funci on simetrica en las variables
x e y) cero:
lim
y0
lim
x0
f(x, y) = lim
y0
y
2
y
= 0.
Los lmites direccionales seg un las rectas y = mx tambien valen 0:
lim
(x,y)(0,0)
y=mx
f(x, y) = lim
x0
x
2
(1 +m
2
)
x(1 +m)
= 0.
Incluso si probamos con direcciones del tipo y = cx
n
tambien saldr a cero. Sin embargo, el lmite no
existe. En estos casos es cuando resulta de gran ayuda construir las curvas de nivel.
Las curvas de nivel (ver Figura 1.25) de la funci on son del tipo
c =
x
2
+y
2
x +y
x
2
+y
2
cx cy = 0 (x
c
2
)
2
+ (y
c
2
)
2
=
c
2
2
,
circunferencias de centro
_
c
2
,
c
2
_
y radio
c
2
, que pasan todas ellas por el origen de coordenadas: (0
c
2
)
2
+ (0
c
2
)
2
=
c
2
2
.
De modo que la funcion no puede tener lmite en (0, 0), puesto que por ese punto pasan innitas curvas
de nivel que corresponden a cortes de la supercie f(x, y) = 0 con distintos planos z = c. Es decir, los
lmites seg un las trayectorias que denen estas circunferencias valen distinto: lim
(x,y)(0,0)
(x
c
2
)
2
+(y
c
2
)
2
=
c
2
2
f(x, y) =
c.
-2 -1 0 1 2
-2
-1
0
1
2
Figura 1.25: La no existencia del lmite en el origen es clara
Ejemplo 1.3.8 El lmite lim
(x,y)(0,0)
xy
2
x
2
+y
4
no existe.
1.3. L

En efecto, si calculamos el lmite seg un las par abolas x = my
2
, se tiene que
lim
(x,y)(0,0)
x=my
2
f(x, y) = lim
y0
my
4
(m
2
+ 1)y
4
=
m
m
2
+ 1
,
lo que nos hace concluir que el lmite propuesto lim
(x,y)(0,0)
xy
2
x
2
+y
4
no existe, pues seg un las par abolas
propuestas se obtienen valores distintos (en funci on del par ametro m).
Figura 1.26: Supercie y mapa de densidad asociados a z = f(x, y)
Ejemplo 1.3.9 El lmite lim
(x,y)(1,0)
y
x +y 1
tampoco existe.
Si tomamos la direccion y = x 1, resulta que el lmite direccional correspondiente queda
lim
(x,y)(1,0)
y=x1
y
x +y 1
= lim
x1
x 1
2(x 1)
=
1
2
.
Por otra parte, si tomamos la direcci on y = x
2
1, se tiene que
lim
(x,y)(1,0)
y=x
2
1
y
x +y 1
= lim
x1
x
2
1
x
2
+x 2
= lim
x1
x + 1
x + 2
=
2
3
,
que diere del valor
1
2
antes calculado.
Luego el lmite en el origen no existe.
Ahora, probar la existencia de los siguientes lmites:
lim
(x,y)(0,0)
x
2
y
x
2
+y
2
, lim
(x,y)(1,0)
(x 1)
2
ln x
(x 1)
2
+y
2
, lim
(x,y)(0,0)
sen(x
2
+y
2
)
x
2
+y
2
x
2
y
x
2
+y
2
.
Calculemos primero los lmites reiterados en el origen: lim
x0
f(x, y) = 0, de modo que
lim
y0
( lim
x0
f(x, y)) = 0, por lo que el candidato a lmite es 0.
Como
x
2
y
x
2
+y
2
0
x
2
y
x
2
= [y[ y lim
(x,y)(0,0)
[y[ = 0, se tiene que existe lim
(x,y)(0,0)
x
2
y
x
2
+y
2
= 0.
Figura 1.27: La representaci on gr aca es concluyente
Figura 1.28: La convergencia de la funci on en el origen es incontestable
Ejemplo 1.3.11 Sea g(x, y) =
(x 1)
2
ln x
(x 1)
2
+y
2
.
Se tiene que lim
y0
g(x, y) = ln x, de modo que el reiterado correspondiente queda lim
x1
( lim
y0
g(x, y)) =
lim
x1
ln x = 0. As, el candidato a lmite es l = 0.
De nuevo,
(x 1)
2
ln x
(x 1)
2
+y
2
0
(x 1)
2
ln x
(x 1)
2
= [ln x[, siendo lim

(x,y)(1,0)
[ ln x[ = 0; de donde existe
lim
(x,y)(1,0)
(x 1)
2
ln x
(x 1)
2
+ y
2
= 0.
1.4. CONTINUIDAD DE FUNCIONES EN UN PUNTO 21
Figura 1.29: El mapa de densidad es clave: la funci on admite lmite en el origen
Ejemplo 1.3.12 Sea h(x, y) =
sen(x
2
+y
2
)
x
2
+y
2
.
Estudiemos primero los lmites reiterados. Es claro que lim
y0
h(x, y) =
senx
2
x
2
. De donde
lim
x0
( lim
y0
h(x, y)) = lim
x0
sen x
2
x
2
x0
senx
2
x
2
= 1, luego el candidato a lmite es 1.
En esta ocasi on, para demostrar que el lmite doble existe y vale 1, vamos a demostrar que existe el
lmite seg un cualquier trayectoria g(x, y) = c y que vale 1.
En efecto, sea g(x, y) = c una trayectoria cualquiera pasando por (0, 0). Si a lo largo de esa trayectoria
cambiamos de variable seg un t = x
2
+y
2
, resulta que lim
(x,y)(0,0)
g(x,y)=c
g(x, y) = lim
g(x,y)=c
t0
sen t
t
= 1.
De modo que sea cual sea la trayectoria g(x, y) = c pasando por (0, 0), existe el lmite seg un esa
trayectoria y vale 1. De donde existe el lmite doble de h(x, y) cuando (x, y) (0, 0) y vale 1.
Tambien podramos haber usado el cambio a coordenadas polares, x = r cos , y = r sen . As,
(x, y) (0, 0) (r, ) (0, ), de manera que
lim
(x,y)(0,0)
h(x, y) = lim
r0
sen r
2
r
2
= 1.
Como en el caso de funciones de una variable, es f acil deducir la existencia de un algebra elemental de
lmites dobles, en el que el lmite de sumas/diferencias y productos/cocientes sea las sumas/diferencias y
productos/cocientes de los lmites correspondientes (en este ultimo caso, siempre que el denominador no
se anule en las proximidades del punto lmite, en cuyo caso habra que hacer un estudio aparte).
1.4 Continuidad de funciones en un punto
La nocion de continuidad de una funci on est antimamente ligada a la de lmite. Una funci on f es continua
en un punto no asilado a IR
n
cuando se dan las siguientes tres condiciones:
La funci on est a denida en el punto a, f(a).
Existe el lmite de la funci on cuando x tiende a a, lim
xa
f(x) = l.
Este valor coincide con la imagen de f en el punto a, l = f(a).
Figura 1.30: Gr acamente no hay lugar a dudas: el lmite en el origen existe
Se entiende que una funci on es continua en una region dada cuando lo es en cada uno de sus puntos.
Se sobrentiende que una funci on es automaticamente continua en sus puntos aislados.
La denici on anterior requiere tres cosas: que la funci on este denida en el punto, que exista el lmite
y que ambos valores coincidan. Se habla de discontinuidad en aquellos puntos en los que la funci on falla
en ser continua. Dicha discontinuidad se dice evitable o esencial dependiendo que exista o no el lmite
de la funci on en el punto en cuesti on. Las funciones que presentan discontinuidades exclusivamente del
tipo evitable se pueden transformar en funciones continuas de pleno derecho, con tan s olo modicar
convenientemente la denicion de la funci on en estos puntos por el valor de los lmites correspondientes.
El algebra de lmites se hereda para funciones continuas, de modo que las
sumas/diferencias/productos/cocientes de funciones continuas denen funciones asimismo contin-
uas. M as a un, la composicion de funciones continuas tambien es continua: si f es continua en a y g es
continua en f(a) entonces g f es continua en a, siendo (g f)(a) = g(f(a)).
Las funciones continuas por excelencia, en sus dominios de denici on, son los polinomios (en una o
varias variables), las trigonometricas, las exponenciales, las logartmicas, las racionales (cuando no se
anula el denominador),. . . , y sus composiciones y combinaciones aritmeticas.
A modo de ejemplo, determinar los puntos en los que son continuas las funciones siguientes:
g(x, y) =
x
x
2
y
, f(x, y) =
_
_
_
x
4
x(x
2
+y
2
)
, si (x, y) ,= (0, 0),
0, si (x, y) = (0, 0),
h(x, y) =
_
x
2
+ 2y 1, si x 0,
3x +y
2
, si x < 0.
Ejemplo 1.4.1 Sea g(x, y) =
x
x
2
y
La funci on g : D IR
2
IR dada por g(x, y) =
x
x
2
y
es continua en todo su domino de denici on,
D = IR
2
(x, y) : y = x
2
, por ser cociente de polinomios. Tenemos que estudiar si se puede extender
de manera continua en alg un punto de la par abola y = x
2
.
En los puntos (c, c
2
) con c ,= 0 desde luego no se puede extender de manera continua, dado que
lim
(x,y)(c,c
2
)
x
x
2
y
=
c
0
= , dependiendo de si nos acercamos a cero por la derecha o por la izquierda;
de modo que el lmite no existe, y aunque existiera sera innito, por lo que la funci on tampoco podra
denirse de manera continua en esos puntos.
En particular, entonces lim
(x,y)(0,0)
y=x
2
g(x, y) tampoco existe, de donde no puede existir el lmite de la
funci on en el cero.
1.4. CONTINUIDAD DE FUNCIONES EN UN PUNTO 23
Figura 1.31: La funci on tiene en (x, y) : y = x
2
discontinuidades del tipo esencial
Ejemplo 1.4.2 Sea ahora la funci on f(x, y) =
_
_
_
x
4
x(x
2
+y
2
)
, si (x, y) ,= (0, 0),
0, si (x, y) = (0, 0),
La funci on es continua en IR 0, por ser cociente de polinomios.
Ademas, tambien es continua en el origen, dado que
[f(x, y) f(0, 0)[ =
x
4
x(x
2
+y
2
)
x
3
x
2
[x[,
que tiende a 0 cuando (x, y) tiende a (0, 0).
De donde existe lim
(x,y)(0,0)
f(x, y) = 0, por lo que la funci on se puede extender de manera continua
en el origen deniendo f(0, 0) = 0.
Figura 1.32: La continuidad es gr acamente palpable
Ejemplo 1.4.3 Sea ahora h(x, y) =
_
x
2
+ 2y 1, si x 0,
3x +y
2
, si x < 0.
Es obvio que la funci on es continua en todo IR(x, y) : x = 0, por ser polin omica en esos puntos.
Hay que estudiar si adem as es continua en la recta x = 0. Gr acamente no lo parece, salvo eventualmente
en alg un punto pr oximo a y = 1.
Figura 1.33: El unico punto de x = 0 donde la funci on es continua es (0, 1)
Dado que lim
(x,y)(0,b)
x0
+
h(x, y) = 2b 1 y lim
(x,y)(0,b)
x0
h(x, y) = b
2
, para que pudiera ser continua habra de
ser b
2
= 2b 1; esto es, b = 1. As, el unico punto de x = 0 que podra optar a albergar continuidad es
(0, 1). Y de hecho, la funci on es continua en este punto, puesto que las funciones en que se desglosa son
continuas en dicho punto y toman en el el mismo valor.
A continuaci on recopilamos algunos resultados clasicos que conciernen a las funciones continuas f :
D IR
n
IR:
1. Si f es continua en a, entonces f esta acotada en un entorno de a.
2. Si f es continua en a y f(a) ,= 0, entonces f tiene signo constante (igual al de f(a)) en un entorno
de a.
3. Si D es un conjunto compacto (cerrado y acotado) y f : D IR es una funci on continua en D,
entonces f(D) es un compacto de IR.
4. Si D es compacto y f : D IR es continua en D, entonces f alcanza en D valores maximo y
mnimo: existen x
0
y x
1
en D tales que f(x
0
) f(x) f(x
1
) para todo x D. Este resultado se
conoce como Teorema de Weierstrass.
5. Si f : [a, b] IR es continua y f(a) f(b) < 0 entonces existe c (a, b) con f(c) = 0. Este resultado
se conoce como Teorema de Bolzano.
6. Si f : D IR es continua y D es conexo, dados a, b D y k IR con f(a) < k < f(b) existe
c D con f(c) = k. Esta propiedad se conoce con el nombre de Propiedad de Darboux o Teorema
de los valores intermedios.
Ejemplo 1.4.4 Demostrar que toda funci on continua f : [0, 1] [0, 1] tiene un punto jo c (i.e. tal que
f(c) = c).
Sea la funci on g(x) = xf(x), continua, denida en [0, 1], con g(0) = f(0) 0 y g(1) = 1f(1) 0;
de manera que seg un el Teorema de los valores intermedios existe c [0, 1] con g(c) = 0, esto es,
0 = g(c) = c f(c), de donde f(c) = c.
Captulo 2
Diferenciabilidad de funciones de
varias variables
2.1 Noci on de derivada. Interpretaci on geometrica
Antes de comenzar nuestro estudio, ilustremos con un par de situaciones la aplicabilidad de las nociones
a tratar.
Cuando una bola de billar golpea a otra parada, en un punto P de su supercie, esta se mueve a lo
largo de la recta de impacto, unvocamente determinada por P y por el centro de la bola. El impacto
puede suceder de dos formas.
Si la bola lanzada se mueve en la recta de impacto (lo cual requiere una precision may uscula), esta se
para en seco y cede todo su momento a la bola parada, como muestra la primera gura.
Figura 2.1: Situaci on en que se transmite todo el momento
Sin embargo, lo normal es que la bola lanzada se desve a un lado u otro de la recta de impacto,
reteniendo parte de su momento. No obstante, la parte de momento que se transmite a la bola parada
siempre se orienta sobre la lnea de impacto, con independencia de la direcci on de la bola lanzada, como
se indica en la segunda gura.
Figura 2.2: Ahora s olo se transmite parte del momento
Las matematicas dan una explicacion a este hecho: la bola parada se mueve siempre seg un la recta
normal a su supercie en el punto de impacto P. Hablar de la recta normal a la supercie es hablar del
plano tangente a la supercie, lo que se traduce en hablar de la diferenciabilidad de la supercie.
25
26 CAPTULO 2. DIFERENCIABILIDAD DE FUNCIONES DE VARIAS VARIABLES
Cambiemos de problema. Supongamos que nos encontramos en plena sierra y pretendemos hacer un
recorrido cual alpinista, buscando siempre la trayectoria de m aximo ascenso. Este problema tiene una
traducci on natural al ambito de las matematicas, y concierne al gradiente de la supercie que dene la
sierra. De hecho, este vector marca siempre la direcci on de m aximo crecimiento, as como su opuesto
marca la de mnimo crecimiento.
En esta seccion vamos a abordar las ideas de derivada y diferencial de una funci on, conceptos que
se confunden en uno solo en funciones de IR en IR, pero que son claramente distinguibles en el caso de
funciones de IR
n
en IR, para n 2.
Geometricamente, la derivada de una funci on f : D IR IR en un punto a indica la pendiente de
la recta tangente a la curva y = f(x) en el punto (a, f(a)).
An alogamente, la derivada direccional de f : D IR
2
IR en un punto (a, b) seg un la direccion
del vector unitario u = (cos , sen ) indica la pendiente de la recta tangente a la supercie en el punto
(a, b, f(a, b)) seg un la direccion del vector u.
Por otra parte, que f : D IR
2
IR sea diferenciable en (a, b) se traduce geometricamente en que
el plano tangente a la supercie z = f(x, y) en el punto (a, b, f(a, b)) aproxima linealmente a la funci on
f(x, y) en un entorno del punto (a, b).
A la vista esta que no es lo mismo calcular el valor de las pendientes de las rectas tangentes en
(a, b, f(a, b)) a la supercie z = f(x, y) seg un todas las direcciones posibles u (derivadas direccionales
seg un dichos vectores), que el hecho de que el plano tangente aproxime bien a la funcion en un entorno
del punto (a, b, f(a, b)). De aqu que las de derivabilidad y diferenciabilidad sean nociones diferentes en
IR
n
, para n 2.
En lo que sigue daremos contenido a lo avanzado hasta ahora.
Es de conocimiento general que una funci on f : D IR IR denida en un entorno del punto a D
es derivable en a si el siguiente lmite existe y es nito,
lim
h0
f(a +h) f(a)
h
.
Este valor, que se denota por f
(a), mide el ritmo de cambio de y = f(x) respecto de x en dicho

punto; es decir, la pendiente de la recta tangente a la curva y = f(x) en (a, f(a)).
En terminos fsicos, f
(a) representa la velocidad instantanea en el instante t = a de un m ovil que

recorre una distancia de f(t) unidades en un tiempo t; y se corresponde con el valor lmite de la velocidad
promedio del movil en un entorno de a de amplitud h, cuando h se aproxima a 0:
f
(a) = lim
h0
f(a +h) f(a)
h
= lim
ta
f(t) f(a)
t a
Ejemplo 2.1.1 Un agente de traco supervisa la posible evoluci on de la velocidad de un automovil que
ha invertido aproximadamente hora y media para ir de Sevilla a Isla Canela (Ayamonte), poblaciones que
distan unos 150 kil ometros entre s. Que conclusiones saca?
En una primera estimaci on, se puede concluir que la velocidad promedio del viaje ha sido de
150
1.5
=
100km/h, que en principio no supera la barrera de los 120km/h.
Evidentemente, esta cantidad no puede reejar la velocidad mantenida a lo largo de todo el trayecto:
sin ir m as lejos, dentro de las poblaciones de salida y llegada (en las que el lmite maximo de velocidad
permitido es de 50km/h), la circulacion propia de las urbes impide mantener una velocidad de 100km/h
(saliendo ileso!), por mucho que uno persista en no respetar las se nalizaciones existentes.
As, la informaci on que proporciona esta velocidad promedio resulta irrelevante para un agente de la
Guardia Civil de Tr aco que quiera discernir si el conductor infringi o el lmite de velocidad permitido
en alg un instante. Interesa averiguar la velocidad que llevaba en cada instante t una vez recorridos
f(t) kil ometros: es decir, el c umulo de velocidades instantaneas, el valor de f
(t) para cada instante t

comprendido en la hora y media que dur o el trayecto.
Esto le resultara posible al agente de tener a su alcance mediciones de patrullas provistas de radares
que hubieran estado sitas a lo largo del trayecto seguido por el vehculo. Notese que los radares que se
sit uan en las carreteras miden, de hecho, velocidades instant aneas. A un cuando todas las hipoteticas
mediciones reejen valores permisibles, esto no es obice para que el conductor no haya sobrepasado en
alg un instante distinto las velocidades maximas permitidas.
2.1. NOCI
ON DE DERIVADA. INTERPRETACI
ON GEOM
ETRICA 27
Toda vez que esta informacion no est a disponible, lo m aximo que puede hacer el agente es aventurar
si el conductor pudo realizar el trayecto sin infringir las normas vigentes.
Dado que el vehculo hubo de recorrer 20 kil ometros de va en poblaci on (13 para salir de Sevilla y
otros 7 para atravesar Ayamonte hasta Isla Canela) y 130 kil ometros de autova (la A-49, en sentido
Sevilla-Huelva-Portugal), manteniendo la marcha en cada va a la m axima velocidad permitida (50km en
va urbana y 120km en autova), resulta un tiempo de
20 60
50
+
130 60
120
= 24 + 65 = 89 minutos; esto
es, un minuto menos de lo que invirti o el conductor.
El agente de tr aco concluye que hay indicios fundados de que el conductor super o el lmite de
velocidad permitido, puesto que no es razonable que el vehculo mantenga en todo instante la velocidad
maxima permitida en cada va durante todo el trayecto, sin llegar a excederla, teniendo s olo un margen
de un minuto a lo largo de todo el trayecto para pasar de una velocidad a otra (de 0km/h en la salida o
llegada, hasta los 50km/h dentro de las poblaciones, y de aqu hasta los 120km/h de la autova).
No obstante, sabiendo que cualquier abogado buen conocedor del sistema llevara a todo juez a fallar
a favor del conductor (todos somos inocentes hasta que se demuestre sin paliativos ni suras lo contrario,
y, por inverosmil que sea la posibilidad de no haber infringido el lmite de velocidad, dicha posibilidad
existe), el agente nalmente opta por archivar el caso.
Ejemplo 2.1.2 Consideremos ahora la curva y = f(x) = 6 x
2
Se tiene que f(x) es derivable en todo su dominio de denici on (D = IR), siendo f
(x) = 2x.
Si tomamos el punto a = 1, se tiene que f
(1) = 2, de modo que la recta tangente a la curva

y = 6 x
2
en el punto (1, f(1)) = (1, 5) es
y f(1) = f
(1)(x (1)) y 5 = 2(x + 1) y = 2x + 7.

-4 -2 2 4
-15
-10
-5
5
10
15
Figura 2.3: Tangente a y = 6 x
2
en x = 1
En general, si f(x) es derivable en el punto x = a, la recta tangente a y = f(x) en a tiene por ecuaci on
y f(a) = f
(a) (x a).
Ejemplo 2.1.3 Consideremos ahora la supercie z = f(x, y) = 6 x
2
y
2
.
El corte de la supercie con cada plano del tipo u
2
x u
1
y = c determina una curva de la supercie
en la direccion del vector u = (u
1
, u
2
). En particular, consideremos el plano vertical en la direcci on
u = (1, 0) que pasa por el punto (1, 2, 1), el cual tiene por ecuaci on y = 2.
La curva que determina la traza de z = 6 x
2
y
2
seg un este plano y = 2 (ver Figura 2.4) viene
dada por la ecuacion
_
z = 2 x
2
y = 2
La pendiente de la recta tangente a esta curva en el punto de coordenadas (1, 2, 1) consiste en la
derivada direccional de f(x, y) en dicho punto seg un la direccion del vector u = (1, 0), que viene dada
por
f
u
(1, 2) = D
u
f(1, 2) = lim
h0
f(1 + h, 2) f(1, 2)
h
= lim
h0
2 (1 +h)
2
1
h
= 2
Figura 2.4: Secci on de z = 6 x
2
y
2
seg un el plano y = 2
Si hubiesemos tomado la traza seg un el plano vertical en la direcci on u = (0, 1) que pasa por (1, 2, 1),
hubieramos obtenido la curva
_
z = 5 y
2
x = 1
La recta tangente a esta curva en (1, 2, 1) tiene por pendiente la derivada direccional de f(x, y) en
dicho punto seg un la direccion del vector v = (0, 1),
f
v
(1, 2) = D
v
f(1, 2) = lim
h0
f(1, 2 +h) f(1, 2)
h
= lim
h0
5 (2 +h)
2
1
h
= 4
2
y
2
seg un el plano x = 1
Y con la traza seg un el plano vertical en la direcci on w = (
1
2
,
1
2
) que pasa por (1, 2, 1) obtenemos
la curva
_
z = 6 x
2
y
2
x y = 1
La recta tangente a esta curva en (1, 2, 1) tiene por pendiente la derivada direccional de f(x, y) en
dicho punto seg un la direccion del vector w,
f
w
(1, 2) = D
w
f(1, 2) = lim
h0
f(1 +
h
2
, 2 +
h
2
) f(1, 2)
h
= lim
h0
2
h h
2
h
= 3
2
2
y
2
seg un el plano x y = 1
2.1. NOCI
ON DE DERIVADA. INTERPRETACI
ON GEOM
ETRICA 29
Aqu debemos hacer un alto. Es destacable el hecho de que hayamos exigido al vector u que daba la
direccion el ser unitario. Si escogemos otro vector v = u, resulta que
f
v
(1, 2) = lim
h0
f(1 +

2
h, 2 +

2
h) f(1, 2)
h
= lim
h0
2
h
2
h
2
h
de manera que D
v
f(1, 2) = 3
2 = D
u
f(1, 2). As, aunque u y v determinan la misma direcci on,
las derivadas direccionales a ellos asociados dieren proporcionalmente seg un la raz on de sus modulos.
Salta una duda inmediatamente: por que de entre todos estos valores (o vectores) es 3
2 ( o u) el que
corresponde con la pendiente de la curva en el punto (1, 2, 1)? Por que precisamente uno unitario?
La respuesta la tenemos que buscar en las escalas o medidas en que viene representada la supercie,
y por tanto la curva seg un la traza correspondiente a la direccion u. Efectivamente, si queremos calcular
la ecuacion de la curva determinada por la traza xy = 1 de la supercie z = 6 x
2
y
2
, necesitamos
considerar como nuevo eje de abscisas la recta OT
_
z = 0
x y = 1
y como eje de ordenadas el eje OZ.
A la hora de preservar la escala que tenamos en el espacio seg un los ejes OX, OY y OZ, necesitamos un
vector de m odulo 1 en la recta anterior, que precisamente viene dado por u = (
1
2
,
1
2
). Si tomamos
como t la variable del eje OT, la relaci on entre t y x ser a x =
t
2
, puesto que para t = 1 se obtiene el
vector u, cuya primera coordenada (proyecci on sobre OX) es x =
1
2
.
d
d
d
d
d
s
OY
OZ
OX
OT
(1, 2) [u[ = 1
OY
OX
1
2
1
2
d
d
d
Figura 2.7: Las direcciones deben ser unitarias para preservar la geometra
Como la ecuacion de la curva
_
z = 6 x
2
y
2
x y = 1
respecto x es
z(x) = 6 x
2
(x + 1)
2
= 5 2x
2
2x,
se tiene que la ecuacion de la curva respecto de t ser a z(t) = 5 t
2
2t. As, la pendiente de la curva

que da el corte de la supercie con la traza anterior en el punto (1, 2, 1) viene a ser la pendiente de la
curva z(t) en el punto t =
2 (que corresponde a la abscisa x = 1): como z
(t) = 2t
2, se tiene que
z
2) = 3
2, que es el valor que obtuvimos al considerar la derivada direccional de la funci on f(x, y)

en el punto (1, 2) seg un el vector u.
Tengase en cuenta que el respetar la escala inicial lo es todo, de otro modo estaramos cambiando de
funci on.
Ejemplo 2.1.4 Considerese la funci on seno en radianes y grados.
La primera gr aca de la Figura 2.8 representa el seno en funci on de los radianes r, y = sen r; mientras
que la segunda lo hace en funci on de los grados g, y = sen g.
Aunque la funci on seno est a unvocamente determinada, si uno pretende calcular la derivada de
la funci on en un punto, tiene que jar que escala esta usando. Evidentemente en una misma altura
y = sen r
-3 -2 -1 1 2 3
-1
-0.5
0.5
1
y = sen g
-150 -100 -50 50 100 150
-1
-0.5
0.5
1
Figura 2.8: Gr acas de sen x en radianes y grados, respectivamente
y = sen g
-30 -20 -10 10 20 30
-1
-0.5
0.5
1
y = sen r
Figura 2.9: La funci on sen r recorre muchos periodos en uno de sen g
y [1, 1], la pendiente de la tangente a y = sen r en general no coincide con la pendiente de la tangente
a y = seng! La Figura 2.9 reeja este hecho.
M as a un, la derivada de sen g no es cos g!! En efecto, nosotros sabemos que la derivada del seno
como funci on en radianes es el coseno como funcion en radianes, (sen r)
= cos r. Como la relacion entre

grados y radianes viene dada por g =

180
r, se tiene que seng = sen

180
r; de modo que
(sen g)
= (sen

180
r)
=

180
cos

180
r =

180
cos g ,= cos g,
salvo en aquellos grados g en los que cos g = 0.
Es en este sentido que cuando calculemos una derivada direccional en un punto respecto de una
direccion u, para poder asegurar que el valor obtenido representa la pendiente de la curva
en el punto en cuestion es imprescindible que el vector u sea unitario.
As, en general, dada una supercie z = f(x, y) y una direccion seg un el vector unitario u =
(cos , sen ), la derivada direccional de f(x, y) en el punto (a, b),
f
u
(a, b) = lim
h0
f(a +hcos , b +hsen ) f(a, b)
h
,
representa la pendiente de la recta tangente a z = f(x, y) en el punto (a, b, f(a, b)) seg un la direccion u.
En particular, cuando u = (1, 0) se habla de derivada parcial respecto de x, y se nota
f
x
(a, b) =
f
x
(a, b) = z
x
(a, b) = D
1
f(a, b); y cuando u = (0, 1) se habla de derivada parcial respecto de y, y se nota
f
y
(a, b) = f
y
(a, b) = z
y
(a, b) = D
2
f(a, b).
2.2. NOCI
ON DE DIFERENCIAL. INTERPRETACI
ON GEOM
ETRICA 31
Formalmente, para la derivaci on parcial respecto de x o y son de aplicaci on las reglas de derivaci on de
las funciones de una variable. M as a un, el procedimiento operativo para el c alculo de derivadas parciales
es el mismo que el que se sigue para hallar derivadas en el caso de una variable, considerando el resto de
variables (si hubiere) como constantes.
En el caso anterior,
f
x
(1, 2) = 2x[
(1,2)
= 2.
An alogamente,
f
y
(1, 2) = 2y[
(1,2)
= 4.
Geometricamente, las derivadas parciales f
x
y f
y
tienen a un m as interpretaci on, puesto que determi-
nan el plano tangente a la supercie z = f(x, y) en punto (a, b) dado.
El motivo no es otro que (0, 1, f
y
(a, b)) y (1, 0, f
x
(a, b)) son vectores presentes en el plano tangente en
cuestion:
A lo largo de la recta r z f(a, b) = f
x
(a, b) (x a) tangente a la supercie en (a, b, f(a, b))
seg un la traza y = b, un cambio x de 1 unidad en x produce en z un cambio z = f
x
(a, b), de
suerte que el vector que va del punto (a, b, f(a, b)) al (a + 1, b, f(a + 1, b)) es (1, 0, f
x
(a, b)).
An alogamente, a lo largo de la recta s z f(a, b) = f
y
(a, b) (y b) tangente a la supercie
en (a, b, f(a, b)) seg un la traza x = a, un cambio y de 1 unidad en y produce en z un cambio
z = f
y
(a, b), de suerte que el vector que va del punto (a, b, f(a, b)) al (a, b + 1, f(a, b + 1)) es
(0, 1, f
y
(a, b)).
De modo que el plano tangente a z = f(x, y) en (a, b, f(a, b)) queda unvocamente determinado por
el vector normal que resulta del producto vectorial
(0, 1, f
y
(a, b)) (1, 0, f
x
(a, b)) = (f
x
, f
y
, 1).
La ecuacion de dicho plano tangente queda por tanto
f
x
(a, b)(x a) +f
y
(a, b)(y b) (z f(a, b)) = 0.
2.2 Noci on de diferencial. Interpretacion geometrica
Una funci on f : D IR IR se dice diferenciable en un punto a D cuando existe una constante IR
de modo que
lim
x0
f(a + x) f(a) x
x
= 0.
Dicho de otro modo, cuando existe una aproximacion lineal en x de la variaci on de la funci on en un
entorno sucientemente peque no de a:
f(a + x) f(a) = y = x +(x)x,
donde (x) 0 cuando x 0.
En el caso de una funci on y = f(x), f : D IR IR, derivable en un punto a, con recta tangente en
el punto (a, f(a)) igual a r(x) y = f(a) + f
(a) (x a), de pendiente f
(a); resulta que la derivada

f
(a) permite aproximar linealmente en x el valor de la curva en un entorno sucientemente peque no

de a.
1 2 3 4 5 6
0.5
1
1.5
2
2.5
3
3.5
4
x
dy
y
Figura 2.10: La variaci on y se puede aproximar por dy en las proximidades de a
En efecto, dado un punto a y un punto pr oximo a + x, la variaci on de la funci on viene dada por
y = f(a + x) f(a), y una buena aproximacion de este valor es la variacion de la ordenada en la
recta tangente, dy = r(a + x) r(a) = f
(a) x.
Esto es as porque, por denici on de derivada en un punto,
f
(a) = lim
x0
f(a + x) f(a)
x
= lim
x0
y
x
;
de modo que existe una funcion (x) que tiende a cero cuando x 0 tal que
y = f
(a) x +(x)x y = dy +(x)x dy

cuando x es sucientemente peque no (esto es, en las proximidades de a).
As, si una funci on f : D IR IR es derivable en a, entonces asimismo es diferenciable, tomando
= f
(a). De modo que para funciones de una variable las nociones de diferencial y derivada se confunden.
De hecho,
lim
x0
f(a + x) f(a) x
x
= 0 lim
x0
f(a + x) f(a)
x
= = f
(a).
Ejemplo 2.2.1 Se sabe que la velocidad de la sangre a 0.002cm del centro de un vaso sanguneo es de
1.111cm/s, mientras que si se aumenta la distancia en 0.001cm la velocidad resulta ser de 1.037cm/s.
Estimar la velocidad a 0.001cm del centro (asumimos presi on y viscosidad de la sangre constantes).
Localmente, un vaso sanguneo (ya sea en vena o arteria) se puede modelar como un tubo cilndrico
de radio R y longitud l, como muestra la Figura 2.11.
R
l
r
Figura 2.11: Modelo de una vena en forma de cilindro
Seg un el enunciado, v(0.002) = 1.111cm/s, y
dv
dr
[
r=0.002

v
r
=
1.037 1.111
0.003 0.002
= 74cm/s,
de donde v
(0.002) 74cm/s. As, v r v
(0.002), por lo que

v(0.001) v(0.002) 0.001 (74) = 1.184cm/s.
Esta estimacion no resulta ser demasiado able en este caso, dado lo reducido de las dimensiones
que se manejan. De hecho, la ley del ujo laminar, descubierta por el fsico frances Poiseuille en 1840,
2.2. NOCI
ON GEOM
ETRICA 33
expresa la relacion entre v y r en la forma v =
P
4l
(R
2
r
2
), donde es la viscosidad de la sangre y P
la diferencia de presion entre los extremos del tubo. Para nuestros prop ositos, podemos asumir que , P
y l son constantes.
Debido a la fricci on en las paredes del tubo, la velocidad v de la sangre es maxima a lo largo del eje
central del propio tubo, y decrece conforme aumenta la distancia r del eje, hasta que v se vuelve 0 en la
pared (de ah que el colesterol, que se pega a las paredes internas de los conductos sanguneos, sea nocivo
para la salud en grandes concentraciones). Esto concuerda con el hecho de que v
(0) = 0.
M as concretamente, se tiene que
dv
dr
=
Pr
2l
.
Por tanto, en una vena humana peque na, con = 0.027, R = 0.008cm, l = 2cm, P = 4000dinas/cm
2
,
se tiene que v 1.85 10
4
(6.4 10
5
r
2
) cm/s.
As, en r = 0.002cm, la sangre uye a una velocidad de 1.11cm/s y el gradiente de velocidad en ese
punto es
dv
dr
[
r=0.002
74(cm/s)/cm = 74s
1
.
Pero v(0.001) = 1.166cm/s, que diere del valor 1.184cm/s obtenido en la aproximaci on primigenia,
que en verdad es la velocidad m axima que se puede alcanzar, en el centro del vaso sanguneo.
Analicemos el caso an alogo para funciones de dos variables, tratando de aproximar el valor de la
funci on z = f(x, y) en un entorno de un punto (a, b) seg un el plano tangente a la supercie en dicho
punto.
Una funci on f : D IR
2
IR se dice diferenciable en un punto (a, b) cuando existen constantes
, IR de modo que
lim
(x,y)(0,0)
f(a +x, b +y) f(a, b) x y
[[(x, y)[[
= 0.
Aqu, [[(x, y)[[ representa la distancia del punto (x, y) al origen de coordenadas, respecto de cualquier
aplicacion distancia (por ejemplo, eucldea,
_
x
2
+y
2
; o distancia uno, [x[ +[y[).
Al igual que ocurriera en el caso de funciones de una variable, que una funci on f(x, y) sea diferenciable
en un punto (a, b) signica que el plano tangente a la supercie z = f(x, y) en dicho punto, p z =
f
x
(a, b) (x a) +f
y
(a, b) (y b) +f(a, b), aproxima linealmente en x y y a la propia funci on:
f(a + x, b + y) p(a + x, b + y).
M as concretamente, dado un punto (a, b) y un punto pr oximo (a + x, b + y), la variaci on de la
funci on viene dada por z = f(a + x, b + y) f(a, b), y un candidato a aproximar este valor es la
variaci on de la ordenada en el plano tangente, dz = p(a+x, b+y)p(a, b) = f
x
(a, b)x+f
y
(a, b)y.
x
y
z
dz
Figura 2.12: Se tiene que dz aproxima a z en un entorno de (a, b)
De hecho, si la funci on f(x, y) es diferenciable en (a, b), se tiene que existen constantes y tales
que
lim
(x,y)(0,0)
f(a + x, b + y) f(a, b) x y
[[(x, y)[[
= 0.
M as a un, se puede probar que estas constantes resultan ser = f
x
(a, b) y = f
y
(a, b).
De modo que existen funciones
1
y
2
que tienden a cero cuando (x, y) (0, 0) que hacen que
z = f
x
(a, b) x +f
y
(a, b) y +
1
x +
2
y, por lo que
z dz = f
x
(a, b) x +f
y
(a, b) y.
As, a un sin conocer la formula explcita de una funci on, se puede aproximar su valor en un punto
conocidas las derivadas parciales en dicho punto, mediante la aproximaci on lineal que da el plano tangente.
Ejemplo 2.2.2 Supongamos que en una f abrica se preparan rollos de metal de un cierto grosor g(v, t)
haciendo pasar el metal por unos rodillos muy grandes, de modo que el grosor nal depende de la velocidad
de giro v de los rodillos y de la temperatura t del metal; amen de la distancia de separaci on de los rodillos,
que suponemos constante igual a 4mm. Para un cierto metal se ha conseguido un espesor de 4mm con
un giro de 10m/s y una temperatura de 900
. Experimentalmente, se sabe que un incremento de 0.2m/s

en la velocidad produce un aumento de 0.06mm en el espesor, mientras que un incremento de 10
en la
temperatura disminuye el espesor en 0.04mm. Estimar el espesor para una velocidad de 10.1m/s y una
temperatura de 880
.
A un cuando no conocemos una expresion explcita para la funci on g(v, t), s tenemos estimaciones
acerca de las derivadas parciales de la funci on en el punto (10, 900): g
v
(10, 900)
0.06
0.2
= 0.3, dado que
una variaci on de 0.2m/s en la velocidad de giro produce un aumento de 0.06mm en el espesor; por otra
parte, de manera an aloga, se tiene que g
t
(10, 900)
0.04
10
= 0.004, toda vez que un incremento de 10
en la temperatura disminuye el espesor en 0.04mm. Una aproximaci on del valor de g(v, t) en un entorno
pr oximo al punto (10, 900) viene dado, pues, por el plano p(v, t) tangente a g(v, t) en dicho punto, cuya
ecuacion es p(v, t) = g(10, 900) +g
v
(10, 900)(v 10) +g
t
(10, 900)(t 900).
As, g(10.1, 880) p(10.1, 880) 4 + 0.3(10.1 10) 0.004(880 900) = 4.11mm.
Luego diferencial y derivadas parciales estan intrnsecamente relacionadas, aunque no son conceptos
equivalentes en el caso de funciones de varias variables: si una funci on es diferenciable en un punto (a, b),
veremos que posee en dicho punto las derivadas parciales (mas a un, las derivadas direccionales seg un
cualquier direcci on u); sin embargo, el que una funci on posea en un punto todas las derivadas parciales
(incluso todas las direccionales, seg un cualquier direccion) no signica que sea diferenciable, como es el
caso de la extension continua de
3x
2
y 2x
3
x
2
+y
4
en el origen, que trataremos posteriormente.
A continuaci on, vamos a detallar la relacion local (que no global, en todo el dominio de denici on)
entre continuidad, derivabilidad y diferenciabilidad de funciones de varias variables en un punto (a, b)
dado:
1. No hay ninguna relaci on entre la existencia de las derivadas direccionales y la continuidad de la
funci on en el punto: hay funciones continuas que no admiten algunas (incluso ninguna) derivadas
direccionales; y, recprocamente, hay funciones que tienen todas las derivadas direccionales y no son
continuas.
2. Tampoco la hay entre la mera existencia de las derivadas parciales (ambas discontinuas, necesari-
amente) y la existencia de las restantes derivadas direccionales. La cuestion cambia cuando todas
las derivadas parciales (exceptuando a lo sumo una) son continuas, como veremos m as tarde.
3. Sin embargo, si la funci on es diferenciable, entonces es asimismo continua. El recproco es falso:
hay funciones continuas que no son diferenciables.
4. Si la funci on es diferenciable, entonces admite derivadas direccionales seg un cualquier direccion. El
recproco es falso: la existencia de todas las derivadas direccionales no implica la diferenciabilidad
de la funci on.
5. No obstante, si existen las derivadas parciales y a lo sumo una de ellas es discontinua en el punto,
entonces s se puede garantizar que la funci on es diferenciable (y por tanto adem as admite derivadas
direccionales seg un cualquier direccion).
6. En cualquier caso, que la funci on sea diferenciable no quiere decir que las derivadas parciales sean
continuas en el punto.
7. Las funciones f que admiten las derivadas parciales continuas se dicen de clase 1, y se nota f (
1
.
En particular, son diferenciables (aunque no todas las diferenciables son de clase 1, como se ha
dicho previamente). En verdad, se trata de las funciones que son diferenciables, con diferencial
continua.
2.2. NOCI
ON GEOM
ETRICA 35
Veamos contraejemplos que conrmen las situaciones anteriores.
Ejemplo 2.2.3 No hay ninguna relacion entre la existencia de las derivadas direccionales y la con-
tinuidad de la funci on en el punto: hay funciones continuas que no admiten algunas (incluso ninguna)
derivadas direccionales; y, recprocamente, hay funciones que tienen todas las derivadas direccionales y
no son continuas.
Por ejemplo, consideremos la funcion f(x, y) =
_
_
_
x
3
y
, si y ,= 0
0, si y = 0
Figura 2.13: El mapa de densidad sugiere que no existe lmite a lo largo de y = x
2
Esta funci on admite todas las derivadas direccionales en el origen, siendo todas ellas nulas: dado
u = (cos , sen ), se tiene que
lim
h0
f(hcos , hsen )
h
=
_
_
lim
h0
h
3
cos
3
h
2
sen
= 0, si sen ,= 0
lim
h0
0
h
= 0, si sen = 0
Ello no conlleva que la funci on sea continua en el origen. De hecho, la funci on f(x, y) es discontinua
en toda la recta y = 0, tal como reeja la Figura 2.13:
En los puntos (a, 0), con a ,= 0, esto es claro, puesto que no existe lim
(x,y)(a,0)
f(x, y) (vale
dependiendo de que
y
x
0
o
y
x
0
+
).
En el origen, tampoco es continua: tomando las trayectorias y = mx
3
para acercarnos al origen,
resulta que lim
(x,y)(0,0)
y=mx
3
f(x, y) = lim
x0
x
3
mx
3
=
1
m
, que depende del par ametro m ,= 0 (trayectoria
y = mx
3
) elegido.
Por otra parte, la funci on f(x, y) =
_
x
2
+y
2
es continua en todo IR
2
(en particular, en el origen), y
sin embargo no admite ninguna derivada direccional en el origen: lim
h0
f(hcos , hsen)
h
= lim
h0
[h[
h
, que
no existe (vale 1 por la izquierda, cuando h 0
, y 1 por la derecha, cuando h 0

+
).
Ejemplo 2.2.4 Tampoco hay relaci on entre la mera existencia de las derivadas parciales (ambas discon-
tinuas en el punto, necesariamente) y la existencia de las restantes derivadas direccionales.
Figura 2.14: La funci on
_
x
2
+y
2
no admite derivadas direccionales en el origen
Sea la funci on f(x, y) =
_
xy
x
2
+y
2
, si (x, y) ,= (0, 0)
0, si (x, y) = (0, 0)
Esta funci on es claramente discontinua en el origen:
lim
(x,y)(0,0)
y=mx
xy
x
2
+y
2
= lim
x0
mx
2
x
2
(1 +m
2
)
=
m
1 +m
2
,
que depende de la direccion y = mx tomada.
No obstante, f(x, y) admite derivadas parciales en el origen, siendo
f
x
(0, 0) = lim
h0
0
h
2
h
= 0 = f
y
(0, 0).
Hagamos notar que f(x, y) tambien admite derivadas parciales en los restantes puntos (a, b) ,= (0, 0)
de IR
2
, siendo f
x
(a, b) =
b
3
a
2
b
(a
2
+b
2
)
2
y f
y
(a, b) =
a
3
b
2
a
(a
2
+b
2
)
2
; y que estas funciones (simetricas en las
variables a y b) no son continuas en el origen, dado que lim
(a,b)(0,0)
a=mb
f
x
(a, b) = lim
b0
b
3
(1 m
2
)
b
4
(1 +m
2
)
2
que no existe
al valer (para m
2
,= 1) seg un tienda b a cero por la izquierda o por la derecha.
Por otra parte, no existe ninguna otra derivada direccional, dado que para u = (cos , sen ) con
cos sen ,= 0 se tiene que
lim
h0
f(hcos , hsen)
h
= lim
h0
h
2
cos sen
h
3
,
que no existe (vale , seg un se tome h 0
o h 0
+
).
Posteriormente quedara patente que para que en un punto dado (a, b) existan f
x
y f
y
pero no ninguna
otra derivada direccional es indispensable que ambas f
x
y f
y
sean discontinuas en (a, b).
Ejemplo 2.2.5 Sin embargo, si la funci on es diferenciable, entonces es asimismo continua. El recproco
es falso: hay funciones continuas que no son diferenciables.
Basta tomar la funci on del apartado primero, f(x, y) =
_
x
2
+y
2
, que era continua en el origen y
no tena ninguna derivada direccional en el origen (en particular, no admita derivadas parciales en el
origen); de modo que no es diferenciable en el origen.
Incluso hay funciones que son continuas, admiten todas las derivadas direccionales (en particular, las
parciales) y a un as no son diferenciables en el punto.
2.2. NOCI
ON GEOM
ETRICA 37
Figura 2.15: Las unicas derivadas direccionales existentes son las parciales
Por ejemplo, sea f(x, y) =
_
_
_
3x
2
y 2x
3
x
2
+y
4
si (x, y) ,= (0, 0)
0, si (x, y) = (0, 0)
Esta funci on es continua en todo IR
2
, por ser cociente de funciones continuas en IR
2
(0, 0), y por
ser f(0, 0) = 0 = lim
(x,y)(0,0)
f(x, y), dado que
3x
2
y 2x
3
x
2
+y
4
3x
2
y 2x
3
x
2
[3y[ +[2x[
(x,y)(0,0)
0.
Por otra parte, tiene derivadas direccionales en (0, 0) seg un cualquier vector unitario u = (cos , sen):
lim
h0
f(0 +hcos , 0 +hsen) f(0, 0)
h
= lim
h0
h
3
cos
2
(3 sen 2 cos )
h
3
(cos
2
+h
2
sen
4
)
,
que vale
_
3 sen 2 cos si cos ,= 0,
0 si cos = 0.
De este modo, f
x
(0, 0) = 2 y f
y
(0, 0) = 0.
Sin embargo la funci on no es diferenciable en (0, 0): para que as lo fuera, habra de ser
0 = lim
(x,y)(0,0)
f(x, y) f(0, 0) f
x
(0, 0) x f
y
(0, 0) y
[[(x, y)[[
;
esto es, debera ocurrir que
0 = lim
(x,y)(0,0)
3x
2
y + 2xy
4
)
(x
2
+y
4
)[[(x, y)[[
.
Sin embargo, tomando [[(x, y)[[ =
_
x
2
+y
2
y la direcci on y = mx se tiene que
lim
x0
mx
3
(3 + 2m
3
x
2
)
[x
3
[(1 +m
4
x
2
)
1 +m
2
=
3m
1 +m
2
,
que no existe (lmites laterales en 0
+
y 0
distintos, y aun cuando existiera, dependera de m). De modo

que no existe el lmite original y la funci on no es diferenciable en el origen.
Ejemplo 2.2.6 Si la funci on es diferenciable, entonces admite derivadas direccionales seg un cualquier
direcci on. El recproco es falso: la existencia de todas las derivadas direccionales no implica la diferen-
ciabilidad de la funci on.
Figura 2.16: Se observa que la funci on no es diferenciable en el origen
Como contraejemplos podemos utilizar funciones que ya hemos considerado previamente, tales como la
del Ejemplo 2.2.4, f(x, y) =
_
xy
x
2
+y
2
, si (x, y) ,= (0, 0)
0, si (x, y) = (0, 0)
(que no era continua en el origen, y por tanto
tampoco puede ser diferenciable en dicho punto, a pesar de admitir todas las derivadas direccionales en el
punto); o tambien la que se ha trabajado en el Ejemplo 2.2.5, g(x, y) =
_
_
_
3x
2
y 2x
3
x
2
+y
4
si (x, y) ,= (0, 0)
0, si (x, y) ,= (0, 0)
(que a pesar de ser continua y admitir todas las derivadas direccionales no era diferenciable en el origen).
No obstante, consideramos otra funci on, que no es continua en el origen (por lo que no es diferenciable
en dicho punto) y sin embargo admite todas las derivadas direccionales:
f(x, y) =
_
_
_
x
2
y
x
4
+y
2
, si (x, y) ,= (0, 0)
0, si (x, y) = (0, 0)
La funci on no es continua en el origen, dado que
lim
(x,y)
(
0,0)
y=mx
2
f(x, y) = lim
x0
mx
4
x
4
(1 +m
2
)
=
m
1 +m
2
,
que depende de la trayectoria y = mx
2
elegida. De modo que tampoco es diferenciable en el origen
(recuerdese que la diferenciabilidad en un punto implica la continuidad en dicho punto).
Sin embargo, admite en el origen derivadas direccionales en cualquier direcci on u = (cos , sen )
lim
h0
h
3
cos
2
sen
h
3
(h
2
cos
4
+ sen
2
)
=
_
_
_
cos
2
sen
, si cos sen ,= 0
0, si cos sen = 0
Ejemplo 2.2.7 No obstante, si existen las derivadas parciales y a lo sumo una de ellas es discontinua
en el punto, entonces s se puede garantizar que la funci on es diferenciable (y por tanto adem as admite
derivadas direccionales seg un cualquier direcci on).
Este es el caso, por ejemplo, de la funcion f(x, y) = (x) y, tomando como (x) =
_
x, si x Q
x, si x II = IR Q
La funci on admite derivadas parciales en el origen, toda vez que
f
x
(0, 0) = lim
h0
f(h, 0) f(0, 0)
h
= lim
h0
0
h
= 0,
2.2. NOCI
ON GEOM
ETRICA 39
Figura 2.17: A un cuando existen todas las derivadas direccionales, no es diferenciable
f
y
(0, 0) = lim
h0
f(0, h) f(0, 0)
h
= lim
h0
0
h
= 0.
De ellas, f
x
no es continua, dado que f
x
solo esta denida en puntos (a, b) con b = 0, puesto que
lim
h0
f(a +h, b) f(a, b)
h
= lim
h0
((a +h) (a))b
h
, que existe (y vale 0) solo cuando b = 0.
En cambio, f
y
(a, b) = lim
h0
f(a, b +h) f(a, b)
h
= lim
h0
(a) h
h
= (a), siendo continua en el origen,
dado que
lim
(a,b)(0,0)
f
y
(a, b) = lim
(a,b)(0,0)
(a) = 0 = f
y
(0, 0).
Como al menos una de entre f
x
y f
y
es continua en el origen, la funcion f ha de ser diferenciable en
el origen. Comprobemoslo.
lim
(x,y)(0,0)
f(x, y) f(0, 0) xf
x
(0, 0) yf
y
(0, 0)
[[(x, y)[[
= lim
(x,y)(0,0)
(x)
y
[[(x, y)[[
= 0,
dado que lim
x0
(x) = 0 y
y
[[(x, y)[[
1, independientemente de la elecci on de la distancia, [[(x, y)[[ =

_
x
2
+y
2
o [[(x, y)[[ = [x[ +[y[.
Ejemplo 2.2.8 En cualquier caso, que la funci on sea diferenciable no quiere decir que las derivadas
parciales sean continuas en el punto.
Sea f(x, y) =
_
_
_
(x
2
+y
2
) sen
1
x
2
+y
2
, si (x, y) ,= (0, 0)
0, si (x, y) = (0, 0)
La funci on admite evidentemente derivadas parciales f
x
y f
y
en todos los puntos del plano distintos
del origen por derivaci on formal,
f
x
(a, b) = 2xsen
1
x
2
+y
2

2x
x
2
+y
2
cos
1
x
2
+ y
2
,
f
y
(a, b) = 2y sen
1
x
2
+y
2

2y
x
2
+y
2
cos
1
x
2
+y
2
.
Por otra parte,
f
x
(0, 0) = f
y
(0, 0) = lim
h0
h
2
h
sen
1
h
2
= 0.
Ninguna de las funciones f
x
y f
y
es continua en el origen, a la vista del valor que toman en puntos
distintos al origen. Aunque lim
(a,b)(0,0)
2a sen
1
a
2
+b
2
= 0, el lmite lim
(a,b)(0,0)
2a
a
2
+b
2
cos
1
a
2
+b
2
no ex-
iste: de una parte, lim
(a,b)(0,0)
cos
1
a
2
+b
2
no existe (oscila recorriendo todo el intervalo [1, 1]); de otra,
lim
(a,b)(0,0)
2a
a
2
+b
2
tampoco existe (por la direccion a = 0 vale 0, mientras que por la direcci on b = 0 ni
siquiera existe, valiendo cuando a 0
y + cuando a 0
+
).
Figura 2.18: La funci on derivada parcial f
x
(x, y) no es continua en el origen
Esto no supone un obstaculo para que la funci on sea diferenciable en el origen, puesto que existe
lim
(x,y)(0,0)
f(x, y) f(0, 0) xf
x
(0, 0) yf
y
(0, 0)
[[(x, y)[[
= lim
(x,y)(0,0)
x
2
+y
2
[[(x, y)[[
sen
1
x
2
+y
2
= 0,
dado que la funci on seno est a acotada y tomando [[(x, y)[[ =
_
x
2
+y
2
es lim
(x,y)(0,0)
x
2
+y
2
[[(x, y)[[
=
lim
(x,y)(0,0)
_
x
2
+y
2
= 0.
Figura 2.19: Pese a todo, la funci on es diferenciable en el origen
Las funciones de clase uno son las funciones diferenciables con diferencial continua, y consisten pre-
cisamente en aquellas funciones que poseen todas sus derivadas parciales continuas.
A un en el caso de funciones reales, f : D IR IR, las nociones de funci on diferenciable (derivable)
y funci on de clase 1 (funci on con derivada continua) son distintas.
Ejemplo 2.2.9 Considerese la funci on f(x) =
_
x
2
sen
1
x
, si x ,= 0
0, si x = 0
2.2. NOCI
ON GEOM
ETRICA 41
Esta funci on es derivable en todo IR0 de manera evidente, pero tambien en el origen:
lim
h0
f(0 +h) f(0)
h
= lim
h0
h
2
sen
1
h
h
= lim
h0
hsen
1
h
= 0.
As, f
(x) =
_
2xsen
1
x
cos
1
x
, si x ,= 0
0, si x = 0
-0.75 -0.5 -0.25 0.25 0.5 0.75
-0.15
-0.1
-0.05
0.05
0.1
0.15
Figura 2.20: La funci on es derivable, incluso en el origen
La funci on derivada no es continua en x = 0, dado que
lim
x0
_
2xsen
1
x
cos
1
x
_
= lim
x0
cos
1
x
,
que no existe (oscila recorriendo todo el intervalo [1, 1]).
-2 -1 1 2
-1
-0.5
0.5
1
Figura 2.21: No existe lim
x0
cos
1
x
En conclusi on, la manera m as economica de estudiar el dominio de diferenciabilidad de una funci on de
dos variables consiste en hallar los puntos en los que estan denidas ambas derivadas parciales, para dis-
criminar posteriormente en cu ales de ellos es continua al menos una de estas derivadas. Autom aticamente,
la funci on es diferenciable en estos puntos. En aquellos puntos en los que existen las derivadas parciales
y estas no son funciones continuas, hay que estudiar directamente la diferenciabilidad seg un la denici on,
pues carecemos de informacion (puede que la funci on sea diferenciable, puede que no).
Por otra parte, en los puntos en los que la funci on no es continua o no tiene todas las derivadas
direccionales, automaticamente tampoco es diferenciable.
Ejemplo 2.2.10 Estudiar la diferenciabilidad de la funci on dada por
f(x, y) =
_
_
x
2
sen
1
x
+y
2
sen
1
y
, si xy ,= 0
y
2
sen
1
y
, si x = 0 e y ,= 0
x
2
sen
1
x
, si x ,= 0 e y = 0
0, si (x, y) = (0, 0)
La funci on es continua en todo su dominio (el plano IR
2
), dado que cuando alguno de los senos no
esta denido (i.e. cuando x 0 o y 0), aparece multiplicado por una cantidad que tiende a cero:
lim
t0
t
2
sen
1
t
= 0.
Luego, en principio, puede ser diferenciable en todo su dominio. Estudiemos las derivadas parciales
primeras (posteriormente veremos que tiene sentido plantearse derivadas parciales de orden superior).
De un lado, f
x
(x, y) = 2xsen
1
x
cos
1
x
cuando xy ,= 0.
Si x = 0, entonces f
x
(0, y) = lim
h0
h
2
sen
1
h
+y
2
sen
1
y
y
2
sen
1
y
h
= 0.
Por otra parte, si y = 0, entonces f
x
(x, 0) = lim
h0
(x +h)
2
sen
1
x+h
x
2
sen
1
x
h
, de modo que
f
x
(x, 0) = lim
h0
x
2
(sen
1
x+h
sen
1
x
) + 2xhsen
1
x+h
+h
2
sen
1
x+h
h
.
Dado que sen u senv = 2 cos
u +v
2
sen
u v
2
, el lmite anterior queda
f
x
(x, 0) = 2xsen
1
x
+ lim
h0
2x
2
(cos(
1
x+h
+
1
x
2
) sen(
1
x+h
1
x
2
))
h
,
esto es,
f
x
(x, 0) = 2xsen
1
x
+ cos
1
x
lim
h0
2x
2
sen
h
2x(x+h)
h
sen
h
2x(x+h)
h0
h
2x(x+h)
= 2xsen
1
x
cos
1
x
En denitiva, f
x
(x, y) =
_
2xsen
1
x
cos
1
x
, si x ,= 0
0, si x = 0
As, f
x
es discontinua a lo largo de la recta x = 0, dado que no existe lim
x0
f
x
(x, y), por no existir
lim
x0
cos
1
x
.
Como el papel de y y de x es simetrico en la funci on f(x, y), no hay necesidad de repetir calculos, y
podemos asegurar que f
y
(x, y) =
_
_
_
2y sen
1
y
cos
1
y
, si y ,= 0
0, si y = 0
Luego f
y
es discontinua a lo largo de la recta y = 0. En particular, f
x
y f
y
son discontinuas
simultaneamente tan s olo en el punto (0, 0), de donde f(x, y) es automaticamente diferenciable en todo
IR
2
salvo eventualmente en el origen de coordenadas, singularidad que hemos de estudiar de manera
independiente.
Como f
x
(0, 0) = 0 y f
y
(0, 0) = 0, para que f(x, y) sea diferenciable en (0, 0) hemos de probar
que lim
(x,y)(0,0)
f(x, y) f(0, 0)
[[(x, y)[[
= 0. Y, en efecto, resulta que lim
(x,y)(0,0)
x
2
sen
1
x
+y
2
sen
1
y
[[(x, y)[[
= 0, pues
tomando [[(x, y)[[ = [x[ + [y[, se tiene que
x
2
sen
1
x
+y
2
sen
1
y
[x[ +[y[
0
x
2
sen
1
x
[x[ +[y[
y
2
sen
1
y
[x[ +[y[
x
2
sen
1
x
[x[
y
2
sen
1
y
[y[
x
2
[x[
+
y
2
[y[
= [x[ +[y[
(x,y)(0,0)
0
Luego la funci on tambien es diferenciable en (0, 0), luego en todo su dominio, IR
2
.
2.3. GRADIENTE 43
Figura 2.22: La funci on es diferenciable en IR
2
2.3 Gradiente
Las derivadas parciales f
x
y f
y
de una funci on diferenciable f(x, y) desempe nan un papel esencial, no
solo ya en la determinaci on del plano tangente a la supercie z = f(x, y) en cada punto, sino tambien
a la hora de calcular derivadas direccionales y direcciones de maximo crecimiento o decrecimiento de la
funci on f(x, y). Por ello, la funci on : IR
2
IR
2
que a un punto (a, b) le asocia el vector de derivadas
parciales f(a, b) = (f
x
(a, b), f
y
(a, b)) recibe un nombre especial, gradiente. As, el gradiente de la
funci on diferenciable f(x, y) en el punto (a, b) es el vector (f
x
(a, b), f
y
(a, b)).
Es importante recalcar que el gradiente de una funci on en un punto s olo esta denido si la funci on
es diferenciable en dicho punto. La mera existencia del vector (f
x
(a, b), f
y
(a, b)) no basta para que se
le otorgue el nombre de gradiente, dado que ya hemos visto que hay funciones que admiten todas las
derivadas direccionales en un punto y a un as no son diferenciables en dicho punto. El motivo de esta
particular exigencia es que el vector (f
x
(a, b), f
y
(a, b)) verica unas propiedades cuando la funci on es
diferenciable que de otro modo no verica. Para poder distinguir una situaci on de otra se reserva el
termino gradiente para los vectores (f
x
(a, b), f
y
(a, b)) asociados a funciones diferenciables en el punto
(a, b) en cuestion.
Sea f(x, y) una funci on diferenciable. Las propiedades principales del gradiente f(a, b) son:
1. La derivada direccional de f(x, y) en el punto (a, b) seg un la direccion del vector u = (cos , sen)
viene dada por el producto escalar f(a, b) u.
2. El m aximo ritmo de cambio de f(x, y) en el punto (a, b) es [f(a, b)[ y ocurre en la direcci on del
gradiente, u =
f(a, b)
[f(a, b)[
.
3. El ritmo de cambio mnimo de f(x, y) en el punto (a, b) es [f(a, b)[ y ocurre en la direcci on
opuesta a la del gradiente, u =
f(a, b)
[f(a, b)[
.
4. El gradiente f(a, b) es ortogonal a la curva de nivel que pasa por el punto (a, b, f(a, b)),
z = f(x, y)
z = c
_
f(x, y) = c, para c = f(a, b).
En efecto:
1. La derivada direccional de f(x, y) en el punto (a, b) seg un la direcci on del vector u = (cos , sen)
viene dada por el producto escalar f(a, b) u.
Esto es consecuencia de la regla de la cadena, a detallar posteriormente. En denitiva, estamos
diciendo que los vectores tangentes a las curvas que pasan por el punto (a, b, f(a, b)) son combina-
ciones lineales de los vectores tangentes a la curva en ese punto seg un las direcciones de los ejes
OX y OY . Esto es evidente desde un punto de vista geometrico, desde el momento en que todos
los vectores estan situados sobre el plano tangente, y este viene dado por f
x
(a, b) y f
y
(a, b).
As, en las funciones diferenciables es inmediato calcular las derivadas direccionales, reduciendolas
a un simple producto escalar de vectores.
Ejemplo 2.3.1 Determinar la derivada direccional de la funci on f(x, y) = x
2
+ y
2
en el punto
(1, 1) seg un la direcci on u = (
3
5
,
4
5
).
La derivada direccional viene dada por
f
u
(1, 1) = lim
h0
f(1
3
5
h, 1 +
4
5
h) f(1, 1)
h
= lim
h0
h
2
14
5
h
h
=
14
5
.
M as f acil hubiera sido efectuar el producto escalar
f(1, 1) u = (2, 2) (
3
5
,
4
5
) =
14
5
.
Hemos de hacer notar que la relacion
f
u
(a, b) = (f
x
(a, b), f
y
(a, b)) u para toda direccion unitaria
u no es condicion suciente para que una funci on sea diferenciable, aunque por supuesto s es
necesaria.
Ejemplo 2.3.2 Considerar f(x, y) =
_
1, si y ,= x
2
o (x, y) = (0, 0)
0, si y = x
2
y x ,= 0
Se puede probar que esta funcion admite derivadas direccionales en el origen seg un cualquier di-
reccion unitaria u, siendo todas ellas nulas:
f
u
(0, 0) = lim
h0
f(hu
1
, hu
2
) f(0, 0)
h
= lim
h0
0
h
= 0,
dado que f(hu
1
, hu
2
) = f(0, 0) = 1, puesto que cualquier recta del tipo r (x, y) = (0, 0) + u
corta a la par abola y = x
2
en a lo sumo un punto distinto del origen, de modo que f(hu
1
, hu
2
) = 1
para todo h salvo excepcionalmente un unico valor real de h.
As, en particular, (f
x
(0, 0), f
y
(0, 0)) u = 0 =
f
u
(0, 0) para cualquier vector u. Y, sin embargo,
f(x, y) no es diferenciable en el origen, dado que ni siquiera es continua en el origen (seg un la
trayectoria y = x
2
la funci on f(x, y) se acerca al origen tomando el valor 0, mientras que en los
restantes puntos se acerca al origen tomando el valor 1).
2. El m aximo ritmo de cambio de f(x, y) en el punto (a, b) es [f(a, b)[ y ocurre en la direcci on del
gradiente, u =
f(a, b)
[f(a, b)[
.
Debemos interpretar convenientemente el enunciado: nos referimos a la direcci on en la que el valor
de la funci on aumenta lo m aximo posible, situados en el punto (a, b). Es decir, la direcci on unitaria
u cuya derivada direccional en (a, b) es maxima entre todas las derivadas direccionales en dicho
punto.
Como
f
u
(a, b) = f(a, b)u para toda direccion unitaria u, el valor de m aximo cambio se producir a
cuando el producto escalar f(a, b) u sea maximo. Dado que f(a, b) u = [f(a, b)[ [u[ cos ,
para el angulo que forman los dos vectores; el valor m aximo se alcanzar a cuando cos sea 1, esto
es, para = 0. Esto ocurre cuando u =
f(a, b)
[f(a, b)[
, y el valor m aximo coincide con [f(a, b)[.
Hay que saber interpretar esta relacion: el hecho de que la direccion de m aximo crecimiento de
la funci on f(x, y) en el punto (a, b) se produzca en el sentido del vector f(a, b), no quiere decir
que la funci on siempre tenga que crecer en ese sentido. En general, una vez que se llega al punto
(a + x, b + y) la direcci on de maximo crecimiento probablemente cambiara.
2.3. GRADIENTE 45
Esto tiene una clara interpretacion en el mundo real: cuando un alpinista trata de escalar una pared
por su vertiente mas abrupta, no siempre sigue la misma direcci on, sino que en cada instante ha de
redirigir su curso hacia la zona que en ese momento apunta la maxima pendiente.
Si uno estuviera interesado en calcular la trayectoria a seguir para disfrutar en cada instante de la
pendiente m axima, habra de resolver una ecuaci on diferencial, que no entra dentro de los objetivos
del presente curso.
Ejemplo 2.3.3 Notese que la direcci on de maximo ascenso en un punto no tiene por que se nalar,
en general, hacia un m aximo relativo o absoluto de la funcion.
Este es el caso de la funcion f(x, y) = 3xx

3
3xy
2
en el punto P(0.6, 0.7), cuyo vector gradiente
es f(P) = (0.45, 2.52) y no apunta al m aximo relativo situado en (1, 0).
Incluimos un mapa de curvas de nivel con el punto P y el gradiente de la funci on en dicho punto,
as como un campo vectorial generalizado del gradiente, con los vectores gradientes de la funcion en
diversos puntos.
-1 -0.5 0.5 1 1.5 2 2.5
-2
-1
1
2
-1 -0.5 0.5 1 1.5 2 2.5
-2
-1
1
2
Figura 2.23: El gradiente no apunta al m aximo local
Ejemplo 2.3.4 Supongamos que un alpinista quiere escalar una monta na cuya altura z viene dada
en funci on de la posici on (x, y), z = f(x, y) = 20 4x
2
y
2
. Pretende seguir una trayectoria
r(t) = (x(t), y(t)) que marque en cada instante la m axima pendiente, comenzando en el punto
(2, 3).
Para que la trayectoria r(t) verique que en cada instante la pendiente es maxima, es necesario que
el vector tangente a la curva r(t) en cada instante, r
(t) = (x
(t), y
(t)), sea el correspondiente al

de maximo crecimiento, f(x(t), y(t)). As, ha de ser x
(t) = f
x
(x(t), y(t)) e y
(t) = f
y
(x(t), y(t)):
dx
dt
= 8x y
dy
dt
= 2y.
La solucion general de esta ecuacion diferencial viene dada por x(t) = C
1
e
8t
e y(t) = C
2
e
2t
. Para
que esta curva pase por el punto (2, 3) = (x(0), y(0)) debe ser C
1
= 2 y C
2
= 3, de modo que
la trayectoria buscada viene dada por r(t) = (2e
8t
, 3e
2t
). Equivalentemente, la curva, como
funci on implcita de x e y, viene dada por la ecuacion 81x = 2y
4
, que se obtiene despejando t en
funci on de x e y e igualando. De hecho, por la rama negativa que dene implcitamente la ecuacion
anterior, y = 3
_
x
2
_1
4
.
3. El ritmo de cambio mnimo de f(x, y) en el punto (a, b) es [f(a, b)[ y ocurre en la direcci on
opuesta a la del gradiente, u =
f(a, b)
[f(a, b)[
.
Figura 2.24: Trayectoria de maxima pendiente hacia la cumbre
Hay que tener mucho cuidado con la forma en que se interpreta la frase ritmo de cambio mnimo:
no signica que sea la direccion en la que la funci on permanece m as estable, con menos cambios
en sus valores; mas al contrario, signica precisamente la direccion en la que el valor de la funci on
disminuye mas pronunciadamente (esto es, se hace lo mnimo posible), desde el punto (a, b). Esto
se traduce en encontrar la direcci on unitaria cuya derivada direccional en (a, b) es mnima entre
todas las derivadas direccionales en dicho punto.
Ahora, el valor de cambio mnimo se producir a cuando el producto escalar f(a, b) u = [f(a, b)[
[u[ cos sea mnimo; esto es, para = , de modo que cos = 1. Esto ocurre cuando u =
f(a, b)
[f(a, b)[
, y el valor mnimo coincide con [f(a, b)[.
Nuevamente, la direcci on de decrecimiento maximo no es constante, y puede cambiar en cada punto.
Piensese, por ejemplo, en el recorrido a seguir por un esquiador intrepido en descenso libre por una
monta na, que persigue tomar en todo instante la ruta m as rapida de bajada.
4. El gradiente f(a, b) es ortogonal a la curva de nivel que pasa por el punto (a, b, f(a, b)),
z = f(x, y)
z = c
_
f(x, y) = c, para c = f(a, b).
En efecto, sea v el vector tangente a la curva de nivel f(x, y) = f(a, b) en el punto (a, b, f(a, b));
el cual ser a de la forma v = (u
1
, u
2
, 0), dado que la curva est a inmersa en el plano horizontal z =
f(a, b). Como vector tangente a la supercie z = f(x, y) en el punto (a, b, f(a, b)) que es, el vector v
es perpendicular al vector normal n del plano tangente en dicho punto, n = (f
x
(a, b), f
y
(a, b), 1);
de modo que 0 = v n = f
x
(a, b)u
1
+f
y
(a, b)u
2
.
De modo que la derivada direccional de la funcion en el punto (a, b) en la direcci on del vector
u = (u
1
, u
2
) (que coincide en el espacio con el vector v, tangente a la curva de nivel) es nula, dado
que
f
u
(a, b) = f(a, b) u = f
x
(a, b)u
1
+f
y
(a, b)u
2
= 0.
De donde el vector gradiente es perpendicular al vector u, luego a v; esto es, al vector tangente a
la curva de nivel en (a, b, f(a, b)).
Gr acamente, esto se puede comprobar en el dibujo que corresponde a la trayectoria a describir por
el alpinista del ejemplo anterior.
2.4 Propiedades elementales de las funciones diferenciables
reales
En este apartado vamos a recopilar varios resultados clasicos concernientes a funciones derivables.
Teorema de Rolle. Sea f(x) una funci on continua en [a, b], diferenciable en (a, b), con f(a) = f(b).
Entonces, existe c (a, b) con f
(c) = 0.
2.4. PROPIEDADES ELEMENTALES DE LAS FUNCIONES DIFERENCIABLES REALES 47
Geometricamente, este resultado viene a decir que cualquier funcion diferenciable en un intervalo que
tome en sus extremos el mismo valor, necesariamente posee una tangente horizontal en un punto interior
del intervalo.
1 2 3
-2
-1.5
-1
-0.5
0.5
1
1.5
2
Figura 2.25:

Este es el caso de 3 senx 1 en [0, ]
Ejemplo 2.4.1 Sea la funci on f(x) = 3 senx 1.
Necesariamente, esta funcion ha de tener un punto de tangencia horizontal en el intervalo (0, 3), puesto
que la funci on se anula dos veces en dicho intervalo (cerca de los puntos 0.339837 y 2.80176). En este
caso, la tangencia horizontal se alcanza en el punto x =

2
, puesto que f
2
) = 3 cos

2
= 0.
Teorema de Lagrange (de los incrementos nitos o del Valor Medio). Sea f(x) una funci on continua
en [a, b], diferenciable en (a, b). Entonces, existe un c (a, b) de modo que f
(c) =
f(b) f(a)
b a
.
Este resultado engloba al anterior, dado que cuando f(a) = f(b), la relacion f
(c) =
f(b) f(a)
b a
queda f
(c) = 0.
Geometricamente, este resultado viene a decir que cualquier funcion diferenciable en un intervalo
tiene en un punto interior del intervalo una tangente paralela a la cuerda que une los extremos de dicho
intervalo.
-1 -0.5 0.5 1
-1
-0.75
-0.5
-0.25
0.25
0.5
0.75
1
Figura 2.26: La tangente no tiene por que ser unica
Ejemplo 2.4.2 Sea la funci on f(x) = x
3
, que pasa por los puntos (1, 1), (0, 0) y (1, 1), que est an
alineados en la recta y = x, de pendiente 1.
Al ser diferenciable la funci on f(x) en todo IR, debe haber un punto en cada uno de los intervalos
(1, 0) y (0, 1) donde la recta tangente a la funci on tenga por pendiente 1. En este caso, los puntos en
cuestion son x =
1
27
.
Ejemplo 2.4.3 A las 14:00 horas el velocmetro de un autom ovil indica 60km/h, mientras que diez
minutos despues indica 100km/h. Demostrar que en alg un instante durante esos 10 minutos el autom ovil
tuvo una aceleraci on de exactamente 240km/h
2
.
Asumamos que la velocidad del autom ovil es una funci on derivable en el transcurso de esos 10 minutos
(lo cual es una realidad, si no media cambio brusco de la velocidad). Aplicando el teorema del valor medio,
se tiene que existe un instante c entre las 14:00 y las 14:10 de manera que v
(c) =
100 60
1/6
= 240km/h
2
,
toda vez que 10 minutos constituyen la sexta parte de una hora.
El Teorema del Valor Medio admite una facil generalizacion al caso de funciones de varias variables.
Concretamente, si f : D IR
2
IR es diferenciable en los puntos del segmento del plano de extremos
a, b IR
2
, con a = (a
1
, a
2
) y b = (b
1
, b
2
); entonces existe un c = (c
1
, c
2
) interior en este segmento de
modo que
f(b
1
, b
2
) f(a
1
, a
2
) = f
x
(c
1
, c
2
)(b
1
a
1
) +f
y
(c
1
, c
2
)(b
2
a
2
).
La interpretaci on geometrica sigue siendo igualmente valida.
A continuaci on tratamos una generalizaci on del Teorema de Lagrange en el caso de una variable.
Teorema de Cauchy ( o del Valor Medio generalizado). Sean f(x) y g(x) dos funciones continuas
en [a, b], derivables en (a, b). Entonces, existe c (a, b) con
f
(c)
g
(c)
=
f(b) f(a)
g(b) g(a)
.
Este resultado engloba al anterior: tomando g(x) = x, se tiene que g(b) = b, g(a) = a y g
(x) = 1
para todo x; de modo que la relacion
f
(c)
g
(c)
=
f(b) f(a)
g(b) g(a)
queda f
(c) =
f(b) f(a)
b a
.
Geometricamente, este resultado se puede interpretar de la siguiente manera. Supongamos que
f y g satisfacen las hip otesis del Teorema de Cauchy en el intervalo [a, b], y sea c (a, b) tal que
f
(c)
g
(c)
=
f(b) f(a)
g(b) g(a)
. Consideremos la curva de IR
2
cuyas ecuaciones parametricas son
_
x = f(t)
y = g(t)
o
equivalentemente y = g(f
1
(x)).
El Teorema de Cauchy se traduce entonces en que esta curva tiene en un punto interior del intervalo
una recta tangente paralela a la cuerda que pasa por sus extremos.
En verdad, la tangente a esta curva en el punto (f(c), g(c)) tiene por pendiente
dy
dx
=
dg
dt
(c)
df
1
dx
(f(c)) = g
(c)
1
f
(c)
=
g
(c)
f
(c)
.
Por tanto, la recta tangente en este punto es paralela a la cuerda que une los extremos de la curva en [a, b],
(f(a), g(a)) y (f(b), g(b)); cuya pendiente viene dada por el cociente de los incrementos en la ordenada y
en la abscisa,
g(b) g(a)
f(b) f(a)
.
Todos estos resultados tienen aplicaciones que van m as alla de las meras interpretaciones geometricas
que hemos apuntado anteriormente. Por ejemplo, pueden utilizarse para estudiar el crecimiento de
una funci on (signo de la derivada primera), para determinar el n umero de ceros de una funci on y su
multiplicidad, o incluso para probar ciertas desigualdades entre funciones.
Ejemplo 2.4.4 Probar que [ sen a[ [a[ para todo a IR.
De un lado, sen0 = 0. Consideremos la funci on f(x) = senx, con f
(x) = cos x. Para a ,= 0, se

tiene que ha de existir un n umero c real en el intervalo abierto que determinan 0 y a de modo que
f
(c) =
f(a) f(0)
a 0
, esto es, cos c =
sen a
a
. Como la funci on cos x esta acotada en valor absoluto por 1,
de la relacion anterior se desprende que
sena
a
1, de donde [ sena[ [a[ tambien para a ,= 0.

Regla de LHopital. Sean f : D IR IR y g : IR IR dos funciones derivables en un entorno
reducido de a (a nito o innito), con f(a) = g(a) = 0, de modo que g
(x) ,= 0 para todo x en dicho

entorno reducido. Si existe lim
xa
f
(x)
g
(x)
= l nito o innito, entonces existe lim
xa
f(x)
g(x)
y vale l.
2.5. JACOBIANO. REGLA DE LA CADENA. DERIVACI
ON IMPL
ICITA 49
El enunciado tambien es valido si se sustituyen los lmites por lmites laterales. Recomendamos ver
el Apendice A acerca del calculo de lmites para una mejor comprension del uso y limitaciones de esta
regla.
2.5 Jacobiano. Regla de la cadena. Derivaci on implcita
Para recoger todas las derivadas parciales de una funci on f : IR
p
IR
q
(esto es, de sus q funciones com-
ponentes, f = (f
1
, . . . , f
q
)), se suele utilizar una representacion matricial, denominada matriz jacobiana
de la funci on, de modo que
J(f(a)) =
_
_
_
_
_
_
_
f
1
x
1
(a)
f
1
x
p
(a)
.
.
.
.
.
.
f
q
x
1
(a)
f
q
x
p
(a)
_
_
_
_
_
_
_
El determinante de esta matriz se denomina jacobiano de la funci on.
Ejemplo 2.5.1 Sea la funci on f : IR
3
IR
2
denida como
f(x, y, z) = (sen(x
2
+y
2
), cos(xyz)).
Las funciones componentes son f
1
(x, y, z) = sen(x
2
+ y
2
) y f
2
(x, y, z) = cos(xyz), y sus derivadas
parciales son
f
1
x
= 2xcos(x
2
+ y
2
),
f
1
y
= 2y cos(x
2
+ y
2
),
f
1
z
= 0,
f
2
x
= yz sen(xyz),
f
2
y
=
xz sen(xyz),
f
2
z
= xy sen(xyz). De modo que la matriz jacobiana viene dada por
J(f) =
_
2xcos(x
2
+y
2
) 2y cos(x
2
+y
2
) 0
yz sen(xyz) xz sen(xyz) xy sen(xyz)
_
A veces, una funcion viene expresada mediante la composicion de otras.

Este es el caso, por ejemplo,
de los cambios de variables. En estas situaciones, a la hora de determinar las diferenciales de las funciones
implicadas, es util recurrir a la regla de la cadena, que relaciona las derivadas parciales de las funciones
que se componen. Esta relacion es f acil de describir en terminos de matrices jacobianas: en general,
si h resulta de la composici on de las funciones f y g, h = g f, y denotamos y = f(x), entonces
J(g f)(x) = J(g(y)) J(f(x)).
A continuaci on vamos a incidir en los casos mas relevantes.
El caso de la composicion de funciones reales de variable real es bien conocido: dadas dos funciones
f, g : IR IR que admiten ser compuestas en la forma g f, derivables en a y f(a), respectivamente; se
tiene que g f es derivable en a, siendo (g f)
(a) = g
(f(a)) f
(a).
Ejemplo 2.5.2 Sea f(x) = ln x y g(t) = sen t. Determinar (f g)
(t).
Se tiene que la derivada de h(t) = ln sen t es h
(t) = f
(sen t) g
(t) = cotg t.
Ejemplo 2.5.3 Analizar la inuencia del cambio de radianes a grados en la funci on seno, f(x) = sen x.
La relacion de cambio de grados a radianes viene dada por la funci on g(t) =

180
t, de modo que t
grados son

180
radianes. As, la derivada del seno en grados viene dada por (f g)
(t) = f
(g(t)) g
(t) =
180
cos
t
180
, que no es exactamente igual al coseno de los grados de entrada, sino a un m ultiplo escalar
suyo!!
Ejemplo 2.5.4 Conforme el Sol se esconde tras un edicio de 40 metros de altura, crece la sombra que
el mismo proyecta. Cu an r apido crece la sombra (en metros por segundo) si los rayos del Sol forman un
angulo de

4
radianes con respecto la horizontal?
-200 -100 100 200
-1
-0.5
0.5
1
y = cos
t
180
y = sen
t
180
y =
t
180
cos
t
180
Figura 2.27: El cambio de unidad inuye en la funci on derivada
40m
q
x
Figura 2.28: Como variar a la sombra que proyecta el edicio?
Sea x la longitud de la sombra, en metros, que depende del angulo que forman los rayos del Sol
con respecto la horizontal, el cual a su vez vara en funci on del tiempo t transcurrido (que medimos en
segundos). El problema pide hallar la tasa de cambio de x respecto de t, D
t
x. Dado que x es funci on
de (x = 40 cotg ), y lo es de t (la Tierra da una vuelta cada 24 horas, esto es, cada 86400 segundos,
a velocidad constante; de donde con una velocidad de D
t
=
2
86400
radianes por segundo, con signo
negativo puesto que el angulo disminuye conforme el Sol se oculta), se trata de aplicar la regla de la
cadena:
D
t
x = D
x D
t
= 40(cosec
2
)
_
2
86400
_
=

360
cosec
2
Cuando =

4
, tenemos que
D
t
x =

360
cosec
2

4
0.0175m/s,
velocidad que consecuentemente ha de ser positiva, toda vez que la sombra crece al ocultarse el Sol (esto
es, con el transcurrir de la puesta del Sol).
Ejemplo 2.5.5 Una escalera de 10 pies de longitud se apoya en un muro vertical. Si su extremo inferior
se resbala y aleja de la pared a una velocidad de 1 pie por segundo, con que velocidad se desliza el extremo
superior por el muro cuando el extremo inferior est a a seis pies de la pared?
Sean x los pies que separan por el suelo el extremo inferior de la escalera con el muro, e y los pies que
separan por la vertical del muro el extremo superior de la escalera con el suelo. Ambas magnitudes son
funciones del tiempo t, y satisfacen en todo instante x
2
+y
2
= 100 (seg un el teorema de Pitagoras).
Ademas,
dx
dt
= 1pie/s. Dado que
d(100)
dt
= 0, se tiene que 2x
dx
dt
= 2y
dy
dt
, de donde
dy
dt
[
x=6
=
x
y
dx
dt
[
x=6
=
6
8
=
3
4
pies/s.
ON IMPL
ICITA 51
En el caso de funciones f : IR
2
IR y g : IR IR que se puedan componer (esto es, tales que
Im(f) Dom(g), de modo que tiene sentido la expresion g(t) para t = f(x, y)), con f diferenciable en un
punto (a, b) y g diferenciable en c = f(a, b), se tiene que h = g f : IR
2
IR es diferenciable en (a, b),
siendo
h
x
(a, b) =
dg
dt
(c)
f
x
(a, b) y
h
y
(a, b) =
dg
dt
(c)
f
y
(a, b);
es decir, h
x
(a, b) = g
(c) f
x
(a, b) y h
y
(a, b) = g
(c) f
y
(a, b).
Ejemplo 2.5.6 La supercie sinusoidal del tipo sen(x
2
+y
2
) se puede recorrer a distinta velocidad, como
resultado de la composici on de f(x, y) = x
2
+y
2
con funciones g
(t) = sen(t).
As, las derivadas de las funciones g
f son
(g
f)
x
(a, b) = g
(f(a, b)) f
x
(a, b) y (g
f)
y
(a, b) = g
(f(a, b)) f
y
(a, b);
esto es, (g
f)
x
(a, b) = 2xcos(x
2
+y
2
) y (g
f)
y
(a, b) = 2y cos(x
2
+ y
2
).
Gr acamente, podemos observar como afectan los distintos valores del par ametro (para = 1, 2, 3) a
la velocidad con que se recorre la supercie, tal como se analizara en los Ejemplos 2.1.4 y 2.5.3 para el
caso de funciones de una variable.
y = sen(x
2
+y
2
)
Figura 2.29: Supercie seg un el periodo natural
y = sen(2x
2
+ 2y
2
)
Figura 2.30: Supercie modicada por un factor de 2
y = sen(3x
2
+ 3y
2
)
Figura 2.31: Supercie modicada por un factor de 3
An alogamente, para funciones f : IR
2
IR
2
y g : IR
2
IR que se puedan componer, con f(x, y) =
(s(x, y), t(x, y)) diferenciable en un punto (a, b) y g(s, t) diferenciable en (c, d) = f(a, b), se tiene que
h = g f : IR
2
IR es diferenciable en (a, b), siendo
h
x
(a, b) =
g
s
(c, d)
s
x
(a, b) +
g
t
(c, d)
t
x
(a, b)
y
h
y
(a, b) =
g
s
(c, d)
s
y
(a, b) +
g
t
(c, d)
t
y
(a, b).
Es decir,
h
x
(a, b) = g
s
(c, d) s
x
(a, b) +g
t
(c, d) t
x
(a, b),
h
y
(a, b) = g
s
(c, d) s
y
(a, b) + g
t
(c, d) t
y
(a, b).
Ejemplo 2.5.7 Considerar el cambio a coordenadas polares, f : IR
2
IR
2
, de modo que f : (r, )
(x, y) = (r cos , r sen ).
ON IMPL
ICITA 53
y
x
r
Figura 2.32: Relacion gr aca entre las coordenadas cartesianas y polares

As, cualquier supercie z = g(x, y) admite una expresion en coordenadas polares z = h(r, ) =
(g f)(r, ); de modo que en un punto (a, b), con (c, d) = f(a, b), se tiene que h
r
(a, b) = g
x
(c, d)
x
r
(a, b) +g
y
(c, d) y
r
(a, b), mientras que por su parte h
(a, b) = g
x
(c, d) x
(a, b) +g
y
(c, d) y
(a, b); siendo

x
r
(a, b) = cos b, y
r
(a, b) = sen b, x
(a, b) = a senb e y
(a, b) = a cos b.
No es difcil extender la regla de la cadena para la composicion de funciones del tipo IR
p
IR
q
IR
r
:
basta trabajar componente a componente. La expresion general de la regla de la cadena se puede enunciar
como sigue.
Sean f : IR
p
IR
q
y g : IR
q
IR
r
funciones susceptibles de ser compuestas, siendo f = (f
1
, . . . , f
q
)
las funciones componentes de f, de modo que y = f(x) = (y
1
, . . . , y
q
), con y
j
= f
j
(x
1
, . . . , x
p
).
Supongamos que f es diferenciable en x y que g es diferenciable en y = f(x). Entonces, (g f) =
((g f)
1
, . . . , (g f)
r
) es diferenciable en x, siendo
(g f)
j
x
i
(x) =
g
j
y
1
(y)
f
1
x
i
(x) + +
g
j
y
q
(y)
f
q
x
i
(x), 1 j r, 1 i p.
En denitiva, como avanz aramos con anterioridad, J(g f) = Jg Jf.
Ejemplo 2.5.8 Calcular la derivada a lo largo de la curva que dene la supercie z = f(x, y) = 6x
2
y
2
en el punto (1, 2, 1) seg un la direcci on del vector unitario u = (
1
2
,
1
2
).
La curva en cuesti on queda denida como la composicion de la funci on f(x, y) con la funci on g : IR
IR
2
dada por g(t) = (1, 2) +tu = (1 +
t
2
, 2 +
t
2
). As, la derivada de la funci on f g es
(f g)
(t) = f
x
(1 +
t
2
, 2 +
t
2
)
dx(t)
dt
+f
y
(1 +
t
2
, 2 +
t
2
)
dy(t)
dt
=
=
1
2
f
x
(1 +
t
2
, 2 +
t
2
) +
1
2
f
y
(1 +
t
2
, 2 +
t
2
).
N otese que el resultado obtenido coincide, por denici on, con la derivada direccional de f(x, y) seg un la
direccion u a lo largo de la curva se nalada.
Ejemplo 2.5.9 El ejemplo anterior no es m as que un caso particular de la primera propiedad del gradi-
ente de una funci on diferenciable f : IR
2
IR, de modo que f(a, b) u =
f
u
(a, b).
En efecto, dada una funci on f : IR
2
IR diferenciable en un punto (a, b) y un vector horizontal unitario
u = (u
1
, u
2
), consideremos la funcion g : IR IR
2
que a t asocia g(t) = (g
1
(t), g
2
(t)) = (a +tu
1
, b +tu
2
);
y la composicion h = f g : IR IR, t h(t) = f(a+tu
1
, b+tu
2
). Por denicion, la derivada direccional
de f en (a, b) seg un la direccion u consiste en la derivada de la curva h(t) en t = 0.
Seg un la regla de la cadena, se tiene que
dh
dt
(0) =
f
x
(a, b)
dg
1
dt
(0) +
f
y
(a, b)
dg
2
dt
(0) = f(a, b) u.
Una ultima aplicaci on de la regla de la cadena es la derivaci on de funciones denidas de manera
implcita.
Supongamos que F(x, y) = 0 dene implcitamente y como funci on de x, en la forma y = f(x); de
modo que F(x, y(x)) = 0.
Consideremos la funci on auxiliar h : IR IR, que a t asocia h(t) = F(t, f(t)). Seg un la regla de la
cadena,
dh
dt
=
F
x

t
t
+
F
y

f(t)
t
. Como h(t) = F(t, f(t)) = 0 para todo t, se tiene que
dh
dt
= 0, de
donde f
(t) =
F
x
F
y
, y hemos encontrado la derivada de y respecto de x sin necesidad de conocer una
f ormula explcita para f(x).
De hecho, dada F : IR
2
IR, se tiene que si F
x
y F
y
son continuas en (a, b), F(a, b) = 0 y F
y
(a, b) ,= 0;
entonces se puede asegurar que F(x, y) = 0 dene implcitamente a y como funci on de x en un entorno
de (a, b), siendo en este caso, como acabamos de ver, y
(x) =
F
x
F
y
.
Ejemplo 2.5.10 Sea la funci on F(x, y) = x
2
+y
2
4 y el punto (a, b) = (0, 2).
Resulta que F(0, 2) = 0, F
x
= 2x y F
y
= 2y son continuas en todo IR
2
(en particular en el punto
(0, 2)) y F
y
(0, 2) = 4 ,= 0, de modo que y queda denida como funci on de x, y = f(x), en un entorno del
punto (0, 2); adem as, f
(x) =
F
x
F
y
=
x
y
.
De hecho, nosotros sabemos que en un entorno del punto (0, 2), la funci on F(x, y) = 0 dene a y como
funci on de x en la forma y = f(x) =
4 x
2
. En verdad, f
(x) =
x
4 x
2
=
x
f(x)
=
x
y
.
Sin embargo, sabemos que F(x, y) = 0 no es una funci on: dene una circunferencia de centro el origen
y radio 2, cuya gr aca se corresponde con dos funciones distintas y
1
=
4 x
2
e y
2
=
4 x
2
. Estas
dos funciones tienen dos puntos en com un, a saber, (2, 0). En un entorno de estos puntos, y no puede
denirse como funci on de x de manera unvoca en la curva F(x, y) = 0, puesto que a un punto x [2, 2]
le corresponderan dos alturas distintas, y =
4 x
2
. Son los dos unicos puntos de la curva F(x, y) = 0
que verican esta propiedad.
El motivo no es otro que F
y
(a, b) = 0 si, y s olo si, y = 0, y los dos unicos puntos de la curva F(x, y) = 0
que tienen ordenada nula son precisamente (2, 0).
Ejemplo 2.5.11 Sea la funci on implcita dada por x
3
+y
3
= 6xy.
1. Determinar la derivada de y.
2. Hallar la recta tangente a la curva en el punto (3, 3).
3. Hallar los puntos de la curva en los que la recta tangente es horizontal o vertical.
Figura 2.33: La ecuaci on x
3
+y
3
= 6xy dene una curva, que no una funci on
ON IMPL
ICITA 55
0.5 1 1.5 2 2.5 3
0.5
1
1.5
2
2.5
3 0.5 1 1.5 2 2.5 3
-5
-4
-3
-2
-1
-4 -3 -2 -1 1 2 3
0.5
1
1.5
2
Figura 2.34: Estas tres ramas s constituyen otras tantas funciones por s mismas
Aunque se conocen f ormulas explcitas para estas tres funciones, son de una extrema complejidad
como para incluirlas en estas lneas. No obstante, es posible determinar una funci on derivada para y(x),
procediendo de manera implcita con F(x, y) = x
3
+y
3
6xy: y
(x) =
F
x
F
y
=
3x
2
6y
3y
2
6x
=
x
2
2y
y
2
2x
.
De este modo, en el punto (3, 3) se tiene que y
(3) = 1, de donde la recta tangente a la curva en

dicho punto viene dada por y 3 = (x3) x+y = 6, como se puede comprobar en la gr aca adjunta
en la Figura 2.35.
-4 -2 2 4
-4
-2
2
4
Figura 2.35: Tangente a la curva en x = 3
Por otra parte, las rectas tangentes horizontales se obtienen para y
= 0, esto es, y =
x
2
2
, de donde
x
2
+
x
6
8
= 3x
3
x
6
= 16x
3
y es x = 0 o x = 2
3
2, que dan origen a los puntos (0, 0) y (2

3
2, 2
3
4).
Dado que la funcion dada es simetrica respecto de las variables x e y (esto es, respecto de la bisectriz
del primer cuadrante, x = y), las tangentes verticales se encuentran en los simetricos respecto de y = x
de las tangentes horizontales, a saber, (0, 0) y (2
3
4, 2
3
2). N otese que en el origen hay dos tangentes

distintas, dependiendo de la funci on que se tome.
Este comportamiento se puede extender para funciones de cualesquiera n umero de variables denidas
de manera implcita. Por ejemplo, supongamos que F(x, y, z) = 0 dene z como funci on implcita de x e
y, en la forma z = f(x, y). Consideremos la funci on h(x, y) = F(x, y, f(x, y)), que es constante igual a 0.
Seg un la regla de la cadena,
0 = h
x
= F
x
1 +F
y
0 +F
z
f
x
y 0 = h
y
= F
y
0 +F
y
1 +F
z

f
y
;
de modo que
z
x
=
f
x
=
F
x
F
z
y
z
y
=
f
y
=
F
y
F
z
.
M as a un, dada F : IR
3
IR, se tiene que si F
x
, F
y
y F
z
son continuas en (a, b, c), F(a, b, c) = 0 y
F
z
(a, b, c) ,= 0; entonces se puede asegurar que F(x, y, z) = 0 dene implcitamente a z como funci on de
x e y en un entorno de (a, b, c); siendo en este caso, como acabamos de ver, z
x
=
F
x
F
z
y z
y
=
F
y
F
z
.
2.6 Derivadas y diferenciales de orden superior
Dado que las derivadas parciales de una funci on son en s mismas funciones en las mismas variables que la
funci on primigenia, tiene sentido plantearse a su vez su diferenciabilidad o derivabilidad respecto alguna
direccion. As, surgen de manera natural los conceptos de derivadas y diferenciales de orden superior.
Utilizaremos la notacion f
xy
=
f
xy
para denotar la derivada parcial (f
x
)
y
, esto es, de f
x
respecto
de y. Esta denici on se puede generalizar al caso de derivadas parciales de mayor orden; por ejemplo,
f
x
2
y
=
f
x
2
y
hace referencia a ((f
x
)
x
)
y
, derivada parcial respecto de y de la derivada parcial respecto
de x de la derivada parcial de f respecto de x.
En general, f
x
t
1
i
1
...x
tn
in
har a referencia a
f
x
i1
t1
x
i1
x
in
tn
x
in
.
Hay que tener cuidado con el orden en que se escriben los subndices, puesto que inuye en el orden
en que se toman las derivadas parciales.
_
x
2
arctg
y
x
y
2
arctg
x
y
, si xy ,= 0
0, si xy = 0
Esta funci on es claramente continua en todo su domino de denici on, puesto que cuando x 0 o
y 0 el arcotangente que puede originar discontinuidad aparece multiplicado por una funci on que tiende
a cero, y arctg t es una funci on acotada, de recorrido el intervalo
_
2
,

2
_
.
M as a un, f
x
=
_
_
2xarctg
y
x

yx
2
x
2
+y
2

y
3
y
2
+x
2
= y + 2xarctg
y
x
, si xy ,= 0
y, si x = 0
0, si y = 0
y f
y
=
_
_
2y arctg
x
y
+
xy
2
y
2
+x
2
+
x
3
y
2
+x
2
= x 2y arctg
x
y
, si xy ,= 0
0, si x = 0
x, si y = 0
Ambas son continuas en todo IR
2
, de donde f(x, y) es diferenciable de clase 1.
Aqu hemos utilizado que
f
x
(0, y) = lim
h0
f(h, y) f(0, y)
h
= lim
h0
h
2
arctg
y
h
y
2
arctg
h
y
h
= y,
dado que lim
h0
harctg
y
h
= 0 y lim
h0
y
2
arctg
h
y
h
L
H
= lim
h0
y
2
y

1
1+
h
2
y
2
1
= y.
An alogamente se prueba que f
y
(x, 0) = x. Los casos f
x
(x, 0) = 0 y f
y
(0, y) = 0 son inmediatos.
Si calculamos ahora las derivadas cruzadas en el origen, se tiene que
f
xy
(0, 0) = lim
h0
f
x
(0, h) f
x
(0, 0)
h
= lim
h0
h
h
= 1
mientras que
f
yx
(0, 0) = lim
h0
f
y
(h, 0) f
y
(0, 0)
h
= lim
h0
h
h
= 1.
De modo que f
yx
(0, 0) ,= f
xy
(0, 0).
Luego las derivadas cruzadas no siempre coinciden.
2.6. DERIVADAS Y DIFERENCIALES DE ORDEN SUPERIOR 57
De cualquier modo, en la mayora de los casos el orden en que se tomen las derivadas parciales es
irrelevante, en tanto en cuanto las derivadas cruzadas (derivadas parciales con el mismo conjunto de
subndices, eventualmente ordenados de manera distinta) coinciden casi siempre. El Teorema de Schwarz
da entidad a este casi siempre.
Teorema de Schwarz. Sea f : D IR
2
IR tal que existen f
x
(a, b), f
y
(a, b) y f
xy
(a, b), siendo f
xy
continua en (a, b). Entonces, existe f
yx
(a, b) y coincide con f
xy
(a, b).
Lo que ocurra en el Ejemplo 2.6.1 anterior es que ninguna de las derivadas cruzadas f
xy
y f
yx
era
continua en el origen. De hecho, para xy ,= 0 se tiene que
f
xy
(x, y) = f
yx
(x, y) =
x
2
y
2
x
2
+y
2
,
funci on que efectivamente no es continua en el origen (para trayectorias del tipo y = mx se tiene que el
lmite cuando x 0 es
1m
2
1+m
2
).
En cualquier caso, la condici on que da Schwarz es suciente, pero no necesaria.
Ejemplo 2.6.2 Considerese la funci on f(x, y) =
_
_
_
xy
2
sen
1
y
, si y ,= 0
0, si y = 0
De un lado, para y ,= 0, es f
x
(x, y) = y
2
sen
1
y
; mientras que para y = 0, es f
x
(x, 0) = 0.
De otro, para y ,= 0, es f
y
(x, y) = 2xy sen
1
y
x xcos
1
y
; mientras que para y = 0, es f
y
(x, 0) =
lim
h0
xhsen
1
h
= 0.
En estas circunstancias, f
xy
(0, 0) = lim
h0
f
x
(0, h) f
x
(0, 0)
h
= lim
h0
hsen
1
h
= 0.
M as a un, f
yx
(0, 0) = lim
h0
f
y
(h, 0) f
y
(0, 0)
h
= lim
h0
0 = 0.
Sin embargo, a pesar de que f
xy
(0, 0) = f
yx
(0, 0), ninguna de estas derivadas cruzadas es continua en
el origen, dado que para y ,= 0 es
f
xy
(x, y) = f
yx
(x, y) = 2y sen
1
y
cos
1
y
,
que no tiene lmite cuando (x, y) (0, 0): aunque existe el unidimensional cuando x 0, no existe el
reiterado cuando y 0 del lmite cuando x 0, puesto que no existe lim
y0
cos
1
y
(oscila recorriendo todo
el intervalo [1, 1]).
Es evidente que el estudio que aqu hemos concretado para derivadas cruzadas de segundo orden se
puede extender para derivadas cruzadas de cualquier orden n 2. Una condicion suciente para que
estas derivadas cruzadas coincidan es que la funci on sea de clase n, esto es, que admita todas las derivadas
hasta orden n, todas ellas siendo funciones continuas.
Por ultimo, abordemos la noci on de diferencial de orden superior. La idea es a nadir terminos a la
diferencial usual de manera que la aproximaci on de la funci on mejore.
La denici on que aqu hemos contemplado de funci on diferenciable era la siguiente: una funci on
f(x, y) era diferenciable en (a, b) cuando
lim
(x,y)(0,0)
f(a +x, b +y) f(a, b) f
x
(a, b) x f
y
(a, b) y
[[(x, y)[[
= 0.
En este caso, se dice que la diferencial de la funci on f(x, y) en el punto (a, b) es la funci on df(a, b) : IR
2
IR que a (dx, dy) le asocia

df(a, b)(dx, dy) = f
x
(a, b)dx +f
y
(a, b)dy.
En general, para funciones f : IR
p
IR
q
, si la funci on es diferenciable en un punto a = (a
1
, . . . , a
p
),
entonces se dice que la diferencial de f en a es la funci on df(a) : IR
p
IR
q
que a (dx
1
, . . . , dx
p
) le asocia
J(f(a)) (dx
1
, . . . , dx
p
)
T
. Esto no es mas que el resultado de aglutinar las diferenciales de las q funciones
componentes de f = (f
1
, . . . , f
q
).
Resulta que, como funci on, la diferencial df admite ser derivable o diferenciable, de modo que se abre
un estudio recursivo. Si df es diferenciable, entonces se dice que f es doblemente diferenciable, y se habla
de diferencial segunda d
2
f. An alogamente, diferencial tercera, d
3
f, o diferencial de orden n, d
n
f.
Se tiene que las funciones f : IR
p
IR
q
de clase n en un punto a admiten hasta diferencial de orden
n, siendo d
n
f(a) : IR
p
IR
q
la funci on dada por
(dx
1
, . . . , dx
p
)
p
i1,...,in=1
f
i1...in
(a)dx
i1
dx
in
.
Utilizando la notaci on de potencia simbolica, se suele notar
d
n
f(a)(dx
1
, . . . , dx
n
) = (f
x1
(a)dx
1
+ +f
xp
(a)dx
p
)
(n)
;
en particular, para f : IR
2
IR
q
, se tiene que
d
n
f(a)(dx, dy) =
n
i=1
_
n
i
_
f
x
i
y
ni (a)dx
i
dy
ni
.
En la pr actica, es conveniente desglosar f en sus q funciones componentes f
i
de modo que d
n
f =
(d
n
f
1
, . . . , d
n
f
q
), y se determinan las diferenciales de funciones IR
p
IR.
Ejemplo 2.6.3 Sea la funci on f : IR
2
IR
2
dada por
f(x, y) = (e
x+2y
, (x + 2)
2
seny).
Es evidente que la funci on admite derivadas parciales continuas de cualquier orden (se trata de derivar
exponenciales, polinomios, senos y cosenos, todas ellas funciones derivables indenidamente), de modo
que es de clase innito (y las derivadas cruzadas coinciden).
Las derivadas parciales hasta orden 3 son las siguientes (en la lista que sigue, aparece un representante
de cada derivada cruzada, puesto que todas ellas coinciden):
f
x
(x, y) = (e
x+2y
, 2(x + 2) seny),
f
y
(x, y) = (2e
x+2y
, (x + 2)
2
cos y).
f
x
2(x, y) = (e
x+2y
, 2 seny),
f
xy
(x, y) = (2e
x+2y
, 2(x + 2) cos y),
f
y
2(x, y) = (4e
x+2y
, (x + 2)
2
sen y).
f
x
3(x, y) = (e
x+2y
, 0),
f
x
2
y
(x, y) = (2e
x+2y
, 2 cos y),
f
xy
2(x, y) = (4e
x+2y
, 2(x + 2) seny),
f
y
3(x, y) = (8e
x+2y
, (x + 2)
2
cos y).
As, en el origen queda f
x
(0, 0) = (1, 0), f
y
(0, 0) = (2, 4), f
x
2(0, 0) = (1, 0), f
xy
(0, 0) = (2, 4),
f
y
2(0, 0) = (4, 0), f
x
3(0, 0) = (1, 0), f
x
2
y
(0, 0) = (2, 2), f
xy
2(0, 0) = (4, 0) y f
y
3(0, 0) = (8, 4).
As, las diferenciales primera, segunda y tercera de f en (0, 0) son las siguientes aplicaciones:
df(0, 0) : IR
2
IR
2
, que a (dx, dy) le asocia df(0, 0)(dx, dy) =
= f
x
(0, 0)dx +f
y
(0, 0)dy =
_
dx
0
_
+
_
2dy
4dy
_
=
_
dx + 2dy
4dy
_
Equivalentemente, df(0, 0)(dx, dy) = Jf(0, 0)
_
dx
dy
_
, esto es,
_
dx
dy
_
(f
x
(0, 0) f
y
(0, 0))
_
dx
dy
_
=
_
1 2
0 4
_
_
dx
dy
_
=
_
dx + 2dy
4dy
_
2.6. DERIVADAS Y DIFERENCIALES DE ORDEN SUPERIOR 59
d
2
f(0, 0) : IR
2
IR
2
, que a (dx, dy) le asocia d
2
f(0, 0)(dx, dy) =
= f
x
2(0, 0)dx
2
+ 2f
xy
(0, 0)dxdy +f
y
2dy
2
=
=
_
dx
2
0
_
+
_
4dxdy
8dxdy
_
+
_
4dy
2
0
_
=
_
dx
2
4dxdy + 4dy
2
8dxdy
_
d
3
f(0, 0) : IR
2
IR
2
, que a (dx, dy) le asocia d
3
f(0, 0)(dx, dy) =
= f
x
3(0, 0)dx
3
+ 3f
x
2
y
(0, 0)dx
2
dy + 3f
xy
2(0, 0)dxdy
2
+f
y
3dy
3
=
=
_
dx
3
0
_
+
_
6dx
2
dy
6dx
2
dy
_
+
_
12dxdy
2
0
_
+
_
8dy
3
4dy
3
_
=
=
_
dx
3
+ 6dx
2
dy 12dxdy
2
+ 8dy
2
6dx
2
dy + 4dy
3
_
Las diferenciales sucesivas dan una manera de mejorar la aproximacion de una funci on, a nadiendo al
termino lineal (df dx), terminos cuadr aticos (d
2
f dx
i1
dx
i2
), terminos c ubicos (d
3
f dx
i1
dx
i2
dx
i3
) y as
sucesivamente, hasta llegar a terminos de grado n (d
n
f dx
i1
dx
in
). Este resultado se conoce como
Teorema de Taylor, y tiene innumerables aplicaciones.
En el captulo que se abre a continuaci on, trataremos primero la aproximaci on local de Taylor para
funciones de una variable, para despues extender el estudio al caso de funciones de varias variables.
Captulo 3
Aproximaci on de funciones por
polinomios
3.1 F ormula de Taylor para funciones de una variable
Como de todos es conocido, los polinomios son funciones muy faciles de estudiar -por ejemplo, son f aciles
de evaluar, de derivar, integrar, etc-. Por este motivo a lo largo de la historia ha sido grande el interes
por tratar de aproximar algunas funciones por polinomios.
Supongamos por ejemplo que queremos obtener el valor aproximado de
10
e = e
0.1
. Es decir tratamos
de obtener el valor aproximado de la funci on f(x) = e
x
, en el punto x = 0.1, cercano al punto x = 0.
Para ello trataremos de encontrar polinomios cuyo comportamiento, en las proximidades del origen, sea
similar a f(x) = e
x
. La Figura 3.1 muestra una representacion gr aca de las funciones f(x) = e
x
y los
polinomios P
0
(x) = 1, P
1
(x) = 1 +x, P
2
(x) = 1 +x +
x
2
2
y P
3
(x) = 1 +x +
x
2
2
+
x
3
6
.
X
Y
y=1
y=1+x
y=1+x+x
2
/2
y=e
x
y=1+x+x
2
/2+x
3
/6
Figura 3.1: La funci on f(x) = e
x
aproximada por polinomios.
El polinomio P
0
(x) = 1 esta representado por una recta horizontal que pasa por el punto P(0, 1), por
lo tanto el polinomio P
0
(x) toma en x = 0 el mismo valor que la funci on y = f(x) y decimos que ambas
funciones tienen un contacto de orden 0 en el punto P(0, 1).
El polinomio P
1
(x) = 1 +x representa la recta tangente a la funcion en dicho punto y por tanto en el
punto P(0, 1) coinciden, adem as de los valores de las funciones f(x) y P
1
(x), los valores de sus derivadas.
Por este motivo decimos que ambas funciones tienen en el punto P(0, 1) un contacto de orden 1.
El polinomio P
2
(x) = 1 +x +
x
2
2
representa una parabola que pasa tambien por dicho punto P(0, 1).
Esta funci on P
2
(x) tiene, en el punto P(0, 1) el mismo valor que f(x), coincidiendo tambien sus dos
61
62 CAPTULO 3. APROXIMACI
ON DE FUNCIONES POR POLINOMIOS

primeras derivadas con las de la funci on f(x) en dicho punto. Se trata entonces de un contacto de orden
2.
Por el mismo motivo diremos que el polinomio P
3
(x) y la funci on f(x) tienen un contacto de orden 3
en el punto P(0, 1).
Estos polinomios se conocen con el nombre de polinomios de Taylor de la funci on y = e
x
en el punto
P.
De una forma general, si una funci on es sucientemente regular en un punto a, en tanto en cuanto
admite varias derivadas sucesivas en el punto, se la va a poder aproximar en un entorno sucientemente
peque no del punto mediante polinomios expresados en potencias de (xa), llamados polinomios de Taylor
o desarrollos limitados de Taylor, de manera que cuando aumenta el grado mejora la aproximacion.
Concretamente, si f(x) es una funci on n + 1 veces derivable en un entorno del punto a IR (o
simplemente n + 2 veces derivable en el punto a), se llama polinomio de Taylor, o desarrollo limitado de
Taylor, de orden n de f(x) en x = a y lo representaremos por T
n
(f, a)(x) al unico polinomio P
n
(x) de
grado menor o igual que n, que verica:
P
n
(a) = f(a), P
n
(a) = f
(a), P
n
(a) = f
(a), . . . , P
(n)
n
(a) = f
(n)
(a)
1
Este polinomio viene dado por la expresion
T
n
(f, a)(x) = f(a) +
f
(a)
1!
(x a) +
f
(a)
2!
(x a)
2
+
f
(a)
3!
(x a)
3
+ +
f
(n)
(a)
n!
(x a)
n
Cuando no haya lugar a confusi on lo denotaremos por T
n
(x), en lugar de T
n
(f, a)(x).
En el caso particular en que el punto en cuesti on sea el origen x = 0, el polinomio de Taylor recibe el
nombre de polinomio de MacLaurin. Por lo tanto el polinomio de MacLaurin de orden n de una funci on
f(x) sera:
T
n
(f, 0)(x) = f(0) +
f
(0)
1!
x +
f
(0)
2!
x
2
+
f
(0)
3!
x
3
+ +
f
(n)
(0)
n!
x
n
Ejemplo 3.1.1 Dada la funci on f(x) = e
x
, obtener su polinomio de Taylor de tercer grado en x = 0.
Las derivadas de la funci on f(x) = e
x
, as como sus valores en el origen son:
f
(x) = f
(x) = f
(x) = e
x
f(0) = f
(0) = f
(0) = f
(0) = 1
Por lo tanto el polinomio de Taylor pedido ser a
T
3
(f, 0)(x) = 1 +x +
x
2
2!
+
x
3
3!
= 1 +x +
x
2
2
+
x
3
3
Dada una funci on f(x), su polinomio de Taylor en un punto a aproxima entonces a la funci on en las
proximidades de dicho punto. De hecho cuanto mayor es el grado del polinomio, mayor es el grado de
aproximaci on. Este hecho queda de maniesto en el siguiente teorema:
Teorema. Dada una funci on f(x), n + 1 veces derivable en un entorno del punto x = a, y sea
T
n
(f, a)(x) su polinomio de Taylor de orden n, entonces
lim
xa
f(x) T
n
(f, a)(x)
(x a)
n
= 0
Este resultado nos permite armar que f(x) T
n
(f, a)(x) es un innitesimo de orden al menos
n + 1, en el punto a, es decir f(x) T
n
(f, a)(x) = O((x a)
n+1
).
Por lo tanto podemos armar que el polinomio de Taylor aproxima a la funci on, en un entorno de
f(x), y cuanto m as peque no es el entorno, mejor es la aproximaci on:
f(x) f(a) +
f
(a)
1!
(x a) +
f
(a)
2!
(x a)
2
+
f
(a)
3!
(x a)
3
+ +
f
(n)
(a)
n!
(x a)
n
1
La existencia y unicidad del polinomio de Taylor de una funcion en un punto constituyen el Teorema de Taylor.
3.1. F
ORMULA DE TAYLOR PARA FUNCIONES DE UNA VARIABLE 63

Si tomamos como valor de f(x) el valor dado por su polinomio de Taylor verdaderamente estamos
obteniendo una aproximacion del valor verdadero de la funci on. El error cometido por dicha aproximaci on,
que tambien depender a de x, se conoce con el nombre de resto de Taylor de orden n de f(x) en x = a:
R
n
(f, a)(x) = f(x) T
n
(f, a)(x)
Logicamente no existe una expresion elemental para este resto, independientemente de la funci on
considerada. No obstante existen algunas expresiones que nos permitir an acotar este resto y por tanto
tener alg un control sobre el error cometido cuando utilizamos polinomios de Taylor para aproximar
funciones. Una vez consideradas estas expresiones, la f ormula que permite expresar, de forma exacta,
el valor de f(x) en funci on de su polinomio de Taylor con el correspondiente resto, recibe el nombre de
f ormula de Taylor de la funci on:
f(x) = T
n
(f, a)(x) +R
n
(f, a)(x) =
= f(a) +
f
(a)
1!
(x a) +
f
(a)
2!
(x a)
2
+ +
f
(n)
(a)
n!
(x a)
n
+R
n
(f, a)(x)
o de una forma m as escueta (si no existiera ambig uedad)
f(x) = T
n
(x) +R
n
(x) = f(a) +
f
(a)
1!
(x a) +
f
(a)
2!
(x a)
2
+ +
f
(n)
(a)
n!
(x a)
n
+R
n
(x)
Una expresi on del resto, llamada forma innitesimal del resto, viene dada por el teorema previamente
demostrado: R
n
(x) = O((x a)
n+1
). Entonces
f(x) = f(a) +
f
(a)
1!
(x a) +
f
(a)
2!
(x a)
2
+ +
f
(n)
(a)
n!
(x a)
n
+O((x a)
n+1
)
Ejemplo 3.1.2 Los desarrollos de Mac Laurin m as usuales son:
a) Para x IR, e
x
= 1 +x +
x
2
2!
+
x
3
3!
+ +
x
n
n!
+O(x
n+1
).
b) Para x IR, senx = x
x
3
3!
+
x
5
5!
+ + (1)
n x
2n+1
(2n + 1)!
+O(x
2n+2
).
c) Para x IR, cos x = 1
x
2
2!
+
x
4
4!
+ + (1)
n x
2n
(2n)!
+O(x
2n+1
).
d) Para x > 1, ln(1 +x) = x
x
2
2
+
x
3
3

x
4
4
+ + (1)
n+1 x
n
n
+O(x
n+1
).
e) Para x > 1, (1 +x)
= 1 +

1!
x +
( 1)
2!
x
2
+ +
. . . ( n + 1)
n!
x
n
+O(x
n+1
).
Queda resuelto en el boletn de problemas resueltos.
A la hora de determinar el desarrollo de Taylor (con resto en forma innitesimal), con frecuencia
resulta util utilizar alguno de los desarrollos conocidos de algunas funciones. En particular, consideremos
sendas funciones f(x) y g(x), y los polinomios de Taylor de orden n en un punto a a ellas asociados,
p
n
(x) y q
n
(x), respectivamente. Entonces:
El polinomio de Taylor de orden n en a de f(x)+g(x), con , IR, resulta ser p
n
(x)+q
n
(x).
Ejemplo 3.1.3 Calcular los polinomios de Taylor s
n
(x) y c
n
(x) de orden n en x = 0 del seno y del
coseno hiperbolicos (funciones que vienen denidas como senh x =
e
x
e
x
2
y coshx =
e
x
+e
x
2
).
Estos polinomios los podemos calcular en funcion del polinomio de Taylor p
n
(x) = 1 +
x
1!
+
x
2
2!
+
x
3
3!
+ +
x
n
n!
correspondiente a e
x
= p
n
(x) +O(x
n+1
).

As, el polinomio de Taylor del seno hiperb olico resulta ser
s
n
(x) =
p
n
(x)
2

p
n
(x)
2
=
1
2
n
i=0
x
i
(x)
i
i!
=
1
2
n 1
2

i=0
2x
2i+1
(2i + 1)!
Esto es, senhx = x +
x
3
3!
+
x
5
5!
+ +
x
2
n 1
2
+1
(2
n 1
2
| + 1)!
+O(x
n+1
).
Del mismo modo, el polinomio de Taylor del coseno hiperbolico resulta ser
c
n
(x) =
p
n
(x)
2
+
p
n
(x)
2
=
1
2
n
i=0
x
i
+ (x)
i
i!
=
1
2
n
2
i=0
2x
2i
(2i)!
Esto es, coshx = 1 +
x
2
2!
+
x
4
4!
+ +
x
2
n
2
(2
n
2
|)!
+ O(x
n+1
).
El polinomio de Taylor de orden n en a de f(x) g(x) coincide con el resultante de prescindir en
p
n
(x) q
n
(x) de los terminos de grado mayor que n.
Ejemplo 3.1.4 Calcular el polinomio de Taylor de grado 3, en x = 0, de e
x
cos x.
El polinomio de Taylor t
3
(x) de e
x
cos x en x = 0 queda determinado por los polinomios de Taylor
p
3
(x) = 1 +
x
1!
+
x
2
2!
+
x
3
3!
y c
3
(x) = 1
x
2
2!
de e
x
y cos x, respectivamente.
As, el desarrollo de Taylor de e
x
cos x de grado 3 en x = 0 es
t
3
(x) +O(x
4
) = (p
3
(x) +O(x
4
)) (c
3
(x) +O(x
4
)) =
= 1 +
x
1!
+
x
2
2!
+
x
3
3!

x
2
2!

x
3
2!
+O(x
4
) = 1 +x
x
3
3
+O(x
4
)
Si g(a) ,= 0, el polinomio de Taylor de orden n en el punto a de la funci on
f(x)
g(x)
viene dado por el
cociente que se obtiene al dividir p
n
(x) entre q
n
(x), seg un las potencias crecientes, hasta el grado
n inclusive.
Ejemplo 3.1.5 Calcular el desarrollo de Taylor de orden n de la funci on
1
1 x
en x = 0.
Este desarrollo se puede obtener a partir de los desarrollos de 1 = 1 + O(x
n+1
) y 1 x = 1 x +
O(x
n+1
), para n > 1.
De hecho, 1/(1 x) = 1 + x + x
2
+ + x
n
+ O(x
n+1
). Este desarrollo tambien se podra haber
obtenido a partir del de (1 +x)
tomando x en lugar de x y = 1.
Ejemplo 3.1.6 Obtener el desarrollo de orden 7 de la funci on tg x.
Podemos considerar el desarrollo de tg x =
sen x
cos x
de orden 7 en x = 0, en funci on de los desarrollos
de sen x = x
x
3
3!
+
x
5
5!
+(1)
n x
2n+1
(2n + 1)!
+O(x
2n+2
) y cos x = 1
x
2
2!
+
x
4
4!
+(1)
n x
2n
(2n)!
+
O(x
2n+1
).
Los desarrollos de orden 7 de senx y
1
cos x
son senx = x
x
3
6
+
x
5
120

x
7
5040
+ O(x
8
) y
1
cos x
=
1 +
x
2
2
+
5x
4
24
+
61x
6
720
+O(x
8
); de modo que el desarrollo de orden 7 de tg x queda senx
1
cos x
=
x +
x
3
3
+
2x
5
15
+
17x
7
315
+O(x
8
).
3.1. F
ORMULA DE TAYLOR PARA FUNCIONES DE UNA VARIABLE 65

Supuesto que q
n
(x) es el desarrollo de g(x) en f(a), la funci on g f admite desarrollo limitado de
orden n en a, dado por el polinomio que se obtiene al prescindir en g p de los terminos de grado
mayor que n.
Ejemplo 3.1.7 Obtener el desarrollo de orden 5 de e
cos x
en x = 0.
Como el desarrollo que conocemos de e
x
es en x = 0, necesitamos que el exponente de e
cos x
sea
0. Dado que en el punto a tomar el desarrollo (x = 0) es cos x = 1, tomamos e
cos x
= e
1+cos x1
=
e e
cos x1
, de modo que cos x1 vale 0 en x = 0. As, tomando f(x) = cos x1 y g(x) = e
x
vamos
a desarrollar en x = 0 la composicion g f(x) = e
cos x1
. El desarrollo buscado sera el producto
del anterior por e.
Como e
x
= 1 + x +
x
2
2
+
x
3
6
+
x
4
24
+
x
5
120
+ O(x
6
) y cos x 1 =
x
2
2
+
x
4
24
+ O(x
6
); se sigue de
manera inmediata el desarrollo
e
cos x1
= 1 +
_
x
2
2
+
x
4
24
+O(x
6
)
_
+
1
2
_
x
2
2
+
x
4
24
+O(x
6
)
_
2
+O(x
6
) =
= 1
x
2
2
+
x
4
24
+
x
4
8
+O(x
6
) = 1
x
2
2
+
x
4
6
+O(x
6
);
de modo que el desarrollo buscado es e
cos x
= e
e
2
x
2
+
e
6
x
4
+O(x
6
).
Logicamente la forma innitesimal del resto no nos permite tener una idea de su valor aproximado.
No obstante existen otras expresiones para el resto de Taylor que si nos permiten aproximar su valor.
Una de estas expresiones es la siguiente:
F ormula de Taylor con resto de Lagrange: Si la funci on f(x), y sus primeras n derivadas
f
(x), . . . , f
(n)
(x), son continuas en un entorno E(a, ) de a, y existe la derivada de orden n + 1, f
(n+1)
,
en dicho entorno, entonces para cada x E(a, ) existe un valor intermedio (a, x) (o (x, a)
dependiendo de que x > a o x < a, respectivamente), de forma que
f(x) = T
n
(f, a)(x) +R
n
(f, a)(x) =
= f(a) +
f
(a)
1!
(x a) +
f
(a)
2!
(x a)
2
+ +
f
(n)
(a)
n!
(x a)
n
+R
n
(f, a)(x)
siendo
R
n
(f, a)(x) =
f
(n+1)
(
n!
(x a)
n+1
Es decir, la f ormula de Taylor con resto de Lagrange ser a:
f(x) = f(a) +
f
(a)
1!
(x a) +
f
(a)
2!
(x a)
2
+
+
f
(n)
(a)
n!
(x a)
n
+
f
(n+1)
()
n!
(x a)
n+1
, (a, x) [ o (x, a) ]
En el caso particular en que el punto sea x = 0, obtendremos la formula de MacLaurin con resto de
Lagrange:
f(x) = f(0) +
f
(0)
1!
x +
f
(0)
2!
x
2
+ +
f
(n)
(0)
n!
x
n
+
f
(n+1)
()
n!
x
n+1
, (0, x)
Ejemplo 3.1.8 Los desarrollos de Mac Laurin, con restos de Lagrange, de las funciones m as usuales
son:
a) Para x IR, e
x
= 1 +x +
x
2
2!
+
x
3
3!
+ +
x
n
n!
+
e
x
n+1
(n + 1)!
, siendo (0, x).
b) Para x IR, senx = x
x
3
3!
+
x
5
5!
+ +(1)
n x
2n+1
(2n + 1)!
+(1)
n+1
cos
(2n + 2)!
x
2n+2
, siendo (0, x).
c) Para x IR, cos x = 1
x
2
2!
+
x
4
4!
+ + (1)
n x
2n
(2n)!
+ (1)
n+1
sen
(2n + 1)!
x
2n+1
, siendo (0, x).

d) Para x > 1, ln(1 +x) = x
x
2
2
+
x
3
3

x
4
4
+ + (1)
n+1 x
n
n
+ (1)
n x
n+1
(n + 1)(1 +)
n+1
, siendo
(0, x).
e) Para x > 1, (1+x)
= 1+

1!
x+
( 1)
2!
x
2
+ +
. . . ( n + 1)
n!
x
n
+(1) (n)( +
1)
n1 x
n+1
(n + 1)!
, siendo (0, x).
Esta forma del resto es mas difcil de obtener, no obstante nos permitir a tener una idea del error
cometido cuando si tomamos como valor aproximado de la funci on f(x) en un punto, el valor T
n
(f, a)(x)
de su polinomio de Taylor en dicho punto. Veamos un ejemplo:
Ejemplo 3.1.9 Obtener valores aproximados de cos 1 y de cos 5, utilizando polinomios de Taylor de
distinto grado en x = 0, acotando el error cometido con cada uno de ellos.
Recordemos que el desarrollo de MacLaurin de la funcion f(x) = cos x en el origen, con resto de
Lagrange, es:
cos x = 1
x
2
2!
+
x
4
4!
+ + (1)
n
x
2n
(2n)!
+ (1)
n+1
senc
(2n + 1)!
x
2n+1
, siendo c (0, x)
Entonces si queremos obtener el valor de f(1) = cos 1, y para ello utilizamos el valor del polinomio de
MacLaurin T
n
(f, a)(1), el error cometido vendra dado por el resto de Taylor:
[[ = [f(1) T
n
(f, a)(1)[ = [R
n
(1)[
Veamos estos valores para polinomios de distinto grado:
1. Si utilizamos el polinomio de Taylor de orden 2 tendremos
f(1) = cos 1 = 1
1
2
+
sen c
6
, para c (0, 1)
de modo que cos 1 0.5, con un error =
sen c
6
, y por tanto acotado por [[
sen 1
6
< 0.1402452,
al ser [ sen c[ sen 1 para c (0, 1). De este modo, T
2
(1) no garantiza en principio ninguna cifra
decimal exacta.
2. Si utilizamos el polinomio de Taylor de orden 2 tendremos
f(1) = cos 1 = 1
1
2
+
1
24

senc
120
, para c (0, 1)
de modo que cos 1 0.541666 . . ., con un error =
senc
120
sen1
120
<
0.00701226, al ser [ sen c[ sen1 para c (0, 1). As, T
4
(1) aproxima a cos 1 al menos con dos cifras
decimales exactas.
3. Si el polinomio de Taylor es de orden 6:
f(1) = cos 1 = 1
1
2
+
1
24

1
720
+
sen c
5040
, para c (0, 1)
sen c
5040
sen 1
5040
<
0.00016696, al ser [ senc[ sen1 para c (0, 1). En esta ocasi on, T
6
(1) aproxima a cos 1 al menos
con 3 cifras decimales exactas.
4. Por ultimo, si el polinomio es de orden 8:
f(1) = cos 1 = 1
1
2
+
1
24

1
720
+
1
40320

sen c
362880
, para c (0, 1)
sen c
362880
acotado por [[
sen 1
362880
<
0.0000023189, al ser [ senc[ sen 1 para c (0, 1). Finalmente, T
8
(1) aproxima a cos 1 al menos
con 5 cifras decimales exactas.
3.2. APLICACIONES DE LA F
ORMULA DE TAYLOR 67
De hecho, cos 1 = 0.5403023058681397174 . . ., y la aproximaci on obtenida es buena.
En cambio, si pretendemos aproximar el valor de cos 5 con los mismos polinomios, el resultado prob-
ablemente no sea igual de satisfactorio, dado que 5 no esta sucientemente proximo al punto en el que
estamos desarrollando (a = 0).
1. f(5) = cos 5 = p
2
(5)+
senc
6
5
3
, para c (0, 5); de modo que cos 5 11.5, con un error =
125
6
sen c
acotado por [[
125
6
< 20.84, al ser [ senc[ 1 para c (0, 5). De este modo, la aproximaci on no
es nada able.
2. f(5) = cos 5 = p
4
(5)
sen c
120
5
5
, para c (0, 5); de modo que ahora la aproximaci on ser a cos 5
14.541666 . . ., con un error =
senc
120
5
5
acotado por [[
31255
120
< 26.042, al ser [ sen c[ 1 para
c (0, 5). De nuevo, la estimaci on no es adecuada, por la incertidumbre que da la acotaci on del
error.
3. f(5) = cos 5 = p
6
(5) +
sen c
5040
5
7
, para c (0, 5); de modo que ahora la aproximaci on ser a cos 5
7.1597222 . . ., con un error =
sen c
5040
5
7
acotado por [[
78125
5040
< 15.501, al ser [ sen c[ 1 para
c (0, 5). En esta ocasi on, la acotaci on del error vuelve a exceder lo razonable.
4. f(5) = cos 5 = p
8
(5)
senc
362880
5
9
, para c (0, 5); y ser a cos 5 2.5283978 . . ., con un error
=
sen c
362880
5
9
acotado por [[
1953125
362880
< 5.3823, al ser [ senc[ 1 para c (0, 5). Esta ultima
es la menos mala de entre todas las aproximaciones realizadas, pero en ning un caso es satisfactoria,
dado que por todos es sabido que el coseno oscila entre 1 y 1, y la aproximaci on que se maneja es
de 2.5283978 . . .
En verdad, cos 5 = 0.28366218546322626447 . . ., y lo que se tendra que haber hecho es desarrollar por
Taylor la funci on coseno en un punto proximo a x = 5 (por ejemplo x =
3
2
, para garantizar la bonanza
de las aproximaciones.
3.2 Aplicaciones de la f ormula de Taylor
3.2.1 Aplicaci on al calculo de valores aproximados
Hemos estudiado anteriormente como podemos utilizar la formula de Taylor para el calculo aproximado
de valores de una funci on. No obstante veamos otro ejemplo:
Ejemplo 3.2.1 Utilizando desarrollos de MacLaurin, indicar el n umero de terminos necesarios para
obtener el valor de

e con un error menor que 10
3
.
El desarrollo de MacLaurin de f(x) = e
x
de orden n, con resto de Lagrange, viene dado por
e
x
= 1 +x +
x
2
2!
+
x
3
3!
+. . . +
x
n
n!
+
e
c
(n + 1)!
x
n+1
, c (0, x)
Si utilizamos un polinomio de MacLaurin P
n
(x) de orden n, el error cometido al aproximar
e = e
1/2
por P
n
(1/2) ser a [R
n
(1/2)[. Entonces
[R
n
(1/2)[ =
e
c
2
n+1
(n + 1)!
, c (0,
1
2
)
Entonces
[R
n
(1/2)[ =
e
c
2
n+1
(n + 1)!
<
3
2
n+1
(n + 1)!
< 10
3
Hemos de encontrar el menor valor de n que hace 2
n+1
(n + 1)! > 3000, es decir n = 4, ya que
2
4
4! = 384 y 2
5
5! = 3840.
Por lo tanto el valor aproximado de

e dado por P
4
(
1
2
), siendo
P
4
(x) = 1 +x +
x
2
2!
+
x
3
3!
+
x
4
4!

comete un error menor que 10
3
. Este valor ser a
e P
4
(
1
2
) = 1 +
1
2
+
1
8
+
1
48
+
1
384
=
211
128
= 1.6484375
3.2.2 Aplicaci on al estudio local de una funci on
El desarrollo de Taylor de una funci on en un punto permite leer de manera inequvoca cual es el compor-
tamiento de la funci on en el punto (si es creciente, decreciente, tiene un extremo o un punto de inexion),
en funci on de la primera derivada no nula.
Es de com un conocimiento que el crecimiento de una funci on f(x) en un punto x = a depende del
signo que tome la derivada primera de la funci on en dicho punto: si f
(a) > 0, entonces la funci on es

estrictamente creciente en a, de modo que, si f
(x) es continua, para todo x, w en un entorno sucien-

temente peque no (a , a + ) se tiene que x < w implica f(x) < f(w); por el contrario, si f
(a) < 0,
entonces la funci on es estrictamente decreciente en a, de modo que, si f
(x) es continua, para todo x, w en

un entorno sucientemente peque no (a , a +) se tiene que x < w implica f(x) > f(w). Si f
(a) = 0 o
no existe f
(a), la funci on puede tener en a un extremo local (m aximo o mnimo), un punto de inexi on,
o un punto de crecimiento dudoso; para determinar el comportamiento en el punto en cuesti on basta
estudiar c omo se comporta la funci on en sus alrededores.
Es en el caso f
(a) = 0 en el que el desarrollo de Taylor desempe na un relevante papel.

El procedimiento general dice que si f
(a) = 0 y la primera derivada no nula en a es de orden par,

digamos f
(a) = = f
2n1)
(a) = 0, f
2n)
(a) ,= 0, entonces la funci on tiene en a un m aximo local si
f
2n)
(a) < 0 y un mnimo local si f
2n)
(a) > 0. En caso de que f
(a) = 0 y la primera derivada no nula

en a sea de orden impar, f
(a) = = f
2n)
(a) = 0, f
2n+1)
(a) ,= 0, entonces la funci on tiene en a un
punto de inexi on, en el que la funci on cambia su caracter concavo/convexo. En caso de que todas las
derivadas sean nulas en a, este metodo no aporta informaci on, y hay que estudiar el crecimiento de la
funci on en un entorno de a.
Veamos la explicacion de este hecho.
Supongamos que k es el orden de la primera derivada no nula de f(x) en el punto a. Entonces, el
desarrollo de Taylor de f(x) en a de orden k resulta ser
f(x) = f(a) +
f
k)
(a)
k!
(x a)
k
+O((x a)
k+1
)
de modo que
f(x) f(a)
(x a)
k
=
f
k)
(a)
k!
+O((x a)
k+1
); de donde
lim
xa
f(x) f(a)
(x a)
k
=
f
k)
(a)
k!
y por tanto
f(x) f(a)
(x a)
k
tiene el mismo signo que
f
k)
(a)
k!
en un entorno E sucientemente peque no de a.
As, si k es par, digamos k = 2n, se tiene:
Si f
2n)
(a) > 0, entonces
f(x) f(a)
(x a)
2n
> 0 en E, de donde f(x) f(a) > 0 en dicho entorno; es
decir, f(x) > f(a) para todo x en E, por lo que la funci on tiene en a un mnimo local.
Si f
2n)
(a) < 0, entonces
f(x) f(a)
(x a)
2n
< 0 en E, de donde f(x) f(a) < 0 en dicho entorno; es
decir, f(x) < f(a) para todo x en E, por lo que la funci on tiene en a un m aximo local.
An alogamente, si k es impar, digamos k = 2n + 1, se tiene:
Si f
2n+1)
(a) > 0, entonces
f(x) f(a)
(x a)
2n+1
> 0 en E, de donde en dicho intervalo es f(x) f(a) > 0
si x a > 0 y f(x) f(a) < 0 si x a < 0; es decir, en E es f(x) > f(a) si x > a, mientras que
f(x) < f(a) si x < a, por lo que la funci on es estrictamente creciente en a.
ORMULA DE TAYLOR 69
Si f
2n+1)
(a) < 0, entonces
f(x) f(a)
(x a)
2n+1
< 0 en E, de donde en dicho intervalo es f(x) f(a) < 0
si x a > 0 y f(x) f(a) > 0 si x a < 0; es decir, en E es f(x) < f(a) si x > a, mientras que
f(x) > f(a) si x < a, por lo que la funci on es estrictamente decreciente en a.
Ejemplo 3.2.2 Probar que la funci on f(x) = x
4
(xe
x
+ 1) tiene un mnimo relativo en x = 0.
Sin necesidad de derivar, podemos hallar cu al es su desarrollo de Mac Laurin, en funci on del desarrollo
de e
x
= 1 +x +
x
2
2
+ +
x
n
n!
+O(x
n+1
), de modo que
f(x) = x
4
(xe
x
+ 1) = x
4
(x(1 +x +
x
2
2
+ +
x
n
n!
+O(x
n+1
) + 1) =
= x
4
+x
5
+x
6
+
x
7
2
+ +
x
n
(n 5)!
+O(x
n+1
) = x
4
+O(x
5
)
Por lo tanto, para valores pr oximos a 0, f(x) > 0 = f(0), x y la funci on tiene un mnimo relativo en
x = 0.
El estudio general de los puntos de inexi on de y = f(x) concierne a las derivadas de orden superior
a 2, y se reduce a estudiar la posici on relativa de la curva con respecto de la recta tangente en el punto
(a, f(a)): el punto ser a de inexi on si y s olo si la curva atraviesa la recta tangente en el punto; en otro
caso, la funci on ser a concava o convexa en el punto, dependiendo de si la curva se queda por encima o
debajo de la recta tangente, respectivamente.
-2 -1 1 2
-2
-1
1
2
3
4
x
2
es concava en todos sus puntos
-2 -1 1 2
-4
-3
-2
-1
1
2
x
2
es convexa en todos sus puntos
Por tanto, si r(x) = p
1
(x) = f(a) +f
(a)(x a) es la recta tangente a la curva y = f(x) en el punto

(a, f(a)), tenemos que estudiar como vara el signo de la funci on diferencia g(x) = f(x) r(x). Si tiene
signo constante en un entorno de x = a, la funci on ser a concava (si g(x) 0 en dicho entorno) o convexa
(si g(x) 0 en dicho entorno); en caso de que g(x) > 0 a un lado de x = a y g(x) < 0 al lado contrario de
x = a, entonces la funci on tendr a en x = a un punto de inexi on.

Este es el caso de y = x
3
en el origen.
y = x
3
-2 -1 1 2
-8
-6
-4
-2
2
4
6
8
En particular, si la funci on f(x) es n veces derivable en x = a, con
f
(a) = f
(a) = = f
n1)
(a) = 0 , f
n)
(a) ,= 0
se tiene que:
1. Si n es par y f
n)
(a) > 0, entonces f(x) es concava en x = a.
2. Si n es par y f
n)
(a) < 0, entonces f(x) es convexa en x = a.

3. Si n es impar, entonces f(x) tiene en x = a un punto de inexi on.
Esto es consecuencia directa del estudio de g(x) en x = a: si g(x) tiene un extremo relativo en x = a,
entonces f(x) es concava si g(x) tiene un mnimo en x = a (g(a) = 0, luego si es mnimo es porque
0 g(x) = f(x) r(x) en un entorno de x = a; esto es, f(x) r(x)), y convexa si g(x) tiene un maximo
en x = a (g(a) = 0, luego si es maximo es porque 0 g(x) = f(x) r(x) en un entorno de x = a; esto
es, f(x) r(x)).
En caso de que g(x) sea estrictamente monotona en x = a, cambia de signo en dicho punto, de donde
f(x) > r(x) a un lado y f(x) < r(x) al otro, y x = a es un punto de inexi on de la funci on.
3.2.3 Aplicaci on al calculo de lmites indeterminados
La f ormula de Taylor nos puede ayudar a resolver indeterminaciones, como muestra el siguiente ejemplo:
Ejemplo 3.2.3 Calcular, utilizando la f ormula de Taylor, el siguiente lmite:
lim
x0
x(e
x
+ 1) 2(e
x
1)
x
3
En estos casos, podremos utilizar la formula de Taylor de la funci on f(x) = e
x
, utilizando el resto en
forma innitesimal:
e
x
= 1 +x +
x
2
2
+
x
3
6
+O(x
4
)
Entonces:
lim
x0
x(e
x
+ 1) 2(e
x
1)
x
3
=
= lim
x0
x(1 +x +
x
2
2
+
x
3
6
+O(x
4
) + 1) 2(1 +x +
x
2
2
+
x
3
6
+O(x
4
) 1)
x
3
=
= lim
x0
x(2 +x +
x
2
2
+
x
3
6
+O(x
4
)) 2(x +
x
2
2
+
x
3
6
+O(x
4
))
x
3
=
= lim
x0
2x +x
2
+
x
3
2
+
x
4
6
+ O(x
5
) (2x +x
2
+
x
3
3
+O(x
4
))
x
3
=
= lim
x0
x
3
6
+O(x
5
)
x
3
=
1
6
3.3 F ormula de Taylor para funciones de varias variables
Introduciremos la formula de Taylor para funciones de varias variables de modo similar a como lo hicimos
con funciones de una variable.
La Figura 3.2 muestra una representacion gr aca, en las proximidades del punto P(0, 0), de la funci on
f(x, y) = sen(x +y) + cos(x +y).
En la Figura 3.3 se representa la funci on f(x, y) y el polinomio de grado cero p
0
(x, y) = 1. Vemos
que ambas funciones toman el mismo valor en el punto P(0, 0), es decir son supercies que pasan por el
punto P(0, 0, 1).
En la Figura 3.4 se representa la funci on f(x, y) y el polinomio de primer grado p
1
(x, y) = 1 +x +y.
Este polinomio representa el plano tangente a la supercie de ecuaci on z = f(x, y) en el punto P(0, 0, 1).
Tiene por tanto en com un con la funci on z = f(x, y) el valor en el punto P(0, 0) de su dominio, y el valor
de las dos primeras derivadas parciales en dicho punto.
La Figura 3.5 muestra la representaci on gr aca de la funci on f(x, y) y el polinomio de segundo grado
p
2
(x, y) = 1+x+y
x
2
2
xy
y
2
2
. La supercie z = p
2
(x, y) representa un paraboloide elptico (supercie
cuadrica) y tiene en com un con la funci on z = f(x, y) el valor en el punto P(0, 0) de su dominio, las dos
primeras derivadas parciales y las derivadas parciales de segundo orden en dicho punto.
3.3. F
ORMULA DE TAYLOR PARA FUNCIONES DE VARIAS VARIABLES 71

z=sen(x+y)+cos(x+y)
Figura 3.2: La supercie z = sen(x +y) + cos(x +y).
z=sen(x+y)+cos(x+y)
z=1
Figura 3.3: La supercie z = sen(x +y) + cos(x +y) y el plano z = 1.
z=sen(x+y)+cos(x+y)
z=1+x+y
Figura 3.4: La supercie z = sen(x +y) + cos(x +y) y el plano tangente z = 1 +x +y.
Por ultimo la Figura 3.6 muestra la representaci on gr aca de la funci on f(x, y) y el polinomio de
tercer grado p
3
(x, y) = 1 +x +y
x
2
2
xy
y
2
2

x
3
6

x
2
y
2

xy
2
2

y
3
6
, que representa una supercie

z=sen(x+y)+cos(x+y)
z=1+x+y-x
2
/2-xy-y
2
/2
Figura 3.5: La supercie z = sen(x+y)+cos(x+y) y el paraboloide elptico z = 1+x+y
x
2
2
xy
y
2
2
.
z=sen(x+y)+cos(x+y)
z=1+x+y-x
2
/2-xy-y
2
/2-x
3
/6-x
2
y/2-xy
2
/2-y
3
/6
Figura 3.6: Las supercies z = sen(x+y)+cos(x+y) y z = 1+x+y
x
2
2
xy
y
2
2

x
3
6

x
2
y
2

xy
2
2

y
3
6
.
que tiene en com un con z = f(x, y) hasta las derivadas parciales de tercer orden en P(0, 0).
Como puede apreciarse estos polinomios aproximan a la funcion f(x, y) en las proximidades del origen,
de forma que cuanto mayor es el grado del polinomio mejor es dicha aproximacion.
A estos polinomios los denominaremos polinomios de Taylor de la funci on f(x, y) = sen(x + y) +
cos(x +y) en el punto P(0, 0).
Para denir los polinomios de Taylor de una funci on de dos variables, recordemos los operadores
diferenciales sucesivas de una funcion de dos variables:
df(x, y) =
f(x, y)
x
dx +
f(x, y)
y
dy =
_

x
dx +

y
dy
_
f(x, y)
d
2
f(x, y) =

2
f(x, y)
x
2
dx
2
+ 2
2
f(x, y)
xy
dxdy +

2
f(x, y)
y
2
dy
2
=
_

x
dx +

y
dy
_
2
f(x, y)
y en general:
d
n
f(x, y) =
_

x
dx +

y
dy
_
n
f(x, y) =
n
k=0
_
n
k
_

n
f(x, y)
x
nk
y
k
dx
nk
dy
k
La f ormula de Taylor para una funci on f(x, y) en el punto P(a, b) (en forma diferencial) es:
3.3. F
ORMULA DE TAYLOR PARA FUNCIONES DE VARIAS VARIABLES 73

f(x, y) = f(a, b) +
df(a, b)
1!
+
d
2
f(a, b)
2!
+ +
d
n
f(a, b)
n!
+
+
d
n+1
f(, )
(n + 1)!
, (a, x), (b, y)
y utilizando la notaci on de operadores diferenciales tendremos:
f(x, y) = f(a, b) +
_

x
dx +

y
dy
_
f(a, b)
1!
+
_

x
dx +

y
dy
_
2
f(a, b)
2!
+
+
_

x
dx +

y
dy
_
n
f(a, b)
n!
+
+
_

x
dx +

y
dy
_
n+1
f(, )
(n + 1)!
, (a, x), (b, y)
Esta expresion constituye la f ormula de Taylor con resto de Lagrange para la funci on f(x, y) en el
punto P(a, b), siendo los n + 1 primeros terminos correspondientes al polinomio de Taylor y el ultimo al
resto de Lagrange:
f(x, y) = T
n
(x, y) +R
n
(x, y)
T
n
(x, y) = f(a, b) +
_

x
dx +

y
dy
_
f(a, b)
1!
+
_

x
dx +

y
dy
_
2
f(a, b)
2!
+
+
_

x
dx +

y
dy
_
n
f(a, b)
n!
R
n
(x, y) =
_

x
dx +

y
dy
_
n+1
f(, )
(n + 1)!
, (a, x), (b, y)
Y la f ormula de Taylor con el resto en forma innitesimal ser a:
f(x, y) = T
n
(x, y) +O([[(x a, y b)[[
n+1
)
donde O([[(x a, y b)[[
n+1
) representa un innitesimo de orden n + 1 en x = a, y = b.
Si tenemos en cuenta que dx = x a, dy = y b, y utilizamos la notacion
f
x
= f
x
,
f
y
= f
y
,

2
f
x
2
= f
xx
,

2
f
xy
= f
xy
,

2
f
y
2
= f
yy
,

3
f
x
3
= f
xxx
,
los polinomios de Taylor de una funci on f(x, y) en un punto P(x, a) son:
T
0
(x, y) = f(a, b) T
1
(x, y) = f(a, b) +
f
x
(a, b)(x a) +f
y
(a, b)(y b)
1!
T
2
(x, y) = T
1
(x, y) +
f
xx
(a, b)(x a)
2
+ 2 f
xy
(a, b)(x a)(y b) +f
yy
(a, b)(y b)
2
2!
T
3
(x, y) = T
2
(x, y)+
+
f
xxx
(a, b)(x a)
3
+ 3 f
xxy
(a, b)(x a)
2
(y b) +f
xyy
(a, b)(x a)(y b)
2
+f
yyy
(a, b)(y b)
3
3!
En el caso particular en que el punto P sea el origen de coordenadas (x = 0, y = 0) el polinomio
recibe el nombre de polinomio de MacLaurin.
Ejemplo 3.3.1 Obtener el polinomio de MacLaurin de tercer grado de la funci on f(x, y) = sen(x+y) +
cos(x +y).

Obtengamos las derivadas parciales de la funci on f(x, y) = sen(x +y) + cos(x +y):
f
x
(x, y) = f
y
(x, y) = cos(x +y) sen(x +y)
f
xx
(x, y) = f
xy
(x, y) = f
yy
(x, y) = sen(x +y) cos(x +y)
f
xxx
(x, y) = f
xxy
(x, y) = f
xyy
(x, y) = f
yyy
(x, y) = cos(x +y) + sen(x +y)
y en el origen:
f(0, 0) = 1 f
x
(0, 0) = f
y
(0, 0) = 1 f
xx
(0, 0) = f
xy
(0, 0) = f
yy
(0, 0) = 1
f
xxx
(0, 0) = f
xxy
(0, 0) = f
xyy
(0, 0) = f
yyy
(0, 0) = 1
Por lo tanto el polinomio de Taylor T
3
(x, y) de la funci on ser a:
T
3
(x, y) = 1 +x +y
x
2
2
xy
y
2
2

x
3
6

x
2
y
2

xy
2
2

y
3
6
De la misma forma podemos obtener la formula de Taylor para funciones de m as de dos variables.
Por ejemplo si f(x, y, z) es una funci on de tres variables, teniendo en cuenta los operadores diferenciales
sucesivos:
df(x, y, z) =
f(x, y, z)
x
dx +
f(x, y, z)
y
dy +
f(x, y, z)
z
dz =
=
_

x
dx +

y
dy +

z
dz
_
f(x, y, z)
d
2
f(x, y, z) =
_

x
dx +

y
dy +

z
dz
_
2
f(x, y, z) =
=

2
f(x, y, z)
x
2
dx
2
+

2
f(x, y, z)
y
2
dy
2
+

2
f(x, y, z)
z
2
dz
2
+
+2
2
f(x, y, z)
xy
dxdy + 2
2
f(x, y, z)
xz
dxdz + 2
2
f(x, y, z)
yz
dydz

tendremos el polinomio de Taylor de una funci on de tres variables en un punto P(a, b, c):
T
n
(x, y, z) = f(a, b, c) +
_

x
dx +

y
dy +

z
dz
_
f(a, b, c)
1!
+
+
_

x
dx +

y
dy +

z
dz
_
2
f(a, b, c)
2!
+ +
+
_

x
dx +

y
dy +

z
dz
_
n
f(a, b, c)
n!
siendo el resto
R
n
(x, y, z) =
_

x
dx +

y
dy +

z
dz
_
n+1
f(, , )
(n + 1)!
(a, x), (b, y), (c, z)
Ejemplo 3.3.2 Obtener el polinomio de MacLaurin de segundo grado de la funci on f(x, y, z) =
e
x
sen(y +z).
ORMULA DE TAYLOR 75
Obtenemos las derivadas parciales de la funci on f(x, y, z):
f
x
(x, y, z) = e
x
sen(y +z), f
y
(x, y, z) = f
z
(x, y, z) = e
x
cos(y +z),
f
xx
(x, y, z) = e
x
sen(y +z), f
xy
(x, y, z) = f
xz
(x, y, z) = e
x
cos(y +z),
f
yy
(x, y, z) = f
yz
(x, y, z) = f
zz
(x, y, z) = e
x
sen(y +z)
y en el origen:
f(0, 0, 0) = 0, f
x
(0, 0, 0) = 0, f
y
(0, 0, 0) = f
z
(0, 0, 0) = 1,
f
xx
(0, 0, 0) = 0, f
xy
(0, 0, 0) = f
xz
(0, 0, 0) = 1, f
yy
(0, 0, 0) = f
yz
(0, 0, 0) = f
zz
(0, 0, 0) = 0
Por lo tanto el polinomio de MacLaurin T
2
(x, y) de la funci on ser a:
T
2
(x, y, z) = y +z +xy +xz
3.4 Aplicaciones de la f ormula de Taylor
Al igual que en el caso de funciones de una variable, la f ormula de Taylor para funciones de varias variables
tiene diversas utilidades. Entre ellas su aplicaci on al c alculo de valores aproximados de una funci on en
un punto; al estudio local de una funci on y a la resoluci on de lmites indeterminados.
3.4.1 Aplicaci on al calculo de valores aproximados
La f ormula de Taylor para funciones de varias variables es utilizada igualmente para obtener valores
aproximados de una funci on en un punto:
Ejemplo 3.4.1 Obtener un valor aproximado de

1.03
3
0.98, utilizando la f ormula de Taylor hasta las

derivadas de segundo orden.
Si consideramos la funci on f(x, y) =
x
3
y, pretendemos obtener un valor aproximado de f(1.03, 0.98)

que es el valor en un punto cercano al punto P(1, 1). Utilizaremos por tanto el polinomio de Taylor de
segundo orden de la funci on f(x, y) =
x
3
y, en el punto P(1, 1).

Las derivadas de la funci on f(x, y) =
x
3
y = x
1/2
y
1/3
son:
f
x
(x, y) =
1
2
x
1/2
y
1/3
f
y
(x, y) =
1
3
x
1/2
y
2/3
f
xx
(x, y) =
1
4
x
3/2
y
1/3
f
xy
(x, y) =
1
6
x
1/2
y
2/3
f
yy
(x, y) =
2
9
x
1/2
y
5/3
y en el punto P(1, 1):
f(1, 1) = 1, f
x
(1, 1) =
1
2
, f
y
(1, 1) =
1
3
, f
xx
(1, 1) =
1
4
,
f
xy
(1, 1) =
1
6
, f
yy
(1, 1) =
2
9
Por lo tanto el polinomio de Taylor ser a:
T
2
(x, y) = f(1, 1) +
f
x
(1, 1)(x 1) +f
y
(1, 1)(y 1)
1!
+
+
f
xx
(1, 1)(x 1)
2
+ 2 f
xy
(1, 1)(x 1)(y 1) +f
yy
(1, 1)(y 1)
2
2!
=
= 1 +
1
2
(x 1) +
1
3
(y 1)
1
8
(x 1)
2
+
1
6
(x 1)(y 1)
1
9
(y 1)
2
Entonces
1.03
3
0.98 = f(1.03, 0.98) T

2
(1.03, 0.98) =
= 1 +
0.03
2

0.02
3

0.0009
8

0.0006
6

0.0004
9
1.0080763889

3.4.2 Aplicaci on al calculo de lmites
Veamos como podemos utilizar la formula de Taylor para la obtenci on de lmites de funciones de varias
variables.
Ejemplo 3.4.2 Calcular el lmite lim
(x,y)(0,0)
senx y
x sen y
Para obtener este lmite utilicemos el desarrollo de MacLaurin de la funci on sen x = x + O(x
3
).
Entonces
lim
(x,y)(0,0)
sen x y
x seny
= lim
(x,y)(0,0)
x +O(x
3
) y
x y +O(y
3
)
= lim
(x,y)(0,0)
x y +O(x
3
)
x y +O(y
3
)
Si calculamos el lmite seg un cualquier trayectoria F(x, y) = 0 que pase por el origen (F(0, 0) = 0),
podemos hacer el cambio de variable x y = t:
lim
(x,y)(0,0)
F(x,y)=0
x y +O(x
3
)
x y +O(y
3
)
= lim
(x,y)(0,0)
F(x,y)=0
xy=t
x y +O(x
3
)
x y +O(y
3
)
= lim
t0
F(x,y)=0
t +O(t
3
)
t +O(t
3
)
= 1
Ejemplo 3.4.3 Calcular el lmite lim
(x,y)(0,0)
xsen y +y sen x
xy
.
Sea f(x, y) = xsen y +y sen x. Veamos el polinomio de Taylor de grado 2 de la funci on en el origen.
De un lado, f
x
(x, y) = sen y +y cos x y f
y
(x, y) = xcos y +senx; de modo que f
x
(0, 0) = 0 = f
y
(0, 0).
De otro, f
x
2(x, y) = y senx, f
xy
(x, y) = f
yx
(x, y) = cos y + cos x y f
y
2(x, y) = xseny; de modo
que f
x
2(0, 0) = 0 = f
y
2(0, 0) y f
xy
(0, 0) = f
yx
(0, 0) = 2.
Como f(0, 0) = 0, se tiene que p
2
(0 + x, 0 + y) =
1
2
(2xy + 2yx) = 2xy; es decir, f(x, y) = 2xy +
O([[(x, y)[[
3
).
As, lim
(x,y)(0,0)
f(x, y)
xy
= lim
(x,y)(0,0)
2xy +O([[(x, y)[[
3
)
xy
= 2.
En el caso de funciones de varias variables tambien se utiliza la f ormula de Taylor para estudiar el
comportamiento local de la funci on f(x, y). En el captulo siguiente veremos c omo podemos aplicar la
f ormula de Taylor al estudio de extremos de una funci on.
Captulo 4
Problemas de optimaci on
4.1 Extremos relativos de funciones de una variable
Una funci on f(x), denida en un dominio D, tiene un m aximo relativo en un punto a D si existe un
entorno de centro a, E = (a , a +), de forma que f(x) f(a), x E.
De forma intuitiva, una funci on tiene un m aximo relativo en a D si f(a) es el mayor valor que toma
la funci on en las proximidades de a (vease la Figura 4.1).
X
Y
a a - a +
f(x)
Figura 4.1: La funci on f(x) tiene un maximo relativo en a.
Alternativamente, decimos que f(x) tiene un mnimo relativo en un punto a D si existe un entorno
de centro a, E = (a , a +), de forma que f(x) f(a), x E.
E intuitivamente una funci on tiene un mnimo relativo en a D si f(a) es el menor valor que toma
la funci on en las proximidades de a (vease la Figura 4.2).
Si la funci on presenta un maximo o un mnimo relativo en un punto, diremos que presenta un extremo
relativo en dicho punto.
Condicion necesaria de extremo relativo: Si f(x) tiene un extremo relativo en un punto a,
como se desprende de la Figura 4.3, se pueden plantear tres posibilidades. La funci on presenta extremos
relativos en los punto x
1
, x
2
, x
3
y x
4
. Los puntos x
1
y x
2
son puntos de tangente horizontal (la funci on
es derivable y vale cero); en el punto x
3
la tangente es vertical (la funci on no es derivable, f
(x
3
) = ),
mientras que en x
4
la tangente por la izquierda y por la derecha no coinciden (no existe por tanto f
(x
4
)).
77
78 CAPTULO 4. PROBLEMAS DE OPTIMACI
ON
X
Y
a a - a +
f(x)
Figura 4.2: La funci on f(x) tiene un mnimo relativo en a.
f(x) tiene un extremo relativo en a =
_
_
_
f
(a) = 0
o
no existe f
(a)
X
Y
x
1
x
2
x
3
x
4
Figura 4.3: Puntos crticos de una funci on f(x) en a.
Por lo tanto para obtener los extremos relativos hemos de estudiar aquellos puntos en que la funcion
no es derivable o bien, siendo derivable, tiene derivada nula. Estos puntos reciben el nombre de puntos
crticos.
Condicion suciente de extremo relativo: Para encontrar una condici on suciente para que una
funci on f(x) tenga un extremo relativo, en un punto a, donde es diferenciable, haremos uso de la f ormula
de Taylor de la funci on en dicho punto:
f(x) = f(a) +
f
(a)
1!
(x a) +
f
(a)
2!
(x a)
2
+
f
(a)
3!
(x a)
3
+. . .
+
f
(n)
(a)
n!
(x a)
n
+O((x a)
n+1
)
Si f(x) tiene un extremo relativo en a vericar a la condici on necesaria y, por ser diferenciable, ser a
f
(a) = 0, entonces:
4.1. EXTREMOS RELATIVOS DE FUNCIONES DE UNA VARIABLE 79
f(x) f(a) =
f
(a)
2!
(x a)
2
+
f
(a)
3!
(x a)
3
+. . . +
f
(n)
(a)
n!
(x a)
n
+O((x a)
n+1
)
Hemos de estudiar el comportamiento de f(x) en las proximidades del punto a, es decir cuando x
toma valores en un entorno de a (x (a, a+)) y por tanto, si elegimos lo sucientemente peque no,
de la suma anterior s olo ser a signicativo el primero de los sumandos no nulos, ya que ese ser a el que
presente menor exponente para el n umero peque no x a. Entonces se pueden plantear los siguientes
casos:
1. Si el primer termino de dicha suma no nulo es de orden par: f
(2k)
(a) ,= 0, siendo f
(p)
(a) = 0, p <
2k, tenemos dos posibilidades:
(a) Si f
(2k)
(a) > 0, entonces f(x) f(a)
f
(2k)
(a)
2!
(x a)
2k
> 0 y por tanto f(x) > f(a), x
(a , a +). La funci on tiene entonces un mnimo relativo en a.
(b) Si f
(2k)
(a) < 0, entonces f(x) f(a)
f
(2k)
(a)
2!
(x a)
2k
< 0, siendo f(x) < f(a), x
(a , a +), y por tanto la funci on tiene un m aximo relativo en a.
2. Si el primer termino de dicha suma no nulo es de orden impar: f
2k+1
(a) ,= 0, siendo f
(p)
(a) = 0, p <
2k + 1. Supongamos que f
2k+1
(a) > 0 (el razonamiento sera an alogo si f
2k+1
(a) < 0), entonces
f(x) f(a)
f
2k+1
(a)
2!
(x a)
2k+1
, por lo que f(x) f(a) > 0 si x a > 0 y f(x) f(a) < 0
si x a < 0. Por lo tanto en el entorno (a , a + ) tendramos que f(x) < f(a) si x < a y
f(x) > f(a) si x > a, siendo por tanto la funci on creciente en todo el entorno. En este caso la
funci on no presenta extremo relativo. Este tipo de punto de la funcion se conoce con el nombre de
punto de inexi on (de tangente horizontal).
Por lo tanto, para caracterizar los extremos de una funci on hemos de seguir los siguientes pasos:
1. Calcular los puntos crticos. Para ello obtenemos los puntos donde no existe la derivada o donde
f
(a) = 0.
2. Los puntos donde no existe derivada requieren de un estudio local de la funcion.
3. Si f
(a) = 0, obtenemos la primera derivada no nula f

(k)
(a) ,= 0 y en tal caso:
a) Si k es par y f
(k)
(a) > 0, la funci on presenta un mnimo relativo en a.
b) Si k es par y f
(k)
(a) < 0, la funci on presenta un maximo relativo en a.
c) Si k es impar, la funci on presenta un punto de inexion de tangente horizontal en a.
Ejemplo 4.1.1 Obtener los extremos relativos de f(x) = x
4
7x
3
+ 18x
2
20x + 8.
Las derivadas de la funci on f(x) son:
f
(x) = 4x
3
21x
2
+ 36x 20, f
(x) = 12x
2
42x + 36,
f
(x) = 24x 42, f

(IV )
(x) = 24, f
(n)
(x) = 0, n > 4
Para obtener los puntos crticos resolvemos la ecuacion f
(x) = 0 (la funci on es diferenciable en todo

IR):
4x
3
21x
2
+ 36x 20 = 0 =x =
5
4
, x = 2
Por un lado f
(
5
4
) =
9
4
> 0, y la funci on tiene en el punto P(
5
4
,
27
256
) un mnimo relativo (tengase
en cuenta que f(
5
4
) =
27
256
).
Por otro f
(2) = 0 y f
(2) = 6 ,= 0, y la funci on tiene en el punto P(2, 0) un punto de inexi on

(tengase en cuenta que f(2) = 0).
La Figura 4.4 muestra la gr aca de la funci on f(x).
ON
Figura 4.4: Representaci on gr aca de la funci on f(x) = x
4
7x
3
+ 18x
2
20x + 8.
4.2 Extremos absolutos de funciones de una variable
Dada una funci on de una variable f(x), denida en un dominio D, se dice que la funci on f(x) tiene
un m aximo absoluto (alternativamente mnimo absoluto) en a D si f(x) f(a) (alternativamente
f(x) f(a)), x D.
Logicamente si f(x) tiene un extremo absoluto en a, este punto debe ser o bien un extremo relativo
o un punto frontera del dominio D. Entonces, para obtener los extremos absolutos de una funci on
habr a que obtener los extremos relativos y los puntos frontera x
1
, x
2
, . . . , x
n
y evaluar la funci on en
cada uno de ellos, de forma que el maximo absoluto (alternativamente mnimo absoluto) lo alcanzar a en
aquel punto x
k
, de forma que f(x
k
) f(x
i
) (alternativamente f(P
k
) f(P
i
)), i = 1, . . . , n.
Ejemplo 4.2.1 Obtener los extremos absolutos de la funci on f(x) = x
3
9x, en el dominio D =
[4, 1] [1, 3].
En primer lugar obtenemos los extremos relativos de dicha funci on:
f
(x) = 3x
2
9 = 0 =x =
3 D f
(x) = 6x, f
3) > 0, f
3) < 0
Por lo tanto tiene un m aximo relativo en x
1
=
3 y un mnimo relativo en x
2
=
3.
Los puntos frontera del dominio D son x
3
= 4, x
4
= 1, x
5
= 1 y x
6
= 3, por lo que el conjunto de
candidatos a extremo absoluto sera:
3,
3, 4, 1, 1, 3
Teniendo en cuenta que f(
3) = 6
3, f(
3) = 6
3, f(4) = 28, f(1) = 8, f(1) = 8, f(3) = 0,

la funci on f(x) alcanza su maximo absoluto en el punto P(
3, 6
3) y su mnimo absoluto en el punto

Q(4, 28).
La Figura 4.5 muestra la gr aca de la funci on f(x) en el dominio D.
4.3 Problemas de optimizaci on de funciones de una variable
Multitud de problemas de optimizaci on son susceptibles de ser presentados como problemas de calculo de
extremos de una funcion de una variable. Para ello hemos de encontrar la funci on a optimizar (maximizar
o minimizar), y, en su caso, el dominio de tal funci on.
4.3. PROBLEMAS DE OPTIMIZACI
ON DE FUNCIONES DE UNA VARIABLE 81

Figura 4.5: Extremos absolutos de la funci on f(x) = x
3
9x en el dominio D = [4, 1] [1, 3].
Ejemplo 4.3.1 Se necesita conectar mediante una lnea de alta tension una central electrica situada a
la orilla de un caudaloso ro con una isla situada 4 Km. ro abajo y a 1 Km. de la orilla. Hallar el coste
mnimo para dicha lnea si el precio del Km. subacu atico es de 100000 euros y el del Km. subterr aneo
es de 60000 euros (suponer el ro recto en ese tramo).
La Figura 4.6 ilustra la situaci on, donde el punto I simboliza la isla y el punto C la centra electrica.
x
I
C
P
4-x
1
Figura 4.6: Problema de la central electrica.
Si la conexion subacuatica comienza en el punto P, y llamamos x a la distancia de dicho punto P
al pie de la perpendicular trazada desde la isla, utilizando el Teorema de Pit agoras IP =

1 +x
2
. Por
tanto el coste C(x) de la conexi on de la gura asciende a:
C(x) = 100000
_
1 + x
2
+ 60000(4 x) euros
Por lo tanto hemos de obtener el mnimo absoluto de la funci on C(x) en el dominio D = [0, 4].
Obtenemos en primer lugar los extremos relativos:
C
(x) =
100000 x
1 +x
2
60000 = 0 =100000 x 60000
_
1 +x
2
= 0 =
=
_
1 +x
2
=
5
3
=x =
3
4
D
ON
Comprobemos si se trata de un mnimo relativo:
C
(x) =
100000
_
(1 +x
2
)
3
, C
(
3
4
) = 51200 > 0
por lo tanto la funci on C(x) presenta un mnimo relativo en x
1
=
3
4
. Los posibles candidatos a mnimo
absoluto son por tanto x
1
=
3
4
, x
2
= 0, x
3
= 4, siendo
C(
3
4
) = 320000, C(0) = 340000, C(4) = 100000
17 412310.56
Por lo que el coste mnimo (mnimo absoluto) de dicha conexi on es 320000 euros, obtenidos llevando
la conexi on subterr anea hasta 3250 metros ro abajo (4 x = 3.25 Km.) y desde all realizar la conexi on
subacuatica hasta la isla.
4.4 Extremos relativos de funciones de dos variables
Esta seccion seguir a un desarrollo similar al llevado a cabo para funciones de una variable.
Decimos que una funci on f(x, y) tiene un mnimo relativo (alternativamente m aximo relativo) en un
punto P(a, b) D de su dominio si existe un entorno
1
del punto P(a, b):
E(P, ) =
_
(x, y) IR
2
[
_
(x a)
2
+ (y b)
2
<
_
de forma que f(x, y) f(a, b) (alternativamente f(x, y) f(a, b)), (x, y) E(P, ).
De forma intuitiva una funci on f(x, y) alcanza un mnimo relativo (alternativamente m aximo rela-
tivo) en un punto P(a, b), si f(a, b) es el menor (alternativamente mayor) valor que toma f(x, y) en las
proximidades del punto P.
La Figura 4.7 muestra un ejemplo de una funci on que tiene un maximo y un mnimo relativos.
P
1
(1,1,-5) mnimo
P
2
(-1,0,4) mximo
a) b)
Figura 4.7: a) Una funci on f(x, y) con un m aximo y un mnimo relativos, b) la misma funci on con un
peque no giro.
A los maximos y mnimos relativos se les denomina extremos relativos.
Condicion necesaria de extremo relativo: An alogamente a lo que ocurra con las funciones de
una variable, si f(x, y) tiene un extremo relativo en un punto P(a, b) y la funci on es diferenciable en dicho
punto, entonces su plano tangente ha de ser horizontal, por lo tanto han de ser nulas sus dos derivadas
1
En IR
2
un entorno E(P, ) de un punto P no es mas que un crculo abierto, de centro P y radio . Esta es la extension
natural de un intervalo abierto de centro el punto P y radio en IR a IR
2
.
4.4. EXTREMOS RELATIVOS DE FUNCIONES DE DOS VARIABLES 83
parciales f
x
(a, b) = f
y
(a, b) = 0. No obstante una funci on puede tener un extremo relativo y no ser
diferenciable en dicho punto, por lo tanto podemos resumir:
f(x, y) tiene un extremo relativo en P(a, b) =
_
_
_
f
x
(a, b) = f
y
(a, b) = 0
o
f(x, y) no es diferenciable en P(a, b)
Los puntos que verican alguna de las dos condiciones anteriores se denominan puntos crticos. Por
lo tanto si un punto es un extremo de una funci on, ha de ser un punto crtico.
Condicion suciente de extremo relativo: Si tenemos una funci on f(x, y) que admite derivadas
parciales segundas continuas en un entorno del punto P(a, b) y tal que f
x
(a, b) = f
y
(a, b) = 0, entonces
para determinar que tipo de punto crtico representa el punto P(a, b), consideremos la formula de Taylor,
con polinomio de segundo grado:
f(x, y) = f(a, b) +
df(a, b)
1!
+
d
2
f(a, b)
2!
+R
2
(x, y)
y por tanto, teniendo en cuenta que las primeras derivadas son nulas y que el resto R
2
(x, y) es despreciable
frente a los terminos anteriores, para valores (x, y) pr oximos a (a, b)
z = f(x, y) f(a, b) =
d
2
f(a, b)
2!
+R
2
(x, y)
d
2
f(a, b)
2!
=
f
xx
(a, b)(x a)
2
+ 2f
xy
(a, b)(x a)(y b) +f
yy
(a, b)(y b)
2
2!
por lo que, si llamamos dx = x a, dy = y b, el signo de z = f(x, y) f(a, b) sera:
Signo(z) = Signo
_
f
xx
(a, b)dx
2
+ 2f
xy
(a, b)dxdy +f
yy
(a, b)dy
2
_
= Signo
_
d
2
f(a, b)
_
siendo d
2
f(a, b) una funci on que depende de dx y dy (concretamente se trata de una forma cuadr atica).
Se pueden presentar los siguientes casos:
1. Si d
2
f(a, b) > 0, dx, dy, entonces f(x, y) tiene un mnimo relativo en P(a, b), ya que sera f(x, y) >
f(a, b) en las proximidades de P(a, b).
2. Si d
2
f(a, b) < 0, dx, dy, entonces f(x, y) tiene un maximo relativo en P(a, b).
3. Si d
2
f(a, b) 0, dx, dy, entonces no podemos armar que tipo de punto presenta f(x, y) en P(a, b)
y habr a que hacer un estudio mas detallado de la funci on en las proximidades del punto P(a, b).
En este caso puede aparecer un punto conocido con el nombre de casi mnimo.
4. Si d
2
f(a, b) 0, dx, dy, tampoco podemos armar que tipo de punto presenta f(x, y) en P(a, b) y
habr a que hacer un estudio mas detallado de la funci on en las proximidades del punto P(a, b). En
este caso puede aparecer un punto conocido con el nombre de casi m aximo.
5. Si el signo de d
2
f(a, b) depende de la direccion en que es elegido el punto P(x, y) tenemos lo que se
conoce con el nombre de puerto o punto de silla o ensilladura.
La Figura 4.8 muestra un gr aco donde se presentan los perles (secciones planas) de funciones
z = f(x, y) (supercies) con cada uno de estos puntos.
Tenemos por tanto que estudiar el signo de la funcion de dos variables
F(dx, dy) = f
xx
(a, b)dx
2
+ 2f
xy
(a, b)dxdy +f
yy
(a, b)dy
2
que es una forma cuadratica.
Del

Algebra sabemos que una forma cuadratica F(x, y) = m
11
x
2
+ 2m
12
xy +m
22
y
2
se dice que es
a) denida positiva si F(x, y) > 0, (x, y) ,= (0, 0)
b) denida negativa si F(x, y) < 0, (x, y) ,= (0, 0)
c) semidenida positiva si F(x, y) 0, (x, y) ,= (0, 0)
d) semidenida negativa si F(x, y) 0, (x, y) ,= (0, 0)
e) indenida si F(x, y) <> 0, (x, y) ,= (0, 0)
ON
Y
Z
P(a,b)
X P(a,b)
P(a,b)
P(a,b)
P(a,b)
mximo
mnimo
casi mnimo
casi mximo
punto de silla
Figura 4.8: Puntos crticos de una funci on de dos variables.
Esta forma cuadr atica lleva asociada una matriz simetrica
M =
_
m
11
m
12
m
12
m
22
_
El criterio de Sylvester establece que la clasicacion de la forma cuadr atica depende de los signos de los
menores principales de M. Estos menores principales son
1
= m
11
y el determinante
2
= [M[, siendo:
a) Si
2
> 0 y
1
> 0, F(x, y) es denida positiva
b) Si
2
> 0 y
1
< 0, F(x, y) es denida negativa
c) Si
2
= 0 y
1
> 0, F(x, y) es semidenida positiva
d) Si
2
= 0 y
1
< 0, F(x, y) es semidenida negativa
e) Si
2
< 0, F(x, y) es indenida
En nuestro caso recordemos que tratamos de estudiar el signo de la forma cuadr atica
F(dx, dy) = f
xx
(a, b)dx
2
+ 2f
xy
(a, b)dxdy +f
yy
(a, b)dy
2
cuya matriz asociada es:
H(P) =
_
f
xx
(a, b) f
xy
(a, b)
f
xy
(a, b) f
yy
(a, b)
_
que no es otra que la llamada matriz hessiana de la funci on f en el punto P(a, b), cuyo determinante
denominamos hessiano de la funci on. Por lo tanto los elementos que nos ayudaran a decidir el signo de
la forma cuadr atica, y por tanto ver que tipo de punto crtico se presenta, son
2
= [H(P)[ =
xx
(a, b) f
xy
(a, b)
f
xy
(a, b) f
yy
(a, b)
= f
xx
(a, b)f
yy
(a, b) f
xy
(a, b)
2
1
= f
xx
(a, b)
Los casos que se pueden plantear ser an por tanto los siguientes:
1. Si [H(P)[ > 0 y f
xx
(a, b) > 0, la forma cuadr atica ser a denida positiva y la funci on tiene en P(a, b)
un mnimo relativo.
2. Si [H(P)[ > 0 y f
xx
(a, b) < 0, la forma cuadr atica ser a denida negativa y la funci on tiene en
P(a, b) un m aximo relativo.
4.4. EXTREMOS RELATIVOS DE FUNCIONES DE DOS VARIABLES 85
3. Si [H(P)[ = 0 y f
xx
(a, b) > 0, la forma cuadr atica ser a semidenida positiva y por tanto no podemos
armar que ocurre en dicho punto.
4. Si [H(P)[ = 0 y f
xx
(a, b) < 0, la forma cuadr atica ser a semidenida negativa y por tanto no
podemos armar que ocurre en dicho punto.
5. Si [H(P)[ < 0, la forma cuadr atica es indenida y la funci on tiene en P(a, b) un puerto o punto de
silla.
La siguiente tabla muestra, a modo de resumen, todos los casos que se pueden plantear:
_
_
[H(P)[ > 0
_
_
_
f
xx
(a, b) > 0 =P(a, b) es un mnimo relativo
f
xx
(a, b) < 0 =P(a, b) es un maximo relativo
[H(P)[ < 0 =P(a, b) es un punto de silla
[H(P)[ = 0 =P(a, b) ? ? ?
En este ultimo caso, existir an direcciones (F(dx, dy) = 0) en las que d
2
f(a, b) = 0 y por tanto hemos
de estudiar la diferencial tercera en dichas direcciones.
Ejemplo 4.4.1 : Estudiar los puntos crticos de las funciones de dos variables:
a) f(x, y) = xye
x+2y
b) f(x, y) = x
2
y
a) Obtenemos los puntos crticos de la funci on f(x, y) = xye
x+2y
, que es diferenciable en todo IR
2
:
f
x
(x, y) = ye
x+2y
+xye
x+2y
= e
x+2y
(y +xy) = 0
f
y
(x, y) = xe
x+2y
+ 2xye
x+2y
= e
x+2y
(x + 2xy) = 0
y este sistema tiene las soluciones x = 0, y = 0 y x = 1, y =
1
2
. Por lo tanto los puntos crticos son
P(0, 0) y Q(1,
1
2
).
Para comprobar que tipo de punto crtico representa cada uno de ellos veamos el hessiano.
f
xx
(x, y) = ye
x+2y
+ (y +xy)e
x+2y
= e
x+2y
(2y +xy)
f
xy
(x, y) = f
yx
(x, y) = (1 +x)e
x+2y
+ (y +xy)e
x+2y
= e
x+2y
(1 +x + 2y + 2xy)
f
yy
(x, y) = 2xe
x+2y
+ (x + 2xy)e
x+2y
= e
x+2y
(4x + 4xy)
En el punto P(0, 0), f
xx
(0, 0) = 0, f
xy
(0, 0) = 1, f
yy
(0, 0) = 0, entonces
[H(P)[ =
0 1
1 0
= 1
por lo que la funci on tiene en P(0, 0) un punto de silla.
En el punto Q(1,
1
2
), f
xx
(1,
1
2
) =
1
2e
2
, f
xy
(1,
1
2
) = 0, f
yy
(1,
1
2
) =
2
e
2
, entonces
[H(Q)[ =
1
2e
2
0
0
2
e
2
=
1
e
4
> 0, f
xx
< 0
y en Q(1,
1
2
) tiene un maximo relativo.
ON
b) Las derivadas de la funci on f(x, y) = x
2
y son:
f
x
= 2xy, f
y
= x
2
, f
xx
= 2y, f
xy
= f
yx
= 2x, f
yy
= 2
De la condicion suciente f
x
= f
y
= 0 obtenemos el unico punto crtico P(0, 0). En este caso
f
xx
(0, 0) = f
xy
(0, 0) = f
yx
(0, 0) = 0, f
yy
(0, 0) = 2
siendo [H(P)[ = 0 y f
xx
(0, 0) = 0 por lo que el criterio descrito no nos desvela que tipo de punto
crtico presenta la funci on.
En este caso, d
2
f(P) = f
yy
(0, 0)dy
2
= dy
2
< 0, dx, dy, excepto en la direccion dy = 0, dx (eje
OX), en la que resulta d
2
f(P) = 0. Veamos que ocurre en esta direccion. Si cortamos la supercie
z = x
2
y, por el plano y = 0 (que es paralelo al eje OX), resulta la recta
_
z = 0
y = 0
.
Por lo tanto la funci on f(x, y) tiene en el punto P(0, 0) un casi m aximo, ya que al cortar la
supercie con cualquier plano paralelo al eje OZ resulta una curva que tiene un m aximo en P(0, 0)
(d
2
g(P) < 0), excepto por el plano y = 0 que resulta una recta horizontal.
4.5 Extremos relativos de funciones de varias variables
Generalizamos el estudio anterior para el caso de una funci on de cualquier n umero de variables.
Sea una funci on de n variables independientes:
f : D IR
n
IR
(x
1
, . . . , x
n
) D f(x
1
, . . . , x
n
) IR
diremos que f alcanza un m aximo relativo (alternativamente mnimo relativo) en un punto P(a
1
, . . . , a
n
)
si existe un entorno del punto P,
E(P, ) =
_
(x, y) IR
2
[
_
(x
1
a
1
)
2
+ + (x
n
a
n
)
2
<
_
de forma que, (x
1
, . . . , x
n
) E(P, ), f(x
1
, . . . , x
n
) f(a
1
, . . . , a
n
) (alternativamente f(x
1
, . . . , x
n
)
f(a
1
, . . . , a
n
)), .
Nuevamente podemos armar, de forma intuitiva, que una funci on f tiene en un punto P(x
1
, . . . , x
n
)
un m aximo relativo (alternativamente mnimo relativo) si f(P) es el mayor (alternativamente menor)
valor que toma la funci on en las proximidades del punto P.
Si una funci on tiene un m aximo o un mnimo relativo en un punto diremos que presenta un extremo
relativo en dicho punto.
Condicion necesaria de extremo relativo: Podemos establecer, de forma similar al caso de
funciones de dos variables que si f(x
1
, . . . , x
n
) tiene un extremo relativo en un punto P(a
1
, . . . , a
n
) y la
funci on es diferenciable en dicho punto, entonces f
x1
(P) = . . . = f
xn
(P) = 0. No obstante una funci on
puede tener un extremo relativo y no ser diferenciable en dicho punto, y podemos resumir la condici on
necesaria de extremo:
f(x
1
, . . . , x
n
) tiene un extremo relativo en P(a
1
, . . . , a
n
) =
=
_
_
_
f
x1
(a
1
, . . . , a
n
) = . . . = f
xn
(a
1
, . . . , a
n
) = 0
o
f(x
1
, . . . , x
n
) no es diferenciable en P(a
1
, . . . , a
n
)
Los puntos que verican alguna de las dos condiciones anteriores se denominan puntos crticos. Por
lo tanto si un punto es un extremo de una funci on, ha de ser un punto crtico.
4.5. EXTREMOS RELATIVOS DE FUNCIONES DE VARIAS VARIABLES 87
Condicion suciente de extremo relativo: De cara a establecer una condicion suciente que nos
permita tener un criterio para clasicar los puntos crticos, recordemos que el hessiano de una funci on de
n variables f(x
1
, . . . , x
n
) es el determinante de orden n:
[H[ =
2
f
x
2
1
2
f
x
1
x
2

2
f
x
1
x
n
2
f
x
2
x
1
2
f
x
2
2

2
f
x
2
x
n
.
.
.
.
.
.
.
.
.
.
.
.
2
f
x
n
x
1
2
f
x
n
x
2

2
f
x
2
n
Llamemos [
0
,
1
,
2
, . . . ,
n
] a la sucesion de menores principales de dicho hessiano:
0
= 1,
1
=

2
f
x
2
1
,
2
=
2
f
x
2
1
2
f
x
1
x
2
2
f
x
2
x
1
2
f
x
2
2
3
=
2
f
x
2
1
2
f
x
1
x
2
2
f
x
1
x
3
2
f
x
2
x
1
2
f
x
2
2
2
f
x
2
x
3
2
f
x
3
x
1
2
f
x
3
x
2
2
f
x
2
3
, . . .
n
= [H[
Esta sucesion nos permitir a, en algunos casos, clasicar los puntos crticos: Si P(a
1
, . . . , a
n
) es un
punto crtico de la funci on f, siendo continuas las derivadas parciales segundas de f en un entorno de P,
entonces
1. Si [
0
(P),
1
(P),
2
(P), . . . ,
n
(P)] es una sucesion [+, +, +, +, . . .], la funci on tiene en P un
mnimo relativo.
2. Si [
0
(P),
1
(P),
2
(P), . . . ,
n
(P)] es una sucesion [+, , +, , . . .], la funci on tiene en P un
maximo relativo.
3. Si [
0
(P),
1
(P),
2
(P), . . . ,
n
(P)] es una sucesion como las anteriores, pero con algunos elemen-
tos nulos, el criterio no decide que tipo de punto crtico presenta la funci on.
4. Si [
0
(P),
1
(P),
2
(P), . . . ,
n
(P)] es cualquier otra sucesion, la funci on no tiene extremo en
dicho punto P.
Ejemplo 4.5.1 : Estudiar los puntos crticos de la funci on de tres variables: f(x, y, z) = x
4
14x
2
+
y
2
+z
2
+ 24x 4y 6z + 2.
Obtenemos las derivadas de la funcion:
f
x
= 4x
3
28x + 24, f
y
= 2y 4, f
z
= 2z 6
f
xx
= 12x
2
28, f
yy
= 2, f
zz
= 2, f!!
xy
= f
xz
= f
yz
= 0
Como la funci on es diferenciable (con derivadas parciales segundas continuas) en todo IR
3
, los puntos
crticos son la soluci on del sistema:
f
x
= 4x
3
28x + 24 = 0, f
y
= 2y 4 = 0, f
z
= 2z 6 = 0
y por tanto son los puntos P(1, 2, 3), Q(2, 2, 3), R(3, 2, 3).
Para clasicar dichos puntos obtenemos el hessiano en cada uno de los puntos:
[H[ =
12x
2
28 0 0
0 2 0
0 0 2
, [H(P)[ =
16 0 0
0 2 0
0 0 2
,
ON
[H(Q)[ =
20 0 0
0 2 0
0 0 2
, [H(R)[ =
80 0 0
0 2 0
0 0 2
En el punto P(1, 2, 3) los menores principales constituyen la sucesion [1, 16, 32, 64] y por tanto
la funci on no tiene en el ning un extremo.
En Q(2, 2, 3) los menores principales constituyen la sucesion [1, 20, 40, 80] y por tanto f tiene en Q un
mnimo relativo.
En R(3, 2, 3) se tiene la sucesi on [1, 80, 160, 320] y por tanto f tiene en R otro mnimo relativo.
4.6 Extremos absolutos de funciones de varias variables
Dada una funci on de n variables independientes:
f : D IR
n
IR
(x
1
, . . . , x
n
) D f(x
1
, . . . , x
n
) IR
diremos que f alcanza un m aximo absoluto (alternativamente mnimo absoluto) en un punto P(a
1
, . . . , a
n
)
si f(x
1
, . . . , x
n
) f(a
1
, . . . , a
n
) (alternativamente f(x
1
, . . . , x
n
) f(a
1
, . . . , a
n
)), (x
1
, . . . , x
n
) D.
Al igual que ocurra con las funciones de una variable, los extremos absolutos de una funci on de varias
variables han de alcanzarse en alguno de los extremos relativos o en uno de los puntos de la frontera del
dominio.
Ha de tenerse en cuenta que en el caso de regiones cerradas y acotadas (lo que en la literatura se
suele llamar regiones compactas), el Teorema de Weierstrass asegura que toda funci on continua alcanza
sus extremos absolutos (y no unicamente relativos), por lo que cotejando los resultados obtenidos en el
interior y en la frontera se puede determinar de manera directa cu ales son dichos extremos absolutos.
Ejemplo 4.6.1 : Calcular los extremos absolutos de la funci on f(x, y) = x
2
+ 3y
2
x 4y + 1 sobre la
regi on del plano delimitada por los semiplanos x 1, y 1, x +y 1.
La Figura 4.9 representa el dominio D de denici on de la funci on f(x, y), que es un tri angulo de
vertices A(1, 0), B(0, 1) y C(1, 1).
O
Y
X
A(1,0)
B(0,1)
D
y=1
x=1
x+y=1
C(1,1)
Figura 4.9: Dominio delimitado por las rectas x = 1, y = 1, x +y = 1.
Obtenemos en primer lugar los extremos relativos de la funci on:
f
x
(x, y) = 2x 1 = 0 f
y
(x, y) = 6y 4 = 0 =P
1
(
1
2
,
2
3
) D
4.6. EXTREMOS ABSOLUTOS DE FUNCIONES DE VARIAS VARIABLES 89
Luego el punto P
1
es un candidato a extremo absoluto, siendo f(P
1
) =
7
12
.
Veamos que ocurre en la frontera. Esta frontera esta dividida en tres segmentos AC, BC y AB:
AC
_
x = 1
0 y 1
BC
_
y = 1
0 x 1
AB
_
y = x + 1
0 x 1
Hemos de obtener los extremos absolutos de la funcion en cada uno de estos tres segmentos que forman
la frontera del dominio D. Ahora bien la funci on f(x, y) restringida al segmento AC representa la curva
interseccion de la supercie z = f(x, y) con el plano x = 1 (vease la Figura 4.10), y por tanto una curva
dada por una funci on de una variable z = g
1
(y):
_
_
_
z = f(x, y) = x
2
+ 3y
2
x 4y + 1
x = 1
0 y 1
=z = g
1
(y) = 3y
2
4y + 1, 0 y 1
z = x
2
+3y
2
-x-4y+1
x = 1
g
1
(y)
Figura 4.10: Intersecci on de la supercie z = f(x, y) = x
2
+ 3y
2
x 4y + 1 con el plano x = 1.
Hemos de obtener los extremos absolutos de la funcion z = g
1
(y) = 3y
2
4y + 1 en el dominio
D = [0, 1], cuyos candidatos son los posibles extremos relativos de g
1
(y) y los puntos y = 0 e y = 1,
frontera del dominio.
En primer lugar obtenemos los extremos relativos, g
1
(y) = 6y 4 = 0, por lo que y =
2
3
. Teniendo en
cuenta que g
1
(y) = 6 > 0 se trata de un mnimo relativo. Evaluamos la funci on g
1
(y) en los tres posibles
candidatos a extremo absoluto:
g
1
(0) = 1 g
1
(1) = 0 g
1
(
2
3
) =
1
3
por lo tanto la funci on g
1
(y) toma el mnimo absoluto en el punto y =
2
3
, z =
1
3
y el maximo absoluto
en y = 0, z = 1.
Por lo tanto, y teniendo en cuenta que x = 1, son posibles candidatos a extremos absolutos de la
funci on z = f(x, y) los puntos P
2
(1,
2
3
) (candidato a mnimo absoluto) y P
3
(1, 0) (candidato a maximo
absoluto); siendo f(P
2
) =
1
3
y f(P
3
) = 1.
Igualmente la funci on f(x, y) restringida al segmento BC representa la curva interseccion de la super-
cie z = f(x, y) con el plano y = 1 (vease la Figura 4.10), y por tanto una curva dada por una funci on
de una variable z = g
2
(x):
_
_
_
z = f(x, y) = x
2
+ 3y
2
x 4y + 1
y = 1
0 x 1
=z = g
2
(x) = x
2
x, 0 x 1
ON
z = x
2
+3y
2
-x-4y+1
y = 1
g
2
(x)
2
+ 3y
2
x 4y + 1 con el plano y = 1.
Los extremos absolutos de la funci on z = g
2
(x) = x
2
x en el dominio D = [0, 1], tiene por candidatos
los posibles extremos relativos de g
2
(x) y los puntos x = 0 y x = 1, frontera del dominio.
g
2
(x) = 2x 1 = 0, x =
1
2
, g
2
(x) = 2 > 0
Evaluamos la funci on g
2
(x) en los tres posibles candidatos a extremo absoluto:
g
2
(0) = 0 g
2
(1) = 0 g
2
(
1
2
) =
1
4
2
(x) toma el mnimo absoluto en el punto x =
1
2
, z =
1
4
y el maximo absoluto en
x = 0, z = 0. Por lo tanto, y teniendo en cuenta que y = 1, son posibles candidatos a extremos absolutos
de la funci on z = f(x, y) los puntos P
4
(
1
2
, 1) (candidato a mnimo absoluto) y P
5
(0, 1) (candidato a
maximo absoluto); siendo f(P
4
) =
1
4
y f(P
5
) = 0.
Por ultimo hacemos lo mismo con el segmento AB. La funci on f(x, y) restringida al segmento AB
representa la curva interseccion de la supercie z = f(x, y) con el plano x +y = 1 (vease la Figura 4.12),
y por tanto una curva dada por una funci on de una variable z = g
3
(x):
_
_
_
z = f(x, y) = x
2
+ 3y
2
x 4y + 1
x +y = 1
0 x 1
=z = g
3
(x) = 4x
2
3x, 0 x 1
Los extremos absolutos de la funci on z = g
3
(x) = 4x
2
3x en el dominio D = [0, 1], tiene por
candidatos los posibles extremos relativos de g
3
(x) y los puntos x = 0 y x = 1, frontera del dominio.
g
3
(x) = 8x 3 = 0, x =
3
8
, g
3
(x) = 8 > 0
Evaluamos la funci on g
3
(x) en los tres posibles candidatos a extremo absoluto:
g
3
(0) = 0 g
3
(1) = 1 g
2
(
3
8
) =
9
16
3
(x) toma el mnimo absoluto en el punto x =
3
8
, z =
9
16
y el maximo absoluto
en x = 1, z = 1. Y teniendo en cuenta que y = 1 x, son posibles candidatos a extremos absolutos de la
funci on z = f(x, y) los puntos P
6
(
3
8
,
5
8
) (candidato a mnimo absoluto) y P
7
(1, 0) (candidato a m aximo
absoluto); siendo f(P
6
) =
9
16
y f(P
7
) = 1.
Tenemos por tanto los siguientes candidatos a extremo absoluto de la funcion f(x, y):
4.7. PROBLEMAS DE OPTIMIZACI
ON DE FUNCIONES DE VARIAS VARIABLES 91

z = x
2
+3y
2
-x-4y+1
x+y = 1
g
3
(x)
2
+ 3y
2
x 4y + 1 con el plano x +y = 1.
P
1
(
1
2
,
2
3
), P
2
(1,
2
3
), P
3
(1, 0), P
4
(
1
2
, 1), P
5
(0, 1), P
6
(
3
8
,
5
8
), y P
7
(1, 0)
siendo
f(P
1
) =
7
12
, f(P
2
) =
1
3
, f(P
3
) = 1, f(P
4
) =
1
4
,
f(P
5
) = 0, f(P
6
) =
9
16
, y f(P
7
) = 1
La funci on alcanza por tanto el m aximo absoluto en el punto P(1, 0), siendo f(P) = 1, y el mnimo
absoluto en el punto Q(
1
2
,
2
3
), siendo f(Q) =
7
12
.
4.7 Problemas de optimizaci on de funciones de varias variables
Como ya dijimos anteriormente en la practica nos encontramos en numerosas ocasiones con problemas
cuyo planteamiento nos conduce a la obtenci on de los extremos de una funci on, y en muchas de estas
ocasiones las funciones en cuestion presentan mas de una variable. Volveremos a estudiar algunos ejemplos
de estos problemas:
Ejemplo 4.7.1 : Descomponer el n umero 300 como suma de tres n umeros positivos cuyo producto sea
m aximo.
Si dos de estos n umeros son x e y, entonces el tercero sera 300xy. El producto de dichos n umeros,
y por tanto la funci on a maximizar, ser a
f(x, y) = xy(300 x y) = 300xy x
2
y xy
2
, x, y (0, 300)
Obtengamos los extremos relativos de esta funci on:
_
f
x
(x, y) = 300y 2xy y
2
= 0
f
y
(x, y) = 300x 2xy x
2
= 0
=
_
y(300 2x y) = 0
x(300 2y x) = 0
x,y>0
=
_
300 2x y = 0
300 2y x = 0
=x = y = 100
Por lo tanto la funci on f(x, y) = xy(300 x y) = 300xy x
2
y xy
2
tiene como unico punto crtico
el punto P(100, 100). Veamos que se trata de un m aximo relativo.
f
xx
(x, y) = 2y, f
xy
(x, y) = f
yx
(x, y) = 300 2x 2y f
yy
(x, y) = 2x
ON
f
xx
(100, 100) = 200, f
xy
(100, 100) = f
yx
(x, y) = 100 f
yy
(100, 100) = 200
[H(100, 100)[ =
200 100
100 200
= 30000 > 0, f
xx
(100, 100) < 0
y por tanto se trata de un mnimo relativo. Ahora bien, como el dominio de la funci on D = (0, 300)
(0, 300) no tiene frontera, este es el maximo absoluto. Por tanto los n umeros pedidos son x = 100,
y = 100, z = 300 x y = 100.
Ejemplo 4.7.2 Se pretende construir una caja abierta (sin tapa). El material de las paredes cuesta 1
euro cada dm
2
, siendo el coste de la base un 50% m as caro. Cu al es la caja de mayor volumen que
puede fabricarse con 18 euros?
Si las dimensiones de la caja son x, y, z dm
2
, el coste de la base sera 1.5xy euros, mientras que las
caras laterales tienen un coste de (2x + 2y)z euros, por tanto
18 = 1.5xy + (2x + 2y)z =z =
18 1.5xy
2x + 2y
La funci on que hay que maximizar ser a
V (x, y) = xy
18 1.5xy
2x + 2y
=
18xy 1.5x
2
y
2
2x + 2y
_
_
V
x
(x, y) =
3y
2
(12 2xy x
2
)
(2x + 2y)
2
= 0
V
y
(x, y) =
3x
2
(12 2xy y
2
)
(2x + 2y)
2
= 0
=P
1
(0, 0), P
2
(2, 2), P
3
(2, 2)
Teniendo en cuenta que x, y > 0, el unico extremo relativo es P
2
(2, 2).
V
xx
(x, y) =
1.5y
2
(12 +y
2
)
(x +y)
3
; V
yy
(x, y) =
1.5x
2
(12 +x
2
)
(x +y)
3
;
V
xy
(x, y) = V
yx
(x, y) =
1.5xy(12 +x
2
+ 3xy +y
2
)
(x +y)
3
y en el punto P
2
(2, 2):
V
xx
(2, 2) = 1.5 V
xy
(2, 2) = V
yx
(x, y) = 0.75 V
yy
(2, 2) = 1.5
[H(2, 2)[ =
1.5 0.75
0.75 1.5
> 0, V
xx
(2, 2) < 0
y se trata por tanto de un m aximo. Por lo tanto la caja de volumen m aximo tendr a por dimensiones
x = 2 dm, y = 2 dm, z = 1.5 dm, y volumen 6 dm
3
.
4.8 Extremos relativos condicionados
Cuando busc abamos los extremos absolutos de una funci on en un dominio D tenamos que obtener,
ademas de los extremos relativos de la funcion en el interior del dominio, los extremos de la funci on en
la frontera del dominio. Este problema tambien puede ser abordado como veremos a continuaci on.
Vamos a abordar el problema general de encontrar los extremos de una funci on sujeta a ligaduras. A
grandes rasgos, se trata de localizar los valores maximos y mnimos relativos que alcanza f(x) cuando x
recorre una cierta hipersupercie
1
(x) = 0, . . . ,
q
(x) = 0 (ecuaciones que se conocen como ligaduras, y
que en general describen la frontera de una regi on).
Se dice que la funci on f(x) tiene un extremo relativo condicionado a las ligaduras
1
(x) =
0, . . . ,
q
(x) = 0 en un punto a cuando el punto es un extremo relativo de la restriccion de f(x) a
la regi on x :
1
(x) = 0, . . . ,
q
(x) = 0.
Para encontrar tales extremos se puede tratar de proceder de dos maneras:
4.8. EXTREMOS RELATIVOS CONDICIONADOS 93
Utilizar las q ecuaciones de ligaduras para despejar q variables en funci on de las restantes, y buscar
extremos relativos de la funci on que resulta al sustituir en f estas q variables por las restantes.
Seguir el metodo de los multiplicadores de Lagrange.
En cuanto al primer metodo, es fundamental poder garantizar que en cada punto a candidato a
extremo se justique que tiene sentido despejar las q variables en funci on de las restantes. Para ello, es
necesario que la funcion de q componentes = (
1
, . . . ,
q
) sea de clase 1 en un entorno de a y que el
determinante de la submatriz J(a) que determinan las q variables a despejar sea distinto de cero.
Por ejemplo, supongamos que se pretende fabricar una nave de 60 m
3
de volumen; de suelo, techo y
paredes rectangulares. Supuesto que los precios por m
2
son un 50% m as caro para las paredes que para
el techo y el suelo, calcule las dimensiones de la nave de precio mnimo.
En este problema tratamos de minimizar la funcion que mide el costo de construccion de la nave,
pero sujeto a ciertas condiciones particulares (tama no de la nave). Por tanto se trata de un problema de
extremos condicionados.
El costo de construcci on vendr a dado en funci on de la supercie total de la nave edicada. Teniendo
en cuenta que el metro cuadrado de pared cuesta un cincuenta por ciento mas que el metro cuadrado de
suelo o techo, resultar a que si el metro cuadrado de suelo cuesta p euros, el de pared costara p+
1
2
p =
3p
2
euros. De otro modo, si el metro cuadrado de pared cuesta q euros, el metro cuadrado de suelo o techo
costara
2q
3
euros.
Por tanto, suponiendo que la nave tiene por dimensiones x metros de largo, por y metros de ancho,
por z metros de alto; el precio total de construcci on vendr a dado por la expresi on
2xy p + 2xz
3p
2
+ 2yz
3p
2
= (2xy + 3xz + 3yz)p,
resultante de multiplicar la supercie total de cada tipo (suelo y techo, dos paredes opuestas y las paredes
opuestas restantes), por el valor del metro cuadrado correspondiente. Ni que decir tiene que la constante
p resulta irrelevante en la resolucion del problema, por su propio car acter de constante (los extremos de
una funci on f(x
1
, . . . , x
n
) se alcanzan en los mismos puntos que en los de cualquier funci on m ultiplo suyo
p f(x
1
, . . . , x
n
)).
El problema consiste, pues, en minimizar dicha funci on costo condicionada a la ligadura que supone
que el volumen sea de 60 metros c ubicos.
Por tanto, hemos de resolver el problema de encontrar un mnimo de la funci on
f(x, y, z) = 2xy + 3xz + 3yz
condicionado a la ligadura (x, y, z) = 0, siendo
(x, y, x) = xyz 60.
Este problema se puede atacar desde dos puntos de vista: intentar despejar una variable como funcion
implcita de las demas en la ecuacion que dene la ligadura y sustituir su valor en la funci on principal,
para as resolver un problema de optimizaci on con un n umero inferior de variables; o bien, utilizar el
metodo de los multiplicadores de Lagrange, a describir posteriormente.
En el primer caso, es f acil despejar una variable en funci on de las restantes, por ejemplo
z =
60
xy
Pero esto no supone que nosotros podamos directamente asegurar que el problema planteado pasa a ser
el de minimizar la funci on
f
1
(x, y) = 2xy + 3x
60
xy
+ 3y
60
xy
,
dado que primero tenemos que vericar que las condiciones en las que estamos realizando la sustitucion
de la variable z son adecuadas: es decir, siempre hay que comprobar que la derivada parcial de (x, y, z)
respecto de la variable a despejar es no nula en cualquier punto candidato a extremo. Concretamente,
si P
0
= (x
0
, y
0
, z
0
) es un candidato a extremo, ha de ser (x, y, z) diferenciable con diferencial
continua (i.e. de clase 1) en un entorno de P
0
y la derivada parcial de (x, y, x) en P
0
no nula con
ON
respecto a alguna de las variables x, y o z (dado que la matriz jacobiana se reduce, en este caso, al vector
de derivadas parciales primeras).
En nuestro caso, como J(x, y, z) = (yz, xz, xy), este metodo no sera v alido para aquellos candidatos
a extremos dispuestos sobre los ejes cartesianos: hemos de comprobar, pues, cuales son los puntos can-
didatos a extremos tras esta sustitucion, y el metodo sera v alido s olo para aquellos que no esten situados
sobre los ejes de coordenadas. En cualquier caso, como sabemos de la existencia de una restriccion del
tipo xyz = 60, ninguna de estas variables puede llegar a valer cero, luego los puntos crticos buscados en
cuestion no estar an sobre los ejes cartesianos; por lo que es lcito despejar una variable en funci on de las
restantes.
Para encontrar los puntos crticos de la funci on f
1
(x, y) planteamos el sistema
f
1
x
(x, y) = 0
f
1
y
(x, y) = 0
_
_
_
2y
180
x
2
= 0
2x
180
y
2
= 0
_
_
_
Despejando, por ejemplo, la variable y de la primera ecuacion y sustituyendo en la segunda, obtenemos
que
2x
180
_
90
x
2
_
2
= 0,
de donde
2x
x
4
45
= 0 x(2
x
3
45
) = 0
x=0
x
3
= 90 x =
3
90.
(La soluci on x = 0 se ha de desestimar a raz de la condici on de ligadura).
Para este valor x
0
=
3
90 encontramos asociados los valores y

0
=
3
90 (despejando y en la primera
de las ecuaciones anteriores) y z
0
=
2
3
90
3
(a partir de la funci on implcita utilizada previamente).
Tenemos, por tanto, un unico punto candidato a extremo de f
1
, a saber: el punto P
0
= (x
0
, y
0
), que
se corresponde con el punto (x
0
, y
0
, z
0
) candidato a extremo condicionado de la funci on de partida f.
Para poder asegurar que en P
0
la funci on alcanza un mnimo, habr a que probar que la diferencial
segunda de f
1
en P
0
es una forma cuadr atica denida positiva. En este sentido, podemos proceder bien
directamente (buscando cuadrados perfectos o similares), bien estudiando la matriz hessiana y estudiar
la sucesion de menores principales, como vimos anteriormente.
2
f
x
2
(P
0
) =
360
x
3
0
= 4 =
360
y
3
0
=

2
f
y
2
(P
0
),

2
f
xy
(P
0
) = 2,
por lo que la matriz hessiana
H =
_
4 2
2 4
_
es denida positiva (
1
= 4 > 0 y
2
= 4
2
2
2
= 16 4 = 12 > 0) y la funci on f
1
tiene en P
0
un
mnimo.
Conclusi on: la funci on f tiene en (
3
90,
3
90,
2
3
90) un mnimo condicionado a xyz = 60, de donde

las dimensiones de la nave que minimizan el coste de construccion se corresponden con las componentes
del vector anterior, respectivamente.
A continuaci on vamos a describir en que consiste el metodo de los multiplicadores de Lagrange.
Otra manera de calcular los extremos de la funci on f(x
1
, . . . , x
p
) condicionada a las ligaduras
1
(x
1
, . . . , x
p
) = 0, . . . ,
q
(x
1
, . . . , x
p
) = 0, siendo el rango de la matriz jacobiana de (
1
, . . . ,
q
) maximo
(esto es, igual a q); es utilizar la funci on de Lagrange
g(x
1
, . . . , x
p
;
1
, ,
q
) = f(x
1
, . . . , x
p
) +
1
1
(x
1
, . . . , x
p
) + +
q
q
(x
1
, . . . , x
p
)
de modo que:
1. Se buscan los puntos candidatos a extremos relativos, que coinciden con los puntos estacionarios de
g que verican las ligaduras. Para ello, se resuelve el sistema siguiente (el tpico para hallar puntos
crticos), en funci on de las variables x y de los multiplicadores de Lagrange
1
, . . . ,
q
:
f
x1
(x
1
, . . . , x
p
) +
1
(
1
)
x1
(x
1
, . . . , x
p
) + +
q
(
q
)
x1
(x
1
, . . . , x
p
) = 0
f
x2
(x
1
, . . . , x
p
) +
1
(
1
)
x2
(x
1
, . . . , x
p
) + +
q
(
q
)
x2
(x
1
, . . . , x
p
) = 0
.
.
.
f
xp
(x
1
, . . . , x
p
) +
1
(
1
)
xp
(x
1
, . . . , x
p
) + +
q
(
q
)
xp
(x
1
, . . . , x
p
) = 0
1
(x
1
, . . . , x
p
) = 0
2
(x
1
, . . . , x
p
) = 0
.
.
.
q
(x
1
, . . . , x
p
) = 0
_
_
2. Para cada punto a que sea solucion del sistema anterior se estudia la forma cuadr atica w que se ob-
tiene al restringir d
2
g(a) a los vectores (dx
1
, . . . , dx
p
) que anulan las diferenciales d
1
(a), . . . , d
q
(a);
de modo que:
Si w es denida positiva, entonces f tiene en a un mnimo relativo condicionado por las
ligaduras
1
, . . . ,
q
.
Si w es denida negativa, entonces f tiene en a un m aximo relativo condicionado por las
ligaduras
1
, . . . ,
q
.
Si w es semidenida, el metodo no da informacion.
Si w no es ni denida ni semidenida, entonces a no es extremo relativo de f condicionado
por las ligaduras
1
, . . . ,
q
.
Retomemos el ejercicio anterior, de la nave de 60 metros c ubicos.
En el caso de que decidamos resolver el ejercicio anterior (minimizar la funci on f(x, y, z) = 2xy +
3xz + 3yz, sometido a la ligadura (x, y, x) = xyz 60=0), por el metodo de los multiplicadores de
Lagrange, hemos de encontrar los extremos de la funcion de Lagrange
g(x, y, z; ) = f(x, y, z) (x, y, z)
De este modo, lo primero que hay que plantear es el encontrar los puntos crticos, soluciones del
sistema de 4 ecuaciones con 4 inc ognitas
g(x, y, z) = 0
(x, y, z) = 0,
_
que resulta ser
2y + 3z yz = 0
2x + 3z xz = 0
3x + 3y xy = 0
xyz 60 = 0
_
_
xyz=0
=
2y + 3z
yz
=
2x + 3z
xz
=
3x + 3y
xy
xyz = 60
_
=
2y + 3z
yz
2x + 3z
xz
=
2y + 3z
yz
2y + 3z
yz
=
3x + 3y
xy
xyz = 60
_
=
2y + 3z
yz
(2x + 3z)y = (2y + 3z)x
(2y + 3z)x = (3x + 3y)z
xyz = 60
_
=
2y + 3z
yz
y = x
2x = 3z
xyz = 60
_
=
6
3
90
y =
3
90
x =
3
90
z =
2
3
3
90
_
_
dado que es
xyz = 60
2
3
x
3
= 60 x
3
= 90 x =
3
90.
Por tanto, obtenemos el punto crtico P
0
= (
3
90,
3
90,
2
3
3
90), con
0
=
6
3
90
.
Para determinar si en este punto crtico hay un extremo de la funcion, estudiamos el compor-
tamiento de la forma diferencial de segundo orden d
2
g(P
0
,
0
)(dx, dy, dz), que anula la diferencial de
, d(P
0
)(dx, dy, dz) = 0
ON
En nuestro caso, hemos de estudiar el signo de la forma diferencial
d
2
g(P
0
,
0
)(dx, dy, dz) = 2(2
0
z
0
)dxdy + 2(3
0
y
0
)dxdz + 2(3
0
x
0
)dy dz
sometida a la condici on
d(P
0
)(dx, dy, dz) = y
0
z
0
dx +x
0
z
0
dy +x
0
y
0
dz = 0
y teniendo que cuenta que el punto P
0
(x
0
, y
0
, z
0
) es el punto P
0
= (
3
90,
3
90,
2
3
3
90), hemos de estudiar

la siguiente forma diferencial y sometida a la siguiente condici on
4dxdy 6dxdz 6dy dz = 0
2
3
dx +
2
3
dy +dz = 0
_
por lo tanto hemos de estudiar el signo de la forma cuadr atica
4d
2
x + 4dxdy + 4d
2
y,
de matriz hessiana
_
4 2
2 4
_
que es denida positiva ya que
1
= 4 > 0 y
2
= 16 4 = 12 > 0, por lo que en P
0
en efecto se
encuentra un mnimo de f condicionado a y hemos resuelto igualmente el problema.
Nota. Observese que la matriz hessiana obtenida ahora coincide con la calculada en el par agrafo anterior.
El proceso que aqu se ha seguido con una ligadura se puede extrapolar a cualesquiera n umero de ligaduras,
en la forma obvia.
Veamos otro ejemplo.
Ejemplo 4.8.1 Una empresa debe fabricar placas para chips de PCs de unas dimensiones partic-
ulares. Cada placa, simetrica, consta de tres chapas soldadas de materiales A y B tal como indica la
Figura 4.13.
A
B
B
Figura 4.13: Placas para chips de PCs.
El trapecio, de material A, tiene 6 cm
2
de area y 1 cm de altura. Los semicrculos soldados al trapecio
son de material B.
El cm
2
de chapa B cuesta un 20% m as que el cm
2
de chapa A. Se pide:
a) Dimensiones de la placa de coste mnimo. Para este caso, valor de cada placa, si el cm
2
de chapa
A cuesta 20 centimos de euro.
b) Estudiar el apartado anterior cuando el trapecio tiene una altura generica de z centmetros, justif-
icando el resultado. Que ocurre en este caso?
Se trata de un problema de extremos condicionados, en el que hay que minimizar la funci on que mide
el costo de fabricacion de una placa de chapas soldadas para chips de PCs bajo ciertas condiciones
particulares.
El costo de fabricaci on vendr a dado en funci on de la supercie total de las chapas utilizadas, depen-
diendo del valor del cm
2
del material de que se componen cada una de ellas. Teniendo en cuenta que el
centmetro cuadrado de chapa B cuesta un veinte por ciento mas que el centmetro cuadrado de chapa
A, resultar a que si el centmetro cuadrado de chapa A cuesta p euros, el de chapa B costara p +
1
5
p =
6p
5
euros. De otro modo, si el centmetro cuadrado de chapa B cuesta q euros, el centmetro cuadrado de
chapa A costara
5q
6
euros.
cm
2
chapa A p euros [[ cm
2
chapa B p +
p
5
=
6p
5
euros.
Por tanto, suponiendo que el semicrculo menor tiene por radio x, el mayor tiene asimismo por radio
y y la altura del trapecio es z, entonces el precio total de la placa vendr a dado por la suma del costo de
fabricacion de la chapa A,
P
A
= p
2x + 2y
2
z = p z (x +y)
, mas el costo de fabricaci on de las dos placas semicirculares
P
B
=
6p
5

2
x
2
+
6p
5

2
y
2
=
6p
5

2
(x
2
+y
2
)
resultados de multiplicar el precio del centmetro cuadrado de cada chapa por la supercie de cada una
de ellas. Por lo tanto hemos de minimizar la funci on costo de producci on (P
A
+P
B
):
P(x, y, z) =
6p
5

2
(x
2
+y
2
) +p z(x +y) =
_
3
5
(x
2
+y
2
) +zx +zy
_
p
Ni que decir tiene que la constante p resulta irrelevante en la resolucion del problema, por su propio
car acter de constante (los extremos de una funci on f(x
1
, . . . , x
n
) se alcanzan en los mismos puntos que
en los de cualquier funci on m ultiplo suyo p f(x
1
, . . . , x
n
), dependiendo el que conserve el caracter de
maximo o mnimo en que p sea o no positivo).
El problema del apartado a) consiste, pues, en minimizar dicha funci on costo condicionada a la
ligadura que supone que el area y altura del trapecio sean de 6 centmetros cuadrados y 1 centmetro,
respectivamente.
Por tanto, hemos de resolver el problema de encontrar un mnimo de la funci on
f(x, y) =
3
5
(x
2
+y
2
) + 6
condicionado a la ligadura (x, y) = 0, siendo
(x, y) = x +y 6.
La diferencia fundamental con el segundo apartado, es que en este la funcion costo depende de tres
variables, de modo que el problema se traduce en minimizar la funci on
f(x, y, z) =
3
5
(x
2
+y
2
) +zx +zy
condicionado a la ligadura (x, y, z) = 0, siendo
(x, y, x) = zx +zy 6.
Es decir, el primer apartado consiste en un problema de extremos condicionados de una funcion de dos
variables, mientras que el segundo lo es de una funci on de tres variables.
ON
Estos problemas de optimizaci on se pueden atacar desde dos puntos de vista: intentar despejar una
variable como funci on implcita de las demas en la ecuacion que dene la ligadura y sustituir su valor en
la funci on principal, para as resolver un problema de optimizaci on con un n umero inferior de variables;
o bien, utilizar el metodo de los multiplicadores de Lagrange.
Intentando reducir el problema a uno de menos variables, es f acil despejar una variable en funci on de
las restantes, por ejemplo x = 6 y en el caso de la ligadura = 0 o z =
6
x +y
en el caso de = 0.
Pero esto no supone que nosotros podamos directamente asegurar que el problema planteado pase a ser
el de minimizar las funciones
f
1
(y) =
3
5
((6 y)
2
+y
2
) + 6,
y
f
1
(x, y) =
3
5
(x
2
+y
2
) + 6,
dado que primero tenemos que vericar que las condiciones en las que estamos realizando la sustitucion
de las variables respectivas son adecuadas.
Es decir, siempre hay que comprobar que las funciones (x, y) y (x, y, z) que denen las ligaduras
en cada caso verican las condiciones (existencia de un jacobiano no nulo de las funciones componentes
de la ligadura respecto de las variables del espacio imagen) del teorema de la funcion implcita en los
puntos candidatos a extremos: si P
0
= (x
0
, y
0
) y

P
0
(x
0
, y
0
, z
0
) son candidatos a extremos de f y

f,
respectivamente, han de ser (x, y) y (x, y, z) diferenciables con diferencial continua en un
entorno de P
0
y

P
0
y las derivadas parciales de
x
(x, y) en P
0
y
z
(x, y, z) en

P
0
no nulas.
Como d(x, y) = (1, 1), en f podemos aplicar cualquier sustitucion de variables; en cambio, dado que
d (x, y, z) = (z, z, x + y), la sustitucion no ser a posible para aquellos candidatos a extremos dispuestos
sobre el plano bisectriz del segundo y cuarto octantes (en el caso de admitir cualquiera de entre las tres
posibles sustituciones, los puntos prohibidos se situaran en la bisectriz de los cuadrantes segundo y cuarto
del plano z = 0).
Para encontrar los puntos crticos de la funci on f
1
(y) planteamos el sistema
f
1
(y) = 0 4y 12 = 0
que tiene por solucion y
0
= 3.
Para este valor y
0
encontramos asociado el valor x
0
= 3.
Tenemos, por tanto, un unico punto candidato a extremo de f
1
, a saber: el punto (x
0
), que se
corresponde con el punto P
0
= (x
0
, y
0
) candidato a extremo condicionado de la funci on de partida f.
Para poder asegurar que en P
0
la funci on alcanza un mnimo, habr a que probar que la diferencial
segunda de f
1
en P
0
es una forma (diferencial) denida positiva. En este caso, f
1
(y) = 4 > 0, luego se
trata efectivamente de un mnimo.
Conclusi on: la funci on f tiene en (3, 3) un mnimo condicionado a x+y = 6, de donde las dimensiones
de las chapas que minimizan el coste de fabricacion de la placa se corresponden con dos semicrculos de
radio 3 centmetros y un rectangulo de lado 6 centmetros de altura 1 centmetro. En denitiva, el mnimo
se alcanza cuando el trapecio se torna en la gura mas regular posible, que es el rect angulo.
En este caso, si el precio p del centmetro cuadrado de chapa A es de 0.2 euros, entonces cada
placa de precio optimo (mnimo) saldra por
_
3
5
9 + 6
_
0.20 = 7.9858 , es decir, por unos 8 euros
aproximadamente.
Veamos ahora el problema propuesto en el apartado b).
En este caso, la matriz jacobiana de la funci on de ligadura es J (x, y, z) = (z, z, x +y), luego no ser a
v alida sustituci on alguna cuando los puntos crticos esten situados sobre la bisectriz del segundo y cuarto
cuadrante del plano z = 0.
Si planteamos despejar z en la forma z =
6
x +y
, resulta la funcion
f
1
(x, y) =
3
5
(x
2
+y
2
) + 6
anteriormente expresada, de modo que para el c alculo de los puntos crticos hay que resolver el sistema
_
_
6
5
x = 0
6
5
y = 0
z =
6
x +y
que no tiene solucion: habra de ser x = y = 0, valores incompatibles con la tercera de las ecuaciones.
Luego el problema planteado desde esta perspectiva parece no tener solucion.
Si uno trata de utilizar el metodo de los multiplicadores de Lagrange, considerando la funci on
g(x, y, z) =

f(x, y, z) (x, y, z), se encuentra con una situaci on an aloga. De hecho, los puntos crticos
saldran en esta ocasion de la resoluci on del sistema de ecuaciones siguiente,
g(x, y, z) = 0
(x, y, z) = 0,
_
que resulta ser
_
_
3
5
x +z z = 0
3
5
y +z z = 0
x +y (x +y) = 0 = 1
z(x +y) 6 = 0
xyz=0
_
x = 0
y = 0
= 1
0 = 6
_
_
sistema que vuelve a resultar ser incompatible.
La explicacion a este hecho la encontramos en el siguiente razonamiento: la funci on a minimizar es
f
3
5
(x
2
+ y
2
) + z(x + y) sujeta a la restriccion z(x + y) = 6, de modo que en denitiva se trata de
minimizar la funci on h
3
5
(x
2
+ y
2
) + 6 sujeto a z(x + y) = 6. Es claro que la funci on h es siempre
positiva y toma su mnimo absoluto en el origen de coordenadas, donde vale 6. La cuesti on est a en que,
mientras que las variables x e y no tomen simultaneamente el valor 0, siempre existe un valor z que hace
del producto z(x+y) igual a 6; es decir, que tenemos una sucesi on innita de puntos (x, y, z) que verican
la ligadura y tienden al mnimo de la funci on h, que es 6. Y esta sucesion es convergente al origen de
coordenadas. Pero el origen de coordenadas no verica la condici on de ligadura, de modo que no existe
solucion del problema de minimizar la funci on h sujeta a la ligadura propuesta.
Como interpretaci on geometrica, podemos concluir que mientras que los radios de los semicrculos sean
iguales, el precio de la placa es optimo para la altura z de la etapa en cuestion, y cada vez menor cuanto
mas peque no son dichos radios, de modo que el valor umbral se alcanzara para el radio 0, momento en
el que la placa degenera de ser una supercie (objeto de dos dimensiones) a un simple segmento (objeto
de una sola dimensi on).
ON
Captulo 5
Introducci on a la integraci on de
funciones
5.1 El problema del area
El c alculo de areas ha sido constante preocupacion a lo largo de la historia. Son conocidas las f ormulas
obtenidas para determinar el area de diferentes supercies planas: cuadrados, rectangulos, crculos, etc.
No obstante cuando la supercie est a delimitada por una curva no resulta tan f acil obtener el area. Por
ejemplo el area del recinto delimitado por la curva de ecuaci on y =
x
2
+ 1
2
, el eje OX y las rectas x = 0
y x = 2, mostrada en la Figura 5.1 no tiene una f ormula conocida.
0.5
0.5
1
1
1.5
1.5
2
2
0
2.5
2
Figura 5.1:

Area bajo una curva.
Para obtener el area S de este recinto utilizaremos el siguiente procedimiento de aproximaciones
sucesivas: En primer lugar se observa que dicha area se encuentra entre los valores de las areas s
1
y S
1
de
dos rectangulos de base 2 y alturas respectivas los valores mnimo y maximo de f(x) en [0, 2] que, como
la funci on es creciente en el intervalo [0, 2], son h
0
= f(0) =
1
2
y H
0
= f(2) =
5
2
, respectivamente (vease
101
102 CAPTULO 5. INTRODUCCI
ON A LA INTEGRACI
ON DE FUNCIONES
la Figura 5.2). Por tanto,
s
1
= 2
1
2
= 1, S
1
= 2
5
2
= 5, =1 S 5
0.5
0.5
1
1
1.5
1.5
2
2
0
2.5
s
1
S
1
Figura 5.2: Aproximaciones de S: s
1
S S
1
.
Si partimos el intervalo [0, 2] en dos subintervalos iguales [0, 1] y [1, 2] y en cada uno de ellos obtenemos
los rectangulos de bases dichos subintervalos y de alturas los menores (mayores) valores de f(x) en ellos
tendremos nuevas y mejores aproximaciones por defecto s
2
(por exceso S
2
) del area buscada (vease la
Figura 5.3),
s
2
= 1 f(0) + 1 f(1) = 1
1
2
+ 1 1 =
3
2
S
2
= 1 f(1) + 1 f(2) = 1 1 + 1
5
2
=
7
2
_
=
3
2
S
7
2
De la misma forma si partimos el intervalo en tres subintervalos de igual longitud y procedemos de la
misma forma obtendremos nuevas aproximaciones por defecto y por exceso del area S:
s
3
=
2
3
f(0) +
2
3
f(
2
3
) +
2
3
f(
4
3
) =
47
27
S
3
=
2
3
f(
2
3
) +
2
3
f(
4
3
) +
2
3
f(2) =
83
27
_
=
47
27
S
83
27
Si de la misma forma dividimos el intervalo [0, 2] en n subintervalos de igual longitud, estos subin-
tervalos ser an [
2(k 1)
n
,
2k
n
] (para k = 1, . . . , n), obtendremos dos sucesiones s
n
y S
n
de aproximaciones
por defecto y por exceso del area S que verican
s
1
s
2
s
3
. . . s
n
. . . S . . . S
n
. . . S
3
S
2
S
1
siendo s
n
(S
n
) la suma de las areas de los n rectangulos de base
2
n
y alturas los valores menores (mayores)
de la funci on en cada uno de ellos que, por ser la funci on creciente, son los valores en los extremos
izquierdos (derechos) de dichos intervalos (vease la Figura 5.4):
s
n
=
n
k=1
2
n
f(
2(k 1)
n
) ; S
n
=
n
k=1
2
n
f(
2k
n
)
5.1. EL PROBLEMA DEL

AREA 103
0.5
0.5
1
1
1.5
1.5
2
2
0
2.5
s
2
S
2
0.5
0.5
1
1
1.5
1.5
2
2
0
2.5
S
3
s
3
Figura 5.3: Aproximaciones de S: s
1
s
2
s
3
S S
3
S
2
S
1
.
0.5
1
1.5
2
2
0
2.5
2(k-1)/n 2k/n
Figura 5.4: Obtenci on de los terminos kesimos de las sumas de Riemann, s
n
S
n
.
Y tendremos
s
n
=
n
k=1
2
n
_
2(k 1)
n
_
2
+ 1
2
=
1
n
n
k=1
_
_
2(k 1)
n
_
2
+ 1
_
=
4
n
3
n
k=1
(k 1)
2
+ 1
ON A LA INTEGRACI
ON DE FUNCIONES
pero teniendo en cuenta que
n
i=1
i
2
=
n(n + 1)(2n + 1)
6
ser a
n
k=1
(k 1)
2
= 0 + 1
2
+ 2
2
+. . . + (n 1)
2
=
n1
i=1
i
2
=
(n 1)n(2n 1)
6
y tendremos
s
n
=
4
n
3
n
k=1
(k 1)
2
+ 1 =
4
n
3
(n 1)n(2n 1)
6
+ 1 =
2(n 1)(2n 1)
3n
2
+ 1
De la misma forma obtenemos la sucesion de areas por exceso
S
n
=
n
k=1
2
n
f(
2k
n
) =
2(n + 1)(2n + 1)
3n
2
+ 1
Si procedemos indenidamente (paso al lmite cuando n ) obtendremos el valor del area
S = lim
n
s
n
= lim
n
S
n
=
4
3
+ 1 =
7
3
5.2 La integral de Riemann
La integral de Riemann
1
de una funci on f(x) en un intervalo [a, b] coincide con el area encerrada por la
funci on f(x), las rectas x = a y x = b y el eje OX, si f(x) es una funci on no negativa en dicho intervalo.
Para su denici on utilizaremos un metodo similar al utilizado en el ejemplo anterior.
Llamaremos particion de un intervalo [a, b] a todo conjunto T = x
0
, x
1
, . . . , x
n
de n umeros reales
de forma que
a = x
0
< x
1
< x
2
< . . . < x
n
= b
Es decir una partici on divide el intervalo [a, b] en n intervalos m as peque nos de longitud
i
= x
i
x
i1
,
i = 1, . . . , n. Llamaremos norma de la partici on T y la representaremos por [T[ a la mayor de todas las
longitudes de los correspondientes subintervalos
[T[ = max
i=1...n
i
Si todos los intervalos tienen la misma amplitud se dice que la partici on es regular y en este caso
la norma sera [T[ =
b a
n
, siendo n el n umero de intervalos. Evidentemente la particion regular es,
de todas las particiones del mismo n umero de subintervalos, la que tiene menor norma. Por tanto, en
una partici on cualquiera el n umero de elementos sera n
b a
[T[
y si la norma de un partici on tiende a
cero, el n umero de subintervalos tender a a innito. El recproco no es necesariamente cierto ya que si
consideramos, para cada n IN, la partici on del intervalo [0, 1]:
T
n
= 0,
1
n
,
1
n 1
, . . . ,
1
3
,
1
2
, 1
todas tienen norma [T
n
[ =
1
2
y por tanto lim
n
[T
n
[ =
1
2
.
Dadas dos particiones T
1
y T
2
del intervalo [a, b], diremos que T
2
es m as na que T
1
si todos los
subintervalos de T
1
son subintervalos de T
2
, es decir T
1
T
2
. Por ejemplo la partici on T
2
= 0, 1, 2, 3, 4
es una partici on del intervalo [0, 4] mas na que T
1
= 0, 2, 4.
Evidentemente si T
2
es mas na que T
1
se tiene [T
2
[ [T
1
[. Esta relaci on nos ofrece un orden parcial
en el conjunto de particiones de un mismo intervalo.
Una vez introducidos estos conceptos previos pasaremos a denir la integral seg un Riemann de una
funci on y = f(x) en un intervalo [a, b]. No para todas las funciones es posible denir dicha integral. M as
adelante volveremos sobre este detalle, pero por ahora supongamos que f(x) es una funci on continua en
el intervalo cerrado [a, b], como por ejemplo la que muestra la Figura 5.5.
1
Debida a Georg Friedrich Bernhard Riemann (1826-1866)
5.2. LA INTEGRAL DE RIEMANN 105
x
n
=b 0 a=x
0
x
1
x
k
x
k-1
x
3
x
2
x
n-1
y=f(x)
M
k
m
k
S
Figura 5.5: Las sumas de Riemann.
Si tenemos una particion T = a = x
0
, x
1
, x
2
, . . . , x
k1
, x
k
, . . . , x
n1
, x
n
= b, en cada subintervalo
[x
k1
, x
k
] la funci on f(x) alcanza sus valores mnimo m
k
y maximo M
k
. Tomaremos los rectangulos
de base el subintervalo y alturas respectivas m
k
y M
k
y realizamos la suma de todos los rectangulos,
obteniendo dos sumas s(T) y S(T) llamadas respectivamente sumas inferiores y sumas superiores de
Riemann para la partici on T:
s(T) =
n
k=1
m
k
(x
k
x
k1
) S(T) =
n
k=1
M
k
(x
k
x
k1
)
Estas sumas de Riemann tienen las siguientes propiedades:
1. Las sumas inferiores son crecientes, es decir si T
es una partici on m as na que T (T T
) entonces
s(T) s(T
).
2. Las sumas superiores son decrecientes, es decir si T
es una partici on m as na que T (T T
)
entonces S(T) S(T
).
3. Cualquier suma inferior es menor o igual que cualquier suma superior, es decir s(T) S(T
), T, T
particiones de [a, b].

Si repetimos este proceso con una sucesion de particiones T
1
, T
2
, . . ., cada vez mas nas y cuya
norma tienda a cero, tendremos una sucesion creciente de sumas inferiores s
n
y una sucesion decreciente
de sumas superiores S
n
, de forma que
s
1
s
2
s
n
S
n
S
2
S
1
Si los lmites de estas sucesiones existen y son iguales se dice que la funcion f(x) es integrable seg un
Riemann o R-integrable en el intervalo [a, b] y a dicho valor com un se le conoce con el nombre de integral
denida seg un Riemann en dicho intervalo y se representa por:
_
b
a
f(x) dx = lim
n
s
n
= lim
n
S
n
No todas las funciones denidas en un intervalo cerrado son R-integrables en dicho intervalo. A
continuacion enumeramos (sin proponernos entrar en su demostraci on) algunas condiciones sucientes de
integrabilidad seg un Riemann:
Si f(x) es una funci on mon otona en un intervalo cerrado [a, b] entonces f(x) es integrable seg un
Riemann en dicho intervalo.
ON A LA INTEGRACI
ON DE FUNCIONES
Si f(x) es una funci on continua en un intervalo cerrado [a, b] entonces f(x) es integrable seg un
Riemann en dicho intervalo.
El recproco de esta condicion no es siempre cierto, es decir toda funci on R-integrable en un intervalo
no tiene por que ser continua en dicho intervalo, como pone de maniesto la condici on siguiente.
Si f(x) es una funci on acotada que presenta un n umero nito de puntos de discontinuidad en el
intervalo [a, b], entonces f(x) es integrable seg un Riemann en dicho intervalo.
NOTA: Observemos que en las sumas de Riemann tenemos sumas de rect angulos cuyas bases son
subintervalos (cada vez m as peque nos) y cuyas alturas son valores de la funci on en dicho intervalo.
Al pasar al lmite estas sumas discretas se convierten en una suma continua, de forma que cada
sumando representa una porci on innitesimal del area (dS), es decir, un rect angulo de base innitesimal
(innitamente peque na) dx y altura el valor f(x) (vease la Figura 5.6), dS = f(x) dx.
b 0 a dx
y=f(x)
f(x)
dS
Figura 5.6: La integral como suma continua.
Por lo tanto podemos entender que el area S es la suma de las innitas areas innitesimales dS:
S =
_
b
a
dS =
_
b
a
f(x) dx
La variable que aparece en la integral (en el caso anterior, x) es una variable muerta que desaparecer a
una vez obtenida la integral. Es decir esta variable no inuye en la integral, siendo
_
b
a
f(x) dx =
_
b
a
f(t) dt.
5.3 Propiedades de la integral de Riemann
Algunas de las propiedades mas importantes de la integral de Riemann son las siguientes:
Propiedades relacionadas con el area:
1. Si la funci on f(x) es R-integrable y no negativa en el intervalo [a, b] entonces, por la forma de
construir la integral de Riemann podemos armar que la integral de Riemann de f(x) en el
intervalo [a, b] coincide con el area S de la gura delimitada por la curva y = f(x), las rectas
x = a, x = b y el eje OX (vease la Figura 5.5):
S =
_
b
a
f(x) dx, si f(x) 0, x [a, b]
5.3. PROPIEDADES DE LA INTEGRAL DE RIEMANN 107
2. Si la funci on es negativa en dicho intervalo, la relaci on entre el area (que siempre es una
cantidad positiva) y la integral es que tienen el mismo valor absoluto pero la integral de
Riemann nos da un valor negativo, ya que cada uno de los sumandos de las sumas de Riemann
son negativos, pues x
i
x
i1
> 0 y m
i
, M
i
0. Entonces
S =
_
b
a
f(x) dx, si f(x) 0, x [a, b]
Y en general, si la funcion mantiene signo constante en el intervalo [a, b] tendremos
S =
_
b
a
f(x) dx
, si f(x) tiene signo constante en [a, b]

3. Si f(x) es una funci on cualquiera R-integrable en [a, b], para obtener el area que esta encierra
con el eje OX entre las abscisas x = a y x = b habremos de obtener los valores c
1
, . . . , c
n
en
que esta curva corta al eje OX y tendremos intervalos donde la funci on tiene signo constante
y en cada uno de ellos aplicar la propiedad anterior (vease la Figura 5.7), siendo entonces
b 0 a
y=f(x)
S
c
1
c
2
c
3
Figura 5.7:

Area delimitada por la curva de una funci on cualquiera.
S =
_
c1
a
f(x) dx
_
c2
c1
f(x) dx
+ +
_
b
cn
f(x) dx
4. Igualmente, para calcular el area delimitada por dos curvas f(x) y g(x) (vease la Figura 5.8)
obtendremos los puntos c
1
, . . . , c
n
en que se cortan ambas curvas, resolviendo la ecuacion
f(x) = g(x), y la integral sera
0
y=f(x)
y=g(x)
c
1
c
2
c
3
f(c
2
) = g(c
2
)
f(c
1
) = g(c
1
)
f(c
3
) = g(c
3
)
Figura 5.8:

Area delimitada por dos curvas.
S =
_
c2
c1
(f(x) g(x)) dx
+ +
_
cn
cn1
(f(x) g(x)) dx
ON A LA INTEGRACI
ON DE FUNCIONES
Por ejemplo, para calcular el area delimitada por las curvas f(x) = x
2
y g(x) =
x, obtenemos
los puntos de corte de ambas curvas, que se obtienen para aquellos valores tales que f(x) =
g(x), es decir x
2
=
x, que son x = 0 y x = 1 (vease la Figura 5.9). Entonces el area encerrada

por ambas curvas ser a:
S =
_
1
0
(f(x) g(x)) dx
=
_
1
0
(
x x
2
) dx
1
1
0
y=x
2
x=y
2
Figura 5.9:

Area encerrada por las par abolas y = x
2
y x = y
2
.
Como veremos mas adelante esta ultima integral vale
S =
_
1
0
(
x x
2
) dx =
1
3
Propiedades relacionadas con el integrando:
5. Linealidad de la integral respecto del integrando: Es f acil observar que, debido a la propiedad
distributiva del producto respecto de la suma en las sumas de Riemann, si f(x) y g(x) son
dos funciones integrables seg un Riemann en [a, b] y , son dos n umeros reales, la funci on
f(x) + g(x) tambien es integrable seg un Riemann en [a, b] y se verica
_
b
a
(f(x) + g(x)) dx =
_
b
a
f(x) dx +
_
b
a
g(x) dx
6. Si x [a, b], f(x) 0:
_
b
a
f(x) dx 0
7. Si x [a, b], f(x) g(x):
_
b
a
f(x) dx
_
b
a
g(x) dx
8. Dada una funci on cualquiera, podemos ver facilmente que
_
b
a
[f(x)[ dx
_
b
a
f(x) dx
Propiedades relacionadas con el intervalo de integraci on:

5.4. TEOREMAS FUNDAMENTALES DEL C
ALCULO INTEGRAL 109

9. Linealidad respecto del intervalo de integraci on:
Si f(x) es una funci on integrable seg un Riemann en [a, b] y c es interior al intervalo (a < c < b),
entonces f(x) es R-integrable en los intervalos [a, c] y [c, b], siendo
_
b
a
f(x) dx =
_
c
a
f(x) dx +
_
b
c
f(x) dx
10.
_
a
a
f(x) dx = 0
11.
_
b
a
f(x) dx =
_
a
b
f(x) dx
5.4 Teoremas fundamentales del calculo integral
En esta seccion estableceremos la relaci on que existe entre la integral de Riemann y el calculo de derivadas
(mas concretamente el calculo de funciones antiderivadas). Esta relaci on nos permitir a obtener, de una
forma m as sencilla que el proceso descrito anteriormente de sumas de Riemann, el valor de una integral.
Sea f(t) una funci on R-integrable en el intervalo [a, b]. En tal caso esta funcion es R-integrable en
cualquier subintervalo [a, c], c b. Nos planteamos estudiar la funci on
s(x) =
_
x
a
f(t) dt, x [a, b]
Si la funci on f(t) 0, t [a, b], esta funcion representa el area encerrada por la curva y = f(t), el
eje de abscisas y las rectas t = a y t = x, como se aprecia en la Figura 5.10:
Primer teorema fundamental del calculo integral: La derivada de la funci on s(x), antes denida,
coincide en cada punto con el valor de la funci on f(x):
s
(x) =
d
dx
_
x
a
f(t) dt = f(x), x [a, b]
b 0 a
x
y=f(t)
b 0 a
x
y=f(t)
x+h
m
M
h
Figura 5.10: Primer teorema fundamental del c alculo integral.
En efecto, calculemos s
(x):
s
(x) = lim
h0
s(x +h) s(x)
h
= lim
h0
1
h
_
_
x+h
a
f(t) dt
_
x
a
f(t) dt
_
= lim
h0
1
h
_
x+h
x
f(t) dt
ON A LA INTEGRACI
ON DE FUNCIONES
Ahora bien, la ultima integral representa el area encerrada por la curva y = f(x) en el intervalo [x, x+h]
(Figura 5.10). Este area se encuentra comprendida entre las areas de los rect angulos de base h y alturas
respectivas los valores mnimo m(h) y m aximo M(h) de la funci on en dicho intervalo:
m(h) h
_
x+h
x
f(t) dt M(h)h
siendo entonces
m(h)
1
h
_
x+h
x
f(t) dt M(h)
y teniendo en cuenta que al pasar al lmite cuando la amplitud h del intervalo tiende a 0, se tiene
lim
h0
m(h) = lim
h0
M(h) = f(x), tendremos
s
(x) = lim
h0
1
h
_
x+h
x
f(t) dt = f(x)
Segundo teorema fundamental del calculo integral (Regla de Barrow): Si F(x) es una
funci on cuya derivada coincide con el valor de la funci on f(x) en todo el intervalo [a, b] (F
(x) = f(x), x
[a, b]),
2
entonces
_
b
a
f(x) dx = F(b) F(a)
NOTA: La diferencia de valores F(b) F(a) se suele denotar por [F(x)]
b
a
.
En efecto, sabemos que la funci on area s(x) denida anteriormente tambien tiene por derivada la
funci on f(x) en cada punto, por lo tanto las dos funciones s(x) y F(x), al tener ambas la misma derivada
en cada punto, se diferenciaran en una constante. Es decir, existe una constante C IR tal que
s(x) =
_
x
a
f(t) dt = F(x) +C, x [a, b]
Entonces, como s(a) es un area nula, F(a) + C = s(a) = 0 y tenemos el valor de la constante
C = F(a), siendo s(x) = F(x) F(a), x [a, b] y particularmente s(b) = F(b) F(a), con lo que se
tiene el resultado requerido:
_
b
a
f(x) dx = s(b) = F(b) F(a)
5.5 La integral indenida. Calculo de primitivas
Los teoremas fundamentales del calculo integral, y m as concretamente la regla de Barrow, nos establecen
un vnculo entre el calculo integral y el calculo diferencial ya que podremos obtener el valor de una
integral de Riemann de una funci on f(x) en un intervalo (integral denida) simplemente evaluando en
los extremos del intervalo de integracion cualquier funci on primitiva de la funci on f(x), es decir cualquier
funci on F(x) cuya derivada sea la funci on f(x). Por este motivo resulta de especial importancia la
obtenci on de funciones primitivas de una funci on dada.
Es claro que dada una funci on f(x), si existe la funcion F(x) primitiva de f(x), esta no es unica, ya
que a nadiendo cualquier constante obtendramos otra funci on que tambien es primitiva de f(x). Tambien
es claro que dos primitivas de una misma funci on se diferencian en una constante.
Al conjunto de todas las primitivas de una funci on f(x) se le llama integral indenida de f(x) y se
representa por
_
f(x) dx
entonces si F(x) es una funci on primitiva de f(x),
_
f(x) dx = F(x) +C
2
Tal funcion F(x) (tal que F
(x) = f(x), x [a, b]) se conoce con el nombre de funcion primitiva o antiderivada de la
funcion f(x).
5.5. LA INTEGRAL INDEFINIDA. C
ALCULO DE PRIMITIVAS 111

siendo C una constante cualquiera.
Por ejemplo, sabemos que la derivada de x
2
es la funci on 2x, por lo tanto
_
2xdx = x
2
+C
Al calculo de funciones primitivas ir an encaminados nuestros esfuerzos sucesivos. En primer lugar, y
debido a que buscar la funci on primitiva de una funci on f(x) consiste en localizar las funciones F(x) cuya
derivada sea f(x), una lectura en sentido inverso de la tabla de derivadas y sus propiedades m as sencillas,
nos aportar a una lista de funciones primitivas, conocidas con el nombre de integrales inmediatas. Una
lista de tales integrales inmediatas se muestra en la siguiente tabla:
TABLA DE INTEGRALES INMEDIATAS
_
k f(x) dx = k
_
f(x) dx
_
[f(x) +g(x)] dx =
_
f(x) dx +
_
g(x) dx
_
u
n
du =
u
n+1
n + 1
+C (n ,= 1)
_
1
u
du = ln [u[ +C
_
e
u
du = e
u
+C
_
a
u
du =
a
u
ln a
+C (a > 0)
_
senu du = cos u +C
_
cos u du = sen u +C
_
1
cos
2
u
du = tg u +C
_
1
sen
2
u
du = cotg u +C
_
1
1 u
2
du = arcsenu +C =
arccos u +C
_
1
1 +u
2
du = arctg u +C =
arccotg u +C
En esta tabla la variable de integraci on puede ser sustituida, en virtud de la regla de la cadena, por
cualquier funci on u(x). Por ejemplo en la integral
_
2x + 1
x
2
+x + 3
dx =
_
(2x + 1)dx
x
2
+x + 3
=
_
d(x
2
+x + 3)
x
2
+x + 3
= ln [x
2
+x + 3[ + C
hemos aplicado la integral inmediata
_
1
u
du = ln [u[ +C, siendo u = x
2
+x + 3.
Podemos obtener funciones primitivas de funciones m as complejas que las estudiadas anteriormente,
mediante procesos que nos permitan transformar el c alculo de tales primitivas en una de las integrales
inmediatas. Tales procesos se conocen con el nombre de metodos o tecnicas de integracion. Veremos en
este curso algunos de estos metodos, como son los metodos de integracion por sustituci on y metodo de
integraci on por partes.
5.5.1 Metodo de integraci on por sustituci on o por cambio de variable
Si queremos calcular la integral
_
f(x) dx, muchas veces resulta util realizar un cambio de variables,
x = g(t), siendo entonces dx = g
(t) dt, y transformar la integral en una nueva integral

_
f(x) dx =
_
f[g(t)] g
(t) dt =
_
h(t) dt
resolver esta integral y despues deshacer el cambio
_
f(x) dx =
_
h(t) dt = F(t) +C = T[g
1
(x)] +C
Por ejemplo, para calcular la integral
_
x
3
_
x
4
+ 1 dx, realizamos el cambio de variables x
4
+ 1 = t,
siendo entonces 4x
3
dx = dt, quedando
_
x
3
_
x
4
+ 1 dx =
_
x
4
+ 1 = t
4x
3
dx = dt
_ _
dt
4
t dt =
t
3/2
6
=
1
6
t
3
=
1
6
_
(x
4
+ 1)
3
+ C
ON A LA INTEGRACI
ON DE FUNCIONES
Aunque no existe una regla general que nos permita saber cual es el cambio de variables que tendremos
que realizar, si que existen algunos cambios de variable que, combinados con la utilizaci on de f ormulas
conocidas, suelen ser de utilidad en determinados casos. Entre estos cambios se encuentran los siguientes:
Integrales trigonometricas:
Integrales del tipo
_
sen
n
xdx,
_
cos
n
xdx,
_
sen
n
xcos
m
xdx
1.
_
sen
n
xdx con n natural impar: Hacemos el cambio cos x = t y utilizamos la igualdad
sen
2
x + cos
2
x = 1.
Por ejemplo si tenemos la integral
_
sen
7
xdx:
_
sen
7
xdx =
_
sen
6
x sen xdx =
_
(1 cos
2
x)
3
senxdx
y haciendo el cambio cos x = t, tendremos senxdx = dt, entonces
_
sen
7
xdx =
_
(1 cos
2
x)
3
senxdx =
_
(1 t
2
)
3
dt =
_
(t
6
3t
4
+ 3t
2
1) dt
y esta integral ya es inmediata
_
(t
6
3t
4
+ 3t
2
1) dt =
t
7
7

3t
5
5
+t
3
t, entonces
_
sen
7
xdx =
cos
7
x
7

3 cos
5
x
5
+ cos
3
x cos x +C
2.
_
cos
n
xdx con n natural impar:
Hacemos el cambio sen x = t y utilizamos la igualdad sen
2
x + cos
2
x = 1
3.
_
sen
n
xdx o
_
sen
n
xdx, con n natural par:
La haremos utilizando sucesivamente las razones trigonometricas del angulo mitad
sen
2
x =
1 cos 2x
2
cos
2
x =
1 + cos 2x
2
Por ejemplo, la integral
_
cos
6
xdx:
_
cos
6
xdx =
_
(cos
2
x)
3
dx =
_ _
1 + cos 2x
2
_
3
dx =
=
1
8
_
_
1 + 3 cos 2x + 3 cos
2
2x + cos
3
2x
_
dx =
1
8
_
x +
3
2
sen2x + 3I
1
+I
2
_
donde I
1
=
_
cos
2
2xdx es una nueva integral de este tipo (n par, pero m as peque no) e
I
2
=
_
cos
3
2xdx lo es del tipo anterior (n impar):
I
1
=
_
cos
2
2xdx =
_ _
1 + cos 4x
2
_
dx =
x
2
+
sen4x
8
I
2
=
_
cos
3
2xdx =
_
cos
2
2xcos 2xdx =
_
(1 sen
2
2x) cos 2xdx =
=
_
sen 2x = t
2 cos 2xdx = dt
_ _
(1 t
2
)
dt
2
=
t
2

t
3
6
=
sen 2x
2

sen
3
2x
6

Entonces
_
cos
6
xdx =
1
8
_
x +
3
2
sen2x + 3
_
x
2
+
sen 4x
8
_
+
sen 2x
2

sen
3
2x
6
_
=
=
5x
16
+
sen 2x
4

sen
3
2x
48
+
3 sen4x
64
+C
4.
_
sen
n
xcos
m
xdx siendo n entero impar (o m entero impar):
Hacemos cos x = t (o sen x = t) y procedemos como en el caso 1.
Por ejemplo, para calcular
_
sen
3
x
cos
4
x
dx:
_
sen
3
x
cos
4
x
dx =
_
sen
2
xcos
4
xsen xdx =
_
(1 cos
2
x) cos
4
xsen xdx =
=
_
_
cos
4
x cos
2
x
_
sen xdx =
_
cos x = t
senxdx = dt
_ _
_
t
4
t
2
_
(dt) =
=
_
_
t
2
t
4
_
dt =
t
1
1

t
3
3
=
1
t
+
1
3t
3
=
1
cos x
+
1
3 cos
3
x
+C
5.
_
sen
n
xcos
m
xdx siendo n y m enteros pares:
En este caso procederemos como en el caso 3.
Por ejemplo,
_
sen
2
xcos
4
xdx.
_
sen
2
xcos
4
xdx =
_
1 cos 2x
2
_
1 + cos 2x
2
_
2
dx =
=
1
8
_
_
1 + cos 2x cos
2
2x cos
3
2x
_
dx =
1
8
_
x +
sen 2x
2
I
1
I
2
_
siendo I
1
e I
2
las integrales:
I
1
=
_
cos
2
2xdx =
_
1 + cos 4x
2
dx =
x
2
+
sen4x
8
I
2
=
_
cos
3
2xdx =
_
cos
2
2xcos 2xdx =
_
(1 sen
2
2x) cos 2xdx =
=
_
sen 2x = t
2 cos 2xdx = dt
_ _
(1 t
2
)
dt
2
=
t
2

t
3
6
=
sen 2x
2

sen
3
2x
6
Por lo tanto
_
sen
2
xcos
4
xdx =
1
8
_
x +
sen 2x
2

x
2

sen4x
8

sen2x
2
+
sen
3
2x
6
_
=
=
x
16
+
sen
3
2x
48

sen 4x
64
+C
Integrales irracionales:
Integrales que contienen las expresiones

a
2
x
2
,

a
2
+x
2
o

x
2
a
2
.
Los cambios de variable que se realizar an y las simplicaciones son las siguientes:
ON A LA INTEGRACI
ON DE FUNCIONES
1. Si se tiene

a
2
x
2
, hacemos x = a sen t, entonces
_
a
2
x
2
=
_
a
2
a
2
sen
2
t = a cos t
Calculemos la integral
_
_
a
2
x
2
dx:
_
_
a
2
x
2
dx =
_
_
x = a sent
dx = a cos t dt
a
2
x
2
= a cos t
_
_
_
a
2
cos
2
t dt =
a
2
2
_
(1 + cos 2t) dt =
=
a
2
2
_
t +
sen2t
2
_
=
a
2
2
(t + sen t cos t)
y para deshacer el cambio tenemos en cuenta que a sent = x, entonces t = arcsen
x
a
y cos t =
1 sen
2
t =
_
1
x
2
a
2
=
a
2
x
2
a
:
_
_
a
2
x
2
dx =
a
2
2
(t + sen t cos t) =
a
2
2
_
arcsen
x
a
+
x
a
a
2
x
2
a
_
=
=
a
2
2
arcsen
x
a
+
x
2
_
a
2
x
2
+C
2. Si se tiene

a
2
+x
2
, hacemos x = a tg t, entonces
_
a
2
+x
2
=
_
a
2
+a
2
tg
2
t =
a
cos t
Como ejemplo calculemos la integral
_
dx
x
2
25 +x
2
.
_
dx
x
2
25 +x
2
=
_
_
x = 5 tg t
dx =
5
cos
2
t
dt
25 +x
2
=
5
cos t
_
_
_ 5
cos
2
t
dt
25 tg
2
t
5
cos t
=
=
1
25
_
cos t
sen
2
t
dt =
_
u = sen t
du = cos t dt
_
1
25
_
du
u
2
=
1
25u
=
1
sent
para deshacer el cambio de variable, tenemos en cuenta que x = 5 tg t, es decir tg t =
x
5
,
entonces:
1
sen t
=
_
1
sen
2
t
=
_
1 + cotg
2
t =
1 +
1
tg
2
t
=
_
1 +
25
x
2
=
25 +x
2
x
por lo tanto
_
dx
x
2
25 +x
2
dx =
25 +x
2
25x
+C
3. Si se tiene

x
2
a
2
, hacemos x =
a
cos t
, entonces
_
x
2
a
2
=
_
a
2
cos
2
t
a
2
= a tg t
Por ejemplo, calculemos la integral
_

x
2
1
x
3
dx
_

x
2
1
x
3
dx =
_
_
x =
1
cos t
dx =
sen t
cos
2
t
dt
x
2
1 = tg t
_
_ =
_
tg t
1
cos
3
t
sen t
cos
2
t
dt =
_
sen
2
t dt =

=
_
1 sen 2t
2
dt =
t
2

sen 2t
4
=
t
2

sent cos t
2
y para deshacer el cambio, x =
1
cos t
:
cos t =
1
x
, sen t =
_
1
1
x
2
=
x
2
1
x
, t = arccos
1
x
_

x
2
1
x
3
dx =
1
2
arccos
1
x

x
2
1
2x
2
+C
5.5.2 Metodo de integraci on por partes
Este metodo se basa en la f ormula para obtener la funci on derivada de un producto de dos funciones
u(x) v(x). Sabemos que [u(x) v(x)]
= u
(x) v(x) + u(x) v
(x), entonces teniendo en cuenta que la

diferencial de una funci on es df(x) = f
(x) dx, tendremos

d(u v) = [u(x) v(x)]
dx = u
(x) dx v(x) +u(x) v
(x) dx = v du +u dv
es decir
u dv = d(u v) v du
tomando integrales, y teniendo en cuenta que
_
d(u v) = u v, obtenemos la f ormula de integraci on por
partes
_
u dv = u v
_
v du
Como ejemplo calculemos la integral
_
x ln x dx. Si hacemos u = ln x y dv = xdx, la integral
propuesta es
_
u dv. Ahora bien, si u = ln x, du = u
dx =
1
x
dx, y si dv = xdx, entonces v =
_
dv =
_
xdx =
x
2
2
, por lo que
_
x ln x dx =
_
u dv = u v
_
v du = ln x
x
2
2

_
x
2
2
1
x
dx
pero esta ultima integral es inmediata:
_
x ln x dx =
x
2
2
ln x
_
x
2
dx =
x
2
2
ln x
x
2
4
+C
5.5.3 Los metodos de integracion en la integral denida
Veamos como afecta el uso de los metodos de integracion al c alculo de una integral denida
_
b
a
f(x) dx.
Para ello hemos de tener en cuenta la regla de Barrow, es decir si F(x) es una funci on primitiva de f(x),
entonces
_
b
a
f(x) dx = F(b) F(a).
Metodo del cambio de variable: Si en una integral realizamos el cambio de variable x = g(t), y
sabemos que los valores a y b se obtienen para los valores t
1
y t
2
, respectivamente: a = g(t
1
) y b = g(t
2
),
entonces al aplicar el metodo de integracion por cambio de variable tendremos:
_
b
a
f(x) dx =
_
t2
t1
f(g(t))g
(t) dt =
_
t2
t1
h(t) dt == [H(t)]
t2
t1
= H(t
2
) H(t
1
)
donde H(t) es una funci on primitiva de h(t).
Calculemos como ejemplo el area del crculo de radio r. Si centramos el crculo en el origen, la
circunferencia exterior verica la ecuacion x
2
+ y
2
= r
2
, por lo tanto (vease la Figura 5.11) el area del
crculo sera
S = 4
_
r
0
_
r
2
x
2
dx
ON A LA INTEGRACI
ON DE FUNCIONES
0
x
2
+ y
2
= r
2
r
Figura 5.11: El area del crculo x
2
+y
2
r
2
.
Si efectuamos el cambio x = r sent, hemos de tener en cuenta que los extremos de integracion son
0 = r sen0 y r = r sen

2
, entonces:
S = 4
_
r
0
_
r
2
x
2
dx =
_
_
x = r sen t
dx = r cos t dt
x = 0 t = 0
x = r t =

2
_
_
4
_
2
0
_
r
2
r
2
sen
2
t r cos t dt = 4r
2
_
2
0
cos
2
t dt
y para resolver esta integral tengamos en cuenta que cos t =
_
1 cos(2t)
2
y por tanto cos
2
t =
1 cos(2t)
2
=
1
2

cos(2t)
2
.
S = 4r
2
_
2
0
cos
2
t dt = 4r
2
_
2
0
_
1
2

cos(2t)
2
_
dt = 4r
2
_
t
2
+
sen(2t)
4
_
2
0
= r
2
Metodo de integracion por partes: Cuando tratamos de integrales denidas es f acil observar,
teniendo en cuenta la regla de Barrow, que la f ormula de integraci on por partes se transforma en la
f ormula
_
b
a
u dv = [u v]
b
a
_
b
a
v du
donde [u v]
b
a
= u(b) v(b) u(a) v(a).
Por ejemplo, calculemos
_
e
1
ln xdx:
_
e
1
ln xdx =
_
u = ln x du =
dx
x
dv = dx v = x
_
[xln x]
e
1
_
e
1
dx = e [x]
e
1
= e (e 1) = 1
Apendice A
Calculo de lmites de funciones de
una variable: Gua rapida
Llamaremos entorno reducido de un punto a IR a los intervalos que se forman al eliminar a de un
intervalo abierto que contenga el punto a. Por ejemplo, para > 0, (a , a) (a, a +), conjunto de los
puntos x IR tales que 0 < [x a[ < , constituye un entorno reducido de a, que llamamos -entorno de
a.
Un entorno reducido de es cualquier intervalo abierto con extremo . Por ejemplo, para > 0,
(, ) y (, +) son entornos reducidos de e , respectivamente; que llamamos -entornos de
.
En adelante, para denotar que a IR o a = escribiremos sencillamente que a es nito o innito.
Sea f : D IR IR denida en un entorno reducido de a, para a nito o innito. Se dice que la
funci on f tiene lmite l (nito o innito) en el punto a, y se nota l = lim
xa
f(x), cuando para cada n umero
real > 0 existe un -entorno reducido de a de modo que para todos los x de dicho entorno se tiene que
f(x) pertenece al -entorno de l. En otras palabras:
Para a nito y l nito: se tiene que lim
xa
f(x) = l si, y s olo si, para todo > 0 existe un > 0
tal que [f(x) l[ < para todos los x D con 0 < [x a[ < .
Por ejemplo, se tiene que lim
x0
xln [x[ = 0.
1
2 AP
ENDICE A. C
ALCULO DE L
IMITES DE FUNCIONES DE UNA VARIABLE: GU
IA R
APIDA
-4 -2 2 4
-1.5
-1
-0.5
0.5
1
1.5
Figura A.1: Lmite l nito en un punto a nito
Para a nito y l innito: se tiene que lim
xa
f(x) = (resp., lim
xa
f(x) = +), si para todo > 0
existe un > 0 tal que f(x) > k (resp., f(x) < k) para todos los x D con 0 < [x a[ < .
x0
ln [x[ = .
-4 -2 2 4
-5
-4
-3
-2
-1
1
Figura A.2: Lmite l innito en un punto a nito
Para a innito y l nito: se tiene que lim
x
f(x) = l (resp., lim
x
f(x) = l) si, y solo si, para
todo > 0 existe un > 0 tal que [f(x) l[ < para todos los x D con x > (resp. x < ).
x
e
x
= 0.
3
-4 -2 2 4
10
20
30
40
50
60
70
Figura A.3: Lmite l nito en un punto a innito
Para a innito y l innito: se tiene que lim
x
f(x) = (resp., lim
x
f(x) = ) si, y solo si,
para todo > 0 existe un > 0 tal que f(x) > para todos los x D con x > (resp. x < ).
An alogamente, se tiene que lim
x
f(x) = (resp., lim
x
f(x) = ) si, y solo si, para todo
> 0 existe un > 0 tal que f(x) < para todos los x D con x > (resp. x < ).
x
e
x
= .
-4 -2 2 4
10
20
30
40
50
60
70
Figura A.4: Lmite l innito en un punto a innito
Es f acil demostrar que si f tiene lmite en un punto a, dicho lmite es unico. M as a un, si l es nito,
en ese caso f esta acotada en un entorno de a, y si l ,= 0 ademas f tiene el mismo signo que l en un
entorno sucientemente peque no de a.
Con normalidad, un lmite se podr a calcular mediante sustitucion directa, a veces previa manipulaci on
algebraica:
lim
x1
x 1
x + 1
=
1 1
1 + 1
=
0
2
= 0.
lim
x
x
3
+x 2
3x
4
+ 1
= lim
x
_
x
3
x
4

1 +
1
x
3 +
1
x
4
_
= lim
x
_
1
x

1
3
_
= 0.
lim
x2
1
x 2
no existe, puesto que en cualquier entorno reducido de 2 la funci on f(x) no toma valores
alrededor de un mismo punto l: cuando x se aproxima a 2 por valores m as peque nos que el propio
2, x 2 se aproxima a 0 por valores negativos, de donde
1
x 2
se aproxima a ; por otra parte,
cuando x se aproxima a 2 por valores mayores que 2, x2 se aproxima a cero por valores positivos,
de donde
1
x 2
tiende a +.
En este ultimo ejemplo ha surgido la noci on de lmite lateral, por la izquierda o por la derecha,
seg un nos aproximemos al punto a por valores estrictamente menores o mayores, respectivamente; que
denotamos por lim
xa
f(x) y lim
xa
+
f(x), seg un sea el caso. As, existe lim
xa
f(x) = l si, y s olo si, existen
los lmites laterales y coinciden con dicho valor, lim
xa
f(x) = lim
xa
+
f(x) = l.
4 AP
ENDICE A. C
ALCULO DE L
IA R
APIDA
Por ejemplo, lim
x0
x
2
+ 2x
x
3
+ 4x
2
= lim
x0
x(x + 2)
x
2
x + 4
= lim
x0
x
[x[
, que no existe, puesto que los lmites
laterales son distintos: lim
x0
x
[x[
= lim
x0
x
x
= 1, mientras que lim
x0
+
x
[x[
= lim
x0
+
x
x
= 1 ,= 1.
En lo que sigue, indistintamente es a nito o innito. Algunas propiedades b asicas concerniendo a
lmites y funciones son:
1. Si lim
xa
f(x) = l IR, entonces para cualquier k real con k < l (resp., k > l) existe un entorno
reducido de a de modo que k < f(x) (resp., k > f(x)).
2. M as a un, si lim
xa
f(x) = l IR y lim
xa
g(x) = m IR con l < m, entonces f(x) < g(x) en un entorno
reducido de a.
3. Si lim
xa
f(x) = l IR y k es un n umero real con k < f(x) (resp., k > f(x)) en un entorno reducido
de a, entonces se tiene que k l (resp., k l).
4. M as a un, si lim
xa
f(x) = l IR, lim
xa
g(x) = m IR y f(x) < g(x) en un entorno reducido de a,
entonces l m.
5. Si f(x) h(x) g(x) en un entorno reducido de a y lim
xa
f(x) = lim
xa
g(x) = l, entonces existe
lim
xa
h(x) = l. Esta propiedad se conoce como regla del sandwich o del emparedado.
6. El algebra de lmites se adapta a las operaciones aritmeticas elementales, de modo que los lmites
de sumas, productos, cocientes, logaritmos y exponenciaciones resultan ser las sumas, productos,
cocientes, logaritmos y exponenciaciones de los lmites correspondientes, siempre que estos esten
denidos. En concreto, si lim
xa
f(x) = l y lim
xa
g(x) = m, entonces:
lim
xa
(f(x) +g(x)) = l +m, siempre que no de lugar a una expresion del tipo .
lim
xa
(f(x) g(x)) = l m, siempre que no de lugar a una expresion del tipo 0 .
lim
xa
f(x)
g(x)
=
l
m
, siempre que no de lugar a una expresion del tipo
0
0
o
.
lim
xa
log
b
f(x) = log
b
l, para l, b > 0, b ,= 1.
lim
xa
b
f(x)
= b
l
, para b > 0.
lim
xa
g(x)
f(x)
= m
l
, siempre que no de lugar a una expresion del tipo 1
,
0
o 0
0
.
Hemos de hacer notar que las unicas indeterminaciones existentes en el calculo de lmites son las 7
contempladas en el apartado anterior:
, 0 ,
0
0
,

, 1
,
0
y 0
0
En realidad, las tres ultimas se reducen a las anteriores tomando logaritmos neperianos, de modo que
lim
xa
f(x)
g(x)
= lim
xa
e
g(x) ln(f(x))
.
Cualquier otra expresi on involucrando los valores 0, 1 y no son indeterminaciones, como por
ejemplo los casos
+(= +), (= ), (= ),
0
(= 0),

0
(= ),
c
(= 0),
c
0
(= ), log
b>1
(= +),
log
b<1
(= ), log
b>1
0
+
(= ), log
b<1
0
+
(= +),
(b > 1)
+
(= +), ([b[ < 1)
+
(= 0), (b 1)
+
(= /),
([b[ > 1)
(= 0), (0 < b < 1)
(= +), (1 < b < 0)
(= /), 0
+
(= 0),
0
(= +), +
+
(= +), ()
+
(= /), ()
(= 0).
5
A la hora de resolver de manera efectiva un lmite, se suele emplear el metodo de sustitucion directa,
siempre que no origine una indeterminaci on; en cuyo caso, a veces resulta ventajoso utilizar innitesimos
e innitos equivalentes, o incluso la regla de LHopital.
Una funci on f : D IR IR es un innitesimo (resp., innito) en a (nito o innito) cuando existe
lim
xa
f(x) = 0 (resp., = ).
Por ejemplo, xa, sen(xa), tg(xa), ln(1+xa), 1cos(xa), e(1+xa)
1
|xa|
son innitesimos
en x = a, para a IR, y
1
x
, e
x
,
1
ln x
, e
_
1 +
1
x
_
x
son innitesimos en x = .
Por su parte, x, e
x
, ln x son innitos en x = , y
1
[x a[
, ln [x a[ son innitos en x = a, con a IR.
Podemos destacar las siguientes propiedades:
1. Si f es un innitesimo en a y g esta acotada en un entorno reducido de a, entonces su producto
fg es un innitesimo en a. Ejemplo: x es un innitesimo en x = 0 y sen
1
x
esta acotada en todo su
dominio de denici on, de donde x sen
1
x
tambien es un innitesimo en x = 0.
2. Si f es un innito del tipo +(resp., ) en a y g esta acotada inferiormente (resp., superiormente)
en un entorno de a, entonces f + g es asimismo un innito del mismo tipo. Ejemplo: x es un
innito en x = , y e
x
esta acotada inferiormente (por 0), de donde e
x
x es un innito en
x = .
3. f es un innito en a si, y s olo si,
1
f
es un innitesimo en a. Hay que tener cuidado con este enunciado,
porque no sera del todo cierto si cambiamos los nombres de sitio: f puede ser un innitesimo en
x = a y
1
f
no ser un innito en x = a, por la sencilla raz on de que no exista lim
xa
1
f(x)
. Es el caso de
f(x) = x en x = 0. S sera cierto que f es un innitesimo en x = a si, y s olo si,
1
[f[
es un innito
en x = a. Es importante entender la sutil diferencia al considerar
1
f
o
1
[f[
, que pueden dar lugar a
valores y exclusivamente alrededor de un cero de f, respectivamente.
Los innitesimos (resp., innitos), pueden compararse entre s, para determinar la velocidad relativa
con la que se aproximan a 0 (resp., ). As:
Si f y g son dos innitos (resp., innitesimos) en a y
f
g
es asimismo otro innito (resp., innitesimo)
en a, entonces se dice que f es de mayor orden que g y se nota ord
xa
(f(x)) > ord
xa
(g(x)). Al comparar
los ordenes de los innitos usuales, resulta que
ord
x+
(ln
p
x) < ord
x+
(x
q
) < ord
x+
(b
x
) < ord
x+
(x
cx
)
para b, c, p, q > 0. Es por eso que
lim
x
ln
p
x
x
q
= lim
x
x
q
b
x
= lim
x
b
x
x
cx
= .
Si lim
xa
g(x)
f(x)
= 0 se dice que g(x) es despreciable frente a f(x) en un entorno de a, y se denota
g(x) = o(f(x)), siguiendo la notacion de Landau. En denitiva, g(x) es de un orden inferior a f(x)
en un entorno de a.
Si lim
xa
g(x)
f(x)
= l IR 0, entonces f(x) y g(x) son del mismo orden en un entorno de a y se
nota g(x) = O(f(x)). Por ejemplo, f(x) = (1 +x)
1
|x|
y g(x) = e son del mismo orden en x = 0, de
suerte que lim
x0
(1 + x)
1
|x|
= e. An alogamente, h(x) =
_
1 +
1
x
_
x
y g(x) = e son del mismo orden
6 AP
ENDICE A. C
ALCULO DE L
IA R
APIDA
en x = +, dado que lim
x
_
1 +
1
x
_
x
= e. De hecho, estos dos lmites son de mucha ayuda para
resolver en multitud de ocasiones indeterminaciones del tipo 1
.
Si lim
xa
f(x)
(x a)
= l IR0, entonces ord

xa
(f(x)) = IR. An alogamente, en el caso de innitos,
si lim
x
f(x)
x
= l IR 0, entonces ord
x
(f(x)) = IR.
Dos funciones f y g con el mismo lmite en un punto a se dicen equivalentes en a, y se nota f
a
g,
cuando f(x) = g(x) +o(g(x)) en un entorno de a.
Funciones f y g equivalentes en a pueden sustituirse una por otra en el c alculo de lmites en a de
cocientes o productos:
lim
xa
h(x) f(x) = lim
xa
h(x) g(x), lim
xa
h(x)
f(x)
= lim
xa
h(x)
g(x)
.
Los innitesimos equivalentes en x = 0 mas utilizados son del tipo
(x) e
(x)
1 sen(x) tg (x) ln(1 +(x)) y 1 cos (x)

2
(x)
2
,
frecuentemente tomando (x) = x.
Veamos algunos ejemplos:
lim
x1
xln x
x
2
1
= lim
x1
xln(1 + (x 1))
(x + 1)(x 1)
= lim
x1
x
x + 1
=
1
2
.
lim
x0
+
xln x
x
2
1
= lim
x0
+
xln x = lim
x0
+
ln
1
x
1
x
= 0, puesto que ln x = ln x
1
= ln
1
x
y cuando x 0
+
se tiene que y =
1
x
+. Ademas, por otra parte, ya se vio antes que ord
y+
(ln y) < ord
y+
(y).
lim
x0
(cos x)
cotg
2
x
= lim
x0
e
cotg
2
xln(cos x)
= e
1
2
, ya que lim
x0
cotg
2
x ln(cos x) =
lim
x0
cos
2
xln(1 + cos x 1)
sen
2
x
= lim
x0
cos x 1
sen
2
x
= lim
x0
x
2
2
x
2
=
1
2
, utilizando los innitesimos
equivalentes pertinentes en x = 0.
Para nalizar este breve repaso del c alculo de lmites incluimos la Regla de LHopital. Este metodo
sirve a veces, en funciones de comportamiento adecuado, para resolver indeterminaciones del tipo
0
0
o
. Observemos que las restantes indeterminaciones siempre se pueden llevar a una de estos tipos, con
una mnima manipulaci on algebraica.
Regla de LHopital: sean f, g : IR IR dos innitos (resp., innitesimos) en a (nito o innito),
ambos derivables en un entorno reducido de a, de modo que g
(x) ,= 0 para todo x en dicho entorno

reducido. Si existe lim
xa
f
(x)
g
(x)
= l, nito o innito, entonces existe lim
xa
f(x)
g(x)
y vale l. El enunciado
tambien es valido si se sustituyen los lmites por lmites laterales.
Hemos de observar que si
f
(x)
g
(x)
carece de lmite cuando x a, entonces no se puede asegurar nada
acerca de la existencia o no del lmite lim
xa
f(x)
g(x)
.

Este es el caso de los lmites lim
x0
x
2
sen
1
x
senx
(que existe y
vale 0) y lim
x0
senx
2
xcos
1
x
(que no existe).
Ejemplos de aplicaci on de la regla de LHopital los encontramos en la comparaci on de algunos in-
nitesimos e innitos:
7
lim
x0
+
x ln x = lim
x0
+
ln x
x
1
L
H
= lim
x0
+
x
1
x
2
= lim
x0
+
x = 0. Aqu hemos podido aplicar la regla de
LHopital porque tanto f(x) = ln x como g(x) =
1
x
son funciones derivables en un entorno reducido
de 0
+
con g
(x) ,= 0 (por ejemplo, el intervalo (0, 1)).

Para p, q > 0, lim
x
ln
p
x
x
q
L
H
= lim
x
px
1
ln
p1
x
qx
q1
=
p
q
lim
x
ln
p1
x
x
q
= = 0, pues aplicando
sucesivamente la regla de LHopital y simplicando, la funci on del denominador se mantiene ja,
x
q
, mientras que la del numerador va transform andose en ln
k
x para exponentes k cada vez mas
peque nos, de modo que llegara a ser k 0; resultando el lmite entonces igual a 0. Aqu hemos
podido aplicar la regla de LHopital porque tanto f(x) = ln
k
x como g(x) = x
q
son funciones
derivables en un entorno reducido de con g
(x) ,= 0 (por ejemplo, el intervalo (2, )).

Para q, b > 0, lim
x
x
q
b
x
L
H
= lim
x
qx
q1
b
x
ln b
=
q
ln b
lim
x
x
q1
b
x
= = 0, pues aplicando sucesivamente
la regla de LHopital y simplicando, la funci on del denominador se mantiene ja, b
x
, mientras que
la del numerador va transform andose en x
k
para exponentes k cada vez mas peque nos, de modo que
llegar a a ser k 0; resultando el lmite entonces igual a 0. Aqu hemos podido aplicar la regla de
LHopital porque tanto f(x) = x
k
como g(x) = b
x
son funciones derivables en un entorno reducido
de con g
(x) = ln b b
x
,= 0 (por ejemplo, el intervalo (2, )).
Hay que tener cuidado cuando se pretenda aplicar la regla de LHopital, porque puede dar lugar a la
aparici on reiterada de indeterminaciones.
Por ejemplo, si b, c > 0, lim
x
b
x
x
cx
L
H
= lim
x
b
x
ln b
c(ln x + 1)x
cx
L
H
= lo que abre un proceso sin n. Sin
embargo, si directamente se hubiera planteado lim
x
b
x
x
cx
= lim
x
_
b
x
c
_
x
= 0, pues es un lmite del tipo
0
, que ni por asomo constituye una indeterminaci on.

Tambien es frecuente cometer un error al tratar de aplicar la regla de LHopital a cocientes de funciones
que no son simult aneamente innitos o innitesimos.
Por ejemplo, lim
x0
x
2
e
x
1
L
H
= lim
x0
2x
e
x
. Muchos tendr an la tentaci on de aplicar nuevamente la regla de
LHopital para decir que
lim
x0
2x
e
x
L
H?
= lim
x0
2
e
x
= 2,
lo cual es absurdo, dado que, por sustituci on directa, se tiene que lim
x0
2x
e
x
=
0
1
= 0. El error sobreviene
al aplicar la regla de LHopital indebidamente en el lmite lim
x0
2x
e
x
: aunque 2x s es un innitesimo en
x = 0, la funci on del denominador, e
x
, no lo es, puesto que e
0
= 1 ,= 0.
Otro ejemplo lo tenemos en lim
x0
+
_
1
x
+ ln x
_
, que genera una indeterminaci on del tipo .
Podemos proceder de la siguiente manera: lim
x0
+
_
1
x
+ ln x
_
= lim
x0
+
xln x + 1
x
. En este estadio, muchos
estar an tentados por aplicar LHopital, para conseguir lim
x0
+
xln x + 1
x
L
H?
= lim
x0
+
ln x + 1
1
= ; lo
cual sera un craso error, puesto que xln x + 1 no es un innitesimo en x = 0.
De hecho, lim
x0
+
(xln x) = lim
x0
+
ln x
1
x
L
H
= lim
x0
+
1
x
1
x
2
= lim
x0
+
x = 0. De modo que lim
x0
+
(xln x + 1) =
1 ,= 0, por lo que no es un innitesimo en x = 0.
En cambio, lim
x0
+
xln x + 1
x

1
0
+
= +, puesto que hemos visto que lim
x0
+
xln x = 0.
8 AP
ENDICE A. C
ALCULO DE L
IA R
APIDA
Apendice B
Representaci on de funciones de una
variable: Gua rapida
En esta seccion vamos a dar las directrices b asicas para el estudio y representaci on gr aca de una funci on
real de variable real, f : IR IR.
A tal n, es conveniente atender al dominio y el recorrido, las simetras respecto del origen o del eje
de ordenadas, los puntos de corte con los ejes coordenados, las asntotas y ramas parab olicas, las regiones
por las que pasa o no la curva, los intervalos de crecimiento y decrecimiento, los m aximos, mnimos y
puntos de inexion, la concavidad y convexidad; a veces, adicionalmente, resulta interesante estudiar la
existencia eventual de funci on inversa.
B.1 Dominio y recorrido
El dominio de una funci on f(x) consiste en el conjunto de puntos x IR para los que esta denida la
funci on. El recorrido o imagen consiste en el conjunto de puntos y IR para los que existen puntos x IR
con y = f(x).
Si se representa gracamente la funci on y = f(x), es obvio que el dominio coincide con la proyecci on
de la gr aca sobre el eje de abscisas, mientras que el recorrido viene dado por la proyeccion de la gr aca
sobre el eje de ordenadas.
A la hora de determinar el domino de una funci on, hay que respetar tres reglas b asicas:
1. Las funciones radicales pares,
2n
_
g(x), estan denidas para valores x con imagen no negativa,
g(x) 0. Hay que tener cuidado de no exigir esta condicion para radicales de ndice impar, puesto
que estos estan denidos para n umeros negativos:
3
1 = 1, por ejemplo.
2. Los logaritmos, log
b
g(x), estan denidos sobre n umeros estrictamente positivos, g(x) > 0, indepen-
dientemente del valor de la base b > 0.
3. Las funciones racionales
h(x)
g(x)
estan denidas sobre puntos que no anulan al denominador, g(x) ,= 0.
A veces una funci on presenta un comportamiento cclico seg un un periodo p, de modo que f(x) =
f(x +p) para todo x del dominio. En este caso, para representar gr acamente la funci on basta estudiar
su comportamiento en un intervalo (periodo) basico del dominio, para despues trasladar el resultado a
los demas periodos.

Este es el caso de las funciones trigonometricas elementales.
Ejemplo B.1.1 Dominio de la funci on f : D IR IR dada por f(x) =
(x 1)
3
xln x
Como aparece un logaritmo, hemos de restringir el domino a aquellos x IR que hacen positiva la
entrada del logaritmo, en nuestro caso x > 0. Pero adem as tenemos una funcion racional, de modo que
hemos de eliminar los ceros del denominador; como x ,= 0 por ser x > 0, y ln x = 0 si, y s olo si, x = 1, el
dominio de f(x) se reduce a D = x IR : x > 0 y x ,= 1 = (0, 1) (1, ).
9
10 AP
ENDICE B. REPRESENTACI
ON DE FUNCIONES DE UNA VARIABLE: GU
IA R
APIDA
Ejemplo B.1.2 Dominio de la funci on f : D IR IR dada por f(x) = e
2 sen x1
La raz cuadrada esta denida para valores no negativos, de modo que el dominio vendr a dado por
D = x IR : 2 senx 1 0 = x IR : senx
1
2
, lo que se traduce en la siguiente uni on de
intervalos

kZZ
[
6
+ 2k,
5
6
+ 2k].
Ejemplo B.1.3 Dominio de f : D IR IR dada por f(x) =
_
ln(2 cos e
x
)
La exponencial y el coseno tienen dominio en todo IR. El logaritmo est a denido para valores es-
trictamente positivos, y la raz cuadrada para valores no negativos. De modo que el dominio de f(x) se
restringe a valores x que hacen ln(2 cos e
x
) 0 (por tanto, 2 cos e
x
1) y 2 cos e
x
> 0 (condici on incluida
en la anterior). As, el dominio viene dado por
D = x IR : 2 cos e
x
1.
Ahora, cos e
x
1
2
e
x
[
3
+ 2k,

3
+ 2k], k ZZ. Dado que el logaritmo neperiano s olo esta
denido sobre valores positivos, el dominio se reduce a la imagen por la funci on logaritmo neperiano de
los intervalos (0,

3
]
_
kIN
[
3
+ 2k,

3
+ 2k], de modo que
D = (, ln

3
]
_
kIN
[ln(
3
+ 2k), ln(
3
+ 2k)].
En cuanto a la determinaci on del recorrido de una funci on f(x), sera necesario estudiar los intervalos
de crecimiento y decrecimiento de la funcion en su dominio, lo que en ocasiones requerir a el calculo de
varias derivadas. A veces, bastar a con ir estudiando c omo se va modicando el recorrido a traves de los
dominios de las funciones elementales en que se descompone la funcion f(x) dada. Concretamente, si
f(x) resulta de la composicion de las funciones g y h, f(x) = g(h(x)), entonces el recorrido de f vendr a
dado por el recorrido de g sobre la imagen de aplicar h al domino de f.
Ilustramos este procedimiento calculando los recorridos de las funciones anteriores.
Ejemplo B.1.4 Recorrido de f : D IR IR, con f(x) =
(x 1)
3
xln x
El dominio de f era D = (0, 1) (1, ). La funci on es continua en todo su dominio, por ser cociente
de funciones continuas y no anularse el denominador. Por otra parte, lim
x1
(x 1)
3
xln x
= 0, de modo que la
funci on se puede extender de manera continua en x = 1 deniendo f(1) = 0.
Como lim
x0
(x 1)
3
xln x
= + y lim
x
(x 1)
3
xln x
= , basta localizar cual es el mnimo c de la funci on,
para concluir que el recorrido viene dado por el intervalo [f(c), ).
Determinamos el punto c en el que f(x) alcanza el mnimo absoluto:
f
(x) =
3(x 1)
2
xln x (ln x + 1)(x 1)
3
x
2
ln
2
x
=
(x 1)(2xln x + ln x x + 1)
x
2
ln
2
x
,
de modo que f
(x) = 0 si, y s olo si, x = 1 o g(x) = 2xln x + ln x x + 1 = 0.

Estudiando el crecimiento de g(x) podemos averiguar cu ando es g(x) = 0. Se tiene que g
(x) =
2 lnx + 2 +
1
x
1. Necesitamos recurrir a g
(x) para ver el comportamiento de g
(x). Como g
(x) =
2
x
1
x
2
=
1
x
_
2
1
x
_
, que es negativa en (0, 0.5), se anula para x = 0.5 y es positiva en (0.5, ), resulta
que g
(x) es decreciente en (0, 0.5), tiene un mnimo en x = 0.5 y crece en (0.5, ).

Ahora, como g
(0.5) = 1.61 > 0, resulta que g
(x) > 0 en (0, ), de donde g(x) es estrictamente

creciente en todo (0, ). Como g(x) es continua, lim
x0
+
g(x) = y lim
x
g(x) = , seg un el teorema de
B.1. DOMINIO Y RECORRIDO 11
Bolzano g(x) posee un cero, unico por ser estrictamente creciente. Al ser g(1) = 0, se tiene que x = 1 es
el unico cero de g(x). Por tanto, x = 1 es el unico punto en que se anula f
(x). Como lim

x1
f
(x) = 2 > 0,
resulta que f(x) tiene en x = 1 un mnimo (que podemos entender como f(1) = 0, seg un habamos visto
antes). De modo que el recorrido de f(x) es R = (0, ), o bien R
= [0, ) si entendemos que se puede

extender la funci on en x = 1 como f(1) = 0.
Ejemplo B.1.5 Recorrido de f : D IR IR, con f(x) = e
2 sen x1
Siendo D =
_
kZZ
[
6
+ 2k,
5
6
+ 2k], se tiene que 0 2 senx 1 1. La funci on f(x) tendr a por
recorrido la imagen por e
x
de la imagen por

x del intervalo [0, 1], a saber: R = [1, e].
12 AP
IA R
APIDA
Ejemplo B.1.6 Recorrido de f : D IR IR, con f(x) =
_
ln(2 cos e
x
)
El dominio vena dado por
D = (, ln

3
]
_
kIN
[ln(
3
+ 2k), ln(
3
+ 2k)].
Para determinar el recorrido, observamos que la funci on resulta de la composici on de 5 funciones
elementales, f(x) = f
5
(f
4
(f
3
(f
2
(f
1
(x))))), donde
f
1
(x) = e
x
, f
2
(x) = cos x, f
3
(x) = 2x, f
4
(x) = ln x y f
5
(x) =
x.
La imagen de f
1
sobre el dominio D de f viene dada por
I
1
= (0,

3
]
_
kIN
[
3
+ 2k,

3
+ 2k].
La imagen de f
2
sobre I
1
viene dada por I
2
=
_
1
2
, 1
_
. La imagen de f
3
sobre I
2
viene dada por I
3
= [1, 2].
La imagen de f
4
sobre I
3
resulta ser I
4
= [0, ln 2]. Finalmente, el recorrido de f coincide con la imagen
de f
5
sobre I
4
, que viene dada por
R = I
5
= [0,
ln 2].
B.2 Simetras
Cuando una funci on f(x) presenta simetras respecto del eje de ordenadas o del origen de coordenadas,
el estudio de su representacion gr aca se puede reducir a los valores no negativos del dominio.
Notese que una funcion es simetrica respecto del eje de ordenadas o par cuando f(x) = f(x) para
todo x del dominio; mientras que sera simetrica respecto del origen o impar cuando f(x) = f(x) para
todo x del dominio.
Ejemplo B.2.1 Las funciones
1
x
2
, [x[, cos x son todas simetricas respecto del eje de ordenadas.
y =
1
x
2
-2 -1 1 2
20
40
60
80
100
120
140
y =
x
2
= [x[
-3 -2 -1 1 2 3
0.5
1
1.5
2
2.5
3
Ejemplo B.2.2 Las funciones
1
x
, x
3
, sen x son todas simetricas respecto del origen.
B.2. SIMETR
IAS 13
y = cos x
-6 -4 -2 2 4 6
-1
-0.5
0.5
1
Figura B.1: Ejemplos de funciones pares
y =
1
x
-4 -2 2 4
-20
-15
-10
-5
5
10
15
y = x
3
-2 -1 1 2
-8
-6
-4
-2
2
4
6
8
y = senx
-6 -4 -2 2 4 6
-1
-0.5
0.5
1
Figura B.2: Ejemplos de funciones impares
A veces es conveniente estudiar la gr aca simetrica de f(x) respecto de la recta y = x, la cual tiene
relacion con la funci on inversa de f, x = f
1
(y).

Este es el caso de la funcion f(x) =
1
x
considerada
previamente. Sobre este hecho incidimos al nal del apendice.
14 AP
IA R
APIDA
B.3 Puntos de corte con ejes
Suele ser particularmente interesante conocer en que puntos x cruza una funci on f(x) dada el eje de
abscisas, en los que se puede originar (no siempre, desde luego, caso de x
2
) un cambio de signo de la
funci on. Son los llamados ceros o races de la funci on, los x del dominio con f(x) = 0.
Hay que tener especialmente cuidado a la hora de determinar los ceros de una funci on racional f(x) =
g(x)
h(x)
: si bien es cierto que los ceros de g(x) que esten en el dominio de f(x) constituyen ciertamente,
por ende, ceros de f(x); no es, sin embargo, verdad que todo cero de g(x) sea cero de f(x) (hablamos
entonces de ceros de g(x) que no estan en el domino de f(x) como funci on racional).
Ejemplo B.3.1 Sea la funci on f : D IR IR dada por s(x) =
(x + 1) senx
x
Tiene por dominio de denici on D = IR 0, aunque se puede extender de manera continua a todo
IR deniendo f(x) =
_
s(x), si x ,= 0
1, si x = 0
Los ceros de f(x) son los de s(x), dado que f(0) = 1 ,= 0. Como funci on racional, uno tratara de
encontrar los ceros de s(x) en funci on de los ceros del numerador, (x+1) senx, que son x = 1 y x = k,
con k ZZ. Sin embargo, esto es un error, porque x = 0 no es un cero de s(x) (ni por tanto de f(x)),
puesto que s(x) no esta denida en x = 0, siendo ademas lim
x0
(x + 1) sen x
x
= 1 ,= 0.
-6 -4 -2 2 4 6
-1
-0.5
0.5
1
1.5
Figura B.3: La funci on no presenta un cero en x = 0
B.3. PUNTOS DE CORTE CON EJES 15
Para determinar los ceros de una funci on continua, normalmente se recurre al Teorema de Bolzano y
al estudio del crecimiento de la funci on, para determinar hipoteticos ceros m ultiples de multiplicidad n,
en los que ademas de anularse la funci on, se anulan las n 1 primeras derivadas f(x) = f
(x) = f
(x) =
= f
n1)
(x) = 0, pero no la n-esima, f
n)
(x) ,= 0 (bien es un n umero real distinto de cero, bien innito,
o bien no existe tal lmite).

Este es el caso de la parabola y = x
2
, que tiene un cero doble en x = 0.
En realidad, si f(c) = 0, lim
xc
f(x)
(x c)
n1
= 0 y lim
xc
f(x)
(x c)
n
,= 0 (bien es un n umero real distinto
de cero, bien innito, o bien no existe tal lmite), entonces f(x) tiene un cero m ultiple en x = c de
multiplicidad n. En particular, si n = 1, se habla de cero simple, y si n > 1 se habla de cero m ultiple.
Geometricamente, un cero m ultiple se identica porque el eje de abscisas es tangente a la funci on de
dicho punto; de hecho, a mayor multiplicidad, mayor tangencia en el punto.
Es f acil probar que si f(x) tiene en c un cero de multiplicidad n y g(x) tiene en c un cero de
multiplicidad m, entonces f(x) + g(x) tiene en c un cero de multiplicidad minn, m, f(x) g(x) tiene
en c un cero de multiplicidad n + m y
f(x)
g(x)
tiene en c un cero de multiplicidad n m (suponiendo que
n > m). Por otro lado, si f(x) tiene en c un cero de multiplicidad n y g(x) tiene en f(c) un cero de
multiplicidad m, entonces g(f(x)) tiene en c un cero de multiplicidad n m.
Ejemplo B.3.2 Calcular los ceros, incluyendo las multiplicidades correspondientes, de la funci on f :
D IR IR dada por
f(x) =
_
(cos x 1)
3
ln [x[, si x ,= 0
0, si x = 0
La funci on f(x) es el producto de (cos x 1)
3
y ln [x[; por tanto, sus ceros son todos los x IR tales
que cos x = 1 y [x[ = 1, esto es, los puntos del conjunto 1, 1, 2k, k ZZ. Los ceros x = 1, 1 son
simples, puesto que
lim
x1
f(x)
x (1)
= ()8 sen
6
(0.5) ,= 0.
Sin embargo, los ceros x = 2k son de multiplicidad 6, puesto que
lim
x2k
f(x)
(x 2k)
5
= 0 y lim
x2k
f(x)
(x 2k)
6
=
_

ln(2k)
8
, si k ,= 0
+, si k = 0
Notese que aunque [x[ no es derivable en x = 0, y pese a que ln [x[ no esta denido en x = 0, la
funci on f(x) no s olo esta denida en x = 0, sino que adem as es continua y derivable 5 veces en dicho
punto. Sera conveniente que el alumno comprobara este hecho por s mismo. En la gr aca adjunta se
puede observar la tangencia pronunciada en x = 0 (mrese los valores de ordenadas!).
y = (cos x 1)
3
ln [x[
-1 -0.5 0.5 1
-0.015
-0.01
-0.005
0.005
Figura B.4: La funci on tiene en el origen un cero de multiplicidad 6
Ejemplo B.3.3 Calcular los ceros, incluyendo las multiplicidades correspondientes, de la funci on f :
D IR IR dada por
_
x
2
sen
1
x
, si x ,= 0
0, si x = 0
16 AP
IA R
APIDA
De nuevo, por ser f(x) un producto de dos factores, sus ceros los hemos de buscar en los ceros de los
factores, que son
x = 0 y x =
1
2k
, para k ZZ 0.
Los ceros x =
1
2k
, k ,= 0 son simples, puesto que
lim
x(2k)
1
f(x)
x (2k)
1
= (1)
k+1
,= 0.
Sin embargo, el cero x = 0 es doble, puesto que
lim
x0
f(x)
x
= 0 y / lim
x0
f(x)
x
2
.
Esbozamos a continuacion una parte de la gr aca de la funci on.
y = x
2
sen
1
x
-0.6 -0.4 -0.2 0.2 0.4 0.6
-0.06
-0.04
-0.02
0.02
0.04
0.06
Figura B.5: Innitos ceros simples y un cero doble en el origen
Es rese nable el hecho de que f
(x) esta denida en todo IR, f
(0) = 0, aunque f
(x) no es continua
en x = 0: lim
x0
f
(x) = lim
x0
sen
1
x
, que no existe.
Es un ejercicio recomendable por parte del alumno la comprobaci on de que existe f
(0) = 0, aunque
la gr aca de f
(x) =
_
cos
1
x
+ 2xsen
1
x
, si x ,= 0
0, si x = 0
sea de la forma
y = f
(x)
-1 -0.5 0.5 1
-1
-0.5
0.5
1
Figura B.6: No es intuitivo, pero la funci on es derivable en el origen
En ocasiones tambien se requiere saber por donde corta la funci on al eje de ordenadas, necesariamente
en un solo punto, por denici on de funci on: en (0, f(0)). En los casos de las funciones anteriores, como
x = 0 era un cero de ambas, las gr acas cortaban al eje de ordenadas en el origen. Esto no siembre es
as: la par abola y = x
2
+ 5 corta al eje de ordenadas en su vertice, sito en (0, 5).
B.4. AS
INTOTAS Y RAMAS INFINITAS 17

B.4 Asntotas y ramas innitas
Las asntotas son rectas a las que se acerca la curva de manera indenida. Las hay de tres tipos:
Verticales, de ecuacion x = c.
Horizontales, de ecuacion y = n.
Oblicuas, de ecuacion y = mx +n.
En realidad, las asntotas horizontales son un caso particular de las oblicuas, donde m = 0.
Un error com un es pensar que toda funci on tiene un n umero limitado de asntotas. Nada m as lejos
de la realidad: una funci on puede tener un n umero indeterminado de asntotas, desde ninguna (como
y = x
2
), hasta innitas (como y = tg x, que tiene asntotas verticales en los puntos x = (2k + 1)
2
, con
k ZZ). Eso s, asntotas oblicuas (en particular, horizontales) tiene a lo sumo 2: una, cuando x ;
y otra, cuando x .
Otro error frecuente es pensar que la gr aca de la funci on no puede cortar a una asntota: si bien
es cierto que, por denicion de funci on, la gr aca no puede cortar nunca a ninguna asntota vertical, s
puede cortar a alguna de las (a lo sumo 2) asntotas oblicuas (en particular horizontales).
Ejemplo B.4.1 Sea la funci on f : D IR IR dada por
f(x) = 1 +
x
2
1
(x 2)(e
x
+ 1)
Esta funci on presenta una asntota horizontal cuando x , de ecuacion y = 1, dado que
lim
x
(1 +
x
2
1
(x 2)(e
x
+ 1)
) = 1
Asimismo, presenta una asntota oblicua cuando x , de ecuacion y = x + 2, puesto que
lim
x
f(x)
x
= 1 y lim
x
(f(x) x) = 2
-20 -10 10 20
-10
-5
5
10
15
20
Figura B.7: Ambas asntotas cortan a la funci on
Las asntotas verticales se localizan en aquellos puntos x
0
de modo que
lim
xx
0
f(x) = .
Las funciones racionales presentan con frecuencia (aunque no siempre) asntotas verticales en los ceros
del denominador, dependiendo de si el numerador tiene al mismo punto como cero o no.
Ejemplo B.4.2 Sea la funci on f : D IR IR dada por f(x) =
e
x
e
x 2
18 AP
IA R
APIDA
-2 2 4 6 8 10
-100
-50
50
100
150
Figura B.8: Asntota vertical en x = 2, con lmites laterales distintos
Tal como se muestra en la gura anterior, la funci on presenta una asntota vertical en x = 2, toda vez
que
lim
x2
e
x
e
x 2
= y lim
x2
+
e
x
e
x 2
= .
Ejemplo B.4.3 Sea la funci on f : D IR IR dada por f(x) =
sen x
x
Esta funci on no tiene ninguna asntota vertical, pues
lim
x0
sen x
x
= 1.
M as a un, deniendo f(0) = 1, la funci on pasa a ser continua en todo IR.
-10 -5 5 10
-0.2
0.2
0.4
0.6
0.8
1
Figura B.9: La funci on carece de asntotas verticales
Ejemplo B.4.4 Sea la funci on f : D IR IR dada por f(x) = ln [x[
Sin ser una funci on racional, presenta una asntota vertical en x = 0, puesto que
lim
x0
ln [x[ = .
B.4. AS
INTOTAS Y RAMAS INFINITAS 19

-10 -5 5 10
-4
-3
-2
-1
1
2
Figura B.10: Asntota vertical en x = 0, con lmites laterales coincidentes
Si existe una asntota oblicua y = mx+n cuando x , entonces necesariamente es lim
x
f(x)
x
=
m IR y n = lim
x
(f(x) mx) IR.
Las asntotas horizontales son por tanto oblicuas con m = 0.
Si alguno de estos lmites no existe, eso signica que en esa direcci on no existe ninguna asntota
oblicua.
Ejemplo B.4.5 Analizar el caso de la par abola x
2
Puesto que lim
x
x
2
x
= , la par abola carece de asntotas oblicuas (y, por ende, horizontales).
-10 -5 5 10
20
40
60
80
100
Figura B.11: La par abola y = x
2
carece de asntotas oblicuas
Ejemplo B.4.6 Considerese el caso de la funci on exponencial e
x
La funci on exponencial tiene s olo una asntota oblicua, que es horizontal, y = 0, cuando x ,
puesto que
lim
x
e
x
x
= 0 y lim
x
e
x
x
= .
Ejemplo B.4.7 Analizar el caso de la funci on dada por f(x) =
x
2
x + 2
x
De un lado, lim
x
x
2
x + 2
x
2
= 1 y lim
x
(
x
2
x + 2
x
x) = 1. De otro, lim
x
x
2
x + 2
x
2
= 1 y
lim
x
(
x
2
x + 2
x
x) = 1. De manera que la funcion f(x) =
x
2
x + 2
x
tiene dos asntotas oblicuas en
la recta y = x 1.
20 AP
IA R
APIDA
-10 -8 -6 -4 -2 2
0.5
1
1.5
2
2.5
Figura B.12: La funci on e
x
tiene una asntota horizontal cuando x
-6 -4 -2 2 4 6
-8
-6
-4
-2
2
4
6
Figura B.13: Dos asntotas oblicuas coincidentes
Previamente, en el Ejemplo B.4.1, se trato la funci on f(x) = 1 +
x
2
1
(x 2)(e
x
+ 1)
, que tiene dos
asntotas oblicuas distintas (ver Figura B.7).
Hay funciones, como las anteriores y = x
2
e y = e
x
, que tienden a innito cuando x pero sin
acercarse a una recta (asntota). Este tipo de funciones se dice que presentan una rama hacia el innito.
Hay diversos tipos de ramas: parab olicas (tpicas de y = x
2
), en espiral (tpicas de curvas en coordenadas
polares), oscilatorias propiciadas por funciones periodicas (por ejemplo, y = x senx), etc.
Nosotros vamos a centrarnos exclusivamente en las ramas parabolicas, cuyo nombre procede de la
comparacion con las ramas de la par abola y = x
2
. Si una funci on y = f(x) crece hacia el innito en la
misma proporcion que lo hace una par abola de eje y = mx+n, se dice que f(x) tiene una rama parab olica
de pendiente m. Si m = 0 se habla de rama parab olica horizontal. Si la pendiente es innito (esto es, la
funci on crece como la parabola y = x
2
), se habla de rama parab olica vertical. Concretando, una funci on
y = f(x) presenta una:
Rama parab olica de pendiente m IR: si se tiene que lim
x
f(x) = , lim
x
f(x)
x
= m y
lim
x
(f(x) mx) = .
Este es el caso de y = x +
_
[x[ cuando x , que presenta una rama parabolica de pendiente
1:
En el caso particular de que m = 0 se habla de rama parab olica horizontal.

Este es el caso de
y = ln [x[ cuando x . El sentido de la horizontalidad tiene una segunda interpretacion, en el
hecho de que, aunque f(x) crece hacia el innito, lo hace siempre de manera progresivamente mas
lenta que cualquier recta de pendiente no nula.
Rama parab olica vertical: se tiene que lim
x
f(x) = y lim
x
f(x)
x
= .

Este es el caso de
y = e
x
cuando x . El sentido de la verticalidad tiene una segunda interpretacion, en el hecho
B.5. REGIONAMIENTO 21
-6 -4 -2 2 4 6
-4
-2
2
4
6
8
Figura B.14: Tiene dos ramas initas parabolicas
-10 -5 5 10
-4
-3
-2
-1
1
2
Figura B.15: La funci on ln [x[ presenta dos ramas parabolicas distintas
de que, aunque f(x) crece hacia el innito, lo hace siempre de manera progresivamente mas rapida
que cualquier recta de pendiente no nula.
-10 -8 -6 -4 -2 2
0.5
1
1.5
2
2.5
Figura B.16: La funci on exponencial presenta una rama parabolica vertical
B.5 Regionamiento
El regionamiento consiste en el estudio del signo que toma una funcion f(x) en los intervalos del dominio
que determinan los ceros de f(x) y las asntotas verticales; de modo que se determina por donde pasa
la gr aca en cada uno de estos intervalos, si por el rect angulo superior (por encima del eje OX) o el
inferior (valores negativos del eje de ordenadas). Es claro que el signo de la funcion permanece constante
en cada uno de estos intervalos, de ah que se hable de regiones por las que pasa la funci on o simplemente
regionamiento.
22 AP
IA R
APIDA
Ejemplo B.5.1 Estudiar el regionamiento de la funci on f : D IR IR dada por f(x) =
x
1 x
2
Los ceros de f(x), como funci on racional que es, corresponden a los ceros de la funci on del numerador
que esten en el dominio de denicion, D = IR 1, 1. En este caso, el unico cero de la funci on es
x = 0.
Por otra parte, f(x) tiene dos asntotas verticales, en los ceros del denominador (que no son ceros del
numerador): x = 1 y x = 1.
De modo que la funcion atraviesa cuatro regiones: (, 1), (1, 0), (0, 1) y (1, ). Determinando
el signo de la funci on en cada uno de estos intervalos, obtendremos su regionamiento. Se tiene que
f(2) =
2
3
> 0, f(
1
2
) =
2
3
< 0, f(
1
2
) =
2
3
> 0, f(2) =
2
3
< 0; as, la funci on es positiva en
(, 1) y (0, 1), y negativa en (1, 0) y (1, ).
-4 -2 2 4
-15
-10
-5
5
10
15
Figura B.17: Regionamiento de f(x) =
x
1 x
2
B.6 Crecimiento y decrecimiento. Maximos y mnimos.
El crecimiento de una funci on f(x) en un punto x = a depende del signo que tome la derivada primera
de la funci on en dicho punto: si f
(a) > 0, entonces la funci on es estrictamente creciente en a, de

modo que si f
es continua en a resulta que para todo x, w en un entorno sucientemente peque no

(a , a +) se tiene que x < w implica f(x) < f(w); por el contrario, si f
(a) < 0, entonces la funci on

es estrictamente decreciente en a, de modo que si f
es continua en a resulta que para todo x, w en un

entorno sucientemente peque no (a , a +) se tiene que x < w implica f(x) > f(w).
Es conveniente incidir en el hecho de que si f
no es continua en a, por mucho que f sea creciente (o

decreciente) en dicho punto, puede ocurrir que f no mantenga este crecimiento en ning un entorno de a.
Ejemplo B.6.1 Sea la funci on g(x) =
_
x
2
+x
2
sen
1
x
si x ,= 0
0 si x = 0
La funci on es derivable en IR0, siendo g
(x) =
1
2
+2xsen
1
x
cos
1
x
. Es evidente que / lim
x0
g
(x).
No obstante, la funci on es derivable en el origen, siendo
g
(0) = lim
h0
g(h) g(0)
h
= lim
h0
(
1
2
+hsen
1
h
) =
1
2
.
Como g
(0) > 0, la funci on es estrictamente creciente en x = 0. A un as, en cualquier entorno de x = 0

no se mantiene este comportamiento, puesto que lim
x0
g
(x) rellena el intervalo comprendido entre

1
2
y
3
2
.
B.6. CRECIMIENTO Y DECRECIMIENTO. M
AXIMOS Y M
INIMOS. 23
-0.1 -0.05 0.05 0.1
-0.04
-0.02
0.02
0.04
Figura B.18: Alrededor del origen no hay un crecimiento mon otono
Por otra parte, si f
(a) = 0 o no existe f
(a), la funci on puede tener en a un extremo local (m aximo o

mnimo), un punto de inexi on, o un punto de crecimiento dudoso; para determinar el comportamiento
en el punto en cuestion basta estudiar c omo se comporta la funci on en sus alrededores.
M as concretamente, si f
(a) = 0 y la primera derivada no nula en a es de orden par, digamos

f
(a) = = f
2k1)
(a) = 0, f
2k)
(a) ,= 0, entonces la funci on tiene en a un m aximo local si f
2k)
(a) < 0 y
un mnimo local si f
2k)
(a) > 0. En caso de que f
(a) = = f
2n)
(a) = 0, f
2n+1)
(a) ,= 0 (i.e. f
(a) = 0 y
la primera derivada no nula en a es de orden impar), entonces la funci on tiene en a un punto de inexi on,
en el que la funci on cambia su caracter concavo/convexo.
Otra posibilidad que no requiere el c alculo de m as funciones derivadas consiste en analizar si el signo
de la derivada primera de la funci on cambia a ambos lados de x = a: de ser as, en x = a hay un extremo
local (maximo si f
(a
) > 0 y f
(a
+
) < 0, mnimo si f
(a
) < 0 y f
(a
+
) > 0); en otro caso, un punto
de inexi on.
Ejemplo B.6.2 Sea la par abola denida por f(x) = x
2
-10 -5 5 10
20
40
60
80
100
Figura B.19: La par abola tiene un mnimo absoluto en su vertice
Tiene un solo extremo, que es mnimo (absoluto) en x = 0: f
(x) = 2x (que se anula s olo en x = 0) y

f
(x) = 2 > 0 para todo x (en particular para x = 0). Adicionalmente, f
(0
) < 0 y f
(0
+
) > 0.
Ejemplo B.6.3 Analizar el comportamiento de la funci on f(x) = x
3
La funci on f(x) = x
3
no tiene extremos locales, pero s un punto de inexi on en x = 0: f
(x) = 3x
2
solo se anula en x = 0; f
(x) = 6x, de modo que f
(0) = 0; y f
(x) = 6 > 0 para todo x, en particular

para x = 0. Adicionalmente, f
(0
) > 0 y f
(0
) > 0.
Ejemplo B.6.4 Considerar el caso de la funci on f(x) = xsen
1
x
si x ,= 0 y f(0) = 0
24 AP
IA R
APIDA
-2 -1 1 2
-8
-6
-4
-2
2
4
6
8
Figura B.20: La funci on f(x) = x
3
tiene un punto de inexion en el origen
Esta funci on es derivable en IR0, con f
(x) = sen
1
x
1
x
cos
1
x
, y no tiene derivada en x = 0, dado
que lim
x0
f(x) f(0)
x 0
= lim
x0
sen
1
x
no existe. Por otra parte, la funci on presenta un n umero innito de
extremos locales (maximos y mnimos) en cualquier entorno del punto x = 0, y por este mismo motivo, en
x = 0 (donde no tiene derivada denida) presenta un punto de crecimiento dudoso (la funci on ni crece, ni
decrece, ni tiene un punto de inexion: a ambos lados de x = 0, la funci on toma indistintamente valores
mayores y menores que f(0)).
-1 -0.5 0.5 1
-0.2
0.2
0.4
0.6
0.8
Figura B.21: En el origen no hay crecimiento denido
B.7 Concavidad, convexidad y puntos de inexi on
El car acter concavo o convexo de una funci on en un punto se reere a la posici on relativa de la gr aca
de la funci on con respecto de la recta tangente a la curva en el punto dado: si la funci on toma valores
mayores que la recta tangente en un entorno del punto x = a se dice que es concava en a; por el contrario,
si la funci on toma valores menores que la recta tangente en un entorno de x = a se dice que es convexa
en a.
Este comportamiento se puede traducir de manera analtica mediante el estudio del signo de la segunda
derivada: si f
(a) > 0, entonces f
(x) es creciente en x = a y f(x) esta por encima de su recta tangente en

a, de modo que f(x) es concava en a; en el caso de que f
(a) < 0, entonces f
(x) es decreciente en x = a
y f(x) esta por debajo de su recta tangente en a, de modo que f(x) es convexa en a. En los ejemplos
anteriores, f(x) = x
2
tiene por funci on derivada a f
(x) = 2x y por derivada segunda a f
(x) = 2 > 0
para todo x. Por otra parte, f(x) = x
2
tiene por derivada segunda a f
(x) = 2 > 0 para todo x.

En aquellos puntos a en los que f
(a) = 0 (independientemente de que f
(a) sea nula o no) puede

haber un punto de inexi on, a expensas de que el signo de f
(x) cambie a cada lado de x = a, o

equivalentemente, f
(a) ,= 0.
B.8. FUNCI
ON INVERSA 25
-2 -1 1 2
-2
-1
1
2
3
4
x
2
es concava en todos sus puntos
-2 -1 1 2
-4
-3
-2
-1
1
2
x
2
es convexa en todos sus puntos
Figura B.22: La posicion relativa respecto de la recta tangente es crucial
Ejemplo B.7.1 Considerar una vez m as el caso de la funci on f(x) = x
3
La funci on f(x) = x
3
, estrictamente creciente en todo IR (f
(x) = 3x
2
> 0 para todo x IR), es
convexa en (, 0), concava en (0, ) y tiene por tanto un punto de inexi on en x = 0. De hecho,
f
(x) = 6x se anula en x = 0, mientras que f
(0) = 6 ,= 0; tambien, f
(0
) < 0 y f
(0
+
) > 0.
-2 -1 1 2
-8
-6
-4
-2
2
4
6
8
Figura B.23: Pasa de convexa a concava en el punto de inexi on
Por ultimo, hemos de destacar que para que en x = a haya un punto de inexi on, no siempre es
necesario que f
(a) = 0: a veces, una funci on tiene un punto de inexi on en puntos en los que la funci on
tiene derivada segunda.
Ejemplo B.7.2 Sea la funci on f(x) =
5
_
(x + 2)
2
En el punto x = 2, pese a no admitir derivada (tiene pendiente innita en dicho punto), presenta
un punto de inexi on.
En efecto, la funci on se puede extender de manera continua deniendo f(2) = 0. Adem as, f
(x) =
4
25(x + 2)
9
5
, de modo que f
(2
) > 0 y f
(2
+
) < 0.
B.8 Funci on inversa
No todas las funciones admiten una funci on inversa. Para que ello sea posible, cada valor del dominio
tiene que poseer una imagen distinta a las de los dem as puntos del dominio: dicho de otro modo, x ,= w
implica f(x) ,= f(w). En denitiva, la funci on tiene que establecer una biyecci on del dominio a la imagen.
Este es el caso de las funciones trigonometricas periodicas, tales como senx, cos x, tg x, etc. Para
poder considerar funciones inversas de estas, hay que reducir el dominio de denici on a alg un intervalo
b asico en el que no se repita ninguna imagen; por ejemplo, intervalo
_
2
,

2
_
para sen x, intervalo [0, ]
para cos x, intervalo [0, ) para tg x, etc.
26 AP
IA R
APIDA
-6 -4 -2 2
-1
-0.5
0.5
1
Figura B.24: Punto de inexi on en el que la funci on no es derivable
Gr acamente, es facil determinar cu ando una funci on y = f(x) admite una funci on inversa x = f
1
(y),
y en caso armativo, cu al es la graca de dicha funci on inversa.
-1.5 -1 -0.5 0.5 1 1.5
-1.5
-1
-0.5
0.5
1
1.5
sen x y arcsen x
Figura B.25: El seno y el arcoseno son simetricas respecto de y = x
-1 1 2 3
-1
1
2
3
cos x y arccos x
Figura B.26: El coseno y el arcocoseno son simetricas respecto y = x
Basta observar que si (x, f(x)) es un punto de la gr aca de y = f(x) y f(x) admite funci on inversa
f
1
, entonces (f(x), x) es un punto de la gr aca de la funci on x = f
1
(y). En denitiva, la gr aca de
f
1
es la simetrica de la graca de f(x) respecto de la bisectriz del primer cuadrante, y = x.
B.9 Transformaciones de una graca
Una funci on se puede someter a transformaciones de traslacion, estiramiento, compresi on y reexi on.
Si c > 0:
B.9. TRANSFORMACIONES DE UNA GR
AFICA 27
-4 -2 2 4
-4
-2
2
4
tg x y arctg x
Figura B.27: La tangente y el arcotangente son simetricas respecto y = x
1. La graca de y = f(x+c) consiste en trasladar la graca de y = f(x) horizontalmente en c unidades
a la izquierda.
2. An alogamente, la graca de y = f(xc) consiste en trasladar la graca de y = f(x) horizontalmente
en c unidades a la derecha.
3. La graca de y = f(x) +c consiste en trasladar la graca de y = f(x) verticalmente en c unidades
hacia arriba.
4. An alogamente, la graca de y = f(x) c consiste en trasladar la graca de y = f(x) verticalmente
en c unidades hacia abajo.
y=f(x) y=f(x+c) y=f(x-c)
y=f(x)-c
y=f(x)+c
Figura B.28: Traslaciones a las que se puede someter una funci on
Si c > 1:
1. La graca de y = c f(x) consiste en estirar la graca de y = f(x) verticalmente en un factor de c.
2. An alogamente, la graca de
f(x)
c
consiste en comprimir la gr aca de y = f(x) verticalmente en un
factor de c.
3. La graca de y = f(cx) consiste en comprimir la graca de y = f(x) horizontalmente en un factor
de c.
4. La graca de y = f(
x
c
) consiste en estirar la graca de y = f(x) horizontalmente en un factor de c.
5. La graca de y = f(x) consiste en reejar la graca de y = f(x) respecto del eje OX.
6. La graca de y = f(x) consiste en reejar la graca de y = f(x) respecto del eje OY .
28 AP
IA R
APIDA
Figura B.29: Transformaciones de f(x) por reexiones y estiramientos
Apendice C
Gua rapida sobre la derivaci on
Saber derivar bien es muy f acil: tan solo se necesita memorizar y aplicar la tabla de derivadas inmediatas
y tres reglas basicas (linealidad de la derivada, regla del producto y, la m as importante de las tres, regla
de la cadena).
Incluimos a continuacion una tabla de derivadas inmediatas en su formato m as elemental (las letras
c, a, t representan valores constantes).
Funcion Derivada Funcion Derivada Funcion Derivada
c 0 x
t
tx
t1
ln x
1
x
log
a
x
1
x
log
a
e e
x
e
x
a
x
a
x
ln a
sen x cos x cos x senx tg x 1 + tg
2
x =
1
cos
2
x
sec x
senx
cos
2
x
cosec x
cos x
sen
2
x
cotg x 1 cotg
2
x =
1
sen
2
x
arcsenx
1
1 x
2
arccos x
1
1 x
2
arctg x
1
1 +x
2
arcsec x
1
x
x
2
1
arccosec x
1
x
x
2
1
arccotg x
1
1 +x
2
En cuanto a las tres reglas b asicas:
1. Linealidad.
La derivada de una combinaci on lineal de funciones consiste en la combinaci on lineal de las derivadas
de dichas funciones:
(
1
f
1
(x) + +
n
f
n
(x))
=
1
f
1
(x) + +
n
f
n
(x)
Considerense los siguientes ejemplos:
La derivada de f(x) = 5 tg x es f
(x) = 5 + 5 tg
2
x.
La derivada de f(x) = 3 cos x +2
x
es f
(x) = 3 senx + ln 2 2
x
.
2. Regla del producto.
La derivada del producto de varias funciones es la suma de la derivada de cada una por las restantes
sin derivar. En el caso de dos funciones, la regla queda
(f(x) g(x))
= f
(x) g(x) +f(x) g
(x)
mientras que en el caso general del producto de n funciones, la regla queda
(f
1
(x) f
n
(x))
= f
1
(x) f
2
(x) f
n
(x) + +f
1
(x) f
n1
(x) f
n
(x)
29
30 AP
ENDICE C. GU
IA R
APIDA SOBRE LA DERIVACI
ON
La derivada de f(x) =
x arcsenx es f
(x) =
1
2
x
arcsenx +
x
1
1 x
2
.
Notese que

x = x
1
2
, de donde la derivada de

x es
1
2
x
1
2
1
=
1
2
x
1
2
=
1
2
x
,
a tenor de la tabla de derivadas inmediatas.
La derivada de f(x) = tg x = senx
1
cos x
= sen x sec x es
f
(x) = cos x sec x + sen x

senx
cos
2
x
= 1 + tg
2
x,
como ya sabamos.
3. Regla del cociente.
Aunque la derivada del cociente de dos funciones f(x) y g(x) puede deducirse de la regla del
producto, ya que
f(x)
g(x)
= f(x)
1
g(x)
, puede resultar de interes tener en cuenta que la derivada de
dicho cociente es
_
f(x)
g(x)
_
=
f
(x) g(x) f(x) g
(x)
g
2
(x)
Por ejemplo, la derivada de la funci on f(x) =
ln x
sen x
ser a:
f
(x) =
1
x
sen x ln xcos x
sen
2
x
=
senx xln xcos x
xsen
2
x
4. Regla de la cadena.
La derivada de una composici on de funciones es el producto de las derivadas de las funciones en los
puntos que relaciona la composicion: si f(x) resulta de la composicion de las funciones g(t) y h(x)
en la forma f(x) = g(h(x)), entonces f
(x) = g
(h(x)) h
(x).
La regla de la cadena es muy f acil de aplicar. Lo que resulta difcil al que se inicia en estas tareas
es distinguir que funciones g(t) y h(x) hay que tomar para que f(x) resulte ser la composici on de
ambas. En muchas ocasiones, de hecho, la elecci on no es en absoluto unica.
Por ejemplo, la funci on f(x) = ln(2 cos x) se puede obtener mediante la composicion de las funciones
g
1
(t) = ln(2t) y h
1
(x) = cos x en la forma f(x) = g
1
(h
1
(x)); etc.
La derivada de f(x) = sec x =
1
cos x
= cos
1
x es
f
(x) = (cos
2
x) (sen x) =
sen x
cos
2
x
,
como ya sabamos. Aqu hemos considerado que f(x) = sec x = cos
1
x es la composicion de la
funci on g(t) = x
1
y h(x) = cos x, de manera que f(x) = g(h(x)). As, f
(x) = g
(h(x)) h
(x).
Resulta que g
(t) =
1
t
2
, de suerte que g
(h(x)) =
1
cos
2
x
. Por otra parte, h
(x) = senx.
De donde el resultado.
La derivada de f(x) = (x
2
+ 2)
arctg x
= e
arctg xln(x
2
+2)
es
f
(x) =
_
ln(x
2
+ 2)
1 +x
2
+
2xarctg x
x
2
+ 2
_
e
arctg xln(x
2
+2)
Aqu, a la hora de derivar f(x) = e
arctg xln(x
2
+2)
, hemos considerado que f(x) = g(h(x)) para
g(t) = e
t
y h(x) = arctg x ln(x
2
+ 2), de manera que f
(x) = g
(h(x)) h
(x).
31
Ahora se puede extender la tabla de derivadas inmediatas a otra mas general, de manera que si en
la tabla previa se consideraba la funcion p(x), ahora se considera la funci on q(x) = p(f(x)), para
f(x) una funci on generica. De este modo, la derivada q
(x) = p
(f(x)) f
(x), de donde las nuevas

derivadas son las que ya conocamos multiplicadas por f
(x).

Este es el resultado:
Funcion Derivada Funcion Derivada
c 0 f(x)
t
tf(x)
t1
f
(x)
ln f(x)
f
(x)
f(x)
log
a
f(x)
f
(x)
f(x)
log
a
e
e
f(x)
e
f(x)
f
(x) a
f(x)
a
f(x)
ln a f
(x)
senf(x) cos f(x) f
(x) cos f(x) senf(x) f
(x)
tg f(x) (1 + tg
2
f(x)) f
(x) =
f
(x)
cos
2
f(x)
sec f(x)
sen f(x)
cos
2
f(x)
f
(x)
cosec f(x)
cos f(x)
sen
2
f(x)
f
(x) cotg f(x) (1 cotg

2
f(x)) f
(x) =
f
(x)
sen
2
f(x)
arcsenf(x)
f
(x)
_
1 f
2
(x)
arccos f(x)
f
(x)
_
1 f
2
(x)
arctg f(x)
f
(x)
1 +f
2
(x)
arcsec f(x)
f
(x)
f(x)
f
2
(x)1
arccosec f(x)
f
(x)
f(x)
_
f
2
(x) 1
arccotg f(x)
f
(x)
1 +f
2
(x)

Cal Culo

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cal Culo

Transféré par

Droits d'auteur :

Formats disponibles

Notas orientativas para la

Introducci on al C alculo Innitesimal

2, y por imagen a todo IR.

ON, DOMINIO E IMAGEN 3

ON DE FUNCIONES: TRAZAS Y CURVAS DE NIVEL 5

ON DE FUNCIONES: TRAZAS Y CURVAS DE NIVEL 7

ON DE FUNCIONES: TRAZAS Y CURVAS DE NIVEL 9

arccos c, una por cada radi an positivo (debe ser de la

IMITES DE FUNCIONES EN UN PUNTO 11

IMITES DE FUNCIONES EN UN PUNTO 13

Figura 1.19: Bolas en IR

IMITES DE FUNCIONES EN UN PUNTO 15

IMITES DE FUNCIONES EN UN PUNTO 17

IMITES DE FUNCIONES EN UN PUNTO 19

= [ln x[, siendo lim

(a), mide el ritmo de cambio de y = f(x) respecto de x en dicho

(a) representa la velocidad instantanea en el instante t = a de un m ovil que

(t) para cada instante t

(1) = 2, de modo que la recta tangente a la curva

(1)(x (1)) y 5 = 2(x + 1) y = 2x + 7.

2t. As, la pendiente de la curva

2 (que corresponde a la abscisa x = 1): como z

2, que es el valor que obtuvimos al considerar la derivada direccional de la funci on f(x, y)

= cos r. Como la relacion entre

(a) (x a), de pendiente f

(a); resulta que la derivada

(a) permite aproximar linealmente en x el valor de la curva en un entorno sucientemente peque no

(a) x +(x)x y = dy +(x)x dy

(0.002) 74cm/s. As, v r v

(0.002), por lo que

. Experimentalmente, se sabe que un incremento de 0.2m/s

, y 1 por la derecha, cuando h 0

distintos, y aun cuando existiera, dependera de m). De modo

1, independientemente de la elecci on de la distancia, [[(x, y)[[ =

Este es el caso de la funcion f(x, y) = 3xx

(t)), sea el correspondiente al

(x) = cos x. Para a ,= 0, se

1, de donde [ sena[ [a[ tambien para a ,= 0.

(x) ,= 0 para todo x en dicho

Figura 2.32: Relacion gr aca entre las coordenadas cartesianas y polares

(a, b); siendo

(3) = 1, de donde la recta tangente a la curva en

2, que dan origen a los puntos (0, 0) y (2

2). N otese que en el origen hay dos tangentes

IR que a (dx, dy) le asocia

ON DE FUNCIONES POR POLINOMIOS

ORMULA DE TAYLOR PARA FUNCIONES DE UNA VARIABLE 63

ON DE FUNCIONES POR POLINOMIOS

ORMULA DE TAYLOR PARA FUNCIONES DE UNA VARIABLE 65

ON DE FUNCIONES POR POLINOMIOS

ON DE FUNCIONES POR POLINOMIOS

(a) > 0, entonces la funci on es

(x) es continua, para todo x, w en un entorno sucien-

(x) es continua, para todo x, w en

(a) = 0 en el que el desarrollo de Taylor desempe na un relevante papel.

(a) = 0 y la primera derivada no nula en a es de orden par,

(a) = 0 y la primera derivada no nula

(a)(x a) es la recta tangente a la curva y = f(x) en el punto

ON DE FUNCIONES POR POLINOMIOS

ORMULA DE TAYLOR PARA FUNCIONES DE VARIAS VARIABLES 71

ON DE FUNCIONES POR POLINOMIOS

ORMULA DE TAYLOR PARA FUNCIONES DE VARIAS VARIABLES 73

ON DE FUNCIONES POR POLINOMIOS

0.98, utilizando la f ormula de Taylor hasta las