Apuntes para Cálculo Infinitisimal (Univ de Sevilla)

Notas orientativas para la
Introduccion al Calculo Infinitesimal

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 Calculo 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 Funci
on: definici
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 u nico 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 imagenes
f (x) se denomina recorrido o imagen de la funci on.
En nuestro caso, trataremos con espacios reales de dimension nita, IRn , cuyos elementos son n-uplas
o vectores de n componentes, (x1 , . . . , xn ). As, una funci on f : D IRn IRm ser a una ley que asigne a
nico vector (y1 , . . . , ym ) = f (x1 , . . . , xn ) de IRm . Las n variables de que
cada vector (x1 , . . . , xn ) de D un u
dependen las coordenadas del conjunto inicial IRn se suelen denominar independientes, y las m variables
del conjunto de llegada IRm 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.
x2 1
on f : D IR IR dada por f (x) =
Ejemplo 1.1.1 La funci .
x1
Tiene a D = IR {1} por dominio y a IR {2} 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
x2 1
hasta coincidir con la recta y = x + 1, que en verdad resulta de efectuar el cociente : de hecho, una
x1
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) = x2 .
Tiene a todo IR
como dominio de denicion, y al intervalo [0, +) como imagen. N
otese que f (x) =
|x|, de manera que x2 = x en general.
x, si x 0
De hecho, x2 =
x, si x < 0
x
on f : D IR IR definida seg
Ejemplo 1.1.3 La funci un f (x) = .
x2 2

Tiene por dominio a D = IR { 2, 2}, y por imagen a todo IR.
1
2 CAPTULO 1. FUNCIONES DE VARIAS VARIABLES: LIMITES Y CONTINUIDAD
-2 -1 1 2
Figura 1.1: Se trata de la recta y = x + 1 menos un punto
2.5
1.5
0.5
-3 -2 -1 1 2 3

Figura 1.2: Gr
aca de la funci
on dada por x2 = |x|
|x + 1| |x 1|
Ejemplo 1.1.4 La funci .
x
Tiene a IR {0} por dominio de denici on, y al intervalo (0, 2] por imagen.
on valor absoluto, tal que |x| = x si x 0 y |x| = x si x < 0. De
Es importante saber utilizar la funci
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| segun 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) = 2, si x 1,
|x + 1| |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

2 , si |x| 1,
f (x) = |x|
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.
on f : D IR IR definida seg
Ejemplo 1.1.5 La funci un f (x) = tg x.
2k + 1
Tiene a IR { : k ZZ} por dominio, y a todo IR por imagen. Hay que tener en cuenta
2
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.
DEFINICION,
1.1. FUNCION: DOMINIO E IMAGEN 3
7.5
2.5
-10 -5 5 10
-2.5
-5
-7.5
x
Figura 1.3: Representaci
on gr
aca de la funci
on dada por
x2 2
1.8
1.6
1.4
1.2
-2 -1 1 2
|x + 1| |x 1|
Figura 1.4: Gr
aca de la funci
on dada por
x

on f : D IR2 IR dada por f (x, y) =
Ejemplo 1.1.6 La funci ln(x2 + y 2 ).
Tiene por dominio a todo el plano IR2 a excepcion del interior del crculo centrado en el origen y
de radio 1 (esto es, el campo de denicion coincide con el conjunto de puntos {(x, y) : x2 + y 2 1}),
mientras que la imagen rellena el intervalo [0, +).
ln[(x2 + x 2)(1 y 2 )]
on f : D IR2 IR con f (x, y) =
Ejemplo 1.1.7 La funci
x
on consiste en seis bandas, ((2, 0)

La imagen recorre todo IR, mientras que el dominio de denici
(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 = (x1 , . . . , xn ) queda(n) caracterizada(s) como funci on(es) de las
restantes.
Ejemplo 1.1.8 Sea la circunferencia x2 + y 2 4 = 0.

Determina y como dos funciones implcitas de x, cuales son y1 (x) = 4 x2 e y2 (x) = 4 x2 .
En lo que sigue, nos centraremos en funciones del tipo f : IRn IR, incidiendo sobremanera en
los casos n = 1, 2; dado que el estudio de la continuidad, diferenciabilidad e integrabilidad de funciones
g : IRn IRm se reduce al estudio an alogo de las m funciones componentes, gi : IRn IR, 1 i m,
con
g(x1 , . . . , xn ) = (g1 (x1 , . . . , xn ), . . . , gm (x1 , . . . , xn )).
20
10
-7.5 -5 -2.5 2.5 5 7.5
-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(x2 + y 2 )
1.2 Representaci
on de funciones: trazas y curvas de nivel
A la hora de estudiar el comportamiento de una funcion, puede resultar u

til 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
x 2 1
como e , ln x, x , x, , sen x, cos x, tg x, arccos x, . . . , y en general la de cualquier funci on real de
x
una variable (basta estudiar el dominio de denici on, la existencia de asntotas o ramas parabolicas, 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.
7
y = ex
6
5
4
3
2
1
-5 -4 -3 -2 -1 1 2
DE FUNCIONES: TRAZAS Y CURVAS DE NIVEL
1.2. REPRESENTACION 5
ln[(x2 + x 2)(1 y 2 )]
Figura 1.7: Vista de la supercie dada por z =
x
-2 -1 1 2
-1
-2

on simult
anea de las funciones y1 (x) e y2 (x)
2 y = ln x
1
1 2 3 4 5 6 7
-1
-2
-3
-4
-5
15 y = x2
12.5
10
7.5
5
2.5
-4 -2 2 4
4
y1 = + x
2.5 5 7.5 10 12.5 15
-2

-4 y2 = x
1
y=
15 x
10
5
-4 -2 2 4
-5
-10
-15
-20
1
y = sen x
0.5
-1.5 -1 -0.5 0.5 1 1.5
-0.5
-1
1.5
y = arcsen x
1
0.5
-1 -0.5 0.5 1
-0.5
-1
-1.5
1 y = cos x
0.5
0.5 1 1.5 2 2.5 3
-0.5
-1
3
y = arccos x
2.5
1.5
0.5
-1 -0.5 0.5 1
75
y = tg x
50
25
-1.5 -1 -0.5 0.5 1 1.5

-25
-50
-75
arctg x
1.5
0.5
-100 -50 50 100

-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 topogracos (marcando los distintos accidentes del terreno, segun las alturas).
Otra variedad de representaci on plana de una funcion, 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
u
til 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 z1 = exy .

Las curvas de nivel de z1 = exy son de la forma c = exy , 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 funcion
en el plano z = c vienen dadas por la ecuaci on c = exy ln c = 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.
1
Las hiperbolas del tipo xy = k con k > 0 tienen gr acas similares a la funcion y = (de hecho esta
x
es la hiperbola para k = 1), mas lejos o cerca del origen segun sea mayor o menor el valor de k respecto
de 1.
1
Las hiperbolas del tipo xy = k con k < 0 tienen gr on y = (de hecho esta
acas similares a la funci
x
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 < ek < 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 < ek , que
tiende a innito cuando k .
Ya tenemos formada una idea clara de como ha de ser la supercie z = exy : en los ejes coordenados
la funcion 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 2
1 1
0 0
-1 -1
-2 -2
-2 -1 0 1 2 -2 -1 0 1 2
Figura 1.10: Mapas de contorno y de densidad de z1 = exy
Figura 1.11: Representaci aca de la supercie z1 = exy

on gr
Ejemplo 1.2.2 Sea z2 = cos(x2 + y 2 ).

Las curvas de nivel de z2 = cos(x2 + y 2 ) son de la forma c = cos(x2 + 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
z = c vienen dadas por la ecuacion x2 + 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 u nico 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 = x2 + 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 x2 + 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 extendera 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 3
2 2
1 1
0 0
-1 -1
-2 -2
-3 -3
-3 -2 -1 0 1 2 3 -3 -2 -1 0 1 2 3
Figura 1.12: Mapas de contorno y de densidad de z2 = cos(x2 + y 2 )
aca de la supercie z2 = cos(x2 + y 2 )

Figura 1.13: Gr
Ejemplo 1.2.3 Sea z3 = cos(ex + ey ).

Las curvas de nivel de z3 = cos(ex + ey ) son de la forma c = cos(ex + ey ), para 1 c 1, de modo
que ex + ey = arccos c, donde nuevamente hemos de interpretar que arccos c representa todos los radianes
(positivos, puesto que ex + ey > 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 ex + ey = k, esto es, y = ln(k ex ), cuyo
on y = ln(k ex ) es estrictamente decreciente, presenta
dominio es (, ln k). En este intervalo, la funci
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 z3 oscila entre 1 y 1, seg
un
ondas del tipo y = ln(k ex ).
2 2
1 1
0 0
-1 -1
-2 -2
-2 -1 0 1 2 -2 -1 0 1 2
Figura 1.14: Mapas de contorno y de densidad de z3 = cos(ex + ey )
aca de la supercie z3 = cos(ex + ey )

Figura 1.15: Gr
Ejemplo 1.2.4 Sea z4 = ln(x2 + y 2 2)
Las curvas de nivel de z4 = ln(x + y 2 ) son de la forma c = ln(x2 + y 2 ), para c IR, demodo que
x + y 2 = ec ; que constituyen circunferencias de centro el origen de coordenadas y radio r = ec . Como
2
c = ln r2 , 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 graca 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 |x a| = 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. LIMITES DE FUNCIONES EN UN PUNTO 11
4 4
2 2
0 0
-2 -2
-4 -4
-4 -2 0 2 4 -4 -2 0 2 4
Figura 1.16: Mapas de contorno y de densidad z4 = ln(x2 + y 2 )
aca de la supercie z4 = ln(x2 + y 2 )

Figura 1.17: Gr
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.
1 1
ab , a, b IR con ab > 0.
b a
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 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
{x : a < x < b} (a,b)
{x : a x b} [a, b]
{x : a x < b} [a, b)
{x : a < x b} (a, b]
{x : x b} (, b]
{x : x < b} (, b)
{x : a x} [a, )
{x : a < x} (a, )
IR (, )
Figura 1.18: Convenciones usuales para denotar los distintos intervalos

Ejemplo 1.3.1 Resolver la desigualdad 4x2 5x 6 > 0.
Los dos ceros reales del polinomio P (x) = 4x2 5x 6, caso de existir (pudiera tratarse de una pareja
umeros complejos conjugados), son los nicos n
de n umeros reales que hacen nula la desigualdad, de modo
que a derecha e izquierda de estos puntos la ecuacin 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
3
uno de dichos intervalos. Dado que los ceros del polinomio son x1 = 2 y x2 = , la soluci on de la
4
3
desigualdad comprendera ninguno o varios de los intervalos (, ) , ( 3 , 2) y (2, ).
4 4
Como P (1) = 3 > 0, P (0) = 6 < 0 y P (3) = 15 > 0, la soluci on de la desigualdad consiste en la
3
on (, ) (2, ).
uni
4
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 funcion 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. Notese que en caso alguno hemos determinado la dimension de los puntos x y a: pueden ser n umeros
reales o puntos de IRn 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 IRn , n 1), la noci on usual de distancia d(x, a)
viene
dada por el mo dulo del vector de extremos x y a: si x = (x 1 , x2 ) y a = (a1 , a2 ), entonces d(x, a) =
(x1 a1 )2 + (x2 a2 )2 , conocida como distancia eucldea.
Sin embargo, existen innitas formas distintas de medir la proximidad de dos puntos en IR2 . Con
normalidad, aparte de la distancia eucldea, nosotros nos serviremos de la que vamos a llamar distancia
1, d1 (x, a), que consiste en la suma de los valores absolutos de la diferencia de coordenadas homologas:
d1 (x, a) = |x1 a1 | + |x2 a2 |. 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 estan proximos, 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 ||x a|| para referirnos a la distancia entre a y x, sin distinci on de la funci
on
metrica (d o d1 ) 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 d1 esa bola consiste
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
d1 en dimension 1.

s @
s@
@
@
Figura 1.19: Bolas en IR2 correspondientes a d y d1 respectivamente
La consideracion de bolas como las anteriores permite denir varios conceptos esenciales propios de
la topologa de los espacios IRn :
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 f (x) = l cuando para cada entorno de l, existe un entorno de a de modo que para
xa
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 f (x) = l si, y s
olo
xa
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 f (x) = l se traduce en que para cada banda
xa
horizontal IRn (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 segun cualquier trayectoria (curva) por la que nos aproximemos al punto: es decir,
lim f (x) = l si, y s
olo si, xa
lim f (x) = l = xalim f (x) para cualesquiera curvas y = g(x) o x = h(y) que
xa
y=g(x) x=h(y)
pasen por el punto a.
En particular, para funciones reales de variable real f : IR IR, la existencia del lmite lim f (x) = l
xa
equivale a la existencia de los lmites laterales lim f (x) = l y lim f (x) = l, cuando x se aproxima a a
xa xa+
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+ qh
""
"
l ""
" l
l l qh
a a+
a a q b
h
(a, b)
Figura 1.20: Interpretaci aca de la nocion de lmite en IR y IR2

on gr
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 funci
on est
a definida 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:
x 1 1 x2 1
lim , lim , lim 2 , lim .
x0 |x| x0 x x0 x x1 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 f (x) = l es suciente demostrar que |f (x) l| g(x) para x en un entorno reducido de a,
xa
siendo g una funci
on tal que lim g(x) = 0.
xa
Otra posibilidad, que engloba la anterior, es aplicar la regla del emparedado, de modo que si
lim g(x) = lim h(x) = l y g(x) f (x) h(x) en un entorno reducido de a, entonces existe
xa xa
lim f (x) y coincide con l.
xa
En ocasiones, tambien da buenos resultados realizar cambios de variables. Por ejemplo, en caso de
trabajar en IR2 , 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 infinitas direcciones
(y b) = m(xa) para aproximarnos a un punto (a, b); m as a
un, hay infinitas 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):
Los lmites seg

un rectas y b = m(x a) o x a = n(y b), llamados lmites direccionales,
lim f (x, y) o lim f (x, y)

(x,y)(a,b) (x,y)(a,b)
yb=m(xa) xa=n(yb)
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 ( lim f (x, y)) o lim (lim f (x, y))

yb xa xa yb
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 IRn 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 segun curvas polinomiales.
Por otra parte, es una tentaci on tratar de reducir el calculo de un lmite doble al de los lmites
reiterados, en el sentido de que intuitivamente parecen ciertas las relaciones
lim f (x, y) = lim (lim f (x, y)) = lim ( lim f (x, y)).
(x,y)(a,b) xa yb yb xa
Nada m as lejos de la realidad: en verdad, esta relacion solo funciona en un sentido.

Si f : D IR2 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 f (x, y) = l y si, adicionalmente, en un entorno reducido de b existe lim f (x, y)
(x,y)(a,b) xa
entonces existe y vale l el lmite reiterado
lim ( lim f (x, y)).

yb xa
Del mismo modo, si existe lim f (x, y) = l y si, adicionalmente, en un entorno reducido de a existe
(x,y)(a,b)
lim f (x, y) entonces existe y vale l el lmite reiterado
yb
lim (lim f (x, y)).

xa yb
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.
1 1
on g : D IR2 IR dada por g(x, y) = (x + y) sen
Es el caso de la funci sen .
x y
1 1
As, lim g(x, y) = y sen lim sen , que no existe; de donde no tiene sentido el lmite reiterado
x0 y x0 x
lim lim g(x, y). Del mismo modo ocurre con el otro lmite reiterado, por ser g(x, y) una funci
on simetrica
y0 x0
respecto del plano y = x.
1 1
Sin embargo, lim g(x, y) = 0, puesto que lim (x + y) = 0 y la funci
on sen sen esta
(x,y)(0,0) (x,y)(0,0) x y
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
xy
Es el caso de la funci
on f (x, y) = en el punto (0, 0).
+ y2 x2
Efectivamente, lim lim f (x, y) = lim lim f (x, y) = 0, pero no existe el lmite de la funci
on en el
y0 x0 x0 y0
origen: tomando como direcciones las rectas y = mx, m = 0, (que pasan por el origen), se tiene que
mx2 m
lim f (x, y) = lim = ,
(x,y)(0,0) x0 x2 (1 + m2 ) 1 + m2
y=mx
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 difieren (y por
tanto no existe lmite de la funci
on en dicho punto).
xy + y 2
Es el caso de la funci
on f (x, y) = en el punto (0, 0).
x2 + y 2
Figura 1.24: Gr
acamente, se comprueba que la funcion no tiene lmite en el origen
y2 0
En efecto, lim lim f (x, y) = lim 2
= 1, pero lim lim f (x, y) = lim 2 = 0.
y0 x0 y0 y x0 y0 x0 x
0 0 0
Mucho cuidado con pensar que lim 2 = 0 es una indeterminaci on del tipo : la funci on , de
x0 x 0 x
0
dominio IR {0}, vale 0 en todos sus puntos del dominio de denici on; de modo que lim = 0.
x0 x
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 f (x, y) y lim f (x, y). La no existencia de alguno de
xa yb
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 ( lim f (x, y)) y lim (lim f (x, y)).
yb xa xa yb
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 mas
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 g(x, y) = 0 tal que, en un entorno reducido de
(x,y)(a,b)
(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:
x2 + y 2 xy 2 y
lim , lim , lim .
(x,y)(0,0) x + y (x,y)(0,0) x2 + y 4 (x,y)(1,0) x + y 1
x2 + y 2
Ejemplo 1.3.7 Sea f (x, y) = .
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:
y2
lim lim f (x, y) = lim = 0.
y0 x0 y0 y
Los lmites direccionales seg

un las rectas y = mx tambien valen 0:
x2 (1 + m2 )
lim f (x, y) = lim = 0.
(x,y)(0,0) x0 x(1 + m)
y=mx
Incluso si probamos con direcciones del tipo y = cxn 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
x2 + y 2 c c c2
c= x2 + y 2 cx cy = 0 (x )2 + (y )2 = ,
x+y 2 2 2
c c c
circunferencias de centro , y radio , que pasan todas ellas por el origen de coordenadas: (0
2 2 2
c 2 c c2
) + (0 )2 = .
2 2 2
De modo que la funcion no puede tener lmite en (0, 0), puesto que por ese punto pasan infinitas 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 f (x, y) =
(x,y)(0,0)
2
(x 2c )2 +(y c2 )2 = c2
c.
-1
-2
-2 -1 0 1 2
Figura 1.25: La no existencia del lmite en el origen es clara
xy 2
Ejemplo 1.3.8 El lmite lim no existe.
(x,y)(0,0) x2 + y 4
En efecto, si calculamos el lmite seg abolas x = my 2 , se tiene que

un las par
my 4 m
lim f (x, y) = lim = 2 ,
(x,y)(0,0) y0 (m2 + 1)y 4 m +1
x=my 2
xy 2
lo que nos hace concluir que el lmite propuesto lim no existe, pues seg
un las par
abolas
(x,y)(0,0) x2 + y 4
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)
y
Ejemplo 1.3.9 El lmite lim tampoco existe.
(x,y)(1,0) x+y1
Si tomamos la direccion y = x 1, resulta que el lmite direccional correspondiente queda

y x1 1
lim = lim = .
(x,y)(1,0) x + y 1 x1 2(x 1) 2
y=x1
on y = x2 1, se tiene que
Por otra parte, si tomamos la direcci
y x2 1 x+1 2
lim = lim 2 = lim = ,
(x,y)(1,0) x + y 1 x1 x + x 2 x1 x + 2 3
y=x2 1
1
que diere del valor antes calculado.
2
Luego el lmite en el origen no existe.
Ahora, probar la existencia de los siguientes lmites:
x2 y (x 1)2 ln x sen(x2 + y 2 )
lim , lim , lim
(x,y)(0,0) x2 + y 2 (x,y)(1,0) (x 1)2 + y 2 (x,y)(0,0) x2 + y 2
x2 y
Ejemplo 1.3.10 Sea f (x, y) = .
x2 + y 2
Calculemos primero los lmites reiterados en el origen: lim f (x, y) = 0, de modo que
x0
lim ( lim f (x, y)) = 0, por lo que el candidato a lmite es 0.
y0 x0
2
x2 y x y x2 y
Como 2 0 2 = |y| y lim |y| = 0, se tiene que existe lim = 0.
x + y2 x (x,y)(0,0) (x,y)(0,0) x2 + y 2
Figura 1.27: La representaci

on gr
aca es concluyente
Figura 1.28: La convergencia de la funci

on en el origen es incontestable
(x 1)2 ln x
Ejemplo 1.3.11 Sea g(x, y) = .
(x 1)2 + y 2
Se tiene que lim g(x, y) = ln x, de modo que el reiterado correspondiente queda lim ( lim g(x, y)) =
y0 x1 y0
lim ln x = 0. As, el candidato a lmite es l = 0.
x1
(x 1)2 ln x (x 1)2 ln x
De nuevo, 0
(x 1)2 = |ln x|, siendo lim | ln x| = 0; de donde existe
(x 1)2 + y 2 (x,y)(1,0)
(x 1)2 ln x
lim = 0.
(x,y)(1,0) (x 1)2 + y 2
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
sen(x2 + y 2 )
Ejemplo 1.3.12 Sea h(x, y) = .
x2 + y 2
sen x2
Estudiemos primero los lmites reiterados. Es claro que lim h(x, y) = . De donde
y0 x2
x0
sen x2 sen x2 x2
lim ( lim h(x, y)) = lim = 1, luego el candidato a lmite es 1.
x0 y0 x0 x2
En esta ocasi on, para demostrar que el lmite doble existe y vale 1, vamos a demostrar que existe el
lmite segun 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
sen t
cambiamos de variable seg un t = x2 + y 2 , resulta que lim g(x, y) = lim = 1.
(x,y)(0,0) g(x,y)=c t
g(x,y)=c t0
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
sen r2
lim h(x, y) = lim = 1.
(x,y)(0,0) r0 r2
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 u ltimo 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
a ntimamente ligada a la de lmite. Una funci
on f es continua
en un punto no asilado a IRn cuando se dan las siguientes tres condiciones:
La funci a denida en el punto a, f (a).

on est
Existe el lmite de la funci

on cuando x tiende a a, lim f (x) = l.
xa
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:

x4
x , si (x, y) = (0, 0),
g(x, y) = 2 , f (x, y) = x(x + y 2 )
2
x y
0, si (x, y) = (0, 0),
2
x + 2y 1, si x 0,
h(x, y) =
3x + y 2 , si x < 0.
x
Ejemplo 1.4.1 Sea g(x, y) =
x2 y
x
on g : D IR2 IR dada por g(x, y) =
La funci es continua en todo su domino de denici
on,
x2 y
D = IR2 {(x, y) : y = x2 }, por ser cociente de polinomios. Tenemos que estudiar si se puede extender
de manera continua en alg un punto de la parabola y = x2 .
2
En los puntos (c, c ) con c = 0 desde luego no se puede extender de manera continua, dado que
x c
lim = = , dependiendo de si nos acercamos a cero por la derecha o por la izquierda;
(x,y)(c,c2 ) x2 y 0
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 g(x, y) tampoco existe, de donde no puede existir el lmite de la
(x,y)(0,0)
y=x2
funci
on en el cero.
1.4. CONTINUIDAD DE FUNCIONES EN UN PUNTO 23
on tiene en {(x, y) : y = x2 } discontinuidades del tipo esencial

Figura 1.31: La funci

x4
, si (x, y) = (0, 0),
Ejemplo 1.4.2 Sea ahora la funci
on f (x, y) = x(x2 + y 2 )

0, si (x, y) = (0, 0),
on es continua en IR {0}, por ser cociente de polinomios.

La funci
Ademas, tambien es continua en el origen, dado que
3
x4 x

|f (x, y) f (0, 0)| = |x|,
x(x + y ) x2
2 2
que tiende a 0 cuando (x, y) tiende a (0, 0).

De donde existe lim f (x, y) = 0, por lo que la funci
on se puede extender de manera continua
(x,y)(0,0)
en el origen deniendo f (0, 0) = 0.
Figura 1.32: La continuidad es gr

acamente palpable

x2 + 2y 1, si x 0,
Ejemplo 1.4.3 Sea ahora h(x, y) =
3x + y 2 , si x < 0.
on es continua en todo IR {(x, y) : x = 0}, por ser polin

Es obvio que la funci 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 proximo a y = 1.
Figura 1.33: El u
nico punto de x = 0 donde la funci
on es continua es (0, 1)
Dado que lim h(x, y) = 2b 1 y lim h(x, y) = b2 , para que pudiera ser continua habra de
(x,y)(0,b) (x,y)(0,b)
x0+ x0
ser b2 = 2b 1; esto es, b = 1. As, el u
nico 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 IRn 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 x0 y x1 en D tales que f (x0 ) f (x) f (x1 ) 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.
on continua f : [0, 1] [0, 1] tiene un punto jo c (i.e. tal que

Ejemplo 1.4.4 Demostrar que toda funci
f (c) = c).
on g(x) = xf (x), continua, denida en [0, 1], con g(0) = f (0) 0 y g(1) = 1f (1) 0;
Sea la funci
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 geom
etrica
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 maximo 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 IRn 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 IR2 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 IR2 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) segun todas las direcciones posibles u (derivadas direccionales
segun 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
IRn , 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,
f (a + h) f (a)
lim .
h0 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 instant
anea 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 + h) f (a) f (t) f (a)

f (a) = lim = lim
h0 h ta ta
Ejemplo 2.1.1 Un agente de tr afico supervisa la posible evoluci
on de la velocidad de un autom
ovil 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?
150
En una primera estimaci
on, se puede concluir que la velocidad promedio del viaje ha sido de =
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 informacion que proporciona esta velocidad promedio resulta irrelevante para un agente de la
Guardia Civil de Tr aco que quiera discernir si el conductor infringio el lmite de velocidad permitido
en algun 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
algun instante distinto las velocidades maximas permitidas.
DE DERIVADA. INTERPRETACION
2.1. NOCION GEOMETRICA
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
20 60 130 60
va urbana y 120km en autova), resulta un tiempo de + = 24 + 65 = 89 minutos; esto
50 120
es, un minuto menos de lo que invirti o el conductor.
El agente de traco 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 x2
on (D = IR), siendo f (x) = 2x.

Se tiene que f (x) es derivable en todo su dominio de denici

Si tomamos el punto a = 1, se tiene que f (1) = 2, de modo que la recta tangente a la curva
y = 6 x2 en el punto (1, f (1)) = (1, 5) es
y f (1) = f (1)(x (1)) y 5 = 2(x + 1) y = 2x + 7.
15
10
5
-4 -2 2 4
-5
-10
-15
Figura 2.3: Tangente a y = 6 x2 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 superficie z = f (x, y) = 6 x2 y 2 .
El corte de la supercie con cada plano del tipo u2 x u1 y = c determina una curva de la supercie
en la direccion del vector u = (u1 , u2 ). 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 x2 y 2 seg un este plano y = 2 (ver Figura 2.4) viene
z = 2 x2
dada por la ecuacion
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 f (1 + h, 2) f (1, 2) 2 (1 + h)2 1
(1, 2) = Du f (1, 2) = lim = lim = 2
u h0 h h0 h
on de z = 6 x2 y 2 seg
Figura 2.4: Secci 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),
z = 5 y2
hubieramos obtenido la curva
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 f (1, 2 + h) f (1, 2) 5 (2 + h)2 1

(1, 2) = Dv f (1, 2) = lim = lim = 4
v h0 h h0 h
Figura 2.5: Secci un el plano x = 1
1 1
Y con la traza seg on w = ( , ) que pasa por (1, 2, 1) obtenemos
un el plano vertical en la direcci
2 2
z = 6 x2 y 2
la curva
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 segun la direccion del vector w,
h h
f f (1 +
2
,2 +
2
) f (1, 2) 62 h h2
(1, 2) = Dw f (1, 2) = lim = lim = 3 2
w h0 h h0 h
Figura 2.6: Secci un el plano x y = 1
DE DERIVADA. INTERPRETACION
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 f (1 + 2 h, 2 + 2 h) f (1, 2) 6
2
h 2 h2
(1, 2) = lim = lim
v h0 h h0 h

de manera que Dv f (1, 2) = 3 2 = Du 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 mo dulos.
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 segun la traza correspondiente a la direccion u. Efectivamente, si queremos calcular
la ecuacion de la curva determinada por la traza x y = 1 de la supercie z = 6 x2 y 2 , necesitamos
z=0
considerar como nuevo eje de abscisas la recta OT y como eje de ordenadas el eje OZ.
x y = 1
A la hora de preservar la escala que tenamos en el espacio seg un los ejes OX, OY y OZ, necesitamos un
1 1
vector de m odulo 1 en la recta anterior, que precisamente viene dado por u = ( , ). Si tomamos
2 2
t
como t la variable del eje OT , la relacion entre t y x ser ax= , puesto que para t = 1 se obtiene el
2
1
vector u, cuya primera coordenada (proyecci on sobre OX) es x = .
2
OZ
1

2
OY
@
OY 1 @
R
@

R
@ s 2
|u| = 1

@(1, 2)

@

@
@ OX
OT
OX
Figura 2.7: Las direcciones deben ser unitarias para preservar la geometra

z = 6 x2 y 2
Como la ecuacion de la curva respecto x es
x y = 1
z(x) = 6 x2 (x + 1)2 = 5 2x2 2x,

a z(t) = 5 t2 2t. As, la pendiente de la curva
se tiene que la ecuacion de la curva respecto de t ser
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) enel 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 funcion seno esta 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
30 CAPTULO 2. DIFERENCIABILIDAD
1 DE FUNCIONES DE VARIAS VARIABLES
y = sen r
0.5
-3 -2 -1 1 2 3
-0.5
1
-1
y = sen g
0.5
-150 -100 -50 50 100 150
-0.5
-1
Figura 2.8: Gr 1 radianes y grados, respectivamente

acas de sen x en
y = sen g
0.5
-30 -20 -10 10 20 30
-0.5
y = sen r
-1
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 = sen g! La Figura 2.9 reeja este hecho.
Mas 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 = r, se tiene que sen g = sen r; de modo que
180 180

(sen g) = (sen r) = cos r= cos g = cos g,
180 180 180 180
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 cuesti on 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 f (a + h cos , b + h sen ) f (a, b)
(a, b) = lim ,
u h0 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.
f
En particular, cuando u = (1, 0) se habla de derivada parcial respecto de x, y se nota (a, b) =

x
fx (a, b) = zx (a, b) = D1 f (a, b); y cuando u = (0, 1) se habla de derivada parcial respecto de y, y se nota
f
(a, b) = fy (a, b) = zy (a, b) = D2 f (a, b).
y
DE DIFERENCIAL. INTERPRETACION
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.
f
En el caso anterior, (1, 2) = 2x|(1,2) = 2.
x
f
An alogamente, (1, 2) = 2y|(1,2) = 4.
y
Geometricamente, las derivadas parciales fx y fy 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, fy (a, b)) y (1, 0, fx (a, b)) son vectores presentes en el plano tangente en
cuestion:
A lo largo de la recta r z f (a, b) = fx (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 = fx (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, fx (a, b)).
An alogamente, a lo largo de la recta s z f (a, b) = fy (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 = fy (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, fy (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, fy (a, b)) (1, 0, fx (a, b)) = (fx , fy , 1).
La ecuacion de dicho plano tangente queda por tanto
fx (a, b)(x a) + fy (a, b)(y b) (z f (a, b)) = 0.
2.2 Noci
on de diferencial. Interpretaci
on geom
etrica
on f : D IR IR se dice diferenciable en un punto a D cuando existe una constante IR
Una funci
de modo que
f (a + x) f (a) x
lim = 0.
x0 x
Dicho de otro modo, cuando existe una aproximacion lineal en x de la variaci
on de la funci
on en un
entorno sucientemente pequeno de a:
f (a + x) f (a) = y = x + (x)x,
donde (x) 0 cuando x 0.

En el caso de una funcion 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.
4
3.5 y
3
dy
2.5
2
1.5
1
x
0.5
Figura 2.10: La variaci 1 se puede

on y 2 3 4 por 5dy en las
aproximar 6 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 + x) f (a) y
f (a) = lim = lim ;
x0 x x0 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).

on f : D IR IR es derivable en a, entonces asimismo es diferenciable, tomando
As, si una funci
= f (a). De modo que para funciones de una variable las nociones de diferencial y derivada se confunden.
De hecho,
f (a + x) f (a) x f (a + x) f (a)
lim = 0 lim = = f (a).
x0 x x0 x
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 r
Figura 2.11: Modelo de una vena en forma de cilindro
Seg
un el enunciado, v(0.002) = 1.111cm/s, y
dv v 1.037 1.111
|r=0.002 = = 74cm/s,
dr r 0.003 0.002
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 flujo laminar, descubierta por el fsico frances Poiseuille en 1840,
33
P
expresa la relacion entre v y r en la forma v = (R2 r2 ), donde es la viscosidad de la sangre y P
4l
la diferencia de presion entre los extremos del tubo. Para nuestros prop ositos, podemos asumir que , P
y l son constantes.
Debido a la friccion 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.
dv Pr
M as concretamente, se tiene que = .
dr 2l
Por tanto, en una vena humana peque na, con = 0.027, R = 0.008cm, l = 2cm, P = 4000dinas/cm2,
4 5 2
se tiene que v 1.85 10 (6.4 10 r ) cm/s.
As, en r = 0.002cm, la sangre uye a una velocidad de 1.11cm/s y el gradiente de velocidad en ese
dv
punto es |r=0.002 74(cm/s)/cm = 74s1 .
dr
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
funcion 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 IR2 IR se dice diferenciable en un punto (a, b) cuando existen constantes
, IR de modo que
f (a + x, b + y) f (a, b) x y
lim = 0.
(x,y)(0,0) ||(x, y)||
Aqu, ||(x, y)|| representa la distancia del punto(x, y) al origen de coordenadas, respecto de cualquier
aplicaci on distancia (por ejemplo, eucldea, x2 + 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 =
fx (a, b) (x a) + fy (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
on viene dada por z = f (a + x, b + y) f (a, b), y un candidato a aproximar este valor es la
funci
variaci
on de la ordenada en el plano tangente, dz = p(a+x, b+y)p(a, b) = fx (a, b)x+fy (a, b)y.
z
dz
x
y
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
f (a + x, b + y) f (a, b) x y
lim = 0.
(x,y)(0,0) ||(x, y)||
M
as a
un, se puede probar que estas constantes resultan ser = fx (a, b) y = fy (a, b).
De modo que existen funciones 1 y 2 que tienden a cero cuando (x, y) (0, 0) que hacen que
z = fx (a, b) x + fy (a, b) y + 1 x + 2 y, por lo que
z dz = fx (a, b) x + fy (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 final 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.
Aun cuando no conocemos una expresion explcita para la funci on g(v, t), s tenemos estimaciones
0.06
acerca de las derivadas parciales de la funci on en el punto (10, 900): gv (10, 900) = 0.3, dado que
0.2
una variaci on de 0.2m/s en la velocidad de giro produce un aumento de 0.06mm en el espesor; por otra
0.04
parte, de manera an aloga, se tiene que gt (10, 900) = 0.004, toda vez que un incremento de 10
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) + gv (10, 900)(v 10) + gt (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 segun
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
3x2 y 2x3
caso de la extension continua de en el origen, que trataremos posteriormente.
x2 + y 4
A continuacion, 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 segun cualquier direccion. El
recproco es falso: la existencia de todas las derivadas direccionales no implica la diferenciabilidad
de la funcion.
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 segun 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 C1 .
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.
35
Veamos contraejemplos que conrmen las situaciones anteriores.
Ejemplo 2.2.3 No hay ninguna relaci on 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.
3
x
, si y = 0
Por ejemplo, consideremos la funcion f (x, y) = y

0, si y = 0
Figura 2.13: El mapa de densidad sugiere que no existe lmite a lo largo de y = x2
Esta funci on admite todas las derivadas direccionales en el origen, siendo todas ellas nulas: dado
u = (cos , sen ), se tiene que

h3 cos3

lim 2 = 0, si sen = 0
f (h cos , h sen ) h0 h sen
lim =
h0 h

lim 0 = 0, si sen = 0
h0 h
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 f (x, y) (vale
(x,y)(a,0)
y y
dependiendo de que 0 o
0+ ).
x x
En el origen, tampoco es continua: tomando las trayectorias y = mx3 para acercarnos al origen,
x3 1
resulta que lim f (x, y) = lim = ametro m = 0 (trayectoria
, que depende del par
(x,y)(0,0) x0 mx3 m
y=mx3
y = mx3 ) elegido.

Por otra parte, la funci
on f (x, y) = x2 + y 2 es continua en todo IR2 (en particular, en el origen), y
f (h cos , h sen ) |h|
sin embargo no admite ninguna derivada direccional en el origen: lim = lim , que
h0 h h0 h
+
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.

on x2 + y 2 no admite derivadas direccionales en el origen

xy
, si (x, y) = (0, 0)
Sea la funci
on f (x, y) = x2 + y 2
0, si (x, y) = (0, 0)
Esta funci
on es claramente discontinua en el origen:
xy mx2 m
lim = lim = ,
(x,y)(0,0)
y=mx
x2 + y 2 x0 x2 (1 + m2 ) 1 + m2
que depende de la direccion y = mx tomada.

No obstante, f (x, y) admite derivadas parciales en el origen, siendo
0
h2
fx (0, 0) = lim = 0 = fy (0, 0).
h0 h
Hagamos notar que f (x, y) tambien admite derivadas parciales en los restantes puntos (a, b) = (0, 0)
b 3 a2 b a3 b 2 a
de IR2 , siendo fx (a, b) = 2 y f y (a, b) = ; y que estas funciones (simetricas en las
(a + b2 )2 (a2 + b2 )2
b3 (1 m2 )
variables a y b) no son continuas en el origen, dado que lim fx (a, b) = lim 4 que no existe
(a,b)(0,0) b0 b (1 + m2 )2
a=mb
al valer (para m2 = 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
f (h cos , h sen ) h2 cos sen

lim = lim ,
h0 h h0 h3
un se tome h 0 o h 0+ ).
que no existe (vale , seg
Posteriormente quedara patente que para que en un punto dado (a, b) existan fx y fy pero no ninguna
otra derivada direccional es indispensable que ambas fx y fy 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) = x2 + 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.
37
Figura 2.15: Las u

nicas derivadas direccionales existentes son las parciales

3x2 y 2x3
si (x, y) = (0, 0)
Por ejemplo, sea f (x, y) = x2 + y 4

0, si (x, y) = (0, 0)
Esta funcion es continua en todo IR , por ser cociente de funciones continuas en IR2 {(0, 0)}, y por
2
ser f (0, 0) = 0 = lim f (x, y), dado que

(x,y)(0,0)
2
3x y 2x3 3x2 y 2x3
|3y| + |2x| (x,y)(0,0)
0.
x2 + y 4 x2
Por otra parte, tiene derivadas direccionales en (0, 0) seg

un cualquier vector unitario u = (cos , sen ):
f (0 + h cos , 0 + h sen ) f (0, 0) h3 cos2 (3 sen 2 cos )

lim = lim ,
h0 h h0 h3 (cos2 + h2 sen4 )

3 sen 2 cos si cos = 0,
que vale
0 si cos = 0.
De este modo, fx (0, 0) = 2 y fy (0, 0) = 0.
Sin embargo la funci on no es diferenciable en (0, 0): para que as lo fuera, habra de ser
f (x, y) f (0, 0) fx (0, 0) x fy (0, 0) y

0= lim ;
(x,y)(0,0) ||(x, y)||
esto es, debera ocurrir que

3x2 y + 2xy 4 )
0= lim .
(x,y)(0,0) (x2 + y 4 )||(x, y)||

Sin embargo, tomando ||(x, y)|| = x2 + y 2 y la direcci
on y = mx se tiene que
mx3 (3 + 2m3 x2 ) 3m
lim = ,
x0 |x3 |(1 + m4 x2 ) 1 + m2 1 + m2
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
xy
, si (x, y) = (0, 0)
del Ejemplo 2.2.4, f (x, y) = x2 + y 2 (que no era continua en el origen, y por tanto
0, si (x, y) = (0, 0)
tampoco puede ser diferenciable en dicho punto, a pesar de admitir todas las 2derivadas direccionales en el
3x y 2x3
si (x, y) = (0, 0)
punto); o tambien la que se ha trabajado en el Ejemplo 2.2.5, g(x, y) = x2 + y 4

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:

x2 y
, si (x, y) = (0, 0)
f (x, y) = x4 + y 2

0, si (x, y) = (0, 0)
La funci
on no es continua en el origen, dado que
mx4 m
lim f (x, y) = lim = ,
(x,y)( 0,0) x0 x4 (1+ m2 ) 1 + m2
y=mx2
que depende de la trayectoria y = mx2 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 )

h3 cos2 sen cos2
lim = , si cos sen = 0
h0 h3 (h2 cos4 + sen2 ) 0,sen 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 segun 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 (h, 0) f (0, 0) 0
fx (0, 0) = lim = lim = 0,
h0 h h0 h
39
Figura 2.17: A
un cuando existen todas las derivadas direccionales, no es diferenciable
f (0, h) f (0, 0) 0
fy (0, 0) = lim = lim = 0.
h0 h h0 h
De ellas, fx no es continua, dado que fx solo esta denida en puntos (a, b) con b = 0, puesto que
f (a + h, b) f (a, b) ((a + h) (a))b
lim = lim , que existe (y vale 0) solo cuando b = 0.
h0 h h0 h
f (a, b + h) f (a, b) (a) h
En cambio, fy (a, b) = lim = lim = (a), siendo continua en el origen,
h0 h h0 h
dado que
lim fy (a, b) = lim (a) = 0 = fy (0, 0).
(a,b)(0,0) (a,b)(0,0)
Como al menos una de entre fx y fy es continua en el origen, la funcion f ha de ser diferenciable en

el origen. Comprobemoslo.
f (x, y) f (0, 0) xfx (0, 0) yfy (0, 0) y

lim = lim (x) = 0,
(x,y)(0,0) ||(x, y)|| (x,y)(0,0) ||(x, y)||

y
dado que lim (x) = 0 y 1, independientemente de la elecci
on de la distancia, ||(x, y)|| =

x0 ||(x, y)||
x2 + 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.

1
(x2 + y 2 ) sen , si (x, y) = (0, 0)
Sea f (x, y) = + y2 x2
0, si (x, y) = (0, 0)
La funci
on admite evidentemente derivadas parciales fx y fy en todos los puntos del plano distintos
del origen por derivaci
on formal,
1 2x 1
fx (a, b) = 2x sen 2 cos 2 ,
x2 + y 2 x + y2 x + y2
1 2y 1
fy (a, b) = 2y sen 2 cos 2 .
x2 + y 2 x + y2 x + y2
Por otra parte,
h2 1
fx (0, 0) = fy (0, 0) = lim sen 2 = 0.
h0 h h
Ninguna de las funciones fx y fy es continua en el origen, a la vista del valor que toman en puntos
1 2a 1
distintos al origen. Aunque lim 2a sen 2 = 0, el lmite lim cos 2 no ex-
(a,b)(0,0) a + b2 (a,b)(0,0) a2 + b2 a + b2
1
iste: de una parte, lim cos 2 no existe (oscila recorriendo todo el intervalo [1, 1]); de otra,
(a,b)(0,0) a + b2
2a
lim tampoco existe (por la direccion a = 0 vale 0, mientras que por la direcci on b = 0 ni
(a,b)(0,0) a2 + b2
siquiera existe, valiendo cuando a 0 y + cuando a 0+ ).

on derivada parcial fx (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
f (x, y) f (0, 0) xfx (0, 0) yfy (0, 0) x2 + y 2 1
lim = lim sen 2 = 0,
(x,y)(0,0) ||(x, y)|| (x,y)(0,0) ||(x, y)|| x + y2
x2 + y 2
dado que la funci a acotada y tomando ||(x, y)|| =
on seno est x2 + y 2 es lim =
(x,y)(0,0) ||(x, y)||

lim x2 + y 2 = 0.
(x,y)(0,0)
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.
un en el caso de funciones reales, f : D IR IR, las nociones de funci
A on diferenciable (derivable)
y funci
on de clase 1 (funci
on con derivada continua) son distintas.

1
x2 sen , si x = 0
Ejemplo 2.2.9 Considerese la funci on f (x) = x
0, si x = 0
41
on es derivable en todo IR {0} de manera evidente, pero tambien en el origen:

Esta funci
f (0 + h) f (0) h2 sen h1 1
lim = lim = lim h sen = 0.
h0 h h0 h h0 h

1 1
2x sen cos , si x = 0
As, f (x) = x x
0, si x = 0
0.15
0.1
0.05
-0.75 -0.5 -0.25 0.25 0.5 0.75

-0.05
-0.1
-0.15

on es derivable, incluso en el origen
La funci
on derivada no es continua en x = 0, dado que

1 1 1
lim 2x sen cos = lim cos ,
x0 x x x0 x
que no existe (oscila recorriendo todo el intervalo [1, 1]).
0.5
-2 -1 1 2
-0.5
-1
1
Figura 2.21: No existe lim cos
x0 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. Automaticamente,
la funcion 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
1 1

x2 sen + y 2 sen , si xy = 0

x y

2 1
y sen , si x = 0 e y = 0
f (x, y) = y

1
x2 sen , si x = 0 e y = 0

x
0, si (x, y) = (0, 0)
on es continua en todo su dominio (el plano IR2 ), dado que cuando alguno de los senos no
La funci
esta denido (i.e. cuando x 0 o y 0), aparece multiplicado por una cantidad que tiende a cero:
2 1
lim t sen = 0.
t0 t
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).
1 1
De un lado, fx (x, y) = 2x sen cos cuando xy = 0.
x x
h2 sen h1 + y 2 sen y1 y 2 sen y1
Si x = 0, entonces fx (0, y) = lim = 0.
h0 h
1
(x + h)2 sen x+h x2 sen x1
Por otra parte, si y = 0, entonces fx (x, 0) = lim , de modo que
h0 h
1
x2 (sen x+h sen x1 ) + 2xh sen x+h
1 1
+ h2 sen x+h
fx (x, 0) = lim .
h0 h
u+v uv
Dado que sen u sen v = 2 cos sen , el lmite anterior queda
2 2
1
+1 1 1
x
1 2x2 (cos( x+h2 x ) sen( x+h2 ))
fx (x, 0) = 2x sen + lim ,
x h0 h
esto es,
h
1 1 2x2 sen 2x(x+h) sen h
2x(x+h)
h0 h
2x(x+h) 1 1
fx (x, 0) = 2x sen + cos lim = 2x sen cos
x x h0 h x x

1 1
cos , si x = 0
2x sen
En denitiva, fx (x, y) = x x
0, si x = 0
As, fx es discontinua a lo largo de la recta x = 0, dado que no existe lim fx (x, y), por no existir
x0
1
lim cos .
x0 x
Como el papel de y y de x es simetrico en la funcion f (x, y), no hay necesidad de repetir calculos, y
1 1
2y sen cos , si y = 0
podemos asegurar que fy (x, y) = y y
0, si y = 0
Luego fy es discontinua a lo largo de la recta y = 0. En particular, fx y fy son discontinuas
simultaneamente tan s olo en el punto (0, 0), de donde f (x, y) es automaticamente diferenciable en todo
IR2 salvo eventualmente en el origen de coordenadas, singularidad que hemos de estudiar de manera
independiente.
Como fx (0, 0) = 0 y fy (0, 0) = 0, para que f (x, y) sea diferenciable en (0, 0) hemos de probar
f (x, y) f (0, 0) x2 sen x1 + y 2 sen y1
que lim = 0. Y, en efecto, resulta que lim = 0, pues
(x,y)(0,0) ||(x, y)|| (x,y)(0,0) ||(x, y)||
tomando ||(x, y)|| = |x| + |y|, se tiene que

x2 sen 1 + y 2 sen 1 x2 sen 1 y 2 sen 1
x y x y
0 +
|x| + |y| |x| + |y| |x| + |y|
2
x sen x1 y 2 sen y1 x2 y2 (x,y)(0,0)
+
+ = |x| + |y| 0
|x| |y| |x| |y|
on tambien es diferenciable en (0, 0), luego en todo su dominio, IR2 .

Luego la funci
2.3. GRADIENTE 43
on es diferenciable en IR2
2.3 Gradiente
Las derivadas parciales fx y fy 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 : IR2 IR2 que a un punto (a, b) le asocia el vector de derivadas
on f (x, y). Por ello, la funci
parciales f (a, b) = (fx (a, b), fy (a, b)) recibe un nombre especial, gradiente. As, el gradiente de la
funcion diferenciable f (x, y) en el punto (a, b) es el vector (fx (a, b), fy (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 (fx (a, b), fy (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 (fx (a, b), fy (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 (fx (a, b), fy (a, b)) asociados a funciones diferenciables en el punto
(a, b) en cuestion.
on diferenciable. Las propiedades principales del gradiente f (a, b) son:
Sea f (x, y) una funci
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 maximo ritmo de cambio de f (x, y) en el punto (a, b) es |f (a, b)| y ocurre en la direcci
on del
f (a, b)
gradiente, u = .
|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
f (a, b)
opuesta a la del gradiente, u = .
|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)
f (x, y) = c, para c = f (a, b).
z=c
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 fx (a, b) y fy (a, b).
As, en las funciones diferenciables es inmediato calcular las derivadas direccionales, reduciendolas
a un simple producto escalar de vectores.
on f (x, y) = x2 + y 2 en el punto
Ejemplo 2.3.1 Determinar la derivada direccional de la funci
3 4
(1, 1) seg on u = ( , ).
un la direcci
5 5
La derivada direccional viene dada por
f f (1 35 h, 1 + 45 h) f (1, 1) h2 14
5 h 14
(1, 1) = lim = lim = .
u h0 h h0 h 5
M
as f
acil hubiera sido efectuar el producto escalar
3 4 14
f (1, 1) u = (2, 2) ( , ) = .
5 5 5
f
Hemos de hacer notar que la relacion (a, b) = (fx (a, b), fy (a, b)) u para toda direccion unitaria
u
u no es condici
on suficiente para que una funci on sea diferenciable, aunque por supuesto s es
necesaria.

1, si y = x2 o (x, y) = (0, 0)
Ejemplo 2.3.2 Considerar f (x, y) =
0, si y = x2 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 f (hu1 , hu2 ) f (0, 0) 0
(0, 0) = lim = lim = 0,
u h0 h h0 h
dado que f (hu1 , hu2 ) = f (0, 0) = 1, puesto que cualquier recta del tipo r (x, y) = (0, 0) + u
corta a la parabola y = x2 en a lo sumo un punto distinto del origen, de modo que f (hu1 , hu2 ) = 1
para todo h salvo excepcionalmente un u nico valor real de h.
f
As, en particular, (fx (0, 0), fy (0, 0)) u = 0 = (0, 0) para cualquier vector u. Y, sin embargo,
u
f (x, y) no es diferenciable en el origen, dado que ni siquiera es continua en el origen (seg un la
trayectoria y = x2 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 maximo ritmo de cambio de f (x, y) en el punto (a, b) es |f (a, b)| y ocurre en la direcci on del
f (a, b)
gradiente, u = .
|f (a, b)|
Debemos interpretar convenientemente el enunciado: nos referimos a la direcci on en la que el valor
de la funcion 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.
f
Como (a, b) = f (a, b)u para toda direccion unitaria u, el valor de maximo cambio se producir a
u
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
f (a, b)
es, para = 0. Esto ocurre cuando u = aximo coincide con |f (a, b)|.
, y el valor m
|f (a, b)|
Hay que saber interpretar esta relacion: el hecho de que la direccion de m aximo crecimiento de
on f (x, y) en el punto (a, b) se produzca en el sentido del vector f (a, b), no quiere decir
la funci
que la funcion siempre tenga que crecer en ese sentido. En general, una vez que se llega al punto
(a + x, b + y) la direcci on de m
aximo 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 direccion, 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 maxima, habra de resolver una ecuaci
on diferencial, que no entra dentro de los objetivos
del presente curso.
Ejemplo 2.3.3 N otese 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 funci
on.

Este es el caso de la funcion f (x, y) = 3x x3 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.
2 2
1 1
-1 -0.5 0.5 1 1.5 2 2.5 -1 -0.5 0.5 1 1.5 2 2.5
-1 -1
-2 -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 (x, y), z = f (x, y) = 20 4x2 y 2 . Pretende seguir una trayectoria
on de la posici
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) = fx (x(t), y(t)) e y (t) = fy (x(t), y(t)):
dx dy
= 8x y = 2y.
dt dt
La solucion general de esta ecuacion diferencial viene dada por x(t) = C1 e8t e y(t) = C2 e2t . Para
que esta curva pase por el punto (2, 3) = (x(0), y(0)) debe ser C1 = 2 y C2 = 3, de modo que
la trayectoria buscada viene dada por r(t) = (2e8t , 3e2t). Equivalentemente, la curva, como
on implcita de x e y, viene dada por la ecuacion 81x = 2y 4 , que se obtiene despejando t en
funci
funci
on de x e y e igualando. De hecho, por la rama negativa que dene implcitamente la ecuacion
x 14
anterior, y = 3 .
2
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
f (a, b)
opuesta a la del gradiente, u = .
|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 funcion 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)
, y el valor mnimo coincide con |f (a, b)|.
|f (a, b)|
Nuevamente, la direccion 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)
f (x, y) = c, para c = f (a, b).
z=c
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));
a de la forma v = (u1 , u2 , 0), dado que la curva est
el cual ser 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 = (fx (a, b), fy (a, b), 1);
de modo que 0 = v n = fx (a, b)u1 + fy (a, b)u2 .
De modo que la derivada direccional de la funcion en el punto (a, b) en la direcci on del vector
u = (u1 , u2 ) (que coincide en el espacio con el vector v, tangente a la curva de nivel) es nula, dado
que
f
(a, b) = f (a, b) u = fx (a, b)u1 + fy (a, b)u2 = 0.
u
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)).
Gracamente, 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.
2
1.5
1
0.5
1 2 3
-0.5
-1
-1.5
-2

Figura 2.25: Este es el caso de 3 sen x 1 en [0, ]
on f (x) = 3 sen x 1.
Ejemplo 2.4.1 Sea la funci
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 = , puesto que f ( ) = 3 cos = 0.
2 2 2
Teorema de Lagrange (de los incrementos finitos o del Valor Medio). Sea f (x) una funcion continua
f (b) f (a)
en [a, b], diferenciable en (a, b). Entonces, existe un c (a, b) de modo que f (c) = .
ba
f (b) f (a)
Este resultado engloba al anterior, dado que cuando f (a) = f (b), la relacion f (c) =
ba
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
0.75
0.5
0.25
-1 -0.5 0.5 1
-0.25
-0.5
-0.75
-1
Figura 2.26: La tangente no tiene por que ser u

nica
Ejemplo 2.4.2 Sea la funci on f (x) = x3 , 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 funcion 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
1
cuestion son x = .
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
on de exactamente 240km/h2.
tuvo una aceleraci
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,
100 60
se tiene que existe un instante c entre las 14:00 y las 14:10 de manera que v (c) = = 240km/h2,
1/6
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 IR2 IR es diferenciable en los puntos del segmento del plano de extremos
a, b IR2 , con a = (a1 , a2 ) y b = (b1 , b2 ); entonces existe un c = (c1 , c2 ) interior en este segmento de
modo que
f (b1 , b2 ) f (a1 , a2 ) = fx (c1 , c2 )(b1 a1 ) + fy (c1 , c2 )(b2 a2 ).
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
f (c) f (b) f (a)
en [a, b], derivables en (a, b). Entonces, existe c (a, b) con = .
g (c) 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
f (c) f (b) f (a) f (b) f (a)
para todo x; de modo que la relacion = queda f (c) = .
g (c) g(b) g(a) ba
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) f (b) f (a) x = f (t)

= . Consideremos la curva de IR2 cuyas ecuaciones parametricas son o
g (c) g(b) g(a) y = g(t)
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 dg df 1 1 g (c)
= (c) (f (c)) = g (c) = .
dx dt dx f (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
g(b) g(a)
en la abscisa, .
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 funcion (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, sen 0 = 0. Consideremos la funci on f (x) = sen x, 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 (a) f (0) sen a
f (c) = , esto es, cos c = . Como la funci on cos x esta acotada en valor absoluto por 1,
a0 a
sen a
de la relacion anterior se desprende que 1, de donde | sen a| |a| tambien para a = 0.
a
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
f (x) f (x)
entorno reducido. Si existe lim = l nito o innito, entonces existe lim y vale l.
xa g (x) xa g(x)
IMPLICITA
2.5. JACOBIANO. REGLA DE LA CADENA. DERIVACION 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 : IRp IRq (esto es, de sus q funciones com-
ponentes, f = (f1 , . . . , fq )), se suele utilizar una representacion matricial, denominada matriz jacobiana
de la funci
on, de modo que
f1 f1
x1 (a) (a)
xp
. .
J(f (a)) = .. ..

fq fq
(a) (a)
x1 xp
El determinante de esta matriz se denomina jacobiano de la funci
on.
on f : IR3 IR2 definida como
f (x, y, z) = (sen(x2 + y 2 ), cos(xyz)).
Las funciones componentes son f1 (x, y, z) = sen(x2 + y 2 ) y f2 (x, y, z) = cos(xyz), y sus derivadas
f1 f1 f1 f2 f2
parciales son = 2x cos(x2 + y 2 ), = 2y cos(x2 + y 2 ), = 0, = yz sen(xyz), =
x y z x y
f2
xz sen(xyz), = xy sen(xyz). De modo que la matriz jacobiana viene dada por
z

2x cos(x2 + y 2 ) 2y cos(x2 + y 2 ) 0
J(f ) =
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 u til 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 influencia 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) = t, de modo que t
180

grados son radianes. As, la derivada del seno en grados viene dada por (f g) (t) = f (g(t)) g (t) =
180
t
cos , que no es exactamente igual al coseno de los grados de entrada, sino a un m ultiplo escalar
180 180
suyo!!
Ejemplo 2.5.4 Conforme el Sol se esconde tras un edificio 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
radianes con respecto la horizontal?
4
1
t t
y= cos
180 180
0.5
-200 -100 100 200y = sen t

180
-0.5
-1 t
y = cos
180
Figura 2.27: El cambio de unidad inuye en la funci
on derivada
40m
Figura 2.28: C
omo 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, Dt 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,
2
a velocidad constante; de donde con una velocidad de Dt = radianes por segundo, con signo
86400
negativo puesto que el angulo disminuye conforme el Sol se oculta), se trata de aplicar la regla de la
cadena:
2
Dt x = D x Dt = 40( cosec2 ) = cosec2
86400 360

Cuando = , tenemos que
4

Dt x = cosec2 0.0175m/s,
360 4
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 x2 + y 2 = 100 (segun el teorema de Pitagoras).
dx d(100) dx dy dy
Ademas, = 1pie/s. Dado que = 0, se tiene que 2x = 2y , de donde |x=6 =
dt dt dt dt dt
x dx 6 3
|x=6 = = pies/s.
y dt 8 4
IMPLICITA
En el caso de funciones f : IR2 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 : IR2 IR es diferenciable en (a, b),
siendo
h dg f h dg f
(a, b) = (c) (a, b) y (a, b) = (c) (a, b);
x dt x y dt y
es decir, hx (a, b) = g (c) fx (a, b) y hy (a, b) = g (c) fy (a, b).
Ejemplo 2.5.6 La superficie sinusoidal del tipo sen(x2 + y 2 ) se puede recorrer a distinta velocidad, como
on de f (x, y) = x2 + y 2 con funciones g (t) = sen(t).
resultado de la composici
As, las derivadas de las funciones g f son
(g f )x (a, b) = g (f (a, b)) fx (a, b) y (g f )y (a, b) = g (f (a, b)) fy (a, b);
esto es, (g f )x (a, b) = 2x cos(x2 + y 2 ) y (g f )y (a, b) = 2y cos(x2 + y 2 ).

Gracamente, 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(x2 + y 2 )
Figura 2.29: Supercie seg

un el periodo natural
y = sen(2x2 + 2y 2 )
Figura 2.30: Supercie modicada por un factor de 2
y = sen(3x2 + 3y 2 )
Figura 2.31: Supercie modicada por un factor de 3
An alogamente, para funciones f : IR2 IR2 y g : IR2 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 : IR2 IR es diferenciable en (a, b), siendo
h g s g t
(a, b) = (c, d) (a, b) + (c, d) (a, b)
x s x t x
y
h g s g t
(a, b) = (c, d) (a, b) + (c, d) (a, b).
y s y t y
Es decir,
hx (a, b) = gs (c, d) sx (a, b) + gt (c, d) tx (a, b),
hy (a, b) = gs (c, d) sy (a, b) + gt (c, d) ty (a, b).
Ejemplo 2.5.7 Considerar el cambio a coordenadas polares, f : IR2 IR2 , de modo que f : (r, )
(x, y) = (r cos , r sen ).
IMPLICITA
y r

x
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 hr (a, b) = gx (c, d)
xr (a, b) + gy (c, d) yr (a, b), mientras que por su parte h (a, b) = gx (c, d) x (a, b) + gy (c, d) y (a, b); siendo
xr (a, b) = cos b, yr (a, b) = sen b, x (a, b) = a sen b e y (a, b) = a cos b.
No es difcil extender la regla de la cadena para la composicion de funciones del tipo IRp IRq IRr :
basta trabajar componente a componente. La expresion general de la regla de la cadena se puede enunciar
como sigue.
Sean f : IRp IRq y g : IRq IRr funciones susceptibles de ser compuestas, siendo f = (f1 , . . . , fq )
las funciones componentes de f , de modo que y = f (x) = (y1 , . . . , yq ), con yj = fj (x1 , . . . , xp ).
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 gj f1 gj fq
(x) = (y) (x) + + (y) (x), 1 j r, 1 i p.
xi y1 xi yq xi
aramos con anterioridad, J(g f ) = Jg Jf .
En denitiva, como avanz
Ejemplo 2.5.8 Calcular la derivada a lo largo de la curva que define la superficie z = f (x, y) = 6x2 y 2
1 1
en el punto (1, 2, 1) seg on del vector unitario u = ( , ).
un la direcci
2 2
La curva en cuesti
on queda denida como la composicion de la funci on g : IR
on f (x, y) con la funci
2 t t
IR dada por g(t) = (1, 2) + tu = (1 + , 2 + ). As, la derivada de la funci
on f g es
2 2
t t dx(t) t t dy(t)
(f g) (t) = fx (1 + , 2 + ) + fy (1 + , 2 + ) =
2 2 dt 2 2 dt
1 t t 1 t t
= fx (1 + , 2 + ) + fy (1 + , 2 + ).
2 2 2 2 2 2
Notese 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-
f
on diferenciable f : IR2 IR, de modo que f (a, b) u =
ente de una funci (a, b).
u
En efecto, dada una funci on f : IR2 IR diferenciable en un punto (a, b) y un vector horizontal unitario
u = (u1 , u2 ), consideremos la funcion g : IR IR2 que a t asocia g(t) = (g1 (t), g2 (t)) = (a + tu1 , b + tu2 );
y la composicion h = f g : IR IR, t h(t) = f (a + tu1 , b + tu2). Por denicion, la derivada direccional
de f en (a, b) segun 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 f dg1 f dg2
(0) = (a, b) (0) + (a, b) (0) = f (a, b) u.
dt x dt y dt
Una u ltima 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
dh F t F f (t) dh
cadena, = + . Como h(t) = F (t, f (t)) = 0 para todo t, se tiene que = 0, de
dt x t y t dt
Fx
donde f (t) = , y hemos encontrado la derivada de y respecto de x sin necesidad de conocer una
Fy
f
ormula explcita para f (x).
De hecho, dada F : IR2 IR, se tiene que si Fx y Fy son continuas en (a, b), F (a, b) = 0 y Fy (a, b) = 0;
entonces se puede asegurar que F (x, y) = 0 dene implcitamente a y como funci on de x en un entorno
Fx
de (a, b), siendo en este caso, como acabamos de ver, y (x) = .
Fy
on F (x, y) = x2 + y 2 4 y el punto (a, b) = (0, 2).

Resulta que F (0, 2) = 0, Fx = 2x y Fy = 2y son continuas en todo IR2 (en particular en el punto
(0, 2)) y Fy (0, 2) = 4 = 0, de modo que y queda denida como funci on de x, y = f (x), en un entorno del
Fx x
punto (0, 2); adem as, f (x) = = .
Fy y
De hecho, nosotros sabemos que en un entorno del punto (0, 2), la funci on F (x, y) = 0 dene a y como
x x x
funcion de x en la forma y = f (x) = 4 x . En verdad, f (x) =
2 = = .
4x 2 f (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 y1 = 4 x2 e y2 = 4 x2 . 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 unvocaen la curva F (x, y) = 0, puesto que a un punto x [2, 2]
le corresponderan dos alturas distintas, y = 4 x2 . Son los dos u nicos puntos de la curva F (x, y) = 0
que verican esta propiedad.
El motivo no es otro que Fy (a, b) = 0 si, y s
olo si, y = 0, y los dos u
nicos puntos de la curva F (x, y) = 0
que tienen ordenada nula son precisamente (2, 0).
on implcita dada por x3 + 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.
on x3 + y 3 = 6xy dene una curva, que no una funci

Figura 2.33: La ecuaci on
IMPLICITA
3 0.5 1 1.5 2 2.5 3

2
2.5 -1
2 1.5
-2
1.5
1
-3
1
0.5
0.5 -4
0.5 1 1.5 2 2.5 3 -5 -4 -3 -2 -1 1 2 3
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),
2
Fx 3x 6y x2 2y
procediendo de manera implcita con F (x, y) = x3 + y 3 6xy: y (x) = = 2 = 2 .
Fy 3y 6x y 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 = (x 3) x + y = 6, como se puede comprobar en la gr aca adjunta
en la Figura 2.35.
-4 -2 2 4
-2
-4
Figura 2.35: Tangente a la curva en x = 3
x2
Por otra parte, las rectas tangentes horizontales se obtienen para y = 0, esto es, y = , de donde
2
x 6
x2 + = 3x3 x6 = 16x3 y es x = 0 o x = 2 3 2, que dan origen a los puntos (0, 0) y (2 3 2, 2 3 4).
8
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
seencuentran 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 funcion 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.
Segun la regla de la cadena,
f f
0 = hx = Fx 1 + Fy 0 + Fz y 0 = hy = Fy 0 + Fy 1 + Fz ;
x y
z f Fx z f Fy
de modo que = = y = = .
x x Fz y y Fz
M as aun, dada F : IR3 IR, se tiene que si Fx , Fy y Fz son continuas en (a, b, c), F (a, b, c) = 0 y
Fz (a, b, c) = 0; entonces se puede asegurar que F (x, y, z) = 0 dene implcitamente a z como funci on de
Fx Fy
x e y en un entorno de (a, b, c); siendo en este caso, como acabamos de ver, zx = y zy = .
Fz Fz
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
funcion 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.
f
Utilizaremos la notacion fxy = para denotar la derivada parcial (fx )y , esto es, de fx respecto
xy
de y. Esta denici on se puede generalizar al caso de derivadas parciales de mayor orden; por ejemplo,
f
fx2 y = hace referencia a ((fx )x )y , derivada parcial respecto de y de la derivada parcial respecto
x2 y
de x de la derivada parcial de f respecto de x.
f
En general, fxt1 ...xtn har
a referencia a t1 tn
.
i1 in
xi1 xi1 xin xin
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.

y x
x2 arctg y 2 arctg , si xy = 0
Ejemplo 2.6.1 Sea f (x, y) = x y
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
o n que tiende
on acotada, de recorrido el intervalo ,
a cero, y arctg t es una funci .
2 3
2 2

y yx y y
2x arctg 2 2
2 2
= y + 2x arctg , si xy = 0
Mas aun, fx = x x + y y + x x y fy =

y, si x = 0

0, si y = 0
2 3
x xy x x
2y arctg + 2 + 2 = x 2y arctg , si xy = 0
y y + x2 y + x2 y
0, si x = 0
x, si y = 0
Ambas son continuas en todo IR2 , de donde f (x, y) es diferenciable de clase 1.
Aqu hemos utilizado que
f (h, y) f (0, y) h2 arctg hy y 2 arctg hy

fx (0, y) = lim = lim = y,
h0 h h0 h
1
y arctg hy L H 2
y 2 1+ hy2
dado que lim h arctg = 0 y lim y 2 = lim = y.
h0 h h0 h h0 y 1
Analogamente se prueba que fy (x, 0) = x. Los casos fx (x, 0) = 0 y fy (0, y) = 0 son inmediatos.
Si calculamos ahora las derivadas cruzadas en el origen, se tiene que
fx (0, h) fx (0, 0) h
fxy (0, 0) = lim = lim = 1
h0 h h0 h
mientras que
fy (h, 0) fy (0, 0) h
fyx (0, 0) = lim = lim = 1.
h0 h h0 h
De modo que fyx (0, 0) = fxy (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 IR2 IR tal que existen fx (a, b), fy (a, b) y fxy (a, b), siendo fxy
continua en (a, b). Entonces, existe fyx (a, b) y coincide con fxy (a, b).
Lo que ocurra en el Ejemplo 2.6.1 anterior es que ninguna de las derivadas cruzadas fxy y fyx era
continua en el origen. De hecho, para xy = 0 se tiene que
x2 y 2
fxy (x, y) = fyx (x, y) = ,
x2 + y 2
funcion que efectivamente no es continua en el origen (para trayectorias del tipo y = mx se tiene que el
2
lmite cuando x 0 es 1m
1+m2 ).
En cualquier caso, la condici
on que da Schwarz es suciente, pero no necesaria.

1
xy 2 sen , si y = 0
Ejemplo 2.6.2 Considerese la funci on f (x, y) = y
0, si y = 0
1
De un lado, para y = 0, es fx (x, y) = y 2 sen ; mientras que para y = 0, es fx (x, 0) = 0.
y
1 1
De otro, para y = 0, es fy (x, y) = 2xy sen x x cos ; mientras que para y = 0, es fy (x, 0) =
y y
1
lim xh sen = 0.
h0 h
fx (0, h) fx (0, 0) 1
En estas circunstancias, fxy (0, 0) = lim = lim h sen = 0.
h0 h h0 h
fy (h, 0) fy (0, 0)
M un, fyx (0, 0) = lim
as a = lim 0 = 0.
h0 h h0
Sin embargo, a pesar de que fxy (0, 0) = fyx (0, 0), ninguna de estas derivadas cruzadas es continua en
el origen, dado que para y = 0 es
1 1
fxy (x, y) = fyx (x, y) = 2y sen cos ,
y y
que no tiene lmite cuando (x, y) (0, 0): aunque existe el unidimensional cuando x 0, no existe el
1
reiterado cuando y 0 del lmite cuando x 0, puesto que no existe lim cos (oscila recorriendo todo
y0 y
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 u ltimo, 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 funcion 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
f (a + x, b + y) f (a, b) fx (a, b) x fy (a, b) y

lim = 0.
(x,y)(0,0) ||(x, y)||
En este caso, se dice que la diferencial de la funci on df (a, b) : IR2

on f (x, y) en el punto (a, b) es la funci
IR que a (dx, dy) le asocia
df (a, b)(dx, dy) = fx (a, b)dx + fy (a, b)dy.
En general, para funciones f : IRp IRq , si la funci on es diferenciable en un punto a = (a1 , . . . , ap ),
on df (a) : IRp IRq que a (dx1 , . . . , dxp ) le asocia
entonces se dice que la diferencial de f en a es la funci
J(f (a)) (dx1 , . . . , dxp )T . Esto no es mas que el resultado de aglutinar las diferenciales de las q funciones
componentes de f = (f1 , . . . , fq ).
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 d2 f . An alogamente, diferencial tercera, d3 f , o diferencial de orden n, dn f .
Se tiene que las funciones f : IRp IRq de clase n en un punto a admiten hasta diferencial de orden
n, siendo dn f (a) : IRp IRq la funci on dada por
p

(dx1 , . . . , dxp ) fi1 ...in (a)dxi1 dxin .
i1 ,...,in =1
Utilizando la notaci
on de potencia simbolica, se suele notar
dn f (a)(dx1 , . . . , dxn ) = (fx1 (a)dx1 + + fxp (a)dxp )(n) ;
en particular, para f : IR2 IRq , se tiene que

n

n n
d f (a)(dx, dy) = fxi yni (a)dxi dy ni .
i
i=1
En la pr actica, es conveniente desglosar f en sus q funciones componentes fi de modo que dn f =

(d f1 , . . . , d fq ), y se determinan las diferenciales de funciones IRp IR.
n n
on f : IR2 IR2 dada por

f (x, y) = (ex+2y , (x + 2)2 sen y).
Es evidente que la funcion 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):
fx (x, y) = (ex+2y , 2(x + 2) sen y),

fy (x, y) = (2ex+2y , (x + 2)2 cos y).
fx2 (x, y) = (ex+2y , 2 sen y),
fxy (x, y) = (2ex+2y , 2(x + 2) cos y),
fy2 (x, y) = (4ex+2y , (x + 2)2 sen y).
fx3 (x, y) = (ex+2y , 0),
fx2 y (x, y) = (2ex+2y , 2 cos y),
fxy2 (x, y) = (4ex+2y , 2(x + 2) sen y),
fy3 (x, y) = (8ex+2y , (x + 2)2 cos y).
As, en el origen queda fx (0, 0) = (1, 0), fy (0, 0) = (2, 4), fx2 (0, 0) = (1, 0), fxy (0, 0) = (2, 4),
fy2 (0, 0) = (4, 0), fx3 (0, 0) = (1, 0), fx2 y (0, 0) = (2, 2), fxy2 (0, 0) = (4, 0) y fy3 (0, 0) = (8, 4).
As, las diferenciales primera, segunda y tercera de f en (0, 0) son las siguientes aplicaciones:
df (0, 0) : IR2 IR2 , que a (dx, dy) le asocia df (0, 0)(dx, dy) =

dx 2dy dx + 2dy
= fx (0, 0)dx + fy (0, 0)dy = + =
0 4dy 4dy

dx
Equivalentemente, df (0, 0)(dx, dy) = Jf (0, 0) , esto es,
dy

dx dx 1 2 dx dx + 2dy
(fx (0, 0) fy (0, 0)) = =
dy dy 0 4 dy 4dy
2.6. DERIVADAS Y DIFERENCIALES DE ORDEN SUPERIOR 59
d2 f (0, 0) : IR2 IR2 , que a (dx, dy) le asocia d2 f (0, 0)(dx, dy) =
= fx2 (0, 0)dx2 + 2fxy (0, 0)dxdy + fy2 dy 2 =

dx2 4dxdy 4dy 2 dx2 4dxdy + 4dy 2
= + + =
0 8dxdy 0 8dxdy
d3 f (0, 0) : IR2 IR2 , que a (dx, dy) le asocia d3 f (0, 0)(dx, dy) =
= fx3 (0, 0)dx3 + 3fx2 y (0, 0)dx2 dy + 3fxy2 (0, 0)dxdy 2 + fy3 dy 3 =

dx3 6dx2 dy 12dxdy 2 8dy 3
= + + + =
0 6dx2 dy 0 4dy 3

dx3 + 6dx2 dy 12dxdy 2 + 8dy 2
=
6dx2 dy + 4dy 3
Las diferenciales sucesivas dan una manera de mejorar la aproximacion de una funci on, anadiendo al
aticos (d2 f dxi1 dxi2 ), terminos c
termino lineal (df dx), terminos cuadr ubicos (d3 f dxi1 dxi2 dxi3 ) y as
sucesivamente, hasta llegar a terminos de grado n (dn f dxi1 dxin ). 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
Aproximacion 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 faciles
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 = e0.1 . Es decir tratamos
de obtener el valor aproximado de la funci on f (x) = ex , 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) = ex . La Figura 3.1 muestra una representacion gr aca de las funciones f (x) = ex y los
2 2 3
polinomios P0 (x) = 1, P1 (x) = 1 + x, P2 (x) = 1 + x + x2 y P3 (x) = 1 + x + x2 + x6 .
Y
y=ex
y=1+x+x2/2+x3/6
y=1+x+x2/2
y=1+x
y=1
on f (x) = ex aproximada por polinomios.

El polinomio P0 (x) = 1 esta representado por una recta horizontal que pasa por el punto P (0, 1), por
lo tanto el polinomio P0 (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 P1 (x) = 1 + x representa la recta tangente a la funcion en dicho punto y por tanto en el
punto P (0, 1) coinciden, ademas de los valores de las funciones f (x) y P1 (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.
2
El polinomio P2 (x) = 1 + x + x2 representa una parabola que pasa tambien por dicho punto P (0, 1).
Esta funcion P2 (x) tiene, en el punto P (0, 1) el mismo valor que f (x), coincidiendo tambien sus dos
61
62 DE FUNCIONES POR POLINOMIOS
CAPTULO 3. APROXIMACION
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 P3 (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 = ex 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
pequeno 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 Tn (f, a)(x) al u nico polinomio Pn (x) de
grado menor o igual que n, que verica:
Pn (a) = f (a), Pn (a) = f (a), Pn (a) = f (a), ... , Pn(n) (a) = f (n) (a)
1
Este polinomio viene dado por la expresion
f (a) f (a) f (a) f (n) (a)

Tn (f, a)(x) = f (a) + (x a) + (x a)2 + (x a)3 + + (x a)n
1! 2! 3! n!
Cuando no haya lugar a confusi on lo denotaremos por Tn (x), en lugar de Tn (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:
f (0) f (0) 2 f (0) 3 f (n) (0) n
Tn (f, 0)(x) = f (0) + x+ x + x + + x
1! 2! 3! n!
on f (x) = ex , obtener su polinomio de Taylor de tercer grado en x = 0.
Ejemplo 3.1.1 Dada la funci
on f (x) = ex , as como sus valores en el origen son:

Las derivadas de la funci
f (x) = f (x) = f (x) = ex f (0) = f (0) = f (0) = f (0) = 1

Por lo tanto el polinomio de Taylor pedido ser
a
x2 x3 x2 x3
T3 (f, 0)(x) = 1 + x + + = 1+x+ +
2! 3! 2 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
Tn (f, a)(x) su polinomio de Taylor de orden n, entonces
f (x) Tn (f, a)(x)

lim =0
xa (x a)n
Este resultado nos permite armar que f (x) Tn (f, a)(x) es un infinit
esimo de orden al menos
n + 1, en el punto a, es decir f (x) Tn (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 (a) f (a) f (a) f (n) (a)

f (x) f (a) + (x a) + (x a)2 + (x a)3 + + (x a)n
1! 2! 3! n!
1 La existencia y unicidad del polinomio de Taylor de una funci
on en un punto constituyen el Teorema de Taylor.

3.1. FORMULA 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:
Rn (f, a)(x) = f (x) Tn (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 algun 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 funcion:
f (x) = Tn (f, a)(x) + Rn (f, a)(x) =

f (a) f (a) f (n) (a)
= f (a) + (x a) + (x a)2 + + (x a)n + Rn (f, a)(x)
1! 2! n!
o de una forma m
as escueta (si no existiera ambig
uedad)
f (a) f (a) f (n) (a)

f (x) = Tn (x) + Rn (x) = f (a) + (x a) + (x a)2 + + (x a)n + Rn (x)
1! 2! n!
Una expresi
on del resto, llamada forma infinitesimal del resto, viene dada por el teorema previamente
demostrado: Rn (x) = O((x a)n+1 ). Entonces
f (a) f (a) f (n) (a)

f (x) = f (a) + (x a) + (x a)2 + + (x a)n + O((x a)n+1 )
1! 2! n!
Ejemplo 3.1.2 Los desarrollos de Mac Laurin m
as usuales son:
2 3 n
a) Para x IR, ex = 1 + x + x + x + + x + O(xn+1 ).
2! 3! n!
3 5 2n+1
b) Para x IR, sen x = x x3! + x5! + + (1)n x + O(x2n+2 ).
(2n + 1)!
2 4 2n
c) Para x IR, cos x = 1 x + x + + (1)n x + O(x2n+1 ).
2! 4! (2n)!
2 3 4 n
d) Para x > 1, ln(1 + x) = x x2 + x3 x4 + + (1)n+1 xn + O(xn+1 ).
( 1) 2 . . . ( n + 1) n
e) Para x > 1, (1 + x) = 1 + x + x + + x + O(xn+1 ).
1! 2! n!
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 u
til 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,
pn (x) y qn (x), respectivamente. Entonces:
El polinomio de Taylor de orden n en a de f (x)+ g(x), con , IR, resulta ser pn (x)+ qn (x).
Ejemplo 3.1.3 Calcular los polinomios de Taylor sn (x) y cn (x) de orden n en x = 0 del seno y del
x x x x
olicos (funciones que vienen definidas como senh x = e 2 e
coseno hiperb y cosh x = e +2 e ).
2
Estos polinomios los podemos calcular en funcion del polinomio de Taylor pn (x) = 1 + x + x +
1! 2!
x3 + + xn correspondiente a ex = p (x) + O(xn+1 ).
n
3! n!
As, el polinomio de Taylor del seno hiperb

olico resulta ser
n 1
n
pn (x) pn (x) 1 xi (x)i 1 2 2x2i+1
sn (x) = = =
2 2 2 i=0
i! 2 i=0
(2i + 1)!
3 5 2 n 1 +1
2
Esto es, senh x = x + x + x + + x n 1 + O(xn+1 ).
3! 5! (2 2 + 1)!
Del mismo modo, el polinomio de Taylor del coseno hiperbolico resulta ser
n
n
pn (x) pn (x) 1 xi + (x)i 1 2 2x2i
cn (x) = + = =
2 2 2 i=0 i! 2 i=0 (2i)!
2 4 2 n
2
Esto es, cosh x = 1 + x2! + x4! + + x n + O(xn+1 ).
(2 2 )!
El polinomio de Taylor de orden n en a de f (x) g(x) coincide con el resultante de prescindir en

pn (x) qn (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 ex cos x.
El polinomio de Taylor t3 (x) de ex cos x en x = 0 queda determinado por los polinomios de Taylor
2 3 2
p3 (x) = 1 + x + x + x y c3 (x) = 1 x de ex y cos x, respectivamente.
1! 2! 3! 2!
As, el desarrollo de Taylor de ex cos x de grado 3 en x = 0 es
t3 (x) + O(x4 ) = (p3 (x) + O(x4 )) (c3 (x) + O(x4 )) =

x x2 x3 x2 x3 x3
=1+ + + + O(x4 ) = 1 + x + O(x4 )
1! 2! 3! 2! 2! 3
f (x)
Si g(a) = 0, el polinomio de Taylor de orden n en el punto a de la funci
on viene dado por el
g(x)
cociente que se obtiene al dividir pn (x) entre qn (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 1 en x = 0.

on 1 x
Este desarrollo se puede obtener a partir de los desarrollos de 1 = 1 + O(xn+1 ) y 1 x = 1 x +

O(xn+1 ), para n > 1.
De hecho, 1/(1 x) = 1 + x + x2 + + xn + O(xn+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
3 5 2n+1 2 4 2n
x x
de sen x = x + + (1) n x
+ O(x2n+2 x x
) y cos x = 1 + + (1)n x +
3! 5! (2n + 1)! 2! 4! (2n)!
O(x2n+1 ).
1 son sen x = x x3 + x5 x7 + O(x8 ) y 1 =
Los desarrollos de orden 7 de sen x y cos x 6 120 5040 cos x
2 4
1 + x2 + 5x + 61x6 + O(x8 ); de modo que el desarrollo de orden 7 de tg x queda sen x 1 =
24 720 cos x
3 5 7
x 2x 17x
x + 3 + 15 + 315 + O(x ). 8

3.1. FORMULA DE TAYLOR PARA FUNCIONES DE UNA VARIABLE 65
Supuesto que qn (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 ecos x en x = 0.
Como el desarrollo que conocemos de ex es en x = 0, necesitamos que el exponente de ecos x sea

0. Dado que en el punto a tomar el desarrollo (x = 0) es cos x = 1, tomamos ecos x = e1+cos x1 =
e ecos x1 , de modo que cos x 1 vale 0 en x = 0. As, tomando f (x) = cos x 1 y g(x) = ex vamos
a desarrollar en x = 0 la composicion g f (x) = ecos x1 . El desarrollo buscado sera el producto
del anterior por e.
2 3 4
Como ex = 1 + x + x2 + x6 + x x5 6 x2 x4 6
24 + 120 + O(x ) y cos x 1 = 2 + 24 + O(x ); se sigue de
manera inmediata el desarrollo
2 2 2
cos x1 x x4 6 1 x x4
e =1+ + + O(x ) + + + O(x ) + O(x6 ) =
6
2 24 2 2 24
x2 x4 x4 x2 x4
=1 + + + O(x6 ) = 1 + + O(x6 );
2 24 8 2 6
de modo que el desarrollo buscado es ecos x = e 2e x2 + 6e x4 + O(x6 ).
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:
Formula 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) = Tn (f, a)(x) + Rn (f, a)(x) =
f (a) f (a) f (n) (a)

= f (a) + (x a) + (x a)2 + + (x a)n + Rn (f, a)(x)
1! 2! n!
siendo
f (n+1) (
Rn (f, a)(x) = (x a)n+1
n!
Es decir, la f
ormula de Taylor con resto de Lagrange ser a:
f (a) f (a)
f (x) = f (a) + (x a) + (x a)2 +
1! 2!
f (n) (a) f (n+1) ()
+ (x a)n + (x a)n+1 , (a, x) [
o (x, a) ]
n! n!
En el caso particular en que el punto sea x = 0, obtendremos la formula de MacLaurin con resto de
Lagrange:
f (0) f (0) 2 f (n) (0) n f (n+1) () n+1

f (x) = f (0) + x+ x + + x + x , (0, x)
1! 2! n! n!
Ejemplo 3.1.8 Los desarrollos de Mac Laurin, con restos de Lagrange, de las funciones m
as usuales
son:
2 3 n n+1
a) Para x IR, ex = 1 + x + x + x + + x + e x , siendo (0, x).
2! 3! n! (n + 1)!
3 5 2n+1 cos
b) Para x IR, sen x = x x + x + +(1)n x +(1)n+1 x2n+2 , siendo (0, x).
3! 5! (2n + 1)! (2n + 2)!
2 4 2n sen
c) Para x IR, cos x = 1 x + x + + (1)n x + (1)n+1 x2n+1 , siendo (0, x).
2! 4! (2n)! (2n + 1)!
2 3 4 n
d) Para x > 1, ln(1 + x) = x x2 + x3 x4 + + (1)n+1 xn + (1)n xn+1 , siendo
(n + 1)(1 + )n+1
(0, x).
e) Para x > 1, (1 + x) = 1 + 1! x + ( 1) x2 + + . . . ( n + 1) xn + ( 1) ( n)( +

2! n!
n+1
n1 x
1) , siendo (0, x).
(n + 1)!
Esta forma del resto es mas difcil de obtener, no obstante nos permitira tener una idea del error
cometido cuando si tomamos como valor aproximado de la funci on f (x) en un punto, el valor Tn (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:
x2 x4 x2n sen c
cos x = 1 + + + (1)n + (1)n+1 x2n+1 , siendo c (0, x)
2! 4! (2n)! (2n + 1)!
Entonces si queremos obtener el valor de f (1) = cos 1, y para ello utilizamos el valor del polinomio de
MacLaurin Tn (f, a)(1), el error cometido vendra dado por el resto de Taylor:
|| = |f (1) Tn (f, a)(1)| = |Rn (1)|
Veamos estos valores para polinomios de distinto grado:
1. Si utilizamos el polinomio de Taylor de orden 2 tendremos

1 sen c
f (1) = cos 1 = 1 + , para c (0, 1)
2 6
de modo que cos 1 0.5, con un error = sen c sen 1

6 , y por tanto acotado por || 6 < 0.1402452,
al ser | sen c| sen 1 para c (0, 1). De este modo, T2 (1) no garantiza en principio ninguna cifra
decimal exacta.
2. Si utilizamos el polinomio de Taylor de orden 2 tendremos
1 1 sen c
f (1) = cos 1 = 1 + , para c (0, 1)
2 24 120
de modo que cos 1 0.541666 . . ., con un error = sen c sen 1

120 , y por tanto acotado por || 120 <
0.00701226, al ser | sen c| sen 1 para c (0, 1). As, T4 (1) aproxima a cos 1 al menos con dos cifras
decimales exactas.
3. Si el polinomio de Taylor es de orden 6:
1 1 1 sen c
f (1) = cos 1 = 1 + + , para c (0, 1)
2 24 720 5040
de modo que cos 1 0.5402777 . . ., con un error = sen c sen 1

5040 , y por tanto acotado por || 5040 <
0.00016696, al ser | sen c| sen 1 para c (0, 1). En esta ocasi
on, T6 (1) aproxima a cos 1 al menos
con 3 cifras decimales exactas.
4. Por u
ltimo, si el polinomio es de orden 8:
1 1 1 1 sen c
f (1) = cos 1 = 1 + + , para c (0, 1)
2 24 720 40320 362880
sen c acotado por || sen 1 <
de modo que cos 1 0.540302579365079 . . ., con un error = 362880 362880
0.0000023189, al ser | sen c| sen 1 para c (0, 1). Finalmente, T8 (1) aproxima a cos 1 al menos
con 5 cifras decimales exactas.

3.2. APLICACIONES DE LA FORMULA 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 = p2 (5)+ sen c 3 125

6 5 , para c (0, 5); de modo que cos 5 11.5, con un error = 6 sen c
acotado por || 1256 < 20.84, al ser | sen c| 1 para c (0, 5). De este modo, la aproximaci
on no
es nada able.
2. f (5) = cos 5 = p4 (5) sen c 5
120 5 , para c (0, 5); de modo que ahora la aproximaci a cos 5
on ser
sen c 5 31255
14.541666 . . ., con un error = 120 5 acotado por || 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.
sen c 57 , para c (0, 5); de modo que ahora la aproximaci
3. f (5) = cos 5 = p6 (5) + 5040 a cos 5
on ser
sen c 7 78125
7.1597222 . . ., con un error = 5040 5 acotado por || 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.
sen c 59 , para c (0, 5); y ser
4. f (5) = cos 5 = p8 (5) 362880 a cos 5 2.5283978 . . ., con un error
sen c 9 1953125
= 362880 5 acotado por || 362880 < 5.3823, al ser | sen c| 1 para c (0, 5). Esta u ltima
es la menos mala de entre todas las aproximaciones realizadas, pero en ningun 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
on coseno en un punto proximo a x = 5 (por ejemplo x = 3
Taylor la funci 2 , para garantizar la bonanza
de las aproximaciones.
3.2 Aplicaciones de la f
ormula de Taylor
3.2.1 Aplicaci
on al c
alculo 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 103 .
El desarrollo de MacLaurin de f (x) = ex de orden n, con resto de Lagrange, viene dado por
x2 x3 xn ec
ex = 1 + x + + + ...+ + xn+1 , c (0, x)
2! 3! n! (n + 1)!

Si utilizamos un polinomio de MacLaurin Pn (x) de orden n, el error cometido al aproximar e = e1/2
a |Rn (1/2)|. Entonces
por Pn (1/2) ser

ec

|Rn (1/2)| = n+1 , c (0, 1 )
2 (n + 1)! 2
Entonces

ec 3
|Rn (1/2)| = < < 103
2 n+1
(n + 1)! 2n+1 (n + 1)!
Hemos de encontrar el menor valor de n que hace 2n+1 (n + 1)! > 3000, es decir n = 4, ya que
2 4! = 384 y 25 5! = 3840.
4

Por lo tanto el valor aproximado de e dado por P4 ( 21 ), siendo
x2 x3 x4
P4 (x) = 1 + x + + +
2! 3! 4!
comete un error menor que 103 . Este valor ser

a
1 1 1 1 1 211
e P4 ( ) = 1 + + + + = = 1.6484375
2 2 8 48 384 128
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 funcion 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 funcion 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 funcion tiene en a un
punto de inflexi on, en el que la funcion 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 k) (a)
f (x) = f (a) + (x a)k + O((x a)k+1 )
k!
f (x) f (a) f k) (a)
de modo que k = + O((x a)k+1 ); de donde
(x a) k!
f (x) f (a) f k) (a)

lim =
xa (x a)k k!
f (x) f (a) f k) (a)

y por tanto k tiene el mismo signo que en un entorno E sucientemente peque
no de a.
(x a) k!
As, si k es par, digamos k = 2n, se tiene:
f (x) f (a)
Si f 2n) (a) > 0, entonces > 0 en E, de donde f (x) f (a) > 0 en dicho entorno; es
(x a)2n
decir, f (x) > f (a) para todo x en E, por lo que la funci
on tiene en a un mnimo local.
f (x) f (a)
Si f 2n) (a) < 0, entonces < 0 en E, de donde f (x) f (a) < 0 en dicho entorno; es
(x a)2n
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:
f (x) f (a)
Si f 2n+1) (a) > 0, entonces > 0 en E, de donde en dicho intervalo es f (x) f (a) > 0
(x a)2n+1
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 funcion es estrictamente creciente en a.

f (x) f (a)
Si f 2n+1) (a) < 0, entonces < 0 en E, de donde en dicho intervalo es f (x) f (a) < 0
(x a)2n+1
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 funcion es estrictamente decreciente en a.
on f (x) = x4 (x ex + 1) tiene un mnimo relativo en x = 0.

Ejemplo 3.2.2 Probar que la funci
Sin necesidad de derivar, podemos hallar cu

al es su desarrollo de Mac Laurin, en funci
on del desarrollo
2 n
x x
de e = 1 + x + 2 + + x + O(xn+1
), de modo que
n!
x2 xn
f (x) = x4 (xex + 1) = x4 (x(1 + x + + + + O(xn+1 ) + 1) =
2 n!
x7 xn
= x4 + x5 + x6 + + + + O(xn+1 ) = x4 + O(x5 )
2 (n 5)!
oximos a 0, f (x) > 0 = f (0), x y la funci
Por lo tanto, para valores pr 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 funcion ser
a concava o convexa en el punto, dependiendo de si la curva se queda por encima o
debajo de la recta tangente, respectivamente.
x2 es concava en todos sus puntos x2 es convexa en todos sus puntos
4 2
3 1
2
-2 -1 1 2
1 -1
-2
-2 -1 1 2
-1 -3
-2 -4

Por tanto, si r(x) = p1 (x) = f (a) + f (a)(x a) es la recta tangente a la curva y = f (x) en el punto
on diferencia g(x) = f (x) r(x). Si tiene
(a, f (a)), tenemos que estudiar como vara el signo de la funci
signo constante en un entorno de x = a, la funci a concava (si g(x) 0 en dicho entorno) o convexa
on ser
(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
8
x = a, entonces la funcion tendra en x = a un punto de inexi
on. Este es el caso de y = x3 en el origen.
6 3
y=x
4
2
-2 -1 1 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 inexion de la funci
on.
3.2.3 Aplicaci
on al c
alculo 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:
x(ex + 1) 2(ex 1)
lim
x0 x3
on f (x) = ex , utilizando el resto en
En estos casos, podremos utilizar la formula de Taylor de la funci
forma innitesimal:
x2 x3
ex = 1 + x + + + O(x4 )
2 6
Entonces:
x(ex + 1) 2(ex 1)
lim =
x0 x3
2 3 2 3
x(1 + x + x2 + x6 + O(x4 ) + 1) 2(1 + x + x2 + x6 + O(x4 ) 1)
= lim =
x0 x3
2 3 2 3
x(2 + x + x2 + x6 + O(x4 )) 2(x + x2 + x6 + O(x4 ))
= lim =
x0 x3
3 4 3
2x + x2 + x2 + x6 + O(x5 ) (2x + x2 + x3 + O(x4 ))
= lim =
x0 x3
x3 + O(x5 )
1
= lim 6 =
x0 x3 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 p0 (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 funcion f (x, y) y el polinomio de primer grado p1 (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
2 2
y
p2 (x, y) = 1+x+y x2 xy 2 . La supercie z = p2 (x, y) representa un paraboloide elptico (supercie
cuadrica) y tiene en comun con la funcion 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. FORMULA 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=1
z=sen(x+y)+cos(x+y)
Figura 3.3: La supercie z = sen(x + y) + cos(x + y) y el plano z = 1.
z=1+x+y
z=sen(x+y)+cos(x+y)
Figura 3.4: La supercie z = sen(x + y) + cos(x + y) y el plano tangente z = 1 + x + y.
Por u
ltimo la Figura 3.6 muestra la representaci
on gr
aca de la funci
on f (x, y) y el polinomio de
x2 y 2 x3 x2 y x y 2 y 3
tercer grado p3 (x, y) = 1 + x + y 2 xy 2 6 2 2 6 , que representa una supercie
z=1+x+y-x 2/2-xy-y 2/2
z=sen(x+y)+cos(x+y)
2 2
Figura 3.5: La supercie z = sen(x+ y)+ cos(x+ y) y el paraboloide elptico z = 1 + x+ y x2 xy y2 .
z=sen(x+y)+cos(x+y)
z=1+x+y-x 2/2-xy-y 2/2-x 3/6-x2y/2-xy 2/2-y 3/6
2 y2 3 x2 y x y 2 y 3
Figura 3.6: Las supercies z = sen(x+y)+cos(x+y) y z = 1+x+y x2 xy 2 x6 2 2 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:

f (x, y) f (x, y)
df (x, y) = dx + dy = dx + dy f (x, y)
x y x y
2
2 2 f (x, y) 2 2 f (x, y) 2 f (x, y) 2
d f (x, y) = dx + 2 dxdy + dy = dx + dy f (x, y)
x2 xy y 2 x y
y en general:
n n n
n n f (x, y) nk k
d f (x, y) = dx + dy f (x, y) = dx dy
x y
k=0
k xnk y 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. FORMULA DE TAYLOR PARA FUNCIONES DE VARIAS VARIABLES 73
df (a, b) d2 f (a, b) dn f (a, b)

f (x, y) = f (a, b) + + + + +
1! 2! n!
dn+1 f (, )
+ , (a, x), (b, y)
(n + 1)!
y utilizando la notaci
on de operadores diferenciales tendremos:
2
dx + dy f (a, b) dx + dy f (a, b)
x y x y
f (x, y) = f (a, b) + + +
1! 2!
n
dx + dy f (a, b)
x y
+ +
n!
n+1
dx + dy f (, )
x y
+ , (a, x), (b, y)
(n + 1)!
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 u ltimo al
resto de Lagrange:
f (x, y) = Tn (x, y) + Rn (x, y)
2
dx + dy f (a, b) dx + dy f (a, b)
x y x y
Tn (x, y) = f (a, b) + + +
1! 2!
n
dx + dy f (a, b)
x y
+
n!
n+1
dx + dy f (, )
x y
Rn (x, y) = , (a, x), (b, y)
(n + 1)!
Y la f
ormula de Taylor con el resto en forma infinitesimal ser
a:
f (x, y) = Tn (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 f 2f 2f 2f 3f
= fx , = fy ,
= fxx ,
= fxy ,
= fyy ,
= fxxx ,
x y x2 xy y 2 x3
los polinomios de Taylor de una funci

on f (x, y) en un punto P (x, a) son:
fx (a, b)(x a) + fy (a, b)(y b)

T0 (x, y) = f (a, b) T1 (x, y) = f (a, b) +
1!

fxx (a, b)(x a)2 + 2 fxy

(a, b)(x a)(y b) + fyy (a, b)(y b)2
T2 (x, y) = T1 (x, y) +
2!
T3 (x, y) = T2 (x, y)+

3
fxxx (a, b)(x a) + 3 fxxy a)2 (y b) + fxyy
(a, b)(x
(a, b)(x a)(y b)2 + fyyy

(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):
fx (x, y) = fy (x, y) = cos(x + y) sen(x + y)

fxx (x, y) = fxy (x, y) = fyy (x, y) = sen(x + y) cos(x + y)

fxxx (x, y) = fxxy (x, y) = fxyy (x, y) = fyyy (x, y) = cos(x + y) + sen(x + y)
y en el origen:
f (0, 0) = 1 fx (0, 0) = fy (0, 0) = 1

fxx
(0, 0) = fxy
(0, 0) = fyy (0, 0) = 1

fxxx (0, 0) = fxxy (0, 0) = fxyy (0, 0) = fyyy (0, 0) = 1
Por lo tanto el polinomio de Taylor T3 (x, y) de la funci
on ser
a:
x2 y2 x3 x2 y x y 2 y3
T3 (x, y) = 1 + x + y xy
2 2 6 2 2 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:
f (x, y, z) f (x, y, z) f (x, y, z)

df (x, y, z) = dx + dy + dz =
x y z

= dx + dy + dz f (x, y, z)
x y z
2

d2 f (x, y, z) = dx + dy + dz f (x, y, z) =
x y z
2 f (x, y, z) 2 2 f (x, y, z) 2 2 f (x, y, z) 2
= dx + dy + dz +
x2 y 2 z 2
2 f (x, y, z) 2 f (x, y, z) 2 f (x, y, z)
+2 dxdy + 2 dxdz + 2 dydz
xy xz yz

tendremos el polinomio de Taylor de una funci on de tres variables en un punto P (a, b, c):

dx + dy + dz f (a, b, c)
x y z
Tn (x, y, z) = f (a, b, c) + +
1!
2
x y z
+ + +
2!
n
x y z
+
n!
siendo el resto n+1
dx + dy + dz f (, , )
x y z
Rn (x, y, z) =
(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) =
ex sen(y + z).

Obtenemos las derivadas parciales de la funci

on f (x, y, z):
fx (x, y, z) = ex sen(y + z), fy (x, y, z) = fz (x, y, z) = ex cos(y + z),

fxx (x, y, z) = ex sen(y + z),
fxy
(x, y, z) = fxz (x, y, z) = ex cos(y + z),

fyy (x, y, z) = fyz (x, y, z) = fzz (x, y, z) = ex sen(y + z)
y en el origen:
f (0, 0, 0) = 0, fx (0, 0, 0) = 0, fy (0, 0, 0) = fz (0, 0, 0) = 1,

fxx (0, 0, 0) = 0, fxy (0, 0, 0) = fxz (0, 0, 0) = 1, fyy (0, 0, 0) = fyz (0, 0, 0) = fzz (0, 0, 0) = 0
Por lo tanto el polinomio de MacLaurin T2 (x, y) de la funci
on ser
a:
T2 (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 aplicacion al calculo de valores aproximados de una funci on en
un punto; al estudio local de una funci on y a la resolucion de lmites indeterminados.
3.4.1 Aplicaci
on al c
alculo 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.

on f (x, y) = x 3 y, pretendemos obtener un valor aproximado de f (1.03, 0.98)
Si consideramos la funci
que es el valor en un punto cercano alpunto P (1, 1). Utilizaremos por tanto el polinomio de Taylor de

on f (x, y) = x 3 y, en el punto P (1, 1).
segundo orden de la funci

Las derivadas de la funcion f (x, y) = x 3 y = x1/2 y 1/3 son:
1 1/2 1/3 1 1/2 2/3
fx (x, y) = x y fy (x, y) = x y
2 3
1 3/2 1/3 1 1/2 2/3 2 1/2 5/3
fxx (x, y) = x y fxy (x, y) = x y fyy (x, y) = x y
4 6 9
y en el punto P (1, 1):
1 1 1
f (1, 1) = 1, fx (1, 1) = , fy (1, 1) = ,
fxx (1, 1) = ,
2 3 4
1 2
fxy (1, 1) = , fyy (1, 1) =
6 9
Por lo tanto el polinomio de Taylor ser
a:
fx (1, 1)(x 1) + fy (1, 1)(y 1)

T2 (x, y) = f (1, 1) + +
1!

fxx (1, 1)(x 1)2 + 2 fxy

(1, 1)(x 1)(y 1) + fyy
(1, 1)(y 1)2
+ =
2!
1 1 1 1 1
= 1 + (x 1) + (y 1) (x 1)2 + (x 1)(y 1) (y 1)2
2 3 8 6 9
Entonces
3
1.03 0.98 = f (1.03, 0.98) T2 (1.03, 0.98) =
0.03 0.02 0.0009 0.0006 0.0004
=1+ 1.0080763889
2 3 8 6 9
3.4.2 Aplicaci
on al c
alculo de lmites
Veamos como podemos utilizar la formula de Taylor para la obtenci
on de lmites de funciones de varias
variables.
sen x y
Ejemplo 3.4.2 Calcular el lmite lim x sen y
(x,y)(0,0)
on sen x = x + O(x3 ).
Para obtener este lmite utilicemos el desarrollo de MacLaurin de la funci
Entonces
sen x y x + O(x3 ) y x y + O(x3 )

lim = lim 3 = lim
(x,y)(0,0) x sen y (x,y)(0,0) x y + O(y ) (x,y)(0,0) 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:
x y + O(x3 ) x y + O(x3 ) t + O(t3 )

lim 3 = (x,y)(0,0)
lim = lim =1
(x,y)(0,0) x y + O(y ) x y + O(y 3 ) t0 t + O(t3 )
F (x,y)=0 F (x,y)=0 F (x,y)=0
xy=t
x sen y + y sen x
Ejemplo 3.4.3 Calcular el lmite lim .
(x,y)(0,0) xy
Sea f (x, y) = x sen y + y sen x. Veamos el polinomio de Taylor de grado 2 de la funci on en el origen.
De un lado, fx (x, y) = sen y + y cos x y fy (x, y) = x cos y + sen x; de modo que fx (0, 0) = 0 = fy (0, 0).
De otro, fx2 (x, y) = y sen x, fxy (x, y) = fyx (x, y) = cos y + cos x y fy2 (x, y) = x sen y; de modo
que fx2 (0, 0) = 0 = fy2 (0, 0) y fxy (0, 0) = fyx (0, 0) = 2.
1
Como f (0, 0) = 0, se tiene que p2 (0 + x, 0 + y) = (2xy + 2yx) = 2xy; es decir, f (x, y) = 2xy +
2
O(||(x, y)||3 ).
f (x, y) 2xy + O(||(x, y)||3 )
As, lim = lim = 2.
(x,y)(0,0) xy (x,y)(0,0) xy
En el caso de funciones de varias variables tambien se utiliza la formula de Taylor para estudiar el
comportamiento local de la funcion f (x, y). En el captulo siguiente veremos c
omo podemos aplicar la
f
ormula de Taylor al estudio de extremos de una funcion.
Captulo 4
Problemas de optimaci
on
4.1 Extremos relativos de funciones de una variable

Una funcion 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 maximo 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).
f(x)
X
a- a a+

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 funcion 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.
Condici on 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 x1 , x2 , x3 y x4 . Los puntos x1 y x2 son puntos de tangente horizontal (la funci on
on no es derivable, f (x3 ) = ),
es derivable y vale cero); en el punto x3 la tangente es vertical (la funci
mientras que en x4 la tangente por la izquierda y por la derecha no coinciden (no existe por tanto f (x4 )).
77
78
CAPTULO 4. PROBLEMAS DE OPTIMACION
f(x)
X
a- a a+

on f (x) tiene un mnimo relativo en a.

f (a) = 0
f (x) tiene un extremo relativo en a = o

no existe f (a)
X
x1 x2 x3 x4
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.
Condici on suficiente 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 (a) f (a) f (a)

f (x) = f (a) + (x a) + (x a)2 + (x a)3 + . . .
1! 2! 3!
f (n) (a)
+ (x a)n + O((x a)n+1 )
n!
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 (a) f (a) f (n) (a)

f (x) f (a) = (x a)2 + (x a)3 + . . . + (x a)n + O((x a)n+1 )
2! 3! n!
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 pequeno,
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:
f (2k) (a)
(a) Si f (2k) (a) > 0, entonces f (x) f (a) (x a)2k > 0 y por tanto f (x) > f (a), x
2!
(a , a + ). La funcion tiene entonces un mnimo relativo en a.
f (2k) (a)
(b) Si f (2k) (a) < 0, entonces f (x) f (a) (x a)2k < 0, siendo f (x) < f (a), x
2!
(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 2k+1 (a)
f (x) f (a) (x a)2k+1 , por lo que f (x) f (a) > 0 si x a > 0 y f (x) f (a) < 0
2!
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
funcion no presenta extremo relativo. Este tipo de punto de la funcion se conoce con el nombre de
punto de inflexi 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) = x4 7x3 + 18x2 20x + 8.
Las derivadas de la funci

on f (x) son:
f (x) = 4x3 21x2 + 36x 20, f (x) = 12x2 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):
5
4x3 21x2 + 36x 20 = 0 = x = , x = 2
4
on tiene en el punto P ( 54 , 27
Por un lado f ( 45 ) = 49 > 0, y la funci 256 ) un mnimo relativo (tengase
5 27
en cuenta que f ( 4 ) = 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).
80

on gr on f (x) = x4 7x3 + 18x2 20x + 8.
aca de la funci
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
habra que obtener los extremos relativos y los puntos frontera {x1 , x2 , . . . , xn } 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 xk , de forma que f (xk ) f (xi ) (alternativamente f (Pk ) f (Pi )), i = 1, . . . , n.
on f (x) = x3 9x, en el dominio D =

Ejemplo 4.2.1 Obtener los extremos absolutos de la funci
[4, 1] [1, 3].
En primer lugar obtenemos los extremos relativos de dicha funci on:

f (x) = 3x2 9 = 0 = x = 3 D f (x) = 6x, f ( 3) > 0, f ( 3) < 0

Por lo tanto tiene un m aximo relativo en x1 = 3 y un mnimo relativo en x2 = 3.
Los puntos frontera del dominio D son x3 = 4, x4 = 1, x5 = 1 y x6 = 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,
on f (x) alcanza su maximo absoluto en el punto P ( 3, 6 3) y su mnimo absoluto en el punto
la funci
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.
DE FUNCIONES DE UNA VARIABLE
4.3. PROBLEMAS DE OPTIMIZACION 81
on f (x) = x3 9x en el dominio D = [4, 1] [1, 3].

Figura 4.5: Extremos absolutos de la funci
Ejemplo 4.3.1 Se necesita conectar mediante una lnea de alta tensi on 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.
C
4-x
P
x
1
I
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
agoras IP = 1 + x2 . Por
al pie de la perpendicular trazada desde la isla, utilizando el Teorema de Pit
tanto el coste C(x) de la conexi on de la gura asciende a:

C(x) = 100000 1 + x2 + 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:
100000 x
C (x) = 60000 = 0 = 100000 x 60000 1 + x2 = 0 =
1 + x2
5 3
= 1 + x2 = = x = D
3 4
82
Comprobemos si se trata de un mnimo relativo:

100000 3
C (x) = , C ( ) = 51200 > 0
(1 + x2 )3 4
on C(x) presenta un mnimo relativo en x1 = 43 . Los posibles candidatos a mnimo

por lo tanto la funci
absoluto son por tanto x1 = 43 , x2 = 0, x3 = 4, siendo
3
C( ) = 320000, C(0) = 340000, C(4) = 100000 17 412310.56
4
Por lo que el coste mnimo (mnimo absoluto) de dicha conexion es 320000 euros, obtenidos llevando
la conexi
on subterranea 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) IR2 | (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 maximo 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.
P2 (-1,0,4) mximo
P1 (1,1,-5) mnimo
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.

Condici on 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 IR2 un entorno E(P, ) de un punto P no es m as que un crculo abierto, de centro P y radio . Esta es la extensi
on
natural de un intervalo abierto de centro el punto P y radio en IR a IR2 .
4.4. EXTREMOS RELATIVOS DE FUNCIONES DE DOS VARIABLES 83
parciales fx (a, b) = fy (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:

fx (a, b) = fy (a, b) = 0
f (x, y) tiene un extremo relativo en P (a, b) = 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.
Condici on suficiente 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 fx (a, b) = fy (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:
df (a, b) d2 f (a, b)
f (x, y) = f (a, b) + + + R2 (x, y)
1! 2!
y por tanto, teniendo en cuenta que las primeras derivadas son nulas y que el resto R2 (x, y) es despreciable
frente a los terminos anteriores, para valores (x, y) pr
oximos a (a, b)
d2 f (a, b)
z = f (x, y) f (a, b) = + R2 (x, y)
2!

d2 f (a, b) fxx (a, b)(x a)2 + 2fxy

(a, b)(x a)(y b) + fyy
(a, b)(y b)2
=
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 fxx (a, b)dx2 + 2fxy

(a, b)dx dy + fyy (a, b)dy 2 = Signo d2 f (a, b)
siendo d2 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 d2 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 d2 f (a, b) < 0, dx, dy, entonces f (x, y) tiene un maximo relativo en P (a, b).
3. Si d2 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 d2 f (a, b) 0, dx, dy, tampoco podemos armar que tipo de punto presenta f (x, y) en P (a, b) y
habra 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 d2 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) = fxx (a, b)dx2 + 2fxy

(a, b)dx dy + fyy (a, b)dy 2
que es una forma cuadratica.

Del Algebra sabemos que una forma cuadratica F (x, y) = m11 x2 + 2m12 xy + m22 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)
84
casi mximo
mximo
punto de silla
mnimo casi mnimo
P(a,b) P(a,b)
X P(a,b)
P(a,b)
P(a,b)
Figura 4.8: Puntos crticos de una funci

on de dos variables.
Esta forma cuadr

atica lleva asociada una matriz simetrica

m11 m12
M=
m12 m22
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 = m11 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) = fxx (a, b)dx2 + 2fxy

(a, b)dx dy + fyy (a, b)dy 2
cuya matriz asociada es:

fxx (a, b) fxy (a, b)
H(P ) =
fxy (a, b) fyy (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

f (a, b) fxy
(a, b)
2 = |H(P )| = xx
= fxx
(a, b)fyy
(a, b) fxy (a, b)2

fxy
(a, b) fyy (a, b)

1 = fxx (a, b)
Los casos que se pueden plantear ser
an por tanto los siguientes:

1. Si |H(P )| > 0 y fxx (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 fxx (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 fxx (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 fxx (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:

fxx (a, b) > 0 = P (a, b) es un mnimo relativo

|H(P )| > 0

fxx (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 u an direcciones (F (dx, dy) = 0) en las que d2 f (a, b) = 0 y por tanto hemos
ltimo caso, existir
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) = xyex+2y
b) f (x, y) = x2 y
on f (x, y) = xyex+2y , que es diferenciable en todo IR2 :

a) Obtenemos los puntos crticos de la funci
fx (x, y) = yex+2y + xyex+2y = ex+2y (y + xy) = 0
fy (x, y) = xex+2y + 2xyex+2y = ex+2y (x + 2xy) = 0
y este sistema tiene las soluciones x = 0, y = 0 y x = 1, y = 21 . Por lo tanto los puntos crticos son
P (0, 0) y Q(1, 21 ).
Para comprobar que tipo de punto crtico representa cada uno de ellos veamos el hessiano.

fxx (x, y) = yex+2y + (y + xy)ex+2y = ex+2y (2y + xy)

fxy (x, y) = fyx (x, y) = (1 + x)ex+2y + (y + xy)ex+2y = ex+2y (1 + x + 2y + 2xy)

fyy (x, y) = 2xex+2y + (x + 2xy)ex+2y = ex+2y (4x + 4xy)

En el punto P (0, 0), fxx (0, 0) = 0, fxy (0, 0) = 1, fyy (0, 0) = 0, entonces

0 1
|H(P )| = = 1
1 0
por lo que la funci

on tiene en P (0, 0) un punto de silla.
En el punto Q(1, 12 ), fxx

(1, 12 ) = 12 , fxy

(1, 12 ) = 0, fyy

(1, 12 ) = 22 , entonces
2e e

1 0
2 1
|H(Q)| = 2e = 4 > 0, fxx <0
0 22 e
e
y en Q(1, 21 ) tiene un maximo relativo.

86
on f (x, y) = x2 y son:
b) Las derivadas de la funci
fx = 2xy, fy = x2 ,

fxx = 2y,
fxy
= fyx = 2x,
fyy = 2
De la condicion suciente fx = fy = 0 obtenemos el u

nico punto crtico P (0, 0). En este caso

fxx (0, 0) = fxy (0, 0) = fyx (0, 0) = 0, fyy (0, 0) = 2

siendo |H(P )| = 0 y fxx (0, 0) = 0 por lo que el criterio descrito no nos desvela que tipo de punto
crtico presenta la funcion.
En este caso, d2 f (P ) = fyy

(0, 0)dy 2 = dy 2 < 0, dx, dy, excepto en la direccion dy = 0, dx (eje
OX), en la que resulta d2 f (P ) = 0. Veamos que ocurre en esta direccion. Si cortamos la supercie
z=0
z = x2 y, por el plano y = 0 (que es paralelo al eje OX), resulta la recta .
y=0
Por lo tanto la funci on f (x, y) tiene en el punto P (0, 0) un casi maximo, ya que al cortar la
supercie con cualquier plano paralelo al eje OZ resulta una curva que tiene un maximo en P (0, 0)
(d2 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 funcion de n variables independientes:
f : D IRn IR
(x1 , . . . , xn ) D f (x1 , . . . , xn ) IR
diremos que f alcanza un m aximo relativo (alternativamente mnimo relativo) en un punto P (a1 , . . . , an )
si existe un entorno del punto P ,

E(P, ) = (x, y) IR2 | (x1 a1 )2 + + (xn an )2 <
de forma que, (x1 , . . . , xn ) E(P, ), f (x1 , . . . , xn ) f (a1 , . . . , an ) (alternativamente f (x1 , . . . , xn )

f (a1 , . . . , an )), .
Nuevamente podemos armar, de forma intuitiva, que una funci on f tiene en un punto P (x1 , . . . , xn )
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 maximo o un mnimo relativo en un punto diremos que presenta un extremo
relativo en dicho punto.
Condici on necesaria de extremo relativo: Podemos establecer, de forma similar al caso de
funciones de dos variables que si f (x1 , . . . , xn ) tiene un extremo relativo en un punto P (a1 , . . . , an ) y la
funci on es diferenciable en dicho punto, entonces fx 1 (P ) = . . . = fx n (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 (x1 , . . . , xn ) tiene un extremo relativo en P (a1 , . . . , an ) =

fx1 (a1 , . . . , an ) = . . . = fx n (a1 , . . . , an ) = 0
= o

f (x1 , . . . , xn ) no es diferenciable en P (a1 , . . . , an )
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
Condici on suficiente 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 (x1 , . . . , xn ) es el determinante de orden n:

2f 2f 2
f

x21 x1 x2 x1 xn

2f 2f

2f
x x x2 xn
|H| = 2 1 x22
.. .. ..
..
. . . .
2f 2
f
2
f
xn x1 xn x2 x2n
Llamemos [0 , 1 , 2 , . . . , n ] a la sucesion de menores principales de dicho hessiano:

2f 2f
2 2
f x1 x1 x2
0 = 1, 1 = , 2 = ,
x21 2f 2f
x2 x1 x2
2

2f 2f 2f

x21 x1 x2 x1 x3

2f 2f 2f
3 = x x , ... n = |H|
2 1 x22 x2 x3
2f 2f 2f

x3 x1 x3 x2 x23
Esta sucesion nos permitir a, en algunos casos, clasicar los puntos crticos: Si P (a1 , . . . , an ) 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 .
on de tres variables: f (x, y, z) = x4 14x2 +

Ejemplo 4.5.1 : Estudiar los puntos crticos de la funci
2 2
y + z + 24x 4y 6z + 2.
Obtenemos las derivadas de la funcion:
fx = 4x3 28x + 24, fy = 2y 4, fz = 2z 6

fxx = 12x2 28,
fyy = 2,
fzz = 2,
f !!xy = fxz
= fyz =0
Como la funci on es diferenciable (con derivadas parciales segundas continuas) en todo IR3 , los puntos
crticos son la soluci
on del sistema:
fx = 4x3 28x + 24 = 0, fy = 2y 4 = 0, fz = 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:

12x2 28 0 0 16 0 0

|H| = 0 2 0 , |H(P )| = 0 2 0 ,
0 0 2 0 0 2
88

20 0 0 80 0 0

|H(Q)| = 0 2 0 ,
|H(R)| = 0 2 0

0 0 2 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 IRn IR
(x1 , . . . , xn ) D f (x1 , . . . , xn ) IR
diremos que f alcanza un m aximo absoluto (alternativamente mnimo absoluto) en un punto P (a1 , . . . , an )
si f (x1 , . . . , xn ) f (a1 , . . . , an ) (alternativamente f (x1 , . . . , xn ) f (a1 , . . . , an )), (x1 , . . . , xn ) 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 u nicamente 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) = x2 + 3y 2 x 4y + 1 sobre la

on del plano delimitada por los semiplanos x 1, y 1, x + y 1.
regi
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).
Y
x=1
C(1,1)
B(0,1) y=1
A(1,0)
X
O
x+y=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:
1 2
fx (x, y) = 2x 1 = 0 fy (x, y) = 6y 4 = 0 = P1 ( , ) D
2 3
4.6. EXTREMOS ABSOLUTOS DE FUNCIONES DE VARIAS VARIABLES 89
Luego el punto P1 es un candidato a extremo absoluto, siendo f (P1 ) = 12 7.

Veamos que ocurre en la frontera. Esta frontera esta dividida en tres segmentos AC, BC y AB:

x=1 y=1 y = x + 1
AC BC AB
0y1 0x1 0x1
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 = g1 (y):

z = f (x, y) = x2 + 3y 2 x 4y + 1
x=1 = z = g1 (y) = 3y 2 4y + 1, 0 y 1

0y1
g1(y)
x=1
z = x2+3y2-x-4y+1
on de la supercie z = f (x, y) = x2 + 3y 2 x 4y + 1 con el plano x = 1.

Figura 4.10: Intersecci
Hemos de obtener los extremos absolutos de la funcion z = g1 (y) = 3y 2 4y + 1 en el dominio

D = [0, 1], cuyos candidatos son los posibles extremos relativos de g1 (y) y los puntos y = 0 e y = 1,
frontera del dominio.
En primer lugar obtenemos los extremos relativos, g1 (y) = 6y 4 = 0, por lo que y = 23 . Teniendo en
cuenta que g1 (y) = 6 > 0 se trata de un mnimo relativo. Evaluamos la funci
on g1 (y) en los tres posibles
candidatos a extremo absoluto:
2 1
g1 (0) = 1 g1 (1) = 0 g1 ( ) =
3 3
por lo tanto la funcion g1 (y) toma el mnimo absoluto en el punto y = 23 , z = 13 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
funcion z = f (x, y) los puntos P2 (1, 23 ) (candidato a mnimo absoluto) y P3 (1, 0) (candidato a maximo
absoluto); siendo f (P2 ) = 31 y f (P3 ) = 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 = g2 (x):

z = f (x, y) = x2 + 3y 2 x 4y + 1
y=1 = z = g2 (x) = x2 x, 0 x 1

0x1
90
z = x 2+3y2-x-4y+1
y=1
g2(x)
on de la supercie z = f (x, y) = x2 + 3y 2 x 4y + 1 con el plano y = 1.

Los extremos absolutos de la funcion z = g2 (x) = x2 x en el dominio D = [0, 1], tiene por candidatos
los posibles extremos relativos de g2 (x) y los puntos x = 0 y x = 1, frontera del dominio.
1
g2 (x) = 2x 1 = 0, x= , g2 (x) = 2 > 0
2
Evaluamos la funci
on g2 (x) en los tres posibles candidatos a extremo absoluto:
1 1
g2 (0) = 0 g2 (1) = 0 g2 ( ) =
2 4
on g2 (x) toma el mnimo absoluto en el punto x = 12 , z = 14 y el maximo absoluto en

por lo tanto la funci
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 P4 ( 21 , 1) (candidato a mnimo absoluto) y P5 (0, 1) (candidato a
maximo absoluto); siendo f (P4 ) = 41 y f (P5 ) = 0.
Por u ltimo 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 = g3 (x):

z = f (x, y) = x2 + 3y 2 x 4y + 1
x+y =1 = z = g3 (x) = 4x2 3x, 0 x 1

0x1
Los extremos absolutos de la funci on z = g3 (x) = 4x2 3x en el dominio D = [0, 1], tiene por
candidatos los posibles extremos relativos de g3 (x) y los puntos x = 0 y x = 1, frontera del dominio.
3
g3 (x) = 8x 3 = 0, x= , g3 (x) = 8 > 0
8
Evaluamos la funci
on g3 (x) en los tres posibles candidatos a extremo absoluto:
3 9
g3 (0) = 0 g3 (1) = 1 g2 ( ) =
8 16
on g3 (x) toma el mnimo absoluto en el punto x = 38 , z = 16

por lo tanto la funci 9 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
on z = f (x, y) los puntos P6 ( 83 , 58 ) (candidato a mnimo absoluto) y P7 (1, 0) (candidato a m
funci aximo
9
absoluto); siendo f (P6 ) = 16 y f (P7 ) = 1.
Tenemos por tanto los siguientes candidatos a extremo absoluto de la funcion f (x, y):
DE FUNCIONES DE VARIAS VARIABLES
4.7. PROBLEMAS DE OPTIMIZACION 91
z = x 2+3y2-x-4y+1
x+y = 1
g3(x)
on de la supercie z = f (x, y) = x2 + 3y 2 x 4y + 1 con el plano x + y = 1.

1 2 2 1 3 5
P1 ( , ), P2 (1, ), P3 (1, 0), P4 ( , 1), P5 (0, 1), P6 ( , ), y P7 (1, 0)
2 3 3 2 8 8
siendo
7 1 1
f (P1 ) = , f (P2 ) = , f (P3 ) = 1, f (P4 ) = ,
12 3 4
9
f (P5 ) = 0, f (P6 ) = , y f (P7 ) = 1
16
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( 12 , 23 ), siendo f (Q) = 12 7.
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 funcion, 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.
umeros son x e y, entonces el tercero sera 300 x y. El producto de dichos n

Si dos de estos n umeros,
y por tanto la funci
on a maximizar, sera
f (x, y) = xy(300 x y) = 300xy x2 y xy 2 , x, y (0, 300)

Obtengamos los extremos relativos de esta funcion:

fx (x, y) = 300y 2xy y 2 = 0 y(300 2x y) = 0
=
fy (x, y) = 300x 2xy x2 = 0 x(300 2y x) = 0

x,y>0 300 2x y = 0
= = x = y = 100
300 2y x = 0
on f (x, y) = xy(300 x y) = 300xy x2 y xy 2 tiene como u
Por lo tanto la funci nico punto crtico
el punto P (100, 100). Veamos que se trata de un m aximo relativo.

fxx (x, y) = 2y, fxy (x, y) = fyx (x, y) = 300 2x 2y fyy (x, y) = 2x
92

fxx (100, 100) = 200, fxy (100, 100) = fyx (x, y) = 100 fyy (100, 100) = 200

200 100
|H(100, 100)| = = 30000 > 0,

fxx (100, 100) < 0
100 200
on D = (0, 300)
y por tanto se trata de un mnimo relativo. Ahora bien, como el dominio de la funci
(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 dm2 , siendo el coste de la base un 50% m
as caro. Cual es la caja de mayor volumen que
puede fabricarse con 18 euros?
Si las dimensiones de la caja son x, y, z dm2 , 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
18 = 1.5xy + (2x + 2y)z = z =
2x + 2y
La funci
on que hay que maximizar ser
a
18 1.5xy 18xy 1.5x2 y 2

V (x, y) = xy =
2x + 2y 2x + 2y

3y 2 (12 2xy x2 )
Vx (x, y) = =0
(2x + 2y)2 = P1 (0, 0), P2 (2, 2), P3 (2, 2)
2 2
Vy (x, y) = 3x (12 2xy
y )
= 0
(2x + 2y)2
nico extremo relativo es P2 (2, 2).
Teniendo en cuenta que x, y > 0, el u
1.5y 2 (12 + y 2 ) 1.5x2 (12 + x2 )

Vxx (x, y) = ; Vyy (x, y) = ;
(x + y)3 (x + y)3
1.5xy(12 + x2 + 3xy + y 2 )
Vxy (x, y) = Vyx (x, y) =
(x + y)3
y en el punto P2 (2, 2):

Vxx (2, 2) = 1.5 Vxy (2, 2) = Vyx (x, y) = 0.75 Vyy (2, 2) = 1.5

1.5 0.75
|H(2, 2)| = > 0, Vxx

(2, 2) < 0
0.75 1.5
y se trata por tanto de un maximo. 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 dm3 .
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 m3 de volumen; de suelo, techo y
paredes rectangulares. Supuesto que los precios por m2 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 construccion 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
3p
suelo o techo, resultara que si el metro cuadrado de suelo cuesta p euros, el de pared costara p + 12 p = 2
euros. De otro modo, si el metro cuadrado de pared cuesta q euros, el metro cuadrado de suelo o techo
2q
costara 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 construccion vendr a dado por la expresi on
3p 3p
2xy p + 2xz + 2yz = (2xy + 3xz + 3yz)p,
2 2
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 (x1 , . . . , xn ) se alcanzan en los mismos puntos que en los de cualquier funci
on m
ultiplo suyo
p f (x1 , . . . , xn )).
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 numero 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
60
z=
xy
Pero esto no supone que nosotros podamos directamente asegurar que el problema planteado pasa a ser
el de minimizar la funci
on
60 60
f1 (x, y) = 2xy + 3x + 3y ,
xy 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 P0 = (x0 , y0 , z0 ) es un candidato a extremo, ha de ser (x, y, z) diferenciable con diferencial
continua (i.e. de clase 1) en un entorno de P0 y la derivada parcial de (x, y, x) en P0 no nula con
94
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 solo 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 funcion de las
restantes.
on f1 (x, y) planteamos el sistema
Para encontrar los puntos crticos de la funci

(x, y) = 0 = 0
f1 2y 180 2
x x
f1
(x, y) = 0 2x 180 = 0
y y2
Despejando, por ejemplo, la variable y de la primera ecuacion y sustituyendo en la segunda, obtenemos

que
180
2x 2 = 0,
90
x2
de donde
x4 x3 x=0
= 0 x(2 ) = 0 x3 = 90 x = 90.
3
2x
45 45
(La solucion x = 0 se ha de
desestimar a raz de la condici on de ligadura).

Para este valor x0 = 3 90 encontramos asociados los valores y0 = 3 90 (despejando y en la primera
3
de las ecuaciones anteriores) y z0 = 2 390 (a partir de la funci on implcita utilizada previamente).
Tenemos, por tanto, un u nico punto candidato a extremo de f1 , a saber: el punto P0 = (x0 , y0 ), que
se corresponde con el punto (x0 , y0 , z0 ) candidato a extremo condicionado de la funci on de partida f .
Para poder asegurar que en P0 la funci on alcanza un mnimo, habr a que probar que la diferencial
segunda de f1 en P0 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.
2f 360 360 2f 2f
2 (P0 ) = 3 = 4= 3 = (P0 ), (P0 ) = 2,
x x0 y0 y 2 xy
por lo que la matriz hessiana

4 2
H=
2 4
es denida positiva (1 = 4 > 0 y 2 = 42 22 = 16 4 = 12 > 0) y la funci on f1 tiene en P0 un

mnimo.
Conclusi on: la funci on f tiene en ( 3 90, 3 90, 23 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 (x1 , . . . , xp ) condicionada a las ligaduras
1 (x1 , . . . , xp ) = 0, . . . , q (x1 , . . . , xp ) = 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(x1 , . . . , xp ; 1 , , q ) = f (x1 , . . . , xp ) + 1 1 (x1 , . . . , xp ) + + q q (x1 , . . . , xp )
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 :

fx1 (x1 , . . . , xp ) + 1 (1 )x1 (x1 , . . . , xp ) + + q (q )x1 (x1 , . . . , xp ) = 0

fx2 (x1 , . . . , xp ) + 1 (1 )x2 (x1 , . . . , xp ) + + q (q )x2 (x1 , . . . , xp ) =

0

..

.

fxp (x1 , . . . , xp ) + 1 (1 )xp (x1 , . . . , xp ) + + q (q )xp (x1 , . . . , xp ) = 0
1 (x1 , . . . , xp ) = 0

2 (x1 , . . . , xp ) = 0

..

.

q (x1 , . . . , xp ) = 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 d2 g(a) a los vectores (dx1 , . . . , dxp ) que anulan las diferenciales d1 (a), . . . , dq (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 2y + 3z
2y + 3z yz = 0 = yz
= yz

xyz=0
2y + 3z

2x + 3z xz = 0 = 2x xz
+ 3z 2x + 3z =
xz yz
3x + 3y xy = 0
3x + 3y
2y + 3z 3x + 3y

= xy
yz = xy

xyz 60 = 0
xyz = 60 xyz = 60

6
=
2y + 3z
=
2y + 3z
=

yz
yz

3
90

3
(2x + 3z)y = (2y + 3z)x y = x y = 90
(2y + 3z)x = (3x + 3y)z
2x = 3z
x = 3
90

xyz = 60 xyz = 60 z = 2 3

3 90
dado que es
2 3
x = 60 x3 = 90 x = 90.
3
xyz = 60
3

Por tanto, obtenemos el punto crtico P0 = ( 3 90, 3 90, 32 3 90), con 0 =
3
6 .
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 d2 g(P0 , 0 )(dx, dy, dz), que anula la diferencial de
, d(P0 )(dx, dy, dz) = 0
96
En nuestro caso, hemos de estudiar el signo de la forma diferencial
d2 g(P0 , 0 )(dx, dy, dz) = 2(2 0 z0 )dx dy + 2(3 0 y0 )dx dz + 2(3 0 x0 )dy dz
sometida a la condici
on
d(P0 )(dx, dy, dz) = y0 z0 dx + x0 z0 dy + x0 y0 dz = 0

y teniendo que cuenta que el punto P0 (x0 , y0 , z0 ) es el punto P0 = ( 3 90, 3 90, 23 3 90), hemos de estudiar
la siguiente forma diferencial y sometida a la siguiente condici on

4dx dy 6dx dz 6dy dz = 0
2 dx + 2 dy + dz = 0
3 3
por lo tanto hemos de estudiar el signo de la forma cuadr
atica
4d2 x + 4dx dy + 4d2 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 P0 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 paragrafo 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.
Figura 4.13: Placas para chips de PCs.
El trapecio, de material A, tiene 6 cm2 de

area y 1 cm de altura. Los semicrculos soldados al trapecio
son de material B.
El cm2 de chapa B cuesta un 20% m as que el cm2 de chapa A. Se pide:
a) Dimensiones de la placa de coste mnimo. Para este caso, valor de cada placa, si el cm2 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 fabricacion vendra dado en funci
on de la supercie total de las chapas utilizadas, depen-
diendo del valor del cm2 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
6p
a que si el centmetro cuadrado de chapa A cuesta p euros, el de chapa B costara p + 15 p = 5
A, resultar
euros. De otro modo, si el centmetro cuadrado de chapa B cuesta q euros, el centmetro cuadrado de
chapa A costara 5q6 euros.
p 6p
cm2 chapa A p euros || cm2 chapa B p + 5 = 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,
2x + 2y
PA = p z = p z (x + y)
2
, mas el costo de fabricaci
on de las dos placas semicirculares
6p 2 6p 2 6p 2
PB = x + y = (x + y 2 )
5 2 5 2 5 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 (PA + PB ):
on costo de producci

6p 2 2 3 2 2
P (x, y, z) = (x + y ) + p z(x + y) = (x + y ) + zx + zy p
5 2 5
Ni que decir tiene que la constante p resulta irrelevante en la resolucion del problema, por su propio
caracter de constante (los extremos de una funci on f (x1 , . . . , xn ) se alcanzan en los mismos puntos que
en los de cualquier funcion multiplo suyo p f (x1 , . . . , xn ), 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
3 2
f (x, y) = (x + y 2 ) + 6
5
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
3 2
f(x, y, z) = (x + y 2 ) + zx + zy
5
condicionado a la ligadura (x,
y, z) = 0, siendo
y, x) = zx + zy 6.
(x,
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.
98
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 = x + 6 en el caso de = 0.
y
Pero esto no supone que nosotros podamos directamente asegurar que el problema planteado pase a ser
el de minimizar las funciones
3
f1 (y) = ((6 y)2 + y 2 ) + 6,
5
y
3 2
f1 (x, y) = (x + y 2 ) + 6,
5
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 P0 = (x0 , y0 ) y P0 (x0 , y0 , z0 ) 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 P0 y P0 y las derivadas parciales de x (x, y) en P0 y z (x, y, z) en P0 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 f1 (y) planteamos el sistema
f1 (y) = 0 4y 12 = 0
que tiene por solucion y0 = 3.
Para este valor y0 encontramos asociado el valor x0 = 3.
Tenemos, por tanto, un u nico punto candidato a extremo de f1 , a saber: el punto (x0 ), que se
corresponde con el punto P0 = (x0 , y0 ) candidato a extremo condicionado de la funci on de partida f .
Para poder asegurar que en P0 la funci on alcanza un mnimo, habr a que probar que la diferencial
segunda de f1 en P0 es una forma (diferencial) denida positiva. En este caso, f1 (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
3
placa de precio optimo (mnimo) saldra por 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 sustitucion 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 = x + 6 , resulta la funcion
y
3 2
f1 (x, y) = (x + y 2 ) + 6
5
anteriormente expresada, de modo que para el c
alculo de los puntos crticos hay que resolver el sistema
6

5 x = 0
6 y = 0

5
6
z = 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 analoga. 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 x + z z

= 0 x = 0

5

3 y + z z = 0 xyz=0 y = 0
5

x + y (x + y) = 0=1
= 1

z(x + y) 6 = 0 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
3 2 2
f 5 (x + y ) + 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 2 2
5 (x + y ) + 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).
100
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 formulas
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 facil obtener el area. Por
2
ejemplo el area del recinto delimitado por la curva de ecuaci
on y = x + 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.
2.5
1.5
0.5
0 0.5 1 1.5 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 s1 y S1 de
dos rectangulos de base 2 y alturas respectivas los valores mnimo y maximo de f (x) en [0, 2] que, como
on es creciente en el intervalo [0, 2], son h0 = f (0) = 21 y H0 = f (2) = 25 , respectivamente (vease
la funci
101
102 A LA INTEGRACION
CAPTULO 5. INTRODUCCION DE FUNCIONES
la Figura 5.2). Por tanto,

1 5
s1 = 2 = 1, S1 = 2 = 5, = 1 S 5
2 2
2.5
S1
2
1.5
0.5
s1
0 0.5 1 1.5 2
Figura 5.2: Aproximaciones de S: s1 S S1 .
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 s2 (por exceso S2 ) del area buscada (vease la
Figura 5.3),
s2 = 1 f (0) + 1 f (1) = 1 12 + 1 1 = 32 3 7
= S
S2 = 1 f (1) + 1 f (2) = 1 1 + 1 52 = 27 2 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:

s3 = 32 f (0) + 23 f ( 23 ) + 23 f ( 34 ) = 47
27 47 83
2 2 2 4 2 83 = S
S3 = 3 f ( 3 ) + 3 f ( 3 ) + 3 f (2) = 27 27 27
Si de la misma forma dividimos el intervalo [0, 2] en n subintervalos de igual longitud, estos subin-
2(k 1) 2k
tervalos ser
an [ n , n ] (para k = 1, . . . , n), obtendremos dos sucesiones sn y Sn de aproximaciones
por defecto y por exceso del area S que verican
s 1 s 2 s 3 . . . sn . . . S . . . S n . . . S 3 S 2 S 1
2 y alturas los valores menores (mayores)
siendo sn (Sn ) la suma de las areas de los n rectangulos de base n
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):
n
n

2 2(k 1) 2 2k
sn = f( ); Sn = f( )
n n n n
k=1 k=1

5.1. EL PROBLEMA DEL AREA 103
2.5 2.5
S3
S2
2 2
1.5 1.5
1 1
s3
0.5 0.5
s2
0 0.5 1 1.5 2 0 0.5 1 1.5 2
Figura 5.3: Aproximaciones de S: s1 s2 s3 S S3 S2 S1 .
2.5
1.5
0.5
0 2(k-1)/n 2k/n 2
on de los terminos kesimos de las sumas de Riemann, sn Sn .

Figura 5.4: Obtenci
Y tendremos
2
2(k 1) 2
n
+1 n n
2 n 1 2(k 1) 4
sn = = +1 = (k 1)2 + 1
n 2 n n n3
k=1 k=1 k=1
n
n(n + 1)(2n + 1)
pero teniendo en cuenta que i2 = 6 ser
a
i=1
n
n1

2 2 2 2 (n 1)n(2n 1)
(k 1) = 0 + 1 + 2 + . . . + (n 1) = i2 =
i=1
6
k=1
y tendremos
n
4 4 (n 1)n(2n 1) 2(n 1)(2n 1)
sn = (k 1)2 + 1 = 3 +1= +1
n3 k=1 n 6 3n2
De la misma forma obtenemos la sucesion de areas por exceso

n
2 2k 2(n + 1)(2n + 1)
Sn = f( ) = +1
n n
k=1
3n2
Si procedemos indenidamente (paso al lmite cuando n ) obtendremos el valor del area

4 7
S = lim sn = lim Sn = +1=
n n 3 3
5.2 La integral de Riemann

La integral de Riemann1 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 funcion no negativa en dicho intervalo.
Para su denici on utilizaremos un metodo similar al utilizado en el ejemplo anterior.
Llamaremos partici on de un intervalo [a, b] a todo conjunto P = {x0 , x1 , . . . , xn } de n
umeros reales
de forma que
a = x0 < x1 < x2 < . . . < xn = b
Es decir una partici on divide el intervalo [a, b] en n intervalos m nos de longitud i = xi xi1 ,
as peque
i = 1, . . . , n. Llamaremos norma de la partici on P y la representaremos por |P| a la mayor de todas las
longitudes de los correspondientes subintervalos
|P| = max i
i=1...n
Si todos los intervalos tienen la misma amplitud se dice que la partici on es regular y en este caso
b a
la norma sera |P| = 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 particion cualquiera el numero de elementos sera n b a y si la norma de un particion tiende a
|P|
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 particion del intervalo [0, 1]:
1 1 1 1
Pn = {0, , , . . . , , , 1}
n n1 3 2
todas tienen norma |Pn | = 21 y por tanto lim |Pn | = 21 .

n
Dadas dos particiones P1 y P2 del intervalo [a, b], diremos que P2 es m as fina que P1 si todos los
subintervalos de P1 son subintervalos de P2 , es decir P1 P2 . Por ejemplo la particion P2 = {0, 1, 2, 3, 4}
es una particion del intervalo [0, 4] mas na que P1 = {0, 2, 4}.
Evidentemente si P2 es mas na que P1 se tiene |P2 | |P1 |. 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
funcion 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
Mk
mk
y=f(x)
S
0 a=x0 x1 x2 x3 xk-1 xk xn-1 xn=b
Figura 5.5: Las sumas de Riemann.
Si tenemos una particion P = {a = x0 , x1 , x2 , . . . , xk1 , xk , . . . , xn1 , xn = b}, en cada subintervalo

[xk1 , xk ] la funci
on f (x) alcanza sus valores mnimo mk y maximo Mk . Tomaremos los rectangulos
de base el subintervalo y alturas respectivas mk y Mk y realizamos la suma de todos los rectangulos,
obteniendo dos sumas s(P) y S(P) llamadas respectivamente sumas inferiores y sumas superiores de
Riemann para la partici on P:
n
n

s(P) = mk (xk xk1 ) S(P) = Mk (xk xk1 )
k=1 k=1
Estas sumas de Riemann tienen las siguientes propiedades:
1. Las sumas inferiores son crecientes, es decir si P es una partici as na que P (P P ) entonces
on m

s(P) s(P ).
2. Las sumas superiores son decrecientes, es decir si P es una partici as na que P (P P )

on m

entonces S(P) S(P ).
3. Cualquier suma inferior es menor o igual que cualquier suma superior, es decir s(P) S(P ), P, P
particiones de [a, b].
Si repetimos este proceso con una sucesion de particiones P1 , P2 , . . ., cada vez mas nas y cuya
norma tienda a cero, tendremos una sucesion creciente de sumas inferiores sn y una sucesion decreciente
de sumas superiores Sn , de forma que
s1 s2 sn 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
definida seg un Riemann en dicho intervalo y se representa por:
! b
f (x) dx = lim sn = lim Sn
a n 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 monotona en un intervalo cerrado [a, b] entonces f (x) es integrable seg
un
Riemann en dicho intervalo.

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 pequenos) 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.
f(x)
y=f(x)
dS
0 a dx b
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:
! b ! b
S= dS = f (x) dx
a a
La variable que aparece en la integral (en el caso anterior, x) es una variable muerta que desaparecer
a
! b
una vez obtenida la integral. Es decir esta variable no inuye en la integral, siendo f (x) dx =
! b a
f (t) dt.
a
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):
! b
S= f (x) dx, si f (x) 0, x [a, b]
a
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 xi xi1 > 0 y mi , Mi 0. Entonces
! b
S= f (x) dx, si f (x) 0, x [a, b]
a
Y en general, si la funcion mantiene signo constante en el intervalo [a, b] tendremos

!
b

S= f (x) dx , si f (x) tiene signo constante en [a, b]
a
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 c1 , . . . , cn 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
y=f(x)
0 a c1 c2 c3 b
S

Figura 5.7: Area delimitada por la curva de una funci
on cualquiera.
! ! !
c1 c2 b

S = f (x) dx + f (x) dx + + f (x) dx
a c1 cn
4. Igualmente, para calcular el area delimitada por dos curvas f (x) y g(x) (vease la Figura 5.8)
obtendremos los puntos c1 , . . . , cn en que se cortan ambas curvas, resolviendo la ecuacion
f (x) = g(x), y la integral sera
y=f(x)
f(c3) = g(c3)
f(c1) = g(c1)
f(c2) = g(c2)
y=g(x)
0 c1 c2 c3

Figura 5.8: Area delimitada por dos curvas.
! !
c2 cn

S =
(f (x) g(x)) dx + + (f (x) g(x)) dx
c1 cn1

Por ejemplo, para calcular el area delimitada por las curvas f (x) = x2 y g(x) = x, obtenemos
los puntos de cortede ambas curvas, que se obtienen para aquellos valores tales que f (x) =
g(x), es decir x2 = x, que son x = 0 y x = 1 (vease la Figura 5.9). Entonces el area encerrada
por ambas curvas sera:
! 1 ! 1

S = (f (x) g(x)) dx =
( x x2 ) dx
0 0
y=x 2
0 1
x=y 2

Figura 5.9: Area abolas y = x2 y x = y 2 .
encerrada por las par
Como veremos mas adelante esta u

ltima integral vale
! 1 1
S= ( x x2 ) dx =
0 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 ! b ! b
( f (x) + g(x)) dx = f (x) dx + g(x) dx
a a a
! b
6. Si x [a, b], f (x) 0: f (x) dx 0
a
! b ! b
7. Si x [a, b], f (x) g(x): f (x) dx g(x) dx
a a
8. Dada una funci
on cualquiera, podemos ver facilmente que
! b !
b

|f (x)| dx f (x) dx
a a
Propiedades relacionadas con el intervalo de integraci

on:

5.4. TEOREMAS FUNDAMENTALES DEL CALCULO INTEGRAL 109
9. Linealidad respecto del intervalo de integracion:

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 ! c ! b
f (x) dx = f (x) dx + f (x) dx
a a c
! a
10. f (x) dx = 0
a
! b ! a
11. f (x) dx = f (x) dx
a b
5.4 Teoremas fundamentales del c

alculo 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 permitira 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 funcion 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
! x
s(x) = f (t) dt, x [a, b]
a
on f (t) 0, t [a, b], esta funcion representa el area encerrada por la curva y = f (t), el
Si la funci
eje de abscisas y las rectas t = a y t = x, como se aprecia en la Figura 5.10:
Primer teorema fundamental del c alculo integral: La derivada de la funci
on s(x), antes denida,
coincide en cada punto con el valor de la funci on f (x):
! x
d
s (x) = f (t) dt = f (x), x [a, b]
dx a
y=f(t)
y=f(t)
m M
h
0 a x b 0 a x x+h b
Figura 5.10: Primer teorema fundamental del c

alculo integral.
En efecto, calculemos s (x):
! ! !
x+h x x+h
s(x + h) s(x) 1 1
s (x) = lim = lim f (t) dt f (t) dt = lim f (t) dt
h0 h h0 h a a h0 h x
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:
! x+h
m(h) h f (t) dt M (h)h
x
siendo entonces !
1 x+h
m(h) f (t) dt M (h)
h x
y teniendo en cuenta que al pasar al lmite cuando la amplitud h del intervalo tiende a 0, se tiene
lim m(h) = lim M (h) = f (x), tendremos
h0 h0
! x+h
1
s (x) = lim f (t) dt = f (x)
h0 h x
Segundo teorema fundamental del c alculo integral (Regla de Barrow): Si F (x) es una
funci on f (x) en todo el intervalo [a, b] (F (x) = f (x), x
on cuya derivada coincide con el valor de la funci
2
[a, b]), entonces
! b
f (x) dx = F (b) F (a)
a
NOTA: La diferencia de valores F (b) F (a) se suele denotar por [F (x)]ba .

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
! x
s(x) = f (t) dt = F (x) + C, x [a, b]
a
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
f (x) dx = s(b) = F (b) F (a)
a
5.5 La integral indefinida. C

alculo 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
obtencion 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 u
nica, ya
que anadiendo 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 indefinida 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 funci
on primitiva o antiderivada de la
funcion f (x).

5.5. LA INTEGRAL INDEFINIDA. CALCULO DE PRIMITIVAS 111
siendo C una constante cualquiera.

Por ejemplo, sabemos que la derivada de x2 es la funci
on 2x, por lo tanto
!
2x dx = x2 + 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

!
! ! [f (x) + g(x)] dx =
k f (x) dx = k f (x) dx ! !
f (x) dx + g(x) dx
! n+1 !
u 1
un du = + C (n = 1) du = ln |u| + C
! n + 1 ! u
au
eu du = eu + C au du = + C (a > 0)
! ! ln a
sen u du = cos u + C cos u du = sen u + C
! !
1 1
2 du = tg u + C 2 du = cotg u + C
! cos u ! sen u
1 1
du = arcsen u + C = du = arctg u + C =
1 u2 1 + u2
arccos 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 (2x + 1)dx d(x2 + x + 3)
2 dx = 2 = = ln |x2 + x + 3| + C
x +x+3 x +x+3 x2 + x + 3
!
1
hemos aplicado la integral inmediata du = ln |u| + C, siendo u = x2 + x + 3.
u
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 M
etodo de integraci
on por sustituci
on o por cambio de variable
!
Si queremos calcular la integral f (x) dx, muchas veces resulta u
til 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 x3 x4 + 1 dx, realizamos el cambio de variables x4 + 1 = t,
siendo entonces 4x3 dx = dt, quedando
! " 4 #!
3 4 x +1=t dt t3/2 1 3 1 4
x x + 1 dx = 3 t dt = = t = (x + 1)3 + C
4x dx = dt 4 6 6 6
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 trigonom etricas:

! ! !
Integrales del tipo senn x dx, cosn x dx, senn x cosm x dx
!
1. senn x dx con n natural impar: Hacemos el cambio cos x = t y utilizamos la igualdad
sen2 x + cos2 x = 1. !
Por ejemplo si tenemos la integral sen7 x dx:
! ! !
sen7 x dx = sen6 x sen x dx = (1 cos2 x)3 sen x dx
y haciendo el cambio cos x = t, tendremos sen x dx = dt, entonces

! ! ! !
sen7 x dx = (1 cos2 x)3 sen x dx = (1 t2 )3 dt = (t6 3t4 + 3t2 1) dt
!
t7 3t5
y esta integral ya es inmediata (t6 3t4 + 3t2 1) dt = + t3 t, entonces
7 5
!
cos7 x 3 cos5 x
sen7 x dx = + cos3 x cos x + C
7 5
!
2. cosn x dx con n natural impar:
Hacemos el cambio sen x = t y utilizamos la igualdad sen2 x + cos2 x = 1
! !
3. senn x dx
o senn x dx, con n natural par:
La haremos utilizando sucesivamente las razones trigonometricas del angulo mitad
1 cos 2x 1 + cos 2x
sen2 x = cos2 x =
2 2
!
Por ejemplo, la integral cos6 x dx:
! ! 3 !
1 + cos 2x
cos6 x dx = (cos2 x)3 dx =
dx =
2
!
1 2 3
1 3
= 1 + 3 cos 2x + 3 cos 2x + cos 2x dx = x + sen 2x + 3I1 + I2
8 8 2
!
donde I1 = cos2 2x dx es una nueva integral de este tipo (n par, pero m
as peque
no) e
!
I2 = cos3 2x dx lo es del tipo anterior (n impar):
! !
1 + cos 4x x sen 4x
I1 = cos2 2x dx = dx = +
2 2 8
! ! !
I2 = cos3 2x dx = cos2 2x cos 2x dx = (1 sen2 2x) cos 2x dx =
" # !
sen 2x = t dt t t3 sen 2x sen3 2x
= (1 t2 ) = =
2 cos 2x dx = dt 2 2 6 2 6

Entonces
!
6 1 3 x sen 4x sen 2x sen3 2x
cos x dx = x + sen 2x + 3 + + =
8 2 2 8 2 6
5x sen 2x sen3 2x 3 sen 4x

= + + +C
16 4 48 64
!
4. senn x cosm x dx siendo n entero impar (o m entero impar):
Hacemos cos x = t (o sen x = t) y procedemos como en el caso 1.
!
sen3 x
Por ejemplo, para calcular dx:
cos4 x
! ! !
sen3 x 2 4
dx = sen x cos x sen x dx = (1 cos2 x) cos4 x sen x dx =
cos4 x
! " # !
4 cos x = t 4
= cos x cos2 x sen x dx = t t2 (dt) =
sen x dx = dt
!
2 t1 t3 1 1 1 1
= t t4 dt = = + 3 = + +C
1 3 t 3t cos x 3 cos3 x
!
5. senn x cosm x dx siendo n y m enteros pares:
En este caso procederemos como en el caso 3.
!
Por ejemplo, sen2 x cos4 x dx.
! 2
!
2 4 1 + cos 2x 1 cos 2x
sen x cos x dx = dx =
2 2
!
1 1 sen 2x
= 1 + cos 2x cos2 2x cos3 2x dx = x+ I1 I2
8 8 2
siendo I1 e I2 las integrales:
! !
2 1 + cos 4x x sen 4x
I1 = cos 2x dx = dx = +
2 2 8
! ! !
3 2
I2 = cos 2x dx = cos 2x cos 2x dx = (1 sen2 2x) cos 2x dx =
" # !
sen 2x = t dt t t3 sen 2x sen3 2x
= (1 t2 ) = =
2 cos 2x dx = dt 2 2 6 2 6
Por lo tanto
!
1 sen 2x x sen 4x sen 2x sen3 2x
sen2 x cos4 x dx = x+ + =
8 2 2 8 2 6
x sen3 2x sen 4x
= + +C
16 48 64
Integrales irracionales:

Integrales que contienen las expresiones a2 x2 , a2 + x2 o x2 a2 .
Los cambios de variable que se realizar
an y las simplicaciones son las siguientes:

1. Si se tiene a2 x2 , hacemos x = a sen t, entonces

a2 x2 = a2 a2 sen2 t = a cos t
!
Calculemos la integral a2 x2 dx:

! x = a sen t ! !
a2
a2 x2 dx = dx
= a cos t dt a 2
cos 2
t dt = (1 + cos 2t) dt =
2
a2 x2 = a cos t

a2 sen 2t a2
= t+ = (t + sen t cos t)
2 2 2
y para deshacer el cambio tenemos en cuenta que a sen t = x, entonces t = arcsen x a y cos t =
(
2 2 2
1 sen2 t = 1 x2 = a a x :
a
!
2 2
a2 a2 x x a2 x2
a x dx = (t + sen t cos t) = arcsen + =
2 2 a a a
a2 x x 2
= arcsen + a x2 + C
2 a 2

2. Si se tiene a2 + x2 , hacemos x = a tg t, entonces
)
a
a + x = a2 + a2 tg2 t =
2 2
cos t
!
dx
Como ejemplo calculemos la integral .
x2 25 + x2

! x = 5 tg t ! 5 dt
dx dx = 5 dt cos2 t
= 2 =
x2 25 + x2 cos t
5
5
25 tg2 t cos
2
25 + x = cos t t
! " # !
1 cos t u = sen t 1 du 1 1
= 2 dt = 2 = =
25 sen t du = cos t dt 25 u 25u sen t
para deshacer el cambio de variable, tenemos en cuenta que x = 5 tg t, es decir tg t = x
5,
entonces:
( , (
)
1 1 2 1 25 25 + x2
= 2 = 1 + cotg t = 1 + 2 = 1 + 2 =
sen t sen t tg t x x
por lo tanto
!
dx 25 + x2
dx = +C
x2 25 + x2 25x
a , entonces
3. Si se tiene x2 a2 , hacemos x = cos t
(
a2
2
x a = 2 a2 = a tg t
cos2 t
! 2
x 1
Por ejemplo, calculemos la integral dx
x3

! 2 x = cos1 ! !
x 1 t tg t sen t
dx = dx = sen t dt = dt = sen2 t dt =
x3 cos2 t 1 cos2 t
x2 1 = tg t cos3 t

!
1 sen 2t t sen 2t t sen t cos t
= dt = =
2 2 4 2 2
1
y para deshacer el cambio, x = cos t :
(
1 1 x2 1 1
cos t = , sen t = 1 2 = , t = arccos
x x x x
! 2
x 1 1 1 x2 1
3 dx = arccos +C
x 2 x 2x2
5.5.2 M
etodo de integraci
on por partes
Este metodo se basa en la formula 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
on es df (x) = f (x) dx, tendremos
diferencial de una funci
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 = x dx, la integral
! !
propuesta es 1
u dv. Ahora bien, si u = ln x, du = u dx = x dx, y si dv = x dx, entonces v = dv =
! 2
x
x dx = , por lo que
2
! ! ! ! 2
x2 x 1
x ln x dx = u dv = u v v du = ln x dx
2 2 x
pero esta u
ltima integral es inmediata:
! !
x2 x x2 x2
x ln x dx = ln x dx = ln x +C
2 2 2 4
5.5.3 Los m
etodos de integraci
on en la integral definida
! b
Veamos como afecta el uso de los metodos de integracion al c
alculo de una integral denida f (x) dx.
a
Para ello hemos de tener en cuenta la regla de Barrow, es decir si F (x) es una funci
on primitiva de f (x),
! b
entonces f (x) dx = F (b) F (a).
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 t1 y t2 , respectivamente: a = g(t1 ) y b = g(t2 ),
entonces al aplicar el metodo de integracion por cambio de variable tendremos:
! b ! t2 ! t2
t
f (x) dx = f (g(t))g (t) dt = h(t) dt == [H(t)]t21 = H(t2 ) H(t1 )
a t1 t1
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 x2 + y 2 = r2 , por lo tanto (vease la Figura 5.11) el area del
crculo sera ! r
S=4 r2 x2 dx
0
x2 + y2 = r2
0 r
Figura 5.11: El area del crculo x2 + y 2 r2 .
Si efectuamos el cambio x = r sen t, hemos de tener en cuenta que los extremos de integracion son
0 = r sen 0 y r = r sen
2 , entonces:

! x = r sen t ! !
r dx = r cos t dt
2 2 2
S=4 2 2
r x dx = 4
2 2 2
r r sen t r cos t dt = 4r cos2 t dt
0
x = 0 t = 0 0 0
x=rt= 2
(
1 cos(2t)
y para resolver esta integral tengamos en cuenta que cos t = 2 y por tanto cos2 t =
1 cos(2t) cos(2t)
2 = 12 2 .
! ! " #
2 2 2 2 1 cos(2t)
2 2 t sen(2t) 2
S = 4r cos t dt = 4r dt = 4r + = r2
0 0 2 2 2 4 0
M etodo de integraci on 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 b
b
u dv = [u v]a v du
a a
b
donde [u v]a = u(b) v(b) !u(a) v(a).
e
Por ejemplo, calculemos ln x dx:
1
! e " # ! e
ln x dx = u = ln x du = dx
x [x ln x]1
e e
dx = e [x]1 = e (e 1) = 1
1 dv = dx v = x 1
Ap
endice A
C
alculo de lmites de funciones de
una variable: Gua r
apida
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
funcion f tiene lmite l (nito o innito) en el punto a, y se nota l = lim f (x), cuando para cada n
umero
xa
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 finito y l finito: se tiene que lim f (x) = l si, y s

olo si, para todo > 0 existe un > 0
xa
tal que |f (x) l| < para todos los x D con 0 < |x a| < .
Por ejemplo, se tiene que lim x ln |x| = 0.
x0
1

2 APENDICE
A. CALCULO DE LIMITES DE FUNCIONES DE UNA VARIABLE: GUIA RAPIDA

1.5
0.5
-4 -2 2 4
-0.5
-1
-1.5
Figura A.1: Lmite l nito en un punto a nito
Para a finito y l infinito: se tiene que lim f (x) = (resp., lim f (x) = +), si para todo > 0
xa xa
existe un > 0 tal que f (x) > k (resp., f (x) < k) para todos los x D con 0 < |x a| < .
Por ejemplo, se tiene que lim ln |x| = .
x0
-4 -2 2 4
-1
-2
-3
-4
-5
Figura A.2: Lmite l innito en un punto a nito
Para a infinito y l finito: se tiene que lim f (x) = l (resp., lim f (x) = l) si, y solo si, para
x x
todo > 0 existe un > 0 tal que |f (x) l| < para todos los x D con x > (resp. x < ).
Por ejemplo, se tiene que lim ex = 0.
x
3
70
60
50
40
30
20
10
-4 -2 2 4
Figura A.3: Lmite l nito en un punto a innito
Para a infinito y l infinito: se tiene que lim f (x) = (resp., lim f (x) = ) si, y solo si,
x x
para todo > 0 existe un > 0 tal que f (x) > para todos los x D con x > (resp. x < ).
Analogamente, se tiene que lim f (x) = (resp., lim f (x) = ) si, y solo si, para todo
x x
> 0 existe un > 0 tal que f (x) < para todos los x D con x > (resp. x < ).
Por ejemplo, se tiene que lim ex = .
x
70
60
50
40
30
20
10
-4 -2 2 4
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 u
nico. Mas 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 podra calcular mediante sustitucion directa, a veces previa manipulacion
algebraica:
x1 11 0
lim = = = 0.
x1 x + 1 1+1 2
3
3
x +x2 x 1 + x1 1 1
lim = lim = lim = 0.
x 3x4 + 1 x x4 3 + 14 x x 3
x
1
lim no existe, puesto que en cualquier entorno reducido de 2 la funcion f (x) no toma valores
x2 x2
alrededor de un mismo punto l: cuando x se aproxima a 2 por valores m as peque nos que el propio
1
2, x 2 se aproxima a 0 por valores negativos, de donde se aproxima a ; por otra parte,
x2
cuando x se aproxima a 2 por valores mayores que 2, x 2 se aproxima a cero por valores positivos,
1
de donde tiende a +.
x2
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 f (x) y lim+ f (x), segun sea el caso. As, existe lim f (x) = l si, y s
olo si, existen
xa xa xa
los lmites laterales y coinciden con dicho valor, lim f (x) = lim+ f (x) = l.
xa xa

4 APENDICE

x2 + 2x x(x + 2) x
Por ejemplo, lim = lim = lim , que no existe, puesto que los lmites
x0 x3 + 4x2 x0 2
x x+4 x0 |x|
x x x x
laterales son distintos: lim = lim = 1, mientras que lim = lim = 1 = 1.
x0 |x|
x0 x
x0 |x|
+ x0 x+
En lo que sigue, indistintamente es a nito o innito. Algunas propiedades b asicas concerniendo a

lmites y funciones son:
1. Si lim f (x) = l IR, entonces para cualquier k real con k < l (resp., k > l) existe un entorno
xa
reducido de a de modo que k < f (x) (resp., k > f (x)).
2. M un, si lim f (x) = l IR y lim g(x) = m IR con l < m, entonces f (x) < g(x) en un entorno
as a
xa xa
reducido de a.
3. Si lim f (x) = l IR y k es un n
umero real con k < f (x) (resp., k > f (x)) en un entorno reducido
xa
de a, entonces se tiene que k l (resp., k l).
4. M un, si lim f (x) = l IR, lim g(x) = m IR y f (x) < g(x) en un entorno reducido de a,
as a
xa xa
entonces l m.
5. Si f (x) h(x) g(x) en un entorno reducido de a y lim f (x) = lim g(x) = l, entonces existe
xa xa
lim h(x) = l. Esta propiedad se conoce como regla del sandwich o del emparedado.
xa
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 f (x) = l y lim g(x) = m, entonces:
xa xa
lim (f (x) + g(x)) = l + m, siempre que no de lugar a una expresion del tipo .
xa
lim (f (x) g(x)) = l m, siempre que no de lugar a una expresion del tipo 0 .
xa
f (x) l 0
lim = , siempre que no de lugar a una expresion del tipo o .
xa g(x) m 0
lim logb f (x) = logb l, para l, b > 0, b = 1.
xa
lim bf (x) = bl , para b > 0.

xa
lim g(x)f (x) = ml , siempre que no de lugar a una expresion del tipo 1 , 0 o 00 .
xa
Hemos de hacer notar que las u nicas indeterminaciones existentes en el calculo de lmites son las 7
contempladas en el apartado anterior:
0
, 0 , , , 1 , 0 y 00
0
En realidad, las tres u
ltimas se reducen a las anteriores tomando logaritmos neperianos, de modo que
lim f (x)g(x) = lim eg(x) ln(f (x)) .
xa xa
Cualquier otra expresi on involucrando los valores 0, 1 y no son indeterminaciones, como por
ejemplo los casos
+ (= +), (= ), (= ),
0 c c
(= 0), (= ), (= 0), (= ), logb>1 (= +),
0 0
logb<1 (= ), logb>1 0+ (= ), logb<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 infinitesimos
e infinitos equivalentes, o incluso la regla de LHopital.
Una funcion f : D IR IR es un infinitesimo (resp., infinito) en a (nito o innito) cuando existe
lim f (x) = 0 (resp., = ).
xa
1
x a), 1 cos(x a), e (1 + x a)

Por ejemplo, x a, sen(x a), tg(x a),ln(1 + x |xa| son innit
esimos
1 x 1 1
en x = a, para a IR, y , e , ,e 1 + son innitesimos en x = .
x ln x x
1
Por su parte, x, ex , ln x son innitos en x = , y , ln |x a| son innitos en x = a, con a IR.
|x a|
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

1
f g es un innitesimo en a. Ejemplo: x es un innitesimo en x = 0 y sen esta acotada en todo su
x
1
dominio de denici on, de donde x sen tambien es un innitesimo en x = 0.
x
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 ex esta acotada inferiormente (por 0), de donde ex x es un innito en
x = .
1
3. f es un innito en a si, y s
olo si, es un innitesimo en a. Hay que tener cuidado con este enunciado,
f
porque no sera del todo cierto si cambiamos los nombres de sitio: f puede ser un innitesimo en
1 1
x = a y no ser un innito en x = a, por la sencilla raz on de que no exista lim . Es el caso de
f xa f (x)
1
f (x) = x en x = 0. S sera cierto que f es un innitesimo en x = a si, y solo si, es un innito
|f |
1 1
en x = a. Es importante entender la sutil diferencia al considerar o , que pueden dar lugar a
f |f |
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:
f
Si f y g son dos innitos (resp., innitesimos) en a y es asimismo otro innito (resp., innitesimo)
g
en a, entonces se dice que f es de mayor orden que g y se nota ord (f (x)) > ord (g(x)). Al comparar
xa xa
los ordenes de los innitos usuales, resulta que
ord (lnp x) < ord (xq ) < ord (bx ) < ord (xcx )
x+ x+ x+ x+
para b, c, p, q > 0. Es por eso que
lnp x xq bx
lim = lim = lim = .
x xq x bx x xcx
g(x)
Si lim = 0 se dice que g(x) es despreciable frente a f (x) en un entorno de a, y se denota
xa f (x)
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.
g(x)
Si lim = l IR {0}, entonces f (x) y g(x) son del mismo orden en un entorno de a y se
xa f (x)
1
nota g(x) = O(f (x)). Por ejemplo, f (x) = (1 + x) |x| yg(x) =e son del mismo orden en x = 0, de
x
1 1
suerte que lim (1 + x) |x| = e. An
alogamente, h(x) = 1 + y g(x) = e son del mismo orden
x0 x

6 APENDICE

x
1
en x = +, dado que lim 1+ = e. De hecho, estos dos lmites son de mucha ayuda para
x x
resolver en multitud de ocasiones indeterminaciones del tipo 1 .
f (x)
Si lim = l IR{0}, entonces ord (f (x)) = IR. An
alogamente, en el caso de innitos,
xa (x a) xa
f (x)
si lim = l IR {0}, entonces ord (f (x)) = IR.
x x x
a
Dos funciones f y g con el mismo lmite en un punto a se dicen equivalentes en a, y se nota f 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:
h(x) h(x)
lim h(x) f (x) = lim h(x) g(x), lim = lim .
xa xa xa f (x) xa g(x)
Los innitesimos equivalentes en x = 0 mas utilizados son del tipo
2 (x)
(x) e(x) 1 sen (x) tg (x) ln(1 + (x)) y 1 cos (x) ,
2
frecuentemente tomando (x) = x.
Veamos algunos ejemplos:
x ln x x ln(1 + (x 1)) x 1
lim = lim = lim = .
x1 x2 1 x1 (x + 1)(x 1) x1 x + 1 2
x ln x ln 1 1
lim 2
= lim x ln x = lim 1 x = 0, puesto que ln x = ln x1 = ln y cuando x 0+
x0+ x 1 x0+ x0+ x
x
1
se tiene que y = +. Ademas, por otra parte, ya se vio antes que ord (ln y) < ord (y).
x y+ y+
2 2 1
lim (cos x)cotg x
= lim ecotg xln(cos x)
= e 2 , ya que lim cotg2 x ln(cos x) =
x0 x0 x0
2
cos2 x ln(1 + cos x 1) cos x 1 x 1
lim = lim = lim 22 = , utilizando los innitesimos
x0 sen2 x x0 sen2 x x0 x 2
equivalentes pertinentes en x = 0.
Para nalizar este breve repaso del c alculo de lmites incluimos la Regla de LHopital. Este metodo
0
sirve a veces, en funciones de comportamiento adecuado, para resolver indeterminaciones del tipo o

0
. 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
f (x) f (x)
reducido. Si existe lim = l, nito o innito, entonces existe lim y vale l. El enunciado
xa g (x) xa g(x)
tambien es valido si se sustituyen los lmites por lmites laterales.
f (x)
Hemos de observar que si carece de lmite cuando x a, entonces no se puede asegurar nada
g (x)
f (x) x2 sen x1
acerca de la existencia o no del lmite lim . Este es el caso de los lmites lim (que existe y
xa g(x) x0 sen x
sen x2
vale 0) y lim (que no existe).
x0 x cos 1
x
Ejemplos de aplicaci on de la regla de LHopital los encontramos en la comparaci on de algunos in-
nitesimos e innitos:
7
ln x L H x1
lim x ln x = lim 1
= lim = lim x = 0. Aqu hemos podido aplicar la regla de
x0+ x0+ x x0+ x2 x0+
1
LHopital porque tanto f (x) = ln x como g(x) = son funciones derivables en un entorno reducido
x
de 0+ con g (x) = 0 (por ejemplo, el intervalo (0, 1)).
lnp x L H px1 lnp1 x p lnp1 x

Para p, q > 0, lim = lim = lim = = 0, pues aplicando
x xq x qxq1 q x xq
sucesivamente la regla de LHopital y simplicando, la funci on del denominador se mantiene ja,
xq , mientras que la del numerador va transform andose en lnk x para exponentes k cada vez mas
pequenos, 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) = lnk x como g(x) = xq son funciones
derivables en un entorno reducido de con g (x) = 0 (por ejemplo, el intervalo (2, )).
xq L H qxq1 q xq1
Para q, b > 0, lim x = lim x = lim = = 0, pues aplicando sucesivamente
x b x b ln b ln b x bx
la regla de LHopital y simplicando, la funci on del denominador se mantiene ja, bx , mientras que
k
la del numerador va transform andose en x para exponentes k cada vez mas peque nos, de modo que
a a ser k 0; resultando el lmite entonces igual a 0. Aqu hemos podido aplicar la regla de
llegar
LHopital porque tanto f (x) = xk como g(x) = bx son funciones derivables en un entorno reducido
de con g (x) = ln b bx = 0 (por ejemplo, el intervalo (2, )).
Hay que tener cuidado cuando se pretenda aplicar la regla de LHopital, porque puede dar lugar a la
aparicion reiterada de indeterminaciones.
bx L H bx ln b L H
Por ejemplo, si b, c > 0, lim cx = lim = lo que abre un proceso sin n. Sin
x x x c(ln x + 1)xcx
x
x
b b
embargo, si directamente se hubiera planteado lim cx = lim = 0, pues es un lmite del tipo
x x x xc

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.
x2 L H 2x
Por ejemplo, lim x = lim x . Muchos tendr an la tentaci on de aplicar nuevamente la regla de
x0 e 1 x0 e
LHopital para decir que
2x L H ? 2
lim x = lim x = 2,
x0 e x0 e
2x 0
lo cual es absurdo, dado que, por sustituci on directa, se tiene que lim x = = 0. El error sobreviene
x0 e 1
2x
al aplicar la regla de LHopital indebidamente en el lmite lim x : aunque 2x s es un innitesimo en
x0 e
x = 0, la funcion del denominador, ex , no lo es, puesto que e0 = 1 = 0.
1
Otro ejemplo lo tenemos en lim+ + ln x , que genera una indeterminaci on del tipo .
x0 x
1 x ln x + 1
Podemos proceder de la siguiente manera: lim + ln x = lim . En este estadio, muchos
x0 + x x0 + x
x ln x + 1 L H ? ln x + 1
estaran tentados por aplicar LHopital, para conseguir lim = lim = ; lo
x0 + x x0 + 1
cual sera un craso error, puesto que x ln x + 1 no es un infinit esimo en x = 0.
1
ln x L H
De hecho, lim (x ln x) = lim 1 = lim x1 = lim x = 0. De modo que lim (x ln x + 1) =
x0+ x0+ x0+ 2 x0+ x0+
x x
1 = 0, por lo que no es un innitesimo en x = 0.
x ln x + 1 1
En cambio, lim + = +, puesto que hemos visto que lim x ln x = 0.
x0+ x 0 x0+

8 APENDICE

Ap
endice B
Representacion de funciones de una

variable: Gua r
apida
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
on. El recorrido o imagen consiste en el conjunto de puntos y IR para los que existen puntos x IR
funci
con y = f (x).
Si se representa gracamente la funci on y = f (x), es obvio que el dominio coincide con la proyeccion
de la graca 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 basicas:

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 condici
on para radicales de ndice impar, puesto
que estos estan denidos para numeros negativos: 3 1 = 1, por ejemplo.
2. Los logaritmos, logb g(x), estan denidos sobre n
umeros estrictamente positivos, g(x) > 0, indepen-
dientemente del valor de la base b > 0.
h(x)
3. Las funciones racionales estan denidas sobre puntos que no anulan al denominador, g(x) = 0.
g(x)
A veces una funcion 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.
(x 1)3
Ejemplo B.1.1 Dominio de la funci
x ln 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
APENDICE DE FUNCIONES DE UNA VARIABLE: GUIA RAPIDA
B. REPRESENTACION

2 sen x1
on f : D IR IR dada por f (x) = e
Ejemplo B.1.2 Dominio de la funci
La raz cuadrada esta denida para valores no negativos, de modo que el dominio vendr
a dado por
1
D = {x IR : 2 sen x 1 0} = {x IR : sen x }, lo que se traduce en la siguiente uni on de
- 5
2
intervalos [ 6 + 2k, 6 + 2k].
kZZ

Ejemplo B.1.3 Dominio de f : D IR IR dada por f (x) = ln(2 cos ex )
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 ex ) 0 (por tanto, 2 cos ex 1) y 2 cos ex > 0 (condici
on incluida
en la anterior). As, el dominio viene dado por
D = {x IR : 2 cos ex 1}.
1
Ahora, cos ex ex [ + 2k, + 2k], k ZZ. Dado que el logaritmo neperiano s olo esta
2 3 3
denido sobre valores.positivos, el dominio se reduce a la imagen por la funci
on logaritmo neperiano de

los intervalos (0, ] [ + 2k, + 2k], de modo que
3 3 3
kIN
.
D = (, ln ] [ln( + 2k), ln( + 2k)].
3 3 3
kIN
En cuanto a la determinaci on del recorrido de una funcion 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, bastara con ir estudiando como 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.
(x 1)3
Ejemplo B.1.4 Recorrido de f : D IR IR, con f (x) =
x ln x
El dominio de f era D = (0, 1) (1, ). La funcion es continua en todo su dominio, por ser cociente
(x 1)3
de funciones continuas y no anularse el denominador. Por otra parte, lim = 0, de modo que la
x1 x ln x
funci
on se puede extender de manera continua en x = 1 deniendo f (1) = 0.
(x 1)3 (x 1)3
Como lim = + y lim = , basta localizar cual es el mnimo c de la funci
on,
x0 x ln x x x ln x
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:
3(x 1)2 x ln x (ln x + 1)(x 1)3 (x 1)(2x ln x + ln x x + 1)

f (x) = = ,
x2 ln2 x x2 ln2 x
de modo que f (x) = 0 si, y s
olo si, x = 1 o g(x) = 2x ln 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) =
1
2 ln x + 2 + 1. Necesitamos recurrir a g (x) para ver el comportamiento de g (x). Como g (x) =

x
2 1 1 1
= 2 , que es negativa en (0, 0.5), se anula para x = 0.5 y es positiva en (0.5, ), resulta
x x2 x x

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+ g(x) = y lim g(x) = , seg un el teorema de
x0 x
B.1. DOMINIO Y RECORRIDO 11
Bolzano g(x) posee un cero, u nico por ser estrictamente creciente. Al ser g(1) = 0, se tiene que x = 1 es
el u nico punto en que se anula f (x). Como lim f (x) = 2 > 0,
nico cero de g(x). Por tanto, x = 1 es el u
x1
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 funcion en x = 1 como f (1) = 0.

2 sen x1
Ejemplo B.1.5 Recorrido de f : D IR IR, con f (x) = e
. 5
Siendo D = [ + 2k, + 2k], se tiene que 0 2 sen x 1 1. La funci on f (x) tendr
a por
6 6
kZZ
recorrido la imagen por ex de la imagen por x del intervalo [0, 1], a saber: R = [1, e].
12
B. REPRESENTACION

Ejemplo B.1.6 Recorrido de f : D IR IR, con f (x) = ln(2 cos ex )
El dominio vena dado por

.
D = (, ln ] [ln( + 2k), ln( + 2k)].
3 3 3
kIN
Para determinar el recorrido, observamos que la funci on resulta de la composici

on de 5 funciones
elementales, f (x) = f5 (f4 (f3 (f2 (f1 (x))))), donde

f1 (x) = ex , f2 (x) = cos x, f3 (x) = 2x, f4 (x) = ln x y f5 (x) = x.
La imagen de f1 sobre el dominio D de f viene dada por

.
I1 = (0, ] [ + 2k, + 2k].
3 3 3
kIN
" #
1
La imagen de f2 sobre I1 viene dada por I2 = , 1 . La imagen de f3 sobre I2 viene dada por I3 = [1, 2].
2
La imagen de f4 sobre I3 resulta ser I4 = [0, ln 2]. Finalmente, el recorrido de f coincide con la imagen
de f5 sobre I4 , que viene dada por
R = I5 = [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.
1
Ejemplo B.2.1 Las funciones , |x|, cos x son todas simetricas respecto del eje de ordenadas.
x2
140 1
y=
120 x2
100
80
60
40
20
-2 -1 3 1 2

2.5 y= x2 = |x|
1.5
0.5
-3 -2 -1 1 2 3
1 3
Ejemplo B.2.2 Las funciones , x , sen x son todas simetricas respecto del origen.
x
B.2. SIMETRIAS 13
y = cos x
1
0.5
-6 -4 -2 2 4 6
-0.5
-1
Figura B.1: Ejemplos de funciones pares
1
15 y=
x
10
5
-4 -2 2 4
-5
-10
-15
-20
8
6 y = x3
4
2
-2 -1 1 2
-2
-4
-6
-8
1
y = sen x
0.5
-6 -4 -2 2 4 6
-0.5
-1
Figura B.2: Ejemplos de funciones impares
A veces es conveniente estudiar la graca simetrica de f (x) respecto de la recta y = x, la cual tiene
1
on inversa de f , x = f 1 (y). Este
relacion con la funci es el caso de la funcion f (x) = considerada
x
previamente. Sobre este hecho incidimos al nal del apendice.
14
B. REPRESENTACION
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 x2 ) un cambio de signo de la
funcion. 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)
: si bien es cierto que los ceros de g(x) que esten en el dominio de f (x) constituyen ciertamente,
h(x)
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).
(x + 1) sen x
on f : D IR IR dada por s(x) =
Ejemplo B.3.1 Sea la funci
x
Tiene por dominiode denici on D = IR {0}, aunque se puede extender de manera continua a todo
s(x), si x = 0
IR deniendo f (x) =
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 funcion de los ceros del numerador, (x + 1) sen x, 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)),
(x + 1) sen x
puesto que s(x) no esta denida en x = 0, siendo ademas lim = 1 = 0.
x0 x
1.5
0.5
-6 -4 -2 2 4 6
-0.5
-1
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 = x2 , que tiene un cero doble en x = 0.
f (x) f (x)
En realidad, si f (c) = 0, lim = 0 y lim = 0 (bien es un n umero real distinto
xc (x c)n1 xc (x c)n
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 facil 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 min{n, m}, f (x) g(x) tiene
f (x)
en c un cero de multiplicidad n + m y tiene en c un cero de multiplicidad n m (suponiendo que
g(x)
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
(cos x 1)3 ln |x|, si x = 0
f (x) =
0, si x = 0
on f (x) es el producto de (cos x 1)3 y ln |x|; por tanto, sus ceros son todos los x IR tales
La funci
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
f (x)
lim = ()8 sen6 (0.5) = 0.
x1 x (1)
Sin embargo, los ceros x = 2k son de multiplicidad 6, puesto que

ln(2k)
lim
f (x)
= 0 y lim
f (x)
= , si k = 0
x2k (x 2k)5 x2k (x 2k)6
8
+, 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 ademas 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|

0.005
-1 -0.5 0.5 1
-0.005
-0.01
-0.015

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
1
x2 sen , si x = 0
x
0, si x = 0
16
B. REPRESENTACION
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
1
x=0 y x= , para k ZZ {0}.
2k
1
Los ceros x = , k = 0 son simples, puesto que
2k
f (x)
lim = (1)k+1 = 0.
x(2k)1 x (2k)1
Sin embargo, el cero x = 0 es doble, puesto que
f (x) f (x)
lim =0 y
/ lim .
x0 x x0 x2
Esbozamos a continuacion una parte de la gr

aca de la funci
on.
0.06 1
y = x2 sen
0.04 x
0.02
-0.6 -0.4 -0.2 0.2 0.4 0.6

-0.02
-0.04
-0.06
Figura B.5: Innitos ceros simples y un cero doble en el origen
nable el hecho de que f (x) esta denida en todo IR, f (0) = 0, aunque f (x) no es continua
Es rese
1
en x = 0: lim f (x) = lim sen , que no existe.
x0 x0 x
Es un ejercicio recomendable

por parte del alumno la comprobaci on de que existe f (0) = 0, aunque
1 1
cos + 2x sen , si x = 0
aca de f (x) =
la gr x x sea de la forma
0, si x = 0
y = f (x)
0.5
-1 -0.5 0.5 1
-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
abola y = x2 + 5 corta al eje de ordenadas en su vertice, sito en (0, 5).
as: la par
B.4. ASINTOTAS Y RAMAS INFINITAS 17
B.4 Asntotas y ramas infinitas

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 mas lejos
de la realidad: una funci on puede tener un n umero indeterminado de asntotas, desde ninguna (como
y = x2 ), 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).
on f : D IR IR dada por
x2 1
f (x) = 1 +
(x 2)(ex + 1)
on presenta una asntota horizontal cuando x , de ecuacion y = 1, dado que

Esta funci
x2 1
lim (1 + )=1
x (x 2)(ex + 1)
Asimismo, presenta una asntota oblicua cuando x , de ecuacion y = x + 2, puesto que
f (x)
lim =1 y lim (f (x) x) = 2
x x x
20
15
10
5
-20 -10 10 20
-5
-10
Figura B.7: Ambas asntotas cortan a la funci

on
Las asntotas verticales se localizan en aquellos puntos x0 de modo que
lim f (x) = .
xx
0
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.
ex e
x2
18
B. REPRESENTACION
150
100
50
-2 2 4 6 8 10
-50
-100
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
ex e ex e
lim = y lim = .
x2 x 2 x2+ x 2
sen x
x
Esta funci
on no tiene ninguna asntota vertical, pues
sen x
lim = 1.
x0 x
M
as a
un, deniendo f (0) = 1, la funci
on pasa a ser continua en todo IR.
0.8
0.6
0.4
0.2
-10 -5 5 10
-0.2

on carece de asntotas verticales
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 ln |x| = .
x0
B.4. ASINTOTAS Y RAMAS INFINITAS 19
2
1
-10 -5 5 10
-1
-2
-3
-4
Figura B.10: Asntota vertical en x = 0, con lmites laterales coincidentes
f (x)
Si existe una asntota oblicua y = mx + n cuando x , entonces necesariamente es lim =
x x
m IR y n = lim (f (x) mx) IR.
x
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.
abola x2
Ejemplo B.4.5 Analizar el caso de la par
x2
Puesto que lim = , la par
abola carece de asntotas oblicuas (y, por ende, horizontales).
x x
100
80
60
40
20
-10 -5 5 10
abola y = x2 carece de asntotas oblicuas

Figura B.11: La par
on exponencial ex
Ejemplo B.4.6 Considerese el caso de la funci
La funci olo una asntota oblicua, que es horizontal, y = 0, cuando x ,

on exponencial tiene s
puesto que
ex ex
lim = 0 y lim = .
x x x x
x2 x + 2
Ejemplo B.4.7 Analizar el caso de la funci
on dada por f (x) =
x
x2 x + 2 x2 x + 2 x2 x + 2
De un lado, lim 2
= 1 y lim ( x) = 1. De otro, lim =1y
x x x x x x2
x2 x + 2 x2 x + 2
lim ( x) = 1. De manera que la funcion f (x) = tiene dos asntotas oblicuas en
x x x
la recta y = x 1.
20
B. REPRESENTACION
2.5
1.5
0.5
-10 -8 -6 -4 -2 2
on ex tiene una asntota horizontal cuando x

6
4
2
-6 -4 -2 2 4 6
-2
-4
-6
-8
Figura B.13: Dos asntotas oblicuas coincidentes
x2 1
Previamente, en el Ejemplo B.4.1, se trato la funci
on f (x) = 1 + , que tiene dos
(x 2)(ex + 1)
asntotas oblicuas distintas (ver Figura B.7).
Hay funciones, como las anteriores y = x2 e y = ex , 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 = x2 ), en espiral (tpicas de curvas en coordenadas
polares), oscilatorias propiciadas por funciones periodicas (por ejemplo, y = x sen x), etc.
Nosotros vamos a centrarnos exclusivamente en las ramas parab olicas, cuyo nombre procede de la
comparacion con las ramas de la par abola y = x2 . 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
funcion crece como la parabola y = x2 ), se habla de rama parab olica vertical. Concretando, una funci on
y = f (x) presenta una:
f (x)
Rama parab
olica de pendiente m IR: si se tiene que lim f (x) = , lim = m y
x x x
limx (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.
f (x)
Rama parab
olica vertical: se tiene que lim f (x) = y lim
= . Este es el caso de
x x
x
x
y = e cuando x . El sentido de la verticalidad tiene una segunda interpretacion, en el hecho
B.5. REGIONAMIENTO 21
8
6
4
2
-6 -4 -2 2 4 6
-2
-4
Figura B.14: Tiene dos ramas initas parabolicas
2
1
-10 -5 5 10
-1
-2
-3
-4
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.
2.5
1.5
0.5
-10 -8 -6 -4 -2 2

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
B. REPRESENTACION
x
Ejemplo B.5.1 Estudiar el regionamiento de la funci
1 x2
Los ceros de f (x), como funcion racional que es, corresponden a los ceros de la funci on del numerador
que esten en el dominio de definici on, D = IR {1, 1}. En este caso, el u nico 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 funcion en cada uno de estos intervalos, obtendremos su regionamiento. Se tiene que
2 1 2 1 2 2
f (2) = > 0, f ( ) = < 0, f ( ) = > 0, f (2) = < 0; as, la funci on es positiva en
3 2 3 2 3 3
(, 1) y (0, 1), y negativa en (1, 0) y (1, ).
15
10
-4 -2 2 4
-5
-10
-15
x
Figura B.17: Regionamiento de f (x) =
1 x2
B.6 Crecimiento y decrecimiento. M

aximos 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 funcion 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.

x 1
+ x2 sen si x = 0
on g(x) = 2 x
0 si x = 0
1 1 1
on es derivable en IR {0}, siendo g (x) =
La funci / lim g (x).
+ 2x sen cos . Es evidente que
2 x x x0
No obstante, la funci
on es derivable en el origen, siendo
g(h) g(0) 1 1 1
g (0) = lim = lim ( + h sen ) = .
h0 h h0 2 h 2
Como g (0) > 0, la funci

on es estrictamente creciente en x = 0. A
un as, en cualquier entorno de x = 0
1
no se mantiene este comportamiento, puesto que lim g (x) rellena el intervalo comprendido entre y
x0 2
3
.
2

B.6. CRECIMIENTO Y DECRECIMIENTO. MAXIMOS Y MINIMOS. 23
0.04
0.02
-0.1 -0.05 0.05 0.1
-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 funcion 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.
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
2k) 2n) 2n+1)
un mnimo local si f (a) > 0. En caso de que f (a) = = f (a) = 0, f (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 inflexi 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.
abola definida por f (x) = x2

Ejemplo B.6.2 Sea la par
100
80
60
40
20
-10 -5 5 10
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.

on f (x) = x3
Ejemplo B.6.3 Analizar el comportamiento de la funci
on f (x) = x3 no tiene extremos locales, pero s un punto de inexi

La funci on en x = 0: f (x) = 3x2

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.
1
Ejemplo B.6.4 Considerar el caso de la funci
on f (x) = x sen si x = 0 y f (0) = 0
x
24
B. REPRESENTACION
8
6
4
2
-2 -1 1 2
-2
-4
-6
-8
on f (x) = x3 tiene un punto de inexion en el origen

1 1 1
on es derivable en IR {0}, con f (x) = sen
Esta funci cos , y no tiene derivada en x = 0, dado
x x x
f (x) f (0) 1
que lim = lim sen no existe. Por otra parte, la funci on presenta un n umero innito de
x0 x0 x0 x
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)).
0.8
0.6
0.4
0.2
-1 -0.5 0.5 1
-0.2
Figura B.21: En el origen no hay crecimiento denido
B.7 Concavidad, convexidad y puntos de inflexi

on
El caracter concavo o convexo de una funci on en un punto se reere a la posici on relativa de la graca
de la funcion 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 c oncava 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) = x2 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) = x2 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.
INVERSA
B.8. FUNCION 25
x2 es concava en todos sus puntos x2 es convexa en todos sus puntos

4 2
3 1
2
-2 -1 1 2
1 -1
-2
-2 -1 1 2
-1 -3
-2 -4
Figura B.22: La posicion relativa respecto de la recta tangente es crucial
Ejemplo B.7.1 Considerar una vez m on f (x) = x3

as el caso de la funci
on f (x) = x3 , estrictamente creciente en todo IR (f (x) = 3x2 > 0 para todo x IR), es
La funci
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.
8
6
4
2
-2 -1 1 2
-2
-4
-6
-8
Figura B.23: Pasa de convexa a concava en el punto de inexi

on
Por u
ltimo, 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 as, f (x) =
on se puede extender de manera continua deniendo f (2) = 0. Adem
4 +
9 , de modo que f (2 ) > 0 y f (2 ) < 0.
25(x + 2) 5
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 biyeccion del dominio a la imagen.

Este es el caso de las funciones trigonometricas periodicas, tales como sen x, cos x, tg x, etc. Para
poder considerar funciones inversas de estas, hay que reducir el dominio de /denici
on a alg
un intervalo
basico en el que no se repita ninguna imagen; por ejemplo, intervalo , para sen x, intervalo [0, ]
2 2
para cos x, intervalo [0, ) para tg x, etc.
26
B. REPRESENTACION
0.5
-6 -4 -2 2
-0.5
-1
Figura B.24: Punto de inexi

on en el que la funci
on no es derivable
Gracamente, es facil determinar cu ando una funci on inversa x = f 1 (y),

on y = f (x) admite una funci
y en caso armativo, cu al es la graca de dicha funci
on inversa.
sen x y arcsen x
1.5
1
0.5
-1.5 -1 -0.5 0.5 1 1.5

-0.5
-1
-1.5
Figura B.25: El seno y el arcoseno son simetricas respecto de y = x
cos x y arccos x
3
-1 1 2 3
-1
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 funcion inversa
f 1 , entonces (f (x), x) es un punto de la gr aca de la funcion 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 gr

afica
Una funci
on se puede someter a transformaciones de traslacion, estiramiento, compresi
on y reexi
on.
Si c > 0:

B.9. TRANSFORMACIONES DE UNA GRAFICA 27
tg x y arctg x
-4 -2 2 4
-2
-4
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. Analogamente, 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. Analogamente, 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)+c
y=f(x+c) y=f(x) 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.

f (x)
2. Analogamente, la graca de consiste en comprimir la gr
aca de y = f (x) verticalmente en un
c
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.
x
4. La graca de y = f ( ) consiste en estirar la graca de y = f (x) horizontalmente en un factor de c.
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
B. REPRESENTACION
Figura B.29: Transformaciones de f (x) por reexiones y estiramientos

Ap
endice C
Gua r
apida 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).
Funci
on Derivada Funci
on Derivada Funci
on Derivada
t t1 1
c 0 x tx ln x
x
1
loga x loga e ex ex ax ax ln a
x
1
sen x cos x cos x sen x tg x 1 + tg2 x =
cos2 x
sen x cos x 1
sec x cosec x cotg x 1 cotg2 x =
cos2 x sen2 x sen2 x
1 1 1
arcsen x arccos x arctg x
1 x2 1 x2 1 + x2
1 1
arcsec x 1 arccosec x arccotg x
x x2 1 x x2 1 1 + x2
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 f1 (x) + + n fn (x)) = 1 f1 (x) + + n fn (x)
Considerense los siguientes ejemplos:

La derivada de f (x) = 5 tg x es f (x) = 5 + 5 tg2 x.
La derivada de f (x) = 3 cos x + 2x es f (x) = 3 sen x + ln 2 2x .
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
(f1 (x) fn (x)) = f1 (x) f2 (x) fn (x) + + f1 (x) fn1 (x) fn (x)
29
30
APENDICE C. GUIA RAPIDA

SOBRE LA DERIVACION
1 1
La derivada de f (x) = x arcsen x es f (x) = arcsen x + x .
2 x 1 x2
1
Notese que x = x 2 , de donde la derivada de x es
1 1 1 1 1 1
x 2 = x 2 = ,
2 2 2 x
a tenor de la tabla de derivadas inmediatas.

1
La derivada de f (x) = tg x = sen x = sen x sec x es
cos x
sen x
f (x) = cos x sec x + sen x = 1 + tg2 x,
cos2 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
f (x)
producto, ya que = f (x) 1 , puede resultar de interes tener en cuenta que la derivada de
g(x) g(x)
dicho cociente es
f (x) f (x) g(x) f (x) g (x)
=
g(x) g 2 (x)
Por ejemplo, la derivada de la funci ln x ser

on f (x) = sen a:
x
1 sen x ln x cos x sen x x ln x cos x

f (x) = x =
sen2 x x sen2 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 u nica.
Por ejemplo, la funci on f (x) = ln(2 cos x) se puede obtener mediante la composicion de las funciones
g1 (t) = ln(2t) y h1 (x) = cos x en la forma f (x) = g1 (h1 (x)); etc.
1
La derivada de f (x) = sec x = = cos1 x es
cos x
sen x
f (x) = ( cos2 x) ( sen x) = ,
cos2 x
como ya sabamos. Aqu hemos considerado que f (x) = sec x = cos1 x es la composicion de la
on g(t) = x1 y h(x) = cos x, de manera que f (x) = g(h(x)). As, f (x) = g (h(x))h (x).
funci
1 1
Resulta que g (t) = 2 , de suerte que g (h(x)) = 2 . Por otra parte, h (x) = sen x.
t cos x
De donde el resultado.
2
La derivada de f (x) = (x2 + 2)arctg x = earctg xln(x +2) es

ln(x2 + 2) 2x arctg x arctg xln(x2 +2)
f (x) = + e
1 + x2 x2 + 2
2
Aqu, a la hora de derivar f (x) = earctg xln(x +2) , hemos considerado que f (x) = g(h(x)) para
g(t) = et y h(x) = arctg x ln(x2 + 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
on generica. De este modo, la derivada q (x) = p (f (x)) f (x), de donde las nuevas
f (x) una funci
derivadas son las que ya conocamos multiplicadas por f (x). Este
es el resultado:
Funci
on Derivada Funcion Derivada
c 0 f (x)t tf (x)t1 f (x)
f (x) f (x)
ln f (x) loga f (x) loga e
f (x) f (x)
f (x)
e ef (x) f (x) af (x) a f (x)
ln a f (x)
sen f (x) cos f (x) f (x) cos f (x) sen f (x) f (x)
f (x) sen f (x)
tg f (x) (1 + tg2 f (x)) f (x) = sec f (x) f (x)
cos2 f (x) cos2 f (x)
cos f (x) f (x)
cosec f (x) f (x) cotg f (x) (1 cotg2 f (x)) f (x) =
sen2 f (x) sen2 f (x)
f (x) f (x)
arcsen f (x) arccos f (x)
1 f 2 (x) 1 f 2 (x)
f (x)
f (x)
arctg f (x) arcsec f (x)
1 + f 2 (x) f (x) 2
f (x)1
f (x) f (x)
arccosec f (x) arccotg f (x)
f (x) f 2 (x) 1 1 + f 2 (x)

Apuntes para Cálculo Infinitisimal (Univ de Sevilla)

Uploaded by

Document Information

Original Description:

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Apuntes para Cálculo Infinitisimal (Univ de Sevilla)

Uploaded by

Copyright:

Available Formats

Notas orientativas para la

Introduccion al Calculo Infinitesimal

Funciones de varias variables: lmites

Figura 1.1: Se trata de la recta y = x + 1 menos un punto

Ahora es visible que la funci

on consiste en seis bandas, ((2, 0)

En ocasiones, una funci

Ejemplo 1.1.8 Sea la circunferencia x2 + y 2 4 = 0.

-7.5 -5 -2.5 2.5 5 7.5

A la hora de estudiar el comportamiento de una funcion, puede resultar u

Figura 1.8: Representaci

2.5 5 7.5 10 12.5 15

-1.5 -1 -0.5 0.5 1 1.5

0.5 1 1.5 2 2.5 3

-1.5 -1 -0.5 0.5 1 1.5

-100 -50 50 100

En el caso de funciones de varias variables la representacion gr

Ejemplo 1.2.1 Sea z1 = exy .

Figura 1.10: Mapas de contorno y de densidad de z1 = exy

Figura 1.11: Representaci aca de la supercie z1 = exy

Ejemplo 1.2.2 Sea z2 = cos(x2 + y 2 ).

Figura 1.12: Mapas de contorno y de densidad de z2 = cos(x2 + y 2 )

aca de la supercie z2 = cos(x2 + y 2 )

Ejemplo 1.2.3 Sea z3 = cos(ex + ey ).

una asntota horizontal en y = ln k cuando x y una asntota vertical en x = ln k. Y la funci

Figura 1.14: Mapas de contorno y de densidad de z3 = cos(ex + ey )

aca de la supercie z3 = cos(ex + ey )

1.3 Lmites de funciones en un punto

Figura 1.16: Mapas de contorno y de densidad z4 = ln(x2 + y 2 )

aca de la supercie z4 = ln(x2 + y 2 )

Se verica la desigualdad triangular propia de cualquier aplicacion distancia: |x + y| |x| +

Asimismo, |xy| = |x||y|, x, y IR.

a b y c < 0 implican ac bc, a, b, c IR.

una desigualdad viene dado en general por un intervalo o la uni

Figura 1.18: Convenciones usuales para denotar los distintos intervalos

en el cubo n-dimensional (cuadrado, en caso de que n = 2) de centro a y diagonal 2. N otese que en el

Figura 1.19: Bolas en IR2 correspondientes a d y d1 respectivamente

Figura 1.20: Interpretaci aca de la nocion de lmite en IR y IR2

Figura 1.21: Interpretaci

Para instruirse acerca del c

Se puede utilizar la denici

Los lmites seg

lim f (x, y) o lim f (x, y)

lim ( lim f (x, y)) o lim (lim f (x, y))

Nada m as lejos de la realidad: en verdad, esta relacion solo funciona en un sentido.

lim ( lim f (x, y)).

lim (lim f (x, y)).

Es importante saber leer (entender, en denitiva) lo que se dice en el p

Ejemplo 1.3.4 La funci

Ejemplo 1.3.5 Los lmites reiterados de una funci

que depende de la direccion (par

Figura 1.23: La informaci

Si existe un unidimensional pero no existe (o existe y es innito) el reiterado asociado, entonces el

(a) Recurrir a la denicion : de lmite.

Los lmites direccionales seg

Incluso si probamos con direcciones del tipo y = cxn tambien saldr

Figura 1.25: La no existencia del lmite en el origen es clara

En efecto, si calculamos el lmite seg abolas x = my 2 , se tiene que

Figura 1.26: Supercie y mapa de densidad asociados a z = f (x, y)

Si tomamos la direccion y = x 1, resulta que el lmite direccional correspondiente queda

Ahora, probar la existencia de los siguientes lmites:

Figura 1.27: La representaci

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