Parte I

Guión de clase de Matemáticas II

(Economı́a)
Profesores, Grupo de investigación
COSDE:
Francisco Velasco Morente
Purificación Nadal Morales
Luis González Abril
Cristobal Chamizo Guerra
Francisco Begines Begines
Rosario González Rodrı́guez

1
Capı́tulo 1

Introducción al Análisis

1.1 El espacio métrico Rn

Definición 1.1.1 Un espacio1 métrico es un conjunto M no vacı́o, de objetos (que llamare-
mos puntos) dotado de una función d : M ×M → R, (que llamaremos la métrica del espacio)
que satisface las cuatro propiedades siguientes, cualesquiera que sean los puntos x, y, z ∈ M :

1. d(x, x) = 0.

2. d(x, y) > 0 si x 6= y.

3. d(x, y) = d(y, x).

4. d(x, y) ≤ d(x, z) + d(z, y).

Definición 1.1.2 Definición de norma en general.

Definición 1.1.3 Definición de espacio vectorial normado.

Ejemplo 1.1.1 k.k1 , k.k2 y k.k∞ = max |xi |

1≤i≤n

Nota 1.1.1 Todo espacio vectorial normado es métrico con d(x, y) = kx − yk

Nota 1.1.2 Cualquier e.v. con un producto escalar es métrico.

Proposición 1.1.1 El espacio euclı́deo Rn cumple que kd(x, y) − d(y, z)k ≤ d(x, z)

1
Estas notas de clase abarcan más materia de la impartida en clase y no deben ser consideradas como
apuntes de clase. Además puede que no sigan el orden del temario. Los apuntes se imparten en la clase.
Rogamos disculpen los posibles errores tipográficos que se irán arreglando.

2
1.2. CONCEPTOS TOPOLÓGICOS EN RN 3

1.2 Conceptos topológicos en Rn

Definición 1.2.1 Bola abierta y cerrada en Rn .

Nota 1.2.1 Dar las dos notaciones siguientes:

B(a, r) = {x ∈ Rn /d(x, a) < r} = {x ∈ Rn /kx − ak < r}.

Ejemplo 1.2.1 Dar las bolas con las tres normas definidas anteriormente.

Definición 1.2.2 Si S ⊂ M , un punto a ∈ S se llama punto interior de S si alguna de las

bolas BM (a, r) está contenida en S. El interior de S (int(S)), es el conjunto de los puntos
interiores de S.

Definición 1.2.3 Cada conjunto que contiene una bola con centro en a, se denomina en-
torno de a.

Definición 1.2.4 Un conjunto S de Rn es abierto si es el vacı́o ó todos sus puntos son

interiores.

Proposición 1.2.1 Propiedades.

1. Φ, Rn son abiertos.
[
2. Ai es abierto si los {Ai }i∈I son abiertos.
i∈I

n
\
3. Ai es abierto si los {Ai }ni=1 son abiertos.
i=1

Definición 1.2.5 Un conjunto S de Rn es cerrado si su complementario Rn − S es abierto.

Proposición 1.2.2 Propiedades.

1. Φ, Rn son cerrados.
\
2. Fi es cerrado si los {Fi }i∈I son cerrados.
i∈I

n
[
3. Fi es cerrado si los {Fi }ni=1 son cerrados.
i=1

Nota 1.2.2 Hay conjuntos que no son abiertos ni cerrados (a, b]

Definición 1.2.6 Sea S un subconjunto de Rn , y sea x ∈ Rn ; no necesariamente de S.

Entonces se dice que x es adherente a S si toda n-bola B(x) contiene un punto de S, por lo
menos.
4 Grupo COSDE espacio Rn

Ejemplo 1.2.2 Si x ∈ S, entonces x es punto adherente.

S = (1, 3] ∪ 5, entonces los puntos 1, 2, 5 son adherentes.

Definición 1.2.7 El conjunto de todos los puntos adherentes de un conjunto dado S se

llama adherencia de S y se designa por S̄.

Definición 1.2.8 Si S ⊂ Rn y x ∈ Rn , entonces x se llama punto de acumulación de S si

cada n-bola B(x) contiene por lo menos un punto de S distinto de x.

Ejemplo 1.2.3 S = (1, 3] ∪ 5, entonces los puntos 1, 3 son p.a. pero el punto 5 no.

Definición 1.2.9 Si x ∈ S pero x no es punto de acumulación de S, se dice que x es un

punto aislado de S.

Definición 1.2.10 El conjunto de todos los puntos de acumulación de un conjunto S se

0
llama conjunto derivado de S y se designa por S .

Proposición 1.2.3 Un conjunto S de Rn es cerrado ⇔ contiene todos su puntos adherentes

(S̄ ⊂ S) .

Demostración
⇒ Sea S cerrado y x adherente a S. Vamos a probar que x ∈ S p.r.a.a.
x∈/ S ⇒ x ∈ (Rn − S), abierto, ⇒ existe alguna bola B(x) ⊂ (Rn − S). Luego B(x) no
contiene puntos de S, en contra con la definición de que x es adherente a S.
⇐ Sea x ∈ (Rn − S), ⇒ x ∈ / S, luego x no es adherente a S. Por lo tanto, existe una B(x)
que no corta a S, por consiguiente B(x) ⊂ Rn − S. Por lo que Rn − S es abierto y S es
cerrado ¤
Como S ⊂ S̄ ya que todo punto de S es adherente a S, por el teorema anterior, tenemos
que:

Consecuencia 1.2.1 S es cerrado ⇔ S = S̄.

S 0 0
Ahora, por el teorema anterior, S es cerrado ⇔ S = S̄ = S S ⇔ S ⊂ S, con lo que se
tiene:

Proposición 1.2.4 Un conjunto S ⊂ Rn es cerrado ⇔ contiene todos sus puntos de acu-

mulación.

Definición 1.2.11 Un conjunto S ∈ Rn está acotado si está contenido totalmente en una

n-bola B(a, r) para algún r > 0 y algún a ∈ Rn .

Teorema 1.2.1 Teorema de Bolzano-Weierstrass. Si un conjunto acotado S de Rn

contiene una infinidad de puntos, entonces existe por lo menos un punto de Rn que es un
punto de acumulación de S.

Definición 1.2.12 El conjunto S ⊂ Rn es compacto si y sólo si es cerrado y acotado.

1.3. FUNCIONES VECTORIALES: LÍMITES Y CONTINUIDAD 5

Teorema 1.2.2 S ⊂ Rn es compacto ⇔ todo subconjunto infinito de S tiene un punto de

acumulación.

Definición 1.2.13 Sea S un subconjunto de un espacio métrico M . Un punto x de M se

llama punto frontera de S si cada bola BM (x, r) contiene por lo menos, un punto de S y,
por lo menos, un punto de M − S. El conjunto de todos los puntos frontera de S se llama
frontera de S y se designa por ∂S.
T
Como ∂S = S̄ M − S, se tiene que ∂S es cerrado en M .

1.3 Funciones vectoriales: lı́mites y continuidad

Sea f : A ⊂ Rn → T ⊂ Rm .

1.4 Funciones: distintos tipos

Definición 1.4.1 f : Rn −→ Rm

1. n = m = 1 : Función real de variable real.

2. n = 1; m ≥ 1 : Función vectorial de variable real.

3. n ≥ 1; m = 1 : Campo escalar.

4. n ≥ 1; m ≥ 1 : Campo vectorial.

Definición 1.4.2 Dominio de la función.

Ejemplo 1.4.1 Encontrar los siguientes dominios:

√ p
1. f (x, y) = 3 − x2 + 3 − y 2
p
2. f (x, y, z) = 1 − x2 − y 2 − z 2

Definición 1.4.3 Lı́mite de una función en un punto (punto de acumulación).

Si p es un punto de acumulación de A y si b ∈ T , la notación

lim f (x) = b
x→p

significa lo siguiente:
Para cada ² > 0, existe un δ > 0 tal que dT (f (x), b) < ² siempre que x ∈ A, x 6=
p, y dS (x, p) < δ. Dar la definición por normas
xy
Ejemplo 1.4.2 Calcular el lı́mite de la función f (x, y) = x2 +y 2
en el punto (0, 0) en los
siguientes conjuntos:
6 Grupo COSDE espacio Rn

1. A = {y = ax, a 6= 0}.

2. A = {y = ax2 , a 6= 0}.

3. A = {y 2 = ax, a 6= 0}.

4. A = R2 con x = rcos(α); y = rsen(α).

Proposición 1.4.1 El lı́mite de una función en un punto, si existe, es único.

Definición 1.4.4 : Lı́mites direccionales y reiterados en R2 .

Nota: Los lı́mites lim f1 (x) = lim (lim f (x, y)); limf2 (y) = lim(lim f (x, y)) se llaman lı́mites
x⇒a x⇒a y⇒b y⇒b y⇒b x⇒a
reiterados.

Teorema 1.4.1 Sea f : R2 −→ R y (a, b) ∈ R2 . Para cada x ∈ R, denotemos por f1 (x) =

limf (x, y), y para cada y ∈ R, denotemos por f2 (y) = lim f (x, y). Suponiendo que estos
y⇒b x⇒a
lı́mites existen, se cumple: si existen f1 (x) y f2 (y) y lim f (x, y) = L, entonces existen
(x,y)⇒(a,b)
los lı́mites lim f1 (x), limf2 (y) y se tiene que lim f1 (x) = limf2 (y) = lim f (x, y) = L.
x⇒a y⇒b x⇒a y⇒b (x,y)⇒(a,b)

2 2
1. Dada la función f (x, y) = xx2 +y
−y
2 , si (x, y) 6= 0 y f (0, 0) = 0 probar que los lı́mites reite-

rados pueden existir y ser distintos, por lo que no existirá el lı́mite doble lim f (x, y).
(x,y)⇒(a,b)

2. Dada la función f (x, y) = x2xy

+y 2
, si (x, y) 6= 0 y f (0, 0) = 0 probar que los lı́mites
reiterados pueden existir, ser iguales y sin embargo, no existir lim f (x, y).
(x,y)⇒(a,b)

3. Dada la función f (x, y) = y si x > 0, f (x, y) = −y si x ≤ 0 probar que puede existir

lim f (x, y) sin que exista alguno de f1 (x) o f2 (y).
(x,y)⇒(a,b)

4. Dada la función f (x, y) = xsen( y1 y probar que puede existir lim f (x, y) sin que
(x,y)⇒(a,b)
exista alguno de f1 (x) o f2 (y).

Teorema 1.4.2 Sea fi : A ⊂ Rn −→ R 1 ≤ i ≤ m y sea f = (f1 , f2 , . . . , fm ) : Rn −→ Rm .

Sea a un punto de acumulación de A y b ∈ Rm , entonces: lim
x⇒a
f (x) = b ⇔ lim x⇒a
fi (x) =
x∈A x∈A
bi ; (1 ≤ i ≤ m)

Algebra de lı́mites
Sean f, g : A ⊂ Rn → T ⊂ Rm , a ∈ A, un punto de acumulación, de tal manera que existen
lim
x⇒a
f (x); lim
x⇒a
g(x), entonces se verifican las siguientes propiedades:
x∈A x∈A

1. lim
x⇒a
(λf (x) + µg(x)) = λlim
x⇒a
f (x) + µlim
x⇒a
g(x)
x∈A x∈A x∈A
1.5. FUNCIONES CONTINUAS 7

2. Supongamos que m = 1
lim
x⇒a
(f (x)g(x)) = lim
x⇒a
f (x)lim
x⇒a
g(x)
x∈A x∈A x∈A

3. Supongamos que m = 1
lim f (x)
f (x) x⇒a
x∈A
lim
x⇒a g(x)
=
x∈A
lim
x⇒a
g(x)
x∈A

Lı́mites infinitos

1. Sea A ⊂ Rn no acotado, entonces

lim f (x) = b ⇔ ∀² > 0, ∃K > 0/si x ∈ A, y ||x|| > K ⇒ ||f (x) − b|| < ²
x⇒∞
x∈A

2. x⇒∞
lim f (x) = ∞ ⇔ ∀H > 0, ∃K > 0/si x ∈ A, y ||x|| > K ⇒ ||f (x)|| > H
x∈A

3. Sea a ∈ A punto de acumulación, entonces

lim
x⇒a
f (x) = ∞ ⇔ ∀H, ∃δ > 0/si 0 < ||x − a|| < δ, y x ∈ A ⇒ ||f (x)|| > H
x∈A

1.5 Funciones continuas

Definición 1.5.1 Sean (S, dS ) Y (T, dT ) espacios métricos y sea f : S → T una función de
S en T . La función f se dice continua en un punto p de S si para cada ² > 0, existe un
δ > 0 tal que
dT (f (x), f (p)) < ², siempre que dS (x, p) < δ.

Si f es continua en todos los puntos del subconjunto A, se dice que es continua en A.

Teorema 1.5.1 Sea f : A ⊂ Rn −→ Rm y g : f (A) ⊂ Rm −→ Rk . Sea a un punto de

acumulación de A y f continua en a, f (a) punto de acumulación de f (A) y g continua en
f (a), entonces gof es continua en a.

Teorema 1.5.2 Sea f : A ⊂ Rn −→ Rm entonces: f es continua en a ∈ A ⇔ fi es

continua en a.(Dejar como ejercicio).

Ejemplo 1.5.1 Estudiar la continuidad de las funciones:

2
1. f (x, y) = ( x2x+yy 2 , cos(2x + y), ex+2y ) si (x, y) 6= (0, 0) y f (0, 0) = 0.

x2 y 2
2. f (x, y) = x2 y 2 +(x−y)2
si (x, y) 6= (0, 0) y f (0, 0) = 0.
8 Grupo COSDE espacio Rn

1.5.1 Acotaciones
x2 y2
x2 +y 2
≤1 x2 +y 2
≤1

√ |x| ≤1 √ |y| ≤1
x2 +y 2 x2 +y 2

|sen(x)| ≤ |x| si x → 0 |xy| ≤ 21 (x2 + y 2 )

ax2 a ay 2 a
bx2 +cy 2
≤ b
si a, b, c > 0 bx2 +cy 2
≤ c
si a, b, c > 0

1.6 Curvas de nivel

Definición 1.6.1 Sea f : A ⊂ Rn −→ V ⊂ R, definimos la curva de nivel de valor c al
conjunto Sc = {x ∈ A/f (x) = c}. Si n = 2 se llama curva de nivel. Si n = 3 se llama
superficie de nivel.

Ejemplo 1.6.1 Ver los conjuntos de nivel siguientes:

1. Encontrar las curvas de nivel de f (x, y) = x2 + y 2 .

2. Encontrar las superficies de nivel de f (x, y, z) = x2 + y 2 + z 2 .

1.7 Continuidad uniforme

Definición 1.7.1 Definición de función uniformemente continua en un conjunto.

Proposición 1.7.1 Si f es uniformemente continua en el conjunto A, entonces es continua.

Teorema 1.7.1 Teorema de Heine: Sea A ∈ Rn compacto. Si f es continua en A, entonces

f es uniformemente continua.(No dem.)

Ejemplo 1.7.1 Sea S = (0, 1], f : S −→ R ; f (x) = x1 , esta función es continua en S y no

es uniformemente continua.
δ
Tomemos ² = 10 y supongamos que ∃0 < δ < 1 que cumple la condición: x = δ, y = 11 ,
10δ 1 11 10
entonces |x − y| = 11 < δ, y sin embargo |f (x) − f (y)| = | δ − δ | = δ > 10, luego f (x) no
es uniformemente continua.

Ejemplo 1.7.2 Sea S = (0, 1], f : S −→ R ; f (x) = x2 ,

|f (x) − f (y)| = |x2 − y 2 | = |x − y||x + y| < 2|x − y|, pues x + y < 2.

Si |x − y| < δ ⇒ |f (x) − f (y)| < 2δ = ², por lo que f (x) si es uniformemente continua.
Capı́tulo 2

Diferenciabilidad

2.1 Campos escalares

1. Aproximación de una función real de variable real.

2. Diferencial de una función real de variable real: (df (a) : R −→ R); df (a)(h) = f 0 (a)h.

Proposición 2.1.1 La diferencial es una aplicación lineal.

Definición 2.1.1 Definición general de la diferencial de una función real de variable real.

Definición 2.1.2 Definición de la diferencial de un campo escalar: (Df (a)(v)).

La función f : S ⊂ Rn −→ R es diferenciable en a ∈ int(S), si existe una función lineal

Ta : Rn −→ R tal que:
f (a + v) = f (a) + Ta (v) + kvkEa (v),
donde Ea (v) ⇒ θ cuando v ⇒ θ y Ea : Rn −→ R ; (Df (a)(v) = Ta (v))

Definición 2.1.3 Definición de derivada direccional. (kvk = 1). ( Dv f (a) ó f 0 (a, v) indis-
tintamente). Si (kvk 6= 1) se le dice derivada respecto al vector v.

f (a + hv) − f (a)
Dv f (a) = lim , si es que existe el lı́mite.
h→0 h
Definición 2.1.4 Definición de derivada parcial. f 0 (a, ei ) = (Di f (a))

Ejemplo 2.1.1 Sea la función f : R3 −→ R f (x1 , x2 , x3 ) = (3x1 − x2 + 5x23 )2 . Calcular

∂f
utilizando la definición: ∂x i
en el punto x = (1, 1, 1).

∂f
Definición 2.1.5 Vector gradiente de un campo escalar f : Rn −→ R ((∇f (x))t = ( ∂x , ∂f , . . . , ∂x
1 ∂x2
∂f
n
)).

∇f : Rn −→ Rm es un campo vectorial.

Proposición 2.1.2 Propiedades del gradiente:

9
10 Grupo COSDE Diferenciabilidad

Sean f, g : Rn −→ R, se tiene entonces:

1. Si f = cte , entonces ∇f (x) = θ.

2. ∇(αf + βg) = α∇f + β∇g.

3. ∇(f.g) = g.∇f + f.∇g.

g.∇f −f.∇g
4. ∇(f /g) = g2
si g(x) 6= 0.

Proposición 2.1.3 Si f : Rn −→ R es diferenciable en x = a, entonces Df (a)(v) =

Dv f (a)(v).

Proposición 2.1.4 Si f : Rn −→ R es diferenciable en x = a, entonces Df (a)(v) =

(∇f (a))t v.

Ejemplo 2.1.2 Resolver los dos ejemplos siguientes

1. Calcular la diferencial de f : R3 −→ R dada por f (x, y, z) = xy 2 z 3 en el punto

a = (1, 1, 1) y el vector v t = (1, 3, 2).

2. Calcular aproximadamente Ln(0.093 + 0.993 ), utilizando la función f (x, y) = Ln(x3 +

y 3 ) en el punto a = (0, 1) y v t = (0.09, −0.01).
µ ¶
0.09
f (a + v) ≈ f (a) + Ta (v), luego f (0, 1) = 0; Ta (v) = ∇f (a).v = (0, 3) = −0.03.
−0.01

2.2 Diferenciabilidad y continuidad

Proposición 2.2.1 Sea f : Rn −→ R diferenciable en el punto x = a, entonces es continua
en dicho punto.

Teorema 2.2.1 Teorema del valor medio. Sea f : R −→ R. Si f es continua en [a, b] y

diferenciable en (a, b) entonces ∃c ∈ (a, b)/g 0 (c) = g(b)−g(a)
b−a
.

Definición 2.2.1 Se define el segmento de Rn de extremos a y b al conjunto L[a, b] = {x ∈

Rn /x = λa + (1 − λ)b, con 0 ≤ λ ≤ 1}.

Teorema 2.2.2 Teorema del valor medio para campos escalares. Sea f : A ⊂ Rn −→ R , a y
b puntos de A. Si f es diferenciable en el segmeto L(a, b), entonces ∃c ∈ L(a, b)/f (b)−f (a) =
(∇f (c))t (b − a).

Ejemplo 2.2.1 Sea f : R3 −→ R dada por f (x, y, z) = xyz el punto a = (1, 1, 0) y el punto
b = (1, 0, −1), encontrar el punto c que verifique el teorema del valor medio.
2.3. DIFERENCIAL DE CAMPOS VECTORIALES 11

f (b) = f (1, 0, −1) = 0; f (a) = f (1, 1, 0) = 0; b − a = (1, 0, −1)t − (1, 1, 0)t = (0, −1, −1)t ;
∇f (x, y, z) = (yz, xz, xy); ∇f (x, y, z)(b − a) = −xz − xy, luego ha de ser −xz − xy = 0.
Ahora x̄ ∈ L[a, b], luego x̄ = λa + (1 − λ)b = λ(1, 1, 0)t + (1 − λ)(1, 0, −1)t ⇒ x = 1; y = λ;
z = λ − 1.
Como xz + xy = 0, substituyendo, tenemos −1(1 − λ) + λ = 0 ⇒ λ = 1/2. Luego x̄ =
1
2
(1, 1, 0)t + 12 (1, 0, −1)t = (1, 12 , − 21 )t .

Teorema 2.2.3 Condición suficiente de diferenciabilidad. Supongamos que una de las de-
∂f
rivadas parciales ( ∂x i
) (1 ≤ i ≤ n) existe en el punto a y que las restantes n − 1 derivadas
parciales existen en una cierta bola B(a) y son continuas en a. Entonces f es diferenciable
en a.

Proposición 2.2.2 Propiedades de las diferenciales. Sean f, g : Rn −→ R diferenciables en

a , entonces:
1. f + g es diferenciable en x = a y D(f + g)(a) = Df (a) + Dg(a).

2. λf es diferenciable en x = a y D(λf )(a) = λDf (a).

3. f.g es diferenciable en x = a y D(f.g)(a) = f (a).Dg(a) + Df (a).g(a).

g(a).Df (a)−f (a).Dg(a)
4. Si g(a) 6= 0 ,f /g es diferenciable en x = a y D(f /g)(a) = g(a)2
.

2.3 Diferencial de campos vectoriales

f : Rn −→ Rm
Definición 2.3.1 Definición de derivada direccional.( Dv f (a) o f 0 (a, v) indistintamente).

Definición 2.3.2 Definición de derivada parcial.(f 0 (a, ei ) = Dei f (a) = Di f (a)).

0
Proposición 2.3.1 Sea f : S ⊂ Rn −→ Rm ; ∃f 0 (a, v) = Dv f (a) ⇔ ∃fi (a, v) = Dv fi (a)(1 ≤
0 0 0
i ≤ m) y se tiene que f 0 (a, v) = (f1 (a, v), f2 (a, v), . . . , fm (a, v)), es decir:
Dv f (a) = (Dv f1 (a), Dv f2 (a), . . . , Dv fm (a))

Definición 2.3.3 Definición de diferenciabilidad de un campo vectorial.

La función f : S ⊂ Rn −→ Rm es diferenciable en a ∈ int(S), si existe una función lineal

Ta : Rn −→ Rm tal que:

f (a + v) = f (a) + Ta (v) + kvkEa (v),

donde Ea (v) ⇒ θ cuando v ⇒ θ y Ea : Rn −→ Rm ; (Df (a)(v) = Ta (v)).

Proposición 2.3.2 f es diferenciable ⇔ fi lo son.

Corolario 2.3.1 Si f es diferenciable en a ∈ S o ⊂ Rn entonces Ta (v) = Df (a)(v).

12 Grupo COSDE Diferenciabilidad

Corolario 2.3.2 Si f es diferenciable en x = a, entonces es continua en dicho punto.

n
X
n m o
Teorema 2.3.1 f : S ⊂ R −→ R diferenciable en a ∈ S y si v = vi ei entonces
i=1
n
X
Df (a)(v) = vi [Di f1 (a), Di f2 (a), . . . , Dk fm (a)].
i=1

Consecuencia 2.3.1
 
∇f1t (a)
 ∇f2t (a) 
 
Ta (v) = Df (a)(v) = 
 .  v.

 . 
t
∇fm (a)

2 3
Ejemplo
 2.3.1 Encontrar la matriz jacobiana de f : R −→ R , dada por: f (x, y) =
xy
 x−y
x+y
.
ln|x|

Teorema 2.3.2 Si f : Rn → R es diferenciable, la derivada direccional toma el máximo

valor en la dirección del gradiente.

Demostración 
 k∇f (a)k si α = 0 ⇒ v = ∇f (a)
π 3
Dv f (a) = ∇f (a)v = k∇kcos(α) = 0 si α = 2
ó 2 π

−k∇f (a)k si α = π ⇒ v = −∇f (a)
¤

Consecuencia 2.3.2 Dv f (a) ∈ [−k∇f (a)k, k∇f (a)k]

Ejemplo 2.3.2 Determinar la dirección en que se minimiza la derivada direccional de la

función f (x1 , x2 , x3 ) = x21 + 4x22 + 9x23 en el punto (1, 2, −1)

Ejemplo 2.3.3 Determinar las direcciones de desplazamiento a partir del punto (2, −1, 1)
que deja invariable el valor del campo f (x1 , x2 , x3 ) = 2x21 − x22 + x23

Teorema 2.3.3 Regla de la cadena : Sea f : Rn −→ Rm diferenciable en a ∈ Rn y g :

Rm −→ Rp diferenciable en f (a), entonces gof : Rn −→ Rk es diferenciable en a y se
verifica que D(gof )(a) = D[g(f (a))].Df (a).
2.4. DERIVADAS DE ORDEN SUPERIOR 13

2.4 Derivadas de orden superior

Definición 2.4.1 Sea f : Rn → Rm , entonces Dj f : Rn → Rm . Si Dj f posee derivadas
parciales, éstas se llamarán derivadas parciales de segundo orden y las representamos por:
∂ 2 f (x)
Dij f (x) = Di (Dj f (x)) =
∂xi xj

Definición 2.4.2 Sea f : Rn → R, llamamos matriz Hessiana de f a:

 ∂ 2 f (x) ∂ 2 f (x) ∂ 2 f (x) 
∂x1 2 ∂x2 ∂x1
. . . ∂xn ∂x1
 ∂ 2 f (x) ∂ 2 f (x) ∂ 2 f (x) 
 ∂x1 ∂x2 . . . ∂x 

H(f (x)) =  ∂x22 n ∂x2 
.. .. 
 . . 
∂ 2 f (x) ∂ 2 f (x) ∂ 2 f (x)
∂x1 ∂xn ∂x2 ∂xn
. . . ∂x2
n

Definición 2.4.3 Diferencial de orden superior de un campo escalar.

Sea f : Rn → Rm , A ⊂ Rn abierto que contiene al punto a ∈ Rn . Supongamos que f es

diferenciable en A.
Recordemos que L(Rn , Rm ) es el e.v. de las aplicaciones lineales. Si x ∈ A, entonces
Df (x) es una aplicación lineal, luego Df (x) ∈ L(Rn , Rm ).
Sea, entonces :
Df : A ⊂ Rn → L(Rn , Rm )
.
x → Df (x)
Llamamos a esta función diferencial primera de la función f .
Dotamos a L(Rn , Rm ) de la siguiente norma kuk = sup ku(x)km .
kxkn ≤1

Definición 2.4.4 Si la aplicación Df es diferenciable en el punto a ∈ A, decimos que la

función admite diferencial segunda en el punto a y esta diferencial segunda es la diferencial
en a de la función Df y la representamos por D2 f (a).
Si Df es diferenciable en a es porque existe una aplicación lineal Ta : A ⊂ Rn → L(Rn , Rm )
y una función ρ : E(0) ⊂ Rn → L(Rn , Rm ), tal que:
1. Df (a + h) − Df (a) = Ta (h) + ρ(h)
ρ(h)
2. lim =0
h→0 khk
Ahora (1) es una aplicación lineal en cada miembro, luego Df (a + h)(v) − Df (a)(v) =
Ta (h)(v) + ρ(h)(v), pero Df (a)(v) = Dv f (a); Df (a + h)(v) = Dv f (a + h) y además:
Ta : A ⊂ Rn → L(Rn , Rm )
.
h → Ta (h)
Ta es lineal en h, pero Ta (h) ∈ L(Rn , Rm ), luego:
Ta (h) : Rn → Rm
, por lo que Ta (h) es lineal en v.
v → Ta (h)(v)
14 Grupo COSDE Diferenciabilidad

Es decir, Ta (h)(v) es lineal en h y v, por lo que es una aplicación bilineal, luego Ta (h)(v) =
Ta (h, v).
Por lo que tendremos que:

Dv f (a + h) − Dv f (a) = Ta (h, v) + ρ(h)(v)

Tomemos h = tw ⇒ Dv f (a + tw) − Dv f (a) = Ta (tw, v) + ρ(tw)(v), y dividiendo por t,

tenemos:
Dv f (a + tw) − Dv f (a) ρ(tw)(v)
= Ta (w, v) +
t t
y tomando lı́mites cuando t → 0

2
Dwv f (a) = Ta (w, v) = D2 f (a)(w, v).

Consecuencia 2.4.1 D2 f (a) es una aplicación bilineal.

Si m = 1, entonces f : Rn → R y si {e1 , e2 , . . . , en } es la base canónica, se tiene que

Ta : Rn × Rm → R, la forma bilineal viene dada por la matriz Ta (ei , ej ) = Dij f (a) que es la
Xn
matriz Hessiana. Luego D2 f (a)(v, w) = Dij f (a)vi wj .
i,j=1
n
X
Análogamente D3 f (a)(u, v, w) = Dijk f (a)ui vj wk
i,j,k=1

Teorema 2.4.1 Teorema de Schwarz: Si las derivadas parciales Dr f , Dk f y Dk,r son

continuas en una bola B(a), entonces existe Dr,k f (a)y es igual a Dk,r f (a).

Definición 2.4.5 Definición de Matriz Hessiana.

2.5 Derivación matricial

La definición de la diferenciación de escalares respecto a matrices es tal que el orden de la
matriz resultante debe de ser del mismo orden que la matriz respecto a la cual se deriva.Ası́
consideremos el escalar xt Ay, donde A ∈ Mm×n , entonces:
 
∂xt Ay
∂x1
 ∂xt Ay 
∂xt Ay  
=

∂x2
..  = Ay,

∂x  . 
∂xt Ay
∂xn
2.5. DERIVACIÓN MATRICIAL 15

ya que
 n

X
 a1j yj 
    j=1 
 n 
a11 a12 . . . a1n y1  X 
    
 a21 a22 . . . a2n  y2   a2j yj 
xt Ay = (x1 , x2 , . . . , xn )  .. .. .. ..  ..  = (x1 , x2 , . . . , xn ) 
 j=1
=

 . . . .  .   .. 
am1 am2 . . . amn yn  . 
 n 
 X 
 amj yj 
j=1

 
y1
Xm Xm Xm  y2  Xm X n n
X
  ∂xt Ay
( ai1 xi , ai2 xi , . . . , ain xi )  .. = xi aij yj . Notemos que ∂xi
= aij yj ,
i=1 i=1 i=1
 .  i=1 j=1 j=1
yn
por lo que  
Xn

 a1j yj 
   j=1 
∂xt Ay  n 
∂x1  X 
 ∂xt Ay   
∂xt Ay    a y
2j j 
=

∂x2
..  =  j=1
 
 = Ay.

∂x  .   .. 
∂xt Ay  . 
 n 
∂xm  X 
 amj yj 
j=1

Análogamente
∂xt Ay ∂(xt Ay)t ∂(y t At x)
= = = At x.
∂y ∂y ∂y
 t t
  
∂x Ay
∂a11
. . . ∂x∂a1n
Ay
x1 y1 x1 y2 . . . x1 yn
 t
∂x Ay ∂x Ay 
t
 x2 y1 x2 y2 . . . x2 yn 
∂xt Ay  . . .   
=

∂a21
.. ..
∂a2n 
..  =  . .. .. ..  = xt y.
∂A  . . .   .. . . . 
∂xt Ay ∂xt Ay xm y1 xm y2 . . . xm yn
∂am1
. . . ∂amn
Por convención, la derivada de un vector respecto a un vector es una matriz, ( en realidad
es la matriz jacobiana).

Ejemplo 2.5.1 Si y = Ax, donde A ∈ Mm×n , entonces

 ∂y1 ∂y1 
∂x1
. . . ∂x n

∂y  ∂y2
. . . ∂y2 
 
=  ∂x. 1 . ∂x. n  .
∂x t  . . .
. .
. 
∂ym ∂ym
∂x1
. . . ∂xn
16 Grupo COSDE Diferenciabilidad

Ejemplo 2.5.2 La derivada de una matriz con respecto a un escalar da una matriz del
mismo orden.
 ∂b ∂b1n
  0 ... 0 ... 0 
11
. . . ∂bij
∂bij
 ∂b21 ∂b1n 
 .. .. .. 
 . . .   . . . 
∂B  ∂bij ∂bij   
= . . .  =  0 ... 1 ... 0 .
∂bij  . . .
. .
.   .. .. .. 
∂bm1 ∂bmn . . . 
∂bij
. . . ∂bij
0 ... 0 ... 0

Ahora si la matriz B es simétrica, entonces hay dos elementos bij = bji por lo que
 
0 ... 0 ... 0 ... 0
 .. .. .. .. 
 . . . . 
 
 0 ... 0 ... 1 ... 0 
∂B  . .. .. .. 
= .. . . . .
∂bij   0 ...
 1 ... 0 ... 0  
 . .. .. .. 
 .. . . . 
0 ... 0 ... 0 ... 0

Ejemplo 2.5.3 Derivada de una matriz inversa respecto a un elemento bij viene dada por

∂B −1 ∂B −1
= −B −1 B .
∂bij ∂bij

Para verlo sólo es necesario comprobar que:

∂I ∂B −1 B ∂B ∂B −1
=0= = B −1 + B.
∂bij ∂bij ∂bij ∂bij

Ejemplo 2.5.4 Consideremos la forma bilineal xt Ay simétrica, entonces xt Ay = y t Ax, por

lo tanto:
∂xt Ax
= 2Ax
∂x
Sea P = (Pij ) una matriz.
Z b Z b Z b
Proposición 2.5.1 (λP (t) + µQ(t))dt = λ P (t)dt + Q(t)dt ∀λµ ∈ R, P, Q ∈
a a a
Mm×n .

Definición 2.5.1 Una función matricial P = (pij ) es continua en t si cada elemento pij es
continua en t.
0 0 0
Definición 2.5.2 P (t) = (pij (t)) si existe pij (t) ∀i, j.

Proposición 2.5.2 Se verifican las siguientes propiedades:

2.6. APROXIMACIÓN DE FUNCIONES POR POLINOMIOS 17

0 0 0
1. (P + Q) = P + Q P, Q ∈ Mm×n .
0 0 0
2. (P.Q) = P Q + P Q P ∈ Mm×n , Q ∈ Mn×r .
0 0
3. (Q−1 ) = −Q−1 Q Q−1 ; Q no singular.
0 0 0
4. (P Q−1 ) = −P Q−1 Q Q−1 + P Q−1 .
k−1
X 0 0
5. (P ) =k
P j P P k−j−1 .
j=0

0 0 0
6. Si F (t) = P [g(t)] ⇒ F (t) = g (t)P (g(t)), siendo F y g derivables.

Demostración
0 0 0
1. (pij + qij ) = pij + qij .
0 0 0
2. (pij .qij ) = pij .qij + pij .qij .
0 0
3. Si A = cij con cij ∈ R, entonces cij = 0, luego A = Θ, por lo tanto:
0 0 0 0
Θ = I = (QQ−1 ) = Q Q−1 + Q(Q−1 ) , y de aquı́ sigue lo pedido.

4. Se hace teniendo en cuenta los dos apartados anteriores.

k−1
X
0 0
5. Por inducción, suponemos que (P ) = k
P j P P k−j−1 , entonces:
j=0
k−1
X
0 0 0 0 0 0
(P k+1 k
) = (P P ) = P P + P (P ) = P P P + P j+1 P P k−j−1 = k k 0 k

j=0
k−1
X 0
P h P P k−h ,
h=0
k−1
X k−1
X
j 0 k−j−1 0
ya que si hacemos j + 1 = h, tenemos que P P P = P h P P k−h .
j=0 h=1

6. Utilizando la regla de la cadena. ¤

2.6 Aproximación de funciones por polinomios

Definición 2.6.1 Aproximación de funciones reales de variable real.

Definición 2.6.2 Polinomio de Taylor de una función real de variable real.

f (x)−Pn (x)
Proposición 2.6.1 Sea f : R −→ R y f ∈ C n (E(a)) , entonces limx⇒a (x−a)n
= 0.

Definición 2.6.3 Resto de Taylor.

18 Grupo COSDE Diferenciabilidad

Teorema 2.6.1 Teorema de Taylor: Sea f : [a, b] ⊂ R −→ R, f ∈ C n (E(a)), ∃f n+1 (a),

Xn
1 k f n+1 (c)
entonces ∃c ∈ (a, b)/f (b) − f (a) − f (a)(b − a)k − (b − a)n+1 = 0.
k=1
k! (n + 1)!

Definición 2.6.4 Fórmula de Taylor. Resto de Lagrange y de Cauchy.

Ejemplo 2.6.1 de aproximación.

Definición 2.6.5 Fórmula de Maclaurin.

Fórmula de Taylor para un campo escalar.

Teorema 2.6.2 Sea f : Rn −→ R , f admite todas sus derivadas parciales de orden < m
en el conjunto abierto S ∈ Rn . Sea a, b ∈ S/L(a, b) ⊂ S, entonces ∃z ∈ L(a, b)/f (b) − f (a)
m−1
X1 1 m
= f k (a; b − a) + f (z, b − a).
k=1
k! m!

Nota 2.6.1 Nosotros utilizaremos:

1
f (b) = −f (a) + ∇f (a)(b − a) + (b − a)t Hf (x)(b − a) + R2 (z).
2!
Serı́a aconsejable hacer un ejercicio hasta la diferencial tercera.
Capı́tulo 3

Funciones implı́citas

3.1 Introducción
Definición 3.1.1 Definición de función implı́cita y explı́cita
Ejemplo 3.1.1 x2 + y 2 = r2 ; xy = 1 ; x + y 2 + ex cosy = 0; x2 + y 2 + 1 = 0

3.1.1 Funciones implı́citas de una variable

Teorema 3.1.1 Dada g(x, y) = C y a = (a1 , a2 ) ∈ R2 tales que:
1. g(a1 , a2 ) = C
2. g es continua en un entorno de a
∂g ∂g
3. ∃ ∂x , ∂y y son continuas en un entorno de a.
∂g(a)
4. ∂y
6= 0
Entonces ∃E(a1 ) y una función única f : E(a1 ) ⊂ R ⇒ R tal que:
1. a2 = f (a1 )
2. g(x, f (x)) = C∀x ∈ E(a1 )
3. f (x) es continua y derivable en a1

3.1.2 Derivación de funciones implı́citas de una variable

g(x, f (x)) = C ⇒ gx + gy dfdx
(x)
= 0; gxx + gxy y 0 + (gyx + gyy y 0 )y 0 + gy y 0 = 0
Ejemplo 3.1.2 Derivar
1. g(x, y) = cos(x + y) + y = 0
2. Determinar la ecuación de la recta tangente a la curva y = f (x) dada por g(x, y) ≡
x2 + x3 − y+4 = 0 en (−1, 0)

19
20 Grupo COSDE funciones implı́citas

3.1.3 Campos escalares definidos implı́citamente

Sea g : Rn ⇒ R con g(x) = 0. ¿ Podrá encontrarse la función xj = f (x1 , . . . , xj−1 , xj+1 , . . . , xn )?

Teorema 3.1.2 Dada g(x) = C , x ∈ Rn y a = (a1 , . . . , an ) ∈ Rn tales que:

1. g(a) = C

2. g es continua en un entorno de a
∂g
3. ∃ ∂x i
para1 ≤ i ≤ n y son continuas en un entorno de a.

∂g(a)
4. ∂xj
6= 0

Entonces ∃ E(a1 , . . . , aj−1 , aj+1 , . . . , an ) y una función única f : E(a1 , . . . , aj−1 , aj+1 , . . . , an )
⊂ Rn−1 ⇒ R tal que:

1. aj = f (a1 , . . . , aj−1 , aj+1 , . . . , an )

2. g(x1 , . . . , xj−1 , f (x1 , . . . , xj−1 , xj+1 , . . . , xn ), xj+1 , . . . , xn ) = 0; ∀(x1 , . . . , xj−1 , xj+1 , . . . , xn )

∈ E(a1 , . . . , aj−1 , aj+1 , . . . , an )

3. f es continua y derivable en (a1 , . . . , aj−1 , aj+1 , . . . , an )

∂g(a)
Definición 3.1.2 Si ∂xi
= 0 para 1 ≤ i ≤ n, se dice que a es un punto singular o crı́tico

Ejemplo 3.1.3 : g(x, y, z) ≡ x2 + y 2 + z 2 = 1. Calcular x = f (y, z) en los puntos (1, 0, 0)

−1
y (√3
, √13 , √13 ).

3.1.4 Derivación de campos escalares definidos implı́citamente

∂g
∂f ∂xi
Sea g(x1 , . . . , xj−1 , f (x1 , . . . , xj−1 , xj+1 , . . . , xn ), xj+1 , . . . , xn ) = C, entonces ∂xi
= ∂g
∂xj
0 0 0 0
gxi xi + gxi xj xj + (gxj xi + gxj xj xj )xj + gxj xj = 0

Ejemplo 3.1.4 1. Sea g(x, y, z) ≡ z 3 − 3xyz = C. Comprobar que z = f (x, y) y calcular

∂f ∂f
;
∂x ∂y

∂f ∂f
2. Sea g(x, y, z) ≡ xyz − (x + y + z) = C. Comprobar que y = f (x, z) y calcular ;
∂x ∂z
en el punto (2, 0, 2).

3. Sea g(x, y, z) ≡ xey + yex + zex = C. Comprobar que z = f (x, y) y calcular:

∂f ∂f
;
∂x ∂y
3.2. CAMPOS VECTORIALES DEFINIDOS IMPLÍCITAMENTE 21

3.2 Campos vectoriales definidos implı́citamente

Sea h : Rn ⇒ Rm con n ≥ m y h(x) = C
Casos posibles

1. n = m. Sistema de tantas ecuaciones como incógnitas que pueden tener o no solución.

2. n > m. Hay mas incógnitas que ecuaciones. Sea x ∈ Rn / x = (xB , xN B ), con xB ∈ Rm

y xN B ∈ Rn−m . Fijemos xN B . Si el sistema resultante posee solución, tendremos que :
xB = Φ(xN B ), con h(Φ(xN B ), xN B ) = C, siendo Φ : Rn−m ⇒ Rm .

Teorema 3.2.1 Sea h : Rn ⇒ Rm con n ≥ m y h(x) = C, a ∈ Rn tal que:

1. hi : Rn ⇒ R son continuas con derivadas parciales continuas en un entorno de a.

2. hi (a) = Ci ⇔ h(a) = C

3. ¯ ¯
¯ ∂h1 (a)
... ∂hm (a) ¯
¯ ∂x1 ∂x1 ¯
¯ ¯
¯ ¯
J(h) ¯ ∂h1 (a) ∂hm (a) ¯
= ¯¯ ∂x2
... ∂x2
¯ 6= 0
¯
x1 , x 2 , . . . , x m ¯ .. .. .. ¯
¯ . . . ¯
¯ ∂h1 (a) ∂hm (a) ¯
¯ ∂xm
... ∂xm
¯

Se tiene entonces que: ∃E(aN B ) y m funciones Φi (xN B ), tales que:

1. aB = Φ(aN B )

2. La funciones Φi (xN B ) son continuas y con derivadas parciales continuas.

3. h(Φ1 (xN B ), . . . , Φ(xN B )) = C ∀xN B ∈ E(aN B )

Ejemplo 3.2.1 1. Sea Ax = b con A ∈ Mmxn , con m < n, x ∈ Rn , b ∈ Rm y r(A) = m.

Sea A1 submatriz de rango m de A, entonces:
(A1 , A2 )(xB , xN B ) = b ⇒ xB = A−1 −1
1 b − A1 A2 xN B

2. Aplicarlo al ejemplo numérico siguiente: x + y + z = 0 ; 2x + 3y + 2z = 0

3. Dado el sistema: x + xy + xyz = 160 , x2 + y 2 + xyz = 225. Comprobar que (x, z) =

(f1 (y), f2 (y)) en un entorno del punto (10, 5, 2)

3.2.1 Derivación de campos vectoriales definidos implı́citamente

Hacerlo derivando implı́citamente.
22 Grupo COSDE funciones implı́citas

3.3 Dependencia funcional

Sea h : Rn ⇒ Rm , con hi diferenciables con derivadas parciales continuas y D = Dominiode(h)
Definición 3.3.1 Las funciones {hi }mi=1 son funcionalmente dependientes en D si ∃F :
R ⇒ R que no se anula en ningún subconjunto abierto de Rm y tal que para cada x ∈ D
m

F (h1 (x),h2 (x), . . . , hm (x)) = 0

Teorema 3.3.1 Sea hi : D ∈ Rn ⇒ R 1 ≤ i ≤ m de clase l, en el conjunto D abierto.
J(h)
Entonces las funciones {hi }m
i=1 son dependientes en D ⇔ rango de ( x1 ,x2 ,...,xn < m

Corolario 3.3.1 Si m = n las funciones {hi } son dependientes si | x1 ,xJ(h)

2 ,...,xn
|=0
Ejemplo 3.3.1 Estudiar la dependencia funcional de:
1. h1 = x2 + y 2 + z 2 , h2 = x3 + y 3 + z 3
2. h1 = xy , h2 = exy + 1

3.4 Funciones homogéneas

Definición 3.4.1 f : S ⊂ Rn ⇒ R es homogénea de grado m si ∀x ∈ S, ∀t ∈ R con t > 0
y tx ∈ S, se tiene que f (tx) = tm f (x)
Ejemplo 3.4.1 Determinar el grado de homodeneidad de :
√
1. f (x) = 2x + y
√
2. f (x) = x + ysen( xy )

3. q(k, l) = AK α Lβ
Proposición 3.4.1 1. Si f y g son homogéneas de grado m, entonces f + g también lo
es.
2. Si f es homogénea de grado m, entonces h(x) = λf (x) también.
3. El conjunto de las funciones homogéneas de grado m es un e.v.
4. sea f de grado m y g de grado n, entonces:
(a) f.g es de grado m + n
(b) fg es de grado m − n si f
g
está definida.

5. f (x) es de grado m ⇔ f (x)

xm
= Φ( xx1i , . . . , xxi−1
i
, xxi+1
i
, . . . , xxni )
i

∂ p f (x)
6. Si f es homogénea de grado m y ∃g(x) = ∂xpi
, entonces g(x) es homogénea de grado
m − p.
Teorema 3.4.1 Teorema de Euler: Sea f diferenciable, se cumple entonces:
f es homogénea de grado m ⇔ ∇f (x).x = mf (x)
Capı́tulo 4

Optimización clásica

4.1 Cálculo de extremos de funciones reales de variable

real
Teorema 4.1.1 Sea f : R −→ R tal que f 0 (a) = f 00 (a) = . . . f n−1 (a) = 0 y f n (a) 6= 0 y
f n (x) continua, entonces:

1. Si f n (a) > 0 y n par , se tiene que a es un mı́nimo local.

2. Si f n (a) < 0 y n par , se tiene que a es un máximo local.

3. Si n es impar , se tiene que a es un punto de inflexión.

4.1.1 Introducción a la optimización en varias variables

Definición 4.1.1 Problemas de programación matemática general.

min f (x)
g(x)≤b ;h(x)=k
R x∈ n

donde f : R −→ R, g : R −→ R h : R −→ Rp
n n m n

Definición 4.1.2 Conjunto factible, puntos factibles y direcciones factibles.

Definición 4.1.3 Optimos o extremos de un problema de programación matemática. (

mı́nimo y máximo local y global)

4.1.2 Programación matemática sin restricciones

Condición necesaria de primer orden de optimalidad local

Teorema 4.1.2 Sea f : Rn −→ R, con derivadas parciales continuas en Rn , se tiene enton-

ces que:
Si a es un mı́nimo local de f se cumple que ∂f∂x(a)
i
= 0 para 1 ≤ i ≤ n

23
24 CAPÍTULO 4. OPTIMIZACIÓN CLÁSICA

Definición 4.1.4 Definición de punto crı́tico, o estacionario.

Condición necesaria de segundo orden de optimalidad local

Teorema 4.1.3 Sea f : Rn −→ R continua y con derivadas parciales segundas continuas

en Rn . Si a es un mı́nimo local de f entonces:

1. ∇f (a) = 0

2. la matriz hessiana de f es semidefinida positiva.

Definición 4.1.5 Definición de punto de silla.

Condición suficiente de optimalidad local

Teorema 4.1.4 Sea f : Rn −→ R con f ∈ C 2 , siendo ∇f (a) = 0 , se tiene entonces:

1. Si la hessiana de f definida positiva, entonces a es un mı́nimo local de f .

2. Si la hessiana de f definida negativa, entonces a es un máximo local de f .

3. Si la hessiana de f indefinida, entonces a es un punto de silla de f .

4. Si la hessiana de f semidefinida positiva, entonces se realiza un estudio local de f en

dicho punto.

4.1.3 Optimización con restricciones de igualdad

min f (x)
g(x)=b
R
x∈ n

Definición 4.1.6 función lagrangiana L(x, λ) = f (x) − λ(g(x) − b)

Definición 4.1.7 Definición de óptimo relativo condicionado

Método de los multiplicadores de Lagrange

Teorema 4.1.5 Sea A = {x ∈ Rn /g(x) = b}el conjunto factible de un problema de opimi-

zación con restricciones de T igualdad. Supongamos que a ∈ A, y que existe
T una bola B(a) tal
que f (x) ≤ f (a) ∀x ∈ (A B(a)) o tal que f (x) ≥ f (a) ∀x ∈ (A B(a)). Supongamos,
además, que el determinante de orden m det[Dj gi (a)] 6= 0. Entonces existen m números
reales λ1 , λ2 , . . . , λm tales que satisfacen las n ecuaciones de ∂x∂ i L(a, λ) = 0, es decir, se
Xm
cumple que ∇f (a) − λi ∇gi (a) = 0 (no dem)
i=1

Consecuencia: Si la lagrangiana tiene un extremo relativo en (a, λ), entonces f tiene un

extremo condicionado en a.
Condiciones suficientes de segundo orden
4.1. CÁLCULO DE EXTREMOS DE FUNCIONES REALES DE VARIABLE REAL 25

m
X
Teorema 4.1.6 Si a factible, verifica ∇f (a) − λi ∇gi (a) = 0 y el hessiano de la lagran-
i=1
m
X
giana Hf (x)− λi Hgi (x) = 0, es definido positivo, respecto a los vectores d que pertenecen
i=1
al plano tangente a g(x) en el punto a, es decir (∇gi (x).d = 0) para (1 ≤ i ≤ m), entonces
el punto a es un mı́nimo local estricto del problema. Análogo con un máximo local.
Capı́tulo 5

Sucesiones y series funcionales. Series

de potencias

Definición 5.0.8 Convergencia puntual de sucesiones de fuciones

Sea fn : R → R y consideremos la sucesión {fn }. Para cada x ∈ R podemos formar la

sucesión {fn (x)}. Sea S el conjunto de los x para los cuales converge esta sucesión.
Sea
f : R → R
x → f (x) = lim fn (x), si x ∈ S
n→∞

se llama sucesión lı́mite de la sucesión {fn }, y se dice que {fn } converge puntualmente hacia
f en el conjunto S.

Definición 5.0.9 Convergencia uniforme de sucesiones de funciones.

Definición 5.0.10 Sucesión de funciones uniformemente acotada

Teorema 5.0.7 Sea {fn } ⇒ f uniformemente en S y cada fn está acotada en S, entonces

{fn } es uniformemente acotada.

Teorema 5.0.8 Sea {fn } ⇒ f uniformemente en S y cada fn es continua en S, entonces

la función lı́mite también es continua.

Corolario 5.0.1 Si a es p.a. de S, entonces limx⇒a limn⇒∞ fn (x) = limn⇒∞ limx⇒a fn (x)

Condición de Cauchy para la convergencia uniforme

Teorema 5.0.9 Sea {fn }∞ n

n=1 : S ⊂ R ⇒ R, entonces:
{fn } ⇒ f uniformemente en S ⇒ para cada ² > 0 , ∃N / ∀n, m > N se tiene que |fm (x) −
fn (x)| < ² ∀x ∈ S.

26
5.1. SERIES INFINITAS DE FUNCIONES 27

5.1 Series infinitas de funciones

Definición 5.1.1 Sea {fn } una sucesión de funciones definidas en S. Consideremos para
X n
cada x ∈ S Sn (x) = fk (x), para n = 1, 2, . . .. Si existe una función f tal que fn ⇒ f
k=1
n
X
uniformemente en S, se dice que la serie fk (x) converge uniformemente en S y se escribe
k=1
∞
X
fk (x) = f (x) uniformemente en S
k=1

Teorema 5.1.1 Condición de Cauchy para la convergencia uniforme de series

∞
X
La serie infinita fk (x) converge uniformemente en S ⇔ para cada ² > 0 ∃N² / ∀n > N
k=1
n+p
X
se tiene que : | fk (x)| < ² para cada p = 1, 2, . . . y cada x ∈ S
k=n+1

Teorema 5.1.2 Criterio M de Weierstrass:

Sea {Mn } una sucesión de números no negativos tales que 0 ≤ |fn (x)| ≤ Mn para n = 1, 2, . . .
X∞ X ∞
y cada x ∈ S. Entonces fk (x) converge uniformemente en S si Mk converge.
k=1 k=1

∞
X
Teorema 5.1.3 Sea fk (x) = f (x) uniformemente en S. Entonces si cada fn es continua
k=1
en x = a, se tiene que f también es continua en a.

5.1.1 Convergencia uniforme y diferenciación

Teorema 5.1.4 Supongamos que cada término de {fn } es una función real con derivada
finita en cada punto de un intervalo abierto (a, b). Supongamos que para un punto x0 , por lo
menos, de (a, b) la sucesión {fn (x0 )} converge. Supongamos además que existe una función
0
g tal que fn ⇒ g uniformemente en (a, b). Entonces:

1. Existe una función f tal que fn ⇒ f uniformemente en (a, b).

0
2. Para cada x de (a, b) la derivada f (x) existe y es igual a g(x).

5.2 Convergencia uniforme e integración de Riemann

Teorema 5.2.1 Supongamos que cada término de la sucesión {fn } es una sucesión real tal
que fn ∈ R[a, b] para
Z cada n = 1, 2, . . . . Supongamos que fn → f uniformemente en [a, b] y
x
definamos gn (x) = fn (t)dt si x ∈ [a, b], n = 1, 2, . . . . Entonces tenemos:
a
28 Grupo COSDE sucesiones y series funcionales. Series de potencias

1. f ∈ R[a, b].
Z x
2. gn → g uniformemente en [a, b] en donde g(x) = f (t)dt.
a

Nota 5.2.1 Esta propiedad se enuncia a menudo diciendo que una sucesión uniformemente
convergente se puede intefrar término a término.
∞
X
Teorema 5.2.2 Supongamos que fn (x) = f (x) (uniformemente en [a, b]), en donde cada
n=1
fn es una función real tal que fn ∈ R[a, b]. Entonces tenemos:
1. f ∈ R[a, b].
Z xX∞ ∞ Z x
X
2. fn (t)dt = fn (t)dt
a n=1 n=1 a

Nota 5.2.2 Este teorema se enuncia diciendo que una serie uniformemente convergente
puede ser integrada término a término.

5.3 Series de Potencias

∞
X
Definición 5.3.1 Se llama serie de potencias en (x − a) a la serie infinita an (x − a)n . A
n=0
toda serie de potencias se le asocia un intervalo, llamado intervalo de convergencia, tal que
la serie es absolutamente convergente en todo x del interior de este intervalo y divergente en
todo x exterior a él. El centro del intervalo es a y su radio se llama radio de convergencia.
∞
X p
Teorema 5.3.1 Dada an (x − a)n , sea λ = lim n
|an |, r = λ1 , en donde r = 0 si λ = ∞
n⇒∞
n=0
y r = ∞ si λ = 0. Entonces la serie converge absolutamente si |x − a| < r y diverge si
|x − a| > r. Además la serie converge uniformemente en todo subconjunto compacto interior
al intervalo de convergencia.
an
Nota 5.3.1 lim | |=r
n⇒∞ an+1
∞
X
Teorema 5.3.2 Supongamos que la serie de potencias an (x − a)n converge para cada
n=0
x ∈ B(a, r). Entonces la función f definida por la ecuación
∞
X
f (x) = an (x − a)n , si x ∈ B(a, r), (5.1)
n=0

es continua en B(a, r).

5.3. SERIES DE POTENCIAS 29

∞
X
Teorema 5.3.3 Supongamos que an (x − a)n converge para cada x ∈ B(a, r). Entonces
n=0
la función f definida por medio de la ecuación
∞
X
f (x) = an (x − a)n , si x ∈ B(a, r) (5.2)
n=0

0
tiene una derivada f (x) para cada x ∈ B(a, r) dada por
∞
X
0
f (x) = nan (x − a)n−1 . (5.3)
n=1

Las series dadas en (5.2) y en (5.3) tienen el mismo radio de convergencia. A causa de la con-
vergencia uniforme, el teorema (5.2.2), nos dice que podemos integrar una serie de potencias
término a término en cada subintervalo cerrado contenido en el intervalo de convergencia.
Entonces, para cada x ∈ (a − r, a + r) tenemos:
Z x ∞
X Z x X∞
n an
f (t)dt = an (t − a) dt = (x − a)n+1 .
a n=0 a n=0
n + 1

La serie obtenida por medio de la integración tiene el mismo radio de convergencia.

La función suma posee derivada de orden cualquiera en el intervalo de convergencia y
ésta se obtiene derivando la serie término a término.

Ejemplo 5.3.1 Calcular