Академический Документы
Профессиональный Документы
Культура Документы
Contenido:
Objetivos: Los objetivos son: estudiar las propiedades de una sucesion numeri-
ca, saber aplicar criterios para estudiar la convergencia de series numericas, saber
estudiar la convergencia de series de potencias, saber sumar de forma exacta y apro-
ximada algunas series numericas y de potencias.
Resultados de aprendizaje:
Saber estudiar las caractersticas de monotona y acotacion de una sucesion
escrita en forma explcita o en forma recursiva.
Ingeniera Inform
atica. C
alculo para la computacion 207
208 Calculo para la computacion
E.T.S.I.Informatica
4.1. Sucesiones. 209
4.1
LECCION
Sucesiones
Una sucesi
on de n umeros reales es una enumeracion de los elementos de un
conjunto de n
umeros reales, es decir, una regla que asocia un n
umero real a cada
n
umero natural; por ejemplo:
0 1 2 3 ... n ...
... ... (4.1)
1 1 1 1
1 ... ...
2 3 4 n+1
Formalmente, una sucesi on no es mas que una aplicacion a : N R. Sin embargo,
para las sucesiones es habitual escribir la variable como subndice, es decir, an en
lugar de a(n). Por ejemplo, la sucesion representada en (4.1) se definira
1
an =
n+1
Para representar la sucesi on completa se utiliza la notacion {an }nN , aunque tambien
es habitual escribir simplemente an si esta simplificacion no conduce a error. Los
numeros reales a0 , a1 , a2 , a3 , . . . , an , . . . son los terminos de la sucesion {an }nN y
decimos que an es el termino n-esimo, el termino de ndice n o el termino que ocupa
la posici
on n.
Ejemplo 4.1.1
on bn = (1)n con n 0 son
Los terminos de la sucesi
1, 1, 1, 1, 1, . . .
Como vemos, los n umeros que ocupan una determinada posicion pueden re-
petirse en otra. El conjunto de los terminos de esta sucesion es {1, 1}, sin
embargo, en una sucesi on no solo importa el conjunto de terminos, sino la
posici
on que ocupan en la enumeracion.
2n 1
Los terminos de la sucesi
on cn = con n 1 son
n2
21 1 22 1 23 1 24 1
, , , , ...
12 22 32 42
3 7 15
1, , , , ...
4 9 16
n
1 + 2 + 3 + + n 1 X
Los terminos de la sucesi
on dn = = k con n 1
nn nn k=1
son
1 1+2 1+2+3 1+2+3+4
, , , , ...
11 22 33 44
3 2 5
1, , , , ...
4 9 128
2
Hemos definido las sucesiones del ejemplo anterior dando una formula para el
termino n-esimo en funcion de n, es decir, a partir del termino general. Otra forma
de definir sucesiones, de gran importancia en computacion, es mediante recurrencias,
es decir, utilizando definiciones recursivas.
Ejemplo 4.1.2
Consideremos la sucesi
on
a1 = 1
a = n + a si n > 1
n n1
En este ejemplo, es f
acil deducir una expresion para el termino general.
1
an = 1 + 2 + + n = (1 + 2 + + n + n + (n 1) + + 2 + 1) =
2
1
= ((1 + n) + (2 + n 1) + (2 + n 2) + + (n 1 + 2) + (n + 1)) =
2
1
= ((n + 1) + (n + 1) + (n + 1) + + (n + 1) + (n + 1)) =
2
1
= n(n + 1) (4.2)
2
Sin embargo, en la mayora de los casos, esta conversion suele ser bastante
complicada y deberemos estudiar las caractersticas de la sucesion a partir de
su definici
on recursiva.
E.T.S.I.Informatica
4.1. Sucesiones. 211
Utilizar la caracterizaci
on de la monotona de una funcion usando su derivada
(teorema 1.1.15, pagina 17) y la siguiente propiedad
1
1. La sucesi
on an = es estrictamente decreciente:
n+1
n<n+1
n + 1 < n + 2 (Orden cerrado para la suma)
n+1
< 1 (Orden cerrado para el producto, n + 2 > 0)
n+2
1 1
< (Orden cerrado para el producto, n + 1 > 0)
n+2 n+1
an+1 < an
1 + 2 + 3 + + n
3. La sucesi
on dn = es estrictamente decreciente:
nn
dn+1 (1 + 2 + 3 + + n + (n + 1))nn
= =
dn (1 + 2 + 3 + + n)(n + 1)n+1
2(n + 1)(n + 2)nn
= =
2n(n + 1)(n + 1)n+1
n
n+2 n
= < 1 1n = 1
n(n + 1) n + 1
Para la segunda igualdad hemos usado la formula de la suma de los n primeros
numeros naturales que demostramos en (4.2.4) (pagina 229). Ademas, para el
n+2
u
ltimo paso, hemos utilizado que < 1, lo cual es cierto para todo
n(n + 1)
n 2:
n2
n2 22 > 2
n + n2 > n + 2
n(n + 1) > n + 2
n+2
1>
n(n + 1)
dn+1
Dado que < 1, entonces dn+1 < dn y, por lo tanto, dn es estrictamente
dn
decreciente si n 2.
2n 1
4. La sucesi
on cn = es creciente si n 2. Para demostrarlo, considaremos
n2
2x 1
la funci
on f (x) = para x 2:
x2
2x 1
f (x) =
x2
2 x2 log 2 2x(2x 1)
x
f 0 (x) =
x4
2 x 2
f 0 (x) = 3 (x log 2 2) + 3
x x
E.T.S.I.Informatica
4.1. Sucesiones. 213
`+
`
`
N
1 2 3 4 5 ... N ...
Ejemplo 4.1.6
1
1. La sucesi
on an = esta acotada, ya que trivialmente an > 0 y an 1.
n+1
1 + 2 + 3 + + n
3. La sucesi
on cn = esta acotada. Trivialmente, cn > 0 y
nn
ademas,
1 + 2 + 3 + + n nn 1
n
< n = n2 1
n n n
Igual que para funciones, tambien podemos obtener lmites cuyo valor sea +
o ; no incluimos las definiciones detalladas ya que suponemos que son cono-
cidas por el alumno y porque no necesitaremos trabajar con ellas. Hablaremos de
divergencia a infinito o a menos infinito si el lmite es + o respectivamente.
La definici
on de lmite no establece un metodo para calcularlos, solo enuncia la
propiedad que debemos verificar para comprobar si un n umero es o no lmite. En este
caso, las propiedades algebraicas y los lmites de funciones seran las herramientas
basicas para el estudio de lmites de sucesiones. No detallamos aqu las propiedades
algebraicas, ya que deben ser conocidas por el alumno y coinciden con las enunciadas
para funciones en la proposici on 1.1.6 (pagina 12), pero s introducimos el siguiente
Teorema 4.1.8 Sean an , bn son dos sucesiones convergentes tales que an < bn .
Entonces lm an lm bn .
Ejemplo 4.1.10 Aplicando el segundo apartado del teorema 4.1.9, podemos dedu-
cir que
sen n
lm = 0,
n
sen n
pues la sucesi
on xn = se puede expresar como producto de una sucesion aco-
n
on an = n1 convergente a 0.
tada bn = sen n, por otra sucesi 2
Ejemplo 4.1.12
n 1 3
lm sen = sen = ,
2 + 3n 3 2
n 1
ya que lm = , y lm sen x = sen , por ser continua la funcion seno. 2
2 + 3n 3 x/3 3
E.T.S.I.Informatica
4.1. Sucesiones. 215
log n
Ejemplo 4.1.14 Para calcular el lmite de sucesiones lm , consideramos el
n
log x log x
lmite de la funci
on cuando x tiende a +, es decir lm . Este lmite
x x+ x
se puede calcular usando la regla de LHopital:
log x 1/x 1
lm = lm = lm =0
x+ x x+ 1 x+ x
n x
Ejemplo 4.1.15 Para calcular el lmite de lm n , consideramos la funcion x y
2 2
calculamos su lmite en +, que calculamos usando la regla de LHopital:
x 1
lm x
= lm x =0
x+ 2 x+ 2 (log 2)
p(n)
lm =0
an
para cualquier polinomio p(n) y cualquier n
umero real a > 1. 2
Para trabajar con las expresiones del tipo abnn es conveniente utilizar la igualdad
Ejemplo 4.1.16 Si reescribimos la sucesion an = n n utilizando la funcion logarit-
mo como acabamos de indicar, observamos que una primera evaluacion de su lmite
nos conduce a una indeterminacion
n
1
lm n = lm exp log n = exp(0 )
n
1
log n
lm n
n = lm exp log n = exp(lm ) = e0 = 1 2
n n
n 4.1.17
Proposicio
Toda sucesi
on creciente y acotada superiormente es convergente.
Toda sucesi
on decreciente y acotada inferiormente es convergente.
Toda sucesi
on creciente y no acotada superiormente diverge a +.
es una sucesi
on creciente y acotada y en consecuencia es convergente. El lmite de
esta sucesi
on es un n
umero irracional y transcendente (es decir, no es raz de ning
un
polinomio de coeficientes racionales). As se define el n
umero denotado por e y que
es base del logaritmo neperiano y de la funcion exponencial. Podemos aproximar
el valor de este numero tomando valores suficientemente altos de n, aunque mas
adelante aprenderemos otras formas mas eficientes para hacerlo. En concreto, las
umero e son: e 2.7182 . . . .
cinco primeras cifras significativas del n 2
(i) 2 a0 = 2 > 1.
E.T.S.I.Informatica
4.1. Sucesiones. 217
an 1 an 1 a2 2
an an+1 = an = = n
2 an 2 an 2an
Por lo tanto, solo tenemos que demostrar que a2n 2 para todo n. Esta desigualdad
la vamos a demostrar tambien por induccion.
Trivialmente, a20 = 4 > 2; si a2k 2, entonces
a2k
2 () a 1
ak 1 1
k
a2k+1 = + = + 2 +1 2 +1=2
2 ak 4 ak 2 ak
(x y)2 0
x2 2xy + y 2 0
x2 + y 2 2xy
an 1 ` 1 `2 + 2
` = lm an+1 = lm + = + =
2 an 2 ` 2`
umero ` verifica que `2 = 2, es decir, ` =
y por lo tanto el n 2. 2
4.1.2. Introducci
on al c
alculo num
erico
f (x + h) f (x h)
f 0 (x)
2h
Si R es la soluci
on exacta de un determinado problema y r es un n umero
racional que aproxima esta solucion, la precision o exactitud se expresa por un
n
umero tal que
| r| < .
Se introduce el valor absoluto porque la aproximacion puede ser por exceso o por
defecto. La forma m as habitual para expresar este error sera mediante n
umeros del
tipo 10 d 1 d
un d N, o incluso 2 10 , ya que en este caso, por lo general,
para alg
la expresion decimal del n umero este redondeada correctamente en el d -esimo
decimal, es decir, los primeros d decimales son significativos.
Como ejemplo, vamos a ver dos metodos para resolver de forma aproximada
ecuaciones numericas. Es decir, nos planteamos la resolucion de ecuaciones
f (x) = 0
en donde f es una funcion continua; dicho de otra forma, buscamos metodos para
calcular de forma aproximada los ceros o races de f .
E.T.S.I.Informatica
4.1. Sucesiones. 219
r1 r2
X
a r0 b
Si dividimos sucesivamente por el punto medio del intervalo que contiene la raz,
determinamos una sucesion cuyo lmite es esta raz. Esta sucesion se define formal-
mente como sigue:
r0 = a, r1 = b,
rn + rm
rn+1 = , en donde m < n es el mayor ndice tal que f (rn )f (rm ) < 0
2
Por lo tanto, si = lm rn ,
ba
|rn | .
2n1
x2 2 = 0
ba 1 1
n1
= n1 < 2n1 > 200 n9
2 2 200
X
a2 a1 a0
r0 = 1, f (1) < 0
r1 = 2, f (2) > 0
3
r2 = , f (3/2) > 0
2
r2 + r0 5
r3 = = , f (5/4) < 0
2 4
r3 + r2 11
r4 = = , f (11/8) < 0
2 8
r4 + r2 23
r5 = = , f (23/16) > 0
2 16
r5 + r4 45
r6 = = , f (45/32) < 0
2 32
r6 + r5 91
r7 = = , f (91/64) > 0
2 64
r7 + r6 181
r8 = = , f (181/128) < 0
2 128
r8 + r7 363
r9 = =
2 256
363
Por lo tanto, nos da una aproximacion hasta la segunda cifra decimal de la
256
on, es decir, de 2,
solucion positiva de la ecuaci
363
2 1.41 2
256
La figura 4.2 muestra gr aficamente como se construye una sucesion que puede
converger a un cero de f , es decir, lm an = , siendo f () = 0. Dado un termino
E.T.S.I.Informatica
4.1. Sucesiones. 221
en donde m = mn{|f 0 (a)|, |f 0 (b)|}. La funcion del ejemplo 4.1.22 verifica estas con-
diciones en el intervalo [1, 2],
a0 = 2
an 1
an+1 = + , n0
2 an
Vamos a calcular los primeros terminos y la estimacion del error teniendo en cuenta
que m = mn{|f 0 (1)|, |f 0 (2)|} = mn{2, 4} = 2.
a1 = 3/2
17 1 1 1
a2 = , 2 < (a22 2) = < 102
12 2 238 2
577 1 2 1 1
a3 = , 3 < (a3 2) = < 105
408 2 332928 2
17
Por lo tanto, a2 = nos da dos decimales significativos, mientras que con el metodo
12
de las bisecciones necesitamos 9 terminos para conseguir la misma precision. Con
577
solo un termino mas, a3 = , conseguimos cinco decimales significativos:
408
577
2 1.41421 2
408
4.1.3. Infinit
esimos e infinitos equivalentes
n 4.1.24
Definicio
on f (x) es un infinitesimo en a si lm f (x) = 0 y f (x) 6= 0
1. Decimos que la funci
xa
en un entorno de a.
Ejemplo 4.1.25 Para ver que sen x y x son dos infinitesimos equivalentes necesi-
tamos comprobar que
lm sen x = 0 y lm x = 0;
x0 x0
E.T.S.I.Informatica
4.1. Sucesiones. 223
h(x) h(x)
lm
= lm
xa (f (x)) xa (g(x))
1. tg x x en 0:
tg x sen x x 1
lm = lm = lm = lm =1
x0 x x0 x cos x x0 x cos x x0 cos x
En la primera igualdad, hemos usado la equivalencia demostrada en el ejem-
plo 4.1.25.
x2
2. 1 cos x en 0:
2
1 cos x sen x
lm 2
= lm =1
x0 x /2 x0 x
3. arcsen x x en 0:
arcsen x 1
lm = lm =1
x0 x x0 1 x2
4. arctg x x en 0:
arctg x 1
lm = lm =1
x0 x x0 1 + x2
5. ex 1 x en 0:
ex 1
lm = lm ex = 1
x0 x x0
6. log(1 + x) x en 0:
log(1 + x) 1
lm = lm =1
x0 x x0 1 + x
Ejemplo 4.1.30 Las siguientes equivalencias son deducibles a partir de las equiva-
lencias b
asicas y el resultado anterior Con estos resultados se pueden deducir otras
equivalencias:
tg(x2 1) x2 1 en 1
x
a 1 x log a en 0
log x x 1 en 1 2
3. La sucesi
on an es un infinito si lm an = +.
La caracterizaci
on secuencial de lmite de funcion, permite convertir las equiva-
lencias b
asicas entre funciones en equivalencias entre sucesiones.
sen xn xn si lm xn = 0.
tg xn xn si lm xn = 0.
x2n
1 cos xn si lm xn = 0.
2
arcsen xn xn si lm xn = 0.
arctg xn xn si lm xn = 0.
exn 1 xn si lm xn = 0.
log xn xn 1 si lm xn = 1.
E.T.S.I.Informatica
4.1. Sucesiones. 225
Ejemplo 4.1.33
2n
3n 1
lm = lm exp 2n log 1 + =
3n 1 3n 1
1
= lm exp 2n = e2/3 2
3n 1
Ejemplo 4.1.34 Una primera evaluacion del lmite que calculamos a continuacion
conduce a una indeterminaci
on (), pero sacando factor com un, la convertimos
on 0 y ya podemos utilizar equivalencia de infinitesimos.
en una indeterminaci
!
3
3
3 3 n+1
lm( n + 1 n) = lm n 1 =
n
3
n+1 3
= lm n log =
n
1 n+1
= lm 3 n log =
3 n
1 n + 1
= lm 3 n 1 =
3 n
1 1 1 1
= lm 3 n = lm 2/3 = =0
3 n 3n
Tanto en la segunda como en la cuarta igualdad hemos utilizado la equivalencia
log x x 1, en 1;
primero para poder eliminar el exponente 1/3 y despues para eliminar la fun-
cion logaritmo. 2
4.2
LECCION
Series num
ericas
1 1 1 1
+ + + + n +
2 4 8 2
y esta suma infinita valdra exactamente 1.
Empezamos con una secci on en la que repasamos algunas propiedades del ope-
rador sumatorio, que utilizaremos en el resto del tema.
Los sumandos se expresan en funcion de una variable k que tomara valores consecu-
umeros naturales m y n tales que m n. Este operador tambien es
tivos entre dos n
frecuente en los lenguajes de programacion, en los que toma una sintaxis similar a
sum(f (k), k, m, n)
Este operador sera usado en distintas asignaturas, por lo que es muy conveniente
aprender a manejarlo correctamente. Vemos a continuacion algunos ejemplos senci-
llos pero que ayudar
an a entender algunas propiedades de este operador.
E.T.S.I.Informatica
4.2. Series numericas. 227
Ejemplo 4.2.1
1. La variable utilizada como ndice de cada sumando no influye en el resultado
y podremos cambiarla por la letra que deseemos siempre que no interfiera en
el resto del problema. Por ejemplo, en los sumatorios siguientes utilizamos
ndices distintos pero obtenemos el mismo resultado:
10
X
k = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10
k=1
X10
i = 1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 + 9 + 10
i=1
10
X
2 = 2 + 2 + 2 + 2 + 2 + 2 + 2 + 2 + 2 + 2 = 10 2
k=1
8 4 8
! !
X X X
k= k + k
k=1 k=1 k=5
1 + 2 + 3 + 4 + 5 + 6 + 7 + 8 = (1 + 2 + 3 + 4) + (5 + 6 + 7 + 8)
4 4 4
! !
X X X
(k + 1) = k + 1
k=1 k=1 k=1
(1 + 1) + (2 + 1) + (3 + 1) + (4 + 1) = (1 + 2 + 3 + 4) + (1 + 1 + 1 + 1)
5 6 5 5
! ! ! !
X X X X
2 2
k + k =1+ k + k + 36 =
k=1 k=2 k=2 k=2
5 5
!
X X
2
=1+ (k + k ) + 36 = 37 + (k + k 2 )
k=2 k=2
Ejemplo 4.2.2
5 5
!2
X X
1. k 2 6= k . Estas dos expresiones son distintas, ya que, en general, el
k=1 k=1
cuadrado de una suma no es igual a la suma de los cuadrados
12 + 22 + 33 + 42 + 52 6= (1 + 2 + 3 + 4 + 5)2
S = f (1) + f (2) + f (3) + f (4) + f (5) + f (6) + f (7) + f (8) + f (9) + f (10)
E.T.S.I.Informatica
4.2. Series numericas. 229
Vamos a hacer la suma para n = 5 para entender la idea que queremos utilizar. Si
en lugar de sumar una vez la lista de n
umeros la sumamos dos veces, tendramos lo
siguiente:
1
S = (1 + 2 + 3 + 4 + 5) + (1 + 2 + 3 + 4 + 5)
2
En lugar de sumarlos tal y como aparecen en esta expresion, vamos a reordenarlos
y agruparlos como se muestra a continuacion.
1
S= (1 +2 +3 +4 +5)
2
+(5 +4 +3 +2 +1) =
1
= (1 + 5) +(2 + 4) +(3 + 3) +(4 + 2) +(5 + 1) =
2
1 1
= (6 +6 +6 +6 +6) = 5 6
2 2
Ahora, vamos a repetir el mismo proceso utilizando sumatorios y sus propiedades.
n n
!
1 X X
S= k+ k
2 k=1 k=1
A continuaci
on, unimos los dos sumatorios usando la propiedad asociativa:
n n n
! !
1 X X 1 X
S= k+ (n + 1 k) = (k + (n + 1 k))
2 k=1 k=1
2 k=1
n
X
on Sn = a1 + + an =
1. La sucesi ak se denomina serie numerica asociada
k=1
X
a an y se denota an .
n=1
Si este lmite es un n
umero real, diremos que la serie es convergente o que la
sucesi
on an es sumable, en caso contrario diremos que la serie es divergente.
X 1 X 1 1
= = lm Sn =
n=1
n(n + 1) n=1 n n + 1
1 1 1 1 1 1 1
= lm 1 + + + + =
2 2 3 3 4 n
n+1
1
= lm 1 =1 2
n+1
Ejemplo 4.2.7 Como hemos visto en el ejemplo anterior, en algunos ocasiones sera
suficiente con simplificar la expresion de Sn reescribiendola de forma adecuada. En
este tipo de procedimientos, un error muy com un es ignorar que Sn es una suma
finita y olvidarse de los u
ltimos sumandos:
X n+1 X
log = (log(n + 1) log n) =
n=2
n n=2
log
= ( 3 log 2) + (
log
4
log
3) + (
log
5
log
4) + . . .
E.T.S.I.Informatica
4.2. Series numericas. 231
1
Ejemplo 4.2.8 Consideremos la sucesion an = , n 0. La sucesion de sumas
2n
X 1
parciales de la serie es
n=0
2n
1 1
Sn = 1 + + + n (4.5)
2 2
Para simplificar esta expresi
on, vamos a seguir el siguiente proceso. En primer lugar,
1
multiplicamos la sucesion de sumas parciales por :
2
1 1 1 1
Sn = + + n + n+1 (4.6)
2 2 2 2
Vemos que la expresion de la derecha contiene casi los mismos sumandos que la
expresi
on de Sn . A continuaci
on, restamos las igualdades (4.5) y (4.6) miembro a
miembro:
1 1 1 1 1 1
Sn Sn = 1 + + + + + +
2 2 2n 2 2n 2n+1
1 1
Sn = 1
2 2n+1
1
Sn = 2 n
2
1 1
2
X
= l
m Sn = l
m 2 =2
n=0
2n 2n
Generalizamos a continuaci
on la serie del ejemplo anterior.
X
trica) La serie
Teorema 4.2.9 (Serie Geome an se dice que es geometrica
n=N
an+1
de raz
on r, si = r R para todo n (es decir, el cociente se puede simplificar
an
hasta obtener una constante). Esta serie converge si y solo si |r| < 1 y en tal caso
X aN
an =
n=N
1r
Para obtener la suma que aparece en el resultado anterior, basta seguir el metodo
ltimo ejemplo; si r 6= 1
que hemos visto en el u
Sn = a + ar + ar2 + . . . + arn
rSn = ar ar2 . . . arn arn+1
(1 r)Sn = a arn+1
Por lo tanto
a arn+1
Sn = ,
1r
on solo converge si |r| < 1 y, en tal caso:
y esta sucesi
X a arn+1 a
arn = lm Sn = lm =
n=0
1r 1r
X 1 an+1 3n+2 1
n+2
: Como = n+3 = , entonces la serie es geometrica de
n=1
3 an 3 3
raz 1 1
on /3 y primer termino /27; por tanto, la serie es convergente y su suma
1
es /18.
3n
X 2 an+1 23n+3 7n 8
n
: Como = n+1 3n
= , entonces la serie es geometrica de
n=1
7 an 7 2 7
on 8/7 y en consecuencia divergente a +.
raz
X (1)n+1 an+1 1
: Como = , entonces la serie es geometrica de razon
n=1
5n1 an 5
1/5 y primer t
ermino 1; por tanto, la serie es convergente y su suma es 5/6.
2
Esta propiedad es de gran utilidad, pues nos dice que, al igual que ocurre con las
sucesiones, cuando estudiamos la convergencia de una serie, podemos prescindir de
E.T.S.I.Informatica
4.2. Series numericas. 233
los primeros terminos (cualquier conjunto finito de terminos); por ejemplo, las series
X
X
an y an tienen el mismo caracter. Sin embargo, debemos tener en cuenta que,
n=1 n=5
aunque el car
acter sea el mismo, la suma de serie sera, por lo general, distinta.
X
X
Teorema 4.2.12 Si an = a y bn = b, entonces se verifica que
n=1 n=1
X
1. (an + bn ) = a + b, y
n=1
X
2. c an = c a, para todo c R.
n=1
X
n Necesaria) Si una serie
Teorema 4.2.13 (Condicio an es convergente, en-
n=1
tonces lm an = 0.
Sn = Sn1 + an
Una familia de series de gran importancia en el estudio de este tema son las
conocidas como series p-arm
onicas o p-series, es decir, las series de la forma
X 1
,
n=1
np
X 1
en donde p es cualquier n
umero real positivo. Para p = 1, la serie es y se
n=1
n
denomina simplemente serie arm
onica.
X
(an + bn ) es divergente.
n=1
E.T.S.I.Informatica
4.2. Series numericas. 235
A continuaci
on restamos los dos sumatorios, pero sin juntarlos
n n
1 1 X k+3 X k+3
Sn Sn = Sn = k
2 2 k=0
2 k=0
2k+1
A continuaci
on, apartamos los sumandos necesarios para que los dos sumatorios
tengan los mismos extremos y as poder juntarlos:
n n
1 n+3 X k+3 X k+2
Sn = 3 n+1 + k
2 2 k=1
2 k=1
2k
n
1 n+3 X k+3 k+2
Sn = 3 n+1 + k
2 2 k=1
2k 2
n
Observese que en el c
alculo del lmite hemos utilizado que lm n = 0, tal y como
2
hemos demostrado en el ejemplo 4.1.15 de la pagina 215. 2
X
n 4.2.21 Se dice que la serie
Definicio an es hipergeometrica si an > 0 para
n=1
todo n y
an+1 n +
=
an n +
X
trica) Una serie
Teorema 4.2.22 (Serie hipergeome an hipergeometrica con
n=1
an+1 n +
= es convergente si y s
olo si > + .
an n +
X 1
Ejemplo 4.2.23 La serie es hipergeometrica y convergente, ya que
n=1
n(n + 1)
an+1 n
= y = 2 > 1 + 0 = + . De la primera igualdad deducimos que
an n+2
(n + 2)an+1 nan = 0 para todo n y de ah:
n
X
((k + 2)ak+1 kak ) = 0
k=1
Ahora, separamos los sumandos necesarios para que los lmites de los dos sumatorios
coincidan y poder juntarlos otra vez.
n
X n
X
(n + 2)an+1 a1 + (k + 1)ak kak = 0
k=2 k=2
Xn
(n + 2)an+1 a1 + ((k + 1)ak kak ) = 0
k=2
n
X
(n + 2)an+1 a1 + ak = 0
k=2
Tras simplificar nos ha quedado un sumatorio que coincide casi con la suma parcial
de la serie; a
nadimos el sumando que falta y lo restamos fuera de el para poder
despejar finalmente la suma parcial.
n
X
(n + 2)an+1 a1 a1 + ak = 0
k=1
(n + 2)an+1 2a1 + Sn = 0
Sn = 2a1 (n + 2)an+1
1 n+2
Sn = 2
2 (n + 1)(n + 2)
1 n+2
2
X
= lm Sn = lm 1 =1
n=1
n(n + 1) (n + 1)(n + 2)
E.T.S.I.Informatica
4.2. Series numericas. 237
En esta secci
on, vamos a estudiar algunos resultados que establecen condiciones
que permiten deducir la convergencia de una serie. Estos resultados se conocen como
criterios de convergencia y en su aplicacion es muy importante comprobar todas las
condiciones exigidas.
Aunque en los resultados que vemos en esta seccion escribimos series con n = 1
como primer sumando, las conclusiones son validas independientemente de cual sea el
primer sumando, tal y como hemos visto anteriormente. Por otra parte, los primeros
resultados que veremos son aplicables solamente a series cuyos terminos (todos, o a
partir de uno dado) son positivos; estas series verifican la siguiente propiedad.
X
X
n) Sean
Teorema 4.2.25 (Criterio de comparacio an , bn dos series ta-
n=1 n=1
les que 0 an bn para todo n N.
X
X
1. Si bn converge entonces an tambien converge.
n=1 n=1
X
X
2. Si an diverge entonces bn tambien diverge.
n=1 n=1
X 1
Ejemplo 4.2.26 La serie es convergente ya que
n=1
2n +n
1 1
n
2n +n 2
1
2
X
y la serie es convergente (geometrica de razon 12 ).
n=1
2n
No siempre podremos probar de esta forma que dos series parecidas tengan
X 1
el mismo criterio; por ejemplo, la serie n
es parecida a la del ejemplo
n=1
2 n
anterior e intuimos que tambien sera convergente, sin embargo, no podemos utilizar
el criterio de comparacion. El siguiente resultado, permite hacer la comparacion
mediante lmites.
X
X
Teorema 4.2.27 (Comp. por paso al lmite) Sean an y bn dos series de
n=1 n=1
an
terminos positivos, tal que bn 6= 0 para todo n. Si ` = lm entonces se verifica:
bn
X
X
2. Si ` = 0 y bn converge, entonces an tambien converge. Equivalente-
n=1 n=1
X
X
mente, si ` = 0 y an es divergente, entonces bn tambien tambien es
n=1 n=1
divergente.
X
X
3. Si ` = + y an converge, entonces bn tambien converge. Equivalente-
n=1 n=1
X
X
mente, si ` = + y bn es divergente, entonces an tambien tambien es
n=1 n=1
divergente.
X 1 X 1
1. La serie nn
es convergente ya que n
es convergente y
n=1
2 n=1
2
1
n
2n
lm 1 = lm 1 n =1
2n n
2
X 1 X 1
2. La serie n sen 2
es divergente pues diverge y
n=1
n n=1
n
1 1
n sen 2
sen 2
lm n = lm n =1
1/n 1/n2
X 1 X 1
3. La serie es divergente pues es divergente y
n=1
log n n=1
n
1
log n
lm n = lm =0
1 n
log n
El u
ltimo lmite est
a demostrado en el ejemplo 4.1.14 de la pagina 215. 2
E.T.S.I.Informatica
4.2. Series numericas. 239
Para buscar series con las que comparar una serie dada, podemos ayudarnos de
las equivalencias de infinitesimos: si una sucesion es sumable, entonces es un infi-
nitesimo, y si dos sucesiones son equivalentes, por el criterio de comparacion, la series
asociadas tienen el mismo car acter. Estas observaciones constituyen la demostracion
del siguiente resultado.
1
n 2 n2 + n
lm = lm = 1;
1 n2
n2 + n
X 1 X 1 2
sin embargo = 1 (ver ejemplos 4.2.6 y 4.2.23) y = , aunque la
n=1
n2 + n n=1
n2 6
demostraci
on de esta igualdad requiere metodos que quedan fuera de este curso.
X 1
entonces la serie tendra el mismo caracter que , que es divergente.
n=1
n
Vamos a utilizar este resultado en el siguiente ejemplo en el que sumamos una
serie hipergeometrica.
=2>1=21=+
Sacamos los sumandos necesarios para que los lmites de los dos sumatorios coincidan
y poder juntarlos otra vez.
n
X n
X
2(n + 1)an+1 + 2kak (2k 1)ak 3a2 = 0
k=3 k=3
Xn
2(n + 1)an+1 + 2kak (2k 1)ak ) 3a2 = 0
k=3
n
X
2(n + 1)an+1 + ak 3a2 = 0
k=3
2(n + 1)an+1 + Sn a2 3a2 = 0
2(n + 1)an+1 + Sn 4a2 = 0
Sn = 4a2 2(n + 1)an+1
E.T.S.I.Informatica
4.2. Series numericas. 241
an+1
El caso lm = 1 queda fuera del teorema anterior, ya que a partir de el
an
X 1 X 1
no podemos deducir nada: y verifican que el lmite de la condicion
n=1
n n=1
n2
vale 1 para ambas series y, sin embargo, la primera es divergente y la segunda es
convergente.
Una de las caractersticas del criterio del cociente es que tambien nos da infor-
maci
on para estimar errores, ya que es consecuencia del siguiente resultado.
X
Lema 4.2.34 Supongamos que an = S R. Sea Sn su sucesi
on de sumas par-
n=1
an+1
ciales y N N. Si existe r tal que 0 r < 1 para todo n N , entonces:
an
aN +1
S SN
1r
an+1
Si an es positiva a partir de un termino, y lm es estrictamente menor que 1,
an
existe un termino de la sucesion a partir del cual todos estaran acotados entre 0 y
un numero estrictamente menor que 1, por lo que podremos aplicar el lema anterior.
Entonces, para acotar el error cometido al tomar una suma parcial en lugar de la
suma exacta, necesitamos determinar los n umeros N y r adecuados. En la mayora
an+1
de los casos, ser
a suficiente estudiar la monotona de la sucesion , tal y como
an
vemos en los siguientes ejemplos.
X 1
Ejemplo 4.2.35 Aplicamos los resultados anteriores a la serie para demos-
n! n=0
trar que es convergente y determinar la suma parcial que estima su suma con un
X 1
Ejemplo 4.2.36 Para la serie podemos utilizar los mismos resultados:
n=1
n2n
1
an+1 (n + 1)2n+1 n 1
lm = lm = lm =
an 1 2(n + 1) 2
n2n
y por el criterio del cociente, la serie es convergente.
E.T.S.I.Informatica
4.2. Series numericas. 243
Si queremos que este error sea menor que 12 103 , basta considerar N = 8:
8
X 1 X 1 148969
= 0.693
n=1
n2n n=1
n2n 215040
Mas adelante, veremos que la suma de esta serie es log 2 y la aproximacion que nos
da cualquier calculadora es 0.6931471805. 2
Los teoremas vistos hasta ahora son validos solamente para series de terminos
positivos. A continuacion, vamos a ver dos resultados que permiten estudiar algunas
series con terminos de signo arbitrario.
X
n 4.2.37 Decimos que una serie
Definicio an es absolutamente convergente si
n=1
X
la serie |an | es convergente.
n=1
X
n 4.2.39 Una serie
Definicio an se dice alternada si para todo n se verifica que
n=1
an
< 0; es decir, su termino general es de la forma (1)n bn o (1)n+1 bn , en
an+1
donde bn > 0 para todo n.
X
(1)n an sea convergente.
n=1
X
n 4.2.41 Sea
Proposicio an una serie en las condiciones del criterio de Leibniz,
n=1
Sn su sucesi
on de sumas parciales y S su suma; entonces:
|SN S| |aN +1 |
En la acotaci
on del error tenemos que usar el valor absoluto, ya que en este caso
el error puede ser por exceso o por defecto.
X (1)n+1
Ejemplo 4.2.42 Por el criterio de Leibniz, la serie es convergente, ya
n=1
n
1
que es decreciente y convergente a 0. Vamos a estimar su suma con un error menor
n
que 12 103 .
Por la proposici
on anterior, si S es la suma de la serie y Sn la sucesion de sumas
parciales:
1
|SN S|
N +1
Si queremos que este error sea menor que 21 103 , basta considerar N = 2000. Mas
adelante, calcularemos la suma exacta de esta serie y demostraremos que S = log 2.
Si utilizamos un ordenador para calcular la suma parcial, obtendremos que:
2000
X (1)n X (1)n+1
0.693
n=1
n+1 n=1
n
4.2.4. Resumen de t
ecnicas
En esta secci
on vamos a presentar algunas estrategias para abordar el estudio de
la convergencia de series numericas. El siguiente esquema resume los criterios que
hemos introducido en el orden m as adecuado para su aplicacion.
2. Condici
on necesaria. Si el lmite es facil de calcular, esta es la primera com-
probaci
on que debe hacerse.
E.T.S.I.Informatica
4.2. Series numericas. 245
an+1 n +
2. Si = con , , R, la serie es hipergeometrica.
an n +
an+1
3. Si an > 0 y > 1 para todo n > N , la sucesion an es creciente y por tanto
an
su lmite no puede ser 0: la serie es divergente.
an+1
4. Si an > 0 y < 1 para todo n > N , la sucesion an es decreciente, lo que
an
permitir
a aplicar algunos resultados, como el criterio de Leibniz.
4. Por u
ltimo, podemos utilizar las propiedades algebraicas de la relacion de orden
para deducir algunas propiedades sobre monotona de sucesiones y funciones
como por ejemplo:
Algunas de las series que hemos estudiado hasta ahora contenan parametros en
su termino general, incluso hemos podido sumar alguna de ellas dando su suma en
funcion de ese par
ametro:
X 1
xn = , |x| < 1
n=0
1x
Como hemos podido comprobar, no siempre es asequible sumar una serie, pero a un
as podemos estar interesados en estudiar las propiedades de la serie e incluso la
relacion de dependencia de la serie respecto de ese parametro.
Ejemplo 4.2.44
X (x 1)n 1
1. es una serie de potencias centrada en 1; en este caso, an = .
n=1
n n
X
2. senn x no es una serie de potencias.
n=0
(x 3)2n
2
X
3. es una serie de potencias centrada en 3.
n=1
n3
X
Teorema 4.2.45 Dada la serie de potencias an (x a)n , existe un intervalo I
n=1
tal que:
E.T.S.I.Informatica
4.2. Series numericas. 247
X (1)n
Para x = 0, la serie resultante es cuya convergencia podemos deducir con
n=2
log n
1 X
el criterio de Leibniz. Para x = 2, la serie resultante es , cuya divergencia
n=2
log n
podemos deducir con el criterio de comparacion (ver apartado 3 del ejemplo 4.2.28,
en la p
agina 238). Por lo tanto, el campo de convergencia de la serie es [0, 2). 2
Adem
as, el radio de convergencia de la derivada coincide con el radio de S.
En los dos u
ltimos puntos del teorema anterior se afirma la coincidencia de los
radios de convergencia, pero no de los campos de convergencia, es decir, la
convergencia en los extremos del campo puede variar al derivar o integrar.
n
X x
Ejemplo 4.2.48 El campo de convergencia de la serie de potencias es [1, 1],
n=1
n2
n1
X x
sin embargo, la serie de las derivadas, , converge en x = 1 pero no con-
n n=1
verge en x = 1 y por lo tanto su campo de convergencia es [1, 1). 2
f 00 (x0 )
f (x0 ) + f 0 (x0 )(x x0 ) + (x x0 )2 + . . .
2
n
f (n) (x0 ) X f (i) (x0 )
+ (x x0 )n = (x x0 )i
n! i=0
i!
El primer resultado fundamental para los objetivos de este tema caracteriza los
polinomios de Taylor de una funcion como su mejor aproximacion polinomica.
f (x) Tn (x)
lm =0
xx0 (x x0 )n
E.T.S.I.Informatica
4.2. Series numericas. 249
Teorema 4.2.51 (de Lagrange) Sea f una funci on definida en un entorno abier-
to de x0 y supongamos que f es (n + 1)-veces derivable en este entorno. Sea Tn el
polinomio de Taylor de orden n de f en x0 y En (x) = f (x) Tn (x). Entonces, para
cada x 6= x0 existe un n
umero c (que depende de x y de n) comprendido estricta-
mente entre x y x0 y tal que:
f (n+1) (c)
En (x) = (x x0 )n+1
(n + 1)!
La formula del resto dada en este teorema se conoce como f ormula de Lagrange.
Aunque no es la u
nica posible, s es la mas utilizada por su simplicidad. La expresion
En puede ser negativa, sin embargo, al trabajar con errores, no distinguimos entre
errores por exceso y por defecto, y por eso entendemos que el error es su valor
absoluto: = |En |.
1 1 1 1 1 1 685
e1+1+ + + + + + = 2.718
2 3! 4! 5! 6! 7! 252
Solo podemos estar seguros de los tres primeros decimales, aunque podemos com-
probar que los cuatro primeros decimales coinciden con los que nos da cualquier
calculadora. 2
No es difcil observar que los polinomios de Taylor no son mas que la sucesion de
f (n) (x0 )
sumas parciales de la serie asociada a la sucesion (x x0 )n ; la correspon-
n!
diente serie se denomina serie de Taylor de la funcion f .
f (n+1) (c)
lm En (x) = lm (x x0 )n+1 = 0
(n + 1)!
ec |x|n+1 n
|x|n+1 < 0
(n + 1)! (n + 1)!
ec xn+1 n
xn+1 < ex 0
(n + 1)! (n + 1)!
Para demostrar los dos lmites anteriores, basta tener en cuenta la condicion necesa-
X an+1
ria de convergencia de series aplicada a las series , que son convergentes
n=1
(n + 1)!
para cada a > 0; esto, a su vez, lo demostramos usando el criterio del cociente. 2
E.T.S.I.Informatica
4.2. Series numericas. 251
X 1
Ejemplo 4.2.56 A partir de la serie = e podemos sumar todas las series
n=0
n!
X P (n)
del tipo , en donde P es un polinomio de grado p y q Z; el criterio
n=n0 (n + q)!
del cociente permite demostrar que todas ellas son convergentes y el metodo que
presentamos en el ejemplo siguiente permite calcular su suma. Por ejemplo, vamos a
X n3
sumar la serie , y para ello, vamos a expresar el polinomio del numerador
n=1
(n + 1)!
de la siguiente forma
Cada sumando, est a formado por productos de expresiones consecutivas y todas em-
pezando por n + 1, que es la expresion cuyo factorial aparece en el denominador del
termino general de la serie; esto permitira simplificar cada sumando con el denomi-
nador. Esta expresion se puede obtener para cualquier polinomio P (n) y cualquier
monomio n + .
Eliminando los parentesis y agrupando los terminos, podemos hallar los valores
de los par
ametros A, B, C y D usando identificacion de coeficientes.
n3 (n + 1)n(n 1) + (n + 1) 1 1 1 1
= = +
(n + 1)! (n + 1)! (n 2)! n! (n + 1)!
En esta seccion, vamos a ver los desarrollos de Taylor de todas las funciones
elementales y las correspondientes expresiones del resto de Lagrange. Debemos tener
en cuenta todas estas series para estudiar la convergencia o sumar series numericas.
Funci
on Exponencial.
x2 xn xn+1
ex = 1 + x + + + + e cn , (cn entre 0 y x)
2 n! (n + 1)!
1 1
log x = (x 1) (x 1)2 + (x 1)3 +
2 3
(1)n+1 (1)n
+ (x 1)n + n+1 (x 1)n+1
n cn (n + 1)
y por lo tanto,
X (1 x)n X (1)n+1
log x = = (x 1)n x (0, 2]
n=1
n n=1
n
Ejemplo 4.2.57 Vamos a usar la serie anterior para aproximar log 3 con un error
menor que 12 103 . El desarrollo de Taylor de la funcion logaritmo permite evaluar
log a si a (0, 2], por lo que no podemos considerar a = 3; sin embargo, teniendo
en cuenta las propiedades del logaritmo, tenemos que
1
log 3 = log
3
E.T.S.I.Informatica
4.2. Series numericas. 253
1
ya= 3 s est
a dentro del campo de convergencia de la serie,
1 X (1)n+1 1 X (1)n (2)n X 2n
log 3 = log = ( 1)n = =
3 n=1
n 3 n=1
n 3n n=1
n3n
Para decidir la suma parcial necesaria para obtener un determinado error, podemos
utilizar, en principio, dos metodos.
Utilizando la expresi
on del resto de Lagrange, el error sera:
(2/3)n+1
= n+1 ,
c (n + 1)
1 1
en donde 3 < c < 1. Por lo tanto, c < 3 y de ah deducimos que:
(2/3)n+1 (2/3)n+1 3n+1 2n+1
= n+1 < =
c (n + 1) n+1 n+1
La expresi
on de la derecha es creciente en n, por lo que no es posible hacerla
tan pequena como queramos. Por lo tanto, no podemos usar el resto de La-
grange para determinar la suma parcial adecuada. Esto ocurrira siempre que
evaluemos la serie del logaritmo en un n umero entre 0 y 12 , por lo que este
metodo solo lo podremos utilizar para calcular log a si 21 < a < 2.
Podemos utilizar la proposicion 4.2.34 (pagina 241), dado que el criterio del
cociente permite concluir la convergencia de la serie. En este caso
an+1 2n+1 n3n 2n
= n+1 n
=
an (n + 1)3 2 3(n + 1)
2n 2n 2
es creciente y por lo tanto lm = para todo n, por lo
3(n + 1) 3(n + 1) 3
que, para cada N :
2N +1
(N +1)3N +1 2N +1
Error = log 3 SN < =
1 32 (N + 1)3N
Por lo tanto, si N 14 conseguimos que este error sea menor que 12 103 .
14
2n 26289603908
2
X
log 3 = 1.098202
n=1
n3n 23938759845
Funci
on Seno.
x3 x5 x2n+1 x2n+2
sen x = x + + + (1)n + (1)n+1 (sen c)
3! 5! (2n + 1)! (2n + 2)!
siendo c un n
umero entre 0 y x. La correspondiente serie de Taylor representa a la
funci
on en todo su dominio, R:
X x2n+1
sen x = (1)n
n=0
(2n + 1)!
En la figura de la pagina 254, podemos ver las graficas de la funcion seno y de
algunos de sus polinomios de Taylor. Vemos que, igual que ocurre con la funcion ex-
ponencial, la convergencia de la serie es muy rapida, es decir, con pocos sumandos
conseguimos unas aproximaciones muy buenas en entornos de 0 bastante amplios.
Y
f (x) = sin x
T1 (x) = x
Y
f (x) = sin x
x3 x5
T5 (x) = x +
3! 5!
Y
f (x) = sin x
x3 x5 x7 x9 x11 x13
T13 (x) = x + + +
3! 5! 7! 9! 11! 13!
E.T.S.I.Informatica
4.2. Series numericas. 255
Funci
on Coseno.
x2 x4 x2n x2n+1
cos x = 1 + + + (1)n + (1)n+1 (sen c)
2! 4! (2n)! (2n + 1)!
siendo c un n
umero entre 0 y x. Ademas, la serie de Taylor representa a la funcion
coseno en todo su dominio:
X x2n
cos x = (1)n
n=0
(2n)!
La serie es alternada, por lo que el corolario del criterio de Leibniz nos ayuda a esti-
mar el error dado por las sumas parciales. Sin embargo, este metodo no es muy bueno,
ya que nos hacen falta muchos sumandos para conseguir errores peque nos. La razon
es que estamos evaluando la serie en el extremo del campo de convergencia. 2
Y
/2
1 1
X
f (x) = arctan x x3
T3 (x) = x
3
/2
Y
/2
1 1
X
f (x) = arctan x x3 x5 x7
T7 (x) = x +
3 5 7
/2
Y
/2
1 1
X
f (x) = arctan x
/2
x3 x5 x7 x9 x11 x13
T13 (x) = x + + +
3 5 7 9 11 13
E.T.S.I.Informatica
Relaciones de ejercicios 257
Relaci
on de ejercicios 4.1
(1)n n 2n 1
an = , bn = , cn = , dn = sen
n n+1 n n
a) Calcule los primeros terminos de las sucesiones y deduzca intuitivamen-
te las caractersticas de las sucesiones (monotona, acotacion y conver-
gencia).
b) Estudie formalmente las propiedades de monotona, acotacion y conver-
gencia.
log(n5 7)
lm
5 log(3n 2)
a1 = 1
5. Consideremos la sucesi
on
a = 3a si n > 1
n n1
p(x) p(n)
lm = 0, lm =0
x ex en
E.T.S.I.Informatica
Relaciones de ejercicios 259
Relaci
on de ejercicios 4.2
P
1. Utilice el smbolo para expresar las siguientes sumas. Tenga en cuenta que
en los u
ltimos apartados, se indica cual debe ser el primer valor del ndice.
6 8 10 22
a) + + + +
21 31 41 10 1
b) 110 + 29 + 38 + + 101
X
c) 1 + 3 + 5 + + (2n 1) =
k=1
n n n X
d) + + + =
n+1 n+2 n + n k=3
2
X n +1
5. Sume la serie partiendo del mismo procedimiento usado para las
5n
n=1
series aritmetico-geometricas.
6. Determine cu
ales de las siguientes series son hipergeometricas y sume las que
sean convergentes utilizando el metodo descrito en el ejemplo 4.2.23 de la
p
agina 236.
X 1 X 1
a) 2
b)
n=2
4n 1 n=3
n2
7. Estudie el car
acter de las siguientes series:
n
X 3 n! X nn X 1
a) b) c) sen
n=1
nn n=1
(2n + 1)n n=1
n
X 1 X n X (1)n 2n
d) (1)n sen e) (1)n f) log
n=1
n n=1
log n n=1
n n1
X (n!)a
8. Estudie el car
acter de la serie en funcion del parametro a R.
n=1
(3n)!
X nn
9. Demuestre que la serie es convergente y encuentre la suma parcial
3n n! n=1
que aproxima su suma con un error menor que 103 .
X (1)n log n
10. Demuestre que la serie es convergente y encuentre la suma
n
n=1
parcial que aproxima su suma con un error menor que 103 .
Si an es una sucesi
on decreciente de terminos positivos, entonces las
X
X
series an y 2n a2n tienen el mismo car
acter.
n=1 n=1
E.T.S.I.Informatica
Relaciones de ejercicios 261
Relaci
on de ejercicios 4.3
Relaci
on de ejercicios 4.4
3n + 5 n2 3n 1
an = , bn = (3)n , cn = , dn =
n n! n+4
Para cada una de ellas, calcule los primeros terminos, analice intuitivamente
sus propiedades (monotona, acotacion y convergencia) y finalmente est
udielas
formalmente.
4. Justifique que las siguientes sucesiones son convergentes y calcule sus lmites
c1 = 2 d1 = a, 0 a 1
4
c = 2c d = a + (d 2
n n1 n n1 )
6. Utilice la caracterizaci
on secuencial para calcular los siguientes lmites:
(log n)2
a) lm n n2 + n, b) lm
n
7. Demuestre que para todo > 1, las sucesiones (n + 1) n y n1 son
infinitos equivalentes.
X (1)n1 (2n + 1)
8. Calcule la suma de simplificando la sucesion de sumas
n=1
n(n + 1)
parciales.
9. Estudie el car
acter y sume si es posible las siguientes series:
n n+3
X 3 + 4n X 2 X (1)n
a) b) c)
n=0
5n n=1
3n n=0
5n
X 2 + 4 + 8 + + 2n
10. Sume la serie
n=3
3n
log a1n
` = lm ,
log n
entonces: Si ` < 1 la serie diverge y si ` > 1 la serie converge.
E.T.S.I.Informatica
Relaciones de ejercicios 265
14. Aplique infinitos equivalentes para encontrar series p-armonicas con el mismo
car
acter que las siguientes y deduzca su caracter:
2
X n 5n + 8 X 4n2 + 5n 3
a) b)
n=1
n2 n=2
2 3n5
(log x)2
17. a) Calcule el lmite lm
x+ x
(log x)k
b) Demuestre por induccion sobre k N que lm =0
x+ x
X 1
c) Determine el car
acter de en funcion de k N
n=2
(log n)k
X 1
d ) Determine el car
acter de
n=2
(log n)n
22. a) Calcule e con un error menor que 108 . Cuantas cifras decimales de esta
aproximacion son exactas?
b) Calcule sen 1 con un error menor que 104 .
c) Calcule log 10 5 con un error menor que 104 .
23. Para f (x) = x2 cos x, hallar f ( 7/8) con un error menor que 104 .
E.T.S.I.Informatica