Tema 4

TEMA 4
Sucesiones y series num

ericas
Contenido:
Leccio n 4.1: Sucesiones. Estudio de las propiedades de una sucesion. Suce-

siones recursivas. Lmites de sucesiones. Infinitesimos e infinitos equivalentes.
Leccio n 4.2: Series numericas. Suma de series. Criterios de convergencia.

Series de potencias. Series de Taylor. Evaluacion aproximada de funciones
elementales.
Prerrequisitos: Manipulaci on de expresiones y propiedades de las funciones ele-

mentales. Concepto de lmite de una funcion y calculo de lmites (regla de LHopital).
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.
Saber calcular lmites de sucesiones que se puedan resolver mediante opera-

ciones algebraicas, utilizando el n
umero e y equivalencia de infinitesimos e
infinitos.
Saber estudiar la convergencia de sucesiones recursivas.
Reconocer y sumar algunos tipos de series numericas, como geometricas (me-

diante f
ormula), aritmetico-geometricas, hipergeometricas,. . . Tambien se su-
maran aquellas que se puedan sumar calculando el lmite de la sucesion de
sumas parciales utilizando las tecnicas aprendidas en este tema.
Saber estudiar el car

acter de una serie usando los siguientes criterios: del co-
ciente, comparaci
on por paso al lmite, convergencia absoluta y Leibniz.
Ingeniera Inform
atica. C
alculo para la computacion 207
208 Calculo para la computacion
Saber interpretar y aplicar criterios de convergencia que se indiquen explcita-

mente.
Saber hallar el campo de convergencia de series de potencias utilizando los

criterios de convergencia de series numericas.
Saber el polinomio y la serie de Taylor de las funciones exponencial, logaritmo

neperiano, seno y arco tangente y usarlas para sumar otras series.
Saber utilizar el resto de Lagrange para aproximar las funciones exponencial,

logaritmo neperiano y seno.
Saber utilizar las propiedades algebraicas, de derivacion e integracion para

sumar series de potencias a partir de la serie geometrica.
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.
Para simplificar, cuando hablamos de sucesiones de forma general, suponemos

que n 0, sin embargo, en ejemplos concretos, puede ser necesario considerar que
los valores de la variable n empiezan en un valor mayor. Por ejemplo, la sucesion
1
an =
n1
tiene sentido para n 2.
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
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
Grados en Ingeniera Inform

atica, del Software y de Computadores
n
1 + 2 + 3 + + n 1 X
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
Como vemos, para determinar un termino de la sucesion, debemos conocer los

anteriores. Los terminos de esta sucesion son
1, 3, 6, 10, 15, 21, 28, . . .
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.
En las definiciones recursivas, podemos utilizar mas de un elemento previo de

la sucesi
on. La siguiente sucesion, conocida como sucesion de Fibonacci, define
cada termino a partir de los dos inmediatamente anteriores.

a1 = a2 = 1
a = a
n n1 + an2 si n > 2
on son {1, 1, 2, 3, 5, 8, 13, 21, . . . } y su termino ge-

Los terminos de esta sucesi
neral es n n
1 1+ 5 1 1 5
an = ;
5 2 5 2
E.T.S.I.Informatica
la demostracion de esta igualdad queda fuera de los contenidos de este curso,

aunque s ser
a abordada en la asignatura de Matem atica Discreta.
n 4.1.3 Sea an una sucesi

Definicio on de n
umeros reales:
1. Decimos que an es creciente si an an+1 para todo n.
2. Decimos que an es decreciente si an an+1 para todo n.
Tambien hablaremos de sucesiones estrictamente crecientes o decrecientes si las

desigualdades de las definiciones anteriores son estrictas, es decir, < y > respecti-
vamente. En general, decimos que una sucesion es mon otona si es creciente o decre-
ciente. Para estudiar la monotona de una sucesion, podemos utilizar los siguientes
metodos
Utilizar las propiedades de la relacion de orden para transformar la desigual-

dad n < n + 1 en otra que relacione an con an+1 .
Comparar 0 con la diferencia an+1 an

an+1
Comparar 1 con el cociente
an
Inducci
on, en caso de funciones definidas recursivamente.
Utilizar la caracterizaci
on de la monotona de una funcion usando su derivada
(teorema 1.1.15, pagina 17) y la siguiente propiedad
on creciente en [N, ), entonces an = f (n) es una

Si f es una funci
on creciente para n N .
sucesi
Usaremos uno u otro metodo dependiendo de la definicion concreta de la sucesion.
Ejemplo 4.1.4 Vamos a analizar la monotona de algunas sucesiones.
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
2. La sucesion bn = (1)n no es monotona: mientras que b1 = 1 < b2 = 1, se

verifica que b2 = 1 > b3 = 1.

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
Ordenar los factores y terminos de f 0 (x) ha sido la parte complicada del

2
proceso. Si x > 2.88, entonces x log 2 2 > 0, y ademas 2x > 0 y
log 2
x3 > 0, y en consecuencia f 0 (x) > 0. Por lo tanto, f es estrictamente creciente
en [3, +) y cn lo es si n 3. 2
Definicio n 4.1.5 Decimos que una sucesi

on an est
a acotada si existe un n
umero
real M tal que |an | M .
on, M es una cota superior de la sucesion y M es una

Siguiendo esta definici
cota inferior. Normalmente, determinaremos estas cotas por separado y hablaremos
de sucesiones acotadas superiormente o inferiormente.
E.T.S.I.Informatica
`+
`
`
N
1 2 3 4 5 ... N ...
Figura 4.1: Si lm an = ` entonces para n N los terminos de la sucesion distan

de ` menos de .
Ejemplo 4.1.6
1
1. La sucesi
on an = esta acotada, ya que trivialmente an > 0 y an 1.
n+1
on bn = (1)n esta acotada, ya que |(1)n | = 1.

2. La sucesi
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
4.1.1. Lmites de sucesiones.
Las sucesiones se utilizan para describir la forma en la que nos acercamos o

aproximamos a un n umero real que sea solucion de un determinado problema. La
nocion de acercamiento o aproximacion se formaliza con los conceptos de lmite y
convergencia.
Definicio n 4.1.7 Decimos que ` R es el lmite de la sucesi

on an si para todo
> 0, existe un numero natural N tal que |an `| < para todo n N (vease la
figura 4.1). En tal caso escribimos lm an = ` y decimos que an es convergente y
converge a `.
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

resultado que relaciona lmites de sucesiones y lmites de funciones; en el enunciado,

utilizamos el conjunto R = R {, +}, que se denomina R ampliado.
Teorema 4.1.8 Sean an , bn son dos sucesiones convergentes tales que an < bn .
Entonces lm an lm bn .
Corolario 4.1.9 (Teorema de Compresio n)

1. Sean an , bn y cn tres sucesiones tales que an cn bn , lm an = lm bn = `,
en donde ` R; entonces, lm cn = `.
2. Sea an una sucesi

on convergente a 0 y bn una sucesi
on acotada; entonces,
lm an bn = 0.
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
Teorema 4.1.11 (Caracterizacio n secuencial) Sean a, ` R.

lm f (x) = ` R si y solo si: para toda sucesi
on {xn } D, con xn 6= a para todo n,
xa
y lm xn = a, se verifica que lm f (xn ) = `.
Si trabajamos con funciones continuas, entonces podemos sustituir ` por f (a)

en el teorema. Este resultado tiene importantes consecuencias practicas respecto
del calculo de lmites, usado conjuntamente con la propiedad de continuidad de las
funciones definidas en terminos de funciones elementales.
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
Ejemplo 4.1.13 Tambien podemos usar la caracterizacion secuencial para demos-

trar que una funci on no tiene lmite en alg
un punto. Por ejemplo, la funcion sen x
no tiene lmite en +, es decir, lm sen x no existe. Para probar esto, tomamos
x+
dos sucesiones divergentes a +,

xn = 2n, yn = + 2n,
2
y dado que
lm sen xn = lm 0 = 0 6= 1 = lm 1 = lm sen yn ,
podemos concluir que la funci

on sen x no tiene lmite en +. 2
E.T.S.I.Informatica
Otra importante consecuencia de la caracterizacion secuencial es que podemos

deducir lmites de sucesiones a partir de lmites de funciones calculados con tecnicas
especficas, como la regla de LHopital.
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
Si tomamos xn = n, se verifica que lm xn = lm n = + y por la caracterizacion

log n
secuencial, sustituyendo x por xn = n, obtenemos que lm = 0. 2
n
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)
Si tomamos xn = n, se verifica que lm xn = lm n = + y por la caracterizacion

n
secuencial obtenemos que lm n = 0.
2
En general, podemos utilizar el mismo procedimiento, aplicando la regla de
LHopital tantas veces como sea necesario para demostrar que
p(n)
lm =0
an
para cualquier polinomio p(n) y cualquier n
umero real a > 1. 2
Observese que en los ejemplos anteriores, no se ha aplicado la regla de LHopital

en el lmite de sucesiones sino en un lmite de funciones. Es decir, cambiar la n por
x no es un simple cambio de letra, sino que pasamos a considerar la expresion como
funci
on en lugar de como sucesion.
Para trabajar con las expresiones del tipo abnn es conveniente utilizar la igualdad
abnn = exp(bn log an )
De esta forma, la caracterizaci on secuencial del lmite de funciones permitira calcular

b
el lmite de an a partir del lmite de bn log an .
n

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

Sin embargo, podemos calcular el lmite de la sucesion que ha quedado dentro de la

funcion exponencial como hemos visto en el ejemplo 4.1.14 y completar el calculo:

1

log n
lm n
n = lm exp log n = exp(lm ) = e0 = 1 2
n n
Recordamos a continuaci on la relacion entre las propiedades de convergencia,

monotona y acotacion. En primer lugar, no es difcil deducir que toda sucesion
convergente esta acotada, pero no es cierto que, en general, las sucesiones acotadas
sean convergentes. En el primer tema, enunciamos el teorema 1.3.1 (pagina 28)
que estableca la propiedad que distingue al conjunto de los n umeros reales del
de los n
umeros racionales: toda sucesi on mon onota y acotada de n umeros reales
es convergente. A lo largo del tema, iremos viendo distintas consecuencias de esta
propiedad que extendemos y detallamos en el siguiente resultado.
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 +.
on decreciente y no acotada inferiormente diverge a .

Toda sucesi
Ejemplo 4.1.18 La sucesi

on
n
1

an = 1 +
n
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
Ejemplo 4.1.19 Consideramos la sucesion an definida recursivamente por

a0 = 2

an 1
an+1 =
+ si n0
2 an
Vamos a demostrar que an es decreciente, acotada inferiormente y que su lmite

es 2. En primer lugar, demostramos por induccion que la sucesion esta acotada
inferiormente por 1 y superiormente por 2:
(i) 2 a0 = 2 > 1.
E.T.S.I.Informatica
(ii) Supongamos que 1 ak 2 y demostremos la desigualdad para ak+1 :

1 1
Aplicando el inverso a la desigualdad de la hipotesis de induccion: 1;
2 ak
1 ak
dividiendo por 2 la desigualdad de la hipotesis de induccion: 1;
2 2
ak 1
sumando termino a termino las dos desigualdades anteriores: 1 + 2,
2 ak
o lo que es lo mismo: 1 ak+1 2, que es lo que queramos demostrar.
Por lo tanto, por el principio de induccion, 1 an 2 para todo n.
Para demostrar el decrecimento de la sucesion, observamos en primer lugar que
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
La desigualdad () es consecuencia de que x2 + y 2 2xy para todo x, y R, ya que
(x y)2 0
x2 2xy + y 2 0
x2 + y 2 2xy
Por lo tanto, la sucesi

on an es decreciente y acotada y en consecuencia es convergente.
Supongamos que ` = lm an ; entonces an+1 tambien converge a ` y por lo tanto:
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
Hemos presentado el conjunto de los n umeros reales como un cuerpo ordenado

con la propiedad de que toda sucesi on monotona y acotada es convergente. Esta
propiedad se conoce como completitud, y el cuerpo de los reales es el u nico cuerpo
que la tiene. Por lo tanto, esta es la propiedad que permite construir o describir a los
n
umeros reales; concretamente, podemos establecer un propiedad un poco mas fuerte
y que es la que realmente usamos: todo n umero real puede ser construido como lmite
de una sucesion (mon otona) de n umeros racionales. Por ejemplo, hemos definido el
umero e como lmite de la sucesion (1 + 1/n)n .
n

La representacion decimal de los n

umeros, no es mas que una forma de definir
una sucesi
on de n umeros racionales cuyo lmite es el n
umero deseado. Por ejemplo,
si dividimos 1 entre 3, vamos generando una sucesion que sabemos convergente a 1/3:
1
0.3, 0.33, 0.333, 0.3333,
3
Algoritmos como el de la raz cuadrada, tienen el mismo objetivo, generando dgito
a dgito obtenemos la sucesi
on que converge a la raz. Sin embargo, en general, no
es posible describir f
acilmente la sucesion de dgitos.
En general, un metodo numerico es un metodo para resolver un problema cuya

solucion consiste en dar uno o varios n umeros. Por ejemplo, un metodo numerico
para calcular una aproximaci on de la derivada f 0 (x) sera calcular f (x+h), f (xh),
para un n umero h peque no y tomar
f (x + h) f (x h)
f 0 (x)
2h
Normalmente, querremos aproximar una solucion a un problema dentro de un

grado de precisi
on o tolerancia. El primer paso sera encontrar un metodo numerico
para determinar esa soluci
on y despues describir un algoritmo basado en este metodo,
es decir, una secuencia finita de pasos necesarios para obtener la solucion deseada
con el grado de precisi
on deseado.
Habitualmente, los metodos numericos describen sucesiones numericas conver-

gentes a la solucion deseada y el algoritmo consistira en obtener terminos de esta
sucesion hasta lograr la precisi
on deseada.
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 .
M etodo de las bisecciones. El metodo mas simple se deduce de un importante

resultado sobre funciones continuas:
E.T.S.I.Informatica
Teorema 4.1.20 (de Bolzano) Si f es una funci on continua en el intervalo [a, b]

y f (a)f (b) < 0, entonces existe c (a, b) tal que f (c) = 0.
Este resultado se traduce en la caracterstica grafica mas importante de las fun-

ciones continuas: su grafo, en un intervalo, se puede trazar sin levantar el bolgrafo.
El metodo de las bisecciones comienza localizando dos puntos sobre los cuales la fun-
cion tome signos distintos y que por lo tanto nos dan una cota superior e inferior de
la raz; si tomamos despues el punto medio, la funcion tomara en el un signo positivo
o negativo y lo podremos utilizar para mejorar la cota superior o inferior de la raz.
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
Ejemplo 4.1.21 Vamos a construir los terminos de la sucesion rn definida ante-

riormente hasta conseguir aproximar una solucion de
x2 2 = 0
con un error menor 12 102 . Consideramos la funcion f (x) = x2 2; elegimos a = 1,

b = 2, ya que f (1) = 1 < 0 y f (2) = 2 > 0. De esta forma, necesitaremos
determinar el termino r9 para conseguir el error deseado, ya que
ba 1 1
n1
= n1 < 2n1 > 200 n9
2 2 200


X
a2 a1 a0
Figura 4.2: Representacion grafica del metodo de Newton.
Los 10 primeros terminos de la sucesion son:
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
M etodo de Newton. El metodo de las bisecciones no es computacionalmente

eficiente, es decir, son necesarios muchos terminos de la sucesion para conseguir
una buena precisi on. El metodo de Newton que presentamos ahora construye una
sucesion que, si es convergente, converge mas rapidamente a la raz de la funcion
dada.
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
an de la sucesion, para construir el siguiente termino, trazamos la recta tangente en

el punto (an , f (an )),
y f (an ) = f 0 (an )(x an ); (4.3)
el siguiente elemento de la sucesion es la abscisa del punto de corte de esta recta con
el eje OX; por lo tanto, si hacemos y = 0 en (4.3), entonces x = an+1 , y podemos
despejar an+1 para obtener la definicion recursiva de an :
f (an )
an+1 = an (4.4)
f 0 (an )
Ejemplo 4.1.22 Para determinar una solucion de la ecuacion x2 2 = 0, tomamos
on f (x) = x2 2.
la funci
f (x) = x2 2
f 0 (x) = 2x
a0 = 2
f (an ) a2n 2 an 1
an+1 = an 0
= an = + , n0
f (an ) 2an 2 an
Esta es la sucesi
on que estudiamos en el ejemplo 4.1.19 (pagina 216) y en el vimos que

efectivamente es convergente a 2. Sin embargo, en general la sucesion (4.4) puede
no ser convergente para algunas elecciones de a0 ; ademas, determinados valores
podran conducir a una sucesi on mal definida si, tras N iteraciones, f 0 (aN ) = 0.
En la practica, mediante el metodo de las bisecciones, buscaremos un intervalo [a, b]
que contenga el cero y lo suficientemente peque no para que tanto f 0 como f 00 sean
monotonas; en tal caso, la sucesion s es convergente y el error dado por un termino
de la sucesion est
a acotado como sigue

f (a )
n
|an | <

m
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
Una de las aplicaciones del c

alculo de lmites es el estudio de la equivalencia de
funciones y sucesiones convergentes a 0 o a infinito.
n 4.1.23 Dos funciones f y g son equivalentes en a si

Definicio
f (x)
lm = 1;
xa g(x)
as brevemente como f (x) g(x) en x = a.
y lo escribimos m
La equivalencia de funciones es realmente importante en los casos en que las dos

funciones converge a 0 o divergen a , ya que en ellos la definicion de equivalencia
da indeterminaciones del tipo 00 y
respectivamente.
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.
on f (x) es un infinito en a si lm f (x) = .

2. Decimos que la funci
xa
Ejemplo 4.1.25 Para ver que sen x y x son dos infinitesimos equivalentes necesi-
tamos comprobar que
1. efectivamente son infinitesimos:
lm sen x = 0 y lm x = 0;
x0 x0
2. y que son equivalentes:

sen x (L0 H) cos x
lm = lm = 1. 2
x0 x x0 1
Ejemplo 4.1.26 Las funciones polinomicas son infinitos en + y y son equi-

valentes al monomio de mayor grado:
an xn + + a1 x + a0 an1 a1 a0

lm n
= lm 1 + + + n1 + n =1 2
x+ an x x+ x x x
En el teorema siguiente vemos como se puede utilizar la equivalencia de funciones

en el calculo de lmites de funciones.
Teorema 4.1.27 Sean f y g dos infinitesimos (resp. infinitos) equivalentes en a y

h(x) otra funci on definida en un entorno de a. Entonces: lm f (x)h(x) existe si y
xa
solo si lm g(x)h(x) existe, y en tal caso coinciden.
xa
Este teorema justifica la tecnica que se conoce como sustitucion de infinitesimos o

infinitos equivalentes ya que, en la practica, las equivalencias dadas en el enunciado,
se convierten en igualdades, de forma que, en las condiciones del teorema, escribimos:
lm h(x)f (x) = lm h(x)g(x)

xa xa
E.T.S.I.Informatica
Los infinitesimos e infinitos tambien pueden sustituirse si aparecen dividiendo al

resto de la funcion y en general tendramos que, en las condiciones del teorema
anterior, y para cualquier R:
h(x) h(x)
lm
= lm
xa (f (x)) xa (g(x))
No podemos sustituir infinitesimos o infinitos en cualquier situacion y, en particular,

no se pueden sustituir si aparecen como sumando.
Ejemplo 4.1.28 Demostramos a continuacion las equivalencias mas importantes;

en el primero, usamos una equivalencia de infinitesimos y en el resto, usamos el
teorema de LHopital.
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
El siguiente resultado nos permite construir otras equivalencias a partir de las

demostradas en el ejemplo anterior.
Teorema 4.1.29 Sean f y g dos infinitesimos (resp. infinitos) equivalentes en a y

sea h(x) continua en b y tal que h(b) = a. Entonces, f h y g h son infinitesimos
(resp. infinitos) equivalentes en b.
En este enunciado, queda implcito que las composiciones se pueden realizar en un

entorno de b.

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
Ejemplo 4.1.31 La continuidad de la funcion exponencial y la propiedad de susti-

tucion de infinitesimos, nos permite deducir la siguiente regla para la resolucion de
indeterminaciones del tipo (1 ). Si lm f (x) = 1 y lm g(x) = , entonces
xa xa
lm f (x)g(x) = lm exp(g(x) log f (x)) = lm exp(g(x)(f (x) 1)) =

xa xa xa

= exp lm g(x)(f (x) 1) 2
xa
Igual que para funciones, tambien podemos introducir la nocion de equivalencia

de infinitesimos e infinitos en sucesiones. Estas equivalencias son una herramienta
muy u til para el c
alculo de lmites y para el estudio de series numericas que veremos
en la leccion siguiente.
n 4.1.32
Definicio
an
1. Dos sucesiones an y bn , son equivalentes si lm = 1.
bn
on an es un infinitesimo si lm an = 0 y an 6= 0 para todo n N .
2. La sucesi
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.
Por ejemplo, la equivalencia

1 1
sen
n n
es valida, ya que lm 1/n = 0.
E.T.S.I.Informatica
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
Aunque habitualmente utilizamos las equivalencias para sustituir funciones ar-

bitrarias por polinomios, en algunos ocasiones puede que necesitemos introducir otro
tipo de funciones cuyas propiedades faciliten mejor las simplificaciones posteriores.
Este es el caso de la funcion logaritmo, que puede ayudar a eliminar exponentes.
Vamos a utilizar esta idea en el siguiente ejemplo.
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
Estamos acostumbrados a sumar una cantidad finita de n umeros (dos numeros,

tres, cuatro,. . . ) pero es posible sumar un conjunto infinito de n
umeros? La intuicion
nos puede jugar una mala pasada, haciendonos pensar que al sumar infinitos
n
umeros se obtendr a infinito. Y, aunque en algunas ocasiones sea as, tambien es
posible que el resultado de sumar infinitos n umeros sea un n umero real.
Por ejemplo, supongamos que nos colocamos a un metro de distancia a un deter-

minado punto y que nos acercamos a el dando pasos de la siguiente forma: cada paso
tiene como longitud exactamente la mitad de la distancia que nos separa del destino.
Si fueramos capaces de dar pasos tan peque
nos, esta claro que nunca llegaramos a
nuestro objetivo, es decir, por muchos pasos que demos, como mucho recorreramos
1 metro. Si pudiesemos dar pasos indefinidamente, la distancia recorrida sera
1 1 1 1
+ + + + n +
2 4 8 2
y esta suma infinita valdra exactamente 1.
Adem as de formalizar la nocion de suma infinita, en esta leccion nos vamos a

plantear dos cuestiones. Por un lado, vamos a estudiar condiciones que debe cumplir
una sucesi on de n
umeros para poder afirmar que puede ser sumada; por otra parte,
en aquellos casos en los que podamos obtener la suma, estudiaremos si es posible
hallar el valor exacto o, en caso contrario, como aproximarla.
Empezamos con una secci on en la que repasamos algunas propiedades del ope-
rador sumatorio, que utilizaremos en el resto del tema.
4.2.1. Operador sumatorio

X
El operador o sumatorio se utiliza para expresar sumas con un cantidad
variable de sumandos:
n
X
f (k) = f (m) + f (m + 1) + + f (n)
k=m
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
2. Obtenemos un ejemplo curioso, pero bastante frecuente, cuando el ndice no

10
X
aparece en la expresi
on del sumatorio, por ejemplo, 2: esta expresion tiene
k=1
10 sumandos, pero ninguno depende de k, todos valen 2, y por lo tanto:
10
X
2 = 2 + 2 + 2 + 2 + 2 + 2 + 2 + 2 + 2 + 2 = 10 2
k=1
3. Un sumatorio no es m as que una suma, y por lo tanto le podemos aplicar las

propiedades de esta operacion. Por ejemplo, la siguiente igualdad no es mas
que la aplicaci
on de la propiedad asociativa:
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. De la misma forma, si la expresion que hay dentro del sumatorio es tambien

una suma, las propiedades de asociatividad y conmutatividad nos permitiran
manipulaciones como la mostrada en el siguiente ejemplo:
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)
Usaremos la igualdad anterior de derecha a izquierda para unificar la suma de

dos sumatorios. En tal caso, tendremos que asegurarnos de que el rango del
ndice es el mismo en los dos; una forma de conseguir esto, es apartando los
sumandos que sea necesario:
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

5. Otra propiedad asociada a la suma es la distributividad, que tambien admite

una formulaci
on muy util en combinacion con los sumatorios.
5
X 5
X
2k = 2 k
k=1 k=1
2 1 + 2 2 + 2 3 + 2 4 + 2 5 = 2 (1 + 2 + 3 + 4 + 5) 2
Debemos asegurarnos de que todas las transformaciones que realicemos esten

respaldadas por las propiedades de la suma y el producto, tal y como hemos hecho
en los apartados del ejemplo anterior. En el ejemplo siguiente recogemos algunos
errores bastante frecuentes en la manipulacion de sumatorios.
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
2. Hemos visto anteriormente que gracias a la propiedad distributiva podemos

sacar un factor com
un a todos los sumandos del sumatorio. Sin embargo:
5 5
!
X X
k(k + 1) 6= k (k + 1)
k=1 k=1
La variable k toma un valor distinto en cada sumando y por lo tanto no se

puede considerar comun a todos ellos. Debemos pensar siempre que la variable
que funciona como ndice solo tiene sentido dentro del sumatorio. 2
Para poder simplificar correctamente expresiones que involucran sumatorios, es

conveniente saber modificar su ndice. Recordemos que el ndice sirve para gene-
rar una secuencia de numeros naturales consecutivos; por ejemplo, en el sumatorio
10
X
f (k), el ndice k genera la lista 1, 2, 3, . . . , 10. Sin embargo, esta misma lista de
k=1
numeros la podemos generar de otras formas, tal y como ilustramos en el ejemplo
siguiente.
Ejemplo 4.2.3 Consideremos la siguiente suma, en la cual f puede ser cualquier

funcion.
S = f (1) + f (2) + f (3) + f (4) + f (5) + f (6) + f (7) + f (8) + f (9) + f (10)
Las siguientes expresiones describen esa misma suma:

10
X 9
X 11
X 9
X
S= f (k) = f (k + 1) = f (k 1) = f (10 k)
k=1 k=0 k=2 k=0
E.T.S.I.Informatica
Partiendo de la primera, obtenemos las siguientes sustituyendo la variable k por otra

expresion que tambien genere la misma secuencia de n umeros naturales consecuti-
vos (creciente o decreciente), modificando adecuadamente el valor inicial y final del
ndice. 2
Veamos un ultimo ejemplo en el que utilizamos las propiedades anteriores para

evaluar un sumatorio.
Ejemplo 4.2.4 Vamos a calcular la suma de los n primeros n

umeros naturales, es
decir, vamos a evaluar la suma
n
X
S= k = 1 + 2 + + (n 1) + n
k=1
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
En primer lugar, cambiamos el orden de los sumandos del segundo sumatorio y lo

hacemos con el siguiente cambio de ndices: k (n + 1 k).
n n n n
! !
1 X X 1 X X
S= k+ k = k+ (n + 1 k)
2 k=1 k=1
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
Tras simplificar la expresi

on del sumatorio, obtenemos otra independiente del ndice
cuya suma es igual a la expresion por el n
umero de sumandos.
n n
! !
1 1 1
2
X X
S= (k + (n + 1 k)) = (n + 1) = n(n + 1)
2 k=1
2 k=1
2

4.2.2. Series num

ericas
n 4.2.5 Sea an una sucesi

Definicio on de n
umeros reales.
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
2. El numero an se denomina termino n-esimo de la serie y el n

umero Sn es la
n-esima suma parcial de la serie.
3. Denominaremos suma de la serie al lmite, si existe, de la sucesi

on de sumas
parciales y escribiremos

X
an = lm Sn
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.
4. La convergencia o divergencia de una serie se denomina caracter de la serie.
En la definicion anterior hemos considerado que el primer elemento de la suma

es a1 ; esto lo hacemos por simplicidad, pero en la practica podremos iniciar la
suma en cualquier termino de la sucesion. En estos casos, debemos entender que
suma parcial Sn es la suma hasta el termino an . Por otra parte, el sumando inicial
repercute en el valor de la suma, pero como veremos mas adelante, no influye en el
caracter de la serie.

X 1
Ejemplo 4.2.6 La serie es convergente. Vamos a calcular su suma
n=1
n(n + 1)
utilizando la descomposici
on en funciones racionales simples que aprendimos en el
primer tema:

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
Aparentemente, se simplifican todos los sumandos excepto log 2, por lo que

podramos concluir que esta es la suma de la serie. Ese resultado no es correcto, tal
y como podemos comprobar si escribimos correctamente la suma parcial:

X n+1 X
log = (log(n + 1) log n) = lm Sn =
n=2
n n=2
= lm(
log
3 log 2) + (
log
4
log
log
3) + ( 5
log
4)+
+ + (log(n + 1)
log
n) =

= lm log 2 + log(n + 1) = + 2
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
No es difcil observar que todas las series geometricas se pueden escribir de la

siguiente forma:

X
arn = a + ar + ar2 + + arn + . . . ,
n=0

en donde a 6= 0 coincide con el primer sumando.
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
La igualdad que aparece debajo de la lnea se obtiene sumando miembro a miembro

las dos anteriores. La misma igualdad se puede obtener trabajando con el operador
sumatorio y sus propiedades, tal y como hemos visto en la seccion anterior.
n
X n
X n
X n
X
k k k
Sn r Sn = ar r ar = ar ark+1 =
k=0 k=0 k=0 k=0
n
X n+1
X n
X n
X
= ark ark = a + ark ark arn+1 = a arn+1
k=0 k=1 k=1 k=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
Ejemplo 4.2.10 Estudiamos las siguientes series geometricas

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
Proposicio n 4.2.11 Si la sucesi

on bn se obtiene a partir de la sucesi
on an a
nadien-
do, eliminando o modificando un conjunto finito de terminos, entonces las series
asociadas tienen el mismo car acter.
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
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.
La demostraci on de esta propiedad se basa en la siguiente relacion entre el

termino n-esimo de la serie y la sucesion de sumas parciales:
Sn = Sn1 + an
Si Sn es convergente, Sn1 es convergente y tiene el mismo lmite; por lo tanto,

necesariamente lm an = 0.
El resultado anterior se denomina condici on necesaria de convergencia por que

establece que es necesario que la sucesion converja a 0 para que sea sumable. Sin
embargo, esta condicion no es suficiente. Por ejemplo, la sucesion an = log n+1
n no
es sumable, tal y como vimos en el ejemplo 4.2.7, y sin embargo
n+1
lm log= log 1 = 0
n
Por esta razon, la condici
on necesaria se utiliza como metodo de refutacion en el
estudio de la convergencia de una serie.

X
Corolario 4.2.14 Si lm an 6= 0, entonces an es divergente.
n=1
Ejemplo 4.2.15 Aplicando la condicion necesaria, deducimos la divergencia de la

n n
2
X
serie , pues lm = 1 6= 0.
n=1
n+1 n+1
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.

Teorema 4.2.16 (Series p-armo nicas) Si p > 1, la serie p-arm

onica converge y
si p 1, la serie p-arm
onica diverge.
Por lo general, no es sencillo obtener la suma de las series p-armonicas convergen-

tes, y los metodos que permiten sumar algunas de ellas quedan fuera de los objetivos
de este curso. Sin embargo, s veremos mas adelante, resultados que nos permiten
probar el resultado anterior.

1 1
X
Ejemplo 4.2.17 La serie + n es divergente. Para demostrarlo, vamos a
n=1
n 2
razonar por reducci
on al absurdo.

1 1
X
Si la serie + fuera convergente, entonces, por el teorema 4.2.12, la
n=1
n 2n
siguiente serie tambien lo sera:

1 1 1 1
X X
+ n n = ,
n=1
n 2 2 n=1
n
Sin embargo, esto no es cierto, ya que esta en contradiccion con el teorema 4.2.16.2
El razonamiento realizado en el ejemplo anterior se puede generalizar facilmente

para demostrar el siguiente resultado

X
X
Corolario 4.2.18 Si an es convergente y bn es divergente, entonces la serie
n=1 n=1
X
(an + bn ) es divergente.
n=1
Terminamos esta secci

on introduciendo otros tipos de series facilmente sumables.
trica) Las series del tipo

tico-Geome
Teorema 4.2.19 (Serie Aritme

X
(an + b)rn , a 6= 0,
n=N
se denominan series aritmetico-geometricas y convergen si y solo si |r| < 1.
En el caso de que sean convergentes, las series aritmetico-geometricas se suman

aplicando un proceso similar al utilizado en las series geometricas. Concretamente,
repitiendo dos veces el mismo proceso para llegar a una expresion simplificada de Sn .

X n+3
Ejemplo 4.2.20 La serie n
es una serie aritmetico geometrica de razon 21 y,
n=0
2
por lo tanto, convergente. En este ejemplo, vamos a utilizar las propiedades del ope-
rador sumatorio en lugar de los puntos suspensivos. En primer lugar, multiplicamos
la sucesi
on Sn por la raz
on de la serie aritmetico-geometrica.
n
X k+3
Sn =
k=0
2k
n n
1 1 k+3 X
X k+3
Sn = k
=
2 2 k=0 2 k=0
2k+1
E.T.S.I.Informatica
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
Cambiamos el ndice del segundo sumatorio para conseguir que el exponente de 2

dentro de cada sumatorio sea el mismo:
n
1 X k + 3 n+1
X k+2
Sn = k

2 k=0
2 k=1
2k
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
Tras simplificar, podemos despejar Sn , en cuya expresion quedara la suma parcial

de una serie geometrica, cuyo lmite ya sabemos calcular:
n
1 n+3 X 1
Sn = 3 n+1 +
2 2 k=1
2k
n
n+3 X 1
Sn = 6 n
+ 2
2 k=1
2k

X n+3 n+3 X 1
= lm Sn = 6 lm n + 2 =60+2=8
n=0
2n 2 k=1
2 k
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 +
En el caso de que sean convergentes, las series hipergeometricas se suman aplican-

do el siguiente proceso: (1) Escribimos por filas la igualdad ak+1 (k+) = ak (k+)
para k = 1, k = 2,. . . ,k = n; (2) sumamos todos los miembros derechos y todos los
miembros izquierdos; (3) operamos para obtener una expresion de Sn lo mas sim-
plificada posible para poder calcular su lmite. En el siguiente ejemplo utilizamos el
operador sumatorio para representar este proceso.


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
A continuacion, dividimos el sumatorio por la diferencia y cambiamos el ndice para

que las sucesiones que aparecen dentro del sumatorio tengan el mismo subndice.
n
X n
X
(k + 2)ak+1 kak = 0
k=1 k=1
n+1
X Xn
(k + 1)ak kak = 0
k=2 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)
4.2.3. Criterios de convergencia
Estudiar la convergencia de una serie utilizando las sumas parciales no siempre

sera sencillo y encontrar una expresion para las sumas parciales que permita calcular
su lmite es, en general, un problema bastante difcil. Por esta razon, el estudio de
las series se hara en dos etapas: en primer lugar, se estudiara solamente el caracter
de la serie; en segundo lugar, si la serie es convergente, afrontaremos el calculo de
su suma o bien aproximaremos su valor.
E.T.S.I.Informatica
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.
n 4.2.24 Si an es una sucesi

Proposicio on de terminos positivos, la sucesi
on de

X
sumas parciales asociada a ella es creciente y en consecuencia, la serie an es o
n=1
bien convergente o bien divergente a +.

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
1. Si ` > 0 ambas series tienen el mismo car

acter.


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.
Ejemplo 4.2.28 Veamos varios ejemplos:

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
El criterio de comparaci on por paso al lmite se utiliza frecuentemente para

eliminar expresiones despreciables en el termino general de una serie, antes de
aplicar otro criterio, con el fin de que los calculo sean mas sencillos.
3n 1
Ejemplo 4.2.29 En el denominador de la expresion el termino 5n+
2n
+ 5n + log n
n
log n es despreciable frente a 2 para valores grandes de n. Estas afirmaciones
3n 1
las comprobamos comparando la expresion con la original
2n
3n 1
2n + 5n + log n 5n log n

2 n
lm = lm = lm 1 + n + n =1
3n 1 2n 2 2
2n + 5n + log n
E.T.S.I.Informatica
Omitimos los detalles del calculo del u

ltimo lmite, que puede hacerse con la carac-
terizaci
on secuencial y la regla de LHopital. Aplicando el criterio de comparacion
por paso al lmite se deduce que las series

X 3n 1 X 3n 1
n
,
n=1
2 + 5n + log n n=1
2n

X 3n 1
tienen el mismo car
acter. Dado que es aritmetico-geometrica de razon 21 ,
n=1
2n

X 3n 1
es convergente y podemos afirmar que tambien es convergente.
n=1
2n + 5n + log n
2
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.
Corolario 4.2.30 Sean an y bn dos sucesiones positivas e infinitesimos equivalen-

X
X
tes; entonces las series an , bn tienen el mismo car
acter.
n=1 n=1
Es conveniente tener en cuenta que el criterio de comparacion solo permite con-

cluir que dos series tienen el mismo caracter, pero no establece ninguna relacion entre

X 1 X 1
las sumas. Por ejemplo, las series 2
y 2
tienen el mismo caracter,
n=1
n n=1
n +n
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.
La siguiente propiedad se deduce facilmente aplicando el criterio de comparacion

a las sucesiones an y 1/n, y es u
til para el calculo de algunos lmites y la suma de
algunas series.

X
Corolario 4.2.31 Sea an una serie de terminos positivos y convergente. En-
n=1
tonces, si existe, el lmite lm n an es igual a 0.
La demostraci on es inmediata usando reduccion al absurdo: si el lmite existiera

pero fuera distinto de cero,
an
0 6= lm nan = lm ,
1/n


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.
Ejemplo 4.2.32 Vamos a sumar la serie

X 1 3 5 (2n 3)
n=2
2n n!
Para ello, vamos a comprobar que es hipergeometrica y aplicaremos el metodo apren-

dido anteriormente en el ejemplo 4.2.23 de la pagina 236. La series es hipergeometri-
ca, ya que
((
(( 3)(2n 1)2n n!
an+1 1 3(
5( ( (2n
= (( (( =
an 2n+1 (n + 1)!( 1 (
3( 5( ( (2n
(( 3)
(2n 1)nn
2! 2n 1 n +

= n = = (4.7)
2
2(n + 1)
n
! 2n + 2 n +
Ademas, es convergente ya que
=2>1=21=+
Multiplicando en cruz en la igualdad (4.7), obtenemos (2n + 2)an+1 (2n 1)an = 0

para todo n y de ah:
n
X
(2k + 2)ak+1 (2k 1)ak = 0
k=2
Separamos el sumatorio por la diferencia y cambiamos el ndice para que el termino

de la sucesi
on que estamos sumando, y que aparecen dentro de los sumatorios, tengan
el mismo subndice.
n
X n
X
(2k + 2)ak+1 (2k 1)ak = 0
k=2 k=2
n+1
X Xn
2kak (2k 1)ak = 0
k=3 k=2
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
Dado que la serie es convergente, la sucesion Sn es convergente, y por lo tanto,

necesariamente (n + 1)an+1 = 12 (Sn 4a2 ) tambien es convergente; ademas, por el
corolario 4.2.31, lm(n + 1)an+1 = 0, lo que nos permite completar el calculo de la
suma de la serie.

X 1 3 5 (2n 3)
= lm Sn = lm 4a2 2(n + 1)an+1 = 4a2
n=2
2n n!

1 3 5 (2n 3) 1 1
2
X
= 4a2 = 4 =
n=2
2n n! 22 2 2
Los criterios que estudiamos en el resto de la seccion establecen condiciones sobre

el termino general para deducir su caracter.

X
Corolario 4.2.33 (Criterio del cociente) Sea an una serie de terminos
n=1
an+1
positivos y consideremos el lmite ` = lm ; entonces:
an
1. Si ` < 1 la serie converge.
2. Si ` > 1 la serie diverge.
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

error menor que 12 103 :
an+1 1/(n + 1)! 1

lm = lm = lm =0
an 1/n! n+1
Entonces, por el criterio del cociente, la serie es convergente. Ademas, dado que
an+1 1
= es decreciente, para todo N 1 y todo n N ,
an n+1
an+1 1 1
= < <1
an n+1 N +1
1
Entonces, para cada N podemos tomar r = en el lema 4.2.34; por lo tanto,
N +1
si S es la suma de la serie, Sn la sucesion de sumas parciales y N 1:
aN +1 1/(N + 1)! 1
S SN < = =
1r 1 N N!
1
N +1
Si queremos que este error sea menor que 12 103 , basta considerar N = 6:
6
X 1 X 1 1957
= 2.718
n=0
n! n=0
n! 720
Mas adelante, veremos que la suma de esta serie es el n

umero e y el valor aproximado
que nos da cualquier calculadora es 2.718281828. 2

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.
Vamos a aproximar su suma con un error menor 1 3

2 10 . Para aplicar el le-
an+1 n
ma 4.2.34, analizamos en primer lugar la monotona de xn = = :
an 2(n + 1)
xn+1 n+1 2(n + 1) 2(n + 1)2 2n2 + 4n + 2

= = = >1
xn 2(n + 2) n 2n(n + 2) 2n2 + 4n
an+1
Deducimos entonces que xn = es creciente; por lo tanto, para cada n 1
an
an+1 an+1 1
< lm = <1
an an 2
y podemos considerar r = 12 para cada N en el lema 4.2.34. Es decir, si S es la suma
de la serie y Sn la sucesi
on de sumas parciales:
1
aN +1 (N + 1)2N +1 1
S SN < = 1 =
1r 1 2 (N + 1)2N
E.T.S.I.Informatica
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
Teorema 4.2.38 Toda serie absolutamente convergente es convergente.
Una serie convergente que no sea absolutamente convergente se dice condicio-

nalmente convergente.

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.
Teorema 4.2.40 (Criterio de Leibniz) Si an > 0, lm an = 0 y an es decrecien-

X
te, entonces (1)n an es convergente.
n=1
La condicion lm an = 0 es necesaria para la convergencia de cualquier serie, el

criterio de Leibniz establece que es suficiente que an sea decreciente para que la serie
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
mientras que el valor aproximado de log 2 que nos da cualquier calculadora es

0.6931471805. 2
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.
1. Comprobar si es una serie conocida: geometrica, armonica, cociente de polino-

mios, . . .
2. Condici
on necesaria. Si el lmite es facil de calcular, esta es la primera com-
probaci
on que debe hacerse.
3. Si la serie es de terminos positivos, probaremos con el criterio del cociente.
4. Si la serie es de terminos positivos y el criterio del cociente no es concluyen-

tes, intentaremos buscar una serie conocida con la que poder compararla. La
equivalencia de infinitesimos y de infinitos nos ayudara a buscar estas series.
5. Si la serie es alternada, estudiaremos en primer lugar la convergencia absoluta,

utilizando los puntos anteriores. Si la serie no es absolutamente convergente
intentaremos aplicar el criterio de Leibniz.
El cociente an+1 /an . Como ya se habra comprobado, el estudio del cociente

an+1
es de gran utilidad al trabajar con series.
an
an+1
1. Si = r R (no depende de n) entonces la serie es una serie geometrica
an
de raz
on r.
E.T.S.I.Informatica
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.
Sucesiones decrecientes. Algunos resultados, como el criterio de Leibniz inclu-

yen, entre sus condiciones, el decrecimiento de una sucesion. Repasamos a conti-
nuaci
on los distintos metodos que hemos visto y utilizado para demostrar que una
sucesi
on es decreciente:
1. Si an an+1 > 0, entonces an es decreciente.

an+1
2. Si < 1, entonces an es decreciente.
an
3. Si f : [N, +) R es una funcion decreciente tal que f (n) = an para todo
n N , entonces an es una sucesion decreciente a partir de N (para determinar
si una funci
on es decreciente podemos utilizar su derivada).
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:
a) Si f y g son funciones crecientes, entonces f + g creciente.

b) Si f y g son funciones crecientes y positivas, entonces f g es creciente.
c) f es creciente si y solo si f es decreciente.
d ) Si f es positiva, entonces f es creciente si y solo si 1/f es decreciente.
e) Si f y g son funciones crecientes, entonces f g es creciente.
f ) Si f es una funci on creciente y dn es una sucesion decreciente, entonces
f (dn ) es una sucesi
on decreciente.
g) Si h es una funcion decreciente y dn es una sucesion decreciente, entonces
f (dn ) es una sucesi
on creciente.
4.2.5. Series de potencias
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.
En esta secci on y en la siguiente, vamos a estudiar funciones definidas usan-

do series cuyo termino general depende de la variable de la funcion: las series de
potencias.
Definicio n 4.2.43 Una serie de potencias es una funci

on definida por una expre-
si
on de la forma:

X
f (x) = an (x a)n , a, an R
n=n0
La constante a se denomina centro de la serie y la sucesi

on de coeficientes, an no
puede incluir la variable x.
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:
La serie converge si y solo si x I
O bien I = R, o bien (a R, a + R) I [a R, a + R], para alg

un R R. En
el segundo caso, el n
umero R se denomina radio de convergencia de la serie.
El intervalo I se denomina campo de convergencia de la serie y es el dominio

de la funcion determinada por la serie de potencias. Por las caractersticas de la
expresi
on de una serie de potencias, bastara con aplicar el criterio del cociente para
hallar el radio de convergencia. Sin embargo, necesitaremos trabajar algo mas para
estudiar la convergencia de la serie en los dos extremos del campo.

X (x 1)n
Ejemplo 4.2.46 Para hallar el campo de convergencia de , aplicamos
n=2
log n
el criterio del cociente a la sucesi
on de valores absolutos:
|x 1|n+1 log n log n
lm n
= |x 1| lm = |x 1|
log(n + 1) |x 1| log(n + 1)
Por lo tanto, la serie converge si |x 1| < 1. Por el teorema anterior, solo tenemos
que analizar la convergencia de la serie para |x 1| = 1, es decir, para x = 0 y x = 2.
E.T.S.I.Informatica

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
El siguiente resultado establece la continuidad y derivabilidad de las funciones

definidas por series de potencias y extiende la propiedades algebraicas de la deriva-
cion e integraci
on a series.

X
Teorema 4.2.47 Para la serie de potencias S(x) = an (x a)n se verifica que:
n=1
1. (Teorema de Abel) la funci

on S es continua en su campo de convergencia.
2. S es una funcion derivable en el interior del campo de convergencia y su de-

rivada se obtiene derivando termino a termino la serie:

!
d X
n
X
an (x a) = nan (x a)n1
dx n=1 n=1
Adem
as, el radio de convergencia de la derivada coincide con el radio de S.
3. Una primitiva de la funci

on S se obtiene integrando termino a termino la
serie:

!
an
Z X X
n
an (x a) dx = (x a)n+1
n=1 n=1
n + 1
Adem
as, el radio de convergencia de la primitiva 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
Las propiedades de derivacion e integracion de series de potencias constituyen

una herramienta fundamental para sumar series, tal y como vemos en el ejemplo
siguiente.
Ejemplo 4.2.49 En la secci

on anterior hemos probado que:

X 1
xn = , si |x| < 1.
n=0
1x

Aplicando el apartado 3 del teorema 4.2.47, obtenemos:

X xn+1
= log |1 x| + C = log(1 x) + C, si |x| < 1.
n=0
n+1
Evaluando ambas expresiones en x = 0, deducimos que C = 0. Ademas, para x = 1,

la serie converge (criterio de Leibniz) y por el Teorema de Abel (Teorema 4.2.47(1)),
la igualdad tambien se verifica en ese punto. Por lo tanto:

xn+1
2
X
= log(1 x), si 1 x < 1.
n=0
n+1
4.2.6. Series de Taylor
Las funciones expresadas mediante series de potencias se comportan esencial-

mente como polinomios, por esta razon, nos planteamos en esta seccion expresar
cualquier funci
on como serie de potencias. Vamos a ver que, en particular, todas las
funciones elementales pueden representarse de esta forma.
Aunque en algunos casos, el metodo seguido en el ejemplo 4.2.49 permitira expre-

sar una funci on como series de potencias, en la mayora de los casos necesitaremos
construirla a partir de su polinomio de Taylor. Recordemos que el polinomio de Tay-
lor de orden n de una funci on f en el punto x0 es un polinomio de grado menor o
igual que n tal que su valor en x0 y el valor de las n primeras derivadas coinciden
con los de f . Su expresi
on analitica es:
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!
Aunque tiene sentido determinar el polinomio de Taylor en cualquier punto, en la

practica solo es interesante en aquellos puntos para los cuales es posible hallar el valor
de sus derivadas sucesivas de manera exacta y poder obtener as polinomios cuyos
coeficientes sean n umeros racionales. En la seccion 4.2.7 veremos la lista completa
de los desarrollos de Taylor de todas las funciones elementales en el punto mas
adecuado.
El primer resultado fundamental para los objetivos de este tema caracteriza los
polinomios de Taylor de una funcion como su mejor aproximacion polinomica.
Teorema 4.2.50 Sea Tn el polinomio de Taylor de orden n de f en x0 . Entonces, Tn

es el u
nico polinomio de grado menor o igual a n tal que y:
f (x) Tn (x)
lm =0
xx0 (x x0 )n
E.T.S.I.Informatica
Es decir, el polinomio Tn es la mejor aproximacion, en un entorno de x0 , por

polinomios de grado menor o igual que n. Por ejemplo, en las figuras de la pagina 61
podemos ver que los polinomios de Taylor de la funcion exponencial se parecen
cada vez m as a esta funcion segun aumentamos el grado del polinomio, y que el
intervalo en el que m as se parecen es cada vez mas amplio. Lo mismo observamos
en las p
aginas 254 y 256 para las funciones seno y arcotangente respectivamente.
Por otra parte, la posibilidad de aproximar el valor de una expresion matematica,

solo es u
til si podemos controlar el error que se comete. El teorema siguiente nos da
un metodo para hacerlo cuando usamos polinomios de Taylor.
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 |.
Ejemplo 4.2.52 Para aproximar el n umero e con un tres decimales correctos,

debemos evaluar la funcion exponencial en el punto x = 1 con un error < 21 103 .
Si utilizamos el polinomio de Taylor de orden n en 0 de la funcion exponencial que
calculamos en el primer tema (ver seccion 4.2.7), cometeremos el siguiente error:

ec
n+1 ec
= 1 = , c (0, 1)

(n + 1)! (n + 1)!
Dado que no conocemos el valor de c (y no podemos, ni pretenderemos calcularlo),

no podemos conocer el error exacto. Por esta razon, lo que hacemos es estimar
dicho error en funci
on de n, sustituyendo el valor de c, o las subexpresiones en donde
aparece, por valores mayores pero cercanos. En este caso, ec < e1 = e < 3 y por lo
tanto:
ec 3
= <
(n + 1)! (n + 1)!
Si queremos que el error sea menor que 12 103 , basta con encontrar el primer n
umero
3
natural n tal que < 2 103 , es decir, tal que (n + 1)! > 6000. Con n = 7 lo
1
(n + 1)!
conseguimos y por lo tanto:
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 .
Definicio n 4.2.53 Dada una funci

on f infinitamente derivable en un intervalo
abierto I, denominamos serie de Taylor de f en x0 I a la serie:
(n)
X f (x0 )
(x x0 )n xI
n=0
n!
Decimos que la serie representa a f en x si converge a f (x), es decir:

(n)
X f (x0 )
(x x0 )n = f (x)
n=0
n!
Evidentemente, la serie de Taylor para x0 representa a f en x0 pero puede no hacerlo

en otros puntos. La representaci
on de la serie en otros puntos esta caracterizada por
la convergencia a 0 de la expresi
on del resto.
Teorema 4.2.54 La serie de Taylor de f en x0 representa a f en x si y solo si:
f (n+1) (c)
lm En (x) = lm (x x0 )n+1 = 0
(n + 1)!
Ejemplo 4.2.55 La serie de Taylor de la funcion exponencial la representa en todo

su dominio, R:
ec
lm En (x) = lm xn+1
(n + 1)!
Para comprobar que este lmite es 0, podemos trabajar mas facilmente con su valor
absoluto. Si x < 0, entonces ec < 1 y por lo tanto
ec |x|n+1 n
|x|n+1 < 0
(n + 1)! (n + 1)!
Si x > 0, ec < ex y por lo tanto
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

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
n3 = A(n + 1)n(n 1) + B(n + 1)n + C(n + 1) + D
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 = A(n + 1)n(n 1) + B(n + 1)n + C(n + 1) + D =

= An3 + Bn2 + (B A + C)n + (C + D),
Por lo tanto, A = 1, B = 0, C = 1, D = 1 y de ah:
n3 (n + 1)n(n 1) + (n + 1) 1 1 1 1
= = +
(n + 1)! (n + 1)! (n 2)! n! (n + 1)!
on en el primer sumando solo es valida para n 2,

Observese que la simplificaci
aunque la serie propuesta se suma desde n = 1; para evitar este problema, solo
tenemos que separar ese primer sumando antes de aplicar la igualdad anterior.

X n3 1 X n3
= +
n=1
(n + 1)! 2 n=2 (n + 1)!

1 X 1 1 1
= + +
2 n=2 (n 2)! n! (n + 1)!

1 X 1 X 1 X 1
= + +
2 n=2 (n 2)! n=2 n! n=2 (n + 1)!

1 X 1 X 1 X 1
= + +
2 n=0 n! n=2 n! n=3 n!
1 1
= + e + (e 1 1) (e 1 1 ) = e + 1
2 2
En la cuarta igualdad hemos cambiado los ndices para que sea mas facil ver que
los sumatorios obtenidos se corresponden con la serie del n
umero e salvo por los
primeros sumandos, que debemos restarle. 2

4.2.7. Funciones elementales
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)!
En el ejemplo 1.4.20 (pagina 60), calculamos los polinomio de Taylor de la funcion

exponencial y en el ejemplo 4.2.55 hemos deducido que la serie de Taylor representa
a la funci
on exponencial en todo su dominio:
n
X x
ex = xR
n=0
n!
Funcion Logaritmo Neperiano. Su dominio es el intervalo (0, ) y hallamos

su desarrollo en x0 = 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)
Estando cn entre 1 y x. En el ejemplo 4.2.49 (pagina 247), hicimos los calculos

necesarios para establecer la convergencia de esta serie; concretamente, obtuvimos

X xn+1
= log(1 x), x [1, 1),
n=0
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
Alternativamente, esta serie se puede escribir como:

X xn
log(x + 1) = (1)n+1 x (1, 1]
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
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!
Figura 4.3: Funci

on seno y algunos polinomios de Taylor.
E.T.S.I.Informatica
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)!
Funci on Arcotangente. Recordemos que el dominio de esta funcion es R y su

codominio es el intervalo [ /2, /2]. Nuevamente, obtenemos la serie de Taylor a
partir de su derivada:

d 1 X
arctg x = = (1)n x2n |x| < 1
dx 1 + x2 n=0
Integrando y deduciendo la convergencia en los extremos con el criterio de Leibniz,

obtenemos:
X x2n+1
arctg x = (1)n |x| 1
n=0
2n + 1
Para evaluar la funci
on arcotangente fuera del intervalo [1, 1], podemos utilizar la
igualdad
1
arctg x = arctg
2 x
Ejemplo 4.2.58 Podemos usar la serie de Taylor de la funcion arcotangente para
aproximar , ya que tg( 4 ) = 1:

X (1)n 4
= 4 arctg 1 =
n=0
2n + 1
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
Figura 4.4: Funci

on arcotangente y algunos polinomios de Taylor.
E.T.S.I.Informatica
Relaciones de ejercicios 257
Relaci
on de ejercicios 4.1
1. Consideremos las siguientes sucesiones:
(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.
2. Calcule los siguientes lmites

n+3 n + 3n3 3 n5
a) lm b) lm c) l
m
n3 + 4 n3 + 4 n3 + 4
Deduzca la regla que determina el lmite del cociente de dos polinomios.
3. Calcule los siguientes lmites:

5n
n+2

a) lm b) lm n 4
n3 (n 1)
n+4
log(n2 + 1)
4. a) Calcule el lmite lm .
log n
b) Demuestre que si p(n) es un polinomio de grado k, entonces log p(n) y
k log n son infinitos equivalentes.
c) Utilice la equivalencia del apartado anterior para calcular el lmite
log(n5 7)
lm
5 log(3n 2)

a1 = 1
5. Consideremos la sucesi
on
a = 3a si n > 1
n n1
a) Calcule los primeros terminos de las sucesiones y deduzca intuitivamen-

te las caractersticas de las sucesiones (monotona, acotacion y conver-
gencia).
gencia.

a1 = 3
6. Consideremos la sucesi
on
a = 1 + a si n > 1
n n1
a) Determine los 5 primeros terminos de la sucesion.

b) Demuestre por induccion que la sucesion es decreciente.
c) Demuestre por induccion que 1 an 3 para todo n N.

d ) Podemos afirmar que la sucesion es convergente? En tal caso, calcule su

lmite.
x2
7. a) Calcule el lmite lm =0
x ex
xm
on sobre m N que lm
b) Demuestre por inducci =0
x ex
c) Deduzca que, si p(x) un polinomio, entonces
p(x) p(n)
lm = 0, lm =0
x ex en
E.T.S.I.Informatica
Relaci
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. Sume las siguientes series simplificando la sucesion de sumas parciales.

(n + 1)2

X 1 X
a) 2 1)
b) log
n=2
2n(n n=1
n(n + 2)
3. Utilice las propiedades elementales para estudiar la convergencia de las siguien-

tes series y obtenga la suma de las convergentes.
n 10
1 3n 32n 1
X X X
a) 5 + b) (2)n c)
n=0
2 5 2n n=0
92n1 n=1
n
4. Determine cu ales de las siguientes series son aritmetico-geometricas y sume

las que sean convergentes siguiendo el metodo descrito en ejemplo 4.2.20 de la
pagina 234.

X 2n 1 X
a) b) (2n 1)en
n=0
3n n=2
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 .
11. El Criterio de condensaci

on establece:
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
Si es posible, utilice el criterio de condensacion para determinar el caracter de

las series

X 1 X log n X log n
a) , b) , c) (1)n
n=1
n n=1
n n=1
n
E.T.S.I.Informatica
Relaci
1. Halle los campos de convergencia de las series de potencias siguientes:

n
X x X X (x + 3)n
a) b) nn (x 5)n c)
n=1
n! n=1 n=1
n!

X (1)n n! X (1)n n! X (n!)2
d) (x 1)n e) (x 1)n f) xn
n=1
n2 n=1
nn n=1
(2n)!

X n2
2. Obtenga la suma de la serie (1)n usando el siguiente proceso:
n=3
2n+1

X
a) Sume la serie de potencias n2 xn usando las propiedades de derivacion
n=1
y las propiedades algebraicas de las series para reducirla a una serie mas
simple.
b) Eval
ue la serie del apartado anterior en un valor de x adecuado para
poder sumar la serie propuesta.
3. Sume las siguientes series numericas

X (1)n+1 X 3n
a) , b)
n=3
n2n n=3
(n + 1)!
x
4. Determine la serie de Taylor de la funcion f (x) = partiendo de la
(1 x)2

1 X
derivada de = xn . Para que valores de x la serie de Taylor representa
1 x n=0
a f (x)?
5. Considere la funci on f (x) = x2 ex . Utilice el polinomio de Taylor de la funcion

exponencial, su expresi on del resto de Lagrange y las propiedades algebraicas
para obtener el polinomio de Taylor de f y una expresion de su resto. Utilcelo
para hallar f ( 1/4) con un error menor que 104 .

6. Calcule e con un error menor que 103 .
6
7. Calcule log con un error menor que 103 .
5
2
X n 2
8. Siguiendo el metodo del ejemplo 4.2.56 (pagina 251), sume la serie .
n=2
n!

Relaci
1. Consideremos las siguientes sucesiones:
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.
2. Consideramos la siguiente sucesion definida por recurrencia:

a1 = 2
a = a
n n1 3 si n>1
a) Calcule los diez primeros terminos de la sucesion y analice intuitivamente

sus caractersticas (monotona, acotacion y convergencia).
gencia.
c) Deduzca el termino general de la sucesion.
3. Consideramos la siguiente sucesion definida por recurrencia:

b1 = 3
b = b +n si n>1
n n1
a) Calcule los diez primeros terminos de la sucesion y analice intuitivamente

sus caractersticas (monotona, acotacion y convergencia).
gencia.
c) Deduzca el termino general de la sucesion.
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 )
5. Resuelva los siguientes lmites:

a) lm n (n + a)(n + b) b) lm n2 ( n a n1
a)
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
11. Sume las siguientes series aritmetico-geometricas:

X n X 1n X n2
a) b) c) (1)n
n=0
10n n=3
5n n=0
2n

X 1 4 7 (3n 5)
12. Demuestre que la serie es hipergeometrica y s
umela si
n=2
2 5 8 (3n 4)
es posible.
13. El Criterio del logaritmo establece:

X
Sea an una serie de terminos positivos y
n=0
log a1n
` = lm ,
log n
entonces: Si ` < 1 la serie diverge y si ` > 1 la serie converge.
a) Utilice el criterio del logaritmo para estudiar la convergencia de las series

p-armonicas.
b) Si es posible, aplique el criterio del logaritmo para estudiar la convergencia
de las siguientes series:

X (1)n X n X X 1
a) b) c) n d)
n=1
n2 n=2
2n n=3 n=4
n
E.T.S.I.Informatica
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
15. Estudie el car

2 n
X 1 X n X 2 n!
a) b) c)
n=2
3
n2 1 n!
n=1 n=1
nn
3
2n1 1 1 n
X X X
d) e) f)
n=1
(3n + 2) n4/3 n=1
n n! n=1
2n

X n + 1 n

g)
n=1
n
16. Estudie el car


sen3 n 1 + cos2 n n n
X X X X
a) , b) , c) sen , d ) cos2
n=1
n4 n=1
n3 n=1
4n 2
n=1
2n 3
(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
18. Estudie el car


X 1 X 1 X 1
a) (1)n b) (1)n+1 c) (1)n
n=1
n n=1
2n 1 n=2
n log n

X (1)n X n X (n!)2
d) e) (1)n f) (1)n
n=1 n n + 1 n=1
2n n=1
(2n)!

X X (x 1)n X n+1
a) nxn b) c) xn
n=1 n=1
n n=1 1 + 2n

X (1)n n X (1)n X xn
d) x e) 2+1
(x + 2)n f)
n=1
n+1 n=1
n n=2
n2 n


X 1 X 2n X (1)n n3
a) n
xn b) xn c) n
(x + 3)n
n=1
n2 n=1
n+1 n=1
3

X X (x 1)n X (n + 1)!
d) nn (x 1)n e) f) (x 2)n
n=1 n=1
nn n=1
5 n

X 5n
g) (x 2)n
n=1
(n + 1)!

X X log n X xn
a) (log n)xn , b) xn , c)
n=1 n=1
n 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 .
24. Sume las siguientes series:

2
X n X n2 X n + 3n 1
a) , b) , c) .
n=2
(n + 1)! n=1
(n + 2)! n=2
n!
25. Represente mediante serie de potencias de x las siguientes funciones:

1+x
a) f (x) = senh x b) f (x) = log
1x
26. Sume las siguientes series de potencias

X X xn
a) (n + 1)xn b) .
n=2 n=2
n2 n
E.T.S.I.Informatica

Tema 4

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Tema 4

Загружено:

Авторское право:

Доступные форматы

TEMA 4

Sucesiones y series num

Leccio n 4.1: Sucesiones. Estudio de las propiedades de una sucesion. Suce-

Leccio n 4.2: Series numericas. Suma de series. Criterios de convergencia.

Prerrequisitos: Manipulaci on de expresiones y propiedades de las funciones ele-

Saber calcular lmites de sucesiones que se puedan resolver mediante opera-

Saber estudiar la convergencia de sucesiones recursivas.

Reconocer y sumar algunos tipos de series numericas, como geometricas (me-

Saber estudiar el car

Saber interpretar y aplicar criterios de convergencia que se indiquen explcita-

Saber hallar el campo de convergencia de series de potencias utilizando los

Saber el polinomio y la serie de Taylor de las funciones exponencial, logaritmo

Saber utilizar el resto de Lagrange para aproximar las funciones exponencial,

Saber utilizar las propiedades algebraicas, de derivacion e integracion para

Para simplificar, cuando hablamos de sucesiones de forma general, suponemos

Grados en Ingeniera Inform

Como vemos, para determinar un termino de la sucesion, debemos conocer los

1, 3, 6, 10, 15, 21, 28, . . .

En las definiciones recursivas, podemos utilizar mas de un elemento previo de

on son {1, 1, 2, 3, 5, 8, 13, 21, . . . } y su termino ge-

la demostracion de esta igualdad queda fuera de los contenidos de este curso,

n 4.1.3 Sea an una sucesi

1. Decimos que an es creciente si an an+1 para todo n.

2. Decimos que an es decreciente si an an+1 para todo n.

Tambien hablaremos de sucesiones estrictamente crecientes o decrecientes si las

Utilizar las propiedades de la relacion de orden para transformar la desigual-

Comparar 0 con la diferencia an+1 an

on creciente en [N, ), entonces an = f (n) es una

Usaremos uno u otro metodo dependiendo de la definicion concreta de la sucesion.

Ejemplo 4.1.4 Vamos a analizar la monotona de algunas sucesiones.

2. La sucesion bn = (1)n no es monotona: mientras que b1 = 1 < b2 = 1, se

Grados en Ingeniera Inform

Ordenar los factores y terminos de f 0 (x) ha sido la parte complicada del

Definicio n 4.1.5 Decimos que una sucesi

on, M es una cota superior de la sucesion y M es una

Figura 4.1: Si lm an = ` entonces para n N los terminos de la sucesion distan

on bn = (1)n esta acotada, ya que |(1)n | = 1.

4.1.1. Lmites de sucesiones.

Las sucesiones se utilizan para describir la forma en la que nos acercamos o

Definicio n 4.1.7 Decimos que ` R es el lmite de la sucesi

Grados en Ingeniera Inform

resultado que relaciona lmites de sucesiones y lmites de funciones; en el enunciado,

Corolario 4.1.9 (Teorema de Compresio n)

2. Sea an una sucesi

Teorema 4.1.11 (Caracterizacio n secuencial) Sean a, ` R.

Si trabajamos con funciones continuas, entonces podemos sustituir ` por f (a)

Ejemplo 4.1.13 Tambien podemos usar la caracterizacion secuencial para demos-

podemos concluir que la funci

Otra importante consecuencia de la caracterizacion secuencial es que podemos

Si tomamos xn = n, se verifica que lm xn = lm n = + y por la caracterizacion

Si tomamos xn = n, se verifica que lm xn = lm n = + y por la caracterizacion

Observese que en los ejemplos anteriores, no se ha aplicado la regla de LHopital

abnn = exp(bn log an )

De esta forma, la caracterizaci on secuencial del lmite de funciones permitira calcular

Grados en Ingeniera Inform

Sin embargo, podemos calcular el lmite de la sucesion que ha quedado dentro de la

Recordamos a continuaci on la relacion entre las propiedades de convergencia,

on decreciente y no acotada inferiormente diverge a .

Ejemplo 4.1.18 La sucesi

Ejemplo 4.1.19 Consideramos la sucesion an definida recursivamente por

Vamos a demostrar que an es decreciente, acotada inferiormente y que su lmite

(ii) Supongamos que 1 ak 2 y demostremos la desigualdad para ak+1 :

Por lo tanto, por el principio de induccion, 1 an 2 para todo n.