Apuntes de

CALCULO
INFINITESIMAL
Curso 2010-2011
Ricardo Vidal
September 20, 2010

Contenido
Presentaci
on

1 O corpo dos n
umeros reais
1.1 Introducci
on axiom
atica de R . . . . . . . . . . . . . .
1.2 Propiedade arquimediana, consecuencias . . . . . . . .
1.3 Intervalos en R . . . . . . . . . . . . . . . . . . . . . .
1.4 Valor absoluto en R . . . . . . . . . . . . . . . . . . .
1.5 Introducci
on axiom
atica de N. Principio de inducci
on

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

7
8
10
12
13
14

2 O espacio vectorial normado Rn

17
2.1 Espacios metricos . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.2 Espacios normados . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3 Productos interiores ou escalares . . . . . . . . . . . . . . . . 20
2.4 Topoloxa usual en Rn . . . . . . . . . . . . . . . . . . . . . . 23
2.4.1 Posici
on dun punto respecto de un conxunto . . . . . 24
2.4.2 Conxuntos abertos e pechados . . . . . . . . . . . . . 26
2.4.3 Conxuntos acotados. Teorema de Bolzano-Weirstrass . 28
2.4.4 Conxuntos compactos, conexos e convexos . . . . . . . 29
3 Sucesi
ons en R e en Rn
3.1 Operaci
ons con sucesi
ons . . . . . . . . . . .
3.2 Sucesi
ons converxentes . . . . . . . . . . . . .
3.3 Propiedades das sucesi
ons converxentes en R
3.4 Operaci
ons con sucesi
ons converxentes en Rp
3.5 Sucesi
ons mon
otonas . . . . . . . . . . . . . .
3.6 Subsucesi
ons . . . . . . . . . . . . . . . . . .
3.7 Sucesi
ons de Cauchy . . . . . . . . . . . . . .
3.8 Lmites infinitos . . . . . . . . . . . . . . . . .
3.9 Lmites de oscilaci
on . . . . . . . . . . . . . .
3.10 C
alculo pr
actico de lmites . . . . . . . . . . .
3.10.1 Criterio de Stolz. Aplicaci
ons . . . . .
3

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.

31
32
32
34
36
36
37
38
39
39
40
41

CONTENIDO

4 Series de n
umeros reales
4.1 Operaci
ons con series . . . . . . . . . . . . . . . . . . . . . . .
4.2 Series de terminos non negativos . . . . . . . . . . . . . . . .
4.2.1 Series xeometricas e arm
onicas . . . . . . . . . . . . .
4.3 Criterios de converxencia para series de terminos non negativos
4.4 Series alternadas . . . . . . . . . . . . . . . . . . . . . . . . .
4.5 Converxencia absoluta . . . . . . . . . . . . . . . . . . . . . .

43
44
46
48
49
50
51

Bibliografa

53

Presentaci
on

En este texto recollemos a informaci

on te
orica da materia CALCULO
I,
materia cuatrimestral do primeiro curso do grado de enxe
neiro industrial,
com
un as distintas especialidades. Esta materia ten asignados 6 creditos
ECTS e os c
ontidos previstos son os habituais en un primeiro curso de c
alculo
infinitesimal. Non ocultamos que os obxetivos que nos propuxemos resultan moi ambiciosas tendo en conta o n
umero de creditos asignados, pero
quixemos facer unha presentaci
on que non cercenase demasiado os temas
presentados e que lle permitan os alumnos interesados ir un pouco m
ais
al
a dos mnimos esixibles. Incluimos nestas notas moitas demostraci
ons, en
contra da moda actual de suprimir t
odalas demostraci
ons alegando falta de
tempo. Creemos que a demostraci
on de un resultado permite entendelo con
toda profundidade e ademais e a forma mais axeitada de instruir
o alumno
no uso do lenguaxe matem
atico.
Estos apuntes complementaranse con uns boletns de problemas, non
incluidos, que se desenrolar
an nas clases pr
acticas, combinando o uso da
pizarra e do ordenador mediante o uso o program MATLAB.

CONTENIDO

Tema 1

O corpo dos n
umeros reais
A nocion de conxunto, como obxetos ben definidos, comenzou a utilizarse en
matematicas a finais do seculo XIX. Esta idea intuitiva que todo o mundo ten
suxire certas operaci
ons elementais con conxuntos: uni
on, interseci
on, diferencia,... A utilizaci
on de estas operaci
ons e fundamental en diversas teoras
matematicas e nas suas aplicaci
ons. Por este motivo a linguaxe conxuntista
e b
asica para o estudio e a investigaci
on cientfica e nas aplicaci
ons tecnicas.
Conven advertir que a teora de conxuntos non e tan simple como nun
principio podiamos pensar, Lembremos as paradoxas de Bertran Russel: O
barbeiro que barbea a todos os que non se barbean a s mesmos. Quenes
son os elementos deste conxunto de persoas? Mais concretamente o mesmo
barbeiro e ou non, un elemento deste conxunto? Esta paradoxa e outras
moitas formuladas o inicio do desenrolo da teora de coxuntos puxo de manifesto a necesidade de precisar con sumo cuidado os conceptos definidos.
Para introducir os n
umeros reais empezaremos polos n
umeros naturais,
que en palabras de Dedekind, creounos deus e o demais elaborouno o home
(posteriormente faremos unha introducci
on axiom
atica dos n
umeros naturais)
N = {1, 2, 3, 4, . . .}
dende o punto de vista alxebraico os n
umeros naturais presentan dificultade para a resoluci
on de ecuaci
ons do tipo a + x = b si b < a. Pretendemos
ampliar este conxunto a outro maior, os n
umeros enteiros (Z), donde as
ecuacions do tipo anterior te
nan soluci
on.
Z = {N} {0} {n|n N}
O par (Z, +) ten estructura alxebraica de grupo abeliano, pero presenta
carencias similares as dos n
umeros naturais, agora respecto da multiplicaci
on, as ecuaci
ons do tipo ax = b non te
nen soluci
on en Z si b non e
7


TEMA 1. O CORPO DOS NUMEROS
REAIS

m
ultiplo de a. Coa finalidade de solventar as ecuaci
ons do tipo anterior
extendemos os n
umeros enteiros os racionais
Q = {ab1 |a Z, b N}
(Q, +, .) ten estructura alxebraica de corpo conmutativo e en el t
odalas
ecuaci
ons do tipo a + bx = c te
nen soluci
on.
Podemos representar os n
umeros racionais nunha recta, fixados dous
puntos 0 e 1, a calquer outro n
umero racional correspondelle un u
nico punto
na recta, pero o recproco non se verifica, p
odese probar que a lonxitude
da hipotenusa de un triangulo rect
angulo de catetos unidade non se pode
representar por un n
umero racional, este problema p
odese formular alxe2
braicamente: a ecuaci
on x = 2 non ten soluci
on en Q. A raz
on u
ltimade
este problema e que en Q non t
odolos conxuntos acotados superiormente
te
nen unha mnima cota superior.

1.1

Introducci
on axiom
atica de R

Introduciremos os n
umeros reais de xeito axiom
atico. Chamaremos n
umeros
reais a un conxunto, que denotaremos por R, dotado dunha estructura
alxebraica de corpo conmutarivo, provisto de un orden total, compatible
coa estructura alxebraica, na que todo conxunto acotado supeiormente te
na
supremo.
(R, +.) e corpo conmutativo.
(R, ) e un conxunto ordenado con un orden total. Verifica
1. Reflexiva a a.
2. Antisimetrica a b, b a a = b.
3. Transitiva a b, b c a c.
4. Total a, b R a b o b a.
5. Compatible
(a) Suma a b, c R a + c b + c.

(b) Producto a b, 0 c ac bc.

Presentamos a continuaci
on a propiedade de completitude. Consideremos no conxunto ordenado (R, ): A R, a, b, c R. Definimos:
1. c e cota superior de A si a c, a A.

 AXIOMATICA

1.1. INTRODUCCION
DE R

2. b e cota inferior de A si b a, a A.
3. A e acotado superiormente si ten algunha cota supeior e acotado inferiormente si ten algunha cota inferior. A e acotado si e acotado
superiormente e inferiormente.
4. Si A R acotado superiormente diremos que s R e supremo de A,
notamos s = sup(A), si:
(a) s e cota superior de A.

(b) si s e outra cota superior de A ent

on s s .
5. Si A R acotado inferiormente diremos que i R e nfimo de A,
notamos i = inf (A), si:
(a) i e cota inferior de A.

(b) si i e outra cota inferior de A ent

on i i.
Proposici
on 1.1.0.1 En (R, ) todo conxunto acotado inferiormente ten
nfimo.
Demostraci
on: Sexa A R acotado inferiormente.
Consideramos A = {x R| xA}.
A e acotado superiormente, por ser A acotado inferiormente.
Por definici
on de R s = sup(A ).
f
E
acil ver que s = inf(A).
Proposici
on 1.1.0.2 En (R, ) o supremo dun conxunto acotado superiormente e u
nico.
Demostraci
on: Sexa A R supo
namos que s1 e s2 son supremos de
A. Verificanse:
1. por ser s1 supremo e s2 cota superior, tense que s1 s2 .
2. por ser s2 supremo e s1 cota superior, tense que s2 s1 .
De (1) e (2) deducimos que s1 = s2 .
Proposici
on 1.1.0.3 En (R, ) o infimo dun conxunto acotado inferiormente e u
nico.
Demostraci
on: An
aloga a da proposici
on anterior, proponse como exercicio.
N
otese que en Q a propiedade do supremo non se verifica como exemplo
consideramos o conxunto C = {1, 1.4, 1.41, 1.414, 1.4142, . . .}, que est
a acotado
umeros reais e
superiormente, pero o seu supremo como conxunto de n
2 que non e racional.
Consideramos en (R, ), A R, m, M R. Diremos que:


TEMA 1. O CORPO DOS NUMEROS
REAIS

10

1. M e o m
aximo de A, M = max(A), si M = sup(A) e M A.
2. m e o mnimo de A, m = min(A), si m = inf (A) e m A.
Como exemplo podemos propo
ner o c
alculo do supremo, infimo, m
aximo
e mnimo, de existiren, dos seguintes conxuntos:
1. A = {x R|x = 1/n, n N}
2. A = {x R|1 x < 5}

1.2

Propiedade arquimediana, consecuencias

Presentamos a continuaci
on unha das propidades fundamentais dos n
umeros
reais, a propiedade arquimediana, da que se seguen propiedades topol
oxicas
importantes dos n
umeros reais.
Proposici
on 1.2.0.4
x, y R, 0 < x, n N, m Z|mx < y < nx
Demostraci
on: Probaremos a segunda desigualdade, a primeira e an
aloga
(exercicio), esto e:
x, y R, 0 < x, n N|y < nx
Probaremolo por reducci
on
o absurdo.
Supo
namos que a proposici
on a demostrar non se verifica, esto e:
y nx, n N
consideramos o conxunto A = {z R|z = nx, n N}.
A est
a acotado superiormente, y e unha cota superior
polo tanto s R, s = sup(A).
Como s e o supremo de A e s x < s, ent
on s x non e cota superior de A,
ent
on z A, z = nx, s x < nx
e as s < (n + 1)x pero (n + 1)x A.
Logo s non e cota superior de A, en contra da definici
on de supremo.
Corolario 1.2.0.5
y R, p Z|p y < p + 1
Demostraci
on: T
omese x = 1 na propiedade arquimediana.
O corolario anterior permtenos definir a funci
on parte enteira
E:RZ
mediante E(y) = p donde p verifica p y < p + 1.

1.2. PROPIEDADE ARQUIMEDIANA, CONSECUENCIAS

11

Corolario 1.2.0.6
x R, 0 < x, n N|1/n < x
Demostraci
on: T
omese y = 1 na propiedade arquimediana.
Este corolario proba que non existe o menor n
umero real positivo.
Corolario 1.2.0.7
x, y R, x < y, r Q|x < r < y
Demostraci
on: Podemos supo
ner que x > 0,
ademas y x > 0, ent
on
n N|1/n y x
Como x > 0, 1/n > 0, k N|0 < x < nk .
Supo
namos que o k dado na desigualdade anterior e
optimo esto e
k1
k
x< .
n
n
Verifcase nk < y.
Das duas u
ltimas desigualdades temos x < nk < y.
Tomemos ent
on r = nk e as probamos o corolario.
S
o resta a proba de nk < y
1
1
k1
k1
< yx +
<y+
xy
n
n
n
n
as temos r =

k
n

< y.

Corolario 1.2.0.8
x, y R, x < y, i R\Q|x < i < y
Demostraci
on: A demostraci
on e an
aloga a do corolario anterior.
Vimos na secci
on anterior que a cada n
umero raconal podemos asignarlle
un punto na recta, pero o reciproco non se verifica, podemos localizar puntos
na recta os que non lle corresponde ningun n
umero racional. Os n
umeros
reais completan a recta (espacio completo), e mas, a correspondencia entre
estes e os puntos da recta e biunvoca.
Outra observaci
on importante, que se segue dos coralarios anteriores, e que
tanto os n
umeros racionais como os irracionacionais son densos en R. Por
outro lado e f
acil ver que os racionais son numerables mentras que os reais e
os irracinais non o son. Esta propiedade dos n
umeros reais de ser completo
e ter un subconxunto denso e numerable (separable) xoga un papel fundamental tanto no c
alculo diferncial como en outras ramas das matem
aticas,
faremos uso desta propiedade de R en varios casos futuros.


TEMA 1. O CORPO DOS NUMEROS
REAIS

12

1.3

Intervalos en R

Diremos que un subconxunto I R e un intervalo si x, y I, x < z < y

z I. Consideramos cinco tipos de intervalos.
1. [a, b] = {x R|a x b}
2. [a, b) = {x R|a x < b}, (a, b] = {x R|a < x b}
3. (a, b) = {x R|a < x < b}
4. [a, ) = {x R|a x < }, (, b] = {x R| < x b}
5. (a, ) = {x R|a < x < }, (, b) = {x R| < x < b}
Os de tipo (1), (2), (3) son intervalos acotados e os de tipo (4) e (5) son
non acotados. Os de tipo (1) e (4) son intervalos pechados, os de tipo (3) e
(5) son intervalos abertos e os de tipo (2) son semiabertos ou semipechados.
Decimos que {In }nN = {I1 , I2 , . . . , In, . . . } e unha sucesi
on de intervalos
encaixados si verifica In+1 In , n N.
Como exemplos de intervalos encaixados podemos propo
ner:
1. {(0, 1/n)|n N}
2. {[n, )|n N}
3. {[0, 1/n]|n N}
O seguinte resultado conocido como o teorema dos intervalos encaixados
e b
asico para a demostraci
on de outros importantes resultados.
Teorema 1.3.0.9 Si {In }nN e unha sucesi
on de intervalos pechados, acotados e encaixados verifica nN In 6= .
Demostraci
on: Podemos escribir In = [an , bn], an , bn R, n N,
consideramos os conxuntos
A = {an |N}, B = {bn |N}
A e B son conxuntos acotados superiormente e inferiormente con cotas bk
e ak de xeito respectivo, polo tanto existen = sup(A) e = inf (B).
Verificase que e
[, ] = nN [an , bn].
N
otese que t
odalas hipotesis do teorema anterior son esenciais, si prescindimos de algunha de elas non se verifica a tese.

1.4. VALOR ABSOLUTO EN R

1.4

13

Valor absoluto en R

Valor absoluto e unha aplicaci

on
|| : R R
definida do xeito seguinte |x| = max{x, x}
Vemos a continuaci
on algunhas propiedades da funci
on valor absoluto.
Proposici
on 1.4.0.10 A funci
on valor absoluto verifica:
1. |x| = 0 x = 0
2. |x| = | x|
3. |xy| = |x||y|
4. |x| c c x c
5. |x| x |x|
6. |x + y| |x| + |y|
Como consecuencia da proposici
on anterior temos as seguintes propiedades
Corolario 1.4.0.11 .

1. |

Pn

i=1

xi |

Pn

i=1

|xi |

2. |x y| |x| + |y|
3. ||x| |y|| |x y| |x| + |y|
Mediante o valor absoluto podemos introducir a distancia usual en R.
No pr
oximo tema proporemos o valor absoluto en R como primeiro exemplo
de norma.
O longo de todo o curso necisitaremos resolver ecuaci
ons e inecuaci
ons
nas que interve
na o valor absoluto, e pois necesario que o alumno domine a
resoluci
on de este tipo de problemas. Propo
nemos a continuaci
on algunhos
exercicios do tipo que nos encontraremos en outros captulos.
Resolver as seguintes inecuacions:
1. |x 3| < 1
2. |x 2| + |x 3| 4
3. |x 2| |x + 3| 0


TEMA 1. O CORPO DOS NUMEROS
REAIS

14

1.5

Introducci
on axiom
atica de N. Principio de
inducci
on

Ainda que empezamos o captulo eludindo unha introducci

on formal dos
n
umeros naturais, facendo uso de unha cita de Dedekind, afrontamos agora
este problema. Introducimos os n
umeros naturais mediante os axiomas de
Peano.

1. Ax1. N|1 N
2. Ax2. : N N (operador seguinte) inxectiva esto e:
(n) = (m) n = m ou equivalentemente n 6= m (n) 6= (m).
3. Ax3. 6 n N|(n) = 1
4. Ax4. Axioma de inducci
on.
Si S N, S 6= , 1 S verificando que si n S (n) S. Entonces
S = N.
O axioma 4 permitenos introducor a demostraci
on por inducci
on, moi
eficaz para resolver satisfactoriamente algun tipo de problemas, propo
nemos
como exemplo o seguinte.
Probar que se verifica a seguinte identidade
n
X
j=1

1
n
=
= P (n)
j(j + 1)
n+1

Probaremolo por inducci

on:
1. Probamos que a propiedade P (n) se verifica para n = 1
P (1) =

1
X
j=1

1
1
1
=
=
j(j + 1)
1(1 + 1)
2

2. Supo
namos que a propiedade se verifica para n, esto e P (n) e certa, e
probaremos que de esta siguese que P (n + 1) tamen se verifica

n+1
X
j=1

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

n
1
n(n + 2) + 1
n+1
+
=
=
n + 1 (n + 1)(n + 2)
(n + 1)(n + 2)
n+2

 AXIOMATICA

1.5. INTRODUCCION
DE N. PRINCIPIO DE INDUCCION15
Probamos as que S = {n N|P (n)se verifica} coincide con N. Polo
tanto a propiedade P (n) verificase para todo n
umero natural n.
Propo
nemos a continuaci
on, como exercicio, algun problema m
ais de este
tipo.
1. Probar que se verifica
n
X

j2 =

j=1

n(n + 1)(2n + 1)
= P (n)
6

2. Probar que se verifica

n
X
j=1

j3 =

n(n + 1)
2
= P (n)
2

3. Probar que se verifica a seguinte identidade para n > 1

n
X
k=1

k!k = (n + 1)! 1 = P (n)

Presentamos agora o principio de inducci

on completa:
Si S N, S 6= , 1 S verificando que si
k Sk n (n) S.
Entonces S = N.
Tanto o principo de inducci
on como o de inducci
on completa admiten
unha versi
on restrinxida, no senso de que o primeiro elemento que verifica
a propiedade P non ten por que ser o 1 sen
on que pode ser calquer n0 N.
As o conxunto soluci
on sera S = {n N|n n0 }. O u
ltimo exercicio
proposto o conxunto soluci
on e o formado por t
odolos naturais maiores ou
iguis a 2.

16

TEMA 1. O CORPO DOS NUMEROS

REAIS

Tema 2

O espacio vectorial normado

Rn
En este captulo vamos a introducir o marco no cal traballaremos
o longo
do curso. Referimonos o espacio vectorial Rn , no que definiremos algunhas
estructuras que nos permitan caracterizar a pr
oximidade e as definir os
conceptos de lmite, continuidade, diferenciabilidade e outros.

2.1

Espacios m
etricos

Sexa X un conxunto non valeiro. Unha metrica ou distancia en X e unha

aplicaci
on
d :X X R
verificando:
1. d(a, b) = 0 a = b
2. d(a, b) = d(b, a), a, b X
3. d(a, c) d(a, b) + d(b, c), a, b, c X
O par (X, d) denominamolo espacio metrico. As metricas toman sempre
valores non negativos como se proba na seguinte proposici
on.
Proposici
on 2.1.0.12 En un espacio metrico (X, d) Verifcase:
d(a, b) 0, a, b X.
Demostraci
on:
0 = d(a, a) d(a, b) + d(b, a) = 2d(a, b) d(a, b) 0
.
Como primeiros exemplos de distancias propo
nemos:
17

TEMA 2. O ESPACIO VECTORIAL NORMADO RN

18

1. En R, d : R R R definida como d(a, b) = |b a|.

2. Sexa X un conxunto non valeiro, consideramos
d : X X R d(a, b) = 1 si a 6= b e cero en outro caso.
f
E
acil comprobar que as duas aplicaci
ons anteriores verifican os axiomas
de metrica e polo tanto (R, ||) e (X, d) son espacios metricos. Posteriormente
daremos m
ais exemplos de espacios metricos.

2.2

Espacios normados

Sexa V un espacio vectorial real. Unha norma en V e unha aplicaci

on
kk : V R
verificando
1. kxk = 0 x = 0
2. kxk = kxk, R, x V
3. kx + yk kxk + kyk, x, y V
Denominamos espacio normado o par (V, kk).
Si V fose un espacio vectorial sobre C definimos a norma sobre V de
xeito an
alogo cambiando u
nicamente o axioma (2) por
kxk = |k|xk, C, x V
donde || denota o m
odulo de .
Damos agora exemplos de espacios vectoriales normados.
1. O valor absoluto en R e unha norma en R.
2. En Rn definimos as seguintes normas:
(a) k(x1 , x2 , . . . , xn )k1 = |x1 | + |x2 | + + |xn |, norma 1

(b) k(x1 , x2 , . . . , xn )k = max{|x1 |, |x2|, . . ., |xn |}, norma infinito

Pn
p 1/p , p 1, norma p, si p = 2
(c) k(x1 , x2 , . . . , xn )kp =
k=1 |xk |
denominase norma euclidea.
f
E
acil probar que tanto o valor absoluto como as normas 1 e infinito son
normas en R e enRn respectivamente, esto e, que verifican os axiomas de
norma. Non e inmediato probar que as normas p, si p e distinto de 1, verifican os axioms de norma, en particular o axioma (3), que no caso p = 2 e a
desigualdade de Cauchy-Schwarz e no caso xeral a desiualdad de Minkowski,

19

2.2. ESPACIOS NORMADOS

que prescisaremos m
ais tarde. Os axiomas (1) e (2) son iguais de f
aciles de
probar en t
odolos exemplos propostos.
Vemos a continuaci
on algunhas propiedades da norma.
Proposici
on 2.2.0.13 En todo espacio vectorial normado (V, kk) verificanse:
1. kxk = k xk, x V
2. |kxk kyk| kx yk kxk + kyk, x, y V
Demostraci
on:
1. k xk = k 1xk = | 1|kxk = kxk
2. (a) kx yk kxk + k yk kxk + kyk
(b) Verificanse:

i. kxk = kx y + yk kx yk + kyk kxk kyk kx yk

ii. An
alogamente kyk kxk kx yk

Das duas desigualdades anteriores deducimos:

|kxk kyk| kx yk

Proposici
on 2.2.0.14 Todo espacio vectorial normado e un espacio metrico.
Demostraci
on: Sexa (V, kk) un espacio vectorial normado. definimos:
d:V V R
mediante a formula d(x, y) = ky xk.
Probaremos que d verifica os axiomas de distancia:
1. d(x, y) = 0 ky xk = 0 x = y
2. d(x, y) = ky xk = kx yk = d(y, x)
3. d(x, y) = ky xk = ky z + z xk ky zk + kz xk =
d(z, y) + d(z, x) = d(x, z) + d(z, y)
Polo tanto (V, d) e un espacio metrico.
As as normas kkp inducen as distacias dp en Rn . Consideramos x =
(x1 , . . . , x2) e y = (y1 , . . . , y2 ) e temos
1. d1 (x, y) = ky xk1 = |y1 x1 | + + |yn xn |
2. d (x, y) = ky xk = max{|y1 x1 |, . . . , |yn xn |}

TEMA 2. O ESPACIO VECTORIAL NORMADO RN

20

3. d2 (x, y) = ky xk2 = (|y1 x1 |2 + + |yn xn |2 )1/2

4. dp (x, y) = ky xkp = (|y1 x1 |p + + |yn xn |p)1/p, p 1
interesante ver a interpretaci
E
on xeometrica das distancias dp para n = 2
e n = 3.
A proposici
on anterior proba que toda norma induce unha metrica, obviamente o recproco non se verifica. Unha metrica pode ser definida sobre un
conxunto sin ningun tipo e estructura alxebraica e a norma esta definida
sobre un espacio vectorial. Pero si unha metrica, definida sobre un espacio
vectorial, e homoxenea, d(x, y) = d(x, y), e invariante por traslaci
ons,
d(x, y) = d(x + z, y + z), x, y, z, define unha norma en ese espacio mediante
kxk = d(x, 0) e esta norma determina a metrica de partida.

2.3

Productos interiores ou escalares

Un producto interior ou escalar en un epacio vectorial real V e unha aplicaci

on
<, >: V V R

verificando:
1. < x, x > 0, x V
2. < x, x >= 0 x = 0

3. < x, y >=< y, x >, x, y V

4. < x, y + z >=< x, y > + < x, z >, x, y, z V
5. < x, y >= < x, y >, R, x, y V
Tamen podemos definir un producto interior sobre un espacio vectorial complexo adaptando convintemente os axiomas.
Vexamos alg
uns exemplos de productos interiores.
1. En R o producto usual e un producto interior.
2. En Rn o producto usual definido
< (xx, x2 , . . . , xn ), (y1, y2 , . . . , yn ) >=

n
X

xi yi

i=1

Teorema 2.3.0.15 Sexa V un espcio vectorial real e <, > un producto

interior en V . Definimos a aplicaci
on:
kk : V R
mediante kxk =< x, x >1/2 . Verifcanse:

2.3. PRODUCTOS INTERIORES OU ESCALARES

21

1. kk e unha norma sobre V

2. Desigualdade de Cauchy-Schwarz
< x, y > | < x, y > | kxkkyk, x, y V adem
ais tense
(a) | < x, y > | = kxkkyk y = x

(b) < x, y >= kxkkyk y = x, 0

Demostraci
on:
1. Probaremos que kk verifica os axiomas de norma
(a) kxk =< x, x >1/2 = 0 < x, x >= 0 x = 0

(b) kxk =< x, x >1/2 = || < x, x >1/2 = ||kxk

(c) Supo
namos que se verifica a desigualdade de Cauchy-Schwarz,
que probarenos m
ais adiante.
kx + yk2 =< x + y, x + y >=< x, x > +2 < x, y > + < y, y >
kxk2 + 2kxkkyk + kyk2 = (kxk + kyk)2
e as temos kx + yk kxk + kyk.

2. Consideramos x, y V fixos e R arbitrario. Tense

0 kxyk2 =< xy, xy >=< x, x > +2 < x, y > +2 < y, y >= P ()
P e un polinomio en de grao dous
Si x 6= y P () 6= 0, R o discriminante e negativo esto e
= 4 < x, y >2 4 < x, x >< y, y >< 0
As
< x, y ><< x, x >< y, y >
Polo tanto
| < x, y > | < kxkkyk
Si x = y P () = 0 ten unha u
nica raiz doble e = 0
< x, y >2 =< x, x >< y, y >
As
| < x, y > | = kxkkyk
Ademais si x = y, > 0
< x, y >=< y, y >= < y, y >= kyk2 = kykkyk = kxkkyk

22

TEMA 2. O ESPACIO VECTORIAL NORMADO RN

Corolario 2.3.0.16 A kk2 e unha norma en Rn , procede do producto interior usual.

En virtude da desigualdade de Cauchy-Schwrz temos
kxkkyk < x, y > kxkkyk
as si kxk = kyk = 1 tense que < x, y > [1, 1]. Definimos o
angulo que
forman os vectores x e y mediante a f
omula cos() =< x, y > e en xeral si
x e y son vectores non nulos
cos() =

< x, y >
kxkkyk

O seguinte resultado, a regra do paralelogramo, caracteriza as normas

que proceden de un producto interior, para ver a sua demostraci
on p
odese
consultar [4]
Teorema 2.3.0.17 Sexa (V, kk) un espacio vectorial normado.
A kk procede dun producto interior si e s
o si verifica:
kx + yk2 + kx yk2 = 2(kxk2 + kyk2 ), x, y V
(Regra do paralelogramo).
O corolario anterior proba que a norma 2 procede do product interior
usual en Rn , facendo uso da regra do paralelogramo podemos comprobar
que a norma 2 e a u
nica norma p que procede de un producto interior.
Presentamos agora a identidade de Parseval, unha importante propiedade
dos espacios vectoriales con prodcto interior da que se sigue o teorema de
Pitagoras.
Proposici
on 2.3.0.18 Sexa (V, kk) un espacio vectorial normado verificando a regra do paralelogramo. Verifcase:

x1 , . . ., xn V, < xi , xj >= 0 i 6= j k

n
X
i=1

xi k =

n
X
i=1

kxi k2

A demostraci
on proponse como exercicio para o lector.
Corolario 2.3.0.19 Teorema de Pitagoras
Para un triangulo rectangulo de catetos a e b e hipotenusa h verifcase:
h2 = a2 + b2 .

2.4. TOPOLOXIA USUAL EN RN

23

Demostraci
on:
Consideramos en (R2 , kk2) vectores x e y tales que kxk22 = a2 , kyk22 = b2 e
< x, y >= 0
As temos, en virtude da identidade de Parseval
h2 = kx + yk22 = kxk22 + kyk22 = a2 + b2 .
Rematamos a secci
on enunciado as desigualdades de H
older e Minkowski
fundamentais no C
alculo.
Teorema 2.3.0.20 Sexan x, y Rn , p, q R, 1 < p, q < , 1/p + 1/q =
1. Verifcanse:
1. Desigualdade de H
older
n
X
i=1

|xiyi |

n
X
i=1

|xi|p

n

1/p X
i=1

|yi |q

1/q

2. Desigualdade de Minkowski
n
X
i=1

|xi + yi |p

1/p

n
X
i=1

|xi |p

1/p

n
X
i=1

|yi |p

1/p

A s
ua demostraci
on pode verse en [4].
N
otese que a desigualdade de Minkowski proba o axioma 3 para a norma p
en Rn e no caso p = 2 coincide coa desigualdade de Cauchy-Schwarz.

2.4

Topoloxa usual en Rn

En esta secci
on, e o longo do curso traballaremos no espacio vectorial normado (Rn , kkp), que induce o espacio metrico (Rn , dp) para os casos particulares de p = 1, 2, . T
odolos conceptos que presentaremos a continuaci
on
definmolos nun espaco metrico arbitrario ainda que despois nos restrinxiremos a (Rn , dp) ou (Rn , kkp).
En un espacio metrico (X, d) definimos:
1. Bola aberta de centro x0 e radio r
B(x0 , r) = {y X|d(y, x0) < r}
2. Bola pechada de centro x0 e radio r
B[x0 , r] = {y X|d(y, x0) r}

TEMA 2. O ESPACIO VECTORIAL NORMADO RN

24

3. Esfera de centro x0 e radio r

Sr (x0 ) = {y X|d(y, x0) = r}
Propo
nemos os seguintes exercicios para o lector:
1. Determinar as esferas e as bolas abertas e pechadas de centro x0 e
radio r en (R, | |)
2. Determinar as esferas e as bolas abertas e pechadas de centro x0 e
radio r en (Rn , kkp) con p = 1, 2, e n = 2, 3.

2.4.1

Posici
on dun punto respecto de un conxunto

Consideramos, en (Rn , kkp) con p = 1, 2, , A Rn , x0 Rn , r R+ .

Definimos:
1. x0 e un punto interior de A si
r > 0|B(x0 , r) A

Denotamos A= Int(A) = {x Rn |x e punto interior deA}

Notese que A A.
2. x0 e un punto exterior de A si
r > 0|B(x0 , r) Ac
Denotamos Ext(A) = {x Rn |x e punto exterior deA}
Notese que ext(A) Ac .
3. x0 e un punto fronteira de A si
(a) B(x0 , r) A 6= , r R+

(b) B(x0 , r) Ac 6= , r R+
Denotamos F r(A) = {x Rn |x e punto fronteira deA} Verificase que
Rn = rA Ext(A) F r(A) uni
on disxunta.
4. x0 e un punto adherente ou clausura de A si
B(x0 , r) A 6= , r R+
Denotamos A = {x Rn |x e punto aderente ou clausura deA}

Verificase que A A e F r(A) A.

2.4. TOPOLOXIA USUAL EN RN

25

5. x0 e un punto aillado de A si
r > 0|B(x0 , r) A = {x0 }
Denotamos Ais(A) = {x Rn |x e punto aillado deA} Verificase que
Ais(A) A.
6. x0 e un punto de acumulaci
on de A si
(B(x0 , r) \ {x0 }) A 6= , r R+

Denotamos A = {x Rn |x e punto de acumulaci

on deA}.

Verificase que A A e A = A Ais(A).

Probar que un punto x0 de un conxunto A e interior, fronteira, exterior,
de acumulaci
on, ou clausura en (Rn , kkp) si e s
o si o e en (Rn , kkq ), para
calquera que sexan 1 p, q . En particular tense que toda bola p
sempre conten algunha bola q.
Proposici
on 2.4.1.1 Para A Rn verifcase

A =A F r(A).
Demostraci
on:

x A r > 0, B(x, r) A 6=
Esto implica que se verifican unha das duas seguintes opci
on excluintes

1. r > 0, B(x, r) A x A
2. r > 0, B(x, r) 6 A B(x, r) Ac 6=
de aqu e da hipotese siguese que x F r(A).

Si x F r(A) r > 0, B(x, r) A 6= x A

Si x A x A x A.
Uni
on disxunta

Si x A r0 , B(x, r0) A B(x, r) Ac = , r > r0 x 6 F r(A).

Tamen se verifica que A = A F r(A), pero en este caso a uni
on non
sempre e disxunta.

TEMA 2. O ESPACIO VECTORIAL NORMADO RN

26

2.4.2

Conxuntos abertos e pechados

En esta secci
on traballaremos en (Rn , kkp) con p = 1, 2, ainda que as
definici
ons e resultados poden extenderse a calquer espacio vectorial normado e incluso a calquer epacio metrico. Destacar tamen que a restrici
on
que plantexamos sobre as normas p son superfluas, os resultados seran os
mesmos para calquer norma p ou para calquer outra norma, a raz
on e simn
plemente porque a norma 2 e a norma usual ou euclidea e en (R e as normas
1 e xeralmente simplifican os c
alculos.

Diremos que un conxunto A en (Rn , kkp) e aberto si A =A.

As bolas abertas son conxuntos abertos e, en particular, os intervalos
abertos son conxuntos abertos.
Vemos a continuaci
on algunhas propiedades que verifican os conxuntos
abertos.
Proposici
on 2.4.2.1 En (Rn , kkp) verifcanse
1. Rn e son conxuntos abertos.

2. Si A1 e A2 son conxuntos abertos. Ent

on A1 A2 e aberto.
3. Si {Ai }iI e unha familia de conxuntos abertos. Ent
on iI Ai e aberto.
Demostraci
on:
1. Obvio.
2. Si X A1 A2 ent
on
(a) x A1 aberto logo r1 > 0, B(x, r1) A1

(b) x A2 aberto logo r2 > 0, B(x, r2) A2

Tomando r = min{r1 , r2 }, de (a) e (b) seguese B(x, r) A1 A2 e polo
tanto x e punto interior de A1 A2 . Como x e arbitrario, probamos,
que todo punto de A1 A2 e interior e as A1 A2 e aberto.
3. Si x iI Ai i0 I|x Ai0
como Ii0 e aberto r > 0|B(x, r) Ai0 iI Ai ,
as x e punto interior de iI Ai e polo tanto iI Ai e aberto.
Diremos que un conxunto F en (Rn , kkp) e pechado si F c e aberto.
Os conxuntos pechados verifican propiedades complementarias, en alg
un
sentido, as dos conxuntos abertos.

2.4. TOPOLOXIA USUAL EN RN

27

Proposici
on 2.4.2.2 En (Rn , kkp) verifcanse
1. Rn e son conxuntos pechados.
2. Si F1 e F2 son conxuntos pechados. Ent
on F1 F2 e pechado.
3. Si {Fi }iI e unha familia de conxuntos pechados.
Ent
on iI Fi e pechado.
A demostraci
on deixase como exercicio para o lector.
N
otese que en xeral a interseci
on infinita de abertos non e aberto e
tampouco e pechada a uni
on infinita de pechados como mostran os seguintes
exemplos.
1. {An = (1/n, 1 + 1/n)}nN e unha familia de conxuntos abertos.
Verifcase
nN An = [0, 1]
que e pechado e non aberto.
2. {Fn = [1/n, 1]}nN e unha familia de conxuntos pechados. Verifcase
nN Fn = (0, 1]
que non e pechado.
Na seguine proposicion damos algunhas caracterizaci
ons dun conxunto
pechado.
Proposici
on 2.4.2.3 En (Rn , kkp) un conxunto F e pechado si e s
o si verifica alguna das seguintes preposici
ons.
1. F r(F ) F .
2. F = F .

3. Si F F .
N
otese que un conxunto pode non ser aberto nin echado, e que o feito
de que un conxunto non sexa aberto non implica que sexa pechado e reciprocamente non pechado non implica aberto.
Si X e un conxunto e unha colecci
on de subconxuntos de X, X,
verificando:
1. X e son elementos de .
2. Si A1 e A2 est
an en . Ent
on A1 A2 est
a en .

TEMA 2. O ESPACIO VECTORIAL NORMADO RN

28

3. Si {Ai }iI e unha familia de elementos de .

Ent
on iI Ai e un elemento se .
decimos que e unha topoloxa en X e o par (X, ) e un espacio topol
oxico.

En (Rn , kkp) = {A Rn |A =A} e unha topoloxa en Rn e as o par

n
(R , ) e un espacio topol
oxico. N
otese que non depende da norma p
elexida e m
ais calquer norma en Rn induce a mesma topoloxa, , que denominaremos topoloxa usual ou euclidea en Rn .
No pr
oximo captulo veremos como en Rn as normas, as distancias ou
os conxuntos abertos permitennos caracterizar a proximidade e con ela
definir o concepto de lmite.

2.4.3

Conxuntos acotados. Teorema de Bolzano-Weirstrass

Diremos que un conxunto E en (Rn , kk) e acotado si e s

o si verifica
sup kx yk <

x,yE

Proposici
on 2.4.3.1 E e acotado R > 0, E B[0, R]
N
otese que en (R, ||) a definici
on de acotado que acabamos de dar coincide coa dada no captulo 1 como un conxunto acotado superiormente e
inferiormente. Si A R acotado superiormente e inferiormente, ten por
tanto supremo s e infimo i. Consideramos m = (s + i)/2 e R = s m,
verifcase A B[m, R] e as A e acotado coa definici
on dada en esta secci
on.
O recproco pr
obase de xeito an
alogo.
Chamamos paraleppedo aberto en Rn o producto de n intervalos abertos
en R
P = (a1 , b1) (a2 , b2) (an , bn )

An
alogamente denominamos paraleppedo pechado en Rn o producto de n
intervalos pechados en R
P = [a1 , b1] [a2 , b2] [an , bn]
Os paraleleppedos abertos son conxuntos abertos e os pechados son conxuntos pechados.
Unha sucesi
on de paraleleppedos {Pn }nN dise encaixada si verifica
Pn Pn+1 , n N
Presentamos a continuaci
on o teorema do encaixe de Cantor.

2.4. TOPOLOXIA USUAL EN RN

29

Teorema 2.4.3.2 Si {Pn }nN e unha sucesi

on de paralaleppedos pechados, acotados e encaixados, ent
on nN Pn 6= .
A demostraci
on e semellante a do teorema dos intervalos encaixados.
Os puntos de acumulaci
on de un conxunto xogan un papel importante
inmediato ver que un conxunto
no estudio topol
oxico de un espacio. E
finito non ten puntos de acumulaci
on, as para que un conxunto te
na puntos de acumulaci
on ten que ser necesariamente infinito, pero esta condici
on
necesaria non e suficiente, hai conxuntos infinitos que non te
nen puntos de

acumulaci
on, por exemplo Z e infinito pero Z = , a clave de este feito e
que Z non e acotado.
O teorema de Bolzano-Weirstrass, que enunciamos a continuaci
on, da
n
condicions suficientes para que un subconxunto de R te
na alg
un punto de
acumulaci
on.
Teorema 2.4.3.3 Todo subconxunto infinito e acotado en Rn ten polo
menos un punto de acumulaci
on.
A demostraci
on fundamentase no teorema dos paraleleppedos encaixados.
As condi
ons dadas no teorema de Bolzano-Weirstrass son suficientes pero

non necesarias as Q e non acotado en R e Q = R.

O teorema de Bolzano-Weirstrass non se verifica en Q si consideramos
o conxunro C = {1, 1.4, 1.41, 1.414, . .
.}, acotado en Q e en R, os puntos

de acumulaci
on de C en R e C = { 2} pero o conxunto dos puntos de
acumulaci
on de C en Q e valeiro.

2.4.4

Conxuntos compactos, conexos e convexos

O marco de traballo de este curso sera, como xa dixemos anteriormente,

o espacio vectorial normado (Rn , kk), aqu diremos que un conxunto K e
compacto si e pechado e acotado, facendo un uso implcito do teorema de
Heine-Borel.
Si E e un subconxunto de Rn , unha separaci
on de E e un par de conxuntos A, B verificando
1. A e B son abertos.
2. E A B
3. A B =

30

TEMA 2. O ESPACIO VECTORIAL NORMADO RN

4. E A 6= =
6 EB

Notaremos A|B separaci

on de E.
Diremos que un subconxunto E de Rn e conexo si non existe A|B separaci
on de E.
E f
acil ver que N, Q, I son conxuntos non conexos e que e os conxuntos
unitarios son conexos. Veremos tamen, m
ais adiante, que Rn e conexo.
O seguinte resultado caracteriza os conexos en R.
Proposici
on 2.4.4.1 Si C e un subconxunto de R non valeiro verifcase:
C e conexo si e s
o si C e un intervalo.
En Rn denominamos segmentode extremos x e y a
L[x, y] = {z Rn |z = tx + (1 t)y, t [0, 1]}
N
otese que os segmentos, o igual que os intervalos, son conxuntos conexos.
Diremos que un conxunto C e convexo si x, y C, L[x, y] C.
En un espacio vectorial normado as bolas, abertas ou pechadas, son
conxuntos convexos, as como todo o espacio.
Proposici
on 2.4.4.2 Todo conxunto convexo e conexo.
Como Rn e convexo, e polo tanto conexo. En Rn os u
nicos conxuntos
abertos e pechados son o valeiro e o total.

Tema 3

Sucesi
ons en R e en Rn
Definimos sucesi
on de n
umeros reais como unha aplicaci
on
x:NR
notaremos x(n) = xn e denomin
amolo temino n-eximo da sucesi
on.
Usualmente identificamos unha sucesi
on co conxunto imaxen da aplicaci
on
dotado do orden inducido polo de N esto e o primeiro elemento e a imaxe do
1, o segundo a imaxe do 2 e as sucesivamente {x1 , x2 , . . . , xn, . . . } = {xn
R|n N} ou simplemente, por economa, {xn }.
O concepto de sucesi
on de n
umeros reais, as definido, permitenos exp
tendelo a sucesi
ons en R , de xeito natural, como unha aplicaci
on
x : N Rp
e notaremos igualmente x(n) = xn = (x1n , x2n , . . . , xpn), donde o superindice indica a coordenada correspodente do vector xn e o subindice
indica o orden do termino correspondente da sucesi
on.
En xeral podemos definir o concepto de sucesi
on en calquer conxunto C
non valeiro como unha aplicaci
on
x:NC
e notaremos x(n) = xn o temino n-eximo da sucesi
on. Igualmente identicamos x con {xn }.
Vexamos algun exemplo de sucesi
on.
1. En R {2, 4, 6, . . .} = {2n|n N}
2. En R2 {(1, 1), (2, 4), (3, 9), . . .} = {(n, n2 )|n N}
31


TEMA 3. SUCESIONS
EN R E EN RN

32

3. En R3 {(1, 2, 2), (2, 3, 4), (3, 4, 6), . . .} = {(n, n + 1, 2n)|n N}

4. Sucesi
ons no conxunto C = {a, b}: x = {a, a, a, . . .}, y = {a, b, a, b, . . .}.
Diremos que duas sucesi
ons x = {xn } e y = {yn } son iguais si xn =
yn , n N.

3.1

Operaci
ons con sucesi
ons

Sexan {xn } e {yn } duas sucesi

ons en Rp definimos
1. suma de sucesi
ons {xn } + {yn } = {xn + yn }
2. Producto {xn } {yn } = {< xn , yn >} = {xn yn } que e unha sucesi
on
en R.
Sexan {xn } unha sucesi
on en Rp e {tn } unha sucesi
on en R definimos a
sucesi
on producto
{tn } {xn } = {tn xn } que e unha sucesi
on en Rp .

3.2

Sucesi
ons converxentes

Si {xn } e unha sucssi

on en Rp e x0 e un punto de Rp . Decimos que {xn }
converxe a x0 ou que x0 e o lmite de {xn }, e notamos {xn } x0 ou
limn xn = x0 si
> 0, N N|n > N , kxn x0 k <
ou equivalentemnte, en terminos da metrica inducida pola norma
> 0, N N|n > N , d(xn , x0 ) <
ou en terminos de bolas
> 0, N N|n > N , xn B(x0 , ).
en terminos de abertos
Vx0 , NV N|n > NV , xn Vx0 .
donde Vx0 denota un aberto que conten a x0 .
Esto indica que t
odolos terminos da sucesi
on est
an na bola de centro x0
e radio (aberto V ) a partir de un certo indice N (NV ) en adiante.


3.2. SUCESIONS
CONVERXENTES

33

N
otese que anda que podemos definir unha sucesi
on en calquer conxunto non valeiro para falar de converxencia necesitamos algunha estructura
en ese conxunto (norma, metrica, topoloxa,...) que nos permita caracterizar
a proximidade dos terminos da sucesi
on
o lmite.
No caso particular p = 1, en R, tomando como norma o valor absoluto
escribimos a converxencia como sigue
> 0, N N|n > N , |xn x0 | <
Proposici
on 3.2.0.3 Si {xn } e unha sucesi
on converxente en Rp o lmite
e u
nico.

Demostraci
on: Supo
namos que {xn } ten dous lmites distintos x0 e x0 .

Sexa r = kx0 x0 k > 0, verifcanse:

1. Por ser x0 o lmite de {xn } para = r/2, N|n > N , xn B(x0 , r/2)

2. Por ser x0 o lmite de {xn } para = r/2, N |n > N , xn B(x0 , r/2)

Sexa M = max{N , N }. De (1) e (2) tense que

n > M, xn B(x0 , r/2) B(x0 , r/2)

Pero B(x0 , r/2) B(x0 , r/2) = o cal e imposible.

Logo de existir o lmite debe ser u
nico.
Unha sucesi
on {xn } en Rp dise acotada sii e cotado o conxunto {xn
Rp |n N} sii M R+ |xn B[0, M ], n N
Proposici
on 3.2.0.4 Toda sucesi
on converxente en Rp e acotada.
Demostraci
on: Supo
namos que {xn } x0 , verifcase
= 1 > 0, N1 N|n > N1 , kxn x0 k < 1
Temos as que kxn k < 1 + kx0 k, n > N1
Sexa M = max{kx1 k, kx2k, . . . , kxN1 k, 1 + kx0 k}, Verifcase
xn B[0, M ], n N
e polo tanto {xn } e acotada.
O recproco da proposici
on anterior non se verifica, consideramos a sucesi
on
{xn = (1)n } que e claramente acotada e non converxente.


TEMA 3. SUCESIONS
EN R E EN RN

34

Veremos a continuaci
on que os problemas de converxencia de sucesi
ons
en Rp p
odense reducir a problemas de converxencia en R.
Si {xn } e unha sucesi
on en Rp , escribindoa en coordenadas
{xn = (x1n , x2n , . . . , xpn )}
determina p sucesi
ons de n
umeros reais {x1n }, {x2n}, . . . , {xpn} que denominamos sucesi
ons coordenadas. Recprocamente dadas p sucesi
ons de n
umeros
p
reais consideramos unha sucesi
on en R que te
na por sucesi
ons coordenadas
as sucesi
ons de partida. Verificase a seguinte relaci
on entre o lmite de unha
sucesi
on e os lmites das suas sucesi
ons coordenadas.
Teorema 3.2.0.5 Sexa {xn } unha sucesi
on en Rp, e {xin }, i = 1, 2, . . ., p
as suas sucesi
ons coordenadas. Verifcase
{xn } x0 {xin } xi0 , i = 1, 2, . . ., p
Demostraci
on:
Probaremos a implicacion en (Rp, kk).
Por hipotese {xn } x0 esto e
> 0, N N|n > N , kxn x0 k <
kxn x0 k = max{|x1n x10 |, |x2n x20 |, . . ., |xpn xp0 |} <
As temos
> 0, N N|n > N, |xin xi0 | < , i = 1, 2, . . ., p
Esto e
{xin } xi0 , i = 1, 2, . . ., p

Deixase como exercicio para o lector.

N
otese que o concepto de converxencia e topol
oxico, p
odese escribir en
p
terminos de abertos, e d
uas normas en R inducen a mesma topoloxa, definen os mesmos abertos, polo tanto e lcita a elecci
on da norma infinito na
demostraci
on anterior.

3.3

Propiedades das sucesi

ons converxentes en R

Proposici
on 3.3.0.6 Regra do sandwich
Si {xn } x0 , {yn } x0 e {zn } e unha sucesi
on verificando:
xn zn yn , n N. Ent
on {zn } x0 .
Demostraci
on: Por hip
otese verifcanse:


3.3. PROPIEDADES DAS SUCESIONS
CONVERXENTES EN R

35

1.
> 0, N1 N|n > N1 , xn (x0 , x0 + )
2.
> 0, N2 N|n > N2 , yn (x0 , x0 + )
3.
xn zn yn , n N
De (1), (2) e (3) tomando N = max{N1, N2 } tense que
> 0, N N|n > N , zn (x0 , x0 + )
e polo tanto {zn } x0 .
Proposici
on 3.3.0.7 Si {xn } x0 , a < x0 e x0 < b verifcanse:
1. Na N|n > Na, xn > a
2. Nb N|n > Nb , xn < b
Demostraci
on: Demostraremos (1), a proba de (2) e an
aloga.
Como {xn } x0 e a < x0
Na N|n > Na, xn (a, x0 + 1)
e polo tanro xn > a, n > Na.
Proposici
on 3.3.0.8 Si {xn } x0 , {yn } y0 e xn yn , n N. Ent
on
x0 y0 .
Demostraci
on: Supo
namos que a proposici
on non se verifica, esto e x0 >
y0 . Tomamos = (x0 y0 )/2 > 0 e temos, por hipotese:
1. N1 N|n > N1 , xn (x0 , x0 + )
2. N2 N|n > N2 , yn (y0 , y0 + )
De (1) e (2) tomando N = max{N1 , N2} temos que
n > N , yn < xn
que esta en contradici
on coa terceira hip
otese da proposici
on.


TEMA 3. SUCESIONS
EN R E EN RN

36

3.4

Operaci
ons con sucesi
ons converxentes en Rp

Proposici
on 3.4.0.9 Si {xn } x0 , {yn } y0 en Rp . Ent
on {xn + yn }
x0 + y0 .
Demostraci
on: Por hip
otese temos:
1.
> 0, N1 N|n > N1 , kxn x0 k < /2
2.
> 0, N2 N|n > N2 , kyn y0 k < /2
Consideramos N = max{N1 , N2}. Si n > N verifcase:
kxn +yn (x0 +y0 )k = kxn x0 +yn y0 k kxn x0 k+kyn y0 k < /2+/2 =
e de aqu siguese a tese.
Enunciamos, sin demostrar, os seguintes resultados,que o lector pode
tratar de probar por si mesmo.
Proposici
on 3.4.0.10 Si {xn } x0 en R e {yn } y0 en Rp .
Ent
on {xn yn } x0 y0 en Rp .
Corolario 3.4.0.11 Verifcanse:
1. Si {xn } x0 e {yn } y0 en R. Ent
on {xn yn } x0 y0 en R.
2. Si {yn } y0 en Rp e R. Ent
on {yn } y0 .
3. Si {xn } x0 e {yn } y0 en Rp . Ent
on {xn yn } x0 y0 en Rp .
Proposici
on 3.4.0.12 Si {xn } x0 en R e xn 6= 0, n N e x0 6= 0.
Ent
on { x1n } x10 .
Proposici
on 3.4.0.13 Si {xn } x0 en Rp . Ent
on {kxn k} kx0 k.

3.5

Sucesi
ons mon
otonas

Diremos que unha sucesi

on de n
umeros reais {xn } e mon
otona crecente (decrecente) si xn xn+1 (xn xn+1 ) e diremos que e estrictamente mon
otona
crecente (decrecente) si as desigualdades son estrictas.
Estas sucesi
ons verifican o seguinte resultado, o que nos referimos como
teorema das sucesi
ons mon
otonas, que establece, para este tipo de sucesi
ons,
a equivalencia entre acotaci
on e converxencia.


3.6. SUBSUCESIONS

37

Teorema 3.5.0.14 Verificanse:

1. Si {xn } e mon
otona crecente (ou estrictamente) verifica
{xn } converxe si e s
o si {xn } est
a acotada superiormente.
2. Si {xn } e mon
otona decrecente (ou estrictamente) verifica
{xn } converxe si e s
o si {xn } est
a acotada inferiormente.
Demostraci
on: Faremos a demostraci
on de (1), a de (2) e an
aloga.
Xa esta probado para calquer sucesi
on.
Como {xn } est
a acotada superiormente existe x0 = sup{xn }.
Probaremos que x0 e o limite de {xn }.
Por definici
on de supremo > 0, x0 non e cota superior de {xn } e polo
tanto, por ser {xn } mon
otona crecente temos que
N N|n > N , xn > x0
ademais como x0 e o supremo de {xn } e cota superior e verifica xn x0 <
x0 + , n N
e as temos
> 0, N N|n > N , xn (x0 , x0 + )
esto proba que {xn } x0 .

3.6

Subsucesi
ons

Si {xn } e unha sucesi

on en Rp , esto e, unha aplicaci
o n x : N Rp , e
sexa k : N N e unha aplicaci
on estrictamente crecente (verifica m <
q k(m) < k(q)). Chamamos subsucesi
on de {xn } a toda aplicaci
on
xk : N N Rp definida de forma usual xk(q) = x(k(q)) = xk(q) = xqk .
Si consideramos a sucesi
on {xn } = {1/n}, ent
on {1/2n} e unha subsucesi
on sua determinada pola aplicaci
on k(n) = 2n que claramente e estrictamente crecente.
Vemos a continuaci
on unha propiedade que verifican as subsucesi
ons de
unha sucesi
on converxente.
Proposici
on 3.6.0.15 Si {xn } x0 en Rp . Ent
on calquer subsucesi
on de
{xn } converxe a x0 .
Deixamos a demostraci
on como exercicio para o lector.


TEMA 3. SUCESIONS
EN R E EN RN

38

Enunciamos a continuaci
on o teorema de Bolzano-Weiertrass. Proba que
en Rp , ainda que, como xa sabemos, non toda sucesi
on acotada converxe, si
que ten algunha subsucesi
on converxente.
Teorema 3.6.0.16 Toda sucesi
on acotada en Rp ten algunha subsucesi
on
converxente.
A demostraci
on p
odese ver en [4].

3.7

Sucesi
ons de Cauchy

Unha sucesi
on {xn } en Rm dise de Cauchy si
> 0, N N|p, q > N , kxp xq k <
A sucesi
on {xn } e de Cauchy si a partir de un ndice en adiante dous
terminos arbitrarios estan tan pr
oximos entre si como queiramos.
inmediato comprobar a seguinte proposici
E
on.
Proposici
on 3.7.0.17 Toda sucesi
on converxente e de Cauchy.
O reciproco da proposici
on anterior en xeral non e certo en calquer espacio vectorial normado ou metrico, como pon de manifesto o seguinte exemplo.
Consideremos a sucesi
on de n
umeros racionais {1,
1.4, 1.41, 1.414, 1.4142, . . .}
que como sucesi
on de n
umeros reais converxe a 2 e pola proposici
on anterior e de Cauchy, esta sucesi
on de Cauchy en R tamen e de Cauchy en Q
(as distancias entre os seus terminos considerados como n
umeros reais e a
mesma que si os consideramos como n
umeros racionais), pero como sucesi
on
en Q non converxe.
Esta diferencia entre sucesi
ons de Cauchy e converxentes en Rm non se
da como proba o seguinte resultado conocido como criterio de converxencia
de Cauchy.
Teorema 3.7.0.18 En Rm unha sucesi
on converxe si e s
o si e de Cauchy.
A demostraci
on pode verse en [4].
Os espacios nos que as sucesi
ons de Cauchy coinciden coas sucesi
ons
m
converxentes denomnanse completos (R ). Si en un espacio temos unha
sucesi
on de Cauchy que non converxe esta detecta realmente un oco en
ese espacio, dende ese punto de vista os espacios completos son os que non
te
nen ocos.

3.8. LIMITES INFINITOS

3.8

39

Lmites infinitos

Diremos que unha sucesi

on de n
umeros reais e diverxente e notamos limn xn =
(ou ) si
M R, NM N|n > NM , xn > M (resp xn < M )
Diremos que unha sucesi
on oscila si non converxe nin diverxe.
Proposici
on 3.8.0.19 Si {xn } e {yn } son d
uas sucesi
ons de n
umeros reais.
Verifcanse:
1. {xn } x0 , x0 R e {yn } () {xn + yn } ()
2. {xn } x0 , x0 > 0 e {yn } () {xn yn } ()
3. {xn } () e {yn } () {xn + yn } ()
A demostraci
on e un exercicio f
acil para o lector.
Outras operaci
ons te
nen como resultado indeterminaci
ons do tipo: 0,
0/0, / ou que analizaremos con m
ais detalle nas clases pr
acticas.

3.9

Lmites de oscilaci
on

Si {xn } e unha sucesi

on de n
umeros reais decimos que x0 e lmite de oscilaci
on de {xn } si existe unha subsucesi
on de {xn } con lmite x0 . Denotamos por LO{xn } o conxunto dos lmites de oscilaci
on de {xn }.
Un lmite de oscilaci
on pode ser finito ou infinito.
Verfcase que LO{xn } =
6 .
facil ver que LO{xn } = {x0 } {xn } x0 , donde x0 pode ser finito
E
ou infinito.
Si {xn } e unha sucesi
on en R definimos:
1. Lmite superior de {xn } e notamos lim supn xn = max LO{xn }.
2. Lmite inferior de {xn } e notamos lim inf n xn = min LO{xn }.
N
otese que ainda que unha sucesi
on {xn } pode non ter lmite sempre
ten lmite superior e lmite inferior.


TEMA 3. SUCESIONS
EN R E EN RN

40

Podemos clasificar as sucesi

ons en funci
on do conxunto dos lmites de
oscilaci
on segundo especificamos a continuaci
on:
1. Converxente si LO{xn } = {x0 }, x0 R
2. Diverxe si LO{xn } = {x0 }, x0 = ou x0 =
3. Oscila si LO{xn } e non unitario (ten m
ais de un elemento).

3.10

C
alculo pr
actico de lmites

D
uas sucesi
ons de n
umeros reais {xn } e {yn } dinse equivalentes e notamos
{xn } {yn } si
xn
lim
=1
n yn
Enunciamos a continuaci
on o principio de sustituci
on.
Proposici
on 3.10.0.20 O lmite de unha sucesi
on, converxente ou diverxente, non varia si na expresi
on do seu termino xeral sustituimos alg
un dos
seus factores ou divisores por outro equivalente.
Demostraci
on: Supo
namos que {xn } {yn } e que limn zn yn = z0 ,
temos
xn
z0 = lim zn yn = lim zn yn
= lim zn xn .
n
n
n
yn
A proposici
on anterior non se verifica para sumandos.
Damos a continuaci
on algunhas equivalencias importantes:
1. Si {xn } 0 ent
on {xn } {log(1 + xn )}.
2. Si {xn } 1 ent
on {xn 1} {log(xn )}.
3. Si {xn } 0 ent
on:
(a) {xn } {sin(xn )}.
(b) {xn } {tan(xn )}.
(c) {1 cos(xn )} {x2n /2}.
4. {ak nk + ak1 nk1 + + a1 n + a0 } {ak nk }.
5. {log(ak nk + ak1 nk1 + + a1 n + a0 )} {log(nk )}, ak > 0.
6. Si {an } a, a 6= 0 ent
on {an } {a}.
n

7. Formula de Stirling {n!} { n

2n
}.
en

Como exemplo probaremos: limn (n n a n) = log(a), a > 0

limn (n n a n) = limn n( n a 1) limn n log(a1/n ) = log(a).

3.10. CALCULO
PRACTICO
DE LIMITES

3.10.1

41

Criterio de Stolz. Aplicaci

ons

Enunciamos a continuaci
on o criterio de Stolz, de gran utilidade para o
c
alculo de lmites de formas indeterminadas do tipo / ou 0/0 e do
que se siguen outras regras tamen de gran utilidade como son os criterios
da media aritmetica, xeometrica e da raiz.
Proposici
on 3.10.1.1 Verificanse:
1. Si {xn } e {yn } son duas sucesi
ons de n
umeros reais tal que {yn }
e estrictamente mon
otona crecente (decrecente) e limn yn =
(limn yn = ) verificando
lim

xn xn1
=
yn yn1

Ent
on
lim

xn
= .
yn

2. Si {xn } e {yn } son duas sucesi

ons de n
umeros reais tal que {yn }
e estrictamente mon
otona crecente (decrecente) e limn yn = 0 =
limn xn verificando
lim

xn xn1
=
yn yn1

Ent
on
lim

xn
= .
yn

A demostraci
on pode verse en [3]
Corolario 3.10.1.2 Criterio da media aritmetica
n
Si {xn } x0 limn x1 +x2 ++x
= x0 , x0 finito ou infinito.
n
Demostraci
on: Aplicamos o criterio de Stolz as sucesi
ons an = x1 + x2 +
+ xn e bn = n e obtemos
lim

x1 + x2 + + xn
xn
= lim
= x0 .
n 1
n

Corolario 3.10.1.3 Criterio da media xeometrica

Si {xn } x0 , xn > 0, n N limn n x1 xn = x0 , x0 finito ou

infinito.
Demostraci
on:
Da hipotese sguese que limn log(xn ) = log(x0 ) (si x0 R)).
Aplicamos logaritmos o lmite de partida, usando que o logaritmo conmuta
co lmite, e temos


TEMA 3. SUCESIONS
EN R E EN RN

42

log(x1 ) + + log(xn )
lim log( n x1 xn ) = lim

n
n
lim log(xn ) = log(x0 )

e as obtemos a tese.
Como exemplo calculamos o lmite limn
lim

n! = lim

n
n!

1 2 n = lim n =
n

Corolario 3.10.1.4 Criterio da raiz

Si {xn } x0 , xn > 0, n N verificando limn
infinito. Ent
on tense
lim

xn
xn1

= x0 , x0 finito ou

xn = x0

Demostraci
on: Aplicamos o criterio da media xeometrica a sucesi
on {an }
definida como sigue a1 = x1 e an = xn /xn1 si n > 1.
n
Por hipotese existe limn xxn1
= limn an = x0 e polo tanto

x0 = lim n a1 an = lim
n

lim

r
n

x1

x2
xn

=
x1
xn1

xn

Aplicar o criterio anterior para calcular os lmites: limn

0.

n e limn

n
a, a >

Tema 4

Series de n
umeros reales
Ata agora todas as sumas que consideramos constaban de un n
umero finito
de sumandos. En este captulo estudiaremos sumas con un n
umero infinito e
numerable de sumandos que denominamos series. Veremos que propiedades
das sumas finitas siguen conservando as series.
Sexa {xn } e unha sucesi
on de n
umeros reais, a partir de ela, definimos
unha nova sucesi
on {sn } como sigue
sn = x1 + x2 + + xn
que denominaremos sucesi
on de sumas parciais, a sn chamamoslle suma
parcial n-exima.
Chamamos serie de n
umeros
o par formado polas sucesi
ons ({xn }, {sn})
e que usualmente notaremos

xn

n=1

P
Diremos que a serie ({xn }, {sn})
n=1 xn converxe, diverxe ou oscila
segundo sexa converxente, diverxente ou oscilante a sucesi
on de sumas parciais {sn }, analizar a que colectivo de estos pertence unha serie denomin
amolo
estudiar o seu car
acter. No caso de ser converxente diremos que o seu lmite
(s0 ) e a suma da serie e notaremos

xn = s0

n=1

As os problemas de series escribmolos en terminos de sucesi

ons, polo
tanto, para o estudio de series seranos de gran importancia os co
necementos
adquiridos no captulo anterior.

43


TEMA 4. SERIES DE NUMEROS
REALES

44

Vexamos alg
uns exemplos de series
P
1. {xn = 0} ent
on {sn = 0} e
n=1 0 = 0.
P
2. {xn = 1} ent
on {sn = n} e n=1 1 = .
3. {xn = 1/2n } ent
on {sn =

1/21(2n+1
}
11/2

1
n=1 2n

= 1.

4. {xn = (1)n } enton sn = 1 si n = 2p + 1 e sn = 0 si n = 2p e a serie

P
e oscilante.
n=1 xn

Enunciamos a continuaci
on unha primeira propiedade de series moi intuitiva ainda que a sua demostraci
on e un tanto laboriosa.

Proposici
on 4.0.1.5 Si en unha serie introducimos ou suprimimos un n
umero
finito de sumandos o seu car
acter non varia.

4.1
Sexan
imos

Operaci
ons con series
P

n=1

xn e

n=1 yn

1. Suma de series

duas series de n
umeros reais e sexa R defin-

xn +

n=1 yn

n=1 (xn + yn )
P
P
2. Producto de unha serie por un escalar n=1 xn =
n=1 xn
n=1

Vemos a continuaci
on como se comportan respecto de estas operaci
ons.
P
P
Proposici
on 4.1.0.6 Sexan
uas series de n
umeros
n=1 xn e
n=1 yn d
reais e sexa , R. Verifcanse:
P
P
1. Si
n=1
Pxn e n=1
Pyn converxen, con sumas s0 e t0 respectivamente.
Ent
on n=1 xn + n=1 yn converxe e ten por suma s0 + t0 .
P
P
2. Si n=1 xn diverxe (oscila) e 6= 0. Ent
on
n=1 xn diverxe (oscila).
P
P
P
3. P
Si
on
n=1 xn converxe e
n=1 yn diverxe (oscila). Ent
n=1 xn +

y
diverxe
(oscila).
n=1 n

Demostraci
on: Daremos u
nicamente a demostraci
on de (1), as dem
ais
son an
alogas.
Consideramos
tamos

n=1

xn +

n=1

n=1

xn ({xn }, {sn}),

yn =

X
n=1

(xn + yn ) =

n=1 yn

X
n=1

({xn }, {tn }), deno-

zn ({zn }, {wn})


4.1. OPERACIONS
CON SERIES

45

donde
zn = z1 + +zn = (x1 +y1 )+ +(xn +yn ) = x1 + +xn +y1 + +yn = sn +tn
As como, por hipotese, {sn } s0 e {tn } t0 tense que {wn } x0 +y0 ,
esto e

(xn + yn ) = s0 + t0 .

n=1

Presentamos agora o criteriode converxencia de Cauchy, unha caracterizaci

on da converxencia de unha serie, que se sigue do criterio hom
onimo
para sucesi
ons.
P
Proposici
on 4.1.0.7 A serie
o si verifica
n=1 xn converxe si e s
> 0, N N|n > N , k N, |xn+1 + + xn+k | <

Demostraci
on:
P
x
converxa
si e s
o si {sn }) converxe si e s
o si {sn }) e de Cauchy
n=1 n
si e s
o si verifica
> 0, N N|n, m > N , |sm sn | <
Podemos supo
ner que m > n e as k N|m = n + k.
Tense que
|sn+k sn | = |xn+1 + + xn+k |
e de aqu obtemos a tese.
O criterio de converxencia de Cauchy afirma que unha serie converxe
si e s
o si a suma das suas colas en valor absoluto e tan pequena como
queiramos con tal de tomalas a partir de un ndice n, suficientemente grande,
en adiante.
Do criterio de converxencia de Cauchy extraemos unha condici
on necesaria de converxencia que enunciamos a continuaci
on.
P
Corolario 4.1.0.8 Si a serie
on {xn } 0.
n=1 xn converxe ent
Demostraci
on: T
omese k = 1 na proposici
on anterior.
As a serie

2n+1
n=1 7n3

non converxe xa que {xn } 2/7 6= 0.

Esta condici
on necesaria non e suficiente como mostra o seguinte exemP 1
plo n=1 n , veremos mais adiante que esta serie diverxe e a sucesi
on do seu
termino xeral converxe a cero.

46

4.2

TEMA 4. SERIES DE NUMEROS

REALES

Series de t
erminos non negativos

P
Unha serie
erminos non negativos (STNN) si xn 0, n
n=1 xn dise de t
N e dise de terminos positivos (STP) si xn > 0, n N.
P
Si
e STNN ent
on a sua sucesi
on de sumas parciais {sn } e
n=1 xn
mon
otona crecente. Esta observaci
on e de gran axuda para o estudio das
STP e m
ais xeneralmente para as STNN. Presentamos a continuaci
on unha
propiedade das STNN que se sigue de forma inmediata da observaci
on anterior.
P
Proposici
o
n
4.2.0.9
Si
e unha STNN verifica
n=1 xn
P
x
converxe
(diverxe)
si
e
s
o
si
{sn } est
a acotada superiormente (non
n
n=1
e acotada superiormente).
Ademais, no caso e ser converxente tense

n=1

xn = sup{sn }

Da proposici
on anterior siguese que as STNN converxen ou diverxen,
segundo a suas sucesi
ons de sumas parciais esten acotadas superiormente ou
non e polo tanto nunca oscilan.
Presentamos a continuaci
on criterios de comparaci
on para o estudio do
car
acter de STP ou m
ais xeneralmente para STNN.
Proposici
on
P on 4.2.0.10
P Criterio de comparaci
Sexan
x
e
y
duas
STNN
verificando
xn yn , n N. Ten
ense:
n=1 n
n=1 n
P
P
on
1. Si
n=1 xn converxe.
n=1 yn converxe ent
P
P
2. Si n=1 xn diverxe ent
on n=1 yn diverxe.

Demostraci
on:
Si denotamos por {sn } e {tn } as suas respectivas sucesi
ons de sumas
parciais. Verifcase

sn = x1 + + xn y1 + + yn = tn
P
de aqu temos
o si {tn } est
a acotada superiorn=1 yn converxe si e s
mente e polo tanto {sn } tamen est
a acotada superiormente e equivalenteP
mente
x
converxe.
n=1 n
A demostraci
on de (2) e an
aloga.
P
P
+
Corolario 4.2.0.11
1. Si
n=1 xn e
n=1 yn son duas STNN e R
verificando xn yn , n N. Te
nense:


4.2. SERIES DE TERMINOS
NON NEGATIVOS

47

P
converxe ent
on
n=1 xn converxe.
P
(b) Si
diverxe ent
on n=1 yn diverxe.
P
P
2. Si
e unha STNN e
e unha STP e k1 , k2 R+
n=1 xn
n=1 yn
verificando k1 xn /yn k2 , n N. Tense:
(a) Si

n=1 yn
P
n=1 xn

X
n=1

xn converxe (diverxe)

yn converxe (diverxe)

n=1

A demostraci
on e inmediata e deixase como exercicio para o lector.
Proposici
on 4.2.0.12 Criterio de comparaci
on por paso o
lmite
P
P
Sexan n=1 xn unha STNN e n=1 yn unha STP verifcanse:
1. Si limn

X
n=1

xn
yn

= c, c 6= 0, c R entonces

xn converxe (diverxe)

yn converxe (diverxe)

n=1

2. Si limn xynn = 0 entonces:

P
P
(a) Si
en converxe.
n=1 yn converxe
n=1 xn tam
P
P
(b) Si n=1 xn diverxe n=1 yn tamen diverxe.

3. Si limn xynn = entonces:

P
P
(a) Si
en diverxe.
n=1 yn diverxe
n=1 xn tam
P
P
(b) Si n=1 xn converxe n=1 yn tamen converxe.
Demostraci
on:
Prebaremos (1), as dem
ais probanse de xeito an
alogo.
Como limn

xn
yn

= c > 0 verificase
N0 N|n > N0 ,

c
xn
3c
<
<
2
yn
2

P
e polo apartado (2) do corolario anterior temos que as series
n=N0 yn e
P
nen o mesmo car
acter e da primeira proposici
on de este captulo
n=N0 yn te
siguese que as series de partida tamen te
nen o mesmo car
acter.
Estos criterios de comparaci
on permtennos decedir o car
acter de unha
serie a partir do car
acter de outra xa conocido. Necesitamos polo tanto
conocer o car
acter de algunha serie para poder sacarlle partido os resultados anteriores.


TEMA 4. SERIES DE NUMEROS
REALES

48

Presentamos a continuaci
on dous tipos de series dos cales co
necemos o
seu car
acter.

4.2.1

Series xeom
etricas e arm
onicas

Unha serie xeometrica e do tipo

n=1

xn con x R fixo.

Para as series xeometricas co

necemos perfectamente o seu car
acter e a
sua suma cando son converxentes, presentamos este resultado na seguinte
proposici
on.
Proposici
on 4.2.1.1 . P
n
Para a serie xeometrica
n=1 x verificanse:
1. Converxe si |x| < 1 e ten por suma s =

x
1x .

2. Diverxe si x 1.
3. Oscila si x 1.
Demostraci
on: Si denotamos por {sn }) a sucesi
on de sumas parciais
da serie verifcase
sn = x + x2 + + xn

xsn = x2 + x3 + + xn+1
Restando membro a membro tense
(1 x)sn = x xn+1
si x 6= 1 obtemos
sn =
de aqu deducimos a tese

x xn+1
1x

1. Si |x| < 1 limn sn = limn

2. Si x > 1 limn sn = limn
3. Si x < 1 6 limn

xxn+1
1x

xxn+1
1x

xxn+1
1x

x
1x .

= .

e polo tanto {sn } oscila e tamen

4. Si x = 1, sn = n e limn sn = .

n=1

xn .

5. Si x = 1, sn = 1 si n = 2p + 1 e sn = 0 si n = 2p e polo tanto {sn }

P
n
oscila e tamen
n=1 x .


4.3. CRITERIOS DE CONVERXENCIA PARA SERIES DE TERMINOS
NON NEGATIVOS49
Unha serie arm
onica e do tipo

1
n=1 x

con R fixo.

N
otese que as series arm
onicas son STP. Na seguinte proposici
on analzase
o car
acter das series arm
onicas.
Proposici
on 4.2.1.2 Para a serie arm
onica
1. Converxe si > 1.

1
n=1 x

verificanse:

2. Diverxe si 1.
A demostraci
on pode verse en [3].

4.3

Criterios de converxencia para series de t

erminos
non negativos

Presentaremos, sin demostraci

on, catro criterios de converxencia directos
para STNN.
Proposici
on 4.3.0.3 Criterio do cociente ou de Dalembert
P n
Si n=1 x e unha STP verifcase:
P
n
1. Si limn xn+1
on
n=1 x converxe.
xn < 1 ent
P
n
2. Si limn xn+1
on
n=1 x diverxe.
xn > 1 ent
Proposici
P non 4.3.0.4 Criterio da raizou de Cauchy
Si n=1 x e unha STNN e limn n xn = verifcase:
P
n
1. Si < 1 ent
on
n=1 x converxe.
P
n
2. Si > 1 ent
on
n=1 x diverxe.
3. Si = 1 o criterio non decide.

Proposici
on 4.3.0.5 Criterio logartmico
P n
1/xn
Si n=1 x e unha STP e limn log(n)
= verifcase:
P
n
1. Si > 1 ent
on
n=1 x converxe.
P
n
2. Si < 1 ent
on
n=1 x diverxe.

Proposici
on 4.3.0.6 Criterio de Raabe
P
n
Si
x
e unha STP verifcase:
n=1
P
n
1. Si limn n(1 xxn+1
) > 1 ent
on
n=1 x converxe.
n
P
n
2. Si limn n(1 xxn+1
) < 1 ent
on
n=1 x diverxe.
n


TEMA 4. SERIES DE NUMEROS
REALES

50

A demostraci
on pode verse en [3].
O lector pode aplicar os criterios anteriores as series armonicas e xeometricas
de TNN e analizar as conclusi
ons.
Os criterios de converxencia para STNN son aplicables para series de
terminosP
non negativos a partir de un certo ndice N0 estudiando
acter
Pocar
n que
n
da serie
x
e
STNN
e
xa
conocemos
que
as
series
n=N0 x e
P n n=N0
nen o mesmo car
acter.
n=1 x te
Os criterios de converxencia para STNN son aplicables tamen a series de
P
terminos negativos estudiando
acterP
da serie
e STNN e
n=1 xn que
Po car
xa conocemos que as series n=1 xn e
x
te
n
en
o
mesmo
car
acter.
n=1 n
Finalmente os criterios de converxencia para STNN son aplicables, en
xeral, a series de terminos con signo
P constante a partir de un certo ndice
N0 estudiando o car
acter da serie
e STNN ou unha STNP e
n=N0 xn que
reducimos o problema a un dos apartados anteriores.
A pesar de esta xeneralizaci
on non t
odolas series son de este tipo, hai
moitas series que te
nen terminos positivos e negativos a partir de calquer
indice N0 fixado. Na seguinte secci
on estudiamos un caso moi particular de
este u
ltimo tipo de series.

4.4

Series alternadas

Chamamos serie alternada a unha serie do tipo

n=N0

(1)n xn , xn > 0, n N

O criterio de Leibnitz, que enunciamos a continuaci

on, da unha condici
on
suficiente de converxencia para as series alternadas e acota o erro que cometemos
o aproximar a suma da serie pola suma parcial n-exima.
Proposici
on 4.4.0.7 Para a serie alternada

n=1 (1)

xn verifcase:
P
n
1. Si {xn } e mon
otona decrecente e converxe a cero ent
on
n=1 (1) xn
converxe.

2. Si a serie anterior e converxente e denotamos por s a sua suma tense

que
|sn s| < xn+1 .

51

4.5. CONVERXENCIA ABSOLUTA

A demostraci
on pode verse en [3].

P
1
A serie arm
onica
n=1 n e diverxente, como xa dixemos anteriormente,
P
n1
pero a serie alternada
n=1 (1) n converxe, aplicando o criterio de Leibnitz. Si denotamos por s a sua suma verifcase
|s

1000
X

1
1
(1)n | <
n
1001
n=1

As, para este tipo de series, ainda que desconozcamos o valor exacto da
suma podemos calcular unha aproximaci
on sua tan precisa como queiramos.

4.5

Converxencia absoluta

Non todalas series pertencen a alg

un dos tipos estudidos anteriormente.
Para estudiar o car
acter de series que non est
an en ning
un tipo anterior
introducimos un novo concepto.
P
Decimos que
Punha serie n=1 xn e absolutamente converxente si converxe a serie n=1 |xn |, que denominamos serie de valores absolutos.

P
Notese que a serie
e unha STNN e polo tanto podemos aplin=1 |xn |
carlle criterios de converxencia para STNN.
O seguinte resultado da unha relacci
on entre a converxencia e a converxencia absoluta.
Proposici
on 4.5.0.8 Toda serie absolutamente converxente e converxente
e adem
ais verifica
|

n=1

xn |

X
n=1

|xn |

Demostraci
on:
Para demostrar esta propiedade faremos uso do criteriode converxencia
de Cauchy.
Por hip
otese temos que a serie de valores absolutos converxe, e polo tanto
verifica o criterio de converxencia de Cauchy
> 0, N N|p, q > N , ||xp+1 | + + |xq || <

esto implica

> 0, N N|p, q > N , |xp+1 + + xq | < |xp+1 | + + |xq | <


TEMA 4. SERIES DE NUMEROS
REALES

52
e polo tanto a serie
as converxe.

n=1

xn verifica o criterio de converxencia de Cauchy e

Ademais tense que

|

M
X
n=1

xn |

M
X

n=1

|xn |, M N

e tomando lmites obtemos o segundo resultado que enunciamos.

N
otese que o recproco da proposici
on anterior non se verifica como proba
o seguinte
exemplo:
P
n
A serie
en virtude do criterio de Leibnitz, pero a
n=1 (1) /n converxe,
P
sua serie de valores absolutos n=1 1/n diverxe.

P
N
otese tamen que si unha serie
on {xn } e
n=1 xn verifica que a sucesi
de signo constante a partir de un certo ndice N0 tense que converxe si e s
o
si e absolutamente converxente.
Decimos que unha serie e condicionalmente converxente si converxe pero
non e absolutamente converxente.
Gustarianos introducir os conceptos de reordenaci
on e asociaci
on de
terminos en series para rematar o c
apitulo co teorema de Riemann, pero
res
ultanos imposible, por raz
ons de tempo.

Bibliografa
[1] Apostol, T. M. An
alisis matem
atico. Reverte (2a edicci
on), 1989.
[2] Burden, R. L.,Faires R. L., An
alisis numerico. Tomson (6a edicci
on),
1998.
[3] Burgos, J. C
alculo infinitesimal de una variable. McGRAW-HILL (2a
edicci
on), 2007.
[4] Burgos, J. C
alculo infinitesimal de varias variable. McGRAW-HILL (2a
edicci
on), 2008.
[5] Galindo, F., Sanz, J., Trist
an, L. C
alculo infinitesimal en una variable
real. Thomson, 2008.
[6] Galindo, F., Sanz, J., Trist
an, L. C
alculo infinitesimal en varias variable. Thomson, 2005.

53