Está en la página 1de 119

An´alisis Real: Primer Curso

Ricardo A. S´aenz

´

Indice general

Introducci´on

v

 

Cap´ıtulo 1.

Espacios M´etricos

1

§1.

M´etricas

1

§2.

M´etricas en espacios vectoriales

4

§3.

Topolog´ıa

9

Ejercicios

16

 

Cap´ıtulo 2.

Sucesiones y convergencia

21

§1.

Definiciones

21

§2.

Sucesiones de Cauchy y completitud

25

§3.

Espacios vectoriales completos

29

§4.

Convergencia de series

35

§5.

La completitud de un espacio m´etrico

37

Ejercicios

40

 

Cap´ıtulo 3.

Espacios compactos

43

§1.

Cubiertas

43

§2.

Compacidad

45

§3.

El teorema de Bolzano-Weierstrass

48

§4.

Compacidad en espacios de Banach

52

Ejercicios

56

 

Cap´ıtulo 4.

El espacio de funciones continuas

57

§1.

Funciones continuas

57

iv

´

Indice general

§2.

El espacio C(X, Y )

65

§3.

El teorema de Arzel`a-Ascoli

69

§4.

El teorema de Stone-Weierstrass

76

Ejercicios

84

 

Cap´ıtulo 5.

Espacios conexos

87

§1.

Conexidad

87

§2.

Conexidad por trayectorias

89

§3.

Componentes conexas

92

Ejercicios

93

 

Cap´ıtulo 6.

Espacios completos

95

§1.

El teorema de Cantor

95

§2.

El teorema de Baire

98

§3.

Consecuencias del teorema de Baire

100

Ejercicios

106

 

Cap´ıtulo 7.

Ecuaciones diferenciales ordinarias

107

§1.

Problema de Valor Inicial

107

§2.

El teorema de contracci´on

108

§3.

Existencia y unicidad de soluciones

109

Ejercicios

112

 

Bibliograf´ıa

113

Introducci´on

Estas notas presentan una introducci´on b´asica al an´alisis real, basada en el estudio de espacios m´etricos y aplicaciones. En particular, hacemos un estudio extenso de la idea de completitud en un espacio m´etrico. Dos conceptos fundamentales son la base de este estudio: m´etrica y com- pletitud. Una m´etrica es una funci´on que establece distancias entre los ob- jetos de un espacio. Las propiedades que definen una m´etrica son aqu´ellas que uno espera de una distancia: positividad, simetr´ıa, y la desigualdad del tri´angulo, la cual garantiza que la distancia entre dos puntos es menor que la suma de las distancias de ´estos a otro punto en comun.´ Por medio de una m´etrica uno puede medir la “cercan´ıa” dentro un espacio desde el punto de vista anal´ıtico, es decir, establecer cu´ales son las sucesiones convergentes. Esto nos lleva de manera natural a continuidad y al estudio de la topolog´ıa de un espacio. Completitud es la propiedad que garantiza que las sucesiones cuyos t´erminos se acercan entre s´ı son convergentes. En t´erminos generales esto significa que nuestro espacio no tiene “agujeros”. En el cap´ıtulo 1 se define el concepto de m´etrica, y se estudia de manera b´asica la topolog´ıa inducida por un m´etrica. De manera un tanto m´as detal- lada se estudian m´etricas inducidas por normas (magnitudes de vectores) o por productos internos. En el cap´ıtulo 2 se estudia la convergencia de una sucesi´on, y se introduce la idea de completitud. Tmabi´en se estudian algunas aplicaciones de estas ideas a espacios vectoriales normados, como la convergencia de series, ya sea de manera absoluta o condicional. Se demuestra, por ejemplo, el teorema de

vi

Introducci´on

Dirichlet. Al final, demostramos que si un espacio m´etrico no es completo, entonces puede ser encajado un espacio m´etrico completo. La idea de compacidad fue descubierta por Heine en su estudio de fun- ciones uniformemente continuas. Compacidad tambi´en garantiza la existen- cia de m´aximos y m´ınimos de una funci´on continua, por lo que su estudio es b´asico en an´alisis. En el cap´ıtulo 3 estudiamos estos conceptos en de- talle, y demostraremos el teorema de Bolzano-Weierstrass, el cual clasifica a los conjuntos compactos en t´erminos de sucesiones convergentes. Tambi´en demostramos el teorema de Heine-Borel, el cual implica, por ejemplo, que bolas cerradas en el espacio euclideano son compactas. Sin embargo, tal cosa no es cierta en espacios de dimensi´on infinita, como se establece al final del cap´ıtulo.

La colecci´on de funcionas continuas acotadas en un espacio m´etrico for- ma en s´ı un espacio m´etrico, y tal objeto es estudiado en detalle en el cap´ıtulo 4. Por ejemplo, clasificamos los subconjuntos compactos de dicho espacio a trav´es del teorema de Arzel`a-Ascoli. Tambi´en se estudian subconjuntos den- sos, y demostramos el teorema de Stone-Weierstrass al final del cap´ıtulo. En el cap´ıtulo 5 se estudia la idea de conexidad y se establecen algunas aplicaciones, como el teorema del valor intermedio en la recta real y el estudio de conjuntos convexos en el espacio euclideano. En el cap´ıtulo 6 se estudian consecuancias de completitud, como el teo- rema de Cantor y el teorema de Baire. Las aplicaciones de dichos teoremas van desde la incontabilidad de los numeros´ reales hasta la inexistencia de funciones continuas s´olamente en los racionales. En ultimo´ cap´ıtulo aplicamos la idea de completitud al estudio de ecua- ciones diferenciales ordinarias. Introducimos la condici´on de Lipschitz y el teorema de contracci´on para garantizar la existencia y unicidad de cierta clase de ecuaciones de primer orden, y su extensi´on a ordenes´ mayores.

Estas notas, aun,´

siguen en constante revisi´on.

Ricardo Alberto S´aenz Casas

Cap´ıtulo 1 Espacios M´etricos 1. M´etricas A grandes rasgos, un espacio m´etrico es un conjunto

Cap´ıtulo 1

Espacios M´etricos

1.

M´etricas

A grandes rasgos, un espacio m´etrico es un conjunto provisto de una distancia, llamada m´etrica, y a partir de ´esta constru´ımos sus propiedades anal´ıticas: l´ımites y continuidad.

Definici´on 1.1. Sea X un conjunto no vac´ıo. Una m´etrica d en X es una funci´on d : X × X [0, ) con las siguientes propiedades:

1. d(x, y) = 0 si, y s´olo si, x = y, para todos x, y X.

2. d(x, y) = d(y, x), para todos x, y X.

3. d(x, y) d(x, z) + d(z, y), para todos x, y, z X.

Un espacio m´etrico es una pareja (X, d), donde X

en X.

= y d es una m´etrica

Cuando no haya confusi´on, nos refererimos al espacio m´etrico (X, d) s´olo como X. Al enunciado (3) de la definici´on anterior se le conoce como la desigualdad del tri´angulo.

Ejemplo 1.2. Sea X

= . Definimos

d(x, y) = 0

1

si

si

x = y,

y,

x

=

x, y X.

Es claro que (X, d) es un espacio m´etrico, y d es llamada la m´etrica discreta. Este ejemplo garantiza que cualquier conjunto (no vac´ıo) puede ser dotado de una m´etrica.

2

1. Espacios M´etricos

Ejemplo 1.3. Sea R el conjunto de los numeros´

reales, y definimos

d(x, y) = |x y|,

x, y R.

d es llamada la m´etrica est´andar en R. Excepto cuando sea indicado de otra forma, nos referiremos al espacio R con la m´etrica est´andar s´olo por R.

Ejemplo 1.4. En R n definimos

d E (x, y) = (x 1 y 1 ) 2 +

+

(x n y n ) 2 ,

x, y R n .

d E es llamada la m´etrica euclideana. La demostraci´on del hecho que d E define una m´etrica requiere de la desigualdad de Cauchy-Schwartz, la cual ser´a demostrada en la siguiente secci´on.

Ejemplo 1.5. En R n tambi´en podemos definir

d M (x, y) =

m´ax

i=1,

,n

|x i y i |,

x, y R n .

Para verificar que es una m´etrica, observamos primero que las propieda- des (1) y (2) de m´etrica se satisfacen trivialmente por la definici´on de valor absoluto. Para verifica la desigualdad del tri’angulo, tomamos x =

(x 1 ,

,

x n ), y = (y 1 ,

, y n ), z = (z 1 ,

, z n ) R n y suponemos que

Entonces

d(x, y) =

|x i 0 y i 0 | =

m´ax

i=1,

,n

|x i y i |.

|x i 0 y i 0 | ≤ |x i 0 z i 0 | + |z i 0 y i 0 |

m´ax

i=1,

,n

|x i z i | +

m´ax

i=1,

,n

|z i y i | = d(x, z) + d(z, y).

Este m´etrica es llamada la m´etrica del m´aximo.

Ejemplo 1.6. En R n , definimos la m´etrica

d T (x, y) = |x 1 y 1 | +

+ |x n y n |,

x, y R n .

De nuevo, es f´acil verificar que d T es una m´etrica, la cual es llamada la m´etrica del taxi (Figura 1).

Ejemplo 1.7. En R, definimos ahora

|x y| y| , 1 + |x

Las propiedades (1) y (2) de la definici´on de m´etrica se satisfacen trivial- mente por la definici´on de valor absoluto. Para verificar la desigualdad del tri´angulo, sean A = |x z|, B = |z y|, y C = |x y|. Entonces queremos mostrar que

A

d A (x, y) =

x, y R.

C

B

1 + C

1 + A +

1 + B .

1. M´etricas

3

y r b x a
y
r
b
x
a

Figura 1. Comparaci´on de las m´etricas d E , d M y d T en R 2 . En la figura,

d E (x, y) = r,

d M (x, y) = b (suponiendo que b > a) y d T (x, y) = a + b.

Pero, como C A + B y A, B 0, tenemos

C C

1 +

C + AB 1 + C

1

= 1 1 AB 1 + C

=

1 AB 1 + A + B + AB

A

1 + A +

B

1 + B .

d A es llamada la m´etrica acotada en R, ya que para todos x, y R,

d A (x, y) < 1.

Ejemplo 1.8. Sea (X, d) un espacio m´etrico. Al igual que en el ejemplo anterior, podemos verificar que

d(x, y) y) , 1 + d(x,

es una m´etrica en X. A d A le llamaremos la acotaci´on de la m´etrica d en X, ya que, como veremos m´as adelante, induce la misma topolog´ıa que d en X y adem´as d A (x, y) < 1 para todos los puntos x y y en X.

Ejemplo 1.9. Sea (X, d) un espacio m´etrico, y Y X no vac´ıo. Entonces la restricci´on de d a Y × Y define una m´etrica en Y , y (Y, d| Y ×Y ) es llamado un subespacio de X. El estudio de los subespacios de un espacio m´etrico es importante para entender la estructura del espacio original, y ser´a uno de los temas centrales en estas notas.

Ejemplo 1.10. Sean (X, d) y (Y, ρ) dos espacios m´etricos. Entonces, si definimos la funci´on d × ρ : X × Y [0, ) como

d A (x, y) =

x, y X,

d × ρ((x 1 , y 1 ), (x 2 , y 2 )) = d(x 1 , x 2 ) + ρ(y 1 , y 2 ),

x 1 , x 2 X, y 1 , y 2 Y,

(X × Y, d × ρ) es un espacio m´etrico, y es llamado el espacio producto de X y Y . Por ejemplo, la m´etrica d T en R 2 es igual a la m´etrica producto d × d en R × R, donde d es la m´etrica est´andar.

4

1. Espacios M´etricos

2. M´etricas en espacios vectoriales

En esta secci´on describimos la construcci´on de m´etricas en espacios vec- toriales. En espacios normados, la m´etrica es dada simplemente por la dis- tancia entre dos vectores, es decir, la norma de su diferencia. En caso de tener un producto interno, la norma es inducida por ´este.

2.1. Espacios Normados.

Definici´on 1.11. Sea X un espacio vectorial sobre el campo K, el cual puede ser el campo de los numeros´ reales (R) o los numeros´ complejos (C). Una norma en X es una funci´on || · || : X [0, ) que satisface:

1. ||x|| = 0 si, y s´olo si, x = 0.

2. ||λx|| = |λ| ||x||, para todo λ K y x X.

3. ||x + y|| ≤ ||x|| + ||y||, para todos x, y X.

Un espacio vectorial normado es una pareja (X, || · ||) donde X es un espacio vectorial y || · || es una norma.

Ejemplo 1.12. Consideremos el espacio K n con la norma

(1.1)

donde |r| representa el valor absoluto de r. El hecho que (1.1) define una norma se deduce de la desigualdad de Cauchy-Schwartz, demostrada m´as adelante en esta secci´on. En el caso K = R, denominamos a este espacio el espacio euclideano, y, a su vez, || · || E la norma euclideana. La norma || · || E se denotar´a tambi´en como | · |, cuando esto no genere confusi´on con el valor absoluto.

Ejemplo 1.13. Consideremos nuevamente K n , con la normas

(1.2)

(1.3)

| + |x

||x|| E = |x 1 | 2 + |x 2 | 2 +

+

|x n | 2 ,

||x||

T

||x||

M

=

=

|x

1

2

| +

+ |x

n

|;

m´ax |x

i

i

|.

El hecho que estas dos funciones definen normas en K n se concluye f´acilmente de las propiedades b´asicas del valor absoluto. En el caso n = 1, estas dos normas y la del ejemplo anterior coinciden con la funci´on valor absoluto.

Ejemplo 1.14. Sea C([0, 1]) el espacio de funciones continuas (con valores en K ) sobre el intervalo [0, 1]. Entonces C([0, 1]) es un espacio vectorial sobre K, y se puede normar por medio de

(1.4)

||f || u = m´ax x[0,1] |f(x)|.

(1.4) est´a bien definida porque f es continua en el intervalo cerrado [0, 1], y por lo tanto toma su m´aximo. La propiedad (1) de la definici´on de norma se satisface trivialmente, y (2) se sigue porque |λf (x)| = |λ||f (x)| para todo

2. M´etricas en espacios vectoriales

5

x [0, 1]. Para verificar la desigualdad del tri´angulo, sean f, g continuas en

[0, 1] y x 0

tal que

 

|f(x 0 ) + g(x 0 )| = m´ax

x[0,1] |f(x) + g(x)|.

Entonces

||f + g|| u = |f(x 0 ) + g(x 0 )| ≤ |f(x 0 )| + |g(x 0 )|

m´ax

x[0,1] |f (x)| + m´ax

x[0,1] |g(x)| = ||f || u + ||g|| u .

La norma (1.4) es llamada la norma uniforme.

Ejemplo 1.15. En C([0, 1]), tambi´en podemos definir la norma

(1.5)

||f || 1 = 1 |f (x)|dx,

0

donde denota la integral de Riemann. El hecho de que (1.5) denota una norma se sigue de las propiedades usuales de la integral de Riemann y de valor absoluto. Esta norma es llamada la norma L 1 .

Todo espacio vectorial normado se puede metrizar por medio de la fun- ci´on

(1.6)

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

Es f´acil demostrar que (1.6) define una m´etrica (ejercicio 4), y decimos que esta m´etrica es inducida por || · ||. M´as aun,´ esta m´etrica satisface las siguientes propiedades:

es

1.

d(x + z, y + z)

invariante bajo traslaciones.

=

d(x, y), para todo x, y, z

X; es decir,

d

2. d(δx, δy) = δd(x, y), para todo δ homog´enea de orden 1 1 .

> 0 y x, y

X; es decir, d es

Las m´etricas d E , d M y d T en R n son inducidas por las normas || · || E , || · || M y || · || T , respectivamente. De igual forma, la norma || · || u en C([0, 1]) induce la m´etrica

d u (f, g) = m´ax

x[0,1] |f(x) g(x)|,

de la cual discutiremos m´as adelante (cap´ıtulo 4).

1 Una funci´on f : X Y , donde X y Y son espacios vectoriales, es homog´enea de orden α si, para todo δ > 0, f (δx) = δ α f (x).

6

1. Espacios M´etricos

2.2. Espacios con producto interno.

Definici´on 1.16. Sea X un espacio vectorial sobre K. Un producto interno en X es una funci´on (·, ·) : X × X K con la siguientes propiedades:

real nonegativo) para todo x X,

1. (x, x) 0 (es decir, un numero´ y (x, x) = 0 si, y s´olo si, x = 0.

2. (x, y) = (y, x), para todos x, y X, donde r¯ representa el conjuga-

do del numero´

r.

3. (λx + ηy, z) = λ(x, z) + η(y, z), para todos x, y, z X y λ, η K.

La pareja (X, (·, ·)) es llamada un espacio con producto interno.

En esta definici´on, las propiedades (2) y (3) implican que

¯

(x, λy + ηz) = λ(x, y) + η¯(x, z).

As´ı, un producto interno (·, ·) es lineal en la primer variable y “lineal con- jungado” en la segunda.

Ejemplo 1.17. En K n , consideremos el producto

(1.7)

(z, w) = z 1 w¯ 1 + z 2 w¯ 2 +

+

z n w¯ n .

Es f´acil ver que (1.7) es de hecho un producto interno. De hecho, todo espacio vectorial sobre K con producto interno, de dimensi´on n < , es isomorfo a K n con el producto (1.7). La demostraci´on de este hecho involucra el llamado proceso de Gram-Schmidt, que el lector puede repasar en cualquier texto elemental de algebra´ lineal.

Ejemplo 1.18. En C([0, 1]) definimos

(1.8)

(f, g) = 1 f (x)g(x)dx.

0

De nuevo, las propiedades de la integral de Riemann implican que (1.8) es un producto interno.

Un producto interno induce una norma. La construcci´on de la norma inducida es f´acil, pero el demostrar que de hecho es una norma requiere de la siguiente propiedad.

Lema 1.19 (Desigualdad de Cauchy-Schwartz). Sea (X, (·, ·)) un espacio con producto interno, y sean x, y X. Entonces

|(x, y)| 2 (x, x)(y, y).

2. M´etricas en espacios vectoriales

7

Demostraci´on. El resultado es trivialmente cierto si x es el vector 0 (ambos lados de la desigualdad son iguales a 0, en tal caso). Supongamos entonces

que x

= 0 y sea w X el vector

w = y y,

(x, x) x.

x

Entonces, utilizando las propiedades (1), (2) y (3) de la definici´on de pro-

y w
y
w

x

Figura 2. Los vectores x, y y w de la demostraci´on.

ducto interno, y la nota despu´es de la definici´on,

0

Luego

=

=

=

y por lo tanto

El vector

(w, w) = y y,

x

x) x, y y,

(x,

(x, x) x

x

(y, y) (y, x)

(x,

x) (y, x) (y, x)

(x, x) (x, y) +

(y, x)

(x, x) (x, x) (x, x)

(y, x)

(y, y) |(x, y)| 2 (x, x)

(y, y) |(x, y)| 2

(x, x)

.

|(x, y)| 2 (x, x)

+

|(x, y)| 2 (x, x)

|(x, y)| 2 (x, x)

(y, y),

|(x, y)| 2 (x, x)(y, y).

y,

(x, x) x

x

de la demostraci´on es denominado proyecci´on orthogonal de y sobre x (m´as precisamente, sobre el espacio generado por x) y suele denotarse por Proy x y. Esto se debe al hecho que w = y Proy x y y x son ortogonales, es decir, (w, x) = 0, como es muy f´acil de verificar.

Tenemos entonces la siguiente proposici´on.

8

1. Espacios M´etricos

Proposici´on 1.20. Sea (X, (·, ·)) un espacio con producto interno, y defi-

nimos || · || : X

[0, ) como la funci´on

(1.9)

||x|| = (x, x).

Entonces (X, || · ||) es un espacio normado.

Demostraci´on. Primero, la funci´on (1.9) est´a bien definida ya que para todo x X, (x, x) 0. Verificamos que se cumplen las propiedades 1, 2 y 3 de una norma:

1. Como (x, x) = 0 si, y s´olo si, x = 0, entonces ||x|| = 0 si, y s´olo si, x = 0.

2.

Si x X y

λ K, entonces

||λx|| = (λx, λx) = λ λ(x, x) = |λ| (x, x).

¯

Si

3. x, y X,

||x + y|| 2

=

(x + y, x + y) = (x, x) + (x, y) + (y, x) + (y, y)

=

||x|| 2

+ (x, y) + (x, y) + ||y|| 2

=

||x|| 2 + 2 (x, y) + ||y|| 2

 

||x|| 2 + 2|(x, y)| + ||y|| 2

||x|| 2 + 2||x|| ||y|| + ||y|| 2

por Cauchy-Schwartz

=

(||x||

+ ||y||) 2 .

Ejemplo 1.21. Observemos que la norma (1.1) es inducida por el producto interno (1.7) y esta norma, a su vez, induce la m´etrica euclideana en K n

(1.10)

d E (x, y) = |x 1 y 1 | 2 + |x 2 y 2 | 2 +

|x n y n | n ,

presentada ya en la secci´on anterior. El espacio euclideano R n es un ejemplo b´asico de un espacio m´etrico, y comparte muchas de sus propiedades con espacios m´etricos m´as generales. Sin embargo, hay tambi´en algunas diferen- cias, muy importantes, que estudiaremos m´as adelante.

Ejemplo 1.22. En C([0, 1]), el producto (1.8) induce la norma

(1.11)

||f || 2 = 1 |f(x)| 2 dx 1/2 ,

0

3. Topolog´ıa

9

3.

Topolog´ıa

Una topolog´ıa en un conjunto no vac´ıo X es una selecci´on de subconjun- tos de X, llamados conjuntos abiertos, con propiedades tales que permiten generalizar algunas nociones anal´ıticas de los numeros´ reales, como l´ımites y continuidad. En esta secci´on definiremos la topolog´ıa de un espacio m´etrico y demostraremos las propiedades elementales de dicha topolog´ıa.

3.1. Conjuntos abiertos.

Definici´on 1.23. Sea (X, d) un espacio m´etrico y x 0 X. La bola abierta de radio ε > 0 con centro en x 0 (´o alrededor de x 0 ) es el conjunto

B ε (x 0 ) = {y X : d(x 0 , y) < ε}.

Es decir, un bola abierta de radio ε > 0 alrededor de un punto es el conjunto de puntos en el espacio m´etrico a distancia menor que ε a dicho punto. Las bolas abiertas, desde luego, dependen de la m´etrica. Por ejemplo, la figura 3 compara las bolas abiertas en distintas m´etricas en el plano cartesiano.

x 1
x
1

Figura 3.

m´etricas d E (c´ırculo), d M (cuadrado exterior) y d T (rombo interior).

Comparaci´on de la bola de radio 1 en R 2 con respecto a las

Observaciones. Sea x X. Entonces:

x ∈ B ε ( x ), por lo que B ε ( x )

x B ε (x), por lo que B ε (x)

= para

todo x X, ε > 0.

Si ε ≤ δ , entonces B ε ( x ) ⊂ B δ (

Si ε δ, entonces B ε (x) B δ (x).

{ x } = ε > 0 B ε ( x ) = n ∈

{x} = ε>0 B ε (x) = nZ + B 1/n (x).

X = ε > 0 B ε ( x ) = n ∈ Z +

X

= ε>0 B ε (x) = nZ + B n (x).

Las bolas abiertas son el ingrediente para definir un conjunto abierto.

Definici´on 1.24. Si U X, decimos que U es abierto si para todo x U existe ε > 0 tal que B ε (x) U.

10

1. Espacios M´etricos

En otras palabras, todos los elementos de un conjunto abierto son el centro de una bola abierta completamente contenida en el conjunto. Primero demostraremos que todas las bolas abiertas son de hecho conjuntos abiertos.

Proposici´on 1.25. Sean x X y ε > 0. Entonces el conjunto B ε (x) es abierto.

Demostraci´on. Sea y B ε (x). Tenemos que mostrar que existe una bola, con centro en y, contenida en B ε (x). Sea δ = ε d(x, y). Este numero´ es positivo porque d(x, y) < ε. Entonces, si z B δ (y), d(y, z) < δ y, por la desigualdad del tri´angulo,

d(x, z) d(x, y) + d(y, z) < d(x, y) + δ = d(x, y) + ε d(x, y) = ε.

Por lo tanto B δ (y) B ε (x).

Ejemplo 1.26. En (R, | · |), un conjunto U R es abierto si, y s´olo si, para cada x U existe un intervalo abierto (a, b) que contiene a x y contenido en U . Esto se debe a que

B ε (x) = (x ε, x + ε);

a + b

(a, b) = B ba

2

( x − ε, x + ε ); a + b ( a, b ) =

2

.

y

De hecho, es posible dar una caracterizaci´on de todos los conjuntos abiertos de R como uniones de intervalos abiertos (v´ease el ejercicio 7).

Ejemplo 1.27. La intersecci´on infinita de conjuntos abiertos, en general,

no es abierta. Considere, por ejemplo, los conjuntos U n = (1/n, 1/n) R,

n > 0.

es abierta.

Ejemplo 1.28. Recordemos la m´etrica en R dada por

Estos son abiertos, pero la intersecci´on de ellos, nZ + U n = {0}, no

´

d A (x, y) =

|x y| 1 + |x y| .

La funci´on f : [0, ) [0, ),

f(r) =

r

1 + r , es continua y estrictamente creciente. Con estas propiedades, es posible de- mostrar que U R es abierto en (R, d A ) si, y s´olo si, es abierto en (R, | · |). Decimos entonces que las m´etricas | · | y d A son equivalentes, y los espacios (R, | · |) y (R, d A ) son homeomorfos. (V´ease el ejercicio 14.)

Ejemplo 1.29. Considere el espacio C = C([0, 1]) con la norma uniforme. Entonces, si f C tenemos

B ε (f ) = {g C : |f (x) g(x)| < ε para todo x [0, 1]},

3. Topolog´ıa

11

es decir, la bola de radio ε con centro en f es el conjunto de todas las funciones continuas en [0, 1] cuya gr´afica se encuentra a “distancia” menor que ε de la gr´afica de f . (Figura 4.)

1 0.8 0.6 0.4 0.2 0.2 0.4 0.6 0.8 1 Figura 4. Bola de radio
1
0.8
0.6
0.4
0.2
0.2
0.4
0.6
0.8
1
Figura 4. Bola de radio ε alrededor de una funci´on en C.

Es muy importante observar que, al igual que las bolas abiertas, los conjuntos abiertos dependen de la m´etrica. Un mismo conjunto con distintas m´etricas, en general, tendr´a distintos conjuntos abiertos. A la colecci´on de conjuntos abiertos en (X, d) se le llama una topolog´ıa. Las siguientes son las propiedades fundamentales de una topolog´ıa.

Proposici´on 1.30. Sea (X, d) un espacio m´etrico.

1. X y son conjuntos abiertos.

2. Si {U α } en una colecci´on arbitraria de conjuntos abiertos 2 , entonces la uni´on de estos conjuntos, α U α , es un conjunto abierto.

3. Si U 1 , U 2 ,

, U n son abiertos, entonces i U i es abierto.

Demostraci´on.

Si x X, entonces B 1 (x) X, por definici´on.

Ahora bien, la proposici´on “x ∈ ∅ ⇒ (ε > 0 : B ε (x) ⊂ ∅)” es verdadera porque el antecedente “x ∈ ∅” es falso. Por lo tanto, X y son abiertos.

2. Si x α U α , entonces existe un α 0 tal que x U α 0 . Como U α 0 es abierto, podemos encontrar un ε > 0 tal que B ε (x) U α 0 . Entonces, B ε (x) α U α .

1.

2 Se asume que α pertenece a cierto conjunto de ´ındices

12

1. Espacios M´etricos

3. Si x i U i , entonces x

, n. Como cada , ε n (positivos)

uno de los conjuntos U i es abierto, existen ε 1 , ε 2 ,

tales que B ε i (x) U i , para cada i. Si tomamos ε = m´ın i ε i , entonces B ε (x) B ε i (x) U i para cada i, y por lo tanto B ε (x) i U i .

U i para cada i = 1, 2,

Si (Y, d Y ×Y ) es un subespacio del espacio m´etrico (X, d), entonces un

subconjunto U de Y es abierto en Y si, y s´olo si, existe un conjunto abierto

˜

˜

U

en X

tal que U

=

U Y (ejercicio 22). Para ver ´esto, observemos que

cada bola en Y , B

ε Y (y), y Y , es la intersecci´on de Y con una bola en X:

Y

B ε

(y) = B ε (y) Y .

´

Esto es claro a partir de la definici´on de bola abierta

en Y:

 

B

Y

(y) = {x Y

ε

3.2.

Conjuntos cerrados.

: d(x, y) < ε}.

Definici´on 1.31. Sea (X, d) un espacio m´etrico, A X y x 0 X. Decimos que x 0 es un punto de acumulaci´on (o punto l´ımite) de A, si para todo ε > 0 la bola B ε (x 0 ) contiene puntos de A distintos de x 0 , es decir

B ε (x 0 ) A \ {x 0 }

= .

Si x 0 A y no es un punto de acumulaci´on de A, entonces decimos que x 0 es un punto aislado de A.

De forma equivalente, x 0 X es un punto de acumulaci´on de A si, para todo conjunto abierto U que contiene a x 0 contiene puntos de A distintos de x 0 .

Ejemplo 1.32. Los puntos 0 y 1 son puntos de acumulaci´on del intervalo (0, 1) en R.

Ejemplo 1.33. El conjunto Z, en R, est´a compuesto s´olo de puntos aislados.

Definici´on 1.34. Sea (X, d) un espacio m´etrico. Un subconjunto E de X es cerrado si contiene todos sus puntos de acumulaci´on.

Esta definici´on es equivalente a decir que un conjunto E es cerrado si,

ya

que x no es un punto de acumulaci´on. En particular, tenemos la siguiente proposici´on.

y s´olo si, para cada x

E, existe un ε

>

0 tal

que B ε (x) E

=

,

Proposici´on 1.35. Sea (x, d) un espacio m´etrico. Un subconjunto E de X es cerrado si su complemento X \ E es abierto.

Demostraci´on. Si E es cerrado y x

observaci´on anterior.

E, entonces X \ E es abierto, por la

3. Topolog´ıa

13

De manera inversa, si X \ E es abierto y x

E, entonces X \ E es un

abierto que contiene a x y no interseca a E, por lo que x no es punto de

Ejemplo 1.36. En (R, | · |), los intervalos cerrados [a, b] son cerrados.

Ejemplo 1.37. En todo espacio m´etrico, cada conjunto con un solo punto,

{x 0 }, entonces

digamos {x 0 }, es un conjunto cerrado.

acumulaci´on.

´

Esto es porque, si x

x

= x 0 y r = d(x, x 0 ) > 0, y luego

B r/2 (x) ∩ {x 0 } = .

Ejemplo 1.38. La bola cerrada, de radio ε > 0 con centro en x, se define como el conjunto

B ¯ ε (x) = {y X : d(x, y) ε}.

 

¯

¯

La bola

B ε (x)

es un conjunto cerrado, ya que, si y

B ε (x), entonces

d(x, y) > ε, y, por lo tanto, si δ = d(x, y) ε, tenemos que d(y, z) < δ implica que

d(x, z) d(x, y) d(y, z) > d(x, y) δ = d(x, y) (d(x, y) ε) = ε,

¯

y luego B δ (y) B ε (x) = . (V´ease el ejercicio 21.)

Los conjuntos cerrados, an´alogamente a los abiertos, satisfacen las si- guientes propiedades, las cuales se siguen f´acilmente de la proposici´on 1.30 y las leyes de DeMorgan.

Proposici´on 1.39. Sea (X, d) un espacio m´etrico. Entonces:

1. X y son cerrados;

2. Si {E α } es una colecci´on de conjuntos cerrados, entonces α E α es cerrado;

3. Si E 1 , E 2 ,

, E n son cerrados, entonces i E i es cerrado.

Ejemplo 1.40. Cada conjunto finito es cerrado en un espacio m´etrico.

Ejemplo 1.41. Considere los subconjuntos de R dados por

C 0

C 1

C 2

.

.

.

C n

.

.

=

=

=

=

[0, 1],

0,

0,

3

1

2

3 , 1 ,

1

2

3

2

3

1

3 2 ,

2

7

2

3 , 3

8

2 , 1 ,

3

0,

1

n

3

2

3 n1

1

3 n ,

3 n1 1 , 3 n 2 3 n 1

3

n1

3

n

3

n

, 1 ,

14

1. Espacios M´etricos

´

Esto es, cada C n se obtiene al remover el intervalo que corresponde a la tercera parte central de cada uno de los intervalos de C n1 . El conjunto

C =

n=0

C n

es llamado el conjunto de Cantor. Es claro que C no es vac´ıo, ya que al menos {0, 1} ⊂ C, y de hecho C es infinito, ya que contiene los l´ımites de cada uno de los intervalos de cada C n . Por la proposici´on 1.39, C es cerrado.

Definici´on 1.42. Sea (X, d) un espacio m´etrico, y A X. Definimos la cerradura de A como la uni´on de A y sus puntos de acumulaci´on.

La siguientes propiedades de la cerradura son f´aciles de verificar, y su demostraci´on se deja para el lector.

Proposici´on 1.43. Sea (X, d) un espacio m´etrico y A, B X. Entonces:

 

¯

1.

A

es cerrado.

¯

¯

2.

A

= A.

 

¯

¯

3.

Si A B, entonces A B.

 
 

¯

4.

Si

A E y E es cerrado, entonces A E.

¯

Demostraci´on.

Sea x un punto de acumulaci´on de A. Demostra-

remos que x es un punto de acumulaci´on de A, y por lo tanto est´a en

1.

¯

¯

A.

Sea ε > 0. Entonces existe y B ε (x) A \ {x}. Si y A, ya

hemos terminado. Si no, entonces y es un punto de acumulaci´on de A, y si tomamos δ = m´ın{ε d(x, y), d(x, y)}, entonces δ > 0 y existe z B δ (y) A \ {x, y}. Ahora bien,

d(z, x) d(z, y) +

d(y, x) < ε d(x, y) + d(y, x) = ε,

por lo que z B ε (x) A \ {x}.

2. Esto es obvio porque

¯

A es cerrado, y por lo tanto contiene todos

sus puntos de acumulaci´on.

3. Si x es un punto de acumulaci´on de A, entonces tambi´en lo es de

¯

¯

B. As´ı que x A implica x B.

4. Igual que en el inciso anterior, si x es un punto de acumulaci´on de

A, entonces tambi´en lo es de E. Como E es cerrado, x E. Por lo

¯

tanto A E.

 

¯

El ultimo´

inciso en la proposici´on anterior implica que

A es el menor

conjunto cerrado que contiene a A.

3. Topolog´ıa

15

Ejemplo 1.44. Los puntos de acumulaci´on del intervalo (0, 1) en R son todos sus puntos, adem´as de 0 y 1. Entonces (0, 1) = [0, 1].

¯

Ejemplo 1.45. Si A = Q [0, 1], entonces A = [0, 1]. Esto se debe a que

cualquier intervalo abierto contiene numeros´

racionales.

Si A y B son subconjuntos del espacio m´etrico (X, d), definimos la dis- tancia entre ellos como

d(A, B) = inf{d(x, y) : x A y y B}.

Si A contiene un solo punto, digamos A = {x}, entonces escribimos d(x, B). La siguiente observaci´on nos ser´a de utilidad m´as adelante.

Proposici´on 1.46. Sea E un conjunto cerrado en el espacio m´etrico (X, d)

y x

E. Entonces la distancia de x a E es positiva, es decir, d(x, E) > 0.

Demostraci´on. Como x

conjunto cerrado implica que existe un ε > 0 tal que B ε (x) E = , por lo que d(x, y) ε para todo y E. Entonces d(x, E) ε > 0.

E, la observaci´on que sigue a la definici´on de

x E
x
E

Figura 5. En la figura, la distancia de x a E es positiva, y d(x, E) ε.

Sin embargo, si E y F son dos conjuntos cerrados disjuntos, es posible que d(E, F ) = 0 (ejercicio 16).

3.3. Conjuntos densos.

Definici´on 1.47. Sea X un espacio m´etrico y S X. Decimos que S es

= .

denso en X (o simplemente denso) si para todo ε > 0 y x X B ε (x)S

Ejemplo 1.48. X es denso en s´ı mismo.

Ejemplo 1.49. Q y R \ Q son densos en R.

Ejemplo 1.50. Q n , el conjunto de puntos en R n con coordenadas racionales,

, x n ) R n

es denso en el espacio euclideano R n : Para ver esto, sea x = (x 1 , y ε > 0. Si δ = ε/ n, entonces el paralelep´ıpedo

(x 1 δ, x 1 + δ) × · · · × (x n δ, x n + δ)

est´a contenido en B ε (x) (con respecto a la m´etrica euclideana). Si tomamos

racionales q i (x i δ, x i + δ), entonces q = (q 1 ,

, q n ) B ε (x).

16

1. Espacios M´etricos

De igual forma, si A, S X, decimos que S es denso en A si para todo

= . La siguiente proposici´on establece algunas