Documentos de Académico
Documentos de Profesional
Documentos de Cultura
14 de marzo de 2008
2
Índice general
Prefacio V
i
ii ÍNDICE GENERAL
Índice de figuras
iii
iv ÍNDICE DE FIGURAS
Prefacio
v
vi PREFACIO
Capı́tulo I
Cálculo Diferencial en Espacios de
Banach
Definición I.1.1 Una norma sobre un espacio vectorial V es una aplicación k·k : V → V que verifica las
tres propiedades:
Definición I.1.2 Se dice que E es un espacio vectorial normado, si E es un espacio vectorial provisto
de una norma.
Definición I.1.3 Sea E un espacio vectorial normado. Se dice que la sucesión {xn } con valores en E es
convergente, si existe a ∈ E, tal que
Definición I.1.4 Sea E un espacio vectorial normado. Se dice que la sucesión {xn } con valores en E es
una sucesión de Cauchy, si
Definición I.1.5 Un espacio vectorial normado E se dirá que es completo si cada sucesión de Cauchy en
E es convergente. Un espacio vectorial normado y completo se llama un espacio de Banach.
En el curso de Primer Año de Análisis se mostró que Rn con la norma euclidiana es completo, de donde Rn
es un espacio de Banach. Podrı́amos creer ingenuamente que todos los espacios vectoriales reales provistos
de norma, son espacios de Banach. Lastimosamente, o por el contrario, existen espacios normados que no
son espacios de Banach. Más todavia, en la proposición siguiente, se verá que un mismo espacio provisto de
normas diferentes tiene comportamientos diferentes.
1
2 CAPÍTULO I. CÁLCULO DIFERENCIAL EN ESPACIOS DE BANACH
Con la norma
kf k∞ = máx |f (t)| ,
t∈[0,1]
Demostración.- Para ver que C([0, 1]) es un espacio vectorial es suficiente ver que es un subespacio de R[0,1]
es espacio de las funciones de [0, 1] en R, ver ejemplo 4 de I.1 texto de Algebra Lineal.
La verificación que k·k∞ es una norma sobre C([0, 1]), es consecuencia directa de las propiedades de máx
y sup vistas en el curso del Primer Año de Análisis. Por consiguiente, la demostración es un simple repaso
que se deja al estudiante.
La positividad, a homogeneidad y la desigualdad del triángulo para k·k1 y k·k2 resultan de las propiades
de la integral de Riemann, también vistas en el primer año de análisis. Mostraremos que k·k1 es estrictamente
positiva; es decir que kf k1 = 0, implica que f = 0. En efecto, supongamos lo contrario; es decir, existe una
función f ∈ C([0, 1]) no nula, tal que
Z 1
|f (t)| dt = 0.
0
Como f , es no nula, existe t0 ∈ [0, 1], tal que f (t0 ) 6= 0. Por la continuidad de f , en particular en t0 , existe
un subintervalo [t1 , t2 ], tal que |f (t)| ≥ |f (t0 )| /2, de donde
Z 1 Z t2
f (t0 )
|f (t)| dt ≥ |f (t)| dt ≥ (t2 − t1 );
0 t1 2
lo que conduce a una contradicción. Para k·k2 , la demostración es completamente similar.
Ahora bien, utilizando los resultados de la convergencia uniforme, para sucesiones de funciones, se tiene
C([0, 1]), con la norma de la convergencia uniforme, es un espacio de Banach.
Mostremos que C([0, 1]) con la norma k·k1 no es completo. En efecto, consideremos la sucesión de funciones
continuas sobre [0, 1], dada por
si x ≤ 12 − n+1
1
0 ;
fn (x) = 1
1 + (n + 1)(x − 2 ) si 2 − n+1 ≤ x ≤ 12 ,
1 1
1 si x ≥≤ 21 .
En la figura I.1.1, observamos algunas de estas funciones. Esta sucesión es una sucesión de Cauchy, respecto
a la norma k·k1 . En efecto, un simple cálculo de áreas, dará
1 1 1
kfn − fm k = − → 0,
2 n + 1 m + 1
cuando n, m → ∞. Por otro lado, fijando x ∈ [0, 1], se observa,
0 si x < 12 ,
lı́m fn (x) =
n→∞ 1 si x ≥ 12.
Por lo tanto, constatamos que esta sucesión, puntualmente converge a una función que no es continua, la
discontinuidad está en 1/2.
Aunque la sucesión fn , no converga puntualmente a una función continua, eso no significa necesariamente
que la sucesión fn no converga a una función continua; por lo que debemos probar.
Supongamos que dicha sucesión converge a una función continua f definida sobre [0, 1]. Consideremos los
subintervalos [0, a] con a < 1/2. Las restricciones de fn sobre [0, a] convergen sobre la restriccion de f sobre
[0, a], porque
Z a Z 1
|fn (t) − f (t)| dt ≤ |fn (t) − f (t)| .
0 0
I.1. ESPACIOS DE BANACH 3
1/2 1
Una verificación inmediata y la unicidad del lı́mite, dará que f (t) = 0, sobre [0, a]. El mismo razonamiento,
con [b, 1] b > 1/2, nos dará f (t) = 1 sobre [b, 1]. Esto significa que
0 si x < 21 ,
1 si x > 12;
B(A) = {f : A → R| f acotada}
de las funciones acotadas sobre A. B(A) con la adición y la multiplicación por escalar, la norma
kf k∞ = sup |f (t)|
t∈A
es un espacio de Banach.
Demostración.- Ejercicio.
Un Poco de Topologı́a
Definición I.1.6 Sean E un espacio vectorial; k·kp y k·kq normas sobre E. Se dirá que k·kp y k·kq son
equivalentes si:
existe Cq > 0 tal que ∀x ∈ E se tiene kxkp ≤ Cq kxkq ,
existe Cp > 0 tal que ∀x ∈ E se tiene kxkq ≤ Cp kxkp .
1. La equivalencia de normas, es una relación de equivalencia sobre el conjunto de normas del espacio
vectorial E.
2. La equivalencia de normas, conserva las caracterı́sticas de una sucesión; es decir si k·kp y k·kq son
equivalentes, se tendrá “{xn } sucesión en E es convergente, (de Cauchy) para la norma k·kp , si y
solamente si {xn } es convergente, (de Cauchy) para la norma k·kq ”
4 CAPÍTULO I. CÁLCULO DIFERENCIAL EN ESPACIOS DE BANACH
3. Por la remarca 1 y 2, al hablar de un espacio vectorial normado, uno se refiere, no solamente a una
norma, sino a una clase de equivalencia de normas, por loq que dependiendo la situación, uno elegirá la
norma más conveniente de la clase de equivalencia.
Demostración.- Suficiente mostrar que cualquier norma k·k es equivalente a la norma euclidiana sobre Rn .
Sea x ∈ Rn , se tiene.
Xn
X n n
X
kxk =
xi ei
≤ |xi | kei k ≤ máx kei k |xi | ,
1≤i≤n
i=1 i=1 i=1
Para la otra desigualdad, consideremos B = {x ∈ E| kxk2 = 1}. Denotemos por m = ı́nf kxk. Se tiene
x∈B
m ≥ 0, mostremos que m > 0, porque sino existirı́a una sucesión xn de B tal que
lı́m kxn k = 0,
n→∞
como B es compacto en Rn , (respecto a la norma euclidiana), existirı́a una subsucesión xnk que converge
a x ∈ B, (respecto a la norma euclidiana). Utilizando, la desigualdad (I.1.1), la sucesión xnk también
convergerı́a a x respecto a la otra norma, lo que imposible, porque x 6= 0. De donde, planteando C = 1/m,
y observando que x = kxk2 x/ kxk2 para x 6= 0, se obtiene
kxk2 ≤ C kxk .
ϕ : Rn −→ E
n
P
x →
7 xi di
i=1
es un isomorfismo de espacios vectoriales. Un ejercicio que se deja al estudiante, mostrará que si k·k es una
norma sobre Rn , la aplicación k·k◦ϕ−1 es una norma sobre E y que si k·k es una norma sobre E, la aplicación
k·k ◦ ϕ es una norma sobre Rn ; que una es la inversa de la otra. De donde existe una biyección entre los
conjuntos de las normas de Rn y E, con lo que se asegura la completitud de E para una norma dada.
Cuando los espacios vectoriales son de dimensión infinita, existen normas que no son equivalentes. La pro-
posición I.1.6 nos muestra que la norma kcdotk∞ , no es equivalente, ni con kcdotk1 , ni con la norma kcdotk2 .
A continuacion repasamos algunas de las definiciones, vistas en Rn que se generalizan a espacios normados.
I.1. ESPACIOS DE BANACH 5
Definición I.1.7 Sea E un espacio normado, una bola de centro a y radio r > 0, es el conjunto
∀x ∈ U, ∃ > 0 B (x) ⊂ E.
Ejemplo I.1.1 Consideremos B(R) el conjunto de las funciones acotadas sobre R, con la norma k·k∞ . Sea
fn ∈ B(R), definida por
1 si t = n,
fn (t) =
0 si t 6= 0,
Se tiene, para todo n, que kfn k = 1 y si n 6= m, kfn − fm k = 1. Por lo tanto, la sucesión es acotada.
Una verificación inmediata nos conduce a que ninguna subsucesión puede ser de Cauchy, por lo que {fn }
no admite sucesiones convergentes. Con este ejemplo, confirmamos la valides de los hechos expuestos en la
remarca precedente.
Continuidad
Las nociones de lı́mite y continuidad de aplicaciones f : U ⊂ E → F , donde E y F son espacios normados
se generalizan a partir de las aplicaciones de Rn y Rm . Por ejemplo.
I.1.1. Ejercicios
p
1. Mostrar que la aplicación N : R2 → R dada por N (x) = x21 − x1 x2 + x22 , define una norma sobre R2
y mostrar (explı́citamente) que esta norma es equivalente a la norma k·k∞ .
2. Mostrar que si h , i : E × E → R es un producto
p escalar sobre el espacio vectorial real E, entonces la
aplicación N : E → R dada por N (x) = hx, xi es una norma sobre E.
6 CAPÍTULO I. CÁLCULO DIFERENCIAL EN ESPACIOS DE BANACH
3. Sea E un espacio vectorial real. Mostrar que una norma k k proviene de un producto escalar sobre E,
si y solamente si, para todo x, y ∈ E se tiene
A = {(x, y) ∈ R2 | 0 < x + y ≤ 1}
B = {(x, y) ∈ R2 | máx(|x| , |y|) < 3}
C = {(x, y) ∈ R2 | (x2 + y 2 )2 − 2x2 + 2y 2 = 0}
D = {(x, y) ∈ R2 | y = 0, x ∈ {1/n| n = 1, 2, . . .}}.
6. Sea C([0, 1]) el conjunto de las funciones continuas de dominio [0, 1]. Mostrar que C([0, 1]) es un espacio
vectorial real para la adición de funciones y la multiplicación por escalar.
Mostrar que kf k1 y kf k2 definidas por
Z 1 Z 1 1/2
kf k1 = |f (t)| dt, kf k2 = (f (t))2 dt
0 0
es un espacio de Banach.
Teorema I.2.1 Para una aplicación lineal A : E → f , E y F son espacios vectoriales normados, las
condiciones siguientes son equivalentes:
a) A es continua en 0 ∈ E.
Demostración.- La implicación (b) ⇒ (a) es obvia. Mostremos (a) ⇒ (b). Sea x ∈ E, como A es continua
en el origen, ∀ > 0, ∃δ > 0 tal que
Mostremos (a) ⇒ (c). A es continua en O, de donde existe δ(1) > 0 tal que
Demostración.- Utilizaremos el punto (c) del teorema I.2.1. Sea {e1 , . . . , em } una base de E, por lo tanto
X m
X m
X m
kA(x)k =
A( xi ei )
=
xi A(ei )
≤ |xi | kA(ei )k .
i=1 i=1 i=1
Denotanto M = máx kA(ei )k, la desigualdad de Cauchy y la equivalencia de normas en espacios finito
1≤i≤m
dimensionales, se obtiene
m
X √ √
kA(x)k ≤ M |xi | ≤ M n kxk2 ≤ ( nM C 0 ) kxk .
i=1
Cuando la dimensión del espacio dominio es no finita, pueden existir operadores lineales no continuos.
Ejemplo I.2.1 Consideremos C 1 ([0, 1]) el espacio vectorial de las funciones continuamente derivables sobre
[0, 1] provisto de la norma kf k = máx |f (t)|. El operador lineal
t∈[0,1]
D : C 1 ([0, 1]) −→ R
f 7→ f 0 (0)
no es continuo. En efecto, tomando fn (t) = sin(nt), se tiene por un lado kfn k = 1 y por el otro Df = n, con
lo que el punto (c) del teorema I.2.1 no se cumple.
En el curso de Algebra Lineal se utiliza Hom(E, F ) para referirse del espacio de las aplicaciones lineales de E
en F . En lugar de Hom(E, F ) es frecuente utilizar L(E, F ) y L(E) cuando E = F . Como estamos siguiendo
un curso de Análisis, nos interesa las aplicaciones lineales continuas, utilizaremos la notación L(E, F ) para
referirnos al conjunto de las aplicaciones lineales de E y F espacios normados y L(E) para el conjunto de
las aplicaciones lineales de E en E.
Obviamente se tiene ∅ = 6 L(E, F ) ⊂ L(E, F ). La aplicación lineal nula siempre es continua. Dejamos
como ejercicio la verificación de la:
8 CAPÍTULO I. CÁLCULO DIFERENCIAL EN ESPACIOS DE BANACH
El siguiente paso es dotar de una norma conveniente a L(E, F ) que refleje la caracterı́stica de aplicacion
lineal de los elementos de este espacio vectorial.
Definición I.2.1 Sean E y F espacios normados. Sea A ∈ L(E, F ) aplicación lineal continua, se define
kAxk
kAk = sup kxk = 1 kAxk = sup . (I.2.1)
x6=0 kxk
Esta definición significa que kAk es el número real más pequeño tal que
La desigualdad (I.2.2) es fundamental para todos los cálculos relacionados con las aplicaciones lineales.
Proposición I.2.3 El espacio L(E, F ) dotado de (I.2.1) es un espacio vectorial normado. Si F es completo,
entonces L(E, F ) es también un espacio completo.
Demostración.- Las propiedades de positividad y homogeneidad de una norma son faciles de mostrar.
Veamos la desigualdad del triángulo. Para A, B ∈ L(E, F ), se tiene
Dividiendo esta relación por kxk, tomando el supremo, se obtiene la desigualdad del triángulo kA + Bk ≤
kAk + kBk.
Ahora mostremos la completitud del espacio. Supongamos F completo. Sea {An } una sucesión de Cauchy
en L(E, F ). Consideremos x ∈ E, la sucesión {An x} es una sucesión en F . Veamos que es una sucesión de
Cauchy, se tiene
kAn x − Am xk = k(An − Am )xk ≤ kxk kAn − Am k → O
cuando n, m → ∞. Como F es completo, denotemos Ax el lı́mite de la sucesión {An x}. Por consiguiente,
hemos obtenido una aplicación
A:E →F
x 7→ lı́mn→∞ An x
Esta aplicación es lineal, verificación dejada como ejercicio. Solamente nos falta mostrar que lı́mn→∞ An = A
en L(E, F ). Sea > 0, sea x ∈ E con kxk = 1, como An es una sucesión de Cauchy, existe N ∈ N tal que
1
n, m ≥ N ⇒ kAn x − Am xk ≤ kAn − Am k < .
2
Como An x → Ax, cuando n → ∞, existe M (x) tal que
1
m ≥ M (x) ⇒ ∞ kAx − Am xk < .
3
Por lo tanto tomando m ≥ máx N, M (x) y n ≥ N , se tiene
kAn x − Axk 5
≤ kAn x − Am xk + Am x − An x ≤ .
kxk 6
Proposición I.2.4 Sea I ∈ L(E) y consideremos las aplicaciones lineales A ∈ L(E, F ) y B ∈ L(F, G).
Entonces se tiene
kIk = 1, kABk ≤ kAk · kBk . (I.2.3)
I.2. APLICACIONES LINEALES 9
Demostración.- La propiedad kIk = 1 es evidente, pero hay que tener cuidado en utilizar la misma norma
en E. Para demostrar la estimación de kABk aplicamos dos veces la desigualdad fundamental (I.2.2),
kAxkp
kAkp = sup ,
kxk=1 kxkp
la expresión (I.2.1) si se utiliza la misma norma en los dos espacios Rn y Rm . Entonces, se tiene las fórmulas
explı́citas:
m
!
X
kAk1 = máx |aij | , (I.2.4)
j=1,...,n
i=1
n
X
kAk∞ = máx |aij | , (I.2.5)
i=1,...,m
j=1
p
kAk2 = valor propio más grande de At A. (I.2.6)
Para obtener igualdad, se plantea x igual al vector propio de la base ortnormada asociado al valor propio
más grande.
Ejemplo I.2.3 Sea k : [0, 1] × [0, 1] → R una función continua a dos variables. Consideramos el operador
lineal A : C([0, 1]) → C([0, 1]), dado por
Z 1
(Af )(t) = k(t, s)f (s) ds,
0
Proposición I.2.6 Sea E un espacio de Banach y supongamos que el operador A ∈ L(E) satisface kAk ≤ 1.
Entonces I − A es inversible, (I − A)−1 es continua y se tiene
(I − A)−1 = I + A + A2 + A3 + · · · (I.2.7)
An = I + A + A2 + · · · + An
n
es una sucesión de Cauchy en L(E). Utilizando kAn k ≤ kAk , se obtiene para m > n
n+1
n+1 m kAk
kAn − Am k =
An+1 + · · · + Am
≤
An+1
+ · · · + kAm k ≤ kAk
+ · · · + kAk ≤ .
1 − kAk
Como E es completo, entonces L(E) también es completo. Por lo tanto, {An } es una sucesión convergente,
cuyo lı́mite denotémosle por B.
Ahora bien, pasando al lı́mite cuando n → ∞ en la identidad An (I − A) = (I − A)An = I − An+1 se
obtiene que B(I − A) = (I − A)B = I lo que demuestra la inversibilidad de (I − A) en L(E).
I.2.1. Ejercicios
1. Sea E un espacio de Hilbert y sea A ∈ L(E). Mostrar que
hu, Avi
kAk = sup
u6=0,v6=0 kuk · kvk
donde h·, ·i es el producto escalar y k·k es la norma inducida por el producto escalar.
Sea E = Rn provisto de una norma y sea A ∈ L(E). Mostrar que para toda norma sobre Rn se tiene
la desigualdad siguiente
kAk ≥ ρ(A)
y que si A es simétrica se tiene la igualdad kAk2 = ρ(A).
3. Sea
0,999 1000
A= .
0 0,999
I.3. DIFERENCIABILIDAD EN LOS ESPACIOS NORMADOS 11
(a) Calcular el radio espectral ρ(A), ası́ como kAk1 , kAk2 y kAk∞ .
(b) Encontrar una norma k·k sobre R2 tal que para esta norma, se tenga kAk ≤ 1.
4. Consideremos el conjunto de las matrices n × n, que identificamos con Rn·n y que se le dota de la
norma kAk = supkxk≤1 kAxk. Sea l : Rn·n → Rn·n la aplicación lineal dada por l(H) = X0 H + HX0
donde X0 es una matriz fija. Calcular la norma de la aplicación l.
Indicación.- Considerar primero que la función k(t, s) posee un número finito de ceros.
6. Consideremos la ecuación integral siguiente, llamada ecuación integral de Fredholm (segunda especie):
Z 1
y(t) = f (t) + k(t, s)y(s) ds, (I.2.8)
0
donde f ∈ C([0, 1]) y k ∈ C([0, 1] × [0, 1]) son datos e y es la incógnita. Se supone que
Z 1
máx |k(t, s)| ds < 1.
t∈[0,1] 0
(a) Demostrar que (I.2.8) posee una única solución en C([0, 1]).
(b) Utilizando la serie de Neumann, escribir la solución bajo la forma
Z 1
y(t) = f (t) + r(t, s)f (s) ds.
0
7. Resolver Z 1
1
y(t) = f (t) + et−2 y(s) ds (I.2.9)
2 0
R1
(a) Se plantea a ≡ 0 e−s y(s) ds. Multiplicando (I.2.9) por e−t e integrando, se encuentra a y por lo
tanto la solución y(t) = f (t) + aet /2.
(b) Utilizando la fórmula del ejercicio precedente.
Definición I.3.1 Sean E, F dos espacios vectoriales normados y U ⊂ E un abierto. Se dice que f : U → F
es diferenciable en a ∈ U , si existe una aplicación lineal continua f 0 (a) ∈ L(E, F ) tal que
Remarca I.3.1 Respecto a la definicón para las funciones de Rn en Rm se exige que f 0 (a) sea continua. Esto
es importante, porque sino un función diferenciable podrı́a no ser continua. En el caso finito dimensional,
esta hipótesis está demás porque todas las aplicaciones lineales son continuas.
12 CAPÍTULO I. CÁLCULO DIFERENCIAL EN ESPACIOS DE BANACH
Se verifica facilmenten que la aplicación r(x) de (I.3.1) satisface r(x) → 0 si x → 0. Como todas las normas
son equivalentes en Rn y Rm no es necesario precisar la norma con la cual se trabaja.
f (A + H) = (A + H)2 = A2 + AH + HA + H 2 ,
Ejemplo I.3.3 Consideremos el espacio C([0, 1]) con la norma k·k∞ , denotemos sus elementos por x(t) o
a(t) y estudiemos la aplicación f : C([0, 1]) → C([0, 1]),
Z 1
f (x)(t) = k(t, s)g(x(s)) ds,
0
donde k : [0, 1] × [0, 1] → R es continua y g : R → R es 2 veces continuamente diferenciable. Para una función
a ∈ C([0, 1]) dada, busquemos la derivada f 0 (a). Con h ∈ C([0, 1]), se tiene:
Z 1
(f (a + h) − f (a))(t) = k(t, s)(g(a(s) + h(s)) − g(a(s)))ds
0
Z 1
1
= k(t, s)(g 0 (a(s))h(s) + g 00 (α(s)h(s)))h(s) ds,
0 2
donde α(s) es un valor entre a(s) y a(s)+h(s). Este cálculo muestra que la aplicación lineal f 0 (a) : C([0, 1]) →
C([0, 1]), definida por
Z 1
(f 0 (a)h)(t) = k(t, s)g 0 (a(s))h(s) ds,
0
es una buena candidata para la derivada de f . Esta aplicación es continua, ver ejemplo de la sección pre-
2
cedente. Además el resto kf (a + h) − f (a) − f 0 (a)hk∞ puede ser estimado por C khk∞ , por que g 00 (x) es
acotada sobre el intervalo que contiene a(s) y a(s) + h(s) para todo s ∈ [0, 1] y todo h con khk∞ ≤ 1
Proposición I.3.1 Sea E un espacio de Banach. La aplicación f (X) = X −1 de GL(E) en L(E) es dife-
renciable y se tiene
f 0 (A)H = −A−1 HA−1 . (I.3.2)
El resto
X
f (A + H) − f (A) − f 0 (A)H = ((I + A−1 H)−1 − I + A−1 H)A−1 = (−A−1 H)j A−1
j≥2
2
3
puede ser estimado por kHk
A−1
/(1 −
A−1 − H
). Dividido por kHk, este resto tiende a 0 cuando
kHk → 0.
Para dos espacios vectoriales normados E1 y E2 , de normas respectivas k·kE1 y k·kE2 ; consideremos el espacio
producto E1 × E2 . Si al espacio producto se le dota de la norma
Demostración.- Ejercicio.
Definición I.3.3 Una aplicación bilineal B : E1 ×E2 → F es una aplicación bilineal acotada, si exite M > 0
tal que
kB(x1 , x2 )k ≤ M · kx1 kE1 · kx2 kE2 , ∀(x1 , x2 ) ∈ E1 × E2 . (I.3.4)
Proposición I.3.3 Una B : E1 × E2 → F bilineal acotada es diferenciable y su derivada está dada por
porque
2
kB(h1 , h2 )k ≤ M ka1 kE1 kh2 kE2 ≤ M k(h1 , h2 )k .
Demostración.- Ejercicio.
14 CAPÍTULO I. CÁLCULO DIFERENCIAL EN ESPACIOS DE BANACH
Proposición I.3.5 Sean E, F, G tres espacios vectoriales normados. Sean U abierto de E, V abierto de F .
Se considera dos aplicaciones, f : U → V diferenciable en a ∈ U y g : V → G diferenciable en f (a) ∈ V .
Entonces g ◦ f es diferenciable en a y se tiene
Demostración.- Ejercicio.
I.3.1. Ejercicios
1. Sea E un espacio de Banach, consideramos la aplicación f : C(E) → C(E) dada por f (X) = X 3 .
Calcular la derivada de f . Mostrar con ejemplos que en general, f 0 (X) 6= 3X 2 .
2. Sea E un espacio de Banach, se considera la aplicación exp : C(E) → C(E) dada por la serie siguiente:
∞
X 1 n
exp(X) = X .
n=0
n!
4. Sea A : R → Mn,n (R) una función diferenciable con valores en las matrices de n × n. Mostrar que
d −1
A(x) = −A(x)−1 A0 (x)A(x)−1 .
dx
5. (a) Sea M : E1 ×· · ·×En → F una aplicación multilineal donde E1 , . . . , En , F son espacios vectoriales
normados. Calcular la derivada de M .
(b) Sea A : R → M3,3 (R) una función matricial, cuyas columnas son A1 (x), A2 (x) y A3 (x). Mostrar
que
d
det(A(x)) = det(A01 , A2 , A3 ) + det(A1 , A02 , A3 ) + det(A1 , A2 , A03 ).
dx
√
6. Sea f (x, y) = ln(x2 +y 2 ) para x2 +y 2 > 0 y g(x, y) = (xy, x/y)t para x > 0, y > 0. Calcular la derivada
de h(x, y) = (f ◦ g)(x, y) = ln(x2 y 2 + x/y 2 ) directamente y luego con la fórmula de diferenciación de
funciones compuestas.
I.4. TEOREMA DE LOS INCREMENTOS FINITOS 15
para todo t ∈ [c, c + η], lo que contradice la definición de c. Entonces, se tiene necesariamente c = b. Si se
deja tender hacia 0 en (I.4.1) con t = b, se obtiene la afirmación del teorema.
Consideremos la situación en la que f está definida sobre un abierto U de un espacio vectorial normado E,
que sea necesariamente R. Para a, b ∈ E, se llama segmento de extremidades a y b al conjunto de los puntos
x ∈ E que son de la forma x = a + t(b − a) con 0 ≤ t ≤ 1.
16 CAPÍTULO I. CÁLCULO DIFERENCIAL EN ESPACIOS DE BANACH
Teorema I.4.2 (Teorema de los Incrementos Finitos) Sean E, F espacios vectoriales normados y U ⊂
E abierto. Si f : U → F es diferenciable en U , y si el segemento de extremidades a y b está contenido en U ,
se tiene
kf (b) − f (a)k ≤ sup kf 0 (a + t(b − a))k · kb − ak . (I.4.3)
0<t<1
Demostración.- La aplicación h(t) = f (t + a(b − a)) es una aplicación diferenciable de [0, 1] en F y se tiene
h0 (t) = f 0 (a + t(b − a))(b − a), por lo tanto
Suficiente aplicar el teorema I.4.1, remplazando a por 0, b por 1, f por h y g(t) por M t donde M =
sup kf 0 (a + t(b − a))k · kb − ak.
0<t<1
Se dice que un conjunto D de un espacio vectorial es convexo si, cuales sean a, b ∈ D, le segmento de
extremidades a y b está contenido en D.
para x, y ∈ D.
Un abierto U de un espacio vectorial normado se dice conexo, si dos puntos cualesquiera de U pueden
ser unidos mediante una lı́nea segmentada en U recordemos que una linea segmentada es la union finita de
segmentos de extremidades ai−1 y ai , i = 1, . . . , m.
Demostración.- Fijemos a ∈ U y tomemos x ∈ U arbitrario. Como U es conexo, existe una sucesión finita
a = a0 , a1 , . . . , am = x tales que los segmentos de extremidades ai−1 y ai están contenidos en U . El teorema
I.4.2 implica
kf (ai ) − f (ai−1 )k ≤ sup kf 0 (ai−1 + t(ai − ai−1 ))k · kai − ai−1 k = 0.
0<t<1
I.4.1. Ejercicios
1. Sea f : [a, b] → R continua, x1 , x2 , . . . , xn ∈ (a, b) y f diferenciable sobre el conjunto D = (a, b) −
{x1 , x2 , . . . , xn }. Demostrar o dar contra ejemplos de las afirmaciones siguientes:
Planteando f (x) = x + g(x) o f (x) = x + Ag(x), con A ∈ GL(E), se puede pasar de una formulación a la
otra. El teorema siguiente da una condición suficiente para la existencia y la unicidad de una solución a este
problema.
Teorema I.5.1 (Teorema del punto fijo de Banach, 1922.) Sean E un espacio de Banach, D ⊂ E
cerrado, y f : D → E una aplicación que satisface:
i) f (D) ⊂ D.
Demostración.- Mostremos primero la unicidad. Sean x, y ∈ D dos puntos fijos; es decir f (x) = x y
f (y) = y. La contractividad implica que
kx − yk = kf (x) − f (y)k ≤ α kx − yk
kxn+1 − xn k ≤ αn kx1 − x0 k .
Entonces, {xn } es una sucesión de Cauchy. Como E es un espacio completo, esta sucesión converge hacia
x ∈ E. Como D es cerrado x ∈ D.
La condición de contractividad, implica que f sea uniformemente continua sobre D, por lo tanto continua.
Tomando el lı́mite n → ∞ en xn+1 = f (xn ) y utilizando la continuidad de f , se obtiene x = f (x).
La demostración del teorema del punto fijo de Banach es constructiva y nos conduce al algoritmo siguiente:
• Se elige x0 arbitrariamente,
Bajo las hipótesis del teorema, este algoritmo converge hacia una solución única del problema. A menudo,
las hipótesis son dificiles de verificar, pero de todas maneras se puede aplicar este algoritmo. Si se tiene
convergencia, estamos seguros de haber encontrado una solución (si f es continua). Esta solución no es
necesariamente única.
Ejemplo I.5.1 Tomemos la función f (x) = cos x sobre D = [0, 1]. Esta función es una contracción, por que
|f 0 (x)| ≤ sin 1 < 1 para x ∈ D. Otro ejemplo es la función f (x) = ex /4 sobre D = [0, 1,1]. Para esta función
se tiene |f 0 (x)| = ex /4 ≤ e1,1 /4 < 1 sobre D. Las iteraciones son ilustradas en la figura I.5.1
Figura I.5.2: Método de las aproximaciones sucesivas para f (x) = cos x y f (x) = ex /4
x1 2,2500000 y1 0,8000000
x2 2,2851250 y2 0,8840000
x3 2,3002333 y3 0,8417129
x4 2,2999777 y4 0,8628284
ver ejemplo 3 de la sección I.3. El método de las aproximaciones sucesivas se escribe como sigue: Se toma
una aproximación inicial, por ejemplo y0 (t) = f (t) y se itera según
Z 1
yn+1 (t) = f (t) + λ k(t, s)yn (s) ds.
0
Consideremos el problema de resolver f (x) = y para un vector dado y y busquemos resultados sobre la
existencia y la unicidad (local) de una solución; es decir, buscamos resultados sobre la biyectividad de f .
Además, nos gustarı́a saber si la solución depende continuamente del parámetro y. Esto está resumido en la
definición siguiente.
Definición I.5.1 Sean E, F espacios vectoriales normados, U ⊂ E y V ⊂ F . Una aplicación f : U → V es
un homeomorfismo de U sobre V , si f es biyectiva, continua y si la inversa f −1 : V → V es continua.
−1
De la definición de g(x), deducimos
que
−1
x − z = g(x) − g(z) + A (f (x) − f (z)) y nosotros obtenemos la
estimación kx − zk ≤ α kx − zk +
A
· kf (x) − f (z)k. Se tiene por lo tanto
−1
A
kx − zk ≤ kf (x) − f (z)k para x, z ∈ B (I.5.5)
1−α
La función f : B → f (B) es sobreyectiva por definición. Por la propiedad (I.5.5) demuestra que es inyectiva
y por lo tanto biyectiva. Planteando u = f (x) y v = f (z) en (I.5.5), se obtiene
−1
f (u) − f −1 (v)
≤ A
−1
ku − vk , (I.5.6)
1−α
lo que demuestra la continuidad de f −1 sobre f (B).
Consideremos un y ∈ F con ky − f (a)k ≤ σ. Mostremos que g(B) ⊂ B. Esto proviene de g(x) − a =
x − a − A−1 (f (x) − f (a)) − A−1 (f (a) − y), porque
kg(x) − ak ≤ α kx − ak +
A−1
· kf (a) − yk ≤ αρ +
A−1
σ = ρ
para x ∈ B. Como B es cerrado, se puede aplicar el teorema del punto fijo de Banach. Para un tal y existe
x ∈ B satisfaciendo g(x) = x, es decir f (x) = y.
Si f (x) es diferenciable en a, el centro de la bola B, es natural elegir A = f 0 (a) a condición que A sea un
isomorfismo de espacios normados. Pero la diferenciabilidad en el punto a no garantiza que la estimación
(I.5.4) sea verificada para un α < 1. Nosotros consideraremos entonces una condición más fuerte que la
diferenciabilidad.
Definición I.5.2 Sean E y F espacios vectoriales normados, U ⊂ E abierto, a ∈ U . Se dice que f : U → F
es estrictamente diferenciable en a ∈ U si existe una aplicación lineal continua A : E → F tal que
f (x) − f (z) = A(x − z) + r(x, z) kx − zk , (I.5.7)
donde la función r : U × U → F satisface r(x, z) → 0 si (x, z) → (a, a).
Planteando z = a en (I.5.7) se tiene (I.3.1) con A = f 0 (a). De esta manera estrictamente diferenciable en
a, implica diferenciable en a. A partir de (I.5.7), se ve que una función estrictamente diferenciable en a es
continua en todo un vecindario de a.
Ejemplo I.5.4 Existe funciones que son diferenciables en a. pero no estrictamente diferenciables en a. Se
puede tomar una función que es diferenciable en a, pero que no es continua en ningún vecindario de a. Ver
Primer Año de Análisis. Otro ejemplo es la función
0 six = 0
f (x) =
x2 cos(1/x) sino.
Las sucesiones xn = 1/(2nπ) y zn = ((2n + 1)π)−1 convergen hacia 0, pero (f (xn ) − f (zn ))/(xn − zn ) =
(x2n + zn2 )/(xn − zn ) no convergen hacia f 0 (0) = 0 si n → 0.
Teorema I.5.2 Sean E, F espacios vectoriales normados U ⊂ E abierto y a ∈ U . Si f : U → F es
diferenciable en U y si la aplicación f 0 : U → L(E, F ) es continua en el punto a, entonces f es estrictamente
diferenciable en el punto a.
Ejemplo I.5.5 Retomemos la función f (X) = X −1 de la proposición I.3.3, para la cual la derivada es
f 0 (X)H = −X −1 HX −1 . Mostremos que esta función es estrictamente diferenciable en
GL(E). Como
f (X)
es continua en A ∈ GL(E), se tiene que para todo > 0 existe un δ > 0 tal que
X −1 − A−1
< si
kX − Ak < δ. Escribiendo
f 0 (X)H − f 0 (A)H = −X −1 HX −1 + A−1 HA−1 = −X −1 H(X −1 − A−1 ) − (X −1 − A−1 )HA−1 ,
se obtiene
k(f 0 (X) − f 0 (A))Hk ≤ (
X −1
+
A−1
) kHk .
Se deduce
kf 0 (X) − f 0 (A)k ≤ (
X −1
+
A−1
)
y por lo tanto la continuidad de f 0 (X) en el punto A. Esto nos permite aplicar el teorema precedente.
Para todas las funciones de los ejemplos de la sección I.3, se puede demostrar sin dificultad que f 0 (x) es
continua. Entonces, el teorema 6,2 implica que son estrictamente diferenciales.
I.5.1. Ejercicios
1. Consideremos la función f : R → R definida por
x + e−x/2
si x ≥ 0
f (x) = .
ex/2 si x < 0
(a) Mostrar que |f (x) − f (y)| < |x − y| para x 6= y.
(b) Mostrar que la función f (x) no posee puntos fijos.
¿Hay una contradicción con el teorema del punto fijo?
2. Se considera C([0, 1]) con la norma k·k∞ y la aplicación f : C([0, 1]) → C([0, 1]) dada por
Z 1
f (x)(t) = λ k(t, s)g(x(s))ds
0
donde k ∈ C([0, 1] × [0, 1]) y g : R → R lo suficientemente diferenciablel. Encontrar una condición sobre
λ bajo la cual f es una contracción sobre el cerrado
D = {x ∈ C([0, 1])| kxk∞ ≤ 1}.
3. Mostrar que la hipótesis “D cerrado” no puede, en general, ser omitida en el teorema del punto fijo
de Banach: encontrar un D no cerrado y una aplicación f : D → E tales que f (D) ⊂ D y f es una
contracción sobre D, pero que f no posee un punto fijo en D.
4. Sea U un abierto conexo de R y E un espacio vectorial normado. Sea f : U → E una aplicación que
satisface
2
kf (x) − f (y)k ≤ C kx − yk para todo x, y ∈ U,
donde C > 0. Mostrar que f es constante sobre U .
5. Sea la función f : R2 → R3 dada por
x21 + x22 + 5
f (x1 , x2 ) = 3x1 x2 + 2
x31 + x32
y sea K = {(x1 , x2 ) ∈ R2 | |x1 | ≤ 1, |x2 | ≤ 2}. Encontrar una constante L tal que
kf (x) − f (y)k∞ ≤ L kx − yk∞ para x, y ∈ K.
L se llama constante de Lipschitz.
22 CAPÍTULO I. CÁLCULO DIFERENCIAL EN ESPACIOS DE BANACH
x = Ax + b.
Mostrar que la k-sima aproximación xk , obtenida por el método de las aproximaciones sucesivas con
(x0 = b) es igual a la aproximación obtenida al truncar la serie de Neumann para (I − A)−1 después
de k términos. Encontrar ası́ una conexión entre el ejercicio 6 de la sección I.2 y el ejemplo I.5.3.
7. Estimación del error para el método de las aproximaciones sucesivas. Sea x∗ un punto fijo dado por
este método. Demostrar
α
kx∗ − xk k ≤ kxk − xk−1 k . (I.5.5)
1−α
Para las funciones del ejemplo I.5.2, efectuar algunas iteraciones y utilizar (I.5.5) para obtener una
estimación rigurosa del error.
10. Sea A ∈ L(E) un isomorfismo. Para calcular su inversa, se aplica el método de Newton a la equatión
X −1 − A = 0. Mostrar que se obtiene la iteración
Para (x1 , x2 ) = (1, 2) se obtiene (y1 , y2 ) = (6, 1). La pregunta a la cual nos gustarı́a responder es la siguiente:
¿Para (y1 , y2 ) próximo de (6, 1), exite una solución (x1 , x2 ) de (I.6.1) que es próxima de (1, 2)? ¿Es localmente
única?
Decimos que una aplicación f : U → F , donde E, F son espacios vectoriales normados y U ⊂ E abierto,
es un homeomorfismo alrededor de a ∈ U , si existe un vecindario abierto U 0 ⊂ U de a y un vecindario
abierto de V 0 de f (a) tales que la restricción f |U 0 es un homeomorfismo de U 0 sobre V 0 .
I.6. TEOREMA DE INVERSIÓN LOCAL 23
utilizando la estimación (I.5.6) con A = f 0 (a) y α = 1/2. Por lo tanto f −1 es estrictamente diferenciable en
b y la derivada está dada por (I.6.2).
i) f es inyectiva sobre U ,
Demostración.- Este resultado es una consecuencia del teorema precedente, por que la diferenciabilidad es
una propiedad local.
Ejemplo I.6.3 (Coordenadas Polares) Sean U = {(r, ϕ ∈ R2 |r > 0}, V = R2 − {(0, 0)} y f : U → V
dada por
(r, ϕ) 7→ (r cos ϕ, r sin ϕ).
Esta aplicación es un difeomorfismo local alrededor de cada punto de U , porque
0 cos ϕ −r sin ϕ
f (r, ϕ) =
sin ϕ r cos ϕ
y det(f 0 (r, ϕ)) = r > 0. f no es inyectiva, se tiene f (r, ϕ + 2π) = f (r, ϕ). Por lo tanto, no es un difeomorfismo
de U sobre V . Si se restringe los conjuntos U y V a
es un difeomorfismo de U = {(r, ϕ, ϑ)|r > 0, −π < ϕ < π, 0 < ϑ < π} sobre el conjunto V = R3 −
{(x, 0, z)|x ≤ 0, z ∈ R}, por que el determinante de la matriz jacobiana es −r2 sin ϑ 6= 0 y la aplicación es
inyectiva.
I.6. TEOREMA DE INVERSIÓN LOCAL 25
ϕ
2π
6
y
3
2
f 1 V
3 U x
−3 −2 −1 1 2 3
−1
−2
r −3
0
0 1 2 3
−2
−1
Por lo tanto, la aplicación (I.6.6) es biyectiva y es continuamente diferenciable.
I.6.1. Ejercicios
1. Consideremos la función f : R2 → R2 dada por
x≤
x2 − x21 si 1 x2
x− 2
2 x1 x2
f1 (x1 , x2 ) = x1 , f2 (x1 , x2 ) = x21
si 0 ≤ x2 ≤ x21
−f2 (x1 , −x2 ) si x2 ≤ 0
Mostrar que:
(a) f es diferenciable en todo punto.
(b) f 0 (0) es inversible (calcular f 0 (0)).
(c) f no es estrictamente diferenciable en el origen.
(d) No existe vecindario del origen donde f sea inyectiva; es decir f no es un homeomorfismo alrededor
del origen.
26 CAPÍTULO I. CÁLCULO DIFERENCIAL EN ESPACIOS DE BANACH
2. Dar un difeomorfismo (a) del intervalo (0, 1) con R, (b) del intervalo (0, 1) con la semirecta R∗+ .
Pn
3. Sea el “cubo” C = {x ∈ Rn |0 < x1 < 1, i = 1, . . . , n} y el ”simplex ” S = {y ∈ Rn |yi > 0, i=1 yi < 1}
y se considera la aplicación ϕ : C → Rn dada por ϕ(x) = y con yk = (1 − x1 ) · · · (1 − xk−1 )xk para
k = 1, . . . , n.
(a) Para n = 2 graficar las imagenes de ϕ de las rectas paralelas al origen.
Pn Qn
(b) Verificar que i=1 yi = 1 − i=1 (1 − xi )
(c) Verificar que ϕ es un un difeormorfismo de C sobre S y encontrar su inversa.
4. Las coordenadas esféricas de Rn están dadas por ψ(r, θ1 , . . . , θn−1 ) = x donde
x1 = r cos θ1
x2 = r sin θ1 cos θ2
x3 = r sin θ1 sin θ2 cos θ3
..
.
xn−1 = r sin θ1 sin θ2 . . . sin θn−2 cos θn−1
xn = r sin θ1 sin θ2 . . . sin θn−2 sin θn−1 .
Mostrar que
det ψ 0 = rn−1 sinn−2 θ1 sinn−3 θ2 · · · sin θn−2 ,
y mostrar que la restricción de la aplicación ψ a (0, ∞) × (0, π)n−2 × (−π, π) es un difeomorfismo.
5. Sea αn el volumen de la esfera {x ∈ Rn | kxk2 ≤ 1} en Rn . Utilizando el resultado del ejercicio anterior,
el teorema de cambio de variable para integrales y la definición de la función Gamma Γ(x) mostrar que
π n/2
αn = .
Γ(n/2 + 1)
Mostrar igualmente queR παn → 0 cuando n → ∞.
Indicación. Para Ik = 0 sink t dt se tiene (k + 1)Ik+1 = kIk − 1.
6. En el plano con las coordenadas cartesianas (x, y) se considera las dos curvas
C1 = {(x, y) : x2 − y = 0}
C2 = {(x, y) : x − y 2 = 0}.
Encontrar un difeormorfismo local alrededor de (0, 0) f tal que
f (C1 ) = {(u, v) : v = 0}
f (C2 ) = {(u, v) : u = 0}.
7. Para todo a ∈ R se considera la función fa : R → R dada por fa (x) = ax − sin x. ¿Para qué valores
de a la función fa es un homeomorfismo?, ¿un difeomorfismo?, ¿un difeomorfismo local alrededor del
origen?
1. Consideremos la función
f (x, y) = 16x3 − 84x2 + 162x − 89 + 27y 3 + 54xy 2 − 108y 2 + 36x2 y − 180xy + 162y
1 2
2. Una función f (x1 , x2 , y) = 0 representa una superficie en R3 . ¿Cuando se puede escribir esta ecuación
bajo la forma y = g(x1 , x2 )?
∂f
f (a, b) = 0 y (a, b) es un isomorfismo de F sobre G.
∂y
Entonces:
y aplicar el teorema de inversión local. Esta aplicación es de clase C 1 y tiene como derivada
∂f ∂f
F 0 (a, b)(h, k) = h, (a, b)h + (a, b)k .
∂x ∂y
∂f
Además, satisface F (a, b) = (a, 0). Puesto que ∂y (a, b) es un isomorfismo, F 0 (a, b) es inversible con inversa
∂f ∂f
F 0 (a, b)−1 (ĥ, k̂) = ĥ, (a, b)−1 (k̂ − (a, b)k̂) .
∂y ∂x
f (x, a0 , a1 , . . . , an ) = a0 + a1 x + a2 x2 + · · · + an xn = pa (x)
I.7.1. Ejercicios
1. Sea f : R4 → R2 la aplicación definida por
f1 (x, y, u, v) = u3 + vx + y
f2 (x, y, u, v) = uy + v 3 − x
(a) Escribir una condición sobre P0 que permita obtener localmente alrededor de este punto el conjunto
f −1 ({0}) como el grafo de una función de la forma u = g1 (x, y), v = g2 (x, y).
∂g1
(b) Calcular ∂x (x0 , y0 ) si P0 = (0, −1, 1, 1).
I.8. APLICACIONES BILINEALES Y MULTILINEALES 29
2. Se considera el sistema
9 9
λc1 = 3c1 + c31 + c1 c22
4 2
2 3
λc2 = 2c2 + 3c1 c2 + c2 .
2
Encontrar los puntos de bifurca-
ción de las curbas c1 (λ) y c2 (λ).
Una condición necesaria para un
punto de bifurcación es que el
teorema de las funciones implı́ci-
tas no pueda ser aplicado.
3. Demostrar que el teorema de inversión local puede ser deducido del teorema de las funciones implı́citas.
4. Sea S = {(x, y, z)|xz + sin(xy) + cos(xy) = 1}. Determinar si en un vecindario de (0, 1, 1) el conjunto
S puede ser escrito bajo la forma
z = f (x, y) o y = g(x, z) o x = h(y, z).
Demostración.- La demostración es análoga a la del teorema I.2.1 sobre las aplicaciones lineales. Para
demostrar c) ⇒ a), escribimos
A(x1 , . . . , xn ) −A(a1 , . . . , an ) = A(x1 − a1 , x2 , . . . , xn )
+A(a1 , x2 − a2 , x3 , . . . , xn ) + · · · + A(a1 , . . . , an−1 , xn − an )
y estimemos cada termino separadamente.
Definición I.8.1 Sean E1 , . . . , En y F espacios vectoriales normados. se denota por L(E1 , . . . , En ; F ) el
conjunto de las aplicaciones multilineales continuas de E1 × · · · × En en F .
Para un elemento A ∈ L(E1 , . . . , En ; F ), se define
kA(x1 , . . . , xn )k
kAk = sup kA(x1 , . . . , xn )k = sup . (I.8.1)
k(x1 ,...,xn )k≤1 xi 6=0, i=1,...,n kx1 k · kx2 k · . . . · kxn k
30 CAPÍTULO I. CÁLCULO DIFERENCIAL EN ESPACIOS DE BANACH
definida por ψ(A) = B donde B(x, y) = (Ax)y es un isomorfismo que es igualmente una isometrı́a; es decir
kφ(A)k = kAk para todo A ∈ L(E, L(F, G)).
Demostración.- La aplicación ψ es lineal y biyectiva. Su inversa está dada por ψ 1 (B) = A donde, para
x ∈ E, Ax ∈ L(F, G) es la aplicación y → B(x, y). Para demostrar la continuidad. Para demostrar la
continuidad de ψ y de ψ −1 , es suficiente ver que kψ(A)k = kAk.
Utilizando la desigualdad fundamental para normas de aplicaciones lineales, una vez para Ax y una
segunda vez para A, obtenemos
La norma de la aplicación lineal Ax satisface por lo tanto kAxk ≤ kBk · kxk y por consiguiente, kAk ≤ kBk.
estas dos desigualdades muestra que la aplicación ψ es una isometrı́a.
Se puede, por lo tanto, identificar las aplicaciones lineales de E en L(F, G) con las aplicaciones bilineales de
E × F en G.
Ejemplo I.8.1 Una matriz C (con n columnas y m filas) puede ser identificaco con la aplicación bilineal
B : Rm × Rn → R definida por B(x, y) = xt Cy. Puede tambien ser identificada como un elemento de
L(Rm , L(Rn , R)) de la manera siguiente: para x ∈ Rm el vector xt C ∈ L(Rn , R) define la aplicación xC :
y → xt Cy.
La afirmación de la proposición precedente puede ser generalizada a aplicaciones multilineales. Si E1 , . . . , En
y F son espacios vectoriales normados, la aplicación
definida para ϕ(A) = B donde B(x1 , x2 , . . . , xn ) = (Ax1 )(x2 , . . . , xn ), es un isomorfismo y una isometrı́a. La
demostración de este hecho es idéntico a la proposición precedente.
I.8.1. Ejercicios
1. Calcular la norma del determinante visto como una aplicación multilineal
det : Rn × · · · × Rn → R
donde Rn está dotado de la norma euclidiana. Deducir la desigualdad |det A| ≤ nn/2 (de Hadamard)
para una matriz A = (aij )1≤i,j≤n satisfaciendo |aij | ≤ 1.
2. Sea Rn y Rm dotados de la norma euclidiana. Sea b : Rn × Rm → R la aplicación bilineal dada por
b(x, y) = xt By, donde B es una matriz arbitraria de n × m. Mostrar que la norma de b satisface
kbk = kBk2 .
I.9. DERIVADAS DE ORDEN SUPERIOR 31
Para la función f : R3 → R2 del ejemplo 1 de la sección I.3. La segunda derivada es por consiguiente
00 2h1 k1 + 2h2 k2 + 2h3 k3
f (a)(h, k) =
a1 (h2 k3 + h3 k2 ) + a2 (h1 k3 + h3 k1 ) + a3 (h1 k2 + h2 k1 )
Ejemplo I.9.2 Para la función f (X) = X −1 de GL(E) en L(E), la proposición I.3.3, muestra que gK (X) =
f 0 (X)K = −X −1 KX −1 para K ∈ L(E). La fórmula de Leibniz nos da por consiguiente
Teorema I.9.1 Sean E, F dos espacios vectoriales normados, U ⊂ E un abierto, y supongamos que f :
U → F es dos veces diferenciable en a ∈ U . Entonces, la aplicación bilineal f 00 (a) : E × E → F es simétrica,
es decir
f 00 (a)(h, k) = f 00 (a)(k, h) para h, k ∈ E.
donde u y v son suficientemente pequeños en norma. Como gu (0) = 0, el teorema de los incrementos finitos,
implica que
kgu (v)k ≤ sup kgu0 (tv)k · kvk . (I.9.2)
0<t<1
g 0 u(v) = f 0 (a + u + v) − f 0 (a + v) − f 00 (a)(u, ·)
32 CAPÍTULO I. CÁLCULO DIFERENCIAL EN ESPACIOS DE BANACH
(la notación f 00 (a)(u, ·) es utilizada para la aplicación h → f 00 (a)(v, h)). El hecho que f es dos veces diferen-
ciable en a, es decir x → f 0 (x) diferenciable en a, implica que
donde r(v) → 0 si v → 0. La sustracción de estas dos ecuaciones da para gu0 (v) la fórmula gu0 (v) = r(u +
v) ku + vk − r(v) kvk y se obtiene para 0 < t < 1
Se deduce de las estimaciones (I.9.2) y (I.9.3) que kgu (v)k /(kuk + kvk)2 → 0 si kuk + kvk → 0. Planteando
u = δh y v = δk se obtiene la afirmación (I.9.1).
La definición de tercera derivada es análoga a la definició (I.9.1). Supongamos que una función f : U → F
(E, F espacios vectoriales normados y U ⊂ E un abierto) sea 2 veces diferenciable en un vecindario de
a ∈ U . Se dice que f es tres veces diferenciable en a, si f 00 : U → L2 (E; F ) es diferenciable en a. La derivada
(f 00 )0 (a) ∈ L(E, L2 (E; F )) y utilizando la isometrı́a entre L(E, L2 (E; F )) y L3 (E; F ) se define la tercera
derivada de f en a como la aplicación trilineal
De manera evidente, se define por inducción la p-sima derivada f (p) (a) como aplicación multilineal f (p) ∈
Lp (E; F ).
Para un cálculo práctico de la tercera derivada, se puede utilizar la fórmula
donde gkl : U → F está definida por f 00 (x)(h, k) y k, l ∈ E vectores fijos. La tercera derivada de f puede
también ser interpretada como la segunda deriva de gl (x) = f 0 (x)l, es decir
gl00 (a)(h, k) = ((f 0 )00 (a)(h, k))l = f 000 (a)(h, k, l). (I.9.5)
Las dos fórmulas (I.9.4) y (I.9.5) muestran que se puede intercambiar k y l ası́ como h y k sin cambiar el
valor de f 000 (a)(h, k, l). Se tiene el resultado siguiente.
Corolario I.9.1 Si, bajo las hipótesis del teorema I.9.2, la función f : U → F es p veces diferenciable en
a ∈ U , la aplicación multilineal f p (a) es simétrica, es decir,
f 000 (A)(H, K, L) = −A−1 HA−1 KA−1 LA−1 − A−1 HA−1 LA−1 KA−1
−A−1 KA−1 HA−1 LA−1 − −A−1 KA−1 LA−1 HA−1
−A−1 LA−1 HA−1 KA−1 − −A−1 LA−1 HA−1 HA−1 .
Se ve por inducción que cada derivada es una combinación lineal de expresiones que son un producto alternado
de A−1 con aplicaciones lineales constantes.
(f −1 )0 (y) = f 0 (f −1 (y))−1 ,
I.9.1. Ejercicios
1. Sean f : E → F y g : F → G (donde E, F y G son espacios vectoriales normados) dos aplicaciones
dos veces diferenciables. Calcular (g ◦ f )00 (x)(h, k).
2. Sea b : E ×F → G (donde E, F y G son espacios vectoriales normados) una aplicación bilineal continua.
Calcular su segunda derivada.
3. Calcular la segunda derivada de f : R2 → R3 dada por
Planteamos
1 (n)
F (h) = f (a + h) − f (a) − f 0 (a)h − · · · − f (a) (h, . . . , h),
n! | {z }
n veces
derivamos y obtenemos
1 1
F 0 (h)k = f 0 (a + h)k − f 0 (a)(k) − f 00 (a)(h, k) − f 000 (a)(h, h, k) − · · · − f (n) (n − 1)!( h, . . . , h , k).
2 (n − 1)! | {z }
n−1 veces
Teorema I.10.2 (Fórmula de Taylor con Resto de Lagrange) Sean E, F espacios vectoriales norma-
dos, U ⊂ E un abierto. f : U → F una función n + 1 veces diferenciable sobre U y a ∈ U . Entonces para
todo h ∈ E con a + h ∈ U , se tiene
1 1
f (a + h) = f (a) + f 0 (a)h + f 00 (a)(h, h) + · · · + f (n) (a) (h, . . . h)
2 n! | {z }
n veces
n+1
khk
≤ sup
f (n+1) (a + th)
. (I.10.3)
(n + 1)! 0<t<1
Demostración.- Realizamos la demostración para el caso E = R y [a, a + h] = [0, 1]. El caso general se
obtiene de la composición de la función t 7→ a + th y f .
Para n = 0 es el teorema de los incrementos finitos. Suponemos cierto para n−1. Como en la demostración
del teorema precedente
1
F (t) = f (t) − f (0) − . . . − f (n) (0)tn .
n!
La hipótesis de inducción aplicada a n − 1 y f 0 (t) nos conduce a
tn
kF 0 (t)k ≤ sup
f (n+1) (t)
.
n! 0<t<1
R1
Por otro lado F (1) = 0
F 0 (t) dt, de donde
Z 1 n
t
1
kF (1)k ≤ dt sup
f (n+1) (t)
= sup
f (n+1) (t)
.
0 n! 0<t<1 (n + 1)! 0<t<1
I.10.1. Ejercicios
1. Sea X ∈ GL(Rn ), calcular todas las derivadas de la función f (x) = X 3 .
Capı́tulo II
Subvariedades Diferenciales
En los cursos básicos de cálculo y geometrı́a, se ha estudiado subconjuntos particulares del plano y del
espacio, como ser curvas y superficies; ası́ como también la noción de rectas y planos tangentes.
En este capı́tulo, las nociones de curva y plano serán generalizadas, al igual que la noción de tangencia.
Comencemos viendo un teorema clave.
Demostración.- Supongamos cierto i), es decir que existen los difeomorfismos ϕ y ψ que satisface (II.1.1).
Planteando g = ψ ◦ f ◦ ϕ−1 : Rn → Rm , derivando g se obtiene
Ir 0
g 0 (ξ) = ψ 0 (f (x))f 0 (x)(ϕ0 (x))−1 = ,
0 0
donde Ir es la matriz identidad de r × r. Como ψ y ϕ son difeomorfismos, sus derivadas son inversibles y
dejan invariante el rango, ver curso de álgebra lineal.
Supongamos cierto el inciso ii); es decir, que f 0 (x) es de rango r en un vecindario U de a. Si es necesario
permutar los xi y o los yj , podemos suponer que
r
∂fi
A= (a)
∂xj i,j=1
35
36 CAPÍTULO II. SUBVARIEDADES DIFERENCIALES
Demostración.- Para demostrar regresamos a la demostración del Teorema del Rango, no hay necesidad de
hacer permutaciones en la variable yi . Tomamos como ϕ, la aplicación ϕ−1 de la demostración del teorema
del Rango e inmediatamente g = f ◦ ϕ nos da el resultado deseado.
II.2. SUBVARIEDADES DIFERENCIABLES 37
M ∩ U = g −1 (0);
M ∩ U = γ(W )
y γ : W → M ∩ U es un homeomorfismo.
Demostración.- Para visualizar los enunciados del teorema, consideremos la Figura II.2.1 Mostremos i) ⇒
g
γ U
W
ϕ
V
ii). Por hipótesis g es una submersión en a, por consiguiente el teorema de la submersión asegura la existencia
de un difeomorfismo ϕ : Rn → Rn alrededor de 0 y ϕ(0) = a tal que
g ◦ ϕ(ξ1 , . . . , ξn ) = (ξr+1 , . . . , ξn )t ,
después de una eventual permutación de los ξi . La condición g(x) = 0, se convierte en consecuencia ξr+1 =
· · · = ξn , lo que conduce a M ∩ U = ϕ((Rr × {0}) ∩ V ).
ii) ⇒ i). Consideremos la proyección canónica π : V ⊂ Rn → Rn−r dada por π(ξ1 , . . . , ξn ) = (ξr+1 , . . . , ξn ).
Planteando g = π ◦ ϕ−1 tenemos el punto i); en efecto g es una submersión y g −1 (0) = ϕ(π −1 (0)) =
ϕ(V ∩ (Rr × {0})).
38 CAPÍTULO II. SUBVARIEDADES DIFERENCIALES
iii) ⇒ ii). El teorema de inmersión conduce a la existencia de un difeomorfismo local ψ alrededor de a tal
que
(ψ ◦ γ)(ξ1 , . . . , ξr ) = (ξ1 , . . . , ξr , 0, . . . , 0)t ,
para todo ξ alrededor de 0 ∈ Rr . De donde x ∈ γ(W 0 ) es equivalente a que ψ(x) ∈ Rr × {0}. Tomamos
ϕ = ψ −1 . Solo falta comprobar que ϕ((Rr × {0}) ∩ V ) = M ∩ U , en efecto, si es necesario achicar los
vecindarios, se tiene que γ : W → M ∩ U es un homeomorfismo, por lo tanto la preimagen de γ alrededor
de a es un vecindario de 0 ∈ R, con lo que se asegura ϕ((Rr × {0}) ∩ V ) = M ∩ U
ii) ⇒ i). Consideramos la inyección canónica i : Rr → Rn dada por i(ξ1 , . . . , ξr ) = (ξ1 , . . . , ξr , 0, . . . , 0),
planteamos γ = ϕ ◦ i. Dejamos al estudiante la comprobación que γ satisface ii).
Definición II.2.1 Un conjunto M = 6 ∅ que satisface las condiciones del teorema precedente para todo a ∈ M
se llama una subvariedad diferenciable en Rn de dimensión r y de codimensión n − r. La aplicación γ del
inciso iii) del teorema se llama parametrización local de M alrededor de a.
Ejemplo II.2.1 Consideremos: Consideremos la superficie de la esfera en R3 alrededor del polo sur a =
(0, 0, −1)t . Esta superfie puede ser descrita para n = 3 y r = 2
g(x, y, z) = x2 + y 2 + z 2 − 1,
p
también por ϕ(x, y, ζ) = (x, y, − 1 − x2 − y 2 + ζ)t y por γ(x, y) = ϕ(x, y, 0), o bien utilizar coordenadas
esféricas:
ϕ(α, β, ρ) = ((1 + ρ) sin α cos β, (1 + ρ) sin α sin β, −(1 + ρ) cos α)t
y γ(α, β) = ϕ(α, β, 0).
Ejemplo II.2.2 (Toro de revolución) Consideremos la circunferencia (x, z) = (d + ρ cos α, ρ sin α) con
0 < ρ < d y giremos alrededor del eje z. Esto da la parametrización
(d + ρ cos α) cos β
γ(α, β) = (d + ρ cos α) sin β
ρ sin α
de un toro. Dejamos como ejercicio la verifi-
cación que γ(α, β) es una inmersión que γ es
localmente un homeomorfismo.
Ejemplo II.2.3 (Cinta de Möbius) Consideremos una vara de longitud 2, parametrizada por −1 < t < 1
y girémosla alrededor de su centro, al mismo tiempo rotemos dos veces mas rápido alrdedor de un eje a una
distancia d. Esto da la parametrización
(d + t cos ϑ) cos 2ϑ
γ(t, ϑ) = (d + t cos ϑ) sin 2ϑ .
t sin ϑ
O(n) = {X|X t X = I}
es una subvariedad de dimensión n(n − 1)/2 de Mn,n (R) ' Rn·n . Para comprobar, consideremos la aplicación
definida por g(X) = X t X − I, donde Symn denota el espacio de las matrices simétricas de dimensión. Se
tiene O(n) = g −1 (0). Se tiene que verificar que g es una submersión en todo A ∈ O(n). La derivada de g en
A es g 0 (A)H = At H + H t A. Para una matriz simétrica B, planteamos H = AB/2 que da g 0 (A)H = B, por
lo tanto g 0 (A) : Mn,n (R) → Symn (R) es sobreyectiva y O(n) es una subvariedad de codimensión n(n + 1)/2.
Ejemplo II.2.5 Las subvariedades de dimensión 0 son puntos discretos de Rn . Todo subespacio lineal o
afı́n de Rn es una subvariedad.
Ejemplo II.2.6 El conjunto {(x, y)|xy = 0} no es una subvariedad de R2 . Alrededor del origen este conjunto
no es difeomorfo a una recta.
Remarca II.2.1 La hipótesis “γ : W → M ∩ U es un homeomorfismo” del inciso iii) del teorema II.2.1,
no puede ser omitida. Por ejemplo la función γ(t) = ((1 + 0,1t2 ) cos t, (1 + 0,1t2 ) sin t) es una inmersión para
cada t, pero la imagen γ(R) no es una subvariedad de R2 a causa del cruce de la curva, ver figura de la
izquierda. Incluso la inyectividad de γ(t) no es suficiente como lo muestra la figura de la derecha.
Ta M = ker g 0 (a).
Ta M = Im σ 0 (0).
Demostración.- a) Para una curva γ(t) con g(γ(t)) = 0 se tiene que g 0 (a)γ 0 (0) = 0 y por consiguiente
Ta M ⊂ ker g 0 (a). Sea h ∈ ker g 0 (a), el teorema de submersión conduce a la existencia de ϕ difeomorfismo
local alrededor del origen, con ϕ(0) = a tal que g ◦ ϕ(ξ) = (ξr+1 , . . . , ξn ). Como h ∈ ker g 0 (a), existe h̃ ∈ Rn ,
tal que h = ϕ0 (0)h̃, ya que ϕ0 (0) es un isomorfismo lineal. Por otro lado h̃ ∈ ker(g ◦ ϕ)0 (0), de donde h̃j = 0,
40 CAPÍTULO II. SUBVARIEDADES DIFERENCIALES
para r + 1 ≤ j ≤ n. Ahora bien, consideramos γ̃ : (−, ) → Rn , con > 0 lo suficientemente pequeño, con
γ̃(t) = th̃. Planteamos γ = ϕ ◦ γ̃, se tiene γ(t) ∈ M y γ 0 (0) = h.
b) Se tiene Im σ 0 (0) ⊂ Ta M por que γ = σ ◦ γ̃, con γ̃ curva diferenciable en Rr , es una curva en M. Solo falta
mostrar la inclusión en el otro sentido, consideramos una curva γ en M, el teorema de la inmersión asegura
la existencia de ψ difeomorfismo local alrededor de a tal que ψ ◦ σ(ξ) = (ξ1 , . . . , ξr , 0, . . . , 0), en consecuencia
la curva γ̃ = ψ ◦ γ es una curva diferenciable en Rr (proyectando Rn a Rr ), por lo tanto Ta M = Im σ 0 (0).
II.4. Ejercicios
1. Calcular el rango de la matriz jacobiana para
x1 + x2 + x3 + x4
f (x) = x21 + x22 + x23 + x24
x31 + x32 + x33 + x34
2. Sea f : Rn → Rm de clase C 1 . Mostrar que si rang f 0 (a) = r, entonces rang f 0 (x) ≥ r en un vecindario
de a. Dar un ejemplo para el cual rang f 0 (a) = r y rang f 0 (x) > r para x ∈ U − {a}, donde U es un
vecindario de a.
3. Sea A una matriz con n columnas y m filas de rang = r. Mostrar que existen matrices inversibles S y
T tales que
Ir 0
SAT = , (II.4.1)
0 0
donde Ir es la matriz identidad de talla r. Calcular una descomposición de la forma (II.4.1) para la
matriz
1 −1 2
A= .
−2 2 −4
4. De los conjuntos definidos más abajo, decidir cuales son subvariedades y cuales no, hacer gráficas si es
posible:
{(t, t2 ) ∈ R2 |t ∈ R} {(t, t2 ) ∈ R2 |t ≥ 0}
2 3 2
{(t , t ) ∈ R |t ∈ R} {(t2 , t3 ) ∈ R2 |t 6= 0}
2
{: (x, y) ∈ R |x > 0, y > 0} {(x, y, z) ∈ R3 |x = y = z = 0}
3 2 2 2
{(x, y, z) ∈ R |x + y − z = 1} {(x, y, z) ∈ R3 |x2 + y 2 + z 2 = 0}.
M = {x ∈ R3 |g(x) = 0}
sea una subvariedad de dimensión 1 en R3 , pero que g 0 (x) no es sobreyectiva en ningún punto de M.
6. Verificar que el conjunto {(x, y)|xy = 0} no es una subvariedad de R2 , pero que {(x, y)|xy = 0}−{(0, 0)}
es una subvariedad.
X × Y = {(x, y) ∈ Rn × Rm |x ∈ X, y ∈ Y }
En el curso de Primer Año de Análisis se vio el problema de puntos extremales para funciones reales a una
variable. Se constató que una condición necesaria, cuando la función era diferenciable, es que la derivada es
nula en un punto extremal.
En este capı́tulo se estudiará el problema para funciones a varias variables de la forma f : U ⊂ E → R,
donde E es un espacio vectorial normado y luego estudiaremos problemas de máximo y mı́nimo para funciones
sometidas a ciertas restricciones.
Demostración.- Supongamos que f admita un máximo relativo en a. Las hipótesis implican que para un
h fijo y || lo suficiente pequeño se tiene
0 ≥ f (a + h) − f (a) = f 0 (a)h + r(a + h) · · khk
donde r(a + h) → 0 si → 0. Dividiendo este limite por y considerando que → 0, se obtiene que
f 0 (a)h ≤ 0. Deducimos que f 0 (a) = 0, porque h ∈ E es arbitrario. Para el mı́nimo relativo la demostración
se la realiza de la misma manera.
Teorema III.1.2 ((Condición necesaria)) Sea U un abierto de un espacio normado E y f : U → R dos
veces diferenciable en a ∈ U . Si f posee un máximo relativo en a, entonces
f 00 (a)(h, h) ≤ 0, ∀h ∈ E. (III.1.1)
Demostración.- El desarrollo en serie de Taylor de f alrededor de a, para h fijo, está dado por
1 00 2
f (a + h) = f (a) + f 0 (a)h + f (a)(h, h) + o(2 khk ).
2!
Dividemos la fórmula por 2 y pasamos al lı́mite → 0.
43
44 CAPÍTULO III. MÁXIMOS Y MÍNIMOS LOCALES
Se dice que a ∈ U es un punto crı́tico de f : U → R si f 0 (a) = 0. La condición f 0 (a) = 0 no es suficiente para
asegurar un punto extremal, por ejemplo f (x) = x5 nos sirve como contraejemplo.
Teorema III.1.3 ((condición suficiente)) Sea U un abierto de un espacio vectorial normado y f : U → R
dos veces diferenciable en a ∈ U , si f 0 (a) = 0 y si f 00 (a) satisface
2
f 00 (a)(h, h) ≤ −γ khk ∀h ∈ E (III.1.2)
f (a + h) − f (a) < 0,
ahora bien, f 00 (a) es una forma bilineal simétrica llamada Hessiana de f en el punto a. Si f es dos veces
continuamente diferenciable, la matriz hessiana respecto a la base canónica es
∂2f ∂2f ∂2f
∂x21
(a) ∂x1 ∂x2 (a) · · · ∂x1 ∂xn (a)
∂2f
∂x ∂x (a)
H(a) = 1 2
..
.
∂2f ∂2f
∂x1 ∂xn (a) ∂x2n (a)
La teorı́a de formas bilineales simétricas, vista en el curso de Algebra Lineal, asegura la existencia de una
base {di } de Rn , respecto a la cual la matriz hessiana es una diagonal
de donde
2
f (a + h) = f (a) + h2p+1 + · · · + h2p+q − h2p+q+1 − · · · − h2n + o(khk )
III.2. MULTIPLICADORES DE LAGRANGE 45
con hi la i-sima compenente de h respecto a la base {di }. Por otro lado, la misma teorı́a de formas bilineales
simétricas, asegura que p, q, r son únicos y p es el ı́ndice de nulidad de H, q es el ı́ndice de positividad de
H y r es el indice de negatividad de H.
Se dirá quen a punto crı́tico de f es no singular si Hf (a) tiene un ı́ndice de nulidad O. Por consiguiente,
tenemos el siguiente teorema para los puntos crı́ticos no singulares.
c) En el caso en que la hessiana tenga ı́ndices de negatividad y positividad no nulos, a se llama punto silla.
Remarca III.1.1 En lugar de trabajar con los ı́ndices de positividad, negatividad y nulidad de la hessiana
de f , se hubiese podido trabajar con los valores propios de Hf (a), que dicho sea de paso, son reales. Dejamos
como ejercicio enunciar los resultados correspondientes con los valores propios.
donde V ⊂ U es un vecindario de a.
Para resolver este problema, suponemos que M es de dimensión r y codimensión s = n − r. Por lo
hecho en capı́tulo precedente, M se puede caracterizar alrededor de a ∈ M mediante σ : W ⊂ Rr → Rn
parametrización alrededor de a; o bien, como un conjunto de nivel de g : Rn → Rs , es decir
M = {x ∈ Rn |g(x) = 0}.
Ta M ⊂ ker f 0 (a).
Definición III.2.1 Un punto a ∈ calM satisfaciendo la condición (III.2.1) se llama punto crı́tico de f |M .
Los problemas de determinación de valores y puntos extremales de funciones restringidas sobre subvariedades
son formulados utilizando la forma submersiva para representar la subvariedad. Por otro lado la condición
(III.2.1) no es muy útil desde el punto de vista calculista.
46 CAPÍTULO III. MÁXIMOS Y MÍNIMOS LOCALES
es decir: Ps
f 0 (a) − i=1 λi gi0 (a) = 0,
∂g1 ∂g1
···
∂x1 (a) ∂xn (a)
( ∂f ··· ∂f
− ( λ1 ··· ..
x1 (a) xn (a) ) λs ) = 0.
.
∂gs ∂gs
∂x1 (a) ··· ∂xn (a)
ver curso de algebra lineal espacios vectoriales cocientes, asegura la existencia de λ : Rn / ker g 0 (a) → Rs tal
que
f 0 (a) = λ ◦ g 0 (a).
Ahora bien Rn / ker g 0 (a) ∼
= Rs , con lo que se tiene (III.2.2).
L0 (a, λ) = 0.
Se obtiene λ2 = 1/4 y eliminando λ1 de las otras dos ecuaciones,se encuentra y+2x=0. Los puntos crı́ticos
son por consiguiente
(1/3, −2/3, 1/4) y (−1/3, 2/3, −1/4).
Al igual que la sección precedente, una vez determinados los puntos crı́ticos es determinar el carácter de
estos, dando condiciones necesarias y suficientes. En el caso de funciones definidas sobre abiertos de espacios
vectoriales normados, el análisis está centrado en el estudio de la segunda derivada. Ahora bien, para el
caso de puntos extremales sobre subvariedades se sigue con el mismo esquema, tomando en cuenta algunas
sutilezas.
Consideremos U ⊂ Rn abierto, M ⊂ U subvariedad, f : U → R de clase C 2 . Sean a ∈ M un punto crı́tico
de f |M , σ : Rr → Rn una parametrización local alrededor de a. Como a ∈ M es un punto crı́tico de f |M , se
III.2. MULTIPLICADORES DE LAGRANGE 47
tiene que 0 es un punto crı́tico de f ◦ σ, por consiguiente las condiciones necesarias y suficientes de la sección
precedente son válidas para O con f ◦ σ y por lo tanto serı́a suficiente estudiar (f ◦ ϕ)00 (0). Por otro lado
Ta M ∼= Rs por σ 0 (0), de donde definimos la forma bilineal simétrica
Hessa f |M : Ta M × Ta M −→ R
(III.2.3)
(h, k) 7 (f ◦ σ)00 (0)((σ 0 (0))−1 (h), (σ 0 (0))−1 (k))
→
de donde
Remarca III.2.2 La forma bilineal Hessa f |M nos permite tener las mismas condiciones necesarias y su-
ficientes para determinar el carácter de un punto crı́tico de funciones restringidas sobre subvariedades. La
fórmula (III.2.4) nos da una expresión sencilla a trabajar y el único cuidado que hay que tener es de trabajar
sobre los vectores del espacio tangente al punto crı́tico.
Ejemplo III.2.2 Utilizemos el teorema precedente para mostrar que el punto (1/3, −2/3, 1/4) es un máximo
relativo estricto de la función f |M del ejemplo 1 de esta sección. Como λ1 = 3/8 y λ2 = 1/4 tenemos para
h = (h1 , h2 , h3 )t
2 0 0 h1
3 1 3
( h1 h2 h 3 ) 0 − 0 4 0 − 0 h2 = − (2h21 + 4h22 ).
8 4 8
0 0 0 h3
3 3 16 3 2
− (2h21 + 4h22 ) = − (h21 + 4h2 + h23 ) ≤ − khk2
8 8 9 8
III.3. Ejercicios
1. Sea f : Rn → R dos veces diferenciable en a ∈ Rn . Demostrar que la condición
2
f 00 (a)(h, h) ≤ −γ khk ∀h ∈ Rn ,
5. Sea m < n y A una matriz m×n de rango m. Entre todas las soluciones de Ax = b, encontrar utilizando
multiplicadores de Lagrange la solución para la cual kxk2 es minimal. Dar una interpretación geométrica
del resultado.
6. Sea E = C 0 ([0, 1]) y sea F : E → R dada por F (y) = 2y(0)3 − 3y(0)2 . Demostrar las afirmaciones
siguientes:
a) y0 (x) = 1 es un mı́nimo relativo de F , si E está provisto de la norma k k∞ .
b) y0 (x) = 1 no es un mı́nimo relativo de F , si de E está provisto de la norma k k1 .
x2 y2 z2
M = (x, y, z)| + + =1 y z =z+y .
4 9 25
Las ecuaciones diferenciales es un lenguaje muy cómodo y utilizado para modelisar una gran cantidad de
fenómenos de diversa ı́ndole, desde el movimiento de planetas y estrellas, fı́sica de grandes cuerpos; hasta
la dinámica de las moléculas. En Biologı́a, económica muchos problemas se resuelven utilizando ecuaciones
diferenciales para describir comportamientos y relaciones.
En el curso de Primer Año de Análisis se trato métodos de resolución de las ecuaciones ordinarias usua-
les. Sin embargo en casos muy raros se logra encontrar la solución bajo una forma analı́tica. En general,
uno está obligado a utilizar métodos numéricos para obtener soluciones, ver curso de Análisis Numérico. En
este capı́tulo vamos a tratar las cuestiones teóricas de las ecuaciones diferenciales ordinarias. En particu-
lar estudiaremos la existencia y unicidad de las soluciones, su sensibilidad respecto a perturbaciones y su
comportamiento sobre largos intervalos.
donde
F : R × Rn × Rn × · · · × Rn → Rn .
| {z }
m+1 veces
continua, x(k) ∈ Rn k = 0, 1, . . . , m
Ejemplo IV.1.1 El movimiento balı́stico se rige por el sistema de ecuaciones diferenciales de orden 2.
ẍ = 0
ÿ = g
51
52 CAPÍTULO IV. ECUACIONES DIFERENCIALES ORDINARIAS
2. Para evitarse análisis complicados en la resolución de dichas ecuaciones, se prefiere trabajar con sistemas
explicitados, es decir, sistemas de la forma
Demostración.- Sea
x(m) == F (t, x, ẋ, . . . , x(m−1) ),
con x ∈ Rn un sistema de orden m y talla n. Introduciendo las variables
y1 =x
y2 = ẋ
..
.
ym = x(m−1)
Remarca IV.1.2 En lo que sigue el capı́tulo, solo se considerará sistemas de primer orden, a menos que se
diga lo contrario.
Definición IV.1.2 Se dira que una función ϕ : I ⊂ R → Rn continuamente derivable es una solución del
sistema de primer orden, de talla n,
ẋ = f (t, x),
si ϕ̇(t) = f (t, ϕ(t)), ∀t ∈ I.
Sistemas Autónomos
Definición IV.1.3 Se dira que un sistema diferencial de talla n es autónomo si se puede escribir de la
forma
ẋ = f (x); (SDA)
es decir, la variable independiente t no aparece explı́citamente en el sistema diferencial.
Proposición IV.1.2 Todo sistema diferencial de primer orden, es equivalente a un sistema diferencial
autónomo.
Demostración.- Sea
ẋ = F (t, x),
un sistema diferencial no autónomo, planteando
xn+1 = t,
IV.1. CONCEPTOS BÁSICOS Y ALGUNOS PROBLEMAS 53
Definición IV.1.4 Cuando se trabaja con sistemas diferenciales autónomos (SDA), es costumbre llamar a
Rn espacio fase y las coordnedas de x, xi fase.
Definición IV.1.5 Si ϕ : I → Rn es una solución del (SDA), la imagen de ϕ, ϕ(I), se llama trayectoria
y en algunos casos linea de flujo.
Remarca IV.1.3 Se designa t la variable independiente haciendo en general referencia al tiempo. Una
solución describirá por consiguiente la ley de movimiento de un objeto, mientras que la trayectoria es la
traza dejada por el movimiento del objeto. La única información que puede proporcionar una trayectoria, es
las posiciones por don de ha estado el objeto y no el momento exacto. Sin embargo, a pesar de esta limitación
se puede obtener informaciones respecto a las soluciones conociendo las trayectorias. En la graficación de
las trayectorias, es corriente indicar el sentido del movimiento colocando una flecha para indicar. Ver figura
IV.1.1
xn
x2
x1
ẋ = f (x),
y una solución ϕ : I → Rn . El vector tangente, (en fı́sica vector velocidad), en t = t0 es ϕ0 (t0 ) ∈ Rn . Ahora
bien
ϕ0 (t0 ) = f (ϕ(t0 )),
de donde a la trayectoria en el punto x∗ = ϕ(t0 ) se le puede asociar el vector tangente f (x∗ ). Ver figura
IV.1.2. Remarcamos inmediatamente que el lado derecho del (SDA) induce un campo de vectores tangentes
54 CAPÍTULO IV. ECUACIONES DIFERENCIALES ORDINARIAS
x*
Tipos de Soluciones
Consideremos el sistema diferencial autónomo de talla n
ẋ = F (x),
y ϕ : I ⊂ R → Rn una solución del sistema.
IV.1. CONCEPTOS BÁSICOS Y ALGUNOS PROBLEMAS 55
Definición IV.1.6 Se dirá que ϕ es una solución estacionaria si ϕ(t) = x∗ ∈ Rn para todo t ∈ I.
Definición IV.1.7 Se dirá que ϕ es una solución periódica si existe T > 0 tal que ϕ(t + T ) = ϕ(t) para
todo T , si es el caso T se llama periodo.
Proposición IV.1.3 Sea ẋ = F (x) un sistema autónomo, entonces:
a) ϕ es una solución estacionaria, si y solamente si la trayectoria de ϕ se reduce a un punto en el espacio
de fases, si y solamente si F (ϕ(t)) = 0.
b) ϕ es una solución periodica no estacionaria si y solamente s i la trayectoria de ϕ es una curva cerrada
y F no se anula nunca sobre la trayectoria.
Remarca IV.1.4 La proposición precedente para encontrar soluciones estacionarias nos da un medio al-
gebraico, resolver F (x) = 0 y un medio gráfico viendo las trayectorias que se reducen a un punto. En las
soluciones estacionarias, tenemos un medio gráfico que el estudio de las trayectorias cerradas.
Ahora bien, poder decidir si una curva es cerrada o no, es en general bastante complicado si n > 2. En el
plano es posible en general.
Por otro lado, un gran número de las aplicaciones de los sistemas diferenciales autónomos es de talla 2.
Por lo que vale la pena estudiarlos.
Remarca IV.1.5 Una familia de curvas en R2 pueden ser las trayectorias de muchos sistemas diferenciales,
pero el campo de pendientes de las curvas es único.
Ejemplo IV.1.2 (Predador-Presa) El comportamiento de dos poblaciones de animales en un ambiente
aislado en el que una de las poblaciones son por ejemplo conejos y la otra población son lobos se puede
modelar por el sistema diferencial
ẋ = x(α − βy),
ẏ = y(γx − δ)
donde x(t) represanta la población de conejos en el instante t e y(t) representa la población de lobos en el
instante t. Las trayectorias satisfacen la ecuación diferencial
y(γx − δ)
y0 =
x(α − βy)
que es una ecuación diferencial separable. Resolviendo la ecuación obtemos como solución general (en forma
implı́cita)
γx − δ ln x = α ln y − βy + C. (IV.1.1)
Las trayectorias del sistema diferencial son las curvas de nivel de (IV.1.1). En la figura II.4 están graficadas
las curvas de nivel de (IV.1.1) para α = 1, β = 1, γ = 2 y δ = 3. Observamos que las curvas de nivel son
curvas cerradas, por lo que deducimos que el comportamiento de estas poblaciones es cı́clico.
Aplicaciones Geométricas
Veremos, cómo la utilización de conceptos relacionados a las ecuaciones y sistemas diferenciales permite la
resolución de problemas relacionados a familias de curvas, en particular curvas uniparamétricas, del plano.
Definición IV.1.8 Una familia de curvas uniparamétricas, es una familia de curvas si existe una función
F : R2 × R → R, de manera que cada curva es el lugar geométrico de los puntos (x, y) que satisfacen la
ecuación
F (x, y, c) = 0,
dejando c ∈ R fijo. La ecuación se llama ecuación general de la familia de curvas y c es el paramétro.
IV.1. CONCEPTOS BÁSICOS Y ALGUNOS PROBLEMAS 57
Proposición IV.1.4 Una familia de curvas es uniparamétrica, si y solamente si existe una función continua
f : R × R → R2 , de manera que las funciones ϕα : R → R2 definidas por
Demostración.- Ejercicio.
Ejemplo IV.1.3 Las circunferencias centradas en el origen forman una familia uniparamétrica. En efecto,
la ecuación general es
x2 + y 2 − r2 = 0,
las parametrizaciones de las circunferencias centradas en el origen están dadas por
x(t) = r cos t
y(t) = r sin t.
Remarca IV.1.6 La solución general de una ecuación diferencial de primer orden que satisface una condi-
ción de Lipschtiz es una familia uniparamétrica de curvas. Asimismo, las trayectorias pueden de un sistema
diferencial autónomo forman una familia uniparamétrica, si el sistema satisface una condición de Lipschtiz;
las soluciones del sistema vienen a ser las parametrizaciones de las curvas.
Proposición IV.1.5 Para toda familia uniparamétrica existe una ecuación diferencial y 0 = f (x, y) cuya
solución general son las curvas de la familia uniparamétrica. Además también existe un sistema diferencial
autónomo cuyas trayectorias son las curvas de la familia uniparamétrica.
F (x, y, c) = 0
∂F
∂x (x, y, c) + ∂F
∂y (x, y, c)y 0 = 0,
y 0 = f (x, y).
g2 (x, y)
f (x, y) = ,
g1 (x, y)
ẋ = g1 (x, y)
ẏ = g2 (x, y).
Remarca IV.1.7 Para la existencia de f (x, y) se deberá considerar hipótesis suplementarias de F (x, y, c).
58 CAPÍTULO IV. ECUACIONES DIFERENCIALES ORDINARIAS
Ejemplo IV.1.4 La familia de parábolas de vértice el origen y eje de simetrı́a el eje y, satisface la ecuación
general
y = cx2 ,
derivando, se obtiene
y 0 = 2cx,
despejando c de la ecuación general obtenemos la ecuación diferencial
2y
y0 = .
x
Remarca IV.1.8 Es importante encontrar un sistema diferencial autónomo cuyas trayectorias sean las
curvas de una familia de curvas uniparamétrica, porque nos permite determinar un campo de vectores
tangentes. Y manipular vectores (tangentes) es mucho más sencillo que manipular las curvas.
IV.1. CONCEPTOS BÁSICOS Y ALGUNOS PROBLEMAS 59
Familias de curvas que forman un ángulo dado con una familia de curvas dada
Consideremos el siguiente problema: “Dada una familia de curvas uniparamétrica, encontrar una familia de
curvas que forme un ángulo θ”. Interpretemos lo que significa este problema. El concepto de ángulo es un
concepto para rectas, que se generaliza a las curvas, definiendo el angulo entre dos curvas, como el ángulo
de los vectores tangentes, ver figura IV.1.6. Por consiguiente, determinamos primero el campo de vectores
D
u
el campo de vectores dados. Obtenemos el campo u(x, y) de la familia de curvas que forman el ángulo dado,
rotando por un ángulo θ, el campo v(x, y), es decir
u1 (x, y) cos θ − sin θ v1 (x, y)
= .
u2 (x, y) sin θ cos θ v2 (x, y)
60 CAPÍTULO IV. ECUACIONES DIFERENCIALES ORDINARIAS
Ejemplo IV.1.7 Consideremos nuevamente la familia de circunferencias de centro en el eje x y que pasan
por el origen y encontremos la familia de curvas ortogonales a esta familia de circunferencias. En el ejemplo
4, hemos encontrado un campo de vectores tangentes, dado por
2xy
v(x, y) = .
y 2 − x2
Cada solución de (IV.2.1) es solución de (IV.2.2). Lo contrario es también cierto, Si una función continua
y(x) verifica (IV.2.2) sobre un intervalo I, entonces es automáticamente de clase C 1 y verifica (IV.2.1).
Iteración de Picard-Lindelöf
La ecuación (IV.2.1) puede ser considerada como un problema de punto fijo en C(I). Por consiguiente, la idea
es aplicar el método de las aproximaciones sucesivas, ver capı́tulo I. El método se escribe para este problema
en particular
x0 (t) = x0 (o una función arbitraria)
Rt (IV.2.3)
xk+1 (t) = x0 + t0 f (s, xk (s)) dt.
IV.2. EXISTENCIA Y UNICIDAD DEL PROBLEMA DE CAUCHY 61
1
0
1 2 3 4
ẋ = −x2 , x(0) = 1
con solución exacta x(t) = 1/(1 + t). Las primeras aproximaciones obtenidas por la iteración de Picard-
Lindelöf son x0 (t) = 1, x1 (t) = 1 − t y x2 (t) = 1 − x + x2 − x3 /3. Se observa una convergencia rápida hacia
la solución exacta en el intervalo [0, 3,75]. Para t demasiado grande, la iteración diverge.
Z x
(T y)(x) = y0 + f (t, y(t)) dt
x0
Se dice que una función f : A → Rn , A como en la proposición precedente satisface una condición de
Lipschitz si
kf (x, y) − f (x, z)k ≤ L ky − zk para (x, y), (x, z) ∈ A.
La constante L se llama constante de Lipschitz.
Demostración.-