Está en la página 1de 97

Notas de Calculo 3

Raybel A. Garca A., Antonio O. Vega E., Orlando R. Martnez M.


2 de octubre de 2013

Contenido
1. Espacios normados
1.1. Vectores . . . . . . . . . . . . . . . . .
1.2. Espacios vectoriales . . . . . . . . . .
1.3. Espacios normados . . . . . . . . . . .
1.3.1. Producto escalar en R3 . . . .
1.3.2. Productos interiores y normas .
1.4. Espacios metricos . . . . . . . . . . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

1
1
6
9
9
10
22

2. Elementos b
asicos de topologa
2.1. Conjuntos abiertos . . . . . . .
2.2. Conjuntos cerrados . . . . . . .
2.3. Sucesiones . . . . . . . . . . . .
2.4. Compacidad . . . . . . . . . . .
2.5. Conexidad . . . . . . . . . . . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

29
29
36
41
49
57

. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
. . . . . . . . . . . . . . .
dimensionalmente finitos

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

61
63
73
83
87

3. Limites y continuidad.
3.1. Lmites . . . . . . . . . . . .
3.2. Funciones continuas . . . . .
3.3. Continuidad uniforme . . . .
3.4. Espacios vectoriales normados

iii

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

Captulo 1

Espacios normados
En general, estamos acostumbrados a trabajar con diversas cantidades como,
por ejemplo, el volumen de un cuerpo, el area de un terreno, la temperatura de
un objeto, etcetera. As pues, decimos que hemos comprado un litro de leche o
que un ni
no tiene 38o de temperatura. En estos ejemplos, las cantidades citadas
quedan totalmente determinadas cuando especificamos su magnitud, esto es, su
valor numerico y la unidad que hemos utilizado para medirlas. A este tipo de
cantidades las llamaremos magnitudes escalares. Sin embargo, existen otras que
no pueden clasificarse como escalares, pues no quedan unicamente determinadas
al proporcionar su magnitud. En este captulo estudiaremos las nociones de
vector, producto interior y norma.

1.1.

Vectores

Muchas nociones fsicas tan familiares como la fuerza, la velocidad y la aceleraci


on involucran dos conceptos fundamentales: magnitud y direcci
on. A este
tipo de entidades las llamaremos vectores.
B

Figura 1.1: Vector con origen en A y extremo en B


Definici
on 1 Un vector es una entidad matem
atica que tiene magnitud, direcci
on y sentido.
Para representar un vector graficamente, utilizaremos una flecha que va de
un punto A a un punto B (vease la Figura 1.1).Al punto A lo llamaremos
origen y al punto B extremo del vector. La longitud del segmento AB, medida
en unidades adecuadas, representa la magnitud del vector, la direccion del vector
1

1.1. Vectores

es la de la recta que lo contiene, mientras que su sentido es el que va de su origen


a su extremo. Si dos vectores son colineales, es claro que quiere decir que dos

vectores tienen o no el mismo sentido; dos vectores AB y CD son paralelos


entre s, si los segmentos AB y CD son paralelos, mas a
un, diremos que dichos
vectores tienen el mismo sentido si los segmentos AC y BD no se cortan y
tienen sentidos contrarios si estos segmentos se cortan (vease la Figura 1.2).

D
Figura 1.2: Vectores con sentido opuesto

Definici
on 2 Dos vectores AB y CD son iguales si y s
olo si tienen la misma
magnitud, direcci
on y sentido.

(x, y)
(x a, y b)
(a, b) = O

Figura 1.3: Traslacion en el plano

1. Espacios normados

Consideremos un par de ejes rectangulares con origen en un punto O; si el


eje y se moviera a unidades a la derecha, es claro que la abscisa de todo punto
disminuira en a unidades. An
alogamente, si el eje y se moviera a unidades a
la izquierda, la abscisa incrementara en a unidades para todo punto en el eje
rectangular. Algo similar sucedera con las ordenadas si movemos el eje x, b
unidades hacia arriba o hacia abajo. En consecuencia, es claro que si movemos
el origen al punto (a, b), de manera que los nuevos ejes sean paralelos y tengan
la misma orientaci
on que los ejes originales, las nuevas coordenadas (x0 , y 0 ) del
punto (x, y) ser
an
x0 = x a
y 0 = y b,
(1.1)
(Figura 1.3). A este tipo de cambio de coordenadas, lo llamaremos traslacion
con ecuaciones (1.1). No es difcil extender estas ideas al espacio tridimensional: mover el plano yz hacia la derecha o hacia la izquierda a unidades, es
restar o sumar a unidades a la abscisa de todo punto; si movemos el plano xz
hacia adelante o hacia atr
as, significa quitar o a
nadir unidades a la ordenada;
finalmente desplazar hacia arriba o hacia abajo el plano xy modificara la cota
(coordenada z) de todo punto. De esta forma, las ecuaciones de traslacion para
el caso tridimensional quedan descritas de la forma
x0 = x a

y0 = y b

z 0 = z c.

Z
B

Figura 1.4: Angulos


directores para un vector en el espacio
Ahora, todo punto P = (x, y) en un sistema rectangular de coordenadas,
podemos pensarlo como un vector, cuyo origen se encuentra en el origen del
sistema coordenado y su extremo se encuentra en el punto P . Para cada punto
en el plano (o en el espacio), el vector asociado de la forma antes descrita
lo llamaremos vector posici
on. A menos que haya confusion, denotaremos por

(x, y) al punto P y al vector posicion P indistintamente. Sea AB un vector


con origen A = (x1 , y1 ) y extremo B = (x2 , y2 ). Si hacemos una traslacion
con A como nuevo origen, las nuevas coordenadas de B seran (x2 x1 , y2 y1 ).

As, hemos encontrado una forma de representar al vector AB en un sistema


de coordenadas rectangular. Para el caso del espacio tridimensional se puede
realizar un proceso similar. Adem
as, tanto en el caso bidimensional como en el

1.1. Vectores

tridimensional, un vector queda determinado por los angulos que forman sus
proyecciones con los ejes coordenados. La Figura 1.4 muestra el caso de un
vector en el espacio. Los angulos BAX 0 , BAY 0 y BAZ 0 se llaman angulos
directores y los respresentamos por , y respectivamente. Notese que dos
vectores tienen la misma direccion y el mismo sentido si y solo si tienen los
mismos
angulos directores. Ademas, observese que , , [0, ]. Como la
funci
on coseno es uno a uno en el intervalo [0, ], un angulo en este intervalo
queda determinado de forma u
nica por su coseno, por tanto, la orientacion de un
vector est
a definida por los cosenos de sus angulos directores, los cuales reciben
el nombre de cosenos directores del vector. La proyeccion de B sobre el eje
X 0 tiene coordenadas (x2 x1 , 0, 0) con relacion a los ejes trasladados, donde
x2 x1 es positivo, nulo o negativo, dependiendo de si es menor, igual o

mayor a 2 . De esta forma, si r es la magnitud del vector AB, se obtiene que


x2 x1

r cos

r cos

z2 z3

r cos .

y2 y1

Se sigue que, por la definicion de igualdad, dos vectores son iguales si tienen
la misma magnitud y los mismos cosenos directores.
Proposici
on 1.1.1 Si A = (x1 , y1 , z1 ), B = (x2 , y2 , z2 ), C = (x3 , y3 , z3 ) y

D = (x4 , y4 , z4 ) son puntos en el espacio, los vectores AB y CD si y s


olo si
x2 x1 = x4 x3 , y2 y1 = y4 y3 y z2 z1 = z4 z3 .

n. Por las ecuaciones anteriores, si AB = CD, entonces se tiene


Demostracio
la igualdad de las diferencias de las coordenadas. Ahora, si las diferencias de las
coordenadas son iguales, entonces las magnitudes de cada uno de los vectores
son iguales, por tanto los dos vectores tienen los mismos cosenos directores.


No es difcil probar que todo vector AB es igual a un vector OP con origen

en el del sistema coordenado y con las componentes de AB como coordenadas


de su extremos. Tambien, notese que la suma de los cuadrados de los cosenos
directores de cualquier vector es igual a 1.
Ahora, sean ~x = (x1 , y1 , z1 ) y ~y = (x2 , y2 , z2 ) dos vectores cualesquiera.
Definimos la suma ~x + ~y como el vector

x + y := (x1 + x2 , y1 + y2 , z1 + z2 ).
Al vector cuyo origen coincide con su extremo lo llamaremos vector cero o nulo.
Este vector tiene magnitud nula, no tiene orientacion y lo representaremos por
~0. Adem
as, observese que ~0 = (0, 0, 0), de donde se sigue que, para cualquier
vector ~x,
~x + ~0 = ~0 + ~x = ~x.
El vector (x1 , y1 , z1 ) se llama negativo del vector ~x y se denota por
~x. Se tiene que
~x + (~x) = ~x + ~x = ~0.

1. Espacios normados

Es claro que, a partir de estas definiciones, la suma de vectores satisface las


mismas propiedades b
asicas que las de la suma de n
umeros reales, es decir, es
cerrada, asociativa y conmutativa, ademas de que existe un elemento neutro y
para cada vector, existe un elemento inverso bajo esta operacion.
El siguiente resultado, proporciona una interpretacion geometrica de la adicion
de vectores.
Proposici
on 1.1.2 Si A, B y C son tres puntos cualesquiera, entonces

AC = AB + BC
n. Sin perdida de generalidad, podemos elegir un sistema coorDemostracio
denado con origen en A. Sean B = (x1 , y1 , z1 ) y C = (x2 , y2 , z2 ). Entonces

AB = (x1 , y1 , z1 )

BC = (x2 x1 , y2 y1 , z2 z1 ),

de donde se obtiene que AC = (x2 , y2 , z2 ) = AB + BC.




B
Figura 1.5: Regla del paralelogramo


Corolario 1.1.3 Si AB y AC son vectores con el mismo origen A, entonces

AB + AC = AD, donde D es el cuarto vertice del paralelogramo del cual AB


y AC son lados adyacentes.
n. Consideremos el paralelogramo ABCD (vease la Figura 1.5).
Demostracio

Como AC = BD, se sigue que

AB + AC = AB + BD = AD

N
otese que las demostraciones de estos dos u
ltimos resultados funcionan
tanto para el plano como para el espacio. Ahora, consideremos un vector de la

1.2. Espacios vectoriales

forma ~x = (x1 , y1 , z1 ) y k un n
umero real al que llamaremos escalar. Definimos
el producto del vector ~x por el escalar k de la siguiente forma
k ~x := (k x1 , k y1 , k z1 )
Observese que se cumplen reglas distributivas para la suma de vectores y el
producto por escalares como sucede en los reales. En la siguiente seccion profundizaremos en este aspecto. Para finalizar con esta seccion, analizamos la
geometra del producto de vectores por escalares. De la formula de la distancia,
la magnitud de un vector ~x = (x1 , y1 , z1 ), que denotaremos por ||~x||, esta dada
por
q
||~x|| =

x21 + y12 + z12 .

Por otra parte, si k R, entonces


q
q
||k ~x|| = k (x21 + y12 + z12 ) = |k| x21 + y12 + z12 = |k| ||~x||.
N
otese que la orientacion de k ~x sera la misma o contraria a la de ~x, dependiendo de si k es mayor o menor a cero respectivamente. Se dira que dos vectores
~x y ~y son paralelos si y solo si ~y = k ~x, donde k 6= 0 y tendran la misma
direcci
on si y s
olo si k > 0.

1.2.

Espacios vectoriales

En la secci
on anterior observamos que con las definiciones dadas para la suma
de vectores y el producto de un vector por un escalar, estas operaciones satisfacen ciertas propiedades. En esta peque
na seccion analizaremos otros sistemas
algebraicos que le resultaran familiares al lector, en donde se pueden definir
operaciones de adici
on y producto similares a las de los vectores en el plano y
el espacio, y que satisfacen las mismas reglas. A continuacion definimos formalmente estas estructuras algebraicas.
Definici
on 3 Un espacio vectorial V sobre un campo K es una estructura
algebraica que consiste de un conjunto, distinto del vaco, sobre el cual se definen
dos operaciones
+ : V V V

: K V V

que satisfacen las siguientes condiciones:


S1) Para cualesquiera x, y V , x + y = y + x.
S2) Para cualesquiera x, y, z V , x + (y + z) = (x + y) + z.
S3) Existe un u
nico elemento 0 V tal que x + 0 = x para cada x V .
S4) Para cada elemento x V , existe un u
nico elemento y V tal que
x + y = 0.

1. Espacios normados

P1) Para cada elemento x V , 1 x = x.


P2) Para cualesquiera a, b K y para cualquier elemento x V ,
(ab) x = a (b x).
D1) Para todo a K y para cualesquiera x, y V ,
a (x + y) = a x + a y.
D2) Para cualesquiera a, b K y para cualquier x V ,
(a + b) x = a x + b x.
A los elementos del campo los llamaremos escalares y a los del espacio vectorial,
vectores. El lector debe tener precaucion al referirse, por un lado, a los elementos de un espacio vectorial y, por otro lado, a la entidad fsica discutida en la
secci
on anterior.
Ejemplos
1. En la secci
on anterior, vimos que
R2 = {(x1 , x2 ) | x1 , x2 R}
y
R3 = {(x1 , x2 , x3 ) | x1 , x2 , x3 R}

forman espacios vectoriales sobre R. Mas a


un, si en

Rn = {(x1 , ..., xn ) | xi R, i {1, 2, ..., n}}


definimos las operaciones + y de la forma
(x1 , ..., xn ) + (y1 , ..., yn )

(x1 + y1 , ..., xn + yn )

c (x1 , ..., xn )

(c x1 , ..., c xn ), c R,

se tiene que Rn es un espacio vectorial sobre R.


2. Una matriz de m n con entradas en
la forma

a11 a12
a21 a22

A = .
..
..
.
am1

am2

R, es un arreglo rectangular de

a1n
a2n

..
..
.
.

amn

(cA)ij = c Aij ,

donde cada entrada aij R, i {1, 2, ..., m}, j {1, 2, ..., n}. Si
definimos la suma de dos matrices A y B y el producto por escalares de
la forma
(A + B)ij = Aij + Bij

1.3. Espacios vectoriales

donde Aij denota la entrada de la matriz que se encuentra en el i-esimo


rengl
on y la j-esima columna, entonces el conjunto de matrices Mm n (R)
es un espacio vectorial sobre R.
3. Un polinomio con coeficientes en un campo K es una expresion de la
forma
n
X
p (x) =
ak xk ,
(1.2)
k=0

donde n N y cada ak , llamado coeficiente de xk , esta en K. Si


p (x) = 0, esto es, si ak = 0, para toda k N {0}, entonces a p (x)
lo llamaremos el polinomio nulo o cero. El grado de un polinomio se define
como el exponente mas grande de la indeterminada x que aparece en la
representaci
on (1.2). Por convencion, el polinomio nulo tiene grado 1.
Diremos que dos polinomios son iguales si tienen el mismo grado y sus
coeficientes son iguales, esto es, si
p (x) =

n
X

ak xk

q (x) =

k=0

m
X

bk xk ,

k=0

entonces son iguales si m = n y ai = bi , i {1, ...., n}. Por otra parte,


si m < n podemos definir
bm +1 = bm + 2 = = bn = 0,
de tal forma que q (x) se puede escribir como
q (x) =

n
X

bk x k .

k=0

As, podemos definir la suma de dos polinomios como


p (x) + q (x) =

n
X

(ak + bk ) xk

k=0

y el producto por escalares de la forma


c p (x) =

n
X
k=0

c ak xk ,

c K.

Con estas operaciones, el conjunto de polinomios de grado n con coeficientes en un campo K (que denotaremos por Pn [K]). es un espacio
vectorial.
4. Consideremos R2 con las siguientes operaciones
(x1 , y1 ) (x2 , y2 ) = (x1 + x2 , y1 y2 )
y
2

c (x1 , y1 ) = (c x1 , c y1 ).

Observese que (R , , ) no es un espacio vectorial (Por que?).

1. Espacios normados

1.3.

Espacios normados

El concepto de medida es fundamental en las aplicaciones. En esta seccion trataremos la idea de distancia o longitud en los espacios vectoriales, va una estructura m
as rica llamada espacio con producto interior. Los espacios con producto
interior tienen diversas aplicaciones en la geometra,la fsica, el estudio de los
mnimos cuadrados y las formas cuadraticas, por ejemplo. Iniciamos esta seccion
con el estudio del producto punto para vectores en R3 (la construccion para R2
es an
aloga).

1.3.1.

Producto escalar en R3

Consideremos dos vectores AB y AC. Denotaremos por al angulo entre


ellos. Eligiendo un sistema de coordenadas rectangular, podemos suponer que
los vectores tienen el mismo punto inicial y este u
ltimo se encuentra en el origen
del sistema. De esta forma, podemos pensar que sus extremos son los puntos
P1 = (x1 , y1 , z1 ) y P2 = (x2 , y2 , z2 ) respectivamente. Ahora, observese que
[0, ] (vease la Figura 1.6). Nuestro objetivo es encontrar una forma de
calcular el
angulo entre estos vectores.

P1
P2
r1
r2

Figura 1.6: Angulo


entre dos vectores
Aplicando la f
ormula de la distancia y la ley de cosenos, obtenemos
r12 + r22 2 r1 r2 cos = (d (P1 , P2 ))2 = (x2 x1 )2 + (y2 y1 )2 + (z2 z1 )2 ,

donde r1 y r2 denotan las magnitudes de los vectores AB y AC respectivamente. Usando el hecho de que ri = x2i + yi2 + zi2 , i = 1, 2, se sigue
que
x1 x2 + y1 y2 + z1 z2 = r1 r2 cos .
(1.3)

10

1.3. Espacios normados

El lado izquierdo de esta u


ltima expresion lo llamamos producto escalar de
los vectores P1 y P2 (recordemos que usamos indistintamente, a menos que
haya confusi
on, la notacion para puntos y vectores posicion). Denotamos al
producto escalar por P1 P2 . El lado derecho de la ecuacion (1.3) establece que
el producto escalar no depende de la eleccion del sistema de coordenadas, sino
de la magnitud de los vectores y el angulo comprendido entre estos. Se deja al
lector verificar que el producto escalar satisface las siguientes condiciones:
Para 3 vectores cualesquiera x, y, z y un escalar arbitrario c,
1. x (y + z) = x y + x z.
2. (cx) y = c (x y).
3. x y = y x.
4. x x 0 y x x = 0 x = 0
Observese que de esta u
ltima propiedad se deduce que ||x|| =
que, de la ecuaci
on (1.3), se sigue que
cos =

1.3.2.

x x, por lo

xy
.
||x|| ||y||

Productos interiores y normas

Muchas ideas geometricas tales como la longitud de vectores, los angulos comprendidos entre ellos y la perpendicularidad en R2 y R3 , se pueden extender
a espacios vectoriales mas generales. Estas ideas estan relacionadas con el concepto de producto interior.
Definici
on 4 Sea V un espacio vectorial sobre R. Un producto interior sobre
V es una funci
on h, i : V V R, tal que para cualesquiera elementos
x, y, z V y para todo c R, se satisfacen las siguientes propiedades
1. hcx + y, zi = c hx, zi + hy, zi.
2. hx, yi = hy, xi.
3. hx, xi > 0 si x 6= 0
Ejemplos
1. Como vimos en la subseccion anterior, el producto escalar en R3 (y en
un, podemos definir en Rn la siguiente
R2 ) es un producto interior. Mas a
funci
on
n
X
hX, Y i =
xi yi ,
(1.4)
i=1

11

1. Espacios normados

donde X = (x1 , ...xn ) y Y = (y1 , ..., yn ). Para ver que esta funcion es
un producto interior, tenemos que verificar las propiedades dadas en la
definici
on 14. Si Z = (z1 , ..., zn ) y c R, entonces
n
X

hcX + Y, Zi =

(cxi + yi )zi

i=1
n
X

c xi zi + yi zi

i=1
n
X

xi zi +

i=1

n
X

yi zi

i=1

c hX, Zi + hY, Zi.

Ahora, por la conmutatividad de los n


umeros reales, es claro que
hX, Y i = hY, Xi.
Finalmente si X 6= 0, entonces al menos una entrada del vector X es
distinta de cero, en consecuencia
n
X

hX, Xi =

x2i > 0.

i=1

Por tanto, la funci


on dada en la expresion (1.4) es unproducto interior
sobre Rn .
2. Sea V = C[a,b] el espacio de funciones continuas definidas sobre el intervalo [a, b] y definimos la funcion
b

hf, gi =

f (t) g(t) dt

(1.5)

Como la integral abre sumas y saca escalares, la primera propiedad de


la definici
on 14 se cumple, ademas la segunda propiedad se cumple por
la conmutatividad de los n
umeros reales. Ahora si f (t) 6= 0 para toda
t [a, b], entonces (f (t))2 > 0. Como f es continua, se sigue que
hf, f i =

(f (t))2 dt > 0,

en consecuencia, la funci
on definida en (1.5) es un producto interior.
Como consecuencias inmediatas de la definicion 14, tenemos las siguientes propiedades.
Proposici
on 1.3.1 Sea V un espacio vectorial sobre R con producto interior.
Entonces para cualesquiera x, y, z V y c R se tiene que

12

1.3. Espacios normados

1. hx, cy + zi = c hx, yi + hx, zi


2. hx, 0i = h0, xi = 0.
3. hx, xi = 0 si y s
olo si x = 0.
4. Si hx, yi = hx, zi para todo x V , entonces y = z
n.
Demostracio
1. Observese que
hx, cy + zi = hcy + z, xi

= chy, xi + hz, xi

= chx, yi + hx, zi.


2. N
otese que
hx, 0i = hx, y yi
para y V . Luego, por la afirmacion anterior,
hx, y yi = hx, yi + hx, yi

= hx, yi hx, yi = 0.

3. Si x = 0, por la afirmacion anterior se sigue que hx, xi = 0. Ahora si


hx, xi = 0, como por definicion se tiene que hx, xi > 0 si x 6= 0, se
sigue que x = 0.
4. Si hx, yi = hx, zi, entonces se tiene que
hx, yi hx, zi = hx, y zi = 0,
para todo x V , en particular para y z, esto es
hy z, y zi = 0,
por la afirmaci
on anterior, y z = 0, es decir y = z.

Esta u
ltima proposicion nos permite generalizar la nocion de magnitud de
un vector a espacios vectoriales con producto interior.
Definici
on 5 Sea V un espacio vectorial sobre R con producto interior. Para
x V definimos la norma o longitud de x como
p
||x|| = hx, xi
El siguiente resultado muestra que las propiedades para la norma euclidiana
en R3 se cumplen en general para espacios vectoriales con producto interior.

13

1. Espacios normados

Proposici
on 1.3.2 Sea V un espacio vectorial sobre R con producto interior.
Entonces para todo x, y V y c R, se cumplen las siguientes afirmaciones
1. ||c x|| = |c| ||x||.
2. ||x|| 0 y ||x|| = 0 si y s
olamente si x = 0.
3. |hx, yi| ||x|| ||y|| (Desigualdad de Cauchy - Schwarz).
4. ||x + y|| ||x|| + ||y|| (Desigualdad del tri
angulo).
n.
Demostracio
1. Por la definici
on se tiene que
p

p
hc x, c xi = c2 hx, xi
p
= |c| hx, xi = |c| ||x||.

||c x|| =

2. Por la definici
on 14, se sigue que ||x|| > 0 si x 6= 0 y, por la proposicion
1.3.1, se sigue que ||x|| = 0 si y solamente si x = 0.
3. Si y = 0 el resultado es inmediato. Supongamos que y 6= 0. Para todo
R, se tiene que
0 || x + y|| = h x + y, x + yi = 2 ||x||2 + 2 hx, yi + ||y||2 .
Sea ||x||2 = a, 2 hx, yi = b y ||y||2 = c. Entonces, se tiene que
a 2 + 2b + c 0 R.
Ahora, si f () = a 2 + 2b + c, se sigue que


b
f0
= 0,
2a
b
esto es, = 2a
es un mnimo para la funcion f . Ademas, como

f () 0
se obtiene que

a

b2
4a2

para toda R,


+b

de donde se sigue que


c

b
2a


+ c 0,

b2
,
4a

por lo tanto
b2 4ac,
es decir
|hx, yi|2 ||x||2 ||y||2

14

1.3. Espacios normados

4. Por la definici
on de norma y las propiedades de producto interior, se tiene
que
||x + y||2

=
=
=

hx + y, x + yi

hx, xi + 2 hx, yi + hy, yi

||x||2 + 2 hx, yi + ||y||2 .

Por la desigualdad de Cauchy - Schwarz, se sigue que


||x + y||2 ||x||2 + ||x|| ||y|| + ||y||2 = (||x|| + ||y||)2 ,
lo cual concluye la demostracion.

Proposici
on 1.3.3 (Ley del paralelogramo). Sea V un espacio vectorial
sobre R con producto interior. Entonces, se cumple que
||x + y||2 + ||x y||2 = 2 (||x||2 + ||y||2 )
n. Por la definicion de norma en un espacio conproducto interior,
Demostracio
se tiene que
||x + y||2 + ||x y||2

= hx + y, x + yi + hx y, x yi
=
+
=

(hx, xi + 2 hx, yi + hy, yi)


(hx, xi 2 hx, yi + hy, yi)
2||x||2 + 2 ||y||2 .


Ahora definimos el concepto de norma en general.
Definici
on 6 Sea V un espacio vectorial sobre R. Definimos una norma como
una funci
on || || : V R+ {0} que satisface las siguientes condiciones
1. Para todo x V , ||x|| 0. Adem
as, ||x|| = 0 si y s
olamente si
x = 0.
2. Para todo x V y c R, ||c x|| = |c| ||x||.
3. Para cualesquiera x, y, z V , ||x + y|| ||x|| + ||y||.
A un espacio vectorial en donde se ha definido una norma || || lo llamaremos
simplemente espacio normado.
Hemos visto que a partir de un producto interior se puede generar una norma,
pero no toda norma proviene de un producto interior. Sin embargo, se puede
verificar que si una norma satisface la ley del paralelogramo, se puede construir
un producto interior que la induzca.

15

1. Espacios normados

Proposici
on 1.3.4 Sea V un espacio normado sobre R, con norma || || tal
que satisface la ley del paralelogramo y defnase

1
hx, yi =
||x + y||2 ||x y||2 .
4
Entonces h, i es un producto interior tal que ||x||2 = hx, yi para todo x V .

n. Para ver que h, i es un producto interior, tenemos que veriDemostracio


ficar las condiciones establecidas en la definicion 14. Observese que

1
hx, yi =
||x + y||2 ||x y||2
4

1
=
||y + x||2 ||y x||2 = hy, xi.
4
Adem
as,

1
||2 x||2 ||0||2 = ||x||2 > 0,
hx, xi =
4
si x 6= 0.
Por otro lado, como la norma satisface la ley del paralelogramo, se tiene que
||x + 2y||2 + ||x||2

=
=

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

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

y
||x 2y||2 + ||x||2
de donde se sigue que
por lo que

=
=

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

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

||x + 2y||2 ||x 2y||2 = 2(||x + y||2 ||x y||2 )

1
(||x + 2y||2 ||x 2y||2 )
4
1
(2(||x + y||2 ||x y||2 )) = 2 hx, yi.
=
4
As, para probar que hx + y, zi = hx, zi + hy, zi, verificamos que
hx, 2yi =

hx + y, 2zi = 2 (hx, zi + hy, zi).

De manera similar al argumento anterior, por la ley del paralelogramo se tiene


que
||x + y + 2z||2 + ||x y||2

2(||x + z||2 + ||y + z||2 )

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

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

16

1.3. Espacios normados

de donde se obtiene que


||x + y + 2z||2 ||x + y 2z||2 = 2 (||x + z||2 ||x z||2 + ||y + z||2 ||y z||2 ).

En consecuencia, se sigue que


1
(||x + y + 2z||2 ||x + y 2z||2 )
4
1
(2 (||x + z||2 ||x z||2 + ||y + z||2 ||y z||2 ))
4
2 (hx, zi + hy, zi).

hx + y, 2zi =
=
=

Inductivamente, para n N se tiene que


hn x, yi = h(n 1)x, yi + hx, yi = = n hx, yi.
Ahora, por el argumento anterior, obtenemos


1
1
hx, yi = hm
x , yi = m h x, zi,
m
m
de donde se concluye que
h
As, si r =

p
q,

1
1
x, zi =
hx, yi.
m
m

donde p, q N, entonces
hr x, yi = hp
=

 
 
1
1
x, yi = p h
x, yi
q
q

p
hx, yi = r hx, yi.
q

Ahora, si r = 0, se sigue que


h0, yi =

1
(||y||2 ||y||2 ) = 0 = 0 hx, yi.
4

Finalmente, si r es negativo, notese que


hrx, yi = h(r) (x), yi = r hx, yi,
pero
ya que
hx, yi + hx, yi =

hx, yi = hx, yi
1
(|| x + y||2 || x y||2 + ||x + y||2 ||x y||2 ) = 0.
4

Por lo tanto
hrx, yi = r hx, yi = r hx, yi.

17

1. Espacios normados

Por otra parte, observese que


hx, xi =

1
(||x + x||2 ||0||2 ) = ||x||2 ,
4

(1.6)

para todo x V . Consecuentemente, por la desigualdad del triangulo y el


argumento anterior, tenemos que
||x||2 + 2 hx, yi + ||y||2

= ||x + y||2

(||x|| + ||y||)2 = ||x||2 + 2 ||x|| ||y|| + ||y||2 .

De manera similar, tomando ||x y||2 , se obtiene que


||x||2 2 hx, yi + ||y||2 ||x||2 + 2 ||x|| ||y|| + ||y||2 ,
de donde se concluye que
|hx, yi| ||x|| ||y||.

(1.7)

Finalmente, sea c R y r Q. Como


(c r) hx, yi = c hx, yi rhx, yi
y
h(c r)x, yi = hcx rx, yi = hcx, yi r hx, yi,
es claro que
|c hx, yi hcx, yi| = |(c r) hx, yi h(c r) x, yi|.
Ahora, por la desigualdad (1.7), se sigue que
|c r| ||x|| ||y|| (c r) hx, yi
y
y por tanto

h(c r)x, yi |c r| ||x|| ||y||

|c hx, yi hcx, yi| = |(c r) hx, yi h(c r) x, yi| 2 |c r| ||x|| ||y||.

(1.8)

Por la propiedad arquimediana, para todo c R, se puede encontrar r Q


tal que |c r| < , donde > 0. Por la desigualdad (2), se concluye que
hcx, yi = c hx, yi
para todo c R. As, h, i es un producto interior y por la ecuacion (34), se
sigue el resultado.

Regresando al estudio de las normas en Rn , hemos visto que el producto
escalar genera una norma, a saber, la funcion dada por
v
u n
uX
x2i ,
||X||2 = t
i=1

18

1.3. Espacios normados

donde X = (x1 , ..., xn ). A esta norma la llamaremos norma euclidiana. Sin


embargo, podemos definir otras funciones que resultan ser normas en Rn . Por
ejemplo, podemos definir la funcion
||X||1 =

n
X
i=1

|xi |.

Para ver que es una norma, debemos verificar que se cumplen las condiciones de
la definici
on 15. En efecto, notese que ||X||1 0 ya que estamos considerando
los valores absolutos de las entradas del vector X, ademas, esta funcion toma
el valor cero si y s
olo si cada una de las entradas del vector es cero. Por otra
parte, si c R, se tiene que
||c X||1 =

n
X
i=1

n
X

|c xi | = |c|

i=1

|xi | = |c| ||X||1 .

Finalmente, por la desigualdad del triangulo para el valor absoluto, si Y =


(y1 , ..., yn ), se sigue que
||X + Y ||1 =

n
X
i=1

|xi + yi |

n
X
i=1

(|xi | + |yi |) = ||X||1 + ||Y ||1 .

Por tanto se sigue que ||X||1 define una norma. Por otro lado, podemos definir
la siguiente funci
on
! 31
n
X
3
||X||3 =
|xi |
.
i=1

Esta funci
on tambien es una norma. En general, para p 1, si definimos la
funci
on
! p1
n
X
p
||X||p =
|xi |
,
i=1

esta resulta ser una norma. Para demostrar esta afirmacion, requerimos de un
par de desigualdades que demostraremos a continuacion
lder). Sean p > 1 y q > 1 tales
Proposici
on 1.3.5 (Desigualdad de Ho
que p1 + 1q = 1, X = (x1 , ..., xn ) y Y = (y1 , ..., yn ). Sea X 0 = (|x1 |, ..., |xn |)
y Y 0 = (|y1 |, ..., |yn |). Entonces

! p1 n
! q1
n
X
X

|xi |p
|yi |q
(1.9)
X0 Y 0
i=1

i=1

n. Para empezar, recordemos la desigualdad de Bernoulli, esto


Demostracio
es, si t 0, entonces
(1 + t)p 1 + pt,

19

1. Espacios normados

alcanz
andose la igualdad cuando t = 0. Ahora, sean a 0 y b > 0 tales que
 
a
1+t =
.
q
bp
Sustituyendo este valor en la desigualdad de Bernoulli, obtenemos
q
ap
1 + p a b p p,
q
b
donde la igualdad se alcanza cuando ap = bq . Multiplicando por bq ambos
lados de la desigualdad y realizando las operaciones correspondientes, se obtiene
que
p1
(1.10)
ap bq (1 p) + p a bq ( p ) .

p
p1 ,

Como p1 + 1q = 1, se tiene que q =


desigualdad (1.10) obtenemos que

por lo que, sustituyendo en la

ap bq (1 p) + p a b,

luego, multiplicando por

1
p,

se obtiene la siguiente desigualdad


bq
ap
+
ab,
p
q

(1.11)

alcanzando la igualdad cuando ap = bq . Por otro lado, tomese


aj =

|xj |

n
X

i=1

! p1
p

|xi |

y
bj =

|yj |

n
X

i=1

! q1 ,

|yi |q

sustituyendo en la desigualdad (1.11) y sumando sobre todas las j {1, ..., n},
obtenemos

n
X
j=1

aj bj

n
X

j=1

|xj |p
! +
n
X
p
|xi |
q

i=1
n
X

=
p

|xi |p

i=1
n
X

i=1

n
X

! +
p

|xi |

1
1
+
= 1,
p
q

|yj |q

n
X
q
|yi |

i=1

|yi |q

i=1
n
X

i=1

!
|yi |

20

1.3. Espacios normados

es decir

n
X
j=1

aj bj 1,

de donde se sigue el resultado.

Proposici
on 1.3.6 (Desigualdad de Minkowski) Sean xi , yi R, i
{1, ..., n} y p 1. Entonces
! p1

n
X
i=1

|xi + yi |

! p1

n
X

|xi |

i=1

! p1

n
X

|yi |

i=1

(1.12)

n. Por la desigualdad del triangulo para el valor absoluto, se


Demostracio
tiene que
n
n
X
X
|xi + yi |p
(|xi | + |yi |)p .
i=1

i=1

Por otra parte, el lado derecho de esta u


ltima desigualdad, se puede escribir
como
n
X
i=1

(|xi | + |yi |)p

=
=

n
X
i=1
n
X
i=1

(|xi | + |yi |)p 1 (|xi | + |yi |)


(|xi | + |yi |)p 1 |xi | +

n
X
i=1

(|xi | + |yi |)p 1 |yi |.

Luego, definiendo |zi | = (|xi | + |yi |)p 1 y aplicando la desigualdad (1.11) a


cada uno de los sumandos de la expresion anterior, obtenemos
n
X

|zi | |xi | +

i=1

n
X

|zi | |yi |

i=1

i=1
n
X

i=1

como

1
p

1
q

n
X
i=1

n
X

|zi |q

i=1

n
X

!1

n
X

n
X

i=1

q
(|xi | + |yi |)p 1

n
X

|zi |q

i=1

! p1
|xi |p

! q1

!1

n
X

i=1

! q1
|zi |q

!1
|xi |p

n
X

i=1

i=1

|xi |p

i=1

|yi |p

! p1

n
X
i=1

|yi |p

= 1, entonces p = q (p 1), de donde se obtiene que


q
(|xi | + |yi |)p 1
n
X
i=1

! q1

i=1

! q1
(|xi | + |yi |)p

n
X

n
X

i=1

! p1
|xi |p

|xi |p

n
X
i=1

! p1
+

! p1

! p1

n
X

!1
|yi |p

n
X
i=1

! p1
|yi |p

! p1
|yi |p

21

1. Espacios normados

lo cual implica que


n
X

(|xi | + |yi |)

n
X

!1 n
!1
q
p
X
p

(|xi | + |yi |)
|xi |
+

i=1

i=1

i=1

i=1

n
X
i=1

tiene que

i=1

!1 q1

(|xi | + |yi |)
n
X

i=1

n
X

i=1

! p1
p

|xi |

n
X

i=1

!1
p
,
|yi |
p

por lo que, multiplicando esta desigualdad por

n
X

n
X

! q1 se ob-

(|xi | + |yi |)p


! p1
p

(|xi | + |yi |)
! p1
|yi |

pero, por la desigualdad del tri


angulo para los valores absolutos, tenemos que
! p1
! p1
n
n
X
X
p
p
(|xi + yi |)

(|xi | + |yi |)
,
i=1

i=1

de donde se concluye que


n
X
i=1

! p1
(|xi + yi |)

n
X
i=1

! p1
|xi |

n
X
i=1

! p1
p

|yi |

que era justo lo que se quera demostrar.


De esta forma, la funci
on definida por
||X||p =

n
X
i=1


! p1
|xi |p

donde X = (x1 , ..., xn ) define una norma, ya que, es claro que ||X||p 0,
alcanz
andose la igualdad si y s
olamente si cada una de las entradas del vector
X es igual a cero. Adem
as, si c R, se tiene que
! p1
! p1
n
n
X
X
= |c|
|xi |p
|c| ||X||.
||c X||p =
|c xi |p
i=1

i=1

Finalmente, la desigualdad del tri


angulo se sigue de la desigualdad (1.12).
Por otra parte, podemos definir la siguiente funcion en Rn
||X|| = m
ax {|xi | | i {1, ..., n}},

donde X = (x1 , ..., xn ). Se afirma que esta funcion es una norma en Rn . Para
ver esto, n
otese que ||X|| 0 alcanzando la igualdad si y solamente si cada
entrada del vector X es cero. Ahora, si c R, entonces
||c X|| = m
ax {|c xi | | i {1, ..., n}} = |c| m
ax {|xi | | i {1, ..., n}} = |c| ||X|| .

22

tricos
1.4. Espacios me

Finalmente, se tiene que


||X + Y || = max {|xi + yi | | i {1, ..., n}} = |xj + yj |,
para alguna j {1, ..., n}. Por la desigualdad del triangulo para el valor absoluto, se tiene que
|xj + yj | |xj | + |yj | max {|xi | | i {1, ..., n}} + max {|yi | | i {1, ..., n}},
de donde se concluye que
||X + Y || ||X|| + ||Y ||
Se pueden dar otros ejemplos de espacios vectoriales normados: el espacio
de funciones continuas definidas en un intervalo [a, b] con la funcion dada por
||f ||p =

! p1

b
p

(|f (x)|) dx
a

p 1

es un espacio normado; el espacio de funciones acotadas con la funcon


||f || = sup {|f (x)| | x [a, b]}
tambien es un espacio normado. Nuestro estudio en la siguiente seccion, se
centrar
a en c
omo mediremos distancias a partir de las estructuras que hemos
construido hasta el momento.

1.4.

Espacios m
etricos

Entre las propiedades de Rn , una de las mas importantes es la propiedad


metrica, es decir, la forma en que se mide la distancia entre puntos. Un espacio metrico es un conjunto X equipado con una funcion d : X X R
que proporciona una forma razonable de medir distancias entre dos elementos
de X . Este concepto nos permitira definir mas adelante el concepto de conjunto
abierto y a partir de este u
ltimo estudiar una serie de propiedades y conceptos
como, por ejemplo, el de convergencia.
Definici
on 7 Un espacio metrico es una estructura que consta de un conjunto
X 6= y de una funci
on d : X X R+ {0}, llamada metrica, que
satisface los siguientes axiomas
1. d (x, y) = 0 x = y.
2. d (x, y) = d (y, x) x, y X .
3. d (x, y) d (x, z) + d (z, y) x, y, z X .
Ejemplos.

23

1. Espacios normados

1. Sea (V, || ||) un espacio normado. Para x, y V , definimos


d (x, y) = ||x y||.
Esta funci
on, en efecto, define una metrica. Notese que, por las propiedades
de la norma, se tiene que d (x, y) 0, ademas d (x, y) = 0 si y solamente
si ||x y|| = 0, esto pasa si y solamente si x y = 0, lo cual sucede
si y s
olamente si x = y, con lo que se satisface el primer axioma. Luego
d (x, y) = ||x y|| = || (y x)|| = ||y x|| = d (y, x).

Finalmente, por la desigualdad del triangulo para las normas, se tiene que
d (x, y) = ||x y|| = ||(x z) + (z y)|| ||x z|| + ||z y|| = d (x, z) + d (z, y),

de donde se concluye que (V, d) es un espacio metrico. De esta forma,


hemos construido varios ejemplos de espacios metricos:
a) (Rn , d) donde d : Rn Rn R+ {0} esta dada por
! p1
n
X
p
p 1.
d (x, y) =
|xi yi |
i=1

En particular, cuando p = 2 se tiene la distancia euclidiana.


b) (Rn , d), definiendo a d como
d (x, y) = ||x y||
c) (C[a,b] , d) donde d est
a definida como
Z
d (f, g) =
a

! 21

|f (x) g (x)|2 dx

por mencionar algunos.


2. Sea X =
6 un conjunto arbitrario y defnase la funcion d como

si x 6= y
1
d (x, y) =

0
si x = y.
Entonces (X , d) es un espacio metrico. La verificacion de los detalles se
dejan al lector. N
otese que este ejemplo nos dice que cualquier conjunto
distinto del vaco, se puede equipar con una metrica.
3. Sea X = {0, 1} y considerese el conjunto Y = X 9 , es decir, las 9-adas
en cuyas entradas hay s
olo 0s y 1s. Defnase d como
d (x, y) = n
umero de lugares en los cuales x y y son diferentes.
Entonces (Y, d) es un espacio metrico (de hecho, notese que
d (x, y) =

9
X
i=1

|xi yi |).

24

tricos
1.4. Espacios me

4. Sea
X = {x = {xi }i N | xi R,

X
iN

x2i < }

y defnase
d (x, y) =

sX
iN

(xi yi )2 .

Antes de verificar que esta funcion es una metrica, recordemos que dos
sucesiones x y y son iguales si xi = yi para toda i N. Ahora, es claro
que d (x, y) 0, alcanzando la igualdad si y solamente si xi yi = 0
para toda i N. Por otra parte, observese que
sX
sX
2
d (x, y) =
(xi yi ) =
(yi xi )2 = d (y, x).
iN

iN

Finalmente, para la desigualdad del triangulo, si x, y, z X , entonces


las series
X
X
X
(xi yi )2 ,
(xi zi )2 ,
(zi yi )2 ,
iN

iN

iN

convergen. Luego
n
X
i=1

! 21
(xi yi )

n
X
i=1

! 21
2

(xi zi )

n
X
i=1

! 12
2

(zi yi )

por la desigualdad de Minkowski. Haciendo tender n a infinito, se tiene


el resultado. A este espacio se le conoce como espacio de Hilbert (real) y
suele denotarse como l2 .
5. Sean (Xi , di ), i {1, ..., n} espacios metricos. Tomese
X = X1 X2 Xn .
Defnase para x, y X la funcion
d (x, y) =

n
X

di (xi , yi ),

i=1

donde x = (x1 , ..., xn ) y y = (y1 , ..., yn ). Se afirma que (X , d) es un


espacio metrico. Para demostrar esta afirmacion, verificamos los axiomas
de la definici
on de metrica. Como di es metrica para toda i {1, ..., n},
se sigue que d (x, y) 0, alcanzando la igualdad cuando cada uno de los
sumandos se anula. Esto u
ltimo sucede si y solamente si xi = yi para
toda i {1, ..., n}, ya que di es metrica. Ademas
d (x, y) =

n
X
i=1

di (xi , yi ) =

n
X
i=1

di (yi , xi ) = d (y, x).

25

1. Espacios normados

Finalmente, como cada di es metrica, se tiene que


d (x, y) =

n
X
i=1

di (xi , yi )

n
X

di (xi , zi ) +

i=1

n
X

di (zi , yi )

i=1

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


donde z = (z1 , ..., zn ).
6. Sea (X , d) un espacio metrico y Y X . Entonces, la restriccion
dI = d|Y Y : Y Y R+ {0},
es una metrica en Y. Al espacio (Y, dI ) se le conoce como subespacio
metrico. (Recuerde que si f : A B y g : C B tal que A C y
f (x) = g (x) para toda x A, entonces se dice que f es la restriccion
de g sobre A).
En un espacio metrico es posible hablar de vecindades de un punto.
Definici
on 8 Sean (X , d) un espacio metrico, x X y > 0. Definimos la
bola abierta de radio con centro en x como
B (x) = {y X | d (x, y) < }
Definici
on 9 Una vecindad de x es un conjunto U X , tal que existe > 0
de tal forma que B (x) U .
Se dice que dos metricas son equivalentes si para cada punto en el espacio
metrico, ambas determinan las mismas vecindades de dicho punto, es decir, dos
metricas d y d0 son equivalentes si y solo si para cada punto x X se cumple
lo siguiente:
Dada > 0 existe 0 > 0 tal que si d0 (x, y) < 0 , entonces d (x, y) < ; y
dada 0 > 0 existe > 0 tal que si d (x, y) < , entonces d0 (x, y) < 0 .
Para cerrar este captulo, resulta interesante describir geometricamente las
bolas generadas en R2 y R3 por las normas || ||p . Consideremos los conjuntos
B(p) = {y Rn | ||y||p < 1}

p 1, n = 2, 3.

Primero consideremos el caso n = 2.


Si p = 1, el conjunto anterior se puede escribir como
{y R2 | |y1 | + |y2 | < 1}.
Para describir geometricamente este conjunto, parecera natural analizar el conjunto de puntos cuyas entradas satisfacen la siguiente igualdad
|y1 | + |y2 | = 1.

26

tricos
1.4. Espacios me

(0, 1)

(1, 0)

Figura 1.7: Bola generada por la norma || ||1 en R2


N
otese que como se esta tratando con valores absolutos, basta con analizar lo
que sucede en el cuadrante positivo. El resto del conjunto se obtiene reflejando
con respecto al origen y al eje y. De esta forma, trataremos la igualdad
y1 + y2 = 1,
que es equivalente a la igualdad
y2 = 1 y1 ,
la cual describe una recta que pasa por los puntos (1, 0) y (0, 1). Reflejando con
respecto al eje de las ordenadas y con respecto al origen, obtenemos el conjunto
descrito en la Figura 1.7. Observese que los puntos que quedan debajo de la
recta, satisfacen que
y1 + y2 < 1,
(1)

por lo que los puntos que conforman al conjunto B en R2 son los que se
encuentran adentrodel cuadrado descrito en la Figura 1.7. Si p = 2, notese
que se tiene una circunferencia con centro en el origen.
(0, 1)

(1, 0)

Figura 1.8: Bola generada por la norma || || en R2


Por otra parte, el conjunto B definido como
B = {y R2 | ||y|| < 1},

27

1. Espacios normados

genera un lugar geometrico como el descrito en la Figura 1.8, esto debido a que
si consideramos el conjunto de puntos (y1 , y2 ) tales que
m
ax {|y1 |, |y2 |} = 1,
tanto sus abscisas como sus ordenadas no podran exceder 1, es decir, se tiene que
y1 , y2 [0, 1]. Si y1 [0, 1) entonces, necesariamente, y2 = 1 y viceversa, si
y2 [0, 1), entonces, forzosamente y1 = 1.
Ahora, si x1 (0, 1), entonces, para 1 p q, se cumple que xq1 xp1 ,
de donde se obtiene que
1 xp1 1 xq ,
de donde se concluye que la bola generada con la norma || ||p esta contenida
en la bola generada por la norma || ||q , para p < q, obteniendo una situacion
como la descrita en la Figura 1.9
(0, 1)

||X||1
||X||2
(1, 0)

||X||4
||X||

Figura 1.9: Comparativo de las bolas generadas por diferentes normas


Se puede hacer un an
alisis similar para el caso de R3 . Para el caso de la
norma || ||1 , observese que la ecuacion
x1 + x2 + x3 = 1,

x1 , x2 x3 0,

describe un plano que pasa por los puntos (0, 0, 1), (0, 1, 0) y (1, 0, 0). Luego,
al reflejar con respecto a los ejes y al origen, obtenemos un octaedro (vease la
Figura 1.10). La norma || ||2 genera una esfera, la norma || || un cubo y,
por un argumento similar al del caso bidimensional, la bola generada por || ||p
est
a contenida en la generada por || ||q , si p q.

Figura 1.10: Norma || ||1 en R3

Captulo 2

Elementos b
asicos de
topologa
Existen dos conceptos fundamentales en el desarrollo del calculo diferencial y,
en general, en el an
alisis real: la convergencia de sucesiones y la continuidad
de funciones. M
as adelante, definiremos funciones sobre subconjuntos de puntos
contenidos en espacios de dimensiones superiores y es conveniente conocer ciertas propiedades de conjuntos que llamaremos abiertos, cerrados y compactos.
Estos conjuntos generalizan las ideas de intervalos abiertos y cerrados en la recta
real y constituyen las ideas b
asicas de la topologa. Gran parte de los resultados
que desarrollamos en este captulo dependen u
nicamente de las propiedades de
la funci
on distancia por lo que, en algunas ocasiones, haremos un analisis de estos conjuntos en espacios metricos mas generales. A menos que haya confusion,
denotaremos unicamente por X a un espacio metrico (X , d).

2.1.

Conjuntos abiertos

El concepto de conjunto abierto es crucial en el estudio del calculo y el analisis


real.
Definici
on 10 Sea X un espacio metrico y A X . Se dice que A es un
conjunto abierto en X , si para todo x A, existe > 0 tal que B (x) A.
N
otese que, por la definici
on 9, un conjunto es abierto si y solamente si es
vecindad de todos sus puntos. A partir de la definicion se puede demostrar que
B (x), > 0, es un conjunto abierto.
Proposici
on 2.1.1 Sean X un espacio metrico, > 0 y x X . Entonces
B (x) es un conjunto abierto.
n. Sea y B (x). Debemos exhibir un valor 0 > 0 tal que
Demostracio
B0 (y) B (x). La Figura 2.1 sugiere que al tomar 0 = d(x,y)
, que es
2
29

30

2.1. Conjuntos abiertos

d (x,y)
2

Figura 2.1: Idea para la demostracion de la Proposicion 2.1.1


estrictamente positivo ya que d (x, y) < , B0 (y) B (x). En efecto, si
z B0 (y), entonces
d (x, z) d (z, y) + d (y, x) < 0 + d (x, y) =

d (x, y) +
< .
2

Por tanto, z B (x).


En la demostraci
on de la Proposicion 2.1.1, observese que 0 depende de
la elecci
on de y, esto es, B0 (y) sera mas peque
na si y esta mas cerca del
contorno de la bola.
Ejemplos.
1. Sea X = R2 con la metrica generada por la norma euclidiana. Consideremos el conjunto dado por
A = {(x, y) R2 | x (a, b)}.
Se afirma que A es abierto. La Figura 2.2 nos da una idea para la eleccion
de . Para un punto s = (x, y) A, proponemos
= mn {|x a|, |x b|}.
Sin perdida de generalidad, podemos suponer que 0 < a < b. Tomese
un punto z = (z1 , z2 ) B (s), es claro que
|z1 x| d (z, s) < .
Si = x a, entonces se tiene que
|z1 x| < x a

a x < z1 x < x a

a < z1 < 2x a = x + (x a) < b,

de donde se sigue que z A.


Si = b x, entonces

|z1 x| < b x

x b < z1 x < b x

2x b < z1 < b.

31

sicos de topologa
2. Elementos ba

Ahora, 2x b > a ya que, de lo contrario, se tendra que x <


esto implica que

a+b
2 ,

ba
ba
y xa <
,
2
2
de donde se concluye que x a < b x, lo cual es una contradiccion.
Por tanto, 2x b > a de donde se concluye que z A y por lo tanto
A es abierto.
bx >

Figura 2.2: El conjunto A = {(x, y) R2 | x (a, b)} es abierto


2. Sean A y B subconjuntos abiertos de Rn . Definimos
A + B = {x + y Rn | x A, y B}.
Se afirma que A + B es un conjunto abierto. Para ver esto, consideremos
un punto arbitrario z A + B, entonces existen elementos x A y
y B tales que z = x + y. Como A es abierto, existe > 0 tal que
B (x) A. Demostraremos que B (z) A + B. Sea w B (z),
entonces
||w z|| = ||w (x + y)|| < .
Ahora, observese que w (x + y) = (w y) x, en consecuencia,
w y B (x) A. Como y B y w = (w y) + y, se sigue que
w A + B. Por tanto A + B es abierto.

3. Sea X un conjunto arbitrario, distinto del vaco y equipado con la metrica


discreta. Si A X , entonces para todo punto x A tomamos = 21 .
Luego, B (x) = {x} A. Por tanto, todo subconjunto de X es abierto
con la metrica discreta.

32

2.1. Conjuntos abiertos

4. Sea X un espacio normado y x X . Entonces el conjunto {x} no es


abierto.
N
otese que si tomamos la union de una coleccion arbitraria de intervalos
abiertos en R, obtendremos un conjunto abierto. Sin embargo, la interseccion arbitraria de intervalos abiertos no siempre da como resultado un conjunto abierto.
A saber, considerese la coleccion de intervalos dada por
In = (x0

1
1
, x0 + ),
n
n

n N,

para alguna x0 R. Observese que


\
In = {x0 }.
nN

Este ejemplo nos sugiere la siguiente propiedad de los conjuntos abiertos.


Proposici
on 2.1.2 Sean X un espacio metrico y {A } una colecci
on de
abiertos en X , entonces
[
1. Para cualquier conjunto de ndices ,
A es abierto en X .

2. Si es un conjunto de ndices finito, entonces


En particular, si = , por definici
on

A es abierto en X .

A = y

A = X .

n.
Demostracio
[
1. Sea x
A , entonces existe tal que x A . Como A es

abierto, existe > 0 tal que


B (x) A
por tanto

A ,

A es abierto.

2. Sea x

A , entonces x A para toda . Como cada A

es abierto, existe > 0 tal que B A . Como es finito, podemos


tomar
= { | };
> 0 y claramente B (x) B (x) para toda . Por tanto,
\
B
A ,

33

sicos de topologa
2. Elementos ba

de donde se concluye que

A es abierto.

Finalmente, como X contiene a todas las bolas, entonces es abierto y ,


por vacuidad, es abierto.

En general, un conjunto con una coleccion de subconjuntos (llamados por
definici
on abiertos) que satisfacen las condiciones de la proposicion 2.1.2 y contiene al vaco y al conjunto total, se le llama espacio topol
ogico y a la coleccion
de subcojuntos se le llama topologa.
Definici
on 11 Dos normas definidas sobre un mismo espacio vectorial V se
dicen equivalentes, cuando inducen la misma topologa sobre V , esto es, definen
los mismos abiertos en V .
Esta definici
on es equivalente a la siguiente definicion.
Definici
on 12 Dos normas || || y || || sobre V son equivalentes si y s
olo si
existen dos constantes a, b > 0 tales que
a||x|| ||x|| b||x||

x V.

Diremos que dos normas est


an relacionadas (|| || || || ) si y solo si son
equivalentes. Es claro que esta relacion es de equivalencia.
Proposici
on 2.1.3 En Rn , las normas dadas por
! p1
n
X
p
||X||p =
|xi |
i=1

y
||X|| = m
ax {|xi | | i {1, ...., n}},

X = (x1 , ..., xn ), son equivalentes.

n. Observese que ||X|| = |xj | para alguna j {1, ..., n}.


Demostracio
Luego, se tiene que

p1
X
1
(|xj |p ) p = |xj |
|xi |p + |xj |p ,
i 6= j

por tanto ||X|| ||X||p . Por otro lado, notese que


|xi |

||X|| i {1, ..., n}


n
X

|xi |p n (||X|| )p
i=1

||X||p

n ||X|| .


34

2.1. Conjuntos abiertos

Este resultado nos permite trabajar indistintamente con cualquier norma.


M
as adelante demostraremos que cualquier norma en Rn es equivalente a la
norma || ||p , por lo que basta analizar las propiedades de los abiertos en Rn
con la norma euclidiana.
Presentamos ahora otra nocion topologica basica que caracteriza a los conjuntos abiertos.
Definici
on 13 Sean X = (X, d) un espacio metrico y A un subconjunto de
X. Se dice que un punto x A es interior, si existe U X abierto tal que
x U A.
A la colecci
on de todos los puntos interiores se le llamar
a interior de A y se
denota por Ao .
Ejemplos.
1. Considerese el conjunto
A = {(x, y) R2 | x (a, b)}.
Ya se verific
o que este conjunto es abierto, es decir, para todo x A,
existe > 0 tal que
B (x) A.
Tambien, hemos demostrado que para todo punto x en un espacio metrico,
B (x) es un conjunto abierto. En consecuencia, es claro que Ao = A.
2. Sea A = [a, b]. Se afirma que Ao = (a, b). Si x (a, b), como este
u
ltimo es un conjunto abierto, se sigue que existe un valor > 0 tal que
B (x) A, esto es, existe un conjunto abierto totalmente contenido en
(a, b) que contiene al punto x. Por otro lado, si x Ao , entonces existe
U R abierto, tal que x U A. Ahora,
x 6 (, a) (b, ),
ya que de lo contrario, como (, a) (b, ) es un conjunto abierto,
se puede construir un intervalo centrado en x de radio > 0, tal que
este totalmente contenido en (, a) (b, ). Por otra parte, x 6= a,
ya que para toda > 0, (a , a + ) interseca al complemento de A,
es decir, no existe una vecindad de a que este totalmente contenida en
(a, b). Un argumento similar demuestra que b tampoco es punto interior.
Por tanto, x (a, b), de donde se sigue que Ao = (a, b).
El siguiente resultado proporciona otras descripciones equivalentes del interior de un conjunto.
Proposici
on 2.1.4 Sean X = (X, d) un espacio metrico y A X. Entonces, las siguientes afirmaciones son equivalentes.

35

sicos de topologa
2. Elementos ba

a) x es un punto interior de A.
b) Existe > 0 tal que B (x) A.
c) x

{B A | B es un conjunto abierto}

n.
Demostracio
a) b)
Si x Ao , entonces existe un abierto U tal que
x U A.
Como U es abierto, existe > 0 tal que B U A.
b) a)
Ya se demostr
o que B (x) es un conjunto abierto, por lo que es claro que x es
un punto interior de A.
a) c)
S
Sea G =
{B A | B es un conjunto abierto}. Se tiene que x G, si y
s
olamente si x B, para alg
un abierto B A, esto es, x Ao .
c) a)
Si x Ao , entonces existe un abierto U tal que x U A. Por tanto
x G.

La proposici
on 2.1.4 muestra que el interior de un conjunto es abierto. Mas
a
un, un conjunto A es abierto si y solamente si A = Ao . Notese que el interior
de un conjunto es el abierto m
as grande contenido en A. El siguiente resultado
muestra algunas propiedades para los interiores de conjuntos en un espacio
metrico. La demostraci
on de estos hechos se le deja al lector.
Proposici
on 2.1.5 Sean X = (X, d) un espacio metrico y A, B subconjuntos
de X. Entonces
1. X o = X.
2. Ao A.
3. (Ao )o = Ao .
4. (A B)o = Ao B o .
5. Si A B, entonces Ao B o .
6. Ao B o (A B)o .

36

2.2. Conjuntos cerrados

2.2.

Conjuntos cerrados

Los conjuntos que se conocen como cerrados, al igual que los abiertos, determinan la topologa de los espcaios metricos. Sin embargo, sus propiedades son
diferentes a las de los abiertos, por lo que resulta importante estudiarlos por
separado.
Definici
on 14 Sean X = (X, d) un espacio metrico y B X. Se dice que
B es un conjunto cerrado si B c es abierto.
Ejemplos.
1. Sea x Rn . Se afirma que {x} es un conjunto cerrado en Rn . Para ver
esto, considerese Rn {x} y tomese un punto y Rn {x}. Definimos
= d (x,y)
y construmos la bola con centro en y y radio . Luego, si
2
z B (y), entonces
d (x, z) d (x, y) d (z, y) d (x, y) = d (x, y)

d (x, y)
d (x, y)
=
> 0,
2
2

de donde se sigue que d (x, z) > 0, por lo que z Rn {x}. As,


Rn {x} es abierto y, por lo tanto {x} es cerrado en Rn . Mas a
un, por
la proposici
on 2.2.1, se sigue que un conjunto finito en Rn es cerrado.

Figura 2.3: El complemento de la bola unitaria es un conjunto abierto


2. Consideremos C = {x Rn | ||x||2 1}. Se afirma que C es cerrado. Para demostrar esta afirmacion, notese que si y C c , se tiene que
||y||2 > 1, por lo que tomamos = ||y||2 1 (vease la Figura 2.3). Sea
z B (y). Aplicando la desigualdad del triangulo se tiene que
||y||2 ||z||2 ||y z||2 < 1 = ||y||2 < ||z||2 ,
es decir, z C c . En consecuencia, B (y) C c , esto es, C c es abierto,
de donde se concluye que C es cerrado.

37

sicos de topologa
2. Elementos ba

3. El conjunto dado por


R = {(x, y) R2 | x (a, b], y [c, d]},
no es un conjunto cerrado. Notese que el conjunto Rc no es abierto, ya
que para toda > 0, la bola de radio centrada en un punto de la forma
(a, y), donde y (c, d), no esta totalmente contenida en Rc (vease la
Figura 2.4).

Figura 2.4: El conjunto R no es cerrado


De la definici
on 14 y la proposicion 2.1.2, se obtiene el siguiente resultado.
Proposici
on 2.2.1 Sean X un espacio metrico y {A } una colecci
on de
cerrados en X , entonces
\
1. Para cualquier conjunto de ndices ,
A es cerrado en X .

2. Si es un conjunto de ndices finito, entonces


X.

A es cerrado en

Otro concepto topol


ogico b
asico que nos ayudara a determinar si un conjunto
es cerrado es el de punto de acumulacion.
Definici
on 15 Sean X = (X, d) un espacio metrico y A X. Se dice que
un punto x X es un punto de acumulaci
on de A si existe un abierto U X
tal que x U y (U {x}) A 6= . Al conjunto de puntos de acumulaci
on
de A se le conoce como conjunto derivado y se denota por A0 .

38

2.2. Conjuntos cerrados

Observese que esta definicion nos dice que un punto es de acumulacion de un


conjunto A, si est
a arbitrariamente cercano a los puntos de A. Por la proposici
on 2.1.1, podemos reformular la definicion 15 de la siguiente manera:
Se dice que un punto x X es un punto de acumulacion de A si para toda
> 0, (B (x) {x}) A 6= .
Se dice que un punto x A es aislado si existe un valor > 0 tal que
(B (x) {x}) A = .
Ejemplos.
1. Sea A = (0, 1). Si x [0, 1], es claro que para toda > 0 se cumple
que
((x , x + ) {x}) (0, 1) =
6 .
Si x < 0, como (, 0) es un conjunto abierto, existe un valor > 0
tal que (x , x + ) (, 0), es decir, existe un valor tal que el
intervalo centrado en x de radio no interseca al conjunto A, de donde
se concluye que x no es punto de acumulacion para el conjunto A. Un
argumento similar prueba que ning
un punto en (1, ) es de acumulacion
de A.
2. Considerese el conjunto dado por
A = {(x, y) R2 | x [0, 1], y Q (0, 1)}.
Se afirma que A0 = [0, 1] [0, 1]. Para ver esto, sea
w = (x, y) [0, 1] [0, 1].
Por la propiedad arquimediana, para todo valor > 0, se satisface que
(y , y + ) Q 6= ,
donde y [0, 1]. De esta forma, para toda > 0 se tiene que
(B (w) {w}) A 6= ,
de donde se sigue que w A0 . Finalmente, si w A0 , por la parte
anterior se sigue que w [0, 1] [0, 1].
3. Sea {xn }n N R, una sucesion de puntos distintos, acotada. Por el teorema de Bolzano-Weierstrass para sucesiones en R, existe una subsucesion
{xnk } convergente, digamos a x0 . Luego, x0 es un punto de acumulacion
para la sucesi
on {xn }, ya que para toda > 0, existe N N tal que
|xnk x0 | < , si nk > N . Esto quiere decir que para toda > 0,
(B (x0 ) {x0 }) {xn } 6= .

sicos de topologa
2. Elementos ba

39

4. T
omese la bola A = B (x) R2 . Se puede ver que el conjunto
B (x) = {y R2 | d (x, y) }
es el conjunto de puntos de acumulacion de A (la verificacion de los detalles se le dejan al lector). Sin embargo, este resultado es falso en general.
Si consideramos X un conjunto arbitrario, distinto del vaco, equipado
con la metrica discreta, n
otese que, para x X,
B1 (x) = {x} (B1 (x))0 = .
Por otro lado
B1 (x) = {y R2 | d (x, y) 1} = X.
Las nociones de punto de acumulacion y conjunto cerrado estan fuertemente
relacionadas, tal y como lo muestra el siguiente resultado.
Teorema 2.2.2 Sean X = (X, d) un espacio metrico y A X. Entonces A
es cerrado si y s
olamente si A0 A.
n. Supongamos que A es un conjunto cerrado. Si x Ac ,
Demostracio
entonces existe un valor > 0 tal que B (x) Ac . Luego Be (x) A = ,
de donde se sigue que x 6 A0 . Por tanto, A contiene a todos sus puntos de
acumulaci
on.
Por otro lado, supongamos que A0 A. Si x Ac , entonces x 6 A0 , de
donde se sigue que existe > 0 tal que B (x) A = , es decir, B (x) Ac ,
por lo que se concluye que Ac es abierto, lo cual prueba el resultado.

En la secci
on anterior vimos que el interior de un conjunto A es el abierto
m
as grande contenido en A. De manera similar, podemos construir el conjunto
cerrado m
as peque
no que contiene a A.
Definici
on 16 Sean X = (X, d) un espacio metrico y A X. Se define la
cerradura de A, denotada por A, como el conjunto
\
A =
{B X | A B, B cerrado}
Como la intersecci
on arbitraria de cerrados es un conjunto cerrado, se sigue que A es cerrado. N
otese que A A. El siguiente resultado muestra la
conexi
on entre los puntos de acumulacion y la cerradura de un conjunto.
Proposici
on 2.2.3 Sean X = (X, d) un espacio metrico y A X. Entonces
A = A0 A.
n. Sea B = A A0 . Por el Teorema 2.2.2, se sigue que cualquier
Demostracio
conjunto cerrado que contiene a A, debe contener a B. Por tanto, basta con
demostrar que B es cerrado. Para ver esto, sea y B 0 , esto es, para > 0
(B (y) {y}) B 6= .

40

2.2. Conjuntos cerrados

T
omese z (B (y) {y}) B; luego z A o z A0 . En este u
ltimo caso,
tomando 0 = d (z, y), se tiene que
(B0 (z) {z}) A 6=
donde B0 (z) {z} contiene puntos distintos de y, es decir, y A0 y, en
consecuencia, y B. De esta forma, B es el cerrado mas peque
no que contiene
a A, como se quera demostrar.

Como consecuencia de esta proposicion se tiene que un conjunto A es cerrado si y s
olo si A = A. El siguiente resultado muestra otra forma de definir
la cerradura de un conjunto.
Proposici
on 2.2.4 Sean X = (X, d) un espacio metrico y A X. Entonces
olamente si
x A si y s
= nf {d (x, y) | y A} = 0.
n. Si x A, por la proposicion 2.2.3, x A o x A0 . Si
Demostracio
x A, tomando x = y se sigue que = 0. Si x A0 , entonces para toda
> 0 existe y A tal que d (x, y) < , de donde se concluye nuevamente
que = 0.
Por otro lado, si = 0 y x 6 A, como es el nfimo, se tiene que para
cualquier valor > 0, existe y A tal que d (x, y) < , de donde se obtiene
que x A0 , que era lo que se quera demostrar.

En forma an
aloga a los interiores de conjuntos, el siguiente resultado presenta
algunas propiedades para la cerradura de conjuntos. Dejamos la verificacion de
los detalles al lector.
Proposici
on 2.2.5 Sean X = (X, d) un espacio metrico y A, B subconjuntos
de X. Entonces
1. = .
2. A A.
3. A = A.
4. A B = A B.
5. Si A B, entonces A B.
6. A B A B.
Para cerrar esta seccion, presentamos el concepto de frontera de un conjunto.
Definici
on 17 Sean X = (X, d) un espacio metrico y A X. Definimos la
frontera de A, denotada por A, como el conjunto
A = A Ac .

41

sicos de topologa
2. Elementos ba

Como la intersecci
on de conjuntos cerrados es un conjunto cerrado, se sigue que
la frontera de A es un conjunto cerrado. Ademas, notese que A = Ac .
Proposici
on 2.2.6 Sea A X. Entonces x A si y s
olo si para toda
> 0,
B (x) A 6= 6= B (x) Ac
(2.1)
n. Si x X tal que se satisface la condicion (2.1), entonces
Demostracio
B (x) contiene puntos de A y de Ac distintos de x. As, x A.
Por otra parte, supongamos que x A. Observese que x A o x Ac .
Si x A, como x A, por el Teorema 2.2.2, se sigue que x (Ac )0 . Un
argumento similar muestra que si x Ac , entonces x A0 .


2.3.

Sucesiones

El concepto de convergencia es uno de los mas importantes en diversas areas


de la matem
atica. En esta secci
on, estudiaremos la nocion de convergencia de
una sucesi
on en espacios metricos, en particular, en Rn . Recordemos que una
sucesi
on en un conjunto X 6= , es una funcion que asocia un n
umero natural
a un elemento de X, esto es, una correspondencia de la forma S : N R,
donde R X. Normalmente, cuando nos referimos a la imagen de un elemento
n en el dominio, bajo una funci
on S, la denotamos por S(n). Sin embargo, en
el caso de las sucesiones, denotaremos por Sn a la imagen del natural n; a la
sucesi
on con los elementos Sn la denotaremos por {Sn }
n=1 . Por otra parte, al
conjunto R lo llamaremos recorrido de la sucesion. Seg
un la propia definicion,
una sucesi
on contiene una infinidad de elementos.
Recordemos la definici
on de convergencia en R. Si los terminos de una sucesi
on {xn } se acercan a un n
umero L, se dice que la sucesion tiende al lmite
L (tambien suele decirse que xn converge a L) y se denota por
lm xn = L

este smbolo se lee: el lmite de la sucesion xn cuando n tiende a infinito es L.

xN + 1
Figura 2.5: Convergencia en R

xN

42

2.3. Sucesiones

Definici
on 18 Sea {xn } una sucesi
on contenida en R. Se dice que {xn } converge a un valor L si dada > 0 existe N N tal que
|xn L| <
para cualquier n > N .
Intuitivamente, esta definicion nos dice que la sucesion converge a un cierto
valor si a partir de cierto momento los elementos de la sucesion y ese valor se
parecen mucho. Gr
aficamente, el concepto de convergencia significa que para
una N suficientemente grande, los elementos de la sucesion
xN +1 , xN +2 , xN +3 , .....
pertenecen a un intervalo de radio con centro en el valor L. Notese que los
elementos xN +1 , xN +2 , xN +3 , ....., xN quedan fuera de este intervalo, es decir,
en el intervalo de convergencia se encuentra una infinidad de elementos de la
sucesi
on, mientras que fuera del intervalo quedan solo un n
umero finito (vease
la Figura 2.5)
La definici
on de convergencia en un espacio metrico es muy parecida.
Definici
on 19 Sean X = (X, d) un espacio metrico y {xn } X una sucesi
on. Se dice que {xn } converge a x0 X, si para todo abierto U X que
contiene a x0 , existe N N tal que xn U , si n N .
El siguiente resultado presenta una definicion equivalente, con la que el lector
puede estar m
as familiarizado.
Proposici
on 2.3.1 Sean X = (X, d) un espacio metrico y {xn } X una
sucesi
on. {xn } converge a x0 X si y s
olo si dada > 0 existe N N tal
que si n N , entonces d (xn , x0 ) < .
n. Supongamos que xn x0 y sea > 0. Por la proposicion
Demostracio
2.1.1, sabemos que B (x0 ) es abierto; luego, existe un valor N N tal que
xn B (x0 ), esto es, d (xn , x0 ) < .
Por otro lado, sea U una vecindad de x0 y supongase que dada > 0
existe N N tal que si n N , entonces d (xn , x0 ) < . Como U es una
vecindad de x0 , se puede encontrar un valor > 0 tal que B (x0 ) U . De
esta forma, existe N N tal que si n N , entonces xn B (x0 ) U y,
por tanto, xn x0 , como se quera demostrar.

Ejemplos.
1. Sea xn = n1 . Verificamos que {xn } converge a 0. Sea > 0, entonces
se tiene que

1
= 1 < n > 1,
n
n

como > 0, esta u


ltima desigualdad esta bien definida, por lo que se
sigue que la sucesion {xn } converge a cero.

43

sicos de topologa
2. Elementos ba

2. Considerese la sucesi
on de n
umeros complejos dada por zn = 1 + ni .
2
Recordemos que existe una biyecci
on entre C y R 2. De esta forma, {zn }
1
converge, si y s
olo si xn = 1, n converge en R . Se afirma que {xn }
converge a x0 = (1, 0). En efecto, observese que



1

1


= < ,
||xn x0 ||2 = 0,

n 2
n
para > 0 y n suficientemente grande. As, zn z0 , donde z0 = 1.
3. T
omese X un conjunto arbitrario, no vaco y equipado con la metrica
discreta. N
otese que en este espacio, las sucesiones convergentes son las
casi constantes, es decir, aquellas sucesiones tales que xn = x0 para
n N.
4. Sea X = (0, 1] y considerese la metrica usual de R restringida a X.
Sabemos que en R, la sucesion xn = n1 es convergente y converge a
0. Sin embargo, esta sucesi
on en X no converge, ya que 0 6 X. Este
ejemplo muestra que el concepto de convergencia depende de la metrica y
el espacio que estemos considerando.
Una propiedad fundamental del lmite de una sucesion es la unicidad.
Proposici
on 2.3.2 Sea {xn } una sucesi
on convergente contenida en un espacio metrico, entonces su lmite es u
nico.
n. Supongamos que xn x0 y xn y0 , esto es, dada
Demostracio
> 0, existe N N tal que
d (xn , x0 ) <

d (xn , y0 ) <

,
2

si n N . Luego
d (x0 , y0 ) d (x0 , xn ) + d (xn , yo ) < ,
si n N .


Sabemos que en R, una sucesi
on convergente es acotada. Para ver este hecho
en general, requerimos el concepto de conjunto acotado en espacios metricos.
Definici
on 20 Sea X = (X, d) un espacio metrico y A X. Se dice que A
es acotado si existen x X y un valor M > 0 tal que A BM (x).
Proposici
on 2.3.3 Sean X un espacio metrico, {xn } una sucesi
on convergente, digamos a x0 y R el recorrido de la sucesi
on. Entonces
a) R es acotado.
b) x0 R0

44

2.3. Sucesiones

n. a) Sea = 1 y N N correspondiente a este valor.


Demostracio
Entonces, si n N , xn B1 (x0 ). Tomando
s = max {d (x0 , xi ) | i {1, 2, ..., N 1}} + 1,
se sigue que xn Bs (x0 ) para toda xn R.
b) Como para toda > 0, la bola B (x0 ) contiene un punto de R, se concluye
que x0 R0 .

Proposici
on 2.3.4 Sean X = (X, d) un espacio metrico y A un subconjunto
de X. Si x0 A, entonces existe una sucesi
on {xn } A tal que xn x0 .
n. Como x0 A, para cada n N, existe un punto xn A
Demostracio
tal que d (xn , x0 ) < n1 . Luego d (xn , x0 ) 0, es decir, xn x0 .

Por otra parte, t
omese la sucesion xn = (1)n . Si suponemos que 1 es el
punto de convergencia, notese que para n = 2k 1, k N, |xn 1| = 2 > 1,
por lo que 1 no puede ser lmite de la sucesion xn ; de forma analoga se puede
verificar que 1 no es lmite de la sucesion xn .
En el ejemplo anterior, si tomamos las subsucesiones
{x2k }k N

{x2k 1 }k N ,

observamos que convergen a 1 y a 1 respectivamente. Este hecho nos hace


pensar en el siguiente resultado: Una sucesi
on converge a un n
umero real si
y s
olamente si todas sus subsucesiones convergen a . Este resultado tambien
es cierto para espacios metricos en general.
Proposici
on 2.3.5 Una sucesi
on {xn } en un espacio metrico converge a x0
si y s
olamente si todas sus subsucesiones convergen a x0 .
n. Supongamos que xn x0 . Esto quiere decir que dada
Demostracio
> 0, existe N N tal que d (xn , x0 ) , si n N . Sea {xnk } {xn }
una subsucesi
on. Entonces, existe M N tal que nk N para k M .
Luego, si k M , se sigue que d (xnk , x0 ) < , como se quera demostrar.
Por otra parte, si cada subsucesion de xn converge, en particular, la sucesion
completa es subsucesi
on de s misma, por lo que se sigue el resultado.

Existe un tipo de sucesiones de particular interes: las sucesiones de Cauchy.
Definici
on 21 Sean X un espacio metrico y {xn } un sucesi
on. Se dice que
{xn } es de Cauchy, si dada > 0 existe N N tal que d (xn , xm ) < , si
n, m N .

45

sicos de topologa
2. Elementos ba

De manera intuitiva, decimos que una sucesion es de Cauchy cuando, a partir


de cierto momento, los elementos de la sucesion son practicamente iguales. Otra
propiedad de las sucesiones de Cauchy es que son acotadas. La demostracion
de este hecho es muy parecida al caso de sucesiones de Cauchy en R, por lo
que la prueba se le deja al lector. El siguiente resultado presenta una condicion
necesaria para la convergencia de sucesiones en espacios metricos.
Teorema 2.3.6 Sean X un espacio metrico y {xn } una sucesi
on convergente,
digamos a x0 . Entonces {xn } es de Cauchy.
n. Como xn x0 , entonces para toda > 0, existen
Demostracio
N1 , N2 N, de tal forma que
d (xn , x0 ) <

si n > N1
2

d (xm , x0 ) <

si m > N2 .
2

Tomando N = m
ax {N1 , N2 }, se tiene que
d (xn , x0 ) <

d (xm , x0 ) <

,
2

si n, m > N . En consecuencia, se sigue que


d (xn , xm ) d (xn , x0 ) + d (xm , x0 ) < ,
esto es, {xn } es una sucesi
on es de Cauchy.


La implicaci
on inversa en general es falsa. Tomando X = (0, 1] y la sucesion
xn = n1 , se tiene un ejemplo de una sucesion de Cauchy que no es convergente
en X. A los espacios metricos que satisfacen la doble implicacion los llamaremos completos. Demostraremos que Rn es un espacio metrico completo. Para
demostrar este hecho, necesitamos algunos resultados previos.
Definici
on 22 Sean (ai , bi ) R, i {1, ...n}, una colecci
on de intervalos abiertos. Se define una n-celda abierta como el producto cartesiano de los
intervalos (ai , bi ), esto es, una n-celda abierta es el conjunto de la forma
I n = {(x1 , ..., xn ) Rn | xi (ai , bi ), i {1, ...n}}.
De forma similar, definimos la n-celda cerrada como el conjunto dado por
J n = {(x1 , ..., xn ) Rn | xi [ai , bi ], i {1, ...n}}.
Observese que un conjunto A Rn es acotado si esta contenido en una ncelda.
Teorema 2.3.7 (de las celdas anidadas.) Sea {Jk }k N una sucesi
on de
celdas cerradas en Rn \
tales que J1 J2 .... Entonces existe un punto
x0 Rn tal que x0
Jk .
kN

46

2.3. Sucesiones

n. Sea Jk el conjunto dado por


Demostracio
(k)

(k)

Jk = {(x1 , ..., xn ) Rn | xi [ai , bi ], i {1, ...n}}


(k)

(k 1)

(k)

N
otese que [a1 , b1 ] [a1
2.6).

(k 1)

, b1

], donde k > 1 (vease la Figura

(1)

b2

(2)

b2

(2)

a2

(1)

a2

(1) (2)

a1 a1

(3)

a1

(3) (2) (1)

b1 b1 b1

Figura 2.6: 2-celdas anidadas


Por la completez de R, existe y1 R tal que
\ (k) (k)
y1
[a1 , b1 ];
kN

aplicando el mismo argumento para las demas componentes, existe x0 Rn


tal que x0 = (y1 , ..., yn ), donde
yj
En consecuencia, x0

(k)

\
kN

\
kN

(k)

[aj , bj ],

j {1, ..., n}.

Jk .


Este resultado se puede generalizar a espacios metricos. Para ver la generalizaci
on, requerimos la siguiente definicion.

47

sicos de topologa
2. Elementos ba

Definici
on 23 Sea X un espacio metrico. Definimos el di
ametro de un conjunto A en el espacio metrico como
diam (A) = sup{d (x, y) | x, y A}.
Teorema 2.3.8 (del encaje de Cantor). Sean X = (X, d) un espacio
metrico completo y {Ai }i N una sucesi
on de conjuntos tales que
1. An + 1 An , n N.
2. Ai es cerrado para toda i N.
3.

lm

diam (An ) = 0.

entonces, existe x0 X tal que


\
iN

Ai = {x0 }.

n. Sean xn An , y > 0. Como


Demostracio

lm

diam (An ) = 0,

entonces existe N N tal que diam (An ) < , si n N . Como la sucesion


de conjuntos es decreciente, se tiene que diam (An ) diam (AN ) si n > N .
Ahora
d (xn , xm ) diamAN < .
Por tanto, la sucesi
on {xn } es de Cauchy y como el espacio es completo, se
sigue que {xn } converge, digamos a un punto x0 . Por otra parte, como Ai es
cerrado para toda i, se sigue que Ai = Ai . Notese que
{xn | n k} Ak
Se afirma que
\
ni N

Si existe a0 X tal que a0

Ai = {x0 }.

Ai , entonces

ni N

0 d (x0 , a0 ) diam (An ) < ,


para n suficientemente grande. Por tanto, x0 = a0 .

El siguiente resultado generaliza el teorema de Bolzano-Weierstrass de R.
Teorema 2.3.9 (Bolzano-Weierstrass). Todo subconjunto A Rn acotado infinito, tiene un punto de acumulaci
on.

48

2.3. Sucesiones

n. Sea A un subconjunto acotado con una cantidad infinita de


Demostracio
elementos. Entonces existe una n-celda cerrada, digamos J1 , tal que A J1 .
Bisecando cada una de sus aristas, dividimos a J1 en 2n celdas cerradas. Como
A tiene una infinidad de puntos, entonces existe una n-celda cerrada J2 , tal que
J2 J1 y que contiene una infinidad de elementos de A. Nuevamente, bisecando cada una de las aristas de J2 , encontraremos una celda cerrada J3 J2
tal que contenga una infinidad de puntos de A. Repitiendo el proceso, obtenemos una sucesi
on de n-celdas cerradas que satisface las hipotesis\del Teorema
2.3.7. En consecuencia, existe un punto x0 Rn tal que x0
Jk .
kN

Por otro lado, si J1 = [a1 , b1 ] [an , bn ], definimos la medida de J1


como
0 < l (J1 ) = sup {bi ai | i {1, ..., n}}.
Luego
0 < l (Jk ) =

l (J1 )
2k 1

k N.
(2)

Sea U una vecindad de x0 y supongamos que Br (x0 ) U , donde


Br(2) (x0 ) = {x Rn | ||x x0 ||2 < r}.
Sea k N tal que Jk U ; esto lo podemos hacer ya que

|xi | ||x||2 n sup {|xi | | i {1, ..., n}},


as, si w Jk , entonces
||x0 w||2

n l (Jk ) =

n l (J1 )
.
2k 1

Luego, por propiedad arquimediana, existe k N suficientemente grande, tal


que

n l (J1 )
< r.
2k 1
Por tanto, para cada k N, se tiene que Jk U . Como Jk tiene una
cantidad infinita de elementos de A, se concluye que U contiene al menos un
elemento de A distinto de x0 , es decir, x0 A0 , con lo que queda demostrado
el teorema.

Teorema 2.3.10 Rn es un espacio metrico completo.
n. Sea {xn } una sucesion de Cauchy y sea R su recorrido. Si R
Demostracio
es finito, entonces todos los terminos de la sucesion, salvo una cantidad finita,
son iguales y, por tanto, {xn } converge. Por otra parte, si R es infinito, como
una sucesi
on de Cauchy es acotada (Por que?), se sigue que R es infinito y
acotado y, por el teorema 2.3.9, R tiene un punto de acumulacion, digamos

49

sicos de topologa
2. Elementos ba

x0 . Esto u
ltimo quiere decir que para toda > 0 B 2 (x0 ) contiene un punto
xm R. Finalmente, como {xn } es de Cauchy, se obtiene que
d (xn , x0 ) d (xn , xm ) + d (xm , x0 ) <

si n, m N,

para alguna N N. Por tanto, xn x0 . El Teorema 2.3.6 concluye la


prueba.


2.4.

Compacidad

La compacidad es otra de las condiciones mas importantes para resultados fundamentales en muchas
areas como la topologa, el analisis y el calculo. En esta
secci
on estudiaremos los conceptos basicos relacionados con la compacidad. Se
analizar
an condiciones equivalentes a la compacidad. Estudiaremos los teoremas fundamentales sobre compacidad en Rn y sus generalizaciones a espacios
metricos. Para empezar, presentamos la definicion de cubierta.
Definici
on 24 Sean X = (X, d) un espacio metrico, A X y C = {U }
una colecci
on de subconjuntos de X, donde es un conjunto de ndices. Se
dice que C es una cubierta de A en X si
[
A
U .

Diremos que la cubierta es abierta (o cerrada), si U es abierto (o cerrado)


para toda .
Si C 0 C y C 0 tambien es una cubierta, diremos que C 0 es una subcubierta de
C para A. Diremos que una cubierta es finita (o numerable), si como conjunto
es finito (o numerable). A continuacion, presentamos la definicion de conjuntos
compactos en espacios metricos.
Definici
on 25 Sean X = (X, d) y A X. Se dice que A es compacto si
toda cubierta abierta de A contiene una subcubierta finita.
Ejemplos.

a) Sea X un espacio metrico y considerese


un punto x en el espacio. Es
claro que el conjunto {x} es compacto.
b) Sea [a, b] un intervalo cerrado en R. Se afirma que [a, b] es compacto.
Para ver esto, sea C = {C } una cubierta de [a, b] y defnase el
conjunto
B = {x [a, b] | [a, x] se puede cubrir con una cantidad finita de elementos de C}.

N
otese que B 6= , ya que al menos a B. Ademas, para todo x B,
se tiene que b > x. Por la propiedad del supremo, existe s R tal que

50

2.4. Compacidad

s = sup B. Como a B y b > x para toda x B, se sigue que


s [a, b]. En consecuencia, existe 0 tal que s C0 . Luego,
existe > 0 tal que (s , s + ) C0 . Tambien, existe x B tal
que x (s , s), es decir, [a,
 una subcubierta finita, digamos
 x] tiene
{C1 , ..., Cn , C0 } Por tanto, a, s + 2 tiene una subcubierta finita, a
saber, {C1 , ..., Cn , }. As
 , se concluye que s B. Se afirma que s = b.
Si no, como a, s + 2 tiene una subcubierta finita, entonces existe un
elemento r B tal que r > s, lo cual es una contradiccion. De esta
forma, hemos demostrado que [a, b] es compacto.
c) Si A Rn es compacto y x Rm , entonces R = A {x} es un
subconjunto compacto en Rn Rm . Para verificar esta afirmacion, considerese una cubierta abierta C de R y defina la coleccion
B = {B Rn | B = {y A | (y, x) C}, para alguna C C}.
Es claro que B es una cubierta abierta de A. Como A es compacto, existe
una subcubierta de B para A, digamos B 0 = {B1 , ..., Bl }. Observese
cada Bi se corresponde con un elemento Ci de C, i {1, ..., n}, generando as una subcubierta finita para R. Por tanto, R es compacto. Se
puede demostrar, de manera inductiva que si
n 1 veces

}|
{
z
[M, M ] [M, M ] Rn 1
es un conjunto compacto, entonces
n veces

z
}|
{
[M, M ] [M, M ] Rn
es compacto.
d) Sea X = (X, d) el espacio metrico discreto y considerese un subconjunto
A en este espacio. Si A es finito, como los abiertos en este espacio son subconjuntos de X, se sigue que A es compacto. Ahora, si A es compacto,
entonces toda cubierta abierta de A tiene una subcubierta finita. Como
los abiertos en X son subconjuntos de X, se sigue que A es finito. As,
los u
nicos conjuntos compactos en el espacio metrico discreto son aquellos
subconjuntos finitos de X.
Observese que en la definicion 25, podemos tomar A = X, en cuyo caso, estaramos hablando de espacios metricos compactos. Por otro lado, los ejemplos
anteriores muestran que trabajar con cubiertas, en ocasiones, es complicado.
Veremos que existen relaciones importantes entre la compacidad y algunas propiedades de numerabilidad. Un resultado importante, es el teorema de Lindelof,
el cual usaremos para demostrar el teorema de Heine-Borel. Para esto, necesitamos un resultado previo.

51

sicos de topologa
2. Elementos ba

Proposici
on 2.4.1 Sea
B = {Br (x) Rn | r Q, x = (x1 , ..., xn ), xi Q para toda i {1, ..., n}}.
Sean y Rn y A Rn un conjunto abierto tal que y S. Entonces, existe
una bola Br (x) B tal que y Br (x) A.
n. Sea y = (y1 , ..., yn ). Una primera observacion es que la coDemostracio
lecci
on B es numerable. Si y Rn y A es un abierto tal que x A, entonces
existe > 0 tal que B (y) A. Luego, por la propiedad arquimediana, existe
un valor wk Q tal que

|yk wk | <
para cada k {1, ..., n},
4n
tomando w = (w1 , ..., wn ), se sigue que
||y w||2 ||y w||1 <

.
4

Nuevamente, aplicando la propiedad arquimediana, existe r Q tal que

< r < .
4
2
En consecuencia, existe r Q tal que
y Br (w) B (x) A,
como se quera demostrar.

f). Sean A Rn y C una cubierta de A. EnTeorema 2.4.2 (de Lindelo
tonces, existe una subcubierta de C numerable para A.
n. Sea B la coleccion de todas las bolas definida en la ProDemostracio
posici
on 2.4.1. Sea x A, entonces existe C C tal que x C. Por la
Proposici
on 2.4.1, existe r Q y y Rn con coordenadas racionales, tal que
x Br (y) C. Como B es numerable, podemos pensar que B = {Ai }i N .
Luego, para cada C C existe una infinidad numerable de elementos de B que
cubren a C. Luego, existe m = m(x) N, x A, tal que x Am A.
Por tanto, {Am (x) }x A es una coleccion numerable de subconjuntos de Rn tal
que
[
A
Am (x) .
Tomando la correspondencia

xA

Am (x) C C
tal que Am (x) C, se sigue el resultado.


Los siguientes resultados relacionan los conjuntos compactos con los cerrados
en espacios metricos.

52

2.4. Compacidad

Lema 2.4.3 Sean X = (X, d) un espacio metrico y A X compacto. Entonces A es cerrado.


n. Sea x Ac y considerese la coleccion
Demostracio


1
An = y X | d (x, y) >
.
n
Como d (x, y) > 0, para toda y X {x}, entonces y An , para alguna
n N. Se sigue que
[
A
An ,
nN

como A es compacto, entonces existe una subcubierta finita, a saber


A

l
[

An k .

k=1

T
omese N = m
ax {nk | k {1, ..., l}}. Si =

1
N,

por construccion,

B (x) Ac .
En conclusi
on, Ac es abierto.

Lema 2.4.4 Si X es un espacio metrico compacto y A es un conjunto cerrado
en X , entonces A es compacto.
n. Sea {C } una cubierta abierta de A. Como A es ceDemostracio
rrado, entonces {{C } , Ac } es una cubierta abierta de X. Como X es
compacto , entonces existe una subcubierta finita, digamos {C1 , ..., Cn , Ac }.
Luego, {C1 , ..., Cn } es una cubierta para A, concluyendo as la prueba.

El siguiente teorema es uno de los resultados centrales acerca de la compacidad de subconjuntos de Rn .
Teorema 2.4.5 (Heine-Borel). Sea A Rn . A es compacto si y s
olo si es
cerrado y acotado.
n. Supongamos que A es compacto. Por el lema 2.4.3, A es
Demostracio
cerrado. Por otra parte, por el Teorema 2.4.2, existe una cubierta numerable de
bolas para A. Como A es compacto, existe una subcubierta finita de bolas,
n
X
digamos, {Bi (xi )}i {1,...,n} . Considerando M =
i se sigue que A es
i=1

acotado.
Ahora, supongamos que A es cerrado y acotado. Consideremos una cubierta
C de A. Por el Teorema 2.4.5, existe una subcubierta numerable R = {Ak }k N

53

sicos de topologa
2. Elementos ba

para A. Sea m 1 y t
omese Sm

m
[
k=1

Ak . Observese que Sm Sm + 1 y que

Sm .

mN

c
Como Sm es abierto, entonces Sm
es cerrado. Constr
uyase la sucesion de conjuntos dada por

Q1 = A,

c
Qm = A Sm
, m > 1.

Hacemos las siguientes observaciones


1. Qm = {puntos en A fuera de Sm }.
2. Qm es cerrado para toda m N.
3. Qm + 1 Qm .
4. Qm A, para toda m N y, por tanto, Qm es acotado.
5. diam (Qm ) 0 conforme m .
Aplicando el Teorema 2.3.8, se sigue que existe x A, tal que x Qm para
toda m N, esto es, x 6 Sm para toda m N, lo cual es una contradiccion
al hecho de que {Sm } es una cubierta de A. Por tanto, existe m N, tal que
Qm = , de donde se conlcuye que A es compacto.

Una segunda prueba de que un conjunto cerrado y acotado en Rn es compacto, es la siguiente: Como A es acotado, existe una n-celda cerrada J n , tal
que A J n . Por el ejemplo c) posterior a la definicion 25, J n es compacto.
Como A es cerrado, por el Lema 2.4.4, se sigue que A es compacto.
Este resultado falla en general. Si consideramos un espacio discreto X y
tomamos un subconjunto M infinito, este no es compacto como se vio en el
ejemplo d) posterior a la definici
on 25. Sin embargo, M es cerrado y acotado,
ya que
M B2 (x0 )
x0 M
Ejemplos.
1. Consideremos C = {x Rn | ||x||2 1}. Ya vimos que C es cerrado y
claramente es acotado. Por tanto C es compacto
2. Ya vimos que el conjunto dado por
R = {(x, y) R2 | x (a, b], y [c, d]},
no es un conjunto cerrado. As, R no es compacto.

54

2.4. Compacidad

3. T
omese el conjunto
R = {(x, y) R2 | y [c, d]}.
Este conjunto, aunque es cerrado, no es compacto ya que no es acotado.
Para ver esto, observe que la recta y = c esta contenida en R.
Se puede dar otra descripcion de los conjuntos compactos, va sucesiones.
Definici
on 26 Sea X un espacio metrico. Se dice que un subconjunto A es
secuencialmente compacto si toda sucesi
on {xn } en A tiene una subsucesi
on
que converge a un punto x0 en A.
No es difcil ver que un conjunto A en un espacio metrico es cerrado si y
s
olamente si, toda sucesion contenida en A convergente, converge dentro de
A. La verificaci
on de este hecho se deja como ejercicio al lector. As, se afirma
que si A es secuencialmente compacto, entonces A es cerrado. En efecto, sea
{xn } A tal que xn x0 X. Como A es secuencialmente compacto,
se sigue que existe una subsucesion {xnk } tal que xnk x00 , pero por la
Proposici
on 2.3.5, se sigue que x0 = x00 , de donde se concluye que A es cerrado.
Tambien, si A es secuencialmente compacto, entonces es acotado, ya que, de
lo contrario, entonces existe x0 A y una sucesion {xn } A tales que
d (x n, x0 ) n, de donde se concluira que no existe una subsucesion de
{xn } convergente, lo cual es una contradiccion.
Ahora, probaremos otro teorema central para conjuntos compactos en espacios metricos: el teorema de Bolzano-Weierstrass. Ya hemos probado una
versi
on de este resultado en la seccion anterior, pero fue para Rn . Presentamos
su generalizaci
on. Necesitamos algunos resultados previos.
Lema 2.4.6 Sean X un espacio metrico, A un conjunto secuencialmente compacto en X y {A } una cubierta abierta de A. Entonces, existe r > 0
tal que para cada x A, Br (x) A para alguna . Al nfimo de los
n
umeros r se le conoce como n
umero de Lebesgue para la cubierta.
n. Supongamos que no existe dicho n
Demostracio
umero. Entonces, para
toda n N existe un punto xn A tal que B n1 (xn ) no esta contenida en
A , para cualquier . Como A es secuencialmente compacto, existe una
subsucesi
on {xnk } {xn } de tal forma que xnk x0 A. Dado que {A }
es una cubierta de A, se tiene que x0 A0 para alguna 0 . Luego,
existe > 0 tal que B (x) A0 . As, para n suficientemente grande,
obtenemos que

d (xn , x0 ) <
y
< ,
2
n
2
de donde se concluye que B n1 (xn ) A0 , lo cual es una contradiccion que
surge de suponer que no existe el n
umero de Lebesgue.


55

sicos de topologa
2. Elementos ba

Definici
on 27 Sea X un espacio metrico. Se dice que un conjunto A es totalmente acotado si para cada > 0, existe un subconjunto {x1 , ..., xn } X
tal que
n
[
A
B (xi ).
i=1

Lema 2.4.7 Si A es secuencialmente compacto, entonces A es totalmente acotado.


n. Si A no es totalmente acotado, entonces para alguna > 0,
Demostracio
A no puede ser cubierto por una cantidad finita de bolas. Sea x1 A. Como
A no es totalmente acotado, eso implica que existe x2 (B (x1 ))c , luego
considerese un punto x3 (B (x1 ) B (x2 ))c y as sucesivamente, generando
una sucesi
on {xn } tal que
!c
n[
1
xn
B (xi ) .
i=1

De esta forma, hemos construido una sucesion tal que d (xn , xm ) para
cualesquiera n, m N. As, {xn } no tiene subsucesiones convergentes, lo cual
es una contradicci
on al hecho de que A es secuencialmente compacto. Por tanto,
A es totalmente acotado.

Ahora, estamos en condiciones de probar el teorema de Bolzano-Weierstrass.
Teorema 2.4.8 (Bolzano-weierstrass). Sea X un espacio metrico. Un subconjunto A es compacto si y s
olo si es secuencialmente compacto.
n. Supongamos que A es compacto y que existe una sucesion
Demostracio
{xn } A de tal manera que no tiene subsucesiones convergentes. Esto implica
que {xn } tiene recorrido R infinito. Ademas, existe una vecindad Un para cada
xn , n N, de tal forma que xm 6 Un si n 6= m, esto se sigue ya que de lo
contrario, podemos elegir vecindades de la forma B k1 (xn ), k N y seleccionar
una subsucesi
on que converja a xn . Ahora, R es cerrado, esto debido a que no
tiene puntos de acumulaci
on (no hay subsucesiones convergentes) y por tanto
R = R. Como R es cerrado y A es compacto, por el Lema 2.4.4, se obtiene
que R es compacto, lo cual es una contradiccion, ya que Un no tiene una
subcubierta finita. En consecuencia, {xn } tiene una subsucesion convergente y,
dado que A es cerrado, el lmite yace en A.
Por otra parte, supongamos que A es secuencialmente compacto. Sea r
como en el Lema 2.4.6; luego, por el Lema 2.4.7, obtenemos que
A

n
[
i=1

B (xi ),

donde xi A.

Adem
as, por el Lema 2.4.6, B (xj ) Aj , j {1, ...n}, donde {Aj } es
una colecci
on de abiertos. Por tanto, hay una subcubierta finita para A, como
se quera demostrar.


56

2.5. Compacidad

Para cerrar esta seccion, presentamos un resultado que relaciona los conceptos de completez y compacidad.
Teorema 2.4.9 Un espacio metrico es compacto si y s
olo si es completo y
totalmente acotado.
n. Supongamos que X es compacto. Por el Teorema 2.4.8, X
Demostracio
es secuencialmente compacto y por el Lema 2.4.7, es totalmente acotado. Ahora,
para ver que es completo, consideremos una sucesion de Cauchy {xn }. Como
X es secuencialmente compacto, se satisface, por un lado, que
d (xn , xm ) <

si n, m > N para alguna N N

y por otro lado


d (xnk , x0 ) <

si nk > N para alguna N N,

donde {xnk } es una subsucesion de {xn } y x0 X.


As, obtenemos lo siguiente:
d (xn , x0 ) < d (xnk , xn ) + d (xnk , x0 ) < ,
si nk , n > N .
Por otra parte, supongamos que X es completo y totalmente acotado. Demostraremos que X es secuencialmente compacto. Sean {xn } una sucesion
contenida en X y R su recorrido. Si R es finito, entonces hay una subsucesion
convergente y si hay una cantidad finita de repeticiones las eliminamos. Ahora,
supongamos que R es infinito. Como X es secuencialmente compacto, dado
N N existen elementos yL1 , ..., yLM X tales que
X

M
[

B N1 (yLi ).

i=1

Para N = 1, sea
X

M
[

B1 (yLi ).

i=1

De esta forma, existe una subsucesion de {xn } que cae en una de estas bolas.
Tomando N = 2, podemos construir otra subsucesion que yace en una de las
bolas de la forma B 21 (yLi ). Finalmente, eligiendo la subsucesion cuyo primer
elemento es el primero de la primera subsucesion, el segundo es el segundo de
la segunda subsucesi
on, etcetera, generamos una sucesion de Cauchy, que por
ser el espacio completo, es convergente. As, X es secuencialmente compacto y,
por el Teorema 2.4.8, se sigue el resltado.


57

sicos de topologa
2. Elementos ba

2.5.

Conexidad

Cerramos este captulo con otro concepto importante que es el de conexidad.


Intuitivamente, es claro que significa que un conjunto sea conexo. Uno pensara
que un conjunto es conexo si es de una sola pieza. Sin embargo, existen conjuntos
en donde nuestra intuici
on puede fallar. Veremos que existen dos nociones de
conexidad y estudiaremos la relacion entre ellas. Iniciamos esta seccion con la
definici
on de desconexi
on.
Definici
on 28 Sea X = (X, d) un espacio metrico. Se dice que un subconjunto
A X es inconexo, si existen B, C subconjuntos de A, abiertos, tales que se
cumplen las siguientes condiciones
1. B 6= 6= C.
2. B C = .
3. A B 6= 6= A C
4. A = B C.
A la pareja (B, C) se le conoce como desconexi
on de A. Se dice que A es
conexo si no es inconexo.
Observese que en esta definici
on, se puede tomar A = X y tenemos espacios
metricos inconexos. Si X es un espacio inconexo, como X = B C, donde
B, C son abiertos, se tiene que B, C tambien son cerrados, ya que B c = C y
viceversa. As, tenemos el siguiente resultado.
Proposici
on 2.5.1 Las siguientes afirmaciones son equivalentes
1. X es inconexo.
2. Existen dos subconjuntos A, B de X, cerrados, no vacos, tales que
X = A B.
3. Existe un subconjunto propio de X, no vaco, que es abierto y cerrado.
Tambien, si X es inconexo y (A, B) es la desconexion para X, cualquier
subconjunto Y de X tendr
a por desconexion a (A, B) si A Y 6= 6= B Y .
Proposici
on 2.5.2 R es conexo
n. Supongamos que R no es conexo. Esto implica que existen
Demostracio
abiertos A, B de R no vacos y ajenos, tales que R = A B. Sean
a A, b B
y supongamos, sin perdida de generalidad que a < b. Definimos
= sup {x A | x < b}.

58

2.5. Conexidad

Luego, existen dos opciones para . Si A, como A es abierto, existe > 0


tal que (a , a + ) A. De esta forma, podemos elegir suficientemente
peque
na de tal manera que + < b, lo cual contradice que sea el supremo.
De esta forma, 6 A. As B. Sin embargo, como B es abierto, existe
> 0 tal que (a , a + ) B, luego > a, para a A, lo cual
genera una contradiccion, de donde se concluye que 6 B, lo cual contradice
la completez de R. Por tanto, R es conexo.

Observese que la union y la interseccion de conexos no necesariamente es un
conjunto conexo. El siguiente resultado, muestra bajo que condiciones, la union
de conexos es un conexo.
Proposici
on 2.5.3 Sean X = (X, d) un espacio me[
trico y X X, ,
X . Si existe 0
una colecci
on de conjuntos conexos tales que X =

de tal forma que X0 X 6= , entonces X es conexo.


n. Supongamos que X es inconexo. Se afirma que X0 es inDemostracio
conexo. Para verificar esto, consideremos una desconexion (A, B) para X. Sin
perdida de generalidad, supongamos que A X0 6= . Como X es conexo
para toda 6= 0 , entonces X A o X B. Tomese
B = { | X B}.
Observese que B 6= , ya que[
de lo contrario, X A para toda , lo
cual implicara que B = B
X = , lo cual no es posible. Sea B ,
entonces se tiene que

6= X X0 B X0 ,
de donde se sigue que (A, B) es una desconexion para X0 .

Como consecuencia de esta proposicion, tenemos que la union de conexos es
un conjunto conexo si tienen al menos un punto en com
un.
Teorema 2.5.4 Sean X = (X, d) un espacio metrico y C X. Si C es
conexo, entonces C es conexo.
n. Supongamos que (C) es inconexo y sea (A, B) una descoDemostracio
nexi
on para C. Como A y B son abiertos, se sigue que (A, B) es tambien
una desconexi
on para C.
Ejemplo.
Sea [a, b] R. Demostraremos que es un conjunto conexo. Supongamos que
no, esto quiere decir que existen abiertos A, B en R, ajenos, no vacos, tales
que A [a, b] 6= B [a, b] y A B [a, b]. Supongamos que b B y
definimos = sup (A [a, b]). Observese que A [a, b] es cerrado, ya que
B ([a, b])c es abierto, en consecuencia, A [a, b]. Ahora, 6= b ya

sicos de topologa
2. Elementos ba

59

que 6 B y b B. Se sigue que, para toda vecindad W de , W 6 A y


por tanto W (B [a, b]) 6= . Notese que es punto de acumulacion de
B [a, b] y como este conjunto es cerrado, se sigue que B [a, b], lo cual
es una contradicci
on al hecho de que (A, B) es una desconexion.
Claramente, en un espacio metrico X , el conjunto {x} es conexo. Consideremos el conjunto dado por
[
Cx =
{C X | x C, C conexo}.
Por la observaci
on posterior a la Proposicion 2.5.3, se sigue que Cx es conexo.
De hecho, es el conexo m
as grande que contiene a x. A este conjunto se le conoce
como componente conexa correspondiente a x. Notese que Cx es cerrado y que
si y Cx , entonces Cx = Cy .
La otra noci
on, quiz
as m
as intuitiva, de conexidad es la de conexidad por
trayectorias. Para estudiar esta propiedad, necesitamos definir el concepto de
trayectoria entre dos puntos. Para esto, introducimos el concepto de continuidad,
el cual se estudiar
a con m
as detalle en el siguiente captulo.
Definici
on 29 Sea : [a, b] X una funci
on que va del intervalo cerrado
[a, b] a un espacio metrico X. Decimos que es continua si para toda sucesi
on
{xn } [a, b] tal que xn x0 , se cumple que (xn ) (x0 )
Definici
on 30 Sea X un espacio metrico. Decimos que x, y X est
an conectados por una trayectoria, si existe una funci
on : [a, b] X continua,
tal que (a) = x y (b) = y. Si x y y est
an unidos por , lo denotaremos
por : x ' y. Se dice que la trayectoria yace en un conjunto A X si
para todo t [a, b], (t) A.
Diremos que dos puntos x, y X estan relacionados (x y) si existe una
trayectoria que los une. Esta relacion es de equivalencia. Para probar esta
afirmaci
on, n
otese que x x, ya que podemos tomar la funcion (t) = x
para toda t [a, b]. Por otra parte, si x y, entonces, existe una funcion
: [a, b] X continua, tal que (a) = x y (b) = y. Si definimos
0 (t) = (a + b t), donde t [a, b], esta funcion es continua y ademas
0 (a) = y y 0 (b) = x, de donde se sigue que y x. Finalmente, si x y
y y z, entonces existen una funciones , : [a, b] X continuas, tales
que (a) = x, (b) = y = (a) y (b) = z. Definiendo



b
si x a, a +
(2t a)
2
(t) =
 b 

(2t b)
si x a +
2 ,b ,
obtenemos que une x con z. As, () es una relacion de equivalencia. A las
clases de equivalencia se les llama componentes por trayectorias del espacio X.
Definici
on 31 Se dice que un subconjunto A X es conectable por trayectorias si cualesquiera dos puntos de A pueden ser unidos mediante una trayectoria
que se encuentra totalmente contenida en A.

60

2.5. Conexidad

El siguiente resultado, relaciona las dos nociones de conexidad.


Teorema 2.5.5 Un conjunto conectable por trayectorias es conexo.
n. Sea A un conjunto conectable por trayectorias. SupongaDemostracio
mos que A es inconexo y sea (U, V ) su desconexion. Tomese x U y
y V . Como A es conectable por trayectorias, entonces, existe una funcion
: [a, b] X continua, tal que (a) = x y (b) = y; sea C = 1 (U )
y D = 1 (V ). Observese que C, D [a, b]. Consideremos una sucesion
{xn } C tal que xn x0 , como [a, b] es cerrado, x0 [a, b]. Ademas,
dado que es continua, se tiene que (xn ) (x0 ). Se afirma que
(x0 ) U.
De lo contrario, (x0 ) V , pero V es abierto y se tendra que (xn ) V
lo cual es una contradiccion al hecho de que (U, V ) es desconexion. De esta
forma, hemos probado que C es cerrado. Un argumento similar prueba que D
es cerrado. N
otese que C 6= 6= D, ya que 1 (x) C y 1 (y) D.
Tambien, tenemos que
C D = 1 (U ) 1 (V ) = 1 (U V ) =
y

C D = 1 (U ) 1 (V ) = 1 (U V ) = 1 (A) = [a, b],

es decir, [a, b] es inconexo, lo cual es una contradiccion que surge de suponer


que A es inconexo. Por tanto, A es conexo.


Captulo 3

Limites y continuidad.
En la mayora de los problemas fsicos, sucede que una variable depende de
otras. Por ejemplo, el voltaje en una resistencia electrica, de acuerdo a la Ley
de Ohm, depende de la resistencia y corriente electrica, es decir,
V = RI.
Es por esta raz
on que se hace necesario el estudio de las funciones reales de
variable vectorial. Por otro lado, supongase que se desea estudiar el viento en
una regi
on del planeta. Para esto, medimos la magnitud y direccion de la velocidad del viento, donde esta u
ltima depende de la posicion de cada punto. As,
asociamos a cada punto P de una region, una y solo una velocidad. Una regla
como esta es un ejemplo de las llamadas funciones vectoriales de variable
vectorial. Tambien se les conoce con el nombre de campos vectoriales. En este
captulo, desarrollaremos la teora de lmites y continuidad para funciones que
toman valores en Rn y cuya variable x es un punto de Rm .
Denotamos por F(C, Rm ), donde C Rn , al conjunto de funciones f, cuyo
dominio es el conjunto C (se dice que hay n variables) y f (x) Rm , x C.
Se dice que la funci
on f es real o vectorial seg
un sea m = 1 o m 2. Si m 2 y
si f (x) = (y1 , ...., ym ), se llaman coordenadas o componentes de f a las funciones
reales fi : C R, donde fi (x) = yi , i {1, 2, ...., m}.
Cuando una funci
on de n variables esta expresada en forma analtica, esto es,
en una expresi
on de la forma
z = f (x1 , ...., xn ),
donde a cada vector (x1 , ...., xn ) se le asigna un valor z, se suele entender que el
campo de definici
on o dominio de dicha funcion es el conjunto mas amplio de
puntos (x1 , ..., xn ) R para el que existe un valor para z.

61

62

3.0. Limites y continuidad.

Ejemplos
1. Sea f (x, y) = ln(x,y)
2

1(x +y 2 )

; Observese que la funcion ln esta bien

definida para todos los valores positivos; en consecuencia, se debe pedir que
x y y tengan el mismo signo. Ademas x2 +y 2 debe ser menor estrictamente
que 1. Por lo tanto, el dominio para esta funcion tiene la forma
D(f ) = {(x, y) | xy > 0, x2 + y 2 < 1}
(vease la Figura 3.1)

= D (f )

Figura 3.1: Dominio de la funcion f (x, y) = p

ln(x, y)
1 (x2 + y 2 )

2. Considerese la funcion g(x, y) = e x2 +y2


Observese que la u
nica condicion que se les pide a las coordenadas (x, y)
es que x2 + y 2 6= 0; esto sucede para todo (x, y) R2 {(0, 0)}. As,
D(g) = R2 {(0, 0)}
El conjunto F (C, Rm ) es un espacio vectorial respecto de las operaciones
usuales de suma de funciones y de producto de un escalar R por una
funci
on; esto es,

3. Limites y continuidad.

63

(f + g)(x) = f (x) + g(x) y (f )(x) = f (x).


Observe que para el caso particular m = 1, f (C, Rm ) resulta ser un campo
respecto de las operaciones usuales de suma y producto de funciones, a
saber,
(f + g)(x) = f (x) + g(x) y (f g)(x) = f (x)g(x),
donde adem
as, se puede establecer una relacion de orden parcial dada por
f g f (x) g(x) para toda x C
Si 0 es la funci
on nula, es decir, 0(x) = 0, para toda x C, entonces se
dice que una funci
on f es positiva si P f y se dice que es negativa si
f P.
Diremos que f F (C, Rm ) es una funcion acotada si el conjunto f (C)
es acotado. Mas precisamente, f F (C, Rm ) es acotada, s existe M > 0
tal que kf (xk M x C

3.1.

Lmites

El concepto de lmite es uno de los mas importantes en el estudio del calculo y


el an
alisis, quiz
a sea uno de los mas difciles de comprender. El lector estara familiarizado con el concepto de convergencia de sucesiones y con el concepto de
lmite para funciones reales de variable real.
n ). Sean f : C Rm una funci
Definici
on 32 (condicio
on definida
n
0
en C R y a C . Se dice que f tiende a L Rm conforme x tiende a a (en
otras palabras, L es el lmite de f en el punto a), si dada > 0, existe > 0
tal que si x C {a} y d(x, a) < , entonces d(f (x), L) <
Al igual que en el caso real, existe una definicion de lmite por medio de sucesiones.
Definici
on 33 Sean f : C Rm una funci
on definida en C Rn y a C 0 .
Si {xn }nN C {a} es una sucesi
on de puntos tal que xn a, se dice que
f tiende a L Rm si f (xn ) L.
Proposici
on 3.1.1 Las definiciones (32) y (33) son equivalentes
n. Supongamos que la condicion se satisface y sea
Demostracio
{xn }nN C {a} una sucesi
on tal que xn a; entonces, dada > 0,
existe N N tal que kxn ak < si n > N . Como xn C {a}, se sigue
que kf (xn ) Lk < , para > 0 y n > N . Por lo tanto f (xn ) L. Por
otra parte, si la condici
on ( ) no se satisface, existe > 0 tal que para toda
> 0, existe x C {a} de tal forma que kx ak < y kf (x) Lk .

64

3.1. Lmites

Luego, para cada n N, si = n1 , existe xn {a} tal que kxn ak <


kf (xn ) Lk esto es, xn a, pero f (xn ) no converge a L.

1
n

y


Observese que la definicion 32 se puede reescribir de la siguiente forma:


Se dice que f tiende L Rn conforme x tiende a a, si dada una > 0 >
0 tal que si x B (a) C entonces f (x B (L)
(donde x B (a) = B (a) {a}.)
Otra observaci
on importante es la necesidad de que a sea un punto de acumulaci
on de C. Si no fuera as, existira > 0 tal que x B (a) C = , por lo
que se cumplria la condicion con cualquier L Rm .
Ejemplos

1. Sea f (x, y) =

2x2 (y + 1) + y 2
. Se afirma que
2x2 + y 2

2x2 (y + 1) + y 2
=1
2x2 + y 2
(x,y)0
lm

(2)

En efecto, si (x, y) B (0), donde


que

2

2x (y + 1) + y 2
=

1


2
2
2x + y

(2)

B (0) = {x R2 kxk2 < }, se tiene





2x2 y 2x2

=

2x2 + y 2 2x2 + y 2 |y|
1

|y| (x2 + y 2 ) 2 < = .

x2 y
,
x2 y

x2 6= y El lmite de esta funcion




1 1
cuando (x, y) 0 no existe, ya que si se considera la sucesion
,
, n
n n


1
1 1
,
=
0
N {1}, obtenemos que g
n n
n(1 n)

2. Considerese la funcion g(x, y) =

cuando n . Por otro lado si se toma la sucesion




1
n1
1 1
, 2 =
1 cuando n .
n
n n n
xy
. Nuevamente, lm h(x) no existe, ya
x + y
x0
 

1
1
que si consideramos las sucesiones
, 0 y 0,
, los valores lmite no
n
n
coinciden.

3. T
omese la funci
on h(x, y) =

65

3. Limites y continuidad.

El lector habr
a notado la complejidad de la nocion de lmite. En el caso de
las funciones reales de variable real, podemos aproximarnos a un valor por 2
trayectorias. En el caso de funciones que involucran 2 o mas variables, tenemos
una infinidad de formas para aproximarnos a un cierto punto. El siguiente resultado muestra un criterio de convergencia analogo al criterio de Cauchy para
sucesiones.
Proposici
on 3.1.2 Sean f : C Rn Rm y a C 0 . Entonces, f tiene lmite
en a si y solamente si, para toda > 0, existe > 0 tal que si x, x0 C {a}
de tal forma que kx ak < y kx0 ak < , entonces kf (x) f (x0 )k <
n. Si lm f (x) = L, entonces, dada  > 0, existe 1 , 2 > 0
Demostracio
xa

tales que si kxk a < 1 y kx0 ak < 2 , donde x, x0 C {a}, entonces


kf (x) Lk < /2

kf (x0 ) Lk < /2

tomando = min{1 , 2 }, se sigue que

kf (x) f (x0 )k kf (x) Lk + kf (x0 ) Lk <

para x, x0 B (a). Por otro lado, si para toda > 0, existe > 0 tal que
si x, x0 C {a} de tal forma que kx ak < y kx0 ak < implica
que kf (x) f (x0 )k < , debemos mostrar que el lmite de f en a existe. Para
demostrar esto, sea {xn } C {a} una sucesion tal que xn a. Por hipotesis,
se sigue que {f (xn )} es un sucesi
on de Cauchy y por lo tanto, convergente. Falta
demostrar que si {xn 0 } es otra sucesion que converge a a, entonces
lm f (xn ) = lm f (xn 0 )

. Supongamos que lm f (xn ) = L y que lm f (xn 0 ) = L0 donde L 6= L0 .


n

Observese que la sucesi


on {x1 , x01 , x2 , x02 , ....} converge a a, sin embargo, la su0
cesi
on {f (x1 ), f (x1 ), f (x2 ), f (x02 ), ...} no converge, lo cual es una contradiccion
por lo tanto, f (xn ) L, para toda sucesion {xn } C {a} tal que xn a

Hasta el momento, hemos trabajado con la nocion de lmite de funciones con
sucesiones que tienen lmite finito. Falta definir el caso para sucesiones que no
son acotadas, es decir, falta definir el concepto de lmite en el infinito. Ademas,
puede suceder que la imagen de una sucesion {xn } bajo una funcion f , sea un
conjunto que no es acotado.
Definici
on 34 Sean f : C Rn Rm una funci
on y a C 0 .

a) Se dice que f tiene lmite infinito en a, si para M > 0, existe > 0 tal que
para todo x B (a) C se tiene que kf (x)k M. Cuando esto ocurre, lo
denotaremos por el smbolo
lm f (x) =

xa

66

3.1. Lmites

b) Si
no acotado, diremos que f tiene lmite L en el infinito
 C es un conjunto

lm f (x) = L , si para cada  > 0, existe N > 0 tal que si kxk > N ,
x

entonces kf (x) Lk < .

c) Si C es un conjunto no acotado, se dice que f tiene lmite infinito en el


infinito, denotado por
lm f (x) =
x

Si para cada M > 0, existe N > 0 tal que si kxk > N , entonces se cumple
que kf (x)k M .
Ahora, como el lmite de una sucesion es u
nico, por la definicion (33), se sigue
nico. Tambien, de la definicion (32) se tiene que
que el lm f (x), si existe, es u
xa

lm f (x) = L si y solo si lm f (x) L = 0.

xa

xa

Otra consecuencia inmediata de la definicion (32) es que si f tiene lmite en el


punto a, entonces f es acotada en una vecindad de a. Por otra parte, si
lm f (x) = L D C y a D0 ,

xa

es claro que la funci


on g = f |D tiene lmite en a, de hecho lm g(x) = L. Finalxa

mente si f : C Rn Rm , es una funcion de la forma f (x) = (f1 (x), ..., fn (x)),


donde fi : C Rn R, i {1, ..., n} y L = (l1 , ..., ln ), entonces no es difcil ver
que
lm f (x) = L lm f (x) = li

xa

xa

La verificaci
on de los detalles se deja como ejercicio al lector. Por otra parte,
si existe una funci
on : C Rn R tal que (x) > 0 para toda x C y
lm (x) = 0 de tal forma que
xa

kf (x) Lk < (x),


para toda x B (x), para alguna > 0 entonces se tiene que lm f (x) = L
xa

Para ver esto, podemos aplicar la condicion ( ) a las funcion y dado que
(x) > 0 para toda x C, |(x)| = (x). Luego, para toda  > 0, existe > 0
tal que si x B (a), se tiene que
kf (x Lk (x) = |(x)| < ,
de donde se sigue la observacion

67

3. Limites y continuidad.

Ejemplos
x3 y 7
. Se afirma que lm f (x) = 0. Para ver esto, si
x2 + y 4
x0
x B (0) con > 0 se tiene que

a) Defnase f (x, y) =



x3
y 7

|f (x, y)| = 2
2

x + y4
x + y4





x2
y 4
3


|x| 2
+ |y| 2
x + y4
x + y4
3

|x| + |y| .

Luego definiendo (x, y) = |x| + |y| , por la observacion anterior, se sigue


que lm f (x) = 0.
x0
a+1 b+1

b) Sea g(x, y) = xx2 +y2yxy , donde a, b > 0. Demostraremos que un vector


(x, y) R2 , tiene una representacion en coordenadas polares de la forma
(rcos, rsen). De esta forma sustituyendo lo valores de x y y, se tiene
que







a b r2 cossen a b cossen a b
= x y
|g(x, y)| = x y 2
< x y 0
sen2

r r2 sencos

1
2
si (x, y) (0, 0).
Hemos visto que si lm af (x) = L B C y a D0 , entonces lm g(x) = L,
x

xa

donde g = f /D.
Pues bien, respondiendo a este hecho, se dice que f tiene lmite L en a seg
un la
direcci
on de la recta L (o que f tiene lmite direccional en a seg
un la recta L) si
a L y lm g(x) = L, donde g = f |L . Diremos u
nicamente que f tiene lmite
xa

direccional L en a, si f tiene lmite en a seg


un la recta L para toda recta L que
contenga a a y lm f |L (x) = L para toda L.
x0

Ya hemos visto que si f tiene lmite en a, entonces para cualquier trayectoria


que contiene a a, en particular para las rectas L que pasan por a, el lmite existe.
Sin embargo, tenemos ejemplos donde el lmite direccional existe pero el lmite
de f en a no.

68

3.1. Lmites

Ejemplos
xy + y 3
. Se afirma que el lmite direccional de f en (0, 0)
x3 y 2
existe. Para ver esto, sea y = mx, luego


mx2 + m3 x3
1 + m2 x
f (x, mx) = 2
=
m
.
x m2 x2
1 m2

1. Sea f (x, y) =

m
, |m| =
6 1, esto es,
1 m2
el lmite direccional depende de la pendiente de la recta que se tome. En
consecuencia, f no tiene lmite direccional en a

Tomando x 0, se sigue que f (x, y)

2. Defnase g(x, y) =

x3
. Si y = mx, entonces
x2 y

g(x, mx) =

m 3 x2
m3 x3
=
0,
mx
xm

x2

x 0

es decir, g tiene lmite direccional en 0. Sin embargo, g no tiene lmite en


0 ya que, si y = x2 x3 , se sigue que

g(x, x2 x3 ) =

x3
= 1 1 si x 0
x3

La siguiente proposicion extiende algunas propiedades de lmites de funciones


reales de variable real para el caso de funciones reales de variable vectorial.
Proposici
on 3.1.3 Sean f,g y h tres funciones definidas en un mismo conjunto
C Rn y a c0 . Sup
ongase que lm f (x) = L y lm g(x) = M , para alg
un
xa

xa

par de valores L, M R. Sean K R y B (a) = B (a) {a}, donde > 0 es


el valor correspondiente a la definici
on de lmite.
a) K < L (respectivamente, K L) si y solo si K < f (x)
para toda x C B (a).

(K f (x))

b) L M si y solamente si, f (x) < g(x) para cualquier x C B (a).


c) Si L = M y f (x) g(x) g(x) para toda x
lm h(x) = L

C B (a), entonces

xa

n.
Demostracio
a) Sea = L K > 0. Como lm f (x) = L, entonces existe > 0 tal que
xa

para toda x C B (a), |f (x) L| < ; luego, por la definicion de


valor absoluto, se sigue que
K L < f (x) L

69

3. Limites y continuidad.

Es decir, K < f (x).Por otro lado, si K < f (x) para toda x C B (a),
para alguna > 0, se sigue que
K L < f (x) L
Tomando el lmite en ambos lados cuando x a, obtenemos que
K L < 0,
esto es, K < L.
b) Supongamos que L < M y sea = 21 (M L). Entonces existe > 0 tal
que si x B (a), se tiene que f (x) B (L) y g(x) B (M ) es decir,
|f (x) L| < y

|g(x) M | <

de donde se obtiene que


f (x) <

1
(M + L) < g(x)
2

Por tanto, f (x) < g(x) para toda x B (a). Ahora, si L M , por
la parte anterior, f (x) g(x), de donde se concluye que f (x) < g(x)
implica que L < M
c) Sea > 0; entonces, existe > 0 tal que f (x) , g(x) B (a) Tomese
0 > 0 tal que para toda x B0 (a), f (x) h(x) g(x).
Si = min { , 0 } es claro que para toda x B0 (a)
L lm h(x) M = L,
xa

de donde se concluye que lm h(x) = L.


xa


El siguiente resultado establece las propiedades aritmeticas para lmites de funciones reales de variable vectorial. La prueba de este hecho es muy similar al
caso de las funciones de variable real, por lo que su prueba se deja como ejercicio
al lector.
Proposici
on 3.1.4 Sean f : C Rn R y g : C Rn R. funciones
0
y a C.
a) Si lm f (x) = 0 y para toda x C B (a), > 0, |g(x)| < M, para
xa

alguna M > 0 , entonces lm f (x)g(x) = 0


xa

b) Si lm f (x) = L y lm g(x) = M ,
xa

xa

i) lm [f (x) + g(x)] = L + M
xa

L, M R entonces:

70

3.1. Lmites

ii) lm [f (x) g(x)] = L M


xa


f (x)
L
iii) si M 6= 0, lm
=
xa g(x)
M
Otra forma de calcular lmites es de manera reiterada. El analisis que se hace en
este texto, se puede hacer extensivo a funciones escalares con cualquier n
umero
de variables independientes.
Si f : C R2 R y a = (x0 , y0 ) C 0 , podemos calcular el lmite
reiterado en a , aproximandonos por separado a x0 y a y0 (vease la figura
3.2).

f(X2 , Y2)

Y2
Y0
f(X1 , Y1)

Y1

X2

X1

Figura 3.2: Lmites reiterados


Ejemplos
1. Sea f (x, y) = x + y. Calcularemos los lmites reiterados de la funcion f
cuando (x, y) (1, 1). Calculamos
lm f (x, y) = lm x + y = 1 + x.

y1

y1

Luego

lm

x1


lm f (x, y) = (1 + x) = 2

y1

N
otese que en este caso:

lm

x1




lm f (x, y) = lm lm f (x, y)

y1

En general, esto no sucede.

y1

x1

71

3. Limites y continuidad.

2. Sea g(x, y) = x (y) donde

1
(y) = 0

si y > 0
si y = 0
si y < 0

Observe que los lmites reiterados no coinciden en (0, 0) , ya que, por un


lado,
lm g(x, y) = lm = x

y0+

y0+

lm g(x, y) = lm = x

y0

y0

Luego, lm ( lm g(x, y)) no existe; por otra parte , lm g(x, y) = 0 de


x0 y0

x0

donde se sigue que lm ( lm g(x, y)) = 0. Ahora, notese que


y0 x0

|g(x, y)| = |x| 0 cuando x 0 , por lo que el lmite existe.


xy
tiene lmites reiterados iguales en (0, 0),
3. La funci
on f (x, y) = 2
x + y2
sin embargo no tiene lmite en (0, 0) (se le recomienda al lector verificar
los detalles).
 
1
, donde x R+ {0} y y R+ . Notese
4. Sea h(x, y) = x sen
y

 

 
1
1
que lm lm sen
= 0 pero lm lm sen
no existe.
y0 x0
x0 y0
y
y
2
4
Para ver esto, t
omese las sucesiones yn =
y yn0 =
.
(2n 1)
(8n + 1)
Sin embargo, como


p


x sen 1 = |x||sen 1 | |x| x2 + y 2 <


y
y
p
siempre que
x2 + y 2 < = , se sigue que
lm

(x,y)(0,0)

h(x, y) = 0

El siguiente resultado relaciona los conceptos de lmite y lmite reiterado.


Teorema 3.1.5 Sean f : C R2 Rm y a = (x0 , y0 ) C o .
Si lm f (x) = L y si para cada y B (y0 ), > 0, lm f (x, y) existe,
xx0

xa

entonces el lmite reiterado


lm

yy0

existe y es igual a L.


lm f (x, y)

xx0

72

3.1. Lmites

n. Dado > 0 , como L es el lmite de f en a , existe > 0


Demostracio
tal que si kx ak < entonces kf (x) Lk < 2 . Sea U = B (y0 ) la bola
perforada de la que habla el enunciado. Luego por hipotesis, existe una funcion
(y) tal que (y) = lm f (x) para y U es decir, para cada > 0,
xx0

existe y > 0, tal que si |x x0 | < y entonces kf (x, y) (y)k < 2 para
y U . As para todo y U tal que |y y0 | < si x B0 (x0 ) donde
0 = min{, y } se tiene que:
k(y) Lk k(y) f (x, y)k + kf (x, y) Lk <
por lo tanto lm (y) = L como se quera probar.
yy0


Ya hemos visto anteriormente casos en los que:
a) La funci
on tiene lmite en un punto, pero los lmites reiterados (o uno de
ellos no existe).
b) La funci
on tiene lmites reiterados en un punto, son iguales, pero su lmite
en dicho punto no existe
c) La funci
on tiene lmites reiterados en un punto, pero son distintos.
Esto nos proporciona un criterio para asegurar que la funcion no tiene lmite
en un punto. En general, para espacios metricos, el concepto de lmite se extiende
de manera natural.
Definici
on 35 Sean (X, d) y (Y, ) espacios metricos, D X, f : D Y
una funci
on, b Y y a D0 . Decimos que b es el lmite de la funci
on f en
el punto a, si para cada > 0 existe > 0 tal que si d(x, a) < entonces
e(f (x), b) < .
Como siempre, si b es el lmite de f en a, lo denotaremos por lm f (x) = b,
xa
x D
Teorema 3.1.6 Sea X un espacio metrico. Entonces
lm f (x) = b,

x a

si y s
olamente si
donde xn a.
n.
Demostracio

lm

x D,

f (xn ) = b, para toda sucesi


on {xn } D {a},

Supongamos que

lm f (x)

x a

b,

D y sea

{xn } D {a}, tal que xn a, cuando n . Sea > 0, entonces existe > 0 tal que
(f (x), b) <

si x D y d (x, a) < .

73

3. Limites y continuidad.

Adem
as, existe N N tal que si n N , entonces d (xn , a) < . As, para
n > N , (f (xn ), b) < .
Por otro lado, si existe > 0 tal que para todo > 0 existe x D, que
depende de , tal que (f (x), b) , pero d (x, a) < , entonces, tomando
n = n1 , n N, hemos encontrado una sucesion en D para la cual f (xn )
no converge a b. As, si lm f (x) = b, entonces lm f (xn ) = b, si
x a
n
xn a.

Corolario 3.1.7 Si f tiene lmite en a, este es u
nico.
n. Es consecuencia del Teorema 3.1.6 y la unicidad del lmite
Demostracio
para sucesiones.

Al igual que para funciones definidas sobre Rn , se tiene que el espacio de
funciones con lmite en un punto a es cerrado bajo la suma, el producto y el cociente, es decir, si
lm f (x) = b y
lm g (x) = c, donde
x a

x a

f, g : D X R, X espacio metrico y a D0 , entonces


1.
2.

lm f (x) + g (x) = b + c,

x a

lm (f (x) g (x)) = b c,

x a

3. Si c 6= 0, entonces

lm

x a

b
f (x)
= .
g (x)
c

La verificaci
on de los detalles se le dejan al lector.

3.2.

Funciones continuas

En este captulo estudiaremos las funciones continuas en espacios metricos en


general, analizando ejemplos de funciones en Rn . Basicamente, la continuidad
de una funci
on x f (x) significa que incrementos peque
nos en la variable
x, implica peque
nos en el valor de f (x). Las propiedades de lmites estudiadas
en la secci
on anterior, conducen de manera natural a propiedades analogas para
las funciones continuas. Adem
as, existen otras propiedades importantes, que se
refieren a la continuidad global.
Definici
on 36 Sean (X, d) y (Y, ) espacios metricos. Se dice que una funci
on
f : X 0 , Y es continua en un punto a X, si dado > 0, existe > 0
tal que si d (a, x) < , entonces (f (a), f (x)) < .
Observese que esta definici
on se puede reformular en terminos de bolas. A saber,
f es continua en el punto a si dada cualquier bola con centro en f (a) Y ,
digamos BY (f (a)), existe una bola con centro en a X, BX (a), de tal
forma que

f BX (a) BY (f (a)).

74

3.2. Funciones continuas

Si f no es continua en a, decimos que f es discontinua en a, o que tiene


una discontinuidad en a. Observese que la definicion de continuidad es local, es
decir, est
a definida sobre cada punto de X. Si f es continua en a, para todo
punto a A X decimos que f es continua en A. Si f es continua en X,
decimos simplemente que f es continua.

f (B (a))

f (a)

Figura 3.3: Continuidad de f en a


No es difcil demostrar (se deja como ejercicio al lector), que la definicion 36
se puede reescribir de la siguiente forma:
f es continua en x si y s
olo si dada > 0, existe > 0 tal que se cumple
que B (x) f 1 (B (f (x))).
Esta caracterizaci
on afirma que f es continua en x si y solo si para toda > 0,
f 1 B (f (x)) es una vecindad de x. Esto nos da la pauta para formular una
definici
on m
as general de continuidad.
Definici
on 37 Sean X y Y espacios metricos y sea f : X Y una
funci
on. Se dice que f es continua en x X, si dada una vecindad V de
f (x), f 1 (V ) es una vecindad de x.
Esta definici
on es muy u
til, ya que se puede cambiar la palabra metricos por
topol
ogicos.
Ejemplos.
1. Sea f : R2 R, definida como
2
x + 2y 1
f (x, y) =

3x + y 2

si x 0
si x < 0.

Analicemos la continuidad de f en todos los puntos (x0 , y0 ) R2 . Si


x0 > 0, entonces
lm

(x,y) (x0 , y0 )

f (x, y) =

lm

(x,y) (x0 , y0 )

(x2 + 2y 1) = x20 + 2 y0 1 = f (x0 , y0 ).

75

3. Limites y continuidad.

Si x0 < 0, entonces f es continua en (x0 , y0 ) ya que


lm

(x,y) (x0 , y0 )

f (x, y) =

lm

(x,y) (x0 , y0 )

3x + y 2 = 3 x0 + y02 = f (x0 , y0 ).

Ahora, si x0 = 0, tomando los semiplanos


P = {(x, y) R2 | x 0}

N = {(x, y) R2 | x < 0},

f tendr
a el lmite en (0, y0 ) si y solamente si f |P y f |N tienen el mismo
lmite, es decir, si
lm

(x,y) (0, y0 )

f |P (x, y) = 2 y0 1 = f (0, y0 )

y
lm

(x,y) (0, y0 )

f |N (x, y) =

lm

(x,y) (0, y0 )

3x + y 2 = y02

son iguales. Esto sucede si y solo si, 2 y0 1 = y02 , es decir, si y0 = 1. Por


tanto, f es continua en (0, 1) y discontinua en (0, y0 ), donde y0 =
6 1.
2. Sea la funci
on
f (x, y) =

3
x + 2y

si (x, y) 6= (1, 3)
si (x, y) = (1, 3).

Observese que esta funci


on no es continua en (1, 3) ya que
lm

(x,y) (1,3)

f (x, y) =

lm

(x,y) (1,3)

3. Considerese la funci
on f dada por
y
x
f (x, y) =

x3 + 2y =0 , 7 6= 5 = f (1, 3).

si x 6= 0
si x = 0.

Esta funci
on no es continua en (0, y0 ), y0 R ya que

lm

(x,y) (0,y0

f (x, y)

no existe; una forma de verificar esta afirmacion es notar que




y0
lm
lm f (x, y) = lm
y y0
x 0
x 0 x

no existe. De esta forma, la funcion es discontinua a lo largo de la recta


x = 0.
4. Hay que ser cuidadosos al discutir la continuidad de una funcion
f : X Y en un subconjunto de X. Si A X hay que distinguir entre decir que f es continua en A y considerar la restriccion de f
a A y afirmar que f |A es continua con la metrica d|A . En el primer caso,

76

3.2. Funciones continuas

el dominio de la funcion es X y estamos diciendo que en todos los puntos


de A se satisface la definicion con la metrica d. En el segundo caso, la
funci
on f |A est
a definida sobre el espacio A = (A0 , d|A ).

La primera afirmacion implica la segunda. Para verificar esto, considerando un punto x A y > 0, entonces para alg
un valor > 0,
f (BX (x)) BY (f (x)). Luego, recordando que
f |A (x) = f (x), x A,
y que en el espacio A B (x) es A BX (x), se tiene que
f |A (A BX (x)) f (BX (x)) BY (f (x)) = BY (f |A (x)).
La otra implicacion es falsa, ya que la funcion f : R R, dada por

si x I
0
f (x) =

1
si x Q,
es discontinua en todo punto de R. Sin embargo, las funciones f |Q y f |I
son funciones constantes y, por lo tanto, continuas.
En resumen, la continuidad de f |A en X solo toma en cuenta el comportamiento de la funcion f en puntos del conjunto A, mientras que la
continuidad de f en x A tambien toma en cuenta el comportamiento
de f en puntos fuera de A.
El siguiente resultado establece la relacion entre lmites y continuidad.
Teorema 3.2.1 Sean f : X Y y x X. f es continua en X si y s
olo
si se cumple una de las siguientes condiciones.
a) x es punto aislado de X.
b) x es punto de acumulaci
on de X y

lm f (y) = f (x).

y x

n. La demostracion de que f sea continua implica una de las


Demostracio
afirmaciones a) o b), se deja como ejercicio par el lector. Si x X es un punto
aislado, entonces para alguna > 0, BX (x) = {x} y
f (BX (x)) = {f (x)} BY (f (x))
para toda > 0. Si x es un punto de acumulacion, el resultado es inmediato
comparando las definiciones de lmite y continuidad.

Corolario 3.2.2 Sea f : X Y es continua en x X si y s
olo si para
cualquier sucesi
on {xn }n N X tal que xn x se tiene que la sucesi
on
{f (xn )}n N Y converge a f (x).

3. Limites y continuidad.

77

n. Si x es un punto aislado, consideramos la sucesion constante


Demostracio
xn = x (ya que es la u
nica sucesion de puntos de X que tiene lmite en X).
Si x es un punto de acumulaci
on, por el Teorema 3.2.1 se sigue el resultado.

Veamos ahora que la composicion de funciones continuas es continua.
Teorema 3.2.3 Si (X, d1 ), (Y, d2 ) y (Z, d3 ) son espacios metricos de la forma
f : X Y , g : Y Z son funciones continuas en x y f (x) respectivamente, entonces g f : X Z es continua en x. En consecuencia, si f y
g son continuas, entonces g f tambien lo es.
n. Sea W una vecindad de (g f ) (x) = g (f (x)) en Z. Como
Demostracio
g es continua en f (x), g 1 (W ) es vecindad de f (x) en Y ; de esta forma,
como f es continua en X, f 1 (g 1 (W )) = (g f )1 (W ) es vecindad de
x X.

Otra forma de demostrar el resultado es la siguiente: tomese una sucesion
{xn } X tal que xn x. Como f es continua en x, se tiene que
f (xn ) f (x). Ahora, debido a que g es continua en f (x), se sigue que
(g f ) (xn ) = g (f (xn )) g (f (x)) = (g f ) (x).
Dado que {xn }n N fue una sucesion arbitraria, se sigue el resultado.
El siguiente resultado establece la relacion entre continuidad y conectabilidad
por trayectorias.
Corolario 3.2.4 Sean X y Y espacios metricos, f : X Y una funci
on
continua y sup
ongase que X es conectable por trayectorias, entonces f (X) es
conectable por trayectorias.
n. Si f (x), f (y) f (X), considerese la trayectoria : x ' y.
Demostracio
Luego, por el Teorema 3.2.3, la funcion f es una trayectoria que une f (x)
con f (y).

Por otra parte, por el corolario 3.2.2 y la definicion 36 es claro que si f :
X

R
y g : X R son funciones continuas, entonces f + g, f g son continuas y si g (x) 6= 0 para toda x X entonces f /g es continua.
Teorema 3.2.5 Sea (X , d) un espacio metrico, n N, fi : X Rn y
definase F como
F (x) = ( f1 (x), .... fn (x)).
Entonces, F es continua en x X si y s
olo si fi es continua en x X,
para cada i {1, ..., n}

78

3.2. Funciones continuas

n. Consideremos la funcion k : Rn R, definida como


Demostracio
k (z1 , ...., zn ) = zk
(proyecci
on sobre la k-esima coordenada) y supongamos que F es continua en
x. N
otese que k F = fk . Se afirma que k es continua en Rn . En efecto
observese que
|k (z) k (w) | = |zk wk | kzk wk k2 < = .
Por el teorema 3.2.3, se sigue que fk es continua. Ahora, si fk es continua
en x X, dado > 0, existe un k > 0 tal que si d (x, y) < k , entonces
|fk (x) fk (y)| < /n. Tomando = min {1 , ..., n }, si d (x, y) < , se
tiene que
! 21
n
X
2

k F (x) F (y) k2 =
|fk (x) fk (y)|
k=1

de donde se concluye que F es continua en x



El siguiente resultado presenta una generalizacion a espacios metricos
Proposici
on 3.2.6 Si (X, d), (Y, d1 ) y (Z, d2 ) son espacios metricos y
f : X Y , g : Y Z son funciones continuas. Definimos sobre Y Z
la metrica D : (Y Z) (Y Z) R+ {0} dada por
D((y1 , z1 ) , (y2 , z2 )) = d1 (y1 , y2 ) + d2 (z1 , z2 ).
Entonces, la funci
on F : X Y Z dada por F (x) = (f (x), g(x)) es
continua
n. Sean x0 X y > 0; entonces, existen 1 , 2 > 0 tales
Demostracio
que si d (x, x0 ) < 1 y d (x, x0 ) < 2 , entonces
d1 (f (x), f (x0 )) <

d2 (g(x), g(x0 )) <

.
2

Tomando = min{1 , 2 } y d(x, x0 ) < , se sigue que


D (f (x), f (x0 )) = d1 (f (x), f (x0 )) + d2 (g(x), g(x0 )) <

+
= .
2
2


Es f
acil ver que este resultado se puede generalizar para funciones de la
forma F : X X , donde X = X1 ... Xn equipando a este espacio con
n
X
la metrica producto, D =
di donde di es la metrica del espacio Xi , i N.
i=0

Como ya hemos visto anteriormente, la topologa de un espacio queda determinado por la descripcion de sus conjuntos abiertos o sus cerrados, por el
interior o la cerradura de sus conjuntos, etcetera. De la misma forma, la continuidad puede caracterizarse utilizando estos conceptos.

79

3. Limites y continuidad.

Teorema 3.2.7 Sean X y Y espacios metricos y f : X Y una funci


on.
Las siguientes afirmaciones son equivalentes
a) f es continua
b) Para todo abierto A en Y , f 1 (A) es abierto en X.
c) Para todo subconjunto A de Y, f 1 (Ao ) (f 1 (A))
d) Para todo subconjuto C de X f (C) f (C).
e) Para todo cerrado C en Y, f 1 (C) es cerrado en X.
n.
Demostracio
a) b) Sea A abierto en Y y sea x f 1 (A). Por definicion de imagen inversa,
f (x) A y como A es abierto, A es vecindad de f (x). Dado que f
es continua en x, f 1 (A) es vecindad de x y dado que este u
ltimo fue
arbitrario, f 1 (A) es abierto.
b) c) Sea A Y ya que Ao es abierto, por b), se sigue que f 1 (Ao ) es
abierto y f 1 (Ao ) f 1 (A). Ya que (f 1 (A)) es el abierto mas grande
contenido en f 1 (A) se concluye que
f 1 (Ao ) (f 1 (A)) .
c) d) Sea C X, por c),
f 1 ((Y f (C)) ) (f 1 (Y f (C))) .
Por otro lado, n
otese que para un espacio metrico X, se satisface que
X A = (X A) para todo A X
(Se deja como ejercicio al lector). As, resulta que:
X f 1 (f (C)) = f 1 (Y f (C)) = f 1 ((Y f (C)) )
(f 1 (Y f (C))) = (X f 1 (f (C))) = X f 1 (f (C)).
Tambien, n
otese que C f 1 (f (C)), de donde se sigue que
1
C f (f (C)). Se puede verificar que si X es un espacio metrico,
C = X (X C) , C X.
De esta forma
f 1 (f (C)) = X (X f 1 (f (C))) = X (f 1 (Y f (C))) ;

80

3.2. Funciones continuas

como f cumple con c), se sigue que


f 1 ((Y f (C)) ) (f 1 (Y f (C))) ,
luego
X (f 1 (Y f (C)))

X f 1 ((Y f (C)) )

= X f 1 (Y f (C))
= f 1 (f (C)),

de donde se concluye que


C f 1 (f (C)).
Aplicando f a ambos extremos, obtenemos
f (C) f [f 1 (f (C))] (f (C))
.
d) e) Sea C cerrado en Y . Dado que se cumple d) y ya que f (f 1 (C)) C,
se sigue que
f (f 1 (C)) f (f 1 (C)) C = C.
Tomando im
agenes inversas, tenemos que f 1 (f (f 1 (C))) f 1 (C),
1
pero f (C) f 1 (f (f 1 (C))) por lo que f 1 (C) f 1 (C). Por lo
tanto f 1 (C) = f 1 (C) es cerrado.
e) a) Sean x X y V una vecindad de f (x) en Y . Supongamos que V es
abierto. Por e) se tiene que f 1 (Y V ) = X f 1 (V ) es cerrado,
debido a que Y V es cerrado- Luego, f 1 (V ) es abierto y como contiene
a x, es vecindad abierta de x X. En consecuencia, f es continua en
x y por ser este u
ltimo arbitrario, se tiene el resultado

Corolario 3.2.8 Si f : X Y es continua y K un subconjunto conexo de
X, entonces f (K) es un subconjunto conexo de Y
n. Supongamos que f (K) es inconexo y sea (A, B) una descoDemostracio
nexi
on de dicho conjunto. Por el Teorema 3.2.7, se sigue que (f 1 (A), f 1 (B))
es una pareja de abiertos, no vacos, ajenos y tales que su union es K, es decir,
K es inconexo.

Teorema 3.2.9 Si f : X Y es continua y K un subconjunto compacto
de X, entonces f (K) es un subconjunto compacto de Y

81

3. Limites y continuidad.

n. Sea C = {V : i : i I} una cubierta abierta de f (K) en


Demostracio
Y . Como f es continua, f 1 (Vi ) es abierto en X. Por lo tanto
C 0 = {f 1 (Vi ) : i I}
es una cubierta abierta de K en X y como K es compacto existen
{f 1 (Vi )....f 1 (Vim )} C 0
tales que K f 1 (Vi1 ) ... f 1 (Vim ). Luego
f (K) Vi1 ... Vim ,
por lo que f (K) es compacto.

Ejemplos
1. Sea f : Rn Rm continua. Se afirma que el conjunto
S = {x Rn | kf (x)k < 1},
es abierto. Para ver esto, basta con observar que el conjunto S es igual
al conjunto dado por
f 1 ({y Rm |kyk < 1}) ,
que es la imagen inversa de un abierto. Como f es continua, S es abierto.
2. N
otese que si f es una funcion continua de la forma f : X Y y
U X es abierto, f (U ) no necesariamente es abierto. A saber, tomese
la funci
on f : R [0, 1] dada por

0 si x 0

x si x (0, 1)
f (x) =

1 si x 0,
Si se considera U = (7, 2), f (U ) = [0, 1] que es un conjunto cerrado.
A las funciones que satisfacen que mandan abiertos en abiertos, las llamaremos aplicaciones propias.
3. Si f : X Y es continua y K Y es compacto, no se cumple en
general que f 1 (K) sea compacto en X. A saber, si se toma f : R R
dada por f (x) = 1, para toda x R, K = {1} es compacto, pero
f 1 (1) = R no lo es. Si K es conexo, tampoco se puede asegurar que
f 1 (K) sea conexo en X. Para ver esto, tomese f (x) = x2 y K = {1}.
Luego f 1 (K) = {1, 1} que claramente no es conexo.

82

3.2. Funciones continuas

Para funciones reales de variable real, se sabe que una funcion continua
no necesariamente tiene un maximo ni un mnimo absoluto. Sin embargo, si
tenemos una funci
on continua definida sobre un intervalo cerrado, dicha funcion
alcanza su m
aximo y su mnimo. Para el caso de funciones reales de variable
vectorial, tenemos un resultado similar.
Proposici
on 3.2.10 Si C Rn es un conjunto compacto y f : C R
es una funci
on continua en C, entonces existen puntos x0 , x1 C tales que
f (x0 ) f (x) f (x1 ) para toda x C, esto es, f alcanza su m
aximo y su
mnimo en C.
n. Por el Teorema 3.2.9 se sigue que f (C) es compacto, por
Demostracio
el Teorema 2.4.5, se sigue que este conjunto es cerrado y acotado, por lo que
existen valores , R tales que = sup f (C) y = nf f (C). Demostraremos que , f (C). Verificamos que f (C), el caso de se
demuestra de manera
analoga. Consideremos la coleccion de intervalos de la

forma n1 , , n N. Como es el supremo, entonces existe un punto


1
xn f (C) , .
n
N
otese que xn . Por ser f (C) compacto y {xn } f (C), existe una
subsucesi
on {xnk } tal que xnk x0 f (C). Por la unicidad del lmite, se
concluye que x0 = .

Recordemos que una funcion inyectiva f : X Y tiene inversa izquierda,
es decir, existe una funcion g : f (X) X tal que g f = IdX . Denotaremos a la funci
on g como f 1 .
Proposici
on 3.2.11 Sean C Rn un conjunto compacto y f : C Rm
una funci
on continua en C e inyectiva. Entonces, f 1 es continua en f (C).
n. Sea una sucesion {yn } f (C) tal que yn y0 . Observese
Demostracio
que la sucesi
on {yn } genera una sucesion {xn } en C, a saber xn = f 1 (yn ).
Como C es compacto, entonces existe una subsucesion {xnk } de {xn } tal que
xnk x0 C. Se afirma que x0 = f 1 (y0 ). Para ver esto, dado que f es
continua en C y xnk x0 en C, se sigue que ynk = f (xnk ) f (x0 ).
As, por la unicidad del lmite, se sigue que y0 = f (x0 ), de donde se concluye,
por inyectividad, que x0 = f 1 (y0 ), como se quera demostrar.

Un espacio metrico (y en general, un espacio topologico), tiene una estructura dada por sus conjuntos abiertos y cerrados. Cuando hablamos, por ejemplo,
de estructuras algebraicas (anillos,grupos, etcetera), decimos que dos objetos
no se distinguen si son isomorfos, esto es, si existe una biyeccion entre sus
conjuntos subyacentes que respeta su estructura. De manera similar, se puede
definir una relaci
on entre espacios metricos (en general, espacios topologicos)
que respeta la estructura topologica.

83

3. Limites y continuidad.

Definici
on 38 Sean X y Y espacios metricos (en general, espacios topol
ogicos). Se dice que X y Y son homeomorfos y se denota como X
= Y , si
existe una funci
on f : X Y continua y biyectiva tal que su inversa es
tambien continua.
N
otese que la Proposici
on 3.2.11 muestra que una funcion f inyectiva y
continua sobre un conjunto C Rn , es un homemorfismo entre C y f (C). El
siguiente resultado muestra que, en efecto, un homeomorfismo es una biyeccion
que respeta la estructura topol
ogica.
Proposici
on 3.2.12 Sean X y Y espacios metricos y f : X Y una
funci
on. Las siguientes afirmaciones son equivalentes.
a) f es un homeomorfismo.
b) f es biyectiva y f (A) es abierto en Y si y s
olo si A es abierto en X.
c) f es biyectiva y f (C) es cerrado en Y si y s
olo si C es cerrado en X.
n. Supongamos que f es un homemorfismo. Por definicion, f
Demostracio
es biyectiva y continua, con inversa continua. Si f (A) es abierto, entonces por
el Teorema 3.2.7, se sigue que f 1 (f (A)) = A es abierto. Ahora, si A es
abierto, como f 1 es continua, la imagen inversa de A bajo la funcion f 1
es un conjunto abierto. Pero este conjunto es justamente f (A). Por otro lado,
supongamos que se satisface b). Sea A un abierto en Y , como f es biyectiva,
existe un subconjunto B X tal que f (B) = A. Luego, dado que f (B) es
abierto, se sigue que B es abierto y como fue arbitrario, se concluye que f es
continua. Un argumento an
alogo muestra que f 1 es continua. Por tanto, f
es un homeomorfismo. La equivalencia entre a) y c) se demuestra de una forma
similar.

N
otese que este resultado afirma que f no solo establece una biyeccion
entre los puntos de X y de Y , sino tambien establece una equivalencia entre
los abiertos (respectivamente, cerrados) de uno y otro espacio. En general, una
funci
on continua y biyectiva, no necesariamente define un homeomorfismo. A
saber, la funci
on f : [0, 1) S1 , dada por
f (t) = (cos 2 t, sin 2 t),
es continua y biyectiva, pero no es un homeomorfismo (ejercicio).

3.3.

Continuidad uniforme

Nuestra definici
on de continuidad de una funcion f en un punto x0 , establece una propiedad local, es decir, es una propiedad que depende de lo valores
que toma f en una vecindad de x0 suficientemente peque
na. Se dice que una
funci
on es continua sobre un conjunto C si es continua en todo punto de dicho

84

3.3. Continuidad uniforme

conjunto. De esta forma, para cada punto x0 C encontraremos un m


odulo
de continuidad , el cual vara dependiendo del punto x0 . Sin embargo, existen funciones para las cuales, el modulo de continuidad no depende del punto
x0 C. A este tipo de funciones las llamaremos uniformemente continuas.
Definici
on 39 Sean (X, d) y (Y, d0 ) espacios metricos. Se dice que una funci
on
f : X Y es uniformemente continua en X si dado > 0 existe > 0 tal
que si d (x, y) < , entonces d0 (f (x), f (y)) < , para cualesquiera x, y X
Es una consecuencia inmediata de esta definicion que si f es uniformemente
continua en X entonces es continua en todo punto x X. La afirmacion contraria es falsa en general. La diferencia entre ambos conceptos radica en que,
en la definici
on de continuidad, el valor puede depender tanto de como
del punto x, mientras que para tener continuidad uniforme depende solo de
. Observese adem
as que la definicion 39 se puede enunciar de la siguiente forma:
f es uniformemente continua si f (B (x)) B (f (x)) para toda x X.
Ejemplos.
1. Sea f : (0, 1) R dada por f (x) = x1 . Observemos que esta funcion
es continua, ya que para un intervalo abierto (a, b) R, donde a > 0,
se tiene que


1 1
f
,
= (a, b),
b a
de donde se concluye que si V R es un conjunto abierto, entonces
f 1 (V ) es abierto. Sin embargo, f no es uniformemente continua, ya
que si = 1, para cualquier > 0, tal que < 31 , si x = 2 ,
entonces


 
1 1
1
f (B (x)) = f ((, 3 )) =
,
6 B1
.
3
2
Una funci
on f : C X Y , donde (X, d) y (Y, d0 ) son espacios
metricos, no es uniformemente continua en un conjunto C, si se verifican
una de las siguientes dos condiciones:
a) Existe un valor > 0 tal que para cada > 0, existen puntos
x, x0 C tales que d (x, x0 ) < , pero d0 (f (x), f (x0 )) > .
b) Existen > 0 y dos sucesiones {xn } y {x0n } en C, tales que
lm

d (xn , x0n ) = 0,

pero d0 (f (xn ), f (x0n )) > , donde n N.

85

3. Limites y continuidad.

2. Tomando la funci
on f del ejemplo anterior definida en el conjunto [a, ),
donde a > 0, resulta ser una funcion uniformemente continua. Para ver
esto, n
otese que, para x, y [a, ) arbitrarios, x1 < a1 y y1 < a1 .
Luego, para toda > 0, tomando = a2 y |x y| < , se tiene que




2
y x
1
1


< |y x| < a = .
|f (x) f (y)| = =
x
y
xy
a2
a2
Como el valor no depende de la eleccion del punto, se sigue que la
funci
on es uniformemente continua.
3. Sea g : (a, b) R una funcion diferenciable tal que |g 0 (x)| M , para
toda x (a, b). Se afirma que g es uniformemente continua. En efecto,
por el teorema del valor medio, si x, y (a, b) de tal forma que x < y,
entonces existe un punto x0 [x, y] de tal modo que se cumple que
g (y) g (x) = g 0 (x0 ) (y x).
Por tanto, obtenemos que
|g (y) g (x)| M |y x|.

As, para cada > 0 definimos = M


y si |y x| < , se sigue que
|g (x) g (y)| < , quedando demostrada la afirmacion.

4. Sea h (x) = sin x, donde x R. Como |h0 (x)| = | cos x| 1, por el


ejemplo anterior, se sigue que h es uniformemente continua.
5. Sea r (x) = sin (x2 ), tomando x R. Esta funcion no es uniformemente
continua ya que, por el teorema del valor medio, suponiendo que x < y,
se tiene que
| sin (x2 ) sin (y 2 )| = |2x0 cos (x20 )| |x y|,
donde x0 [x, y]. De esta forma, la eleccion del valor dependera del
punto x0 . Este ejemplo muestra que, en general, una funcion continua y
acotada en todo R no es uniformemente continua.
1
2
6. Sea f (x, y) = x2 +
on
y 2 definida en D = R {(0, 0)}. Esta funci
es continua en D, sin embargo, no es uniformemente
continua.
A
saber,




t
omese = 1 y las sucesiones xn = 1n , 0 y x0n = 0, n1+ 2 . Es

claro que d (xn , x0n ) 0 cuando n , sin embargo


|f (xn ) f (x0n )| = |n (n + 2)| = 2 > 1.
El siguiente resultado establece una condicion suficiente para la continuidad
uniforme para funciones definidas en Rn .

86

3.4. Continuidad uniforme

Definici
on 40 Sea f : C Rn Rm . Se dice que f es una funci
on de
Lipschitz en C, si existe una constante k > 0 (constante de Lipschitz para f )
tal que para cualesquiera x, y C, se satisface que
||f (x) f (y)|| k ||x y||.
Proposici
on 3.3.1 Sea una funci
on f : C Rn Rm una funci
on de
Lipschitz en C. Entonces f es uniformemente continua en C.
n. Sea k > 0 la constante de Lipschitz para f . Dado > 0,
Demostracio
definimos = k y tomando x, y C tal que ||x y|| < , obtenemos que
||f (x) f (y)|| k ||x y|| < .

Si consideramos la funcion f (x) =
tomando x (0, a), a > 0, resulta
que esta funci
on no es uniformemente continua y no se puede extender a una
funci
on continua en el intervalo [0, a] ya que f no es acotada. Sin embargo,
vimos que al tomar un intervalo de la forma [a, b], donde a > 0, la funcion se
vuelve uniformemente continua (de hecho, si consideramos el intervalo [a, ) la
funci
on es uniformemente continua). El siguiente resultado establece la relacion
entre funciones continuas definidas sobre compactos y la continuidad uniforme.
1
x,

Teorema 3.3.2 Sean (X, d) y (Y, d0 ) espacios metricos, f : X Y una


funci
on continua y sup
ongase que X es compacto. Entonces f es uniformemente continua en X
n. Sea > 0. Como f es continua, para cada x X, existe
Demostracio
x > 0 tal que
f (Bx (x)) B 2 (f (x)).
Por otra parte, la coleccion de conjuntos {Bx }x X es una cubierta de X. Dado
que X es un conjunto compacto, entonces X es secuencialmente compacto, por
lo que, aplicando el Lema 2.4.6, existe un valor > 0 tal que para cada x X,
B (x) By0 (y0 ),
para alguna y0 X. Notese que el n
umero no depende de x, sino de la
cubierta. De esta forma, si z B (x), entonces z By0 (y0 ), por lo que
d0 (f (z), f (x)) d0 (f (z), f (y0 )) + d0 (f (y0 ), f (x)) <
Por tanto, f (B (x)) B (f (x)).

+
= .
2
2


87

3. Limites y continuidad.

3.4.

Espacios vectoriales normados dimensionalmente finitos

En el captulo anterior, vimos que para Rn se pueden definir diferentes funciones


que resultan ser normas. Tambien vimos que estas normas son equivalentes, es
decir, la estructura topol
ogica de Rn es la misma. En general, una norma sobre
un espacio vectorial dimensionalmente finito depende de la eleccion de la base.
En esta secci
on analizaremos la equivalencia entre diferentes normas en espacios
vectoriales dimensionalmente finitos.
Sea V un espacio vectorial y sean |||| y ||||0 dos normas sobre V . Diremos
que || || es equivalente a || ||0 (lo cual denotamos por || || || ||0 ), si existen
valores a, b > 0 tales que, para toda v V ,
a ||v||0 ||v|| b ||v||0 .

Recordemos que una norma induce una metrica, a saber, para cualesquiera
v, w V , definimos la funci
on d : V V R+ {0} como
d (v, w) = ||v w||.
Gracias a la teora de sucesiones que desarrollamos en el captulo anterior para
espacios metricos y las propiedades de funciones continuas, observamos que la
funci
on || || : V R+ {0} es continua. Esto se sigue ya que, si vn v
en V , entonces por la desigualdad del triangulo para la norma, se sigue que
|||vn || ||v||| ||vn v|| < ,
para n suficientemente grande. As, ||vn || ||v||, de donde se concluye que
|| || es continua.
El siguiente resultado muestra que en un espacio vectorial con dos normas
equivalentes, las propiedades de espacio metrico son las mismas.
Proposici
on 3.4.1 Sean V un espacio vectorial, |||| y ||||0 normas sobre V
0
y d y d respectivamente las metricas inducidas por estas normas. Sup
ongase
que existe K > 0 tal que ||v|| K ||v||0 para todo v V y sea {vn } una
sucesi
on en V .
a) Si {vn } converge a v en el espacio metrico (V, d0 ), entonces {vn } converge a v en el espacio metrico (V, d).
b) Si {vn } es de Cauchy en el espacio metrico (V, d0 ), entonces {vn } es de
Cauchy en el espacio metrico (V, d).
n. Demostraremos a), dejando la demostracion de la otra afirDemostracio
maci
on como ejercicio para el lector. Sea > 0. Entonces, existe N N tal

, si n N . As, si n N , se tiene que


que ||vn v||0 < K
||vn v|| K ||vn v||0 < .

Por tanto, {vn } converge a v en (V, d).

88

3.4. Espacios vectoriales normados dimensionalmente finitos

Corolario 3.4.2 Sean V un espacio vectorial, |||| y ||||0 normas equivalentes


sobre V , d y d0 respectivamente las metricas inducidas por estas normas y
{vn } una sucesi
on en V .
a) {vn } converge a v en el espacio metrico (V, d0 ), si y s
olo si {vn } converge
a v en el espacio metrico (V, d).
b) {vn } es de Cauchy en el espacio metrico (V, d0 ), si y s
olo si {vn } es de
Cauchy en el espacio metrico (V, d).
c) (V, d) es completo si y s
olo si (V, d0 ) es completo.
n. Demostraremos a) y c), dejando b) como ejercicio. Como
Demostracio
|| || || ||0 , entonces existen m, M > 0 tales que m ||v|| ||v||0 M ||v||,
para toda v V .
De esta forma, dado que ||v||0 M ||v|| para toda v V , si vn v
en (V, d), por la Proposicion 3.4.1, vn v en (V, d0 ). Observese que ||v||
1
0
m ||v|| para todo v V , por lo que, aplicando un argumento similar, queda
demostrado a).
Ahora, supongamos que (V, d) es completo y sea {vn } una sucesion de
Cauchy en el espacio metrico (V, d0 ). Por b), {vn } es de Cauchy en (V, d) y,
por tanto, convergente. Por a), se sigue que {vn } es convergente en (V, d0 ), de
donde se concluye que (V, d0 ) es completo. El converso es cierto por simetra.

Si V es un espacio vectorial dimensionalmente finito sobre R (o sobre C),
con base = {v1 , ..., vn }, entonces la funcion || || : V R+ {0} dada
por
n

! 12
n
X

X


i vi =
|i |2
||v|| =
,


i=1

i=1

es una norma (ejercicio), donde i R (o en C) son los escalares que expresan


a v en terminos de la base . Esto muestra que V tiene al menos una norma.
El siguiente resultado muestra que cualquier otra norma sobre V es equivalente
a esta norma.
Teorema 3.4.3 Sean V un espacio vectorial dimensionalmente finito sobre R
(o C), = {v1 , ..., vn } una base para V y || || una norma definida en V .
Entonces, || || || || .
n. Sea
Demostracio
M =

n
X
i=1

! 12
2

||vi ||

89

3. Limites y continuidad.

Como es una base, se sigue que M > 0. Luego


n

n
X

X


i vi
||i vi ||



i=1

i=1

n
X
i=1

|i | ||vi ||

n
X

i=1

! 12

n
X

|i |2

i=1

! 21
||vi ||2



n

X


i vi .
= M


i=1

Ahora, sea f : Rn R (se puede sustituir R por C), definida como




n
X



f (1 , ..., n ) =
i vi .


i=1

N
otese que esta funci
on es continua. Por otra parte, el conjunto
S = {(, ..., n ) Rn |

n
X
i=1

|i |2 = 1},

es compacto, por lo que, por la proposicion 3.2.10, existe un punto (1 , ..., n )


S tal que
m = f (1 , ..., n ) f (1 , ..., n ),
para todo (1 , ..., n ) S. Si m = 0, entonces


n
X



i vi = 0,



i=1

de donde se concluye que

n
X

i vi = 0,

i=1

lo cual es una contradicci


on al hecho de que es una base. Por tanto, m > 0.

Adem
as, por la definici
o
n
de || || , si ||v|| = 1, entonces

||v|| m. As, si
x
x
x V {0}, como ||x|| = 1, se obtiene que ||x|| m, de donde se
concluye que
||x|| m ||x|| ,
quedando demostrado el teorema.


La equivalencia de normas, en efecto, define una relacion de equivalencia,
por lo que el siguiente resultado es inmediato.

90

3.4. Espacios vectoriales normados dimensionalmente finitos

Corolario 3.4.4 Sean V un espacio vectorial dimensionalmente finito sobre


R (o sobre C) y || ||, || ||0 dos normas definidas sobre V . Entonces, dichas
normas son equivalentes.
Ahora que ya hemos demostrado que todas las normas sobre un espacio
vectorial dimensionalmente finito son equivalentes, basta con estudiar las propiedades de espacio metrico asociadas con una norma en particular.
N
otese que si V es un espacio vectorial dimensionalmente finito sobre R, se
n
X
puede crear una biyeccion entre V y Rn , a saber, si v =
i vi , entonces
i=1

v (1 , ..., n ).

Como Rn es completo, se sigue que V tambien lo es, ya que una sucesion de


Cauchy en V define una sucesion de Cauchy en Rn y, por tanto, esta u
ltima
ser
a una sucesi
on convergente a un vector (x1 , ..., xn ) Rn . Luego, este vector
determina un elemento v0 V . De esta forma, hemos demostrado que todo
espacio vectorial dimensionalmente finito, normado, es completo.
Resulta interesante verificar el concepto de continuidad para transformaciones lineales. Para esto, definimos el concepto de transformacion acotada.
Definici
on 41 Sea T : V W una transformaci
on lineal, donde V y W
son normados. Se dice que T es acotada si existe c R+ tal que para todo
v V, kT (v)kW k vkV .
Teorema 3.4.5 Sea T : V W una transformaci
on lineal, donde V, W son
espacios normados. Entonces las siguientes afirmaciones son equivalentes
a) T es acotada.
b) T es continua.
c) T es continua en v0 V.

n. Supongamos que T es acotada; entonces, existe c R+ tal


Demostracio
que, para toda v V, kT (v)kW kvkV , As, para cualquier v0 V y > 0,
tomando = c se tiene que
kT (v) T (v0 )kW = kT (v v0 )kW ckv v0 kV < c
si kv v0 kV < . Por lo tanto a) implica b).
Por otra parte, b) implica c) trivialmente, por lo que demostramos c) implica
a). Supongamos que T es continua en v0 . Tomando = 1, existe > 0 tal
que si
kv v0 kV < ,
entonces kT (v) T (v0 )kW < 1. Escribiendo N = v v0 , se obtiene que,
si kN kV < , entonces kT (N )kW < 1 (T es lineal). Ahora, consideremos

w; luego,
w V {0} y definimos v = v0 + 2kwk
V
N = v v0 =

w
2kwkV ,

91

3. Limites y continuidad.

donde kN kV =

< . As,


w

kT (N )kW = kT
kW =
kT (w)kW < 1,
2 kwkV
2kwkV

de donde se concluye que


kT (w)kW <
como se quera demostrar.

2
kwkV = ckwkV

Bibliografa
[1] Friedberg, S. et Al, Linear Algebra, New Jersey, Prentice Hall, 2003.

[2] Cardenas, H. et Al, Algebra


superior, Mexico, Trillas, 1982.
[3] Courant, R., Fritz, J., Introduction to Calculus and Analysis Vol. 2,
New York, Interscience, 1965.

[4] Lascurain, A., Algebra


superior I, Mexico, Facultad de Ciencias, UNAM,
2012.
[5] Lehmann, C., Geometra analtica, Mexico, Limusa, 1994.
[6] Marsden, J., Hoffman, M. Elementary Classical Analysis, New York,
W. H. Freeman and Company, 1993.
[7] Murdoch, D. C., Geometra analtica con vectores y matrices, Mexico,
Limusa, 1981.

93