ESPACIOS MÉTRICOS Y NORMADOS

1. Funciones de distancia
1.1. Definición de métrica y norma. Convencionalmente, al inicio de un curso de esta natu-
raleza, se comienza dando las definiciones de los objetos de principal interés. En este caso se trata de
los espacios métricos. Estos, puede decirse, que vienen en dos formas: Directamente de una métrica
—de ahı́ el nombre— o, en su defecto, de una norma —y en la práctica, se prefiere—.
Definición. Sea M un conjunto y sea d : M × M → R una función. En ese caso, d se dice una
métrica para M si se cumplen las siguientes propiedades: Para cualesquiera elementos x, y y z,
1. d(x, y) ≥ 0.
2. d(x, y) = 0 si y sólo si x = y.
3. d(x, y) = d(y, x).
4. d(x, y) ≤ d(x, z) + d(z, y).
Definición. Diremos que la pareja (M, d) es un espacio métrico cuando M es un conjunto y d una
métrica para M .
Definición. Sea V un espacio vectorial sobre algún subcampo de los números complejos y sea
∥ · ∥ : V → R una función. Diremos que ∥ · ∥ es una norma para V , si se verifica lo siguiente: Para
un escalar cualquiera c y cualesquiera vectores u y v,
1. ∥v∥ ≥ 0.
2. ∥v∥ = 0 si y sólo si v = 0.
3. ∥cv∥ = |c|∥v∥.
4. ∥u + v∥ ≤ ∥u∥ + ∥v∥.
Definición. Diremos que la pareja (V, ∥·∥) es un espacio normado si V es un espacio vectorial
sobre algún subcampo de los números complejos y ∥·∥ es una norma para V .
Debe observarse que un espacio normado puede ser interpretado inmediatamente como un espacio
métrico de la siguiente manera: Dado un espacio normado (V, ∥·∥), se puede definir una métrica d
para V como
d(u, v) = ∥u − v∥ .
1.2. Observaciones y ejemplos.
Ejemplo. Obviamente, el ejemplo inmediato y el cual sirve como inspiración a la definición son
los reales junto al valor absoluto como norma. Generalmente nos referimos a éste como el conjunto
de los reales con la métrica usual. Debe observarse que un curso de cálculo convencional, utiliza
fuertemente el concepto de distancia entre dos números para formular formalmente los objetos que
estudia: Lı́mites, derivadas, integrales, etc.
Ejemplo. De la misma manera, los números complejos junto al módulo como norma son también un
espacio métrico y de la misma forma, nos referimos a éste como el conjunto de los números complejos
con la métrica usual. De nueva cuenta, debe observarse que un curso de variable compleja utiliza
1
esta noción de distancia entre dos números complejos para formular formalmente los conceptos
analı́ticos correspondientes.
Ejemplo. Extendiendo la idea, el espacio Rn tiene vinculado a éste una norma estándar que en el
caso del curso la denotaremos como ∥·∥2 y la cual ya conocemos:
v
u n
uX 2
∥(x1 , . . . , xn )∥2 = t |xi | .
i=1

A este norma se le suele denominar norma euclidiana y cuando el espacio Rn está acompañado de
ésta norma se le denomina el espacio euclidiano de dimensión n. De nueva cuenta, debe observarse
que un curso de cálculo multivariado, explora nociones analı́ticas definidas en este espacio.
Ejemplo. De manera similar, el espacio Cn tiene vinculado a éste una norma estándar que, en
nuestro caso, denotaremos como ∥·∥2 y se define en términos del modulo complejo como
v
u n
uX 2
∥(z1 , . . . , zn )∥2 = t |zi | .
i=1

A esta norma suele denominarse norma unitaria y cuando el espacio Cn está acompañado de ésta
norma se le denomina el espacio unitario de dimensión n. Este espacio, deberı́a suponerse, es el
objeto base al estudiar análisis complejo multivariado.
Ejemplo. Un ejemplo elemental de métrica que puede ser un poco extraño en principio se conoce
como métrica discreta y esta se define de la siguiente manera: Para un conjunto cualquiera M , la
función d : M × M → R es una métrica al definirse como
(
0 x=y
d(x, y) = .
1 x ̸= y
A pesar de lo que puede parecer, tal definición define una métrica que es poco convencional pues
mide de manera binaria la distancia indicando únicamente si los dos puntos son iguales o no.
Ejemplo. Un ejemplo que también debe conocerse en este punto son los espacios producto interno,
en los cuales la forma cuadrática asociada al producto interno, como forma bilineal, resulta una
norma y por tanto estos espacios son, naturalmente, espacios métricos. Estos espacios suelen ser
bastante ricos en propiedades y aunque no trataremos extensivamente su teorı́a, resultan profunda-
mente interesantes y debe notarse cuánta estructura acarrea la existencia de un producto interno
en un espacio.
Hay alguna sutileza que requiere aclaración: Debemos recordar que dado un espacio normado
(V, ∥·∥), es posible definir una métrica d : V ×V → R para éste como d(u, v) = ∥u − v∥. Sin embargo,
el proceso inverso es falso: Dado un espacio vectorial para el cual se ha identificado una métrica
d : V × V → R, esta métrica no necesariamente proviene de una norma. Esto último requiere
aclaración:
Definición. Sea V un espacio vectorial y sea d una métrica para el espacio d. Diremos que d
proviene de una norma cuando es posible encontrar una norma |·| definida en V de forma que,
d(u, v) = ∥u − v∥. En ese caso, también podemos hacer explı́cita la dependencia afirmando que d
proviene de la norma |·|.
2
 Es posible caracterizar este tipo de métricas de manera relativamente sencilla observando una
función que se induce de manera inmediata a través de la estructura lineal del espacio.
Proposición 1. Sea V un espacio vectorial y sea d una métrica para tal espacio. Si d proviene de
la norma, entonces la función d(−, 0) : V → R es una norma. Además, en ese casi, d proviene de
la norma d(−, 0).
Demostración. Se requiere un poco de aclaración sobre la función en juego que está auxiliando a
clasificar la métrica. Vamos a considerar que ρ : V → R definida como ρ(u) = d(u, 0) y en ese
sentido ρ = d(−, 0). Con esta función vamos probar nuestra afirmación.
Si d proviene una norma, entonces existe una norma |·| de forma que
ρ(u) = d(u, 0)
= |u − 0|
= |u|
con lo que inmediatamente podemos concluir que ρ es una norma y que d proviene de ρ. ■

De lo anterior, podemos volver a nuestro punto de partida para formular una estrategia que nos
permita establecer si una métrica proviene de una norma usando la función auxiliar ρ : V → R,
definida como ρ(u) = d(u, 0), y verificar si ésta es una norma o no.
Ejemplo. Un ejemplo interesante de lo anterior puede darse utilizando la métrica discreta definida
sobre un espacio vectorial V . Usando esta métrica podemos tomar la función auxiliar ρ : V → R
definida como ρ(v) = d(v, 0) y observar que, para un vector no nulo v y un escalar c tal que |c| =
̸ 1,
se tiene que
ρ(v) = 1
̸= |c|
= |c|ρ(v)
Concluyendo ası́ que ρ no es una norma y por tanto d no proviene de una norma, haciendo de la
métrica discreta un ejemplo pertinente de que esta situación puede suceder.
1.3. Funciones acotadas. Todos los ejemplos anteriores son muy convencionales y, hasta cierto
punto, ya han sido estudiados con anterioridad en otros cursos —en realidad, vamos a construir sobre
toda esa experiencia— pero aún dejan un mal sabor de boca cuando si de lo que intentamos hablar es
de una teorı́a propia del análisis matemático. Para poder hablar propiamente del tema, necesitamos
introducir un objeto de corte analı́tico que nos permitirá abordar correcta y profundamente la ideas
que buscamos desarrollar.
Ejemplo. Consideremos un subcampo de los complejos K (un caso de particular interés es K = R)
y un conjunto X cualquiera. Debemos recordar que el conjunto de todas las funciones de X en
K forma un espacio vectorial usando las operaciones entrada a entrada. De este espacio es posible
extraer el subespacio BK (X) formado por todas las funciones acotadas, recordando que una función
f : X → K se dice acotada si existe algún elemento k ∈ K de forma que, para todo x ∈ X,
|f (x)| ≤ k.
El subespacio BK (X) se puede ver como un espacio normado, si se usa la siguiente norma

∥f ∥∞ = sup {|f (x)| : x ∈ X} .

3
 A esta norma se le denomina norma supremo, norma infinito o norma uniforme y es notable
que, en ese sentido, el espacio BK (X) se puede dar como un espacio métrico.
Una de las virtudes de este ejemplo, es su enorme generalidad lo que permite derivar algunos
ejemplos adicionales —que son, por sı́ mismos, muy importantes— y dar un marco que permita
derivar algunas propiedades sin tener que recurrir a casos particulares. Presentamos aquı́ dos que
podrı́an ser considerados como subejemplos.
Ejemplo. Cuando se toma X = N, el espacio BK (N) contiene funciones de la forma f : N → K
lo que quiere decir que se trata del espacio de sucesiones sobre el campo K. Generalmente, éste
espacio se denota como l∞ y hereda la norma del espacio de funciones tomando, para una sucesión
x = {xi },

∥x∥∞ = sup {|xi | : i ∈ N} .

Debe observarse que lo anterior, aunque un ejemplo, es un espacio muy peculiar que tiene cierta
importancia algebraica y ahora ha sido enriquecido para poder ser estudiado de manera analı́tica.
Ejemplo. Cuando se toma X = [a, b], el espacio BK (X) contiene funciones f : [a, b] → K las cuales
no son ajenas. En particular, si K = R, el conjunto resultante es el objeto de estudio de un primer
curso de cálculo. En cualquiera de los casos, el espacio BK ([a, b] también hereda la norma la cual
toma una forma particular: Para cada función f ∈ BK ([a, b]),
∥f ∥∞ = sup {|f (x)| : x ∈ [a, b]} .
En este caso, tenemos un retrato de la intuición que hemos desarrollado en cálculo y que podemos
extender a otros espacios.

2. Subespacios
2.1. Subespacios métricos y normados. Consideremos un espacio métrico M con métrica d y
también un subconjunto N ⊆ M . Podemos notar que podemos realizar una restricción de la función
d para que opere únicamente sobre el conjunto N de la siguiente manera: Tomamos la función
d|N : N × N → R
con regla de correspondencia
d|N (x, y) = d(x, y).
Debe observarse que lo anterior es simplemente la restricción de la función d al conjunto N × N .
Además, si N es no vacı́o, entonces no es difı́cil comprobar que d|N es una métrica para el conjunto
N . Esto da paso a la siguiente definición:
Definición. Sea M un espacio métrico con métrica d. Si N es un subcojunto no vacı́o de M ,
entonces d|N se denomina la métrica relativa a N inducida por d y el conjunto N junto a d|N se
considera un subespacio métrico de M .
A diferencia del caso de espacios métricos, en un espacio normado, la restricción de una norma
a un conjunto cualquiera no resulta en una norma —una razón de esto es porque la métrica no
depende más que de la estructura del conjunto mientras que la norma depende de la estructura
del espacio—. Para poder garantizar que obtenemos una norma al realizar una restricción de otra
norma, se debe tener un subespacio para poder hablar de las operaciones pertinentes. Procedemos,
entonces, como sigue: Para un espacio normado V con norma ∥·∥ y un subespacio W de V , definimos
∥·∥W : W → R
4
como
∥w∥W = ∥w∥
De nueva cuenta, esta es simplemente la restricción de la norma al subespacio W con la peculiaridad
de ser por sı́ misma una norma. Con esto podemos dar la siguiente definición.
Definición. Sea V un espacio normado con norma ∥·∥. Si W es un subespacio de V , entonces ∥·∥W
se denomina la norma relativa a W inducida por ∥·∥ y el conjunto W junto a ∥·∥W se denomina un
subespacio normado de V .
Esta última definición parece un poco restrictiva, y, en realidad, lo es, pero es natural que resulte
más fácil dar subespacios métricos que subespacios normados. Los segundos tienen más estructura y
por eso pueden ser más atractivos pero los primeros no tienen porque ser despreciados. En realidad,
es posible extraer subconjuntos que no sean necesariamente subespacios lineales de un espacio
vectorial normado concediendo que estos no resulten espacios normados sino simplemente espacios
métricos.
2.2. Observaciones y ejemplos. Revisemos algunos ejemplos que ayuden a aclarar el proceso
de obtención de espacios con el proceso que acabamos de describir.
Ejemplo. En los número reales, el intervalo cerrado [a, b] no tiene estructura de subespacio y según
lo anterior no califica como espacio normado pero sı́ como un espacio métrico pues el valor absoluto
es capaz de inducir una métrica en los números reales, la cual se puede restringir al intervalo,
garantizando que posea una métrica. Al final del proceso, la métrica está simplemente definida
como sigue: Para cualesquiera dos puntos x, y ∈ [a, b],
d(x, y) = |x − y| .
Ejemplo. Vamos a considerar un conjunto del espacio l∞ : El conjunto c0 formado por las sucesiones
que convergen a 0, i. e., una sucesión {xi } de forma que
lı́m xi = 0
i→∞
No es difı́cil verificar que c0 es un subespacio y, si agregamos que l∞ tiene la norma uniforme
asociada, podemos usar ésta para garantizar que c0 es un espacio normado.
Ejemplo. De manera similar, podemos considerar el conjunto C[a, b] formado por las funciones
continuas definidas en el intervalo [a, b] y considerarlo como un subespacio del espacio BR ([a, b]).
Como en el ejemplo anterior, podemos inducir una norma sin problema alguno usando la norma
uniforme que hemos definido con anterioridad.

3. Ejemplos notables
3.1. Espacios euclı́deos y unitarios. Una de las propiedades más interesantes acerca de los
espacios métricos y normados es la sensibilidad de la forma en que se mide la distancia entre puntos.
Vamos a realizar una pequeña exploración algunas otras normas posibles que hay para Rn .
Comenzamos definiendo una norma especial que difiere de la norma euclidiana:
n
X
∥(x1 , . . . , xn )∥1 = |xi | .
i=1
Debemos notar que, aunque el espacio base es el mismo, lo anterior define una norma distinta a
la norma euclidiana, ası́ que el espacio Rn es uno cuando viene acompañado de ∥·∥1 pero otro com-
pletamente distinto cuando es la norma ∥·∥2 quien lo acompaña. En general, si no se indica, puede
5
asumirse que es la norma euclidiana la que acompaña al espacio, pero debe abrirse la posibilidad
de que éste no sea el espacio euclidiano convencional.
Podemos ir algo más lejos para definir una nueva norma que engloba a las dos anteriores: La
p-norma. Esta se define de siguiente manera:
v
u n
uX p
∥(x1 , . . . , xn )∥p = t
p
|xi |
i=1

Debe notarse que hemos definido por separado los casos p = 1 y p = 2 pero esta norma también
está definida para cualquier entero positivo p. Puede incluso irse más lejos tomando la versión lı́mite
de esta norma con la expresión
∥(x1 , . . . , xn )∥∞ = máx {|xi | : 1 ≤ i ≤ n} .
La razón por la que se afirma que se trata de un caso lı́mite es que se tiene la siguiente igualdad
v
u n
uX p
p
lı́m t |xi | = máx {|xi | : 1 ≤ i ≤ n} .
p→∞
i=1

Esta igualdad de lı́mites se puede probar de manera sencilla observando lo siguiente: Supongamos
que
|xj | = máx {|xi | : 1 ≤ i ≤ n} .
En ese caso,
v
u n
uX p
|xj | ≤ t
p
|xi |
i=1
v
u n p
u X |xi |
= |xj | · u
p 1 + p
t |xj |
i=1
i̸=j

≤ |xj | · n1/p
Utilizando el proceso de lı́mite, obtenemos
v
u n
uX p
|xj | ≤ lı́m t
p
|xi | ≤ |xj |
p→∞
i=1

Por supuesto, no deberı́a tenerse empacho en limitarse a hablar de los espacios Rn . Las mismas
definiciones aplican también para los espacios Cn donde en lugar de utilizar el valor absoluto, se
utiliza el módulo complejo y todo lo anterior puede formularse de nueva cuenta sin problema alguno.

3.2. Espacios de sucesiones. Con el espı́ritu de extender las normas de espacios euclı́deos a
espacios de sucesiones, introduciremos un par de espacios especiales de sucesiones antes de dar una
noción general que está conectada con una norma que ya hemos introducido. Para el primer caso,
la idea serı́a establecer la norma de una sucesión x = {xi } como
∞
X
∥x∥1 = |xi | .
i=1
6
 El problema de la expresión anterior es que no hay garantı́a de su convergencia indistintamente
de la sucesión. Esto quiere decir que este tipo de normas se pueden definir únicamente en un tipo
especial de espacio: El espacio l1 . Éste simplemente está formado por todas la sucesiones x = {xi }
tales que
X∞
|xi | < ∞.
i=1
En otras palabras, aquellas para las cuales existe el lı́mite
Xn
lı́m |xi | .
n→∞
i=1
No es difı́cil observar que, para tales sucesiones, es posible definir sin problema alguno la norma
como se habı́a intentado, i. e.,
X∞
∥x∥1 = |xi |
i=1
Para abordar el caso general, propondremos como lp al espacio de sucesiones x = {xi } tales que
∞
X p
|xi | < ∞
i=1
y para el cual se da la p-norma v
u∞
uX p
∥x∥p = t
p
|xi | .
i=1

De alguna forma, estos espacios plantean una primera generalización de los espacios euclı́deos
donde se involucran ya propiamente objetos de corte analı́tico al depender su definición tanto del
concepto de lı́mite como de perder su naturaleza finita (dimensión).
Al igual que en los espacios de n-tuplas, en las sucesiones también es posible definir un caso
lı́mite y éste se trata simplemente de la norma uniforme sobre sucesiones y la cual está vinculada
precisamente al espacio l∞ . Para observar eso, consideremos una sucesión x = {xi } que pertenezca
a todos los espacios lp , i. e.,
∞
\
x∈ lp ;
p=1
en ese caso, podemos obtener todas las p-normas del vector x —que es una sucesión—. Eso quiere
decir que podemos explorar el siguiente cálculo:
v
u∞
uX p
|xi | = sup |xi | : i ∈ Z+
p

lı́m t
p→∞
i=1

Para establecer eso, primero pensemos en las versiones finitas de la sucesión fijando primero el valor
de n donde ya hemos calculado que
v
u n
uX p
p
lı́m t |xi | = máx {|xi | : 1 ≤ i ≤ n}
p→∞
i=1

≤ sup |xi | : i ∈ Z+


7
Además, para cada i,
v
u n
uX p
|xi | ≤ t
p
|xi |
i=1
v
u∞
uX p
≤t
p
|xi |
i=1
v
u∞
uX p
≤ lı́m t
p
|xi |
p→∞
i=1

por lo que
v
u∞
uX p
sup |xi | : i ∈ Z+ ≤ lı́m t
 p
|xi | .
p→∞
i=1

3.3. Espacios de funciones. De la misma forma en que se extiende la idea a sucesiones, podemos
trasladarla también a funciones. En particular, podemos utilizar el espacio C[a, b] formado por las
funciones continuas en el intervalo [a, b]. En ese caso, es posible definir la p-norma como sigue:
v
u b
uZ
p p
∥f ∥p = t |f (t)| dt
u

Se debe observar que el caso con p = 2 es un caso que corresponde a la norma que es inducida
por el producto integral definido sobre el espacio de funciones continuas. En ese sentido, esto es
una generalización. Una cosa que es curiosa es que, a diferencia de este caso, ninguna de las otras
p-normas proviene de un producto interno y precisamente por eso, su caso es especial.
Al igual que en todos los casos anteriores, podemos hacer ver que el caso lı́mite no está fuera de
lugar observando que ya hemos definido tal norma para el espacio C[a, b] como
∥f ∥∞ = sup {|f (x)| : x ∈ [a, b]} .

3.4. Algunos comentarios sobre las pruebas. Debe observarse que hasta este punto no se
han desarrollado pruebas en lo absoluto. La idea es que los ejemplos se presenten primero sin las
complejidades que acarrean algunos de los detalles más finos delimitando únicamente las definiciones
de las que partimos y asumiendo que muchos de los ejemplos primarios son ya bien conocidos y
las pruebas han sido estudiadas con anterioridad. Sin embargo, los ejemplos introducidos en la
sección anterior son de una naturaleza diferente, las pruebas de esos ejemplos —para ser explı́citos:
las p-normas para los diferentes tipos de espacios— contienen alguna sutilezas en sus pruebas.
En particular, la parte más complicada de ellas es siempre la desigualdad del triángulo. Vamos a
comentar algunos lemas que nos ayudan a obtener esas pruebas.
Si recuerdan correctamente sus cursos de cálculo y álgebra, deben de reconocer que una desigual-
dad que nos permitı́a establecer la desigualdad del triángulo para cualquier espacio vectorial con
un producto era la desigualdad de Cauchy-Schwarz. En el caso de las p-normas esta desigualdad no
es nada útil y, en su defecto, deberı́amos poder hacer uso de una generalización de esta conocida
como la desigualdad de Hölder
8
Lema 2 (Hölder). Para cualesquiera números reales o complejos y enteros positivos p y q:
v v
Xn u n u n
uX uX
|xi yi | ≤ p
t p
|xi | tq
|yi |q
i=1 i=1 i=1

cuando
1 1
+ =1
p q
Ejercicio 1. Demuestra la desigualdad de Hölder. Sugerencia: Revisa [Gil87] y observa que se utiliza
en el proceso otra desigualdad auxiliar: La desigualdad de Young.
La desigualdad que buscamos que permita garantizar la desigualdad del triángulo es la siguiente:
Lema 3. Para cualesquiera números reales o complejos y un entero positivo p cualquiera,
v v v
u n u n u n
uX p
uX p
uX p
tp
|xi + yi | ≤ tp
|xi | + t
p
|yi |
i=1 i=1 i=1

Demostración. Es una observación acerca de una secuencia de desigualdades: Como p es un número

fijo, podemos encontrar q de modo que
1 1
+ = 1.
p q
En ese caso
Xn n
X
p p−1
|xi + yi | = |xi + yi | |xi + yi |
i=1 i=1
n
X n
X
p−1 p−1
≤ |xi | |xi + yi | + |xi + yi | |yi |
i=1 i=1
Uno de los último términos, puede aplicarse la desigualdad de Hölder:
v v
X n u n
X
u n
p−1
u uX
pt (p−1)q
|xi | |xi + yi | ≤ p
t |xi | q |xi + yi |
i=1 i=1 i=1

y de la misma manera procedemos con el segundo:

v v
Xn u n
X
u n
p−1
u uX
pt (p−1)q
|yi | |xi + yi | ≤ p
t |yi | q |xi + yi | .
i=1 i=1 i=1

Por la forma en que hemos elegido q, es posible notar que p = (p − 1)q y de esta manera, podemos
afirmar que v v v 
Xn u n
X
u n
X
u n
X
p p p p
u u u
|xi + yi | ≤ t
q
|xi + yi |  t
p
|xi | + t
p
|yi |  .
i=1 i=1 i=1 i=1

De nuevo, por la elección de q podemos garantizar que 1 − 1/q = 1/p ası́ que lo anterior implica
v v v
u n u n u n
uX p
u X p
uX p
p
t |xi + yi | ≤ p
t |xi | + t
p
|yi | .
i=1 i=1 i=1
9
Esta última desigualdad es la que estábamos buscando. ■

Con esta última desigualdad es posible que la p-norma para los espacios de n-tuplas reales y
complejas cumple ser, en efecto, una norma. Además, nos permite garantizar que lp es, en efecto,
un subespacio de sucesiones y que se da también la desigualdad del triángulo se da para la p-norma
en ese espacio. Finalmente, el último cabo suelto es repetir el razonamiento anterior para probar la
desigualdad de Hölder en su versión para integrales para garantizar que la p-norma en el espacio
de funciones continuas, en efecto, define una norma como se esperarı́a.
Ejercicio 2. Vamos a hacer un resumen de todos los pendientes:
1. Demuestra que ∥·∥p es una norma para los espacio Rn y Cn .
2. Demuestra que lp es un subespacio del espacio de sucesiones y demuestra que ∥·∥p es una
norma.
3. Utiliza la desigualdad de Young para probar la versión integral de la desigualdad de Hölder.
Después utiliza la desigualdad de Hölder para mostrar que ∥·∥p es una norma en el espacio
C[a, b].

10