Capítulo 1

Preliminares matemáticos

1.1. Simbología y notación

Durante el presente curso, se utilizarán los siguientes símbolos matemáticos que abre-
vian palabras o frases:

∀ para todo(a) (1.1)

∃ existe (1.2)
∈ perteneciente a (1.3)
⇒ implica (1.4)
⇔ equivalente a, si y sólo si (1.5)
≡ idénticamente igual (1.6)
, se define como (1.7)
| tal que (1.8)
 fin de demostración (1.9)
M fin de teorema, lema, corolario o definición (1.10)
♦ fin de ejemplo o proposición (1.11)
 fin de nota (1.12)

Así mismo, una notación importante es el conjunto de los números reales que está
denotado por el símbolo R. Dentro del conjunto R se definen también: el conjunto de los
números enteros Z, el conjunto de los números enteros no negativos N y el conjunto de los
números racionales Q. Entonces, el conjunto de los números reales no negativos R+ está
definido como

R+ = {α ∈ R | α ∈ [0, ∞)} (1.13)

El valor absoluto de un número real α, se representa como |α|.

1
U1: Preliminares matemáticos 1S - 2020

1.2. Vectores, matrices y normas

Vectores
Un vector es un conjunto de n valores acomodados en forma de columna, es decir
 
x1
 x2   T
x =  ..  = x1 x2 . . . xn (1.14)
 
 . 
xn
T
donde x1 , x2 , . . . , xn son las coordenadas o componentes del vector x. El superíndice
representa la transposición del vector x.

El conjunto de todos los vectores de dimensión n es llamado Espacio Euclidiano de

dimensión n y es denotado como Rn . Entonces, si x es un vector de dimensión n, puede
representarse como x ∈ Rn . El espacio Euclidiano de dimensión uno es equivalente al
conjunto de todos los números reales R.

Los vectores pueden ser sumados con sólo sumar sus componentes respectivas. La única
condición es que sean de la misma dimensión. Sea x, y, z ∈ Rn , entonces
       
x1 y1 x1 + y 1 z1
 x2   y2   x2 + y2   z2 
z = x + y =  ..  +  ..  =   =  ..  (1.15)
       
..
 .   .   .   . 
xn yn xn + y n zn

Sí un vector x ∈ Rn es multiplicado por un valor escalar α, entonces cada elemento

de x es multiplicado por el valor α. Por otro lado, el producto interno de dos vectores
x, y ∈ Rn está definido como
 
y1
n
 y2 
  X
T

x y = x1 x2 . . . xn  ..  = x1 y1 + x2 y2 + . . . + xn yn = xi y i (1.16)
 .  i=1
yn

Si el producto interno es igual a cero, se dice que los dos vectores son ortogonales o
perpendiculares. Se puede verificar que el producto interno cumple con las siguientes dos
propiedades:
• xT y = y T x, para todo x, y ∈ Rn
• xT (y + z) = xT y + xT z, para todo x, y, z ∈ Rn

Dr. Alejandro Enrique Dzul López 2

U1: Preliminares matemáticos 1S - 2020

Norma euclidiana

La norma euclidiana de un vector x ∈ Rn , denotada como kxk, está definida como

v
u n
uX √
kxk = t x2i = xT x (1.17)
i=1

de la cual sólo se considera la parte positiva de la raíz cuadrada. Así mismo, se pueden
comprobar fácilmente las siguientes propiedades:

• kxk = 0, si y sólo si x = 0 ∈ Rn

• kxk > 0, para todo x ∈ Rn con x 6= 0 ∈ Rn

• kαxk = |α|kxk, para toda α ∈ R y x ∈ Rn

• kxk − kyk ≤ kx + yk ≤ kxk + kyk, para todo x, y ∈ Rn (desigualdad del triángulo)

• |xT y| ≤ kxkkyk, para todo x, y ∈ Rn (desigualdad de Schwarz )

Matrices

Las matrices son arreglos de valores reales que están formados por n renglones y m
columnas, las cuales son llamadas como matrices de dimensión n × m:
 
a11 a12 . . . a1m
 a21 a22 . . . a2m 
A =  (1.18)
 
.. .. .. .. 
 . . . . 
an1 an2 . . . anm

donde aij ∈ R con i = 1, . . . , n, j = 1, . . . , m, son los elementos de la matriz A. Al con-

junto de matrices de dimensión n × m se le denotará por Rn×m , por lo tanto A ∈ Rn×m .
Entonces, un vector x ∈ Rn puede ser interpretado como una matriz particular pertene-
ciente a Rn×1 = Rn .

Sea una matriz A ∈ Rn×m , su matriz transpuesta AT se obtiene al intercambiar los

renglones y las columnas de A, es decir AT = {aji } ∈ Rm×n .

Dr. Alejandro Enrique Dzul López 3

U1: Preliminares matemáticos 1S - 2020

El producto de dos matrices A ∈ Rn×p y B ∈ Rp×m está definido por C = AB ∈ Rn×m ,

es decir
   
a11 a12 . . . a1p b11 b12 . . . b1m
 a21 a22 . . . a2p   b21 b22 . . . b2m 
C = AB =  .. ..  ·  ..
   
.. . . .. . . .. 
 . . . .   . . . . 
an1 an2 . . . anp bp1 bp2 . . . bpm
 Pp Pp Pp 
k=1 a 1k b k1 k=1 a 1k b k2 . . . k=1 a 1k b km
 Pp a2k bk1 Pp a2k bk2 . . . Pp a2k bkm 
k=1 k=1 k=1
=  (1.19)
 
.. .. . . .. 
.
Pp . Pp . Pp .
 
k=1 ank bk1 k=1 ank bk2 . . . k=1 ank bkm

Al igual que en los vectores, el producto de matrices satisface las siguientes propieda-
des:

• (AB)T = B T AT , para toda A ∈ Rn×p y B ∈ Rp×m

• AB 6= BA, en general

• A(B + C) = AB + AC, para toda A ∈ Rn×p y B, C ∈ Rp×m

• ABC = A(BC) = (AB)C, para toda A ∈ Rn×p , B ∈ Rp×m y C ∈ Rm×r

Una matriz A ∈ Rn×m es una matriz cuadrada si n = m. Así, una matriz cuadrada
A ∈ Rn×n es llamada matriz simétrica si ésta es igual a su transpuesta, es decir, A = AT ,
mientras que es llamada matriz antisimétrica si A = −AT . Una propiedad de una matriz
antisimétrica es:

xT Ax = 0, para todo x ∈ Rn (1.20)

Una matriz cuadrada A = {aij } ∈ Rn×n es llamada matriz diagonal, si aij = 0 para
toda i 6= j, y se denota como diag{a11 , a22 , . . . , ann } ∈ Rn×n , por ejemplo
 
a11 0 . . . 0
 0 a22 . . . 0 
n×n
diag{a11 , a22 , . . . , ann } =  .. ..  ∈ R (1.21)
 
.. . .
 . . . . 
0 0 . . . anm

Por lo tanto, cualquier matriz diagonal es también una matriz simétrica. Para el caso en
el que a11 = a22 = . . . = ann = α, la matriz diagonal se denotará como diag{α} ∈ Rn×n ,
donde α ∈ R. Dos matrices diagonales útiles son: la matriz identidad de dimensión n,
definida como I = diag{1} ∈ Rn×n ; y la matriz nula de dimensión n, definida como

Dr. Alejandro Enrique Dzul López 4

U1: Preliminares matemáticos 1S - 2020

0 = diag{0} ∈ Rn×n .

Se le llama matriz ortogonal a toda matriz A que cumple con

AT A = AAT = I (1.22)

La traza de una matriz cuadrada A ∈ Rn×n , representada como tr(A) o trace(A), es

la suma de los elementos de la diagonal principal, es decir
n
X
tr(A) = aii (1.23)
i=1

Una matriz cuadrada A ∈ Rn×n es llamada matriz singular si su determinante es

nulo, es decir, si det[A] = 0, en caso contrario, es llamada como matriz no singular. Una
característica de una matriz singular es que ésta no tiene inversa.
Teorema 1.1. (Sylvester)
Sea P una matriz cuadrada de dimensión n. Defínase

P + PT
A = {aij } = (1.24)
2
La matriz P será definida positiva si y sólo si
 
a11 a12
det[a11 ] > 0, det > 0, . . . , det[A] > 0 (1.25)
a21 a22
M
Una matriz cuadrada A ∈ Rn×n , sin ser necesariamente simétrica, también es definida
positiva si:

xT Ax > 0, ∀ x ∈ Rn , x 6= 0 ∈ Rn (1.26)

donde A > 0 significa que la matriz A es definida positiva y no quiere decir que A es
mayor a cero. Así mismo, cualquier matriz simétrica y definida positiva A = AT > 0 es
no singular, por lo tanto, su inversa existe. La suma de dos matrices definidas positivas
también resulta en una matriz definida positiva, mientras que el producto de dos matrices
simétricas definidas positivas A = AT > 0 y B = B T > 0, no resulta en general simétrico
ni tampoco definido positivo, sin embargo, la matriz resultante es no singular.

Una matriz cuadrada A ∈ Rn×n , no necesariamente simétrica, es semidefinida positiva

si

xT Ax ≥ 0, ∀ x ∈ Rn (1.27)

Dr. Alejandro Enrique Dzul López 5

U1: Preliminares matemáticos 1S - 2020

entonces, se puede decir que una matriz cuadrada A ∈ Rn×n es definida negativa si −A es
definida positiva, mientras que es semidefinida negativa si −A es semidefinida positiva.

Para cada matriz cuadrada A ∈ Rn×n existen n valores propios (también llamados
eigenvalores o autovalores) denotados por λ1 {A}, λ2 {A}, . . . , λn {A}. Los valores propios
de la matriz A satisfacen
det[λi {A}I − A] = 0, para i = 1, 2, . . . , n (1.28)
donde I ∈ Rn×n es una matriz identidad de dimensión n. Para el caso de una matriz
simétrica A = AT ∈ Rn×n , sus valores propios son tales que
• λ1 {A}, λ2 {A}, . . . , λn {A} son números reales
• denotando los valores propios máximo y mínimo de A como λmax {A} y λmin {A}
respectivamente, el Teorema de Rayleigh-Ritz establece que para todo x ∈ Rn se
tiene que
λmax {A}kxk2 ≥ xT Ax ≥ λmin {A}kxk2 (1.29)

Una matriz cuadrada A ∈ Rn×n es definida positiva si y sólo si los valores propios de
A + AT son positivos, es decir, λi {A + AT } > 0 para i = 1, 2, . . . , n. Más aún, una matriz
simétrica A = AT ∈ Rn×n es definida positiva si y sólo si λi {A} > 0 para i = 1, 2, . . . , n.

Dados los n valores propios de una matriz cuadrada A ∈ Rn×n , la traza y el determi-
nante de la matriz A pueden ser calculados como
Xn
tr(A) = λi {A} (1.30)
i=1
n
Y
det (A) = λi {A} (1.31)
i=1

El rango de una matriz A, denotado como rank(A), es el orden del mayor de los
menores distinto de cero. Por lo tanto, el rango no puede ser mayor al número de filas o
de columnas. Otra manera de calcular el rango de una matriz A, es obteniendo el número
de líneas (filas o columnas de dicha matriz) que son linealmente independientes.

Norma espectral
La norma espectral de una matriz A ∈ Rn×m , representada como kAk, está definida
como sigue
p
kAk = λmax {AT A} (1.32)
donde λmax {AT A} denota el valor propio máximo de la matriz simétrica AT A ∈ Rm×m .
Para el caso particular de matrices simétricas A = AT ∈ Rn×n , se tiene que

Dr. Alejandro Enrique Dzul López 6

U1: Preliminares matemáticos 1S - 2020

• kAk = máxi |λi {A}|

• kA−1 k = 1
mı́ni |λi {A}|

Para el caso en el que la matriz A sea simétrica y definida positiva, el símbolo de valor
absoluto de las expresiones anteriores resulta redundante.

La norma espectral satisface las siguientes propiedades:

• kAk = 0, si y sólo si A = 0 ∈ Rn×m

• kAk > 0, para toda A ∈ Rn×m con A 6= 0 ∈ Rn×m

• kA + Bk ≤ kAk + kBk, para toda A, B ∈ Rn×m

• kαAk = |α| kAk, para toda α ∈ R y A ∈ Rn×m

• kAT Bk ≤ kAkkBk, para toda A, B ∈ Rn×m

Otras desigualdades útiles son las siguientes. Considérese la matriz A ∈ Rn×m y el

vector x ∈ Rm . La norma euclidiana del vector Ax satisface que

kAxk ≤ kAk kxk (1.33)

donde lógicamente kAk es la norma espectral de A y kxk es la norma euclidiana de x. Así

mismo, sea y ∈ Rn , el valor absoluto de y T Ax satisface

ky T Axk ≤ kAk kyk kxk (1.34)

P-normas
Considérese ahora la clase de p-normas definidas como

kxkp = (|x1 |p + . . . + |xn |p )1/p , ∀ x ∈ Rn , 1 ≤ p < ∞ (1.35)

kxk∞ = máx |xi | (1.36)

i

Las tres normas más comunes son kxk1 , kxk∞ y la norma euclidiana kxk2 . Todas las
p-normas son equivalentes, en el sentido que si k · kα y k · kβ son dos p-normas diferentes,
entonces existen constantes positivas c1 y c2 tales que

c1 kxkα ≤ kxkβ ≤ c2 kxkα , ∀ x ∈ Rn (1.37)

Dr. Alejandro Enrique Dzul López 7

U1: Preliminares matemáticos 1S - 2020

Para el caso particular de las tres normas más comunes, la desigualdad (1.37) queda
como
√
kxk2 ≤ kxk1 ≤ nkxk2 (1.38)
√
kxk∞ ≤ kxk2 ≤ nkxk∞ (1.39)
kxk∞ ≤ kxk1 ≤ nkxk∞ (1.40)
donde x ∈ Rn .

Dos resultados importantes que se obtienen de las p-normas son la llamada desigualdad
de Hölder
1 1
|xT y| ≤ kxkp kykq , con + = 1, ∀ x, y ∈ Rn (1.41)
p q
y la llamada desigualdad de Minkowski
kx + ykp ≤ kxkp + kykp , con p ≥ 1, ∀ x, y ∈ Rn (1.42)
Para el caso de una matriz A ∈ Rn×m , con elementos definidos reales, y un vector
x ∈ Rm , la matriz define un mapeo lineal y = Ax, que pasa de Rm a Rn . La p-norma
inducida de A ∈ Rn×m está dada por
kAxkp
kAkp = sup = máx kAxkp (1.43)
x6=0 kxkp kxkp =1

por lo que en el caso de p = 1, 2, ∞, la ecuación (1.43) queda

n
X
kAk1 = máx |aij | (1.44)
j
i=1
1/2
= λmax {AT A}

kAk2 (1.45)
m
X
kAk∞ = máx |aij | (1.46)
i
j=1

Algunas propiedades más comunes para matrices reales A y B, de dimensiones n × m

y m × l respectivamente son
1 √
√ kAk∞ ≤ kAk2 ≤ nkAk∞ (1.47)
m
1 √
√ kAk1 ≤ kAk2 ≤ mkAk1 (1.48)
n
p
kAk2 ≤ kAk1 + kAk∞ (1.49)
kABkp ≤ kAkp kBkp (1.50)

Dr. Alejandro Enrique Dzul López 8

U1: Preliminares matemáticos 1S - 2020

Diada, producto vectorial y matriz antisimétrica

La diada es un producto vectorial definido como
 
x1
 x2  
x ◦ y = xy T =  ..  y1 y2 · · · yn ∈ Rn×n ∀ x, y ∈ Rn

(1.51)
 
 . 
xn

Dados x, y, z ∈ Rn , se puede comprobar que

(x ◦ y)z = (y T z)x (1.52)

(x ◦ y)T z = (xT z)y (1.53)

Asimismo, x ◦ x = xxT , lo cual forma una matriz simétrica semidefinida positiva.

Para el caso de vectores en R3 , existe también otro producto de vectores, llamado

producto vectorial o producto cruz, definido como sigue: sean x, y, z ∈ R3 , entonces:
     
x1 y1 x2 y3 − x3 y2
z = x × y =  x2  ×  y2  =  x3 y1 − x1 y3  (1.54)
x3 y3 x1 y2 − x2 y1

Otra forma de expresar el producto vectorial es a través del uso de una matriz an-
tisimétrica, la cual está definida como sigue: sea x ∈ R3 , la matriz antisimétrica x̂ está
compuesta como
 
0 −x3 x2
x̂ =  x3 0 −x1  (1.55)
−x2 x1 0

Utilizando (1.55), el producto vectorial puede ser reescrito como

x × y = x̂y (1.56)

Utilizando los tres tipos de productos con vectores (punto, vectorial y diada), y dados
los vectores x, y ∈ R3 , se tiene que

x × (x × y) = (x ◦ x)y − (xT x)y (1.57)

lo cual es equivalente a

x̂x̂y = xxT y − xT xy (1.58)

Dr. Alejandro Enrique Dzul López 9

U1: Preliminares matemáticos 1S - 2020

por lo que también se pude concluir que

x̂2 = x̂x̂ = xxT − kxk2 I (1.59)

donde I ∈ R3×3 es la matriz identidad.

Volviendo a la matriz antisimétrica y dados los vectores x, y, z ∈ R3 , la matriz antisi-

métrica presenta las siguientes propiedades:

x̂T = −x̂ (1.60)

x̂(y + z) = x̂y + x̂z (1.61)
x̂y = −ŷx (1.62)
x̂x = 0 ∈ R3 (1.63)
T
y x̂y = 0 (1.64)
xT ŷz = z T x̂y (1.65)
x̂ŷ = yxT − xT yI (1.66)
(x̂y)
d = yxT − xy T (1.67)

1.3. Conceptos topológicos

Conjuntos
Un conjunto es una colección de objetos, puntos o elementos. Así, si A es un conjunto y
x es un elemento del conjunto A, entonces esta relación se escribe como x ∈ A. Si A y B son
dos conjuntos, y si cada elemento del conjunto A es también un elemento del conjunto B,
entonces se dice que el conjunto A está incluido en el conjunto B, por lo tanto, el conjunto
A puede ser visto como un subconjunto de B, lo cual se escribe matemáticamente como
A ⊂ B o B ⊃ A. Si un conjunto no tiene elementos, se dice que es un conjunto vacío ∅, por
lo tanto, cada conjunto con elementos contiene al conjunto vacío. La unión e intersección
de dos conjuntos dados, A y B, está definida respectivamente como:

A ∪ B = {x | x ∈ A o x ∈ B} (1.68)
A ∩ B = {x | x ∈ A y x ∈ B} (1.69)

Sean dos conjuntos A y B, la diferencia A \ B es el conjunto de todos los puntos de

A que no pertenecen a B. Considérese ahora que A y B son dos conjuntos no vacíos,
entonces el producto cartesiano A × B, de los conjuntos A y B, es un conjunto de todos
los pares ordenados de la forma (a, b) con a ∈ A y b ∈ B

A × B = {(a, b) | a ∈ A y b ∈ B} (1.70)

Dr. Alejandro Enrique Dzul López 10

U1: Preliminares matemáticos 1S - 2020

Un subconjunto S ⊂ Rn es llamado conjunto abierto si, para todo vector x ∈ S, se

puede encontrar una vecindad  de x
N (x, ) = {z ∈ Rn | kz − xk < } (1.71)
tal que N (x, ) ⊂ S. Un conjunto S es llamado conjunto cerrado si y sólo si cada secuencia
convergente {xk }, con elementos en S, converge a un punto en S.

Un conjunto S es llamado conjunto acotado si existe una r > 0 tal que

kxk ≤ r, ∀x∈S (1.72)
Un conjunto S es llamado conjunto compacto si éste es cerrado y acotado.

Un punto p es un punto frontera de un conjunto S, si cada vecindad de p contiene al

menos un punto en S y un punto que no pertenezca a S. El conjunto de todos los puntos
frontera de S, denotado como ∂S, es llamado frontera de S. Un conjunto cerrado contie-
ne todos sus puntos frontera, mientras que un conjunto abierto no contiene sus puntos
frontera.

El interior de un conjunto S está dado por S − ∂S, por lo que un conjunto abierto es
igual a su interior. La cerradura de un conjunto S, denotada por S̄, es la unión de S y su
frontera. Así, un conjunto cerrado es igual a su cerradura.

Un conjunto abierto S está conectado si cada par de puntos de S pueden ser unidos
por una línea ficticia en S.

Un conjunto S es llamado región si éste es la unión de un conjunto abierto conectado

con alguno, ninguno, o todos sus puntos frontera. Si ningún punto frontera está incluido,
la región es llamada como región abierta o dominio.

Un conjunto S es un conjunto convexo si para cada x, y ∈ S, y cada número real θ

(donde 0 < θ < 1), el punto
θx + (1 − θ)y ∈ S (1.73)
Si x ∈ X ⊂ Rn y y ∈ Y ⊂ Rm , se puede decir que el par (x, y) pertenece al conjunto
producto
X × Y ⊂ Rn × Rm (1.74)
Ahora se extrapolarán algunos de los conceptos anteriores a Rn . Sea el conjunto A ⊂
R , la vecindad de un punto p ∈ A ⊂ Rn está dada por el conjunto Br (p) definido como
n

sigue:
Br (p) = {x ∈ Rn | kx − pk < r} (1.75)

Dr. Alejandro Enrique Dzul López 11

U1: Preliminares matemáticos 1S - 2020

la cual es llamada frecuentemente como una bola abierta con centro en p y de radio r.

Se dice que el conjunto A ⊂ Rn es un conjunto abierto si para cualquier p ∈ A se

puede encontrar una vecindad Br (p) ⊂ A.

Se dice que el conjunto A ⊂ Rn es un conjunto convexo si, para cualquier x1 , x2 ∈ A

θx1 + (1 − θ)x2 ∈ A 0≤θ≤1 (1.76)

Sea A un conjunto dado, entonces una estructura topológica o topología en A, es una

colección de subconjuntos de A, llamados conjuntos abiertos que satisfacen las siguientes
condiciones:

• La unión de cualquier número de conjuntos abiertos da como resultado un conjunto

abierto

• La intersección de cualquier número finito de conjuntos abiertos es un conjunto

abierto

• Los conjuntos A y vacío ∅ son abiertos

Así, un conjunto A con una topología es llamado espacio topológico.

Espacios métricos
En el análisis de números reales o complejos, muchos resultados dependen solamen-
te en la idea de distancia entre dos números x y y. Los espacios métricos forman una
generalización natural de distancia.

Definición 1.1. Un espacio métrico es un par (X, d) de un conjunto no vacío X y una

métrica o función distancia d : X × X → R tal que para todos x, y, z ∈ X, las siguientes
condiciones se mantienen:

(i) d(x, y) = 0 si y sólo si x = y

(ii) d(x, y) = d(y, x)

(iii) d(x, z) ≤ d(x, y) + d(y, z)

La propiedad (iii) es la respectiva desigualdad del triángulo vista anteriormente.

Nótese que, haciendo x = z en (iii), y tomando en cuenta (i) y (ii), se tiene que
d(x, x) = 0 ≤ d(x, y) + d(y, x) = 2d(x, y), de lo cual se observa que d(x, y) ≥ 0 ∀ x, y ∈ X.

Dr. Alejandro Enrique Dzul López 12

U1: Preliminares matemáticos 1S - 2020

Independencia lineal
Definición 1.2. Se dice que un conjunto finito de vectores xi ∈ Rn es linealmente de-
pendiente si existe un conjunto correspondiente de valores escalares αi ∈ R (con i =
1, 2, ..., n), no todos cero, tal que
n
X
αi xi = 0 (1.77)
i=1

de lo contrario, se dice que el conjunto de vectores xi será linealmente independiente.

M

Convergencia de secuencias
Una secuencia de vectores x0 , x1 , . . . , xk , . . . en Rn , denotada por {xk }, se dice que
converge a un vector límite si

kxk − xk → 0 cuando k → ∞ (1.78)

lo cual es equivalente a decir que, dado cualquier  > 0, existe un valor N tal que

kxk − xk →  ∀k≥N (1.79)

lo cual implica que d(xn , x) < . Por lo tanto, se puede escribir que x = lı́m xn , o xn → x.

Ejemplo 1.1. Sea X1 = R, d(x, y) = |x − y|, y considérese la siguiente secuencia

{xn } = {1, 1.4, 1.41, 1.414, ...} (1.80)

√
donde cada término de la secuencia es obtenido al sumarle uno de los dígitos de 2. Se
tiene entonces que
√
| 2 − xn | <  para k ≥ N (1.81)
√
y como 2 ∈ R, se pude concluir que xn converge en (X1 , d).
♦

Ejemplo 1.2. Sea X2 = Q, el conjunto de los números racionales (x ∈ Q ⇒ x = ab , con

a, b ∈ Z, y además b 6= 0). Sea también d(x, y) = |x − y|, y considérese
√ la secuencia del
√ Una vez más se tiene que xn intenta converger hacia 2. Sin embargo, en
ejemplo 1.1.
este caso, 2 no pertenece al conjunto Q.
♦

Dr. Alejandro Enrique Dzul López 13

U1: Preliminares matemáticos 1S - 2020

Un vector x, es un punto de acumulación de una secuencia {xk } si hay una subsecuen-

cia de {xk } que converge a x, esto es, si existe un subconjunto infinito K de los enteros
no negativos tal que {xk }k∈K converge a x. Una secuencia acotada {xk } ∈ Rn tiene al
menos un punto de acumulación en Rn .

Una secuencia de números reales {rk }, se le llama secuencia creciente (monotónica-

mente creciente o no decreciente) si rk ≤ rk+1 ∀ k. Si rk < rk+1 se le llama secuencia
estrictamente creciente. La secuencia decreciente (monotónicamente decreciente o no cre-
ciente) y secuencia estrictamente decreciente están similarmente definidas por rk ≥ rk+1
y rk > rk+1 respectivamente.

Una secuencia creciente de números reales que está acotada superiormente converge
a un número real. Similarmente, una secuencia decreciente de números reales que está
acotada inferiormente converge a un número real.

Una secuencia {xn } en un espacio métrico (X, d) es llamada secuencia de Cauchy, sí

para cada número real ξ > 0 existe un número entero N tal que d(xn , xm ) < ξ con la
condición de que n, m ≥ N . Así, es fácil de observar que cada secuencia convergente es
una secuencia de Cauchy, pero lo inverso no necesariamente se cumple, como se muestra
en el ejemplo 1.3.
Ejemplo 1.3. Sea X = (0, 1), es decir, X = {x ∈ R | 0 < x < 1}, y sea también
d(x, y) = |x − y|. Considérese la secuencia {xn } = 1/n. Por lo tanto,
 
1 1  1 1 2
d(xn , xm ) =  −  ≤ −
 < (1.82)
n m n m N
donde N = mı́n (n, m). De lo anterior, se concluye que {xn } es una secuencia de Cauchy
dado que d(xn , xm ) < , con la condición de que n, m > 2/. Sin embargo, no es conver-
gente en X dado que lı́mn→∞ n1 = 0 y 0 no pertenece a X.
♦
Se dice que un espacio métrico (X, d) es un espacio métrico completo si y sólo si, cada
secuencia de Cauchy converge a un punto de X. En otras palabras, (X, d) es un espacio
métrico completo si para cada secuencia {xn }, que satisface d(xn , xm ) <  para n, m > N ,
existe una x ∈ X tal que d(xn , x) → 0 cuando n → ∞.

1.4. Funciones
Funciones continuas
Una función f que mapea un conjunto S1 hacia otro conjunto S2 es representada como
f : S1 → S2 . Una función f : Rn → Rm se dice que es continua en un punto x, si

Dr. Alejandro Enrique Dzul López 14

U1: Preliminares matemáticos 1S - 2020

f (xk ) → f (x) siempre que xk → x. De forma equivalente, f es continua en x, si dado un

 > 0, existe un δ > 0 tal que

kx − yk < δ ⇒ kf (x) − f (y)k <  (1.83)

Una función f es continua en un conjunto S si ésta es continua para cada punto de S,

y es uniformemente continua en S, si dado un  > 0, existe un δ > 0 (que dependa solo
de ) tal que la desigualdad (1.83) se mantenga para toda x, y ∈ S.

Se debe remarcar que la “continuidad uniforme” está definida para un conjunto, mien-
tras que la “continuidad” está definida en un punto. Para continuidad uniforme, la misma
constante δ funciona para todos los puntos dentro del conjunto. Claramente, si f es uni-
formemente continua en un conjunto S, entonces ésta es continua en S. El opuesto de la
declaración anterior no siempre es verdadero. Sin embargo, si S es un conjunto compacto,
entonces continuidad y continuidad uniforme sobre S son equivalentes.

Una función f es llamada como función suave (o de clase C ∞ ) si puede ser infinita-
mente derivable y sus derivadas son continuas.

Se dice que una función f es una función inyectiva si para toda y ∈ Y existe a lo más
una x ∈ X tal que y = f (x). Por otro lado, una función f es llamada función sobreyectiva
si para toda y ∈ Y existe a lo menos una x ∈ X tal que y = f (x). Así, la función f es
llamada función biyectiva si es inyectiva y sobreyectiva, es decir uno a uno, donde una
función f definida en un conjunto S se dice que está uno a uno en S, si cualquier valor
de x, y ∈ S con x 6= y tal que

f (x) 6= f (y) (1.84)

La función

(a1 f1 + a2 f2 )(·) = a1 f1 (·) + a2 f2 (·) (1.85)

es continua para cualquier valor escalar de a1 y a2 , y cualquier función continua f1 (·) y

f2 (·). Si S1 , S2 y S3 son tres conjuntos dados, y f1 : S1 → S2 y f2 : S2 → S3 son funciones,
entonces la función f2 ◦ f1 : S1 → S3 , definida como

(f2 ◦ f1 )(·) = f2 (f1 (·)) (1.86)

es llamada la composición de f1 y f2 . La composición de dos funciones continuas es tam-

bién continua.

Si S ⊂ Rn y f : S → Rm , entonces el conjunto de f (x) tal que x ∈ S, es llamado la

imagen de S bajo f y es representado por f (S).

Dr. Alejandro Enrique Dzul López 15

U1: Preliminares matemáticos 1S - 2020

Si f es una función continua, definida en el conjunto compacto S, entonces f (S)

es también compacto. Así, una función continua definida en un conjunto compacto está
acotada. Además, si f es una función escalar, es decir, f : S → R, entonces existen puntos
p y q en el conjunto compacto S tal que
f (x) ≤ f (p) (1.87)
f (x) ≥ f (q) (1.88)
para toda x ∈ S.

Si f es una función continua, definida en un conjunto conectado S, entonces f (S) está

conectado también.

Si f : S → Rm es una función continua, uno a uno en un conjunto compacto S ⊂ Rn ,

entonces f tiene una inversa continua f −1 en f (S). La composición de f y f −1 es la
identidad, es decir f −1 (f (x)) = x.

Una función f : R → Rn se dice que es seccionalmente continua en un intervalo

J ⊂ R, si para cada subintervalo acotado J0 ⊂ J, f es continua para toda x ∈ J0 ,
excepto posiblemente en un número finito de puntos donde f pueda tener discontinuidades.
Además, en cada punto de discontinuidad x0 , el límite de lado derecho
lı́m f (x0 + h) (1.89)
h→0

y el límite de lado izquierdo

lı́m f (x0 − h) (1.90)
h→0

existe, es decir, la función tiene un salto finito en x0 .

Dos espacios topológicos X y Y son homeomórficos, si existe una función f que haga
un mapeo uno a uno entre los dos espacios, y viceversa. Entonces, una función f : X → Y
es un homeomorfismo si y sólo si
• f es biyectiva
• f es continua
• f −1 es continua

Se dice que una función f : X → Y es un operador lineal (o un mapeo lineal o una

transformación lineal ) si y sólo si, para cualquier valor de x1 , x2 ∈ X y cualquier valor de
λ, µ ∈ R
f (λx1 + µx2 ) = λf (x1 ) + µf (x2 ) (1.91)

Dr. Alejandro Enrique Dzul López 16

U1: Preliminares matemáticos 1S - 2020

Además, se dice que la función f es un operador lineal acotado si existe una constante
M tal que

kf (x)k ≤ M kxk ∀x ∈ X (1.92)

Funciones diferenciables
Se dice que una función f : R → R es una función diferenciable en x, si el límite

f (x + h) − f (x)
f 0 (x) = lı́m (1.93)
h→0 h
existe. El límite f 0 (x) es llamado como la derivada de f en x. Si la derivada existe, entonces

f (x + h) − f (x) = f 0 (x)h + r(h) (1.94)

donde el residuo r(h) tiene un valor pequeño, tal que

r(h)
lı́m = 0 (1.95)
h→0 h

Una función f : Rn → Rm es diferenciable en un punto x si f está definida en un

conjunto abierto D ⊂ Rn que contiene a x, y además el límite

||f (x + h) − f (x) − f 0 (x)h||

lı́m = 0 (1.96)
h→0 ||h||

existe. Nótese que h ∈ Rn . Si ||h|| es lo suficientemente pequeña, entonces x + h ∈ D,

dado que D es un conjunto abierto y f (x + h) ∈ Rm .

Una función f : Rn → Rm se dice que es continuamente diferenciable en un punto x0 ,

∂fi
si las derivadas parciales ∂x j
existen y son continuas en x0 para 1 ≤ i ≤ m y 1 ≤ j ≤ n.
Una función f es continuamente diferenciable en un conjunto S, si ésta es continuamente
diferenciable para cada punto de S.

Para una función continuamente diferenciable f : Rn → R, el vector renglón de ∂f

∂x
está definido como
∂f h
∂f ∂f
i
= ∂x1
. . . ∂xn (1.97)
∂x
El vector gradiente, representado por ∇f (x), es
 T
∂f
∇f (x) = (1.98)
∂x

Dr. Alejandro Enrique Dzul López 17

U1: Preliminares matemáticos 1S - 2020

Para una función continuamente diferenciable f : Rn → Rm , la matriz Jacobiana [ ∂f

∂x
]
está dada por una matriz de dimensión m × n, donde el elemento del i-ésimo renglón y la
j-ésima columna está dado por

∂fi
(1.99)
∂xj

Supóngase que S ⊂ Rn es abierto, f mapea S en Rm , f es continuamente diferenciable

en x0 ∈ S, g mapea un conjunto abierto dado por f (S) en Rk , y g es continuamente
diferenciable en f (x0 ). Entonces, el mapeo h de S en Rk , definido por h(x) = g(f (x)),
es continuamente diferenciable en x0 y su matriz Jacobiana está dada por la regla de la
cadena:
  
∂h  ∂g  ∂f 
= · (1.100)
∂x x=x0 ∂f f =f (x0 ) ∂x x=x0

Teorema del valor medio

Si x, y son dos puntos distintos en Rn , entonces el segmento línea L(x, y) que une al
punto x y al punto y es

L(x, y) = {z | z = θx + (1 − θ)y, 0 < θ < 1} (1.101)

Teorema 1.2. Considérese la función f : Rn → R la cual es continuamente diferenciable

para cada punto x del conjunto abierto S ⊂ Rn . Sean x, y dos puntos de S tal que el
segmento línea L(x, y) ⊂ S. Entonces, existe un punto z de L(x, y) tal que

∂f 
f (y) − f (x) = (y − x) (1.102)
∂x x=z

Teorema de la función implícita

Considérese que la función f : Rn × Rm → Rn es continuamente diferenciable para

cada punto (x, y) de un conjunto abierto S ⊂ Rn × Rm . Sea (x0 , y0 ) un punto en S para el
cual f (x0 , y0 ) = 0 y también para el cual la matriz Jacobiana [ ∂f
∂x
](x0 , y0 ) es no singular.
Entonces, existen vecindades U ⊂ Rn de x0 y V ⊂ Rm de y0 tales que para cada y ∈ V ,
la ecuación f (x, y) = 0 tiene una solución única en x ∈ U . Además, esta solución puede
estar dada como x = g(y), donde g es continuamente diferenciable en y = y0 .

Dr. Alejandro Enrique Dzul López 18

U1: Preliminares matemáticos 1S - 2020

Desigualdad de Gronwall-Bellman
Lema 1.1. Sea λ : [a, b] → R una función continua y µ : [a, b] → R una función continua
no negativa. Si una función continua y : [a, b] → R satisface
Z t
y(t) ≤ λ(t) + µ(s)y(s)ds (1.103)
a

para a ≤ t ≤ b, entonces en el mismo intervalo

Z t Rt
y(t) ≤ λ(t) + λ(s)µ(s)e s µ(τ )dτ ds (1.104)
a

Para el caso en el que λ(t) ≡ λ sea una constante, entonces

Rt
µ(τ )dτ
y(t) ≤ λe a (1.105)

Si además µ(t) ≡ µ ≥ 0 es una constante, entonces

y(t) ≤ λeµ(t−a) (1.106)

M
Rt
Demostración. Sea z(t) = a
µ(s)y(s)ds y v(t) = z(t) + λ(t) − y(t) ≥ 0. Entonces, z es
diferenciable y

ż = µ(t)y(t) = µ(t)z(t) + µ(t)λ(t) − µ(t)v(t) (1.107)

Esta es una ecuación de estado lineal y escalar con la siguiente función de estado de
transición
Rt
µ(τ )dτ
φ(t, s) = e s (1.108)

Como z(a) = 0, se tiene que

Z t
z(t) = φ(t, s)[µ(s)λ(s) − µ(s)v(s)]ds (1.109)
a

El término
Z t
φ(t, s)µ(s)v(s)ds (1.110)
a

es no negativo. Por lo tanto,

Z t R
t
µ(τ )dτ
z(t) ≤ e s µ(s)λ(s)ds (1.111)
a

Dr. Alejandro Enrique Dzul López 19

U1: Preliminares matemáticos 1S - 2020

Dado que y(t) ≤ λ(t) + z(t), esto completa la demostración para el caso general. En
el caso particular de λ(t) ≡ λ, se tiene que
Z t Z t
Rt
µ(τ )dτ d h R t µ(τ )dτ i
µ(s)e s ds = − es ds (1.112)
a a ds
h Rt is=t
= − e s µ(τ )dτ  (1.113)

s=a
Rt
µ(τ )dτ
= −1 + e a (1.114)
lo cual prueba el lema cuando λ es una constante. La demostración cuando λ y µ son
constantes se obtiene integrando (1.111).

1.5. Contracción de mapas

Considérese una ecuación de la forma
y = T (x) para x ∈ Rn (1.115)
donde la solución x∗ de dicha ecuación es llamada como un punto fijo del mapeo T dado
que T deja invariante a x∗ , es decir, T (x∗ ) = x∗ .

Una forma clásica para encontrar un punto fijo es utilizando el método de aproxima-
ciones sucesivas. Se inicia con un vector inicial de prueba x1 y se calcula x2 = T (x1 ). Con-
tinuando de esta manera de forma iterativa, se calculan vectores sucesivos xk+1 = T (xk ),
verificando si la secuencia {xk } converge a x∗ .

Un espacio vectorial lineal χ sobre el campo Rn es un conjunto de elementos x, y, . . .

llamados vectores, tal que para cualquier vector x, y, z ∈ χ
x+y ∈ χ (1.116)
x+y = y+x (1.117)
(x + y) + z = x + (y + z) (1.118)
y existe un vector cero 0 ∈ χ tal que x + 0 = x para toda x ∈ χ. También, para cualquier
número α, β ∈ R y todo x, y ∈ χ
αx ∈ χ (1.119)
1·x = x (1.120)
0·x = 0 (1.121)
(α β)x = α(βx) (1.122)
α(x + y) = αx + αy (1.123)
(α + β)x = αx + βx (1.124)

Dr. Alejandro Enrique Dzul López 20

U1: Preliminares matemáticos 1S - 2020

Un espacio lineal χ es llamado espacio lineal normado si para cada vector x ∈ χ, existe
una función escalar llamada norma kxk que satisface

• kxk ≥ 0 para todo x ∈ χ

• kxk = 0 si y sólo si x = 0

• kx + yk ≤ kxk + kyk para todo x, y ∈ χ

• kαxk = |α|kxk para toda α ∈ R y x ∈ χ

En lo sucesivo, si no se está claro en el contexto de cuando k · k es una norma en χ o

es una norma en Rn , entonces se escribirá k · kχ para una norma en χ.

Una secuencia {xk } ∈ χ en un espacio lineal normado converge a x ∈ χ si

kxk − xk → 0 cuando k→∞ (1.125)

Un conjunto S ⊂ χ es un conjunto cerrado, si y sólo si cada secuencia convergente con

elementos en S, tiene su límite en S.

Una secuencia {xk } ∈ χ es llamada secuencia de Cauchy si

kxk − xm k → 0 cuando k, m → ∞ (1.126)

Cada secuencia convergente es Cauchy, pero no toda secuencia Cauchy es convergente.

Un espacio lineal normado χ es completo si cada secuencia de Cauchy en χ converge

a un vector en χ. Un espacio lineal normado completo es llamado espacio de Banach.

Ejemplo 1.4. Considérese al conjunto de todas las funciones continuas f : [a, b] → Rn ,

representado como C[a, b]. Este conjunto forma un espacio vectorial en R. La suma x + y
está definida por (x + y)(t) = x(t) + y(t). La multiplicación escalar está definida como
(αx)(t) = αx(t). El vector cero (nulo) es idénticamente a la función cero en [a, b]. Defínase
una norma como

kxkC = máx kx(t)k (1.127)

t∈[a,b]

donde la norma del lado derecho de la ecuación anterior es cualquier p-norma en Rn .

Está claro que kxkC ≥ 0 y es cero sólo para el vector cero. La desigualdad del triángulo
sería

máx kx(t) + y(t)k ≤ máx [kx(t)k + ky(t)k] ≤ máx kx(t)k + máx ky(t)k (1.128)

Dr. Alejandro Enrique Dzul López 21

U1: Preliminares matemáticos 1S - 2020

también
máx kαx(t)k = máx |α|kx(t)k = |α| máx kx(t)k (1.129)
donde todos los máximos se toman sobre [a, b]. Por lo tanto, C[a, b] junto con la norma
k · kC es un espacio lineal normado y también es un espacio de Banach. Para probar lo
anterior, es necesario probar primero que cada secuencia de Cauchy en C[a, b] converge
a un vector en C[a, b]. Supóngase que {xk } es una secuencia de Cauchy en C[a, b]. Para
cada t ∈ [a, b] fijo,
kxk (t) − xm (t)k ≤ kxk − xm kC → 0 cuando k, m → ∞ (1.130)
Por lo tanto, {xk } es una secuencia de Cauchy en Rn . Pero Rn con cualquier p-norma
es completo ya que convergencia implica convergencia componente a componente y R es
completo. Entonces, existe un vector real x(t) para el cual la secuencia converge: xk (t) →
x(t). Esto prueba la convergencia punto a punto. Ahora se probará que la convergencia
es uniforme en t ∈ [a, b]. Dado un  > 0, selecciónese N tal que kxk − xm kC < /2 para
k, m > N . Entonces, para k > N
kxk (t) − x(t)k ≤ kxk (t) − xm (t)k + kxm (t) − x(t)k (1.131)
≤ kxk − xm kC + kxm (t) − x(t)k (1.132)
Si se elige una m lo suficientemente grande (la cual pudiese depender de t), cada
término del lado derecho de la ecuación puede hacerse menor que /2; entonces, kxk (t) −
x(t)k <  para k > N . Por lo tanto, la secuencia {xk } converge a x, uniformemente en
t ∈ [a, b]. Para completar la prueba, es necesario mostrar que x(t) es continua y {xk }
converge a x en la norma de C[a, b]. Para probar la continuidad, considérese
kx(t + δ) − x(t)k ≤ kx(t + δ) − xk (t + δ)k + kxk (t + δ) − xk (t)k
+kxk (t) − x(t)k (1.133)
Como {xk } converge uniformemente a x, dado cualquier  > 0, se puede elegir una
k lo suficientemente grande para hacer el primer y tercer término del lado derecho de la
ecuación anterior, más pequeño que /3. Como xk (t) es continua, se puede elegir un valor
δ lo suficientemente pequeño para hacer que el segundo término sea más pequeño que /3.
Por lo tanto, x(t) es continua. La convergencia de xk a x en la norma k · kC , es una
consecuencia directa de la convergencia uniforme.
♦
Teorema 1.3. (Contracción de mapas)
Sea S un subconjunto cerrado de un espacio de Banach χ y sea T un mapeo de S a
S. Supóngase que
kT (x) − T (y)k ≤ ρkx − yk, ∀ x, y ∈ S, 0 ≤ ρ < 1 (1.134)
entonces

Dr. Alejandro Enrique Dzul López 22

U1: Preliminares matemáticos 1S - 2020

a) Existe un vector único x∗ ∈ S que satisface x∗ = T (x∗ )

b) x∗ puede ser obtenido por el método de aproximaciones sucesivas, comenzando de
cualquier vector inicial arbitrario en S
M
Demostración. Selecciónese un valor arbitrario x1 ∈ S y defínase la secuencia {xk } por la
formula xk+1 = T (xk ). Como T mapea de S a S, entonces
xk ∈ S, ∀k≥1 (1.135)
El primer paso en la demostración es mostrar que la secuencia {xk } es una secuencia
de Cauchy. Se tiene que
kxk+1 − xk k = kT (xk ) − T (xk−1 )k (1.136)
2 k−1
≤ ρkxk − xk−1 k ≤ ρ kxk−1 − xk−2 k ≤ . . . ≤ ρ kx2 − x1 k (1.137)
entonces se puede escribir que
kxk+r − xk k ≤ kxk+r − xk+r−1 k + kxk+r−1 − xk+r−2 k + . . . + kxk+1 − xk k (1.138)
≤ ρk+r−2 + ρk+r−3 + . . . + ρk−1 kx2 − x1 k


(1.139)
∞
X ρk−1
≤ ρk−1 ρi kx2 − x1 k = kx2 − x1 k (1.140)
i=0
1 − ρ

El lado derecho de la ecuación tiende a cero cuando k → ∞. Por lo tanto, es una

secuencia de Cauchy. También, como χ es un espacio de Banach, se tiene que
x k → x∗ ∈ χ cuando k→∞ (1.141)
Además, como S es cerrado, x∗ ∈ S. Ahora se mostrará que x∗ = T (x∗ ). Para cualquier
xk = T (xk−1 ), se tiene que
kx∗ − T (x∗ )k ≤ kx∗ − xk k + kxk − T (x∗ )k ≤ kx∗ − xk k + ρkxk−1 − x∗ k (1.142)
Si se elige un valor de k lo suficientemente grande, el lado derecho de la desigualdad
puede hacerse arbitrariamente pequeño. Así, kx∗ − T (x∗ )k = 0, que es lo mismo que
x∗ = T (x∗ ). Falta demostrar que x∗ es el único punto fijo de T en S. Supóngase que x∗ y
y ∗ son puntos fijos, entonces
kx∗ − y ∗ k = kT (x∗ ) − T (y ∗ )k ≤ ρkx∗ − y ∗ k (1.143)
como ρ < 1, se tiene que
x∗ = y ∗ (1.144)

Dr. Alejandro Enrique Dzul López 23

U1: Preliminares matemáticos 1S - 2020

1.6. Problemas
Problema 1.1. Sean los vectores x, y ∈ R3 definidos como
   
8 4
x =  2 ,
 y= 5 
 (1.145)
6 3
Verificar las desigualdades del triángulo y de Schwarz.
Problema 1.2. ¿ Cuál debe de ser el valor de α para que los dos vectores siguientes sean
ortogonales ?
   
3 α
x =  −5 , y= 2 
 (1.146)
6 2
Problema 1.3. Considérense los vectores x ∈ Rn , y ∈ Rm . Demostrar que

= kxk
x
y kyk (1.147)

Problema 1.4. Considérese la matriz P ∈ R2×2 , dada como


 
k − 1+2x 2
P =  (1.148)
− 1+2x 2 1
donde  > 0. Demostrar que si k > 2 , entonces P es una matriz definida positiva, es
decir, P > 0 para todo valor x ∈ R.
Problema 1.5. Considérense los vectores x, y ∈ Rn . Demostrar que toda norma que
proviene de un producto escalar satisface la Ley del Paralelogramo
kx + yk2 + kx − yk2 = 2 kxk2 + kyk2


(1.149)
Problema 1.6. Considérense los vectores x, y ∈ Rn . ¿ Cuál es la condición para que se
satisfaga el Teorema de Pitágoras ?
kx + yk2 = kxk2 + kyk2 (1.150)
Problema 1.7. Utilizando los vectores x, y ∈ R3 del Problema 1.1, demostrar que las
ecuaciones (1.60)-(1.67) son válidas. Utilice un vector z ∈ R3 cualquiera.
Problema 1.8. Sean
 
    42 16
1 4 3 1
A = , B= , C= 5 3  (1.151)
2 5 1 3
8 1
Calcular A + B, A − B, AB, BA, CA, CB, y AC T .

Dr. Alejandro Enrique Dzul López 24

U1: Preliminares matemáticos 1S - 2020

Problema 1.9. Sea la siguiente ecuación

    
2 0.5 2 x1 3
 3 3 0   x2  =  1  (1.152)
1 0.5 2 x3 5

Encontrar la solución para x1 , x2 , x3 .

Problema 1.10. Encontrar la traza y el rango de la siguiente matriz:
 
1 2 3 3
 2 −2 1 1 
A =   0 1
 (1.153)
5 8 
1 −6 4 −4

Problema 1.11. Encontrar los eigenvalores de

 
1 0 0 −3
 0 1 −3 0 
A =   −0.5 −3 1 0.5

 (1.154)
−3 0 0 1

Problema 1.12. Para


3  
1 3
a =  4 , B= (1.155)
3 6
7

encontrar las normas kak5 y kBk1 .

Problema 1.13. Reducir a la forma cuadrática y T Ay la siguiente ecuación
1
Q = (16y12 + 10y22 + 16y32 − 4y1 y2 + 16y1 y3 + 4y2 y3 ) (1.156)
3
Problema 1.14. ¿ Cuáles de los siguientes conjuntos son vacíos ?

• A = {x | x2 = 9, 2x = 4}

• B = {x | x 6= x}

• C = {x | x + 8 = 8}

Problema 1.15. Sean A y B dos conjuntos dados, demostrar que (A \ B) ∩ B = ∅.

Problema 1.16. Para el diagrama de Venn mostrado en la figura 1.1, determinar el
conjunto formado por la relación D = C \ (A ∩ B).

Dr. Alejandro Enrique Dzul López 25

U1: Preliminares matemáticos 1S - 2020

Figura 1.1: Diagrama de Venn de 3 conjuntos

Problema 1.17. Considérense todos los vectores definidos por puntos dentro de un plano
que se encuentra en un espacio tridimensional. ¿ Cuál es la condición para que este
conjunto de vectores definan un espacio vectorial ?
Problema 1.18. Considérense todos los vectores tridimensionales definidos dentro de
una esfera con radio finito. ¿ Este conjunto de vectores constituye un espacio vectorial ?
Problema 1.19. Determinar los valores de los siguientes límites , siempre y cuando
existan. Además, determínese si la función es continua en (0, 0).
x2 − y 2 x (1 + y 2 ) sin x
(i) lı́m , (ii) lı́m , (iii) lı́m
x→0,y→0 1 + x2 + y 2 x→0,y→0 x + y 2
2 x→0,y→0 x
(1.157)
∂f ∂f
Problema 1.20. Obtener las derivadas parciales ∂x
y ∂y
de las siguientes funciones:
x2 y 2
(i) f (x, y) = exy cos x sin y , (ii) f (x, y) = (1.158)
x2 + y 2
∂z ∂z
Problema 1.21. Determinar las derivadas parciales ∂r
y ∂s
utilizando la regla de la
cadena.
(i) z = x3 + y 3 , x = 2r + s , y = 3r − 2s (1.159)
x
(ii) z = 2 , x = r cos s , y = r sin s (1.160)
x + y2
Problema 1.22. Demostrar que la función f = 1/x no es uniformemente continua en
E = (0, 1).
Problema 1.23. Encontrar los puntos fijos de las siguientes funciones:
• f (x) = sin(x)
• f (x) = x3
• f (x) = ex

Dr. Alejandro Enrique Dzul López 26

U1: Preliminares matemáticos 1S - 2020

1.7. Referencias
El presente capítulo es un resumen de las bases matemáticas mínimas que el estu-
diante deberá dominar para poder seguir el curso de Control no Lineal sin dificultad. Las
referencias utilizadas fueron [1], [2], [6], [7], [9], [11] y [12].

Dr. Alejandro Enrique Dzul López 27