Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apuntes CDM UD1 PDF
Apuntes CDM UD1 PDF
7 de octubre de 2020
Este material ha sido elaborado por Esther Gil Cid y Lidia Huerga Pastor y
se difunde bajo la licencia Creative Commons Reconocimiento-
CompartirIgual 3.0. Puede leer las condiciones de la licencia en
http://creativecommons.org/licenses/by-sa/3.0/deed.es
Conocimientos previos . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1. Espacios vectoriales con producto escalar . . . . . . . . . . . . 7
1.1. Espacios vectoriales . . . . . . . . . . . . . . . . . . . . . 7
1.2. Producto escalar . . . . . . . . . . . . . . . . . . . . . . . 10
1.3. Norma y distancia definidas a partir de un producto
escalar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.4. Orientación, producto vectorial y producto mixto . . . 18
2. Espacios normados . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.1. Norma . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2. Normas equivalentes . . . . . . . . . . . . . . . . . . . . 28
3. Espacios métricos . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.1. Distancia . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.2. Conjuntos abiertos y cerrados . . . . . . . . . . . . . . . 32
3.3. Sucesiones . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4. Aplicaciones. Lı́mites y continuidad . . . . . . . . . . . . . . . . 41
4.1. Funciones de Rn en Rm . . . . . . . . . . . . . . . . . . . 41
4.2. Lı́mites y continuidad . . . . . . . . . . . . . . . . . . . . 43
ÍNDICE GENERAL 5
Conocimientos previos
Como norma general, para estudiar estos temas es suficiente con haber
cursado un curso de Cálculo Inifnitesimal y otro de Álgebra, como los im-
partidos en los grados de Ingenierı́a Industrial de la UNED. Muchos de los
conceptos se van a repasar, pero como también se van a ampliar, es necesario
tener presentes siempre las ideas y resultados estudiados en estas asignaturas.
Además, para cada tema es necesario haber trabajado antes el tema an-
terior,ya que nos vamos a basar en lo que se estudia allı́.
Introducción
Para trabajar con curvas y superficies desde las Matemáticas necesitamos
definirlas a partir de funciones. Podemos ver una curva como el movimiento
de una partı́cula que se mueve en un plano o el espacio, dependiendo del
tiempo, o con un grado de libertad. Es decir, si t es el tiempo, podemos
expresar la posición de la partı́cula a partir de una función
De forma similar, podemos ver una superficie como una partı́cula que se
mueve en el espacio con dos grados de libertad. Si estos grados los indican las
variables u, v, entonces, una expresión que describe la posición de la partı́cula
es
x (u, v) = (x (u, v) , y (u, v) , z (u, v)) .
En el primer caso, es una función x ∶ R Ð→ Rn , para n = 2, 3 y en el
segundo es una función x ∶ R2 Ð→ R3 .
Además, vamos a querer trabajar, cuando nos encontramos en una curva
o en una superficie, con caracterı́sticas que conocemos del espacio, como
distancia, ángulo, ortogonalidad, longitud o área. También vamos a necesitar
una orientación en el espacio. Una forma de hacerlo es considerando que las
funciones que definen las curvas y superficies son funciones diferenciables.
Por eso, las dos primeras Unidades Didácticas de esta asignatura están
dedicadas a recordar conceptos que conocemos de Álgebra y de Cálculo.
Vamos, también, a generalizar, a ampliar y a extender conceptos y resultados
que conocemos y que ya hemos trabajado. Vamos a empezar con espacios
vectoriales y con el producto escalar. Sabemos que a partir de él podemos
definir norma y distancia. Pero estos conceptos son más generales, y eso
es lo que vamos a hacer, definirlos para espacios donde no hay producto
escalar, incluso vamos a definir distancia para espacios que no son Rn o no
son espacios vectoriales. Es importante llegar a la idea de distancia, porque
es la que nos permite llegar a definir propiedades topológicas de conjuntos,
y también lı́mite. Y estas son conceptos básicos en el estudio de curvas y
superficies diferenciables.
1 Espacios vectoriales con producto escalar 7
Rn = R × . n. . × R = {(x1 , . . . , xn ) ∶ xi ∈ R, i = 1, . . . , n} .
Propiedad conmutativa, f + g = g + f :
El producto por escalares también está bien definido y cumple las propie-
dades, para f, g ∈ C[0, 1], λ, µ ∈ R:
-
Otro ejemplo de espacio vectorial cuyas componentes son funciones es el
conjunto de polinomios.
El espacio vectorial Rn tiene dimensión n, lo que significa que una base
está formada por n elementos. La base canónica de Rn es la formada por
los vectores {e1 , . . . , en }, donde cada ei es el vector cuyas coordenadas son 0
excepto la que está en el lugar i−ésimo. Es decir, es la base
Obsérvese que el resultado del producto escalar entre dos vectores (ele-
mentos de un espacio vectorial) es un número real, y puede ser negativo,
positivo o 0.
Aplicando lo que conocemos de las formas, podemos decir que un producto
escalar es una forma bilineal simétrica definida positiva. El producto escalar
también se puede llamar producto interior.
⟨v, u⟩ = x1 y1 + x2 y2 + ⋯ + xn yn = ∑ xi yi ,
n
i=1
i=1 i=1
n n n n
= ∑ λxi zi + ∑ µyi zi = λ ∑ xi zi + µ ∑ yi zi
i=1 i=1 i=1 i=1
= λ ⟨v, w⟩ + µ ⟨u, w⟩ .
Vamos a hacerlo.
1. Sea f ≠ 0. Se tiene:
0 0
f (x) f (x) dx = 0
1
∫
0
0 0
λf (x)h(x)dx + ∫
1 1
=∫ µg(x)h(x)dx
0 0
f (x)h(x)dx + µ ∫
1 1
= λ∫ g(x)h(x)dx
0 0
= λ ⟨f, h⟩ + µ ⟨g, h⟩ .
1 Espacios vectoriales con producto escalar 13
Por tanto, esta aplicación sı́ define un producto escalar en las funciones
continuas en el intervalo [0, 1].
Este espacio vectorial no tiene dimensión finita.
-
1.3. Norma y distancia definidas a partir de un pro-
ducto escalar
En Rn , a partir del producto escalar, definimos la norma de un vector y, a
partir de la norma, definimos la distancia entre dos puntos. También defini-
mos ángulo que forman dos vectores y ortogonalidad (en espacios vectoriales
de dimensión 2 y 3). Estos conceptos son más generales, y volveremos a ellos
más adelante, pero antes vamos a recordarlos .
Recordamos que dado u = (x1 , . . . , xn ) ∈ Rn , definimos su norma o módulo
como: ¿
Án
∥u∥ = ⟨u, u⟩ = Á À∑ (xi )2 .
1/2
i=1
√ √
= (32 + 02 + (−4) ) = 9 + 16 = 25 = 5.
2 1/2
-
Esta definición no sólo vale para vectores de Rn , es válida para cualquier
espacio vectorial con producto escalar, simplemente definiendo la norma como
∥u∥ = ⟨u, u⟩
1/2
.
porque sen 2 x =
1 − cos(2x)
2
. -
Si consideramos que los elementos de Rn son puntos, la distancia euclı́dea
entre dos puntos P y Q es la norma del vector P Q que une ambos puntos:
Ð→
d (P, Q) = ∥P Q∥ .
Estos dos puntos, junto con el vector que los une, se representan en la
siguiente figura
-
Hemos repasado el producto escalar porque permite definir ángulo entre
elementos de un espacio vectorial y ortogonalidad en R2 y R3 . Estos conceptos
coinciden con la idea intuitiva que tenemos de los mismos. Pero no es tan
sencillo en espacios como C[0, 1]. El ángulo que forman dos vectores no
nulos u, v ∈ V es el número θ ∈ [0, π] cuyo coseno es
⟨u, v⟩
∥u∥ ⋅ ∥v∥
cos θ = .
De esto, la expresión
Vamos a estudiar si las funciones f (x) = cos (πx) y g (x) = sen (πx) son
ortogonales.
El producto escalar de f (x) = cos (πx) y g (x) = sen (πx) es
(λ, 2λ + µ, µ, γ) , para λ, µ, γ ∈ R.
z z
e3 e3
e2 e2
y y
e1 e1
x x
Orientación positiva Orientación negativa
Figura 2: Orientaciones positiva y negativa
-
La orientación de una base es un tema importante y que vamos a utilizar
al trabajar con curvas y superficies. Allı́ hablaremos de orientación positiva
o negativa y entre otras cosas, en nuestra vida cotidiana es la formulación
matemática de izquierda y derecha y da significado matemático a la expresión
“recorrer una curva en un sentido”.
Ahora trabajamos en R3 . Una terna de vectores linealmente independien-
tes {v1 , v2 , v3 } se dice que es derecha o dextrógira si tiene el mismo tipo de
orientación que los dedos pulgar, ı́ndice y corazón de la mano derecha, o si
al ir de v1 a v2 el vector v3 tiene el sentido de avance de un tornillo. En otro
caso, se dice que la terna es levógira o izquierda.
Ejemplo 11. La base canónica {i, j, k} de R3 es dextrógira.
El conjunto de vectores linealmente independientes B formado por los
vectores {(1, −1, 0), (1, 1, −1), (0, 0, 1)} es dextrógiro (los vectores están dados
respecto a la base canónica) y el conjunto {(1, −1, 0), (0, 1, −1), (0, 0, −1)} =
B ′ es levógiro.
En efecto, la matriz que expresa B respecto a la base canónica es
⎛ 1 1 0 ⎞
⎜ −1 1 0 ⎟ .
⎝ 0 −1 1 ⎠
z z
u3
y y
u1 v1
x x v3 v2
u2
Elementos de B Elementos de B ′
Figura 3: Orientaciones de las bases
u×v =∣ ∣ e1 − ∣ 1 3 ∣ e2 + ∣ 1 2 ∣ e3 .
u2 u3 u u u u
v2 v3 v1 v3 v1 v1
Otra forma de expresarlo es abusando de la notación y escribiendo
RR e e2 e3 RRRR
RR 1
R R
u × v = RRRR u1 u2 u3 RRRR ,
RR R
RR v1
R v2 v3 RRRR
1 Espacios vectoriales con producto escalar 21
donde tenemos que calcular un determinante cuya primera fila no son núme-
ros, sino son los vectores de la base canónica.
1. u × v = −v × u, no conmutativo.
4. (u × v) × w ≠ u × (v × w), no asociativo.
5. (u × v) ⋅ u = (u × v) ⋅ v = 0.
RR R
RR w1 w2 w3 RRR
R R
Como interpretación del producto mixto, diremos que el valor absoluto
de (u × v) ⋅ w es el volumen del paralelepı́pedo dado por los tres vectores, si
son linealmente independientes. Es sencillo de demostrar.
Por otro lado, supongamos que la base del paralelepı́pedo es el paralelo-
gramo cuyos lados son u, v, y que w determina la arista que no está en ese
plano.
A partir de esto podemos determinar fácilmente el volumen del tetraedro
que forman los vectores. El volumen de un tetraedro es
1
bh,
3
si b es el área de la base y h es la altura. Si consideramos el prisma triangular
cuya base viene determinada por u y v el volumen de dicho prisma es la
mitad del volumen del paralelepı́pedo determinado por u, v y w, luego dicho
volumen es
(u × v) ⋅ w.
1
2
Como el prisma triangular se descompone en tres tetraedros de igual volumen
(ver Figura 4), se deduce que el volumen del tetraedro definido por u, v y w
es
(u × v) ⋅ w.
1
6
Ejemplo 13. Determine el volumen del tetraedro de vértices
A = (0, 0, 0) , B = (1, 1, 1) , C = (2, 0, −1) , D = (−1, 0, 1) .
Si consideramos los vectores
u = AB = (1, 1, 1) , v = AC = (2, 0, −1) , w = AD = (−1, 0, 1) ,
entonces el volumen del paralelepı́pedo formado por los vectores u, v, w es
∣(u × v) ⋅ w∣. Y el volumen del tetraedro es la sexta parte del área de este
paralelepı́pedo:
RRRR 1 1 1 RRRR
1 RRRRRRRR RRRR
RR
V = ∣(AB×AC) ⋅ AD∣ = RRRR 2 0 −1 RRRRRRRR = ∣− ∣ = .
R R
1 1 1
6 RRRRR R R R
RRRR
RRRR −1 0 1 RRRR
6 6 6
-
2 Espacios normados 23
du (t) dv (t)
(u (t) ×v (t)) = ×v (t) + u (t) ×
d
.
dt dt dt
2. Espacios normados
2.1. Norma
Ahora vamos a generalizar la idea de módulo de un vector que hemos
visto en el espacio euclı́deo Rn , a cualquier espacio vectorial. Hemos definido
la norma a partir de un producto escalar, y en el caso de Rn coincide con
la idea intuitiva que tenemos de longitud de un vector. Para mantener esta
idea intuitiva, vamos a pedirle algunas cosas, para que coincida con la idea
intuitiva de longitud de vector que ya conocemos. Primero pediremos que sea
siempre positiva y que sea 0 si y sólo si es la norma del vector nulo. Además,
vamos a pedir que la norma de un vector proporcional a otro sea proporcional
en la misma proporción. Y también vamos a pedir que la norma de la suma
de dos vectores va a ser siempre menor o igual que la suma de las normas de
los vectores y sea sólo igual cuando los vectores estén alineados. Estas son
las propiedades que cumplı́a la norma que viene del producto escalar.
24 UD1. Espacios vectoriales, normados...
Para ui ∈ V , λi ∈ R, i = 1, 2, ⋯, n, se cumple
i=1 i=1
En los ejercicios hemos comprobado que cumple las propiedades de una nor-
ma. En R esta norma determina, en cada número, su valor absoluto. En R2
o en R3 representa, para cada vector, su longitud.
Podemos definir más normas en Rn , como las normas del máximo ∥ ⋅ ∥∞
(también se denota, a veces, como ∥ ⋅ ∥0 ) y de la suma ∥ ⋅ ∥1 . Estas normas se
definen, para x = (x1 , . . . , xn ) ∈ Rn , como
∥ (x1 , . . . , xn ) ∥∞ = maxi=1...n {∣xi ∣},
∥ (x1 , . . . , xn ) ∥1 = ∑ ∣xi ∣ .
n
i=1
2 Espacios normados 25
Sabemos que este supremo existe, porque es una función continua, con valores
en R, definida sobre un conjunto cerrado.
Otra norma usual es la siguiente norma:
∥f ∥1 = ∫ ∣f (x)∣ dx.
1
∥λf ∥∞ = sup {∣λf (x)∣} = sup {∣λ∣ ∣f (x)∣} = ∣λ∣ sup {∣f (x)∣}
x∈[0,1] x∈[0,1] x∈[0,1]
= ∣λ∣ ∥f ∥∞ .
-
Si tenemos un subespacio vectorial W de un espacio normado (V, ∥⋅∥),
entonces ∥⋅∥ restringida a W también es una norma, que se llama norma
inducida. A veces se indica como ∥⋅∥W . De este modo, (W, ∥⋅∥W ) es un espacio
normado. Se dice que W es un subespacio normado de V .
Tenemos que normas distintas pueden dar lugar a conjuntos distintos, o a
vectores unitarios distintos. Vamos a ver la primera de estas situaciones con
un ejemplo. Vamos a considerar la norma euclı́dea y la norma del supremo
de R2 y vamos a determinar, para estas normas, los conjuntos
El conjunto es:
√
A = {(x, y) ∈ R2 ∶ ∥(x, y)∥ ≤ 1} = {(x, y) ∈ R2 ∶ x2 + y 2 ≤ 1}
= {(x, y) ∈ R2 ∶ x2 + y 2 ≤ 1}.
Figura 5: Conjunto A
0 0
1
1 5 1 56
= x + 2x3 + 9x∣ = + 2 + 9 = .
5 0 5 5
-
28 UD1. Espacios vectoriales, normados...
Figura 6: Conjunto B
Vamos a demostrarlo, pero en una primera lectura se puede obviar esta de-
mostración. Partimos de V , un espacio vectorial de dimensión n y de un base
suya de vectores unitarios {a1 , . . . , an } con la norma ∥⋅∥ . Sea {e1 , . . . , en } la
∗
base canónica de Rn .
Entonces podemos establecer un isomorfismo algebraico1 entre Rn y V :
f (x1 e1 + ⋯ + xn en ) = x1 a1 + ⋯ + xn an .
∥u + v∥ + ∥u − v∥ = 2 (∥u∥ + ∥v∥ )
2 2 2 2
Es decir,
i=1,...,n i=1,...,n
i=1,...n i=1,...n
∥x + y∥∞ + ∥x − y∥∞ = 5,
2 2
2 (∥x∥∞ + ∥y∥∞ ) = 4,
2 2
3. Espacios métricos
3.1. Distancia
Ya hemos hablado de distancia al hablar de producto escalar y de nor-
ma.Vimos que a partir de estas aplicaciones, definidas en espacios vectoriales,
se puede definir una distancia. Por otro lado, la idea intuitiva de distancia
euclı́dea, como la definimos en Rn , coincide con la definición que dimos. Sin
embargo, la idea de distancia es más general, y se puede definir en espacios
que no sean vectoriales.
Definición 10. Sea E un espacio cualquiera. Una distancia o una métrica
es una aplicación d ∶ E × E Ð→ R que cumple las propiedades siguientes, para
x, y, z ∈ E:
No degeneración: d (x, y) = 0 ⇐⇒ x = y.
Simetrı́a: d (x, y) = d (y, x) .
Desigualdad triangular: d (x, y) ≤ d (x, z) + d (z, y).
δ (x, y) = {
0, x = y,
1, x ≠ y,
d (u, v) = ∥u − v∥ , u, v ∈ V.
∥u∥ = d (u, 0)
32 UD1. Espacios vectoriales, normados...
Este conjunto son los puntos que están a una distancia menor que r de c ∈ E.
En R, con la métrica euclı́dea es el intervalo abierto centrado en c y radio r:
I = (c − r, c + r) = {x ∈ R ∶ ∣x − c∣ < r} .
= {(x, y) ∈ R2 ∶ (x − c1 ) + (y − c2 ) ≤ r 2 } .
2 2
= {(x, y, z) ∈ R3 ∶ (x − c1 ) + (y − c2 ) + (z − c3 ) ≤ r 2 } .
2 2 2
i=1
= {(x1 , . . . , xn ) ∈ Rn ∶ xi ≥ 0} .
Sean f (x) = 1 y g (x) = ∣x∣ para todo x ∈ R. Vamos a estudiar si g (x) está
en la bola abierta de radio 1 y centrada en f , B (f, 1) ⊂ C[−1, 1] y si está en
la bola cerrada B ∗ (f, 1) centrada en f y de radio 1.
Primero comprobamos que g (x) está en C[−1, 1]. Como es una función
real continua en el intervalo [−1, 1], entonces está en C[−1, 1]. Las bolas
abierta y cerrada son:
Entonces, la bola abierta de centro f (x) y radio 1 son las funciones reales
continuas que cumplen:
Como
g (x) ∈ [0, 1]
para x ∈ [−1, 1], entonces g sı́ está en B ∗ (f, 1). -
Un punto c ∈ E de un conjunto A ⊂ E es un punto interior a A si hay
una bola abierta centrada en c que esté contenida en A. Esto implica, en
primer lugar, que c ∈ A. Pero además significa que existe un radio r (puede
ser tan pequeño como queramos), tal que B (c, r) ⊂ A. Obviamente, para
r ′ < r, la bola B (c, r ′ ) también va a estar contenida en A. Al conjunto de
puntos interiores de A se le denomina interior de A y se denota por int(A).
3 Espacios métricos 35
b
I
b
F
b
K
b
J
A = {(1, y) ∈ R2 / y ∈ R} ⊂ R2 .
3.3. Sucesiones
Una vez que tenemos definida distancia, podemos definir sucesiones, de
forma similar a como hacı́amos en R y en R2 o Rn .
Una sucesión en un conjunto E es una aplicación x ∶ N Ð→E. La imagen
de n por x es xn y normalmente se suele llamar sucesión a la imagen de N
que es {xn }. Es decir, una sucesión es un conjunto ordenado de elementos
de un conjunto. En lo que sigue suponemos que E es un espacio métrico. Es
importante que se haya definido una distancia en el espacio, ya que ası́ se
puede ver cuándo es convergente y definir su lı́mite.
Vamos a empezar definiendo sucesiones de Cauchy. Una sucesión {xn }
de un espacio métrico E se dice que es una sucesión de Cauchy si para
todo ε > 0 existe n0 ∈ N tal que si n, m > n0 entonces d (xn , xm ) < ε. La idea
de las sucesiones de Cauchy es que, elegido un número ε > 0 (normalmente
pediremos que sea pequeño, si es grande aporta poco), a partir de un término
xno de la sucesión, dos términos cualesquiera, xn y xm , para n, m > n0 , están
a menor distancia que este ε. Es decir, elegida una distancia ε > 0, a partir
de un término (de xn0 ), dos términos cualesquiera están más cerca que ε.
∣ − ∣ ≤ ∣ + ∣ < + = ε.
1 1 1 1 ε ε
n m n m 2 2
Este ejemplo nos puede transmitir la idea que todas las sucesiones de
Cauchy van a ser convergentes, pero esto sólo es cierto si el espacio donde
están definidas la sucesiones cumple unas condiciones. Vamos a mostrarlo con
un ejemplo, seguramente ya se conozca de Cálculo que no todas las sucesiones
tienen lı́mite en el conjunto. Por ejemplo, si consideramos el conjunto Q de
numeros racionales, la sucesión
xn = (1 + )
1 n
n
xn = ( (1 ) ).
n2 + n 1 n
, +
n2 − n n2
Como
lı́m ( (1 ) ) ( (1 ) ),
n2 + n 1 n n2 + n 1 n
, + = lı́m , lı́m +
n→∞ n2 − n n2 n→∞ n2 − n n→∞ n2
3 Espacios métricos 39
hacemos
n2 + n n2 /n2 + n/n2 1 + 1/n
n→∞ n /n − n/n
lı́m2
= lı́m 2 2 2
= lı́m = 1,
n→∞ n − n n→∞ 1 − 1/n
n
2 n 2 lı́mn→∞
Y el lı́mite es
lı́m ( (1 ) ) = (1, 1) .
n2 + n 1 n
, +
n→∞ n2 − n n2
-
Los espacios métricos donde cualquier sucesión de Cauchy tiene lı́mite
en el conjunto se llaman espacios completos. Algunas propiedades de los
conjuntos completos son:
A = {(1, y) ∈ R2 / y ∈ R}.
∑ ∣xn ∣ < ∞, p ∈ N.
n
p
n=1
1/p
∥{xn }∥p = ( ∑ ∣xn ∣ )
n
p
.
n=1
Ya hemos establecido las bases de los espacios en los que vamos a traba-
jar en esta asignatura, en especial Rn . También hemos establecido nociones
importantes, que nos van a permitir trabajar con aplicaciones, definir conti-
nuidad, diferenciabilidad y trabajar con curvas y superficies, en los siguientes
temas.
4 Aplicaciones. Lı́mites y continuidad 41
4.1. Funciones de Rn en Rm
Partimos de funciones f ∶ A ⊂ Rn Ð→ Rm , donde A es un conjunto no
vacı́o de Rn . Éstas son las aplicaciones tales que a cada x = (x1 , . . . , xn ) ∈ A
se le asigna un elemento
-
Ejemplo 25. Si n > 1, m > 1, las funciones se suelen llamar campo vectorial.
Citaremos varios ejemplos de estas funciones:
-
Las definiciones, resultados y procedimientos relativos a funciones de va-
rias variables estudiados anteriormente se pueden extrapolar fácilmente a las
funciones objeto de nuestro estudio, teniendo en cuenta que cada una de las
componentes es una función de varias variables que toma valores en R.
De esta forma, para funciones f, g ∶ A ⊂ Rn Ð→ Rm se pueden definir
su función suma y función resta, es decir, considerando estas operaciones
componente a componente.
4 Aplicaciones. Lı́mites y continuidad 43
Entonces
-
4.2. Lı́mites y continuidad
Ya sabemos de cursos anteriores cómo estudiar el lı́mite de una función
f ∶ A ⊂ Rn → R en un punto a ∈ A. Partiendo de estos conocimientos, es
fácil estudiar el lı́mite de una función f ∶ A ⊂ Rn → Rm en a. En efecto,
la condición necesaria y suficiente para que lı́m x→a f (x) = b ∈ Rm es que
fi (x) = bi , donde fi es la i-ésima función componente de f y bi es la
x∈A
lı́m x→a
i-ésima componente de b (b = (b1 , b2 , ⋯, bm )).
x∈A
f2 (x, y) = ( y) ( ) = 1 ⋅ 1 = 1.
sen x
lı́m lı́m lı́m
(x,y)→(0,1) (x,y)→(0,1) (x,y)→(0,1) x
Por tanto,
lı́m f (x, y) = ( lı́m f1 (x, y), lı́m f2 (x, y)) = (0, 1).
(x,y)→(0,1) (x,y)→(0,1) (x,y)→(0,1)
-
Considerando la función f ∶ A ⊂ Rn → Rm , un punto a ∈ A y un subcon-
junto B de A tal que a ∈ B, es fácil deducir que si lı́m
x→a
f (x) existe y es igual
a l ∈ Rm , entonces el lı́mite cuando x → a de f restrigida a B también existe
x∈A
y es l, es decir,
lı́m
x→a
f (x) = l.
x∈B
lı́m ex = e0 = 1.
(x,y)→(0,0)
4 Aplicaciones. Lı́mites y continuidad 45
xy + y 2 λx2 + λ2 x2 λ + λ2
lı́m = lı́m = .
(x,y)→(0,0)
y=λx
x2 + y 2 x→0 x2 + λ2 x2 1 + λ2
Bλ = {(x, y) ∈ R2 ∶ y = λx},
lı́m f2 (x, y)
(x,y)→(0,0)
{xn } = {( , )} ,
1 1
n n
{yn } = {( , )} .
1 2
n n
46 UD1. Espacios vectoriales, normados...
Es claro que lı́mn→∞ xn = lı́mn→∞ yn = (0, 0). Además, por un lado, se tiene
que
1 1 1
lı́m f2 (xn ) = lı́m f2 ( , ) = lı́m
1 1 n n + n2
1 1 = 1,
n→∞ n→∞ n n n→∞
n2 + n2
Como los lı́mites iterados son distintos, se concluye que no existe el lı́mite de
f2 cuando (x, y) tiende a (0, 0). -
4 Aplicaciones. Lı́mites y continuidad 47
-
Una función f ∶ A ⊂ Rn Ð→ Rm es continua en el conjunto A si es continua
en todos los puntos a ∈ A. Esto es equivalente a decir que cada una de las
componentes fi de f es continua en el conjunto A.
Si f, g ∶ A ⊂ Rn Ð→ Rm son funciones continuas en A, entonces también
lo son su suma, resta.
Si f ∶ A ⊂ Rn Ð→ B ⊂ Rm , g ∶ B ⊂ Rm Ð→ Rl son funciones continuas en
A y B respectivamente, entonces la función h = g ○ f definida como
b
1
K
f (x, y) = 2
−2 −1 1 2 3
b
−1
f (x, y) = 0
−2 f (x, y) = −2
−3