Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
Ana´lisis en Varias Variables Sergio Plaza S. Contenidos 1 Topolog´ıa en Espacios Vectoriales Normados 1 1.1 Producto Interno . . . . . . . . . . . . . . . . . . . . . . . 2 1.2 Norma en Espacios Vectoriales . . . . . . . . . . . . . . . 3 1.3 Distancia . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 1.4 Topolog´ıa en Espacios Vectoriales Normados . . . . . . . . 11 1.5 Convexidad . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 19 2 Sucesiones en Espacios Vectoriales Normados 27 2.1 Puntos de Acumulacio´n . . . . . . . . . . . . . . . . . . . 35 2.2 Caracterizacio´n de los Conjuntos Cerrados . . . . . . . . . 38 2.3 Conjuntos Compactos . . . . . . . . . . . . . . . . . . . . 41 2.4 Conexidad . . . . . . . . . . . . . . . . . . . . . . . . . . . 45 2.5 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 3 Aplicaciones Continuas 49 3.1 Continuidad Uniforme . . . . . . . . . . . . . . . . . . . . 65 3.2 Homeomorfismos . . . . . . . . . . . . . . . . . . . . . . . 67 3.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 i ii 4 L´ımite de Aplicaciones 81 4.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 90 5 Propiedades Ba´sicas de las Aplicaciones Continuas 97 5.1 Caminos . . . . . . . . . . . . . . . . . . . . . . . . . . . . 102 5.2 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 105 6 Ca´lculo Diferencial en Espacios Euclideanos 107 6.0.1 Notaciones Ba´sicas . . . . . . . . . . . . . . . . . . 107 6.1 Derivada . . . . . . . . . . . . . . . . . . . . . . . . . . . 108 6.1.1 Matriz Jacobiana . . . . . . . . . . . . . . . . . . . 125 6.2 Casos Especiales . . . . . . . . . . . . . . . . . . . . . . . 127 6.2.1 Caminos Diferenciables . . . . . . . . . . . . . . . 127 6.3 Funciones Diferenciables . . . . . . . . . . . . . . . . . . . 129 6.4 Clase de Diferenciabilidad . . . . . . . . . . . . . . . . . . 133 6.5 Teoremas Fundamentales del Ca´lculo Diferencial . . . . . 141 6.5.1 Teorema de la Funcio´n Inversa . . . . . . . . . . . 148 6.5.2 Forma Local de las Submersiones . . . . . . . . . 158 6.5.3 Forma Local de las Inmersiones . . . . . . . . . . . 165 6.6 Fo´rmulas de Taylor . . . . . . . . . . . . . . . . . . . . . . 172 6.7 Valores Extremos de Aplicaciones . . . . . . . . . . . . . . 175 6.8 Multiplicadores de Lagrange . . . . . . . . . . . . . . . . . 181 6.9 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 182 7 Superficies en Espacios Euclideanos 219 7.1 Ejemplos de Superficies . . . . . . . . . . . . . . . . . . . 226 7.2 Aplicaciones Diferenciables . . . . . . . . . . . . . . . . . 245 7.3 Espacio Tangente . . . . . . . . . . . . . . . . . . . . . . . 252 7.3.1 Bases en TpM . . . . . . . . . . . . . . . . . . . . 255 iii 7.3.2 Cambio de Base en TpM . . . . . . . . . . . . . . 257 7.3.3 Derivada de una Aplicacio´n Diferenciable entre Superficies . . . . . . . . . . . . . . . . . . . . . . . 261 7.4 Particio´n de la Unidad . . . . . . . . . . . . . . . . . . . . 263 7.5 Particio´n de la Unidad . . . . . . . . . . . . . . . . . . . 267 7.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 269 8 Orientacio´n en superficies 295 8.1 Orientacio´n en Espacios Vectoriales . . . . . . . . . . . . 295 8.2 Superficies Orientables . . . . . . . . . . . . . . . . . . . 298 8.3 Orientacio´n y Atlas . . . . . . . . . . . . . . . . . . . . . . 302 8.4 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 311 9 Superficies con Borde 315 9.1 Cambios de Coordenadas . . . . . . . . . . . . . . . . . . 319 9.2 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 329 10 Ca´lculo Integral 333 10.1 Integral de Caminos . . . . . . . . . . . . . . . . . . . . . 333 10.2 Integrales Mu´ltiples . . . . . . . . . . . . . . . . . . . . . 336 10.3 Conjuntos de Medida Cero y Conjuntos de Contenido . . 340 10.4 Ca´lculo de Integrales . . . . . . . . . . . . . . . . . . . . . 349 10.5 Teorema del Cambio de Variable . . . . . . . . . . . . . . 356 10.6 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 362 11 Formas Diferenciales en Superficies 385 11.1 Cambio de Variable y Formas Co–inducidas . . . . . . . . 391 11.2 Derivada Exterior . . . . . . . . . . . . . . . . . . . . . . . 400 11.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 407 iv 12 Integracio´n de Formas Diferenciables 411 12.1 Integral de k–formas . . . . . . . . . . . . . . . . . . . . . 411 12.2 Teorema de Stokes . . . . . . . . . . . . . . . . . . . . . . 419 12.2.1 Teorema de Green y Teorema de Gauss . . . . . . 424 12.3 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 428 Cap´ıtulo 1 Topolog´ıa en Espacios Vectoriales Normados En lo que sigue Rn denota el espacio euclidiano n–dimensional. Note- mos que R0 = {0} . Denotamos los puntos de Rn por x = (x1, . . . , xn) , donde xi ∈ R (i = 1, . . . , n ). Aqu´ı, (x1, . . . , xn) = (y1, . . . , yn) significa que xi = yi para todo i = 1, . . . , n . En Rn tenemos una estructura natural de espacio vectorial, dada como sigue. Si x = (x1, . . . , xn) , y = (y1, . . . , yn) dos dos puntos de Rn y λ es un nu´mero real, defini- mos la suma x+ y y el producto escalar λx , por a) x+ y = (x1 + y1, . . . , xn + yn) , b) λx = (λx1, . . . , λxn) , con esta estructura Rn es un espacio vectorial de dimensio´n n sobre R . El elemento neutro para la suma es el vector 0 = (0, . . . , 0) , y el ele- mento inverso de x = (x1, . . . , xn) es el elemento −x = (−x1, . . . ,−xn) . Tenemos tambie´n una base destacada, E = {e1, . . . , en} , donde para i = 1, . . . , n vectores ei son dados por ei = (0, . . . , 0, 1, 0, . . . , 0) , con 1 2 Topolog´ıa en Espacios Vectoriales Normados un 1 en la posicio´n i y ceros en las restantes posiciones, la cual llamare- mos base cano´nica, en esta base cada x = (x1, . . . , xn) ∈ Rn se escribe como x = x1e1 + · · ·+ xnen = ∑n i=1 xiei . 1.1 Producto Interno Sea V un espacio vectorial. Un producto interno en V es una aplicacio´n I : V × V → R que satisface: Pi1.- I(x, y) = I(y, x) para todo x, y ∈ V , Pi2.- I(x+ x′, y) = I(x, y) + I(x′, y) para todo x, x′, y ∈ V , Pi3.- I(αx, y) = αI(x, y) = I(x, αy) para todo x, y ∈ V y todo α ∈ R , Pi4.- I(x, x) > 0 si x 6= 0 . Por ejemplo, en Rn tenemos el producto interno cano´nico, el cual es dado por I((x1, . . . , xn), (y1, . . . , yn)) = ∑n i=1 xi yi , en este caso I se denota simplemente por 〈 , 〉 . Un forma natural de construir otros productos internos en Rn es considerar una matriz A = (aij)n×n sime´trica, es decir, AT = A (donde AT es la traspuesta de A ), positiva definida, es decir, 〈Ax, x〉 =∑n i,j=1 aijxixj > 0 para todo x 6= 0 , en estas condiciones definimos IA((x1, . . . , xn), (y1, . . . , yn)) = ∑n i,j=1 xiaijxj . En general, se usa la notacio´n (x1, . . . , xn)A(y1, . . . , yn)T para denotar el producto interno IA . Obsrvacio´n. Sea A = (aij)16i,j6n una matriz de orden n × n . Se definen los menores principales Ak (1 6 k 6 n) de A como las subma- Sergio Plaza 3 trices Ak = a11 · · · aik ... . . . ... ak1 · · · akk . Entonces se tiene que A es positiva definida si det(Ak) > 0 para todo 1 6 k 6 n . Por ejemplo, las siguiente matrices son positivas definidas, A = 3 8 −2 3 y A = 2 −1 0 −1 2 −1 0 −1 2 . 1.2 Norma en Espacios Vectoriales Una norma en un espacio vectorial V es una aplicacio´n N : V → R que satisface: N1.- N(x+ y) 6 N(x) +N(y) para todo x, y ∈ V , N2.- N(αx) = |α|N(x) para todo x ∈ V y todo α ∈ R , N3.- N(x) > 0 para todox ∈ V , con x 6= 0 . Ejemplos. En Rn tenemos las normas 1. N(x) = √〈x, x〉 , la cual es denotada, en este caso por || · || , y es llamada norma euclideana. 2. ||x||M = max{|x1|, . . . , |xn|} , llamada norma del ma´ximo. 3. ||x||S = ∑n i=1 |xi| , llamada norma de la suma. 4 Topolog´ıa en Espacios Vectoriales Normados Dado un producto interno I en V , decimos que dos vectores x, y ∈ V son ortogonales respecto a I si I(x, y) = 0 , por ejemplo, en Rn con el producto interno cano´nico se tiene que los vectores ei y ej de la base cano´nica son ortogonales cuando i 6= j . Un modo natural de obtener normas en un espacio vectorial V , dotado de un producto interno I , es definir NI(x) = √ I(x, x) . En efecto, es inmediato que NI(x) > 0 cuando x 6= 0 , y que NI(αx) = |α|NI(x) para todo x ∈ V y todo α ∈ R . Ahora, si x, y ∈ V entonces (NI(x+ y))2 = I(x+ y, x+ y) = (I(x, x))2 + 2I(x, y) + (I(y, y))2 para terminar la prueba, demostraremos el siguiente teorema. Teorema 1.1 (desigualdad de Cauchy–Schwartz) Sea V un espacio vectorial dotado producto interno I . Entonces para cada x, y ∈ V se tiene que |I(x, y)| 6 NI(x)NI(y) . Adema´s, la igualdad vale si, so´lo si, uno de los vectores x, y es mu´ltiplo escalar del otro. Demostracio´n. Si x = 0 o y = 0 es resultado esta´ probado. Supongamos que y 6= 0 . Sean α = I(x, y)/(NI(y))2 y z = x−αy . Se tiene I(z, y) = I(x−αy, y) = I(x, y)−αI(y, y) = I(x, y)−α(NI(y))2 = I(x, y)−I(x, y) = 0 , luego z es ortogonal a y . Ahora, como x = z+αy (NI(x))2 = I(z + αy, z + αz) = I(z, z) + α2I(y, y) + 2αI(z, y) = (NI(z))2 + α2(NI(y))2 , de donde (NI(x))2 > α2(NI(y))2 = ( I(x, y) (NI(y))2 )2 (NI(y))2 = (I(x, y))2 (NI(y))2 , Sergio Plaza 5 esto es, (NI(x)NI(y))2 > (I(x, y))2 , lo cual implica que |I(x, y)| 6 NI(x)NI(y) . Ahora, la igualdad se verifica si, y so´lo si, NI(z) = 0 , esto es, si z = 0 , es decir, x = αy . Lo que completa la prueba. Ejemplo. Un ejemplo interesante de norma viene dado por || ||p : Rn → R definida para p > 1 por ||(x1, . . . , xn)||p = (|x1|p + · · ·+ |xn|p)1/p . Esta es una norma en Rn , llamada norma de Minkowski. Para p = 1 corresponde a la norma de la suma anterior y para p = 2 no es ma´s que la norma euclideana. Los axiomas N.2 y N.3 son de verificacio´n inmediata, para demostrar que || ||p satisface el axioma N.1, primero probaremos el siguiente Lema 1.1 Sean p, q nu´meros reales mayores que 1 tales que 1p + 1 q = 1 . Entonces para cualquier par de nu´meros reales a y b se tiene que |ab| 6 |a| p p + |b|q q . Demostracio´n. Consideremos la funcio´n f : [0,∞[→ R definida por f(x) = xα + αx + α , donde α ∈ ]0, 1[ . Entonces f alcanza su valor ma´ximo en x = 1 . Tomando α = 1p y haciendo x = |a|p |b|q se sigue el resultado. Proposicio´n 1.1 (desigualdad de Ho¨lder). Sean x = (x1, . . . , xn) e y = (y1, . . . , yn) dos vectores en Rn y sean p, q nu´meros reales mayores que 1 , tales que 1p + 1 q = 1 . Entonces n∑ i=1 |xiyi| 6 ( n∑ i=1 |xi|p )1/p ( n∑ i=1 |yqi )1/q . 6 Topolog´ıa en Espacios Vectoriales Normados Demostracio´n. Supongamos primero que x 6= 0 y que y 6= 0 . Ha- gamos α = (|x1|p + · · ·+ |xn|p)1/p y β = (|y1|q + · · ·+ |yn|q)1/q . La desigualdad a probar se escribe entonces como∣∣∣∣x1α y1β ∣∣∣∣+ ∣∣∣∣x2α y2β ∣∣∣∣+ · · ·+ ∣∣∣∣xnα ynβ ∣∣∣∣ 6 1 . A partir de esto la prueba es similar a la prueba de la desigualdad de Cauchy–Schwartz. Los detalles quedan a cargo del lector. Ahora probaremos la desigualdad triangular para || ||p , donde p > 1 . Escribiendo esta´ en forma expl´ıcita, nos queda( n∑ i=1 |xi + yi|p )1/p 6 ( n∑ i=1 |xi|p )1/p + ( n∑ i=1 |yi|p )1/p Para su demostracio´n, escribamos n∑ i=1 |xi + yi|p 6 n∑ i=1 (|xi|+ |yi|)p = n∑ i=1 (|xi|+ |yi|)p−1 (|xi|+ |yi|) = n∑ i=1 (|xi|+ |yi|)p−1 |xi|+ n∑ i=1 (|xi|+ |yi|)p−1 |yi| aplicamos ahora la desigualdad de Ho¨lder a cada una de las sumas an- teriores del u´ltimo miembro. Para la primera suma haga ai = |xi| y bi = (|xi| + |yi|)p−1 , y para la segunda la eleccio´n es completamente ana´loga. Los detalles son dejados a cargo del lector. Ejemplo. Sea M(m×n,R) el espacio vectorial de las matrices de orden m × n con coeficientes reales. Sean N1 y N2 normas en Rm y Rn , Sergio Plaza 7 respectivamente. Si A ∈M(m× n,R) la escribimos como matriz filas A = f1 f2 ... fm donde fi = (ai1 . . . ain) , y x = (x1, . . . , xn) ∈ Rn entonces Ax = (〈f1, x〉, . . . , 〈fm, x〉) (〈u, v〉 denota el producto interno usual en Rn ). Usando las normas N1 y N2 definimos una N norma en M(m×n,R) , llamada norma asociada, como sigue N(A) = sup { N1(Ax) N2(x) : N2(x) 6= 0 } = sup{N1(Ax) : N2(x) = 1} . La verificacio´n que N(A) es una norma en M(m× n,R) es fa´cil y se deja a cargo del lector (so´lo hay que usar las propiedades del supremos de subconjuntos de los nu´meros reales: sup(aX) = a sup(X) si a es una constante positiva, y sup(X+Y ) = sup(X)+sup(Y ) , donde aX = {ax : x ∈ X} y X + Y = {x+ y : x ∈ X , y ∈ Y } ). Para el caso de matrices de orden n× n , usando la norma euclidiana en Rn , la expresio´n de la norma N(A) , que en este caso denotamos por ||A||2 viene dada por la fo´rmula |A||2 = √√√√ n∑ i,j=1 a2ij como es fa´cil de verificar desde la definicio´n. Para obtener una expresio´n sencilla de ||A||2 recordemos que si A ∈ M(n × n,R) entonces AT denota la matriz transpuesta de A y si A = (aij)16i,j6n entonces el elemento (i, j) de la matriz AT es aji . Recordemos tambie´n que la traza de A es el nu´mero traza(A) = ∑n i=1 aii . Con las notaciones anteriores tenemos la siguiente proposicio´n. 8 Topolog´ıa en Espacios Vectoriales Normados Proposicio´n 1.2 Sea A ∈M(n×n,R) entonces ||A||2 = √ traza(AAT ) . Demostracio´n. Si A,B ∈ M(n × n,R) entonces el elemento (i, k) de la matriz A · B es ∑nj=1 aijbjk . En particular, el elemento (i, i) del producto A · B es ∑nj=1 aijbji , luego la traza de A · B es dada por ∑n i=1 ∑n j=1 aijbji . Ahora, tomando B = A T se tiene que bji = aij , luego traza(A · AT ) = ∑n i=1 ∑n j=1 a 2 ij = ||A||22 , lo que completa la prueba. 1.3 Distancia Sea X un conjunto no vac´ıo. Una distancia en X es una aplicacio´n d : X ×X −→ R que satisface d1.- d(x, y) > 0 si x 6= y , d2.- d(x, y) = d(y, x) para todo x, y ∈ X (simetr´ıa), d3.- d(x, z) 6 d(x, y) + d(y, z) para todo x, y, z ∈ X (desigualdad triangular). Ejemplos 1. Sea V un espacio vectorial normado, con una norma N . Defini- mos una distancia dN en V como dN (x, y) = N(x− y) . En el caso en que V = Rn y N es la norma euclideana, se tiene que d2((x1, . . . , xn), (y1, . . . , yn)) = √√√√ n∑ i=1 (xi − yi)2 , Sergio Plaza 9 la cual es llamada distancia euclideana. De modo ana´logo, se tiene las distancias dS(x, y) = ||x− y||S = ∑n i=1 |xi − yi| y dM (x, y) = ||x− y||M = max{|xi − yi| : i = 1, . . . , n} . 2. La distancia en M(n×n,R) por la norma || · ||2 anterior es dada por d(A,B) = √ traza((A−B)(AT −BT )) . 3. Sea X un conjunto no vac´ıo. Tenemos definida la aplicacio´n d : X ×X → R por d(x, y) = 1 si x 6= y0 si x = y . Es fa´cil probar que esta es una distancia en X , por lo tanto en cada conjunto no vac´ıo podemos definir una distancia como la de arriba. 4. Sea C0([0, 1],R) = {f : [0, 1] → R : f es continua }. Es claro que C0([0, 1],R) es un espacio vectorial con la suma de funciones y el producto escalar de una funcio´n por un nu´mero real. Tambie´n podemos definir una distancia en este conjunto por d(f, g) = (∫ 1 0 (f(x)− g(x))2dx )1/2 Definicio´n 1.1 Dos funciones distancias d y d′ (me´tricas) en un con- junto X son equivalentes si existen constantes positivas k, k′, tales que k′d8x, y) 6 d′(x, y) 6 kd(x, y) para todo x, y ∈ X . Para las distancias d2 , dS , y dM definidas en Rn tenemos el siguien- te teorema. 10 Topolog´ıa en Espacios Vectoriales Normados Teorema 1.2 Las distancias d2 , dS , y dM definidas en Rn son equivalentes. Demostracio´n. Sean x = (x1, . . . , xn) , y = (y1, . . . , yn) vectores en Rn . Vamos a demostrar que d2(x, y) 6 √ ndM (x, y) 6 √ ndS(x, y) 6 nd2(x, y) , de donde se deduce directamente el teorema. Tenemos |xi − yi| 6 max{|xj − yj | : j = 1, . . . , n} = dM (x, y) , para todo i = 1, . . . , n , luego (d2(x, y))2 = n∑ i=1 (xi − yi)2 6 n∑ i=1 (dM (x, y))2 = n (dM (x, y))2 , luego d2(x, y) 6 √ ndM (x, y) . Ahora, notemos que dM (x, y) = |xj−yj | para algu´n 1 6 j 6 n , luego dM es uno de los te´rminos en la suma que define a dS(x, y) , y como todos esos te´rminos son no negativos se tiene que dM (x, y) 6 dS(x, y) , luego √ ndM (x, y) 6 √ ndS(x, y) . Finalmente, sea wi = |xi − yi| − dS(x, y)/n . Tenemos w2i = |xi − yi|2 − 2|xi − yi|dS(x, y)/n+ (dS(x, y))2/n2 . Tenemos entonces que n∑ i=1 w2i = n∑ i=1 |xi − yi|2 − 2dS(x, y) n n∑ i=1 |xi − yi|+ (dS(x, y)) 2 n2 n∑ i=1 1 = (d2(x, y))2 − 2(dS(x, y)) 2 n + (dS(x, y))2 n = (d2(x, y))2 − (dS(x, y)) 2 n . Como ∑n i=1w 2 i > 0 , concluimos que (d2(x, y))2− (dS(x,y)) 2 n > 0 , luego (dS(x,y)) 2 n 6 (d2(x, y))2 , de donde dS(x, y) 6 √ nd2(x, y) y por lo tanto √ ndS(x, y) 6 nd2(x, y) , lo que completa la prueba. Sergio Plaza 11 1.4 Topolog´ıa en Espacios Vectoriales Norma- dos A seguir introducimos las nociones ba´sicas de topolog´ıa, esto en el con- texto de espacios vectoriales normados. Sea V un espacio vectorial con una norma N . Dados a ∈ V y un nu´mero real r > 0 . La bola de centro en a y radio r es el conjunto B(a, r) = {x ∈ V : N(x− a) < r } de modo ana´logo, tenemos la bola cerrada B[a, r] = {x ∈ V : N(x − a) 6 r }, y la esfera S[a, r] = {x ∈ V : N(x− a) = r } . Ejemplo. En R2 con las normas || || , || ||S , y || ||M , geome´tricamente se tiene que las bolas unitarias son dadas por ........................................................................................................................................................ ................. .............. ............. ............ ........... ........... ........... ............ ............. .............. .................. ........................................................................................................................................................................................................................................................................................................................................................................... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ..... ............... ............... ............... ............... ............... ............... .................................................................................................................................................................................................................................... ............... ............... ............... ............... ............... ................................................................................................................................................................................................................................. ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ..... ...................................................................................................................................................................................................................... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ..... ........................................................................................................................................................................................................................................................................................................................................................................................................................................................ ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... ........... Observacio´n. En general, si a = (a1, . . . , an) ∈ Rn entonces con la norma || ||M , se tiene que B(a, r) = ]a1 − r, a1 + r[× · · ·× ]an − r, an + r[ , pues ||x − a||M < r si, y so´lo si, |x1 − a1| < r , . . . , |xn − an| < r . La prueba es fa´cil y se deja a cargo del lector. 12 Topolog´ıa en Espacios Vectoriales Normados Esta propiedad de la norma del ma´ximo la hace conveniente en relacio´n a los productos cartesianos. 1.5 Convexidad Sean x, y ∈ V . El segmento de cerrado de recta que une x e y es el conjunto [x, y] = {(1− t)x+ ty : 0 6 t 6 1}. Definicio´n 1.2 Decimos que un subconjunto X ⊂ V es convexo si, para cualquier par de puntos x, y ∈ X se tiene que [x, y] ⊂ X . Ejemplos. 1. Todo subespacio vectorial de un espacio vectorial es un conjunto convexo. 2. Todo subespacio af´ın de un espacio vectorial es convexo. Recorde- mos que A ⊂ V es un espacio af´ın si, existe un subespacio vectorial F ⊂ V y un elemento a ∈ V tal que A = a+F = {a+x : x ∈ F} . 3. Si W es otro espacio vectorial y E ⊂ V , F ⊂ W son conjuntos convexos entonces E × F ⊂ V ×W es un conjunto convexo. 4. El conjunto V −{0} no es un conjunto convexo, pues dado x ∈ V , el segmento de recta que une x con −x contiene a 0 ∈ V , luego [x,−x] 6⊂ V . Teorema 1.3 Sea V un espacio vectorial normado, con norma N . Entonces toda bola (abierta o cerrada) B ⊂ V es un conjunto convexo. Sergio Plaza 13 Demostracio´n. Haremos la prueba para bolas abiertas, para bolas cerradas la prueba completamente ana´loga. Sea B(a, r) ⊂ V una bola abierta. Sean x, y ∈ B(a, r) entonces N(x−a) < r y N(y−a) < r . Sea t ∈ [0, 1] , tenemos (1−t)x+ty−a = (1− t)(x−a)+ t(y−a) , luego N((1− t)x+ ty−a) = N((1− t)(x−a)+ t(y−a)) 6 N((1−t)(x−a))+N(t(y−a)) = (1−t)N(x−a)+tN(y−a) < (1− t)r + tr = r . Lo que completa la prueba. Definicio´n 1.3 Sea X ⊂ V . Decimos que X es acotado si, existe r > 0 tal que X ⊂ B(0, r) (es decir, para cada x ∈ X se tiene que N(x) < r . Nota. En la definicio´n anterior, tambie´n podemos usar bolas cerradas en vez de bolas abierta. Observacio´n. Si existe una bola B(a, r) tal que X ⊂ B(a, r) entonces X es acotado. En efecto, para todo x ∈ X se tiene que N(x − a) < r . Sea s = r +N(a) . Entonces tenemos que N(x) = N(x − a + a) 6 N(x − a) + N(a) < r +N(a) , luego X ⊂ B(0, s) . Por lo anterior, podemos decir que X ⊂ V es acotado si esta´ contenido en alguna bola bola. Observacio´n. Como las tres normas || · || , || · ||S , y || · ||M que hemos definido en Rn satisfacen la relacio´n ||x||M 6 ||x|| 6 ||x||S 6 n||x||M , se tiene que X ⊂ Rn es acotado en relacio´n a una de esas normas si, y so´lo si, es acotado en relacio´n a cualquiera de las otras dosnormas. Para cada i = 1, . . . , n, sean pii : Rn −→ R las aplicaciones dadas por pii(x1, . . . , xn) = xi , estas son llamadas proyeccio´n en la i–e´sima coordenada. Tenemos el siguiente teorema. 14 Topolog´ıa en Espacios Vectoriales Normados Teorema 1.4 Sea X ⊂ Rn . Entonces X es acotados si, y so´lo si, cada conjunto Xi = pii(X) ⊂ R es acotado. Demostracio´n. Inmediata, se deja a cargo del lector. Definicio´n 1.4 Sea A ⊂ V . Decimos que A es un conjunto abierto si, para cada x ∈ A existe ε > 0 tal que B(x, ε) ⊂ A . Ejemplos 1. Toda bola abierta en V es un conjunto abierto. En efecto, sea a ∈ V y sea r > 0 . Si x ∈ B(a, r) entonces N(x − a) < r . Sea δ = r − N(x − a) . Es claro que δ > 0 . Dado y ∈ B(x, δ) , se tiene que N(y − a) 6 N(y − x) + N(x − a) < δ + N(x − a) = r − N(x − a) + N(x − a) = r , es decir, si y ∈ B(x, δ) entonces N(y − a) < r , luego y ∈ B(a, r) , por lo tanto B(x, δ) ⊂ B(a, r) . 2. El conjunto vac´ıo, ∅ , es un conjunto abierto. En efecto, si no, existe x ∈ ∅ (*) tal que para cada ε > 0 se tiene que B(x, ε) no esta´ contenido en el conjunto vac´ıo. Ahora, note- mos que (*) ya nos da una contradiccio´n, por lo tanto el conjunto vac´ıo es abierto. 3. El espacio vectorial V es un conjunto abierto. En efecto, dado x ∈ V basta tomar cualquier ε > 0 y se tiene que B(x, ε) ⊂ V . 4. Sea {Aλ : λ ∈ Λ } una coleccio´n arbitraria de conjuntos abiertos Aλ ⊂ V , entonces A = ∪λ∈ΛAλ ⊂ V es un conjunto abierto. Sergio Plaza 15 En efecto, sea x ∈ ∪λ∈Λ entonces existe λ0 ∈ Λ tal que x ∈ Aλ0 . Como Aλ0 es un conjunto abierto, existe ε > 0 tal que B(x, ε) ⊂ Aλ0 ⊂ ∪λ∈ΛAλ . 5. Sean A1, A2 ⊂ V conjuntos abiertos. Entonces A1 ∩ A2 es un conjunto abierto. En efecto, sea x ∈ A1 ∩ A2 . Como cada Ai (i = 1, 2) es un conjunto abierto, existen εi > 0 (i = 1, 2) tales que B(x, εi) ⊂ Ai . Sea ε = min{ε1, ε2} entonces se tiene que B(x, ε) ⊂ A1 ∩A2 . Es claro que esta propiedad se extiende a un nu´mero finito de conjuntos. En resumen, tenemos probado el siguiente teorema. Teorema 1.5 Sea A = {A ⊂ V : A es un conjunto abierto }. En- tonces O1.- ∅, V ∈ A , O2.- si A1, A2 ∈ A entonces A1 ∩A2 ∈ A , O3.- si {Aλ : λ ∈ Λ} es una coleccio´n arbitraria de elementos de A , entonces ∪λ∈ΛAλ ∈ A . Nota. Usamos la notacio´n O1, O2, y O3, por la simple razo´n de que O representa la palabra open del ingle´s, la cual significa abierto. Una coleccio´n O de subconjuntos de V que satisface las propiedades O1, O2, y O3 del teorema, es llamada una topolog´ıa para V , y cada elemento O ∈ O es llamado un conjunto abierto de V . Ma´s general, si X ⊂ V . Decimos que O ⊂ X es abierto en X si, existe un conjunto abierto A ⊂ V tal que O = X ∩ A . Las siguiente 16 Topolog´ıa en Espacios Vectoriales Normados propiedades son fa´ciles de verificar (los detalles se dejan a cargo del lector.) 1.- ∅ y X son conjuntos abiertos en X , 2.- si O1, O2 ⊂ X son conjuntos abiertos en X entonces O1 ∩O2 es un conjunto abierto en X , 3.- si {Oα : α ∈ Γ} es una coleccio´n arbitraria de conjuntos abiertos en X , entonces ∪α∈ΓOα es un conjunto abierto en X . Por lo tanto, la coleccio´n O = {O ⊂ X : O es abierto en X } es una topolog´ıa para X . Ejemplos. 1. Sea X = R+0 = {x ∈ R : x > 0} . Entonces [0, 1[ es un conjunto abierto en R+0 , por ejemplo [0, 1[= R + 0 ∩ ] − 1, 1[ . Notemos que [0, 1[ no es un conjunto abierto en R . 2. Si X ⊂ V y O ⊂ X es un conjunto abierto en V , entonces O es abierto en X . La prueba es fa´cil y se deja al lector. Note que por el ejemplo 1 arriba, tenemos que la rec´ıproca de esta propiedad no es verdadera. Definicio´n 1.5 Sea A ⊂ V . Decimos que x ∈ A es un punto interior de A si, existe ε > 0 tal que B(x, ε) ⊂ A . Ejemplos. 1. Todo x ∈ B(a, r) es un punto interior de B(a, r) , como fue´ probado anteriormente. Sergio Plaza 17 2. Sea x ∈ B[a, r] tal que N(x− a) = r , entonces x no es un punto interior de B[a, r] . Esto es claro, pues para todo ε > 0 existe u ∈ B(x, ε) tal que u /∈ B[a, r] . Definicio´n 1.6 El interior de un conjunto A ⊂ V e el conjunto Int(A) = {x ∈ A : x es un punto interior de A } . Para todo conjunto A ⊂ V se tiene que Int(A) ⊂ A . Ejemplos. 1. Sea A = [0, 1] ⊂ R , se tiene que Int([0, 1]) = ]0, 1[ . 2. Sea A = {1/n : n > 1} ⊂ R , entonces Int(A) = ∅ . 3. Sea Q ⊂ R el conjunto de los nu´mero racionales. Entonces Int(Q) = ∅ , pues dado q ∈ Q y ε > 0 se tiene que B(q, ε) contiene puntos racionales y puntos irracionales. Ma´s general, se tiene que Int(Qn) = ∅ , donde Qn = Q× · · · ×Q ⊂ Rn . 4. Int(B[a, r]) = B(a, r) . Proposicio´n 1.3 Sea X ⊂ V entonces Int(X) es un conjunto abierto. Demostracio´n. Si Int(X) = ∅ , no hay nada que probar. Supongamos que Int(X) 6= ∅ . Si a ∈ Int(X) entonces existe ε > 0 tal que B(a, ε) ⊂ X . Ahora, si x ∈ B(a, ε) tomando δ = ε−N(x− a) se tiene que δ > 0 y B(x, δ) ⊂ B(a, ε) , luego x ∈ Int(X) . Lo que completa la prueba. Nota. Se tiene que X ⊂ V es un conjunto abierto si, y so´lo si, X = Int(X) . 18 Topolog´ıa en Espacios Vectoriales Normados Ahora, si X ⊂ V es un conjunto no vac´ıo, entonces puede ocurrir so´lo una de las siguientes alternativas: a) a ∈ Int(X) , o b) a ∈ Int(V −X) , o c) toda bola abierta de centro en a y radio positivo intersecta a X y a V −X . Definicio´n 1.7 Sea X ⊂ V . Decimos que un punto a ∈ V es un punto frontera de X si toda bola abierta de centro en a y radio positivo intersecta (en forma no vac´ıa) a X y a V −X . El conjunto de puntos fronteras de X , es denotado por Fr(X) = {a ∈ V : a es un punto frontera de X } . Nota. Si X ⊂ V es un conjunto abierto entonces X ∩ Fr(X) = ∅ . Definicio´n 1.8 Sea C ⊂ V . Decimos que C es un conjunto cerrado en V si su complemento X = V − C es un conjunto abierto en V . Usando las propiedades de la complementacio´n de conjuntos y la definicio´n de conjunto cerrado, se prueba (fa´cilmente) el siguiente Teorema 1.6 Sea C = {C ⊂ V : C es un conjunto cerrado en V } . Entonces C1.- ∅, V ∈ C , C2.- si C1, C2 ∈ C entonces C1 ∪C2 ∈ C (esta propiedad se extiende a colecciones finitas de conjuntos cerrados), Sergio Plaza 19 C3.- si {Cγ : γ ∈ Γ} es una coleccio´n arbitraria, con Cγ ∈ C para todo γ ∈ Γ , entonces ∩γ∈ΓCγ ∈ C . Nota. Es claro ahora que podemos definir conjuntos cerrados en un subconjunto X ⊂ V , y que en vez de conjuntos abierto, podemos usar conjuntos cerrados para definir una topolog´ıa en V (respectivamente, en X ). 1.6 Ejercicios 1. Verifique que || · || , || · ||M , y || · ||S son normas en Rn . 2. Pruebe que para todo x ∈ Rn se tiene que ||x||M 6 ||x|| 6 ||x||S 6 n ||x||M . 3. Pruebe que X ⊂ V es un conjunto abierto si, y so´lo si, X = Int(X) . 4. Si X ⊂ V es un conjunto abierto. Pruebe que X ∩ Fr(X) = ∅ . 5. Pruebe que ||x||M 6 ||x||p 6 n1/p ||x||M para todo x ∈ Rn . 6. Pruebe que ||x||M 6 ||x|| 6 ||x||S para todo x ∈ Rn . 7. Pruebe que 〈 , 〉 : R2 × R2 → R definida por 〈(x1, x2), (y1, y2)〉 = x1y1+x1y2+x2y1+4x2y2 es un producto interno en R2 . Escriba en forma expl´ıcita la norma inducida por este producto interno y la funcio´n distancia asociada. Represente gra´ficamente la bola unitaria en este caso. 20 Topolog´ıa en Espacios Vectoriales Normados 8. Pruebe que la funcio´n N(A) definida en M(m × n,R) es una norma. Si en Rm y Rn usamos la norma euclideana, exprese la norma N(A) es este caso. 9. Sea V un espacio con producto interno I , y sea N la norma correspondiente. Pruebe que N(x+y) ·N(x−y) 6 N(x)2+N(y)2 y 4I(x, y) = N(x + y)2 − N(x − y)2 (identidad de polarizacio´n) para todo x, y ∈ V . 10. Sea N una norma en un espacio vectorial V . Pruebe que existe un producto interno I en V tal que N(v) = √ I(v, v) para todo v ∈ V (en este caso decimos que la norma proviene de un producto interno) si y so´lo si se satisface los siguienteN(v + w)2 +N(v − w)2 = 2N(v)2 + 2N(w)2 para todo v, w ∈ V (identidad anterior es llamada identidad del paralelogramo) 11. Si en Rm y Rn usamos la la norma dM . Encuentre la expresio´n de la norma N(A) definida en M(m× n,R) en este caso. 12. Describas las distancias en M(m×n,R) inducidas por las normas definidas anteriormente. 13. Considere el espacio vectorial V = {f : f : [0, 1]→ R f continua} , dotado de la norma ||f || = sup{|f(x)| : x ∈ [0, 1]} . (a) Encuentre un par de funciones f, g ∈ V tales que ||f +g||2+ ||f − g||2 6= 2||f ||2 + 2||g||2 . (b) Sea (fn)n∈N una sucesio´n en V . Pruebe que si limn→∞ ||fn|| = 0 entonces limn→∞ fn(x) = 0 para todo x ∈ [0, 1] . Sergio Plaza 21 (c) Describa la bola unitaria en V con la distancia inducida por la norma anterior. 14. Pruebe que F : R2 → R definida por F (x, y) =√(x− y)2 + 3y2 es una norma en R2 . ¿Existe un producto interno I en R2 tal que F = NI ? Describa la funcio´n distancia inducida por esta norma. 15. Sean 〈 , 〉1 y 〈 , 〉2 productos internos en un espacio vectorial V . Pruebe que 〈 , 〉1 + 〈 , 〉2 es tambie´n un producto interno en V . Describa la norma norma y la distancia que induce este producto interno. 16. Determine un producto interno I en R2 tal que I((1, 0), (0, 1)) = 2 . ¿Cua´l es la norma y la distancia inducida por este producto interno? 17. En R3 considere la aplicacio´n 〈 , 〉 : R3 × R3 → R definida por 〈(x1, x2, x3), (y1, y2, y3)〉 = 2x1y1+x1y3+x3y1+x2y2+x3y3 . De- muestre que este es un producto interno. 18. Sea X = ]0, 1[⊂ R . Pruebe que d(x, y) = |x−1 − y−1| es una distancia en X . 19. Sea d una distancia en X . Pruebe que la funcio´n d′ : X×X → R definida por d′(x, y) = d(x, y)/(1+d(x, y)) es una distancia en X . 20. Denote por C0([0, 1],R) el conjunto de las funciones continuas de [0, 1] en R . Pruebe que las funciones dM y d1 definidas como sigue: dM (f, g) = sup{|f(t)− g(t)| : t ∈ [0, 1]} 22 Topolog´ıa en Espacios Vectoriales Normados y d1(f, g) = ∫ 1 o |f(t)− g(t)|dt son funciones distancias en C0([0, 1],R) . 21. ¿Cuales de las siguientes funciones son distancias en R ? (a) d(x, y) = |x2 − y2| , (b) d(x, y) = |x3 − y3 , (c) d(x, y) = |x− y|2 , (d) d(x, y) = e−|x−y|−1 . 22. Sean di , i = 1, . . . , n , me´tricas en espacios vectoriales Vi (i = 1, . . . , n). Sobre V = V1 × · · · × Vn defina para x = (x1, . . . , xn) e y = (y1, . . . , yn) las funciones siguientes dS(x, y) = n∑ i=1 di(x, y) , de(x, y) = ( n∑ i=1 di(x, y)2 )1/2 , y dM (x, y) = max{di(x, y) : i = 1, . . . , n} . Pruebe que dS , de , y dM son funciones distancias sobre V . Pruebe adema´s que esas funciones distancias son equivalentes. 23. Estudie y represente gra´ficamente en R2 la bola, el disco, y la esfera unitaria para las me´tricas d , dM , y dS . 24. Sea M(n×n,R) = {A = (aij)i,j=1,...,n aij ∈ R} el espacio vectorial de las matrices de orden n × n con coeficientes reales. Dadas A,B ∈ M(n × n,R) , defina 〈A,B〉 = ∑ni,j=1 aijbij . Pruebe que Sergio Plaza 23 este es un producto interno en M(n × n,R) ¿Cua´l es la norma y la distancia inducida por el producto interno anterior? 25. Usando el isomorfismo natural que existe entre los espacios vecto- riales L(Rn,Rn) = {L : Rn → Rn : L lineal} y M(n×n,R) in- duzca un producto interno en L(Rn,Rn) . Describa expl´ıcitamente la norma y la distancia inducida por esta norma. Adema´s, describa la bola unitaria en este caso. 26. En M(n × n,R) para A,B ∈ M(n × n,R) , defina 〈A,B〉 = traza(ABT ) , donde BT es la matriz transpuesta de B . Pruebe que este es un producto interno en M(n×n,R) . ¿Cua´l es la norma y la distancia inducida por el producto interno anterior? 27. Pruebe que H = {(x1, . . . , xn) : xn > α} es un subconjunto abierto de Rn . Calcule ∂H . 28. Sea A ⊂ Rn y B(A : r) la union de las bolas de centro a ∈ A y radio r . Probar que si A es convexo tambie´n lo es B(A; r) . ¿Sera´ cierto para la conexidad?. 29. Denotemos por S(a; r) = {z ∈ Rn : ||z − a|| = r} la esfera de centro a y radio r . Sean x ∈ S(a; r) y r > 0 dados. Probar que existen y ∈ B(a; r), z /∈ B(a; r) tal que ||y−x|| < r y ||z−x|| < r . 30. ¿Cua´l es la frontera de la esfera S(a; r) en Rn? 31. Probar que la frontera de la bola abierta B(a; r) es la esfera S(a; r) , esfera de centro en a, y radio r > 0 . 32. Sea A ⊂ Rn . Probar que A es cerrado si y so´lo si A = A′ . 24 Topolog´ıa en Espacios Vectoriales Normados 33. Probar que Int(A) , el interior de un conjunto A , es siempre un conjunto abierto. 34. Calcule el producto interno asociado a las matrices positivas definidas siguiente A = 3 8 −2 3 y A = 2 −1 0 −1 2 −1 0 −1 2 Calcule la norma asociada a el producto interno definido para cada caso por esas matrices. 35. Probar que todo conjunto cerrado contiene su frontera. 36. Construya dos me´tricas que no sean equivalentes en Rn. 37. Grafique en R2 y R3 la bola unitaria centrada en el origen para dos me´tricas dp distintas. 38. Pruebe las siguientes relaciones: (a) Int(Int(A)) = Int(A) , (b) Int(A) = Rn − (Rn −A) , (c) Int(Rn −A) = Rn −A . 39. Sea A ∈M(n× n,R) . Decimos que A es ortogonal si AAT = I , donde I denota la matriz identidad n × n . Sea O(n) = {A ∈ M(n× n,R) : AAT = I} el conjunto de las matrices ortogonales y sea SO(n) = {A ∈ O(n) : det(A) = 1} . Pruebe que O(2) consiste de todas las matrices de rotacio´n y de refleccio´n: rotθ = cos(θ) − sen(θ) sen(θ) cos(θ) Sergio Plaza 25 y refθ = cos(θ) sen(θ) sen(θ) − cos(θ) y que SO(2) consiste de todas las matrices de rotacio´n. Finalmente, pruebe que SO(3) consiste de todas las matrices de rotacio´n alrededor de todos los posibles ejes de rotacio´n pasando a trave´s del origen en R3 . 26 Topolog´ıa en Espacios Vectoriales Normados Cap´ıtulo 2 Sucesiones en Espacios Vectoriales Normados Una sucesio´n en un conjunto no vac´ıo X es una funcio´n x : N → X. Es usual denotar el valor x(k) de la sucesio´n x en el punto k ∈ N por xk , es decir, x(k) = xk , aqu´ı seguimos la tradicio´n y adoptamos esta notacio´n. El valor xk es llamado el k–e´simo te´rmino de la sucesio´n x . Otra notacio´n usual, que tambie´n adoptamos es x = (xk)k∈N , o simplemente x = (xk) , para indicar la sucesio´n x . Sea x = (xk)k∈N una sucesio´n en X . Una subsusecio´n de (xk)k∈N es la restriccio´n de x a un subconjunto infinito N′ ⊂ N , donde N′ = {k1, k2, . . . , kn, . . .} y su elementos satisfacen k1 < k2 < · · · < kn < · · · . Usaremos la notacio´n N′ = {k1 < k2 < · · · < kn < · · ·} . La imagen de una sucesio´n x = (xk)k∈N en X , la denotaremos por x(N) = {xk}k∈N . (No confundir la sucesio´n x = (xk)k∈N , la cual es una funcio´n, con su conjunto imagen o conjunto de valores {xk}k∈N ⊂ X ). En lo que sigue V denota un espacio vectorial normado dotado con una norma N . 27 28 Sucesiones en Espacios Vectoriales Normados Definicio´n 2.1 Decimos que una sucesio´n x : N→ V es acotada si el conjunto de valores {xk}k∈N es acotado, es decir, existe r > 0 tal que N(xk) 6 r para todo k ∈ N . Observacio´n. En Rn , una sucesio´n x = (xk)k∈N equivale a n suce- siones de nu´meros reales. En efecto, para cada k ∈ N tenemos que x(k) = (xk1, xk2, . . . , xkn) , donde xki = pii(xk) y pii : Rn → R es la aplicacio´n lineal proyeccio´n en la i–e´sima coordenada, dada por pii(v1, . . . , vn) = vi . Las suce- siones (xki)k∈N (i = 1, . . . , n) son llamadas sucesiones coordenadas de la sucesio´n (xk)k∈N . Tenemos que una sucesio´n es acotada si, y so´lo si, cada una se sus sucesiones coordenadas es acotada en R . Ahora definiremos para sucesiones uno de los conceptos ma´s impor- tantes en Ana´lisis, no referimos la concepto de l´ımite. Definicio´n 2.2 Sea x = (xk)k∈N una sucesio´n en V . Decimos que (xk)k∈Nes convergente a un punto a ∈ V si para cada ε > 0 dado, existe k0 ∈ N , tal que k > k0 implica N(xk − a) < ε , es decir, para todo k > k0 se tiene que xk ∈ B(a, ε) . En este caso, decimos que a es el l´ımite de la sucesio´n (xk)k∈N , y denotamos esto por a = lim k→∞ xk . Observaciones 1. Desde la definicio´n de convergencia de sucesiones se tiene que, lim k→∞ xk = a si, y so´lo si, lim k→∞ N(xk − a) = 0 . 2. La definicio´n de convergencia de sucesiones hace uso de una norma fijada en V . 3. Desde la observacio´n anterior, en Rn tenemos que una sucesio´n x = (xk)k∈N equivale a n sucesiones de nu´meros reales, pues para Sergio Plaza 29 cada k ∈ N tenemos que x(k) = (xk1, xk2, . . . , xkn) , donde xki = pii(xk) y pii : Rn → R es la aplicacio´n lineal proyeccio´n en la i– e´sima coordenada. Luego, la sucesio´n x = (xk)k∈N es convergente si y so´lo si las sucesiones (xki)k∈N (i = 1, . . . , n) son convergentes, y por lo tanto, podemos aplicar todos los criterios que conocemos de ana´lisis en una variable para estudiar la convergencia de las sucesiones (xki)k∈N (i = 1, . . . , n) Proposicio´n 2.1 Sea (xk)k∈N una sucesio´n convergente en V . En- tonces {xk : k ∈ N } es acotado. Demostracio´n. Sea a = lim k→∞ xk . Entonces existe k0 ∈ N tal que para todo k > k0 , se tiene que xk ∈ B(a, 1) . Como el conjunto {xk : 1 6 k < k0} es finito, se tiene que M = max{N(xk − a) : 1 6 k < k0 } es finito, por lo tanto {xk : a 6 k < k0} ⊂ B(0,M) . Ahora, sea c = max{M, ε} , se tiene que {xk : k ∈ N} ⊂ B(a, c) . Lo que completa la prueba. Observacio´n. La rec´ıproca de la proposicio´n anterior no es verdadera, pues tomando la sucesio´n (xk)k∈N en R , dada por xk = (−1)k se tiene que |xk| 6 1 , pero ella no es convergente. Proposicio´n 2.2 Si (xk)k∈N es una sucesio´n convergente en V . En- tonces toda subsucesio´n (xki)i∈N de (xk)k∈N es convergente. Adema´s, si lim k→∞ xk = b entonces lim i→∞ xki = b . Demostracio´n. Sea b = lim k→∞ xk , entonces dado ε > 0 existe k0 ∈ N tal que k > k0 implica xk ∈ B(b, ε) . Como N′ = {k1 < k2 < · · · < kj < · · ·} ⊂ N , se sigue que existe un ı´ndice, digamos j0 ∈ N tal que kj0 > k0 . Luego, kj > k0 para todo j > j0 , y por lo tanto xkj ∈ B(b, ε) 30 Sucesiones en Espacios Vectoriales Normados para todo j > j0 , es decir, (xkj )kj∈N′ es convergente, y lim kj→∞ xkj = b , y la prueba esta´ completa. Proposicio´n 2.3 Sea (xk)k∈N una sucesio´n en V . Si (xk)k∈N es convergente entonces su l´ımite es u´nico. Demostracio´n. Supongamos que (xk)k∈N es convergente y que posee dos l´ımites, digamos a y b . Dado ε > 0 , existen k1, k2 ∈ N tales que si k > k1 entonces N(xk−a) < ε y si k > k2 entonces N(xk− b) < ε . Tenemos N(a − b) 6 N(a − xk) + N(xk − b) , luego tomando k0 = max{k1, k2} se tiene que si k > k0 entonces N(a − b) 6 2ε . Como ε > 0 es arbitrario se sigue que N(a − b) = 0 , de donde a = b , y la prueba esta´ completa. Definicio´n 2.3 Decimos que dos normas N1 y N2 en V son equiv- alente si, existen constantes C1 > 0 y C2 > 0 tales que C1N1(x) 6 N2(x) 6 C2N1(x) , para todo x ∈ V . Observacio´n. Desde la definicio´n de convergencia de sucesiones, se tiene que si N1 y N2 son dos normas equivalentes en V entonces una sucesio´n es convergente respecto de la norma N1 si, y so´lo si, es conver- gente respecto a N2 . Proposicio´n 2.4 Sea V un espacio vectorial con producto interno I . Sean (xk)k∈N e (yk)k∈N sucesiones en V , y sea (αk)k∈N una sucesio´n de nu´meros reales. Si existen a = lim k→∞ xk , b = lim k→∞ yk , y α = lim k→∞ αk entonces las sucesiones (sk)k∈N , (tk)k∈N , (uk)k∈N , y (wk)k∈N , definidas por sk = xk + yk , tk = αkxk , uk = I(xk, yk) , y wk = NI(xk) son convergentes. Adema´s, Sergio Plaza 31 a) lim k→∞ xk + yk = a+ b , b) lim k→∞ αkxk = αa , c) lim k→∞ I(xk, yk) = I(a, b) , d) lim k→∞ N(xk) = N(a) . Demostracio´n. Sea ε > 0 dado. Entonces existe k0 ∈ N tal que N(xk − a) < ε , N(yk − b) < ε , y |αk − α| < ε para todo k > k0 . a) Se tiene que N((xk+ yk)− (a+ b)) 6 N(xk− a)+N(yk− b) . Luego, si k > k0 entonces N((xk + yk) − (a + b)) 6 2ε , por lo tanto (sk)k∈N es convergente y lim k→∞ xk + yk = a+ b . b) Se tiene que N(αkxk−αa) = N(αkxk−αka+αka−αa) 6 |αk|N(xk− a) + |αk − α|N(a) . Sea M > 0 tal que |αk| 6 M para todo k ∈ N . Ahora, si k > k0 entonces N(αkxk−αa) < Mε+εN(a) = (M+N(a))ε , de donde (αkxk)k∈N es convergente y lim k→∞ αkxk = αa . c) Para mostrar esta parte, vemos que desde la desigualdad de Cauchy– Schwartz, tenemos que |I(x, y)| 6 NI(x)NI(y) . Ahora, |I(xk, yk) − I(a, b)| = |I(xk, yk) − I(xk, b) + I(xk, b) − I(a, b)| = |I(xk, yk − b) + I(xk − a, b)| 6 NI(xk)NI(yk − b) + NI(xk − a)NI(b) . Sea M > 0 tal que NI(xk) 6 M para todo k ∈ N . Luego, si k > k0 entonces |I(xk, yk)− I(a, b)| 6 Mε+ εNI(b) = (M +NI(b))ε , de donde se sigue el resultado. d) Se tiene, por definicio´n, que NI(x) = √ I(x, x) . Luego, NI(xk) =√ I(xk, xk) y como (I(xk, xk))k∈N es una sucesio´n convergente de nu´me- ros reales no negativos, lim k→∞ √ I(xk, xk) = √ lim k→∞ I(xk, xk) = √ I(a, a) = NI(a) , como quer´ıamos probar. 32 Sucesiones en Espacios Vectoriales Normados Nota. La existencia de lim k→∞ xk + yk no implica la existencia de los l´ımites lim k→∞ xk y lim k→∞ yk . Por ejemplo consideremos las sucesiones (xk)k∈N e (yk)k∈N , cuyos te´rminos k–e´simos son xk = (−1)k e yk = (−1)k+1 . Es claro que ninguna de ellas tiene l´ımite, pero xk + yk = 0 para todo k ∈ N . Observaciones ana´logas se aplican a las otras sucesiones de la proposicio´n anterior. La construccio´n de ejemplos se deja a cargo del lector. Teorema 2.1 (Bolzano–Weierstrass) Toda sucesio´n acotada en Rn posee una subsucesio´n convergente. Demostracio´n. Sea (xk)k∈N una sucesio´n acotada en Rn , y sean (xki)k∈N (i = 1, . . . , n) las sucesiones coordenadas de (xk)k∈N . Como (xk)k∈N es acotada, se tiene que cada sucesio´n coordenada es acotada. Ahora, como el Teorema de Bolzano–Weierstrass es va´lido para suce- siones de nu´meros reales, se tiene que (xk1)k∈N posee una subsucesio´n convergente, es decir, existe un conjunto N1 ⊂ N infinito y un nu´mero real a1 tal que lim k∈N1 xk1 = a1 (aqu´ı, la notacio´n lim k∈N1 xk1 significa sim- plemente el l´ımite de la subsucesio´n (xk1)k∈N1 ). Ahora, como (xk2)k∈N es acotada, existen un conjunto infinito N2 ⊂ N1 y un nu´mero real a2 tal que lim k∈N2 xk2 = a2 . Repitiendo este argumento, encontramos conjuntos infinitos Nn ⊂ Nn−1 ⊂ · · · ⊂ N2 ⊂ N1 ⊂ N y nu´meros reales a1, . . . , an tales que lim k∈Nj xkj = aj para j = 1, . . . , n . Sea a = (a1, . . . , an) . Entonces lim k∈Nn xk = a , como quer´ıamos probar. Definicio´n 2.4 Sea (xk)k∈N una sucesio´n en V . Decimos que un punto a ∈ V es un punto de adherencia de {xk : k ∈ N } si, existe una subsucesio´n convergente (xkj )j∈N de (xk)k∈N con a = lim→∞xkj . Sergio Plaza 33 Notas. 1. El Teorema de Bolzano–Weierstrass dice que el conjunto de puntos de adherencia de una sucesio´n acotada en Rn es no vac´ıo. 2. Sea (xk)k∈N una sucesio´n en V . Si (xk)k∈N es convergente en- tonces tiene un u´nico punto de adherencia, y este es lim k→∞ xk . Proposicio´n 2.5 Sea (xk)k∈N una sucesio´n en V . Entonces a ∈ V es un punto de adherencia de (xk)k∈N si, y so´lo si, para cada ε > 0 dado, la bola B(a, ε) contiene elementos de {xk : k ∈ N } con ı´ndices arbitrariamente grandes. Demostracio´n. Si a ∈ V es un punto de adherencia de (xk)k∈N entonces existe una subsucesio´n (xkj )j∈N de (xk)k∈N con a = lim j→∞ xkj , de donde para cada ε > 0 dado, existe j0 ∈ N tal que j > j0 implica xkj ∈ B(a, ε) . Rec´ıprocamente, existe k1 ∈ N tal que N(xk1−a) < 1 ; existe k2 > k1 tal que N(xk2−a) < 1/2 , y as´ı sucesivamente, existe kj > kj−1 tal queN(xkj−a) < 1/j . Luego, la subsucesio´n (xkj )j∈N de (xk)k∈N , satisface lim j→∞ xkj = a . Esto completa la prueba. De lo anterior, tenemos el siguiente teorema. Teorema 2.2 Sea (xk)k∈N una sucesio´n acotada en Rn . Entonces (xk)k∈N es convergente si, y so´lo si, tiene un u´nico punto de adherencia. Demostracio´n. Si la sucesio´n es convergente entonces ella tiene un u´nico punto de adherencia. Rec´ıprocamente, sea a ∈ Rn el u´nico punto de adherencia de (xk)k∈N . Afirmamos que a = lim k→∞ xk . 34 Sucesiones en Espacios Vectoriales Normados Si no, entonces existe ε > 0 tal que el conjunto N1 = {k ∈ N : xk /∈ B(a, ε) } es infinito. Ahora, como la sucesio´n (xk)k∈N es aco- tada, se sigue que la sucesio´n (xk)k∈N1 tambie´n es acotada, luego por el Teorema de Bolzano–Weierstrass ella posee una subsucesio´n (xk)k∈N2 convergente (N2 ⊂ N1 infinito). Sea b = lim k∈N2 xk . Como para k ∈ N2 se tiene que N(xk−a) > ε se sigue que N(b−a) > ε . Luego, b 6= a , por lo tanto (xk)k∈N tiene dos puntos distintos de adherencia. Esto es una contradiccio´n, y la prueba del teorema esta´ completa. Definicio´n 2.5 Sea (xk)k∈N una sucesio´n en V . Decimos que (xk)k∈N es una sucesio´n de Cauchy si, para cada ε > 0 existe k0 ∈ N tal que si r, ` > k0 entonces N(xr − x`) < ε . Teorema 2.3 Toda sucesio´n convergente es de Cauchy. Demostracio´n. Sea (xk)k∈N una sucesio´n convergente en V , y sea a = lim k→∞ xk . Entonces dado ε > 0 existen k1, k2 ∈ N tales que N(xk− a) < ε/2 para k > k1 y N(xk − a) < ε/2 para k > k2 . Sea k0 = max{k1, k2} . Si r, ` > k0 entonces N(xr−x`) 6 N(xr−a)+N(x`−a) < ε/2 + ε/2 = ε . Nota. Si (xk)k∈N es una sucesio´n de Cauchy en V entonces no nece- sariamente ella es convergente, por ejemplo considere la sucesio´n de aproximaciones decimales con un, dos, tres, ..., d´ıgitos a √ 2 . Esta es una sucesio´n de nu´meros racionales, la cual es de Cauchy, pero no convergente en Q . Definicio´n 2.6 Decimos que un espacio vectorial normado es completo si cada sucesio´n de Cauchy en V es convergente. Sergio Plaza 35 Teorema 2.4 (completitud de Rn ) El espacio vectorial normado Rn es completo. Demostracio´n. Sea (xk)k∈N una sucesio´n de Cauchy en Rn , entonces sus sucesiones coordenadas (xki)k∈N (i = 1, . . . , n) son sucesiones de Cauchy en R . Ahora, como R es completo, se tiene que existen nu´meros reales a1, . . . , an tales que lim k→∞ xki = ai para i = 1, . . . , n . Sea a = (a1, . . . , an) ∈ Rn . Es claro que lim k→∞ xk = a . Lo que completa la prueba. 2.1 Puntos de Acumulacio´n Sea V un espacio vectorial normado con una norma N fijada. Definicio´n 2.7 Sea X ⊂ V . Decimos que a ∈ V es un punto de acumulacio´n de X si toda bola abierta de centro en a contiene puntos de X diferentes de a , es decir, para todo ε > 0 dado, existe x ∈ X , con x 6= a tal que 0 < N(x− a) < ε . Ejemplos. 1. Sea X = B(a, r) entonces todo punto de B[a, r] es punto de acumulacio´n de B(a, r) . 2. Sea X = {1/n : n ∈ N } ⊂ R . El u´nico punto de acumulacio´n de X es 0. En efecto, es claro que ningu´n punto 1/n de X es punto de acumulacio´n de X , pues tomando ε = 12 | 1n+1 − 1n | se tiene que B( 1n , ε) ∩ X = { 1n} . Por otra parte, para cada ε > 0 se tiene que B(0, ε) contiene infinitos puntos, pues por la Propiedad Ar- quimedeana de los nu´meros reales, existe nε ∈ N tal que nε ε > 1 , 36 Sucesiones en Espacios Vectoriales Normados es decir, 1nε < ε , y por lo tanto todo m ∈ N con m > nε , satisface 1 m < ε , luego B(0, ε) ∩X = { 1n : n > nε } . El conjunto de puntos de acumulacio´n de un conjunto X ⊂ V se denota por X ′ , y es llamado conjunto derivado de X . Proposicio´n 2.6 Sean X ⊂ V y a ∈ V . Entonces las siguientes afirmaciones son equivalentes: 1) a es un punto de acumulacio´n de X , 2) existe una sucesio´n (xk)k∈N de puntos de X , con lim k→∞ xk = a y xk 6= a para todo k ∈ N , 3) toda bola abierta de centro en a contiene infinitos puntos de X , diferentes de a . Demostracio´n. 1) =⇒ 2). Como a ∈ V es un punto de acumulacio´n de X , se sigue que para cada k ∈ N existe un punto xk ∈ X , con xk 6= a , tal que 0 < N(xk − a) < 1/k . de aqu´ı es claro que la sucesio´n (xk)k∈N de puntos de X satisface lim k→∞ xk = a , y xk 6= a para todo k ∈ N . 2) =⇒ 3). Sea (xk)k∈N una sucesio´n, con xk ∈ X , xk 6= a para todo k ∈ N , y a = lim k→∞ xk . Entonces para cualquier k0 ∈ N el conjunto {xk : k > k0 } es infinito, si no, existir´ıa un elemento, digamos xk˜ que se repitir´ıa infinitas veces y esto nos proporciona una subsucesio´n constante, luego convergente con l´ımite distinto de a . 3) =⇒ 1). Inmediata. Corolario 2.5 Si X ′ 6= ∅ entonces X es infinito. Sergio Plaza 37 Demostracio´n. Inmediata. Nota. Se sigue del Corolario que si X es finito entonces X ′ = ∅ . La rec´ıproca es falsa, por ejemplo consideremos el conjunto Z ⊂ R , se tiene que Z′ = ∅ , pero claramente este conjunto no es finito. En Rn , por el Teorema de Bolzano–Weierstrass tenemos el siguiente teorema. Teorema 2.6 Si X ⊂ Rn es infinito y acotado entonces X ′ 6= ∅ . Demostracio´n. Como X es infinito, este contiene un conjunto nu- merable infinito de puntos distintos {x1, x2, . . . , xk , . . .} . De este modo obtenemos una sucesio´n (xk)k∈N , con xk ∈ X para todo k ∈ N . Ahora, como X es acotado se sigue que la sucesio´n (xk)k∈N es acotada, y por el Teorema de Bolzano–Weierstrass ella posee una subsucesio´n (xkj )j∈N convergente a algu´n punto a ∈ Rn . Finalmente, como los te´rminos de la sucesio´n (xkj )j∈N son distintos dos a dos, se sigue que a lo ma´s uno de ellos podr´ıa ser igual a a , eliminando ese te´rmino, si existe, obtenemos una sucesio´n (x˜kj )j∈N de elementos de X todos distintos de a , con lim k→∞ x˜kj = a . Definicio´n 2.8 Decimos que a ∈ X es un punto aislado de X si, existe ε > 0 tal que B(a, ε) ∩ X = {a} , es decir, a no es punto de acumulacio´n de X . Si todo punto de X es aislado, decimos que X es discreto. Por ejemplo, Z ⊂ R es discreto, y en consecuencia Zn ⊂ Rn es discreto. 38 Sucesiones en Espacios Vectoriales Normados 2.2 Caracterizacio´n de los Conjuntos Cerrados Hemos definido un conjunto cerrado como el complemento de un con- junto abierto, ahora daremos una caracterizacio´n de los conjuntos cerra- dos en te´rminos de sucesiones. Definicio´n 2.9 Sea X ⊂ V . La clausura de X es el conjunto de sus puntos adherentes, y se denota por X o clausura(X) . Desde la definicio´n, tenemos que a /∈ X si, y so´lo si, existe ε > 0 tal que B(a, ε) ∩X = ∅ . Sea O ⊂ V un conjunto abierto, y sea a ∈ O entonces existe ε > 0 tal que B(a, ε) ⊂ O , y como cada bola abierta es un conjunto abierto, tenemos: a) a ∈ X si, y so´lo si, para todo conjunto abierto O ⊂ V , con a ∈ O , se tiene que X ∩O 6= ∅ . b) a /∈ X si, y so´lo si, existe un conjunto abierto O ⊂ V , con a ∈ O, tal que X ∩O = ∅ . Ejemplo. Sea Qn ⊂ Rn el conjunto de puntos de Rn con todas sus coordenadas racionales, entonces Qn = Rn . Tenemos la siguiente caracterizacio´n de los conjuntos cerrados. Teorema 2.7 Sea X ⊂ V . Entonces X es cerrado si, y so´lo si, X = X . Demostracio´n. Si X ⊂ V es cerrado, entonces O = V − X es un conjunto abierto. Luego, si y /∈ X entonces y ∈ O , y como O es abierto, existe ε > 0 tal que B(y, ε) ⊂ O , por lo tanto B(y, ε) ∩X = Sergio Plaza 39 ∅ , de donde y no es un punto adherente de X . Luego, todo punto adherente de X debe pertenecer a X , esto es, X ⊂ X , y como es claro que X ⊂ X , se tiene que X = X . Rec´ıprocamente, supongamos que X = X . Sea O = V −X , entonces para todo b ∈ O existe ε > 0 tal que B(b, ε) ∩ X = ∅ . Luego, si x ∈ B(b, ε) se tiene que B(b, ε) es un conjunto abierto que contiene a x , y es disjunto de X . Luego, B(b, ε) ⊂ V −X , es decir, O = V −X es un conjunto abierto, y porlo tanto X es cerrado. Corolario 2.8 La clausura de un conjunto cerrado es un conjunto ce- rrado. Demostracio´n. Si X ⊂ V es un conjunto cerrado entonces X = X . Luego, X es un conjunto cerrado. Nota. El corolario arriba nos dice que X = X . Corolario 2.9 Sea X ⊂ V . Entonces X es cerrado si, y so´lo si, para cada sucesio´n convergente (xk)k∈N , con xk ∈ X para todo k ∈ N , se tiene que lim k→∞ xk ∈ X . Demostracio´n. Si X ⊂ V es cerrado entonces X = X . Luego, si (xk)k∈N es una sucesio´n convergente de elementos de X entonces a = lim k→∞ xk es un elemento de X = X . Rec´ıprocamente, es claro que X ⊂ X . Ahora, si a ∈ X entonces existe una sucesio´n de puntos xk ∈ X , con xk 6= a para todo k ∈ N y a = lim k→∞ xk , como por hipo´tesis se tiene que lim k→∞ xk ∈ X , se sigue que a ∈ X , es decir, X ⊂ X . Nota. Es claro que si X ⊂ Y ⊂ V entonces X ⊂ Y , de esto se sigue la siguiente proposicio´n. 40 Sucesiones en Espacios Vectoriales Normados Proposicio´n 2.7 Sea X ⊂ V un conjunto acotado, entonces X es un conjunto acotado. Demostracio´n. Como X es acotado, existe M > 0 tal que X ⊂ B[0,M ] . Como B[0,M ] es un conjunto cerrado se sigue que X ⊂ B[0,M ] = B[0,M ] , esto es, X es acotado. Desde la definicio´n de punto frontera de un conjunto X ⊂ V , tenemos que a ∈ Fr(X) si, y so´lo si, a es adherente a X y a V −X , es decir, Fr(X) = X ∩ V −X . En particular, Fr(X) es un conjunto cerrado. Del mismo modo como definimos conjunto abierto relativo a un con- junto X ⊂ V , definimos el concepto de conjunto cerrado relativo a X , diciendo que C ⊂ X es cerrado en X si existe un conjunto cerrado F ⊂ V tal que C = F ∩ X . De modo ana´logo al caso de conjuntos abiertos relativos, se prueba que: a) ∅, X son conjuntos cerrados relativos a X , b) si C1, C2 ⊂ X son conjuntos relativos a X , entonces C1 ∪ C2 es un conjunto cerrado relativo a X , c) si {Cλ : λ ∈ Λ} es una coleccio´n de conjuntos Cλ ⊂ X , cerrados relativos a X , entonces ∩λ∈ΛCλ es un conjunto cerrado relativo a X . Note que C ⊂ X es cerrado relativo a X si, y so´lo si, X−C es abierto relativo a X . De esto podemos definir una topolog´ıa para V tomando la coleccio´n de los conjuntos cerrados en V , y una topolog´ıa para X ⊂ V considerando la coleccio´n de los conjuntos cerrados relativos a X . Sean Y ⊂ X ⊂ V . Definimos la clausura de Y relativo a X como siendo el conjunto Y ∩X , es decir, es el conjunto de puntos adherentes de Y que pertenecen a X . Sergio Plaza 41 Definicio´n 2.10 Sean Y ⊂ X ⊂ V . Decimos que Y es denso en X si Y ∩X = X , y decimos que Y es denso en V si Y = V . Nota. Desde la definicio´n, se tiene que Y ⊂ X es denso en X si, y so´lo si, para cada x ∈ X y cada ε > 0 , se tiene que B(x, ε) ∩ Y 6= ∅ . Proposicio´n 2.8 Todo subconjunto X ⊂ Rn contiene un subconjunto numerable el cual es denso en X Demostracio´n. Si X es finito o numerable, no hay que probar. Supongamos que X es infinito no numerable. Sea B = {B(q, r) : q ∈ Qn y r ∈ Q} , la coleccio´n de las bolas abiertas con centro en puntos con todas sus coordenadas racionales en Rn y radio racional. Esta coleccio´n es numerable, es decir, podemos escribir B = {B1, B2 , . . .} . Para cada i ∈ N elijamos un punto xi ∈ Bi ∩ X , caso esta interseccio´n sea no vac´ıa. Si Bi ∩ X = ∅ , tal xi no existira´. Sea E = {xi : i ∈ N} el conjunto obtenido de ese modo. Ahora, sea x ∈ X y ε > 0 . Tenemos que existe r > 0 racional con 2r < ε . Como Qn es denso en Rn , existe q ∈ Qn tal que ||x− q|| < r . Luego, x ∈ B(q, r) = Bi para algu´n i ∈ N . Por lo tanto, Bi ∩X 6= ∅ y existe xi ∈ E . Como x, xi ∈ Bi = B(q, r) se tiene que ||x − xi|| 6 ||x− q||+ ||q − xi|| < 2r < ε . Luego, B(x, ε) ∩X 6= ∅ , de donde E es denso en X , como quer´ıamos probar 2.3 Conjuntos Compactos Definicio´n 2.11 Sea K ⊂ V . Decimos que K es compacto si, toda sucesio´n (xk)k∈N en K posee una subsucesio´n convergente a un punto de K . 42 Sucesiones en Espacios Vectoriales Normados Nota. Desde el Teorema de Bolzano–Weierstrass, tenemos la siguiente caracterizacio´n de los conjuntos compactos en Rn . Teorema 2.10 Sea K ⊂ Rn . Entonces K es compacto si, y so´lo si, K es cerrado y acotado. Demostracio´n. Supongamos que K ⊂ Rn es cerrado y acotado, y sea (xk)k∈N una sucesio´n de puntos en K . Entonces (xk)k∈N es acotada, y por el Teorema de Bolzano–Weierstrass se sigue que (xk)k∈N posee una subsucesio´n convergente, digamos (xkj )j∈N . Sea a = lim j→∞ xkj . Como K es cerrado y xkj ∈ K para todo j ∈ N , se sigue que a ∈ K . Por lo tanto K es compacto. Rec´ıprocamente, supongamos que K es compacto y que (xk)k∈N es una sucesio´n de puntos en K , convergente a un punto a . Entonces (xk)k∈N posee una subsucesio´n (xkj )j∈N convergente a un punto de K , y como lim j→∞ xkj = lim k→∞ xk , se sigue que a = lim k→∞ xk ∈ K , por lo tanto K es cerrado. Finalmente, si K no es acotado, entonces existe una sucesio´n (xk)k∈N , con xk ∈ K para todo k ∈ N , tal que ||xk|| > k . Esta sucesio´n no posee ninguna subsucesio´n convergente, luego K no es compacto, esta comtradiccio´n completa la prueba. Tenemos la siguiente proposicio´n, cuya prueba es inmediata a partir de la definicio´n de conjunto compacto. Proposicio´n 2.9 a) Sean K1, . . . ,K` ⊂ V conjuntos compactos, entonces K1 ∪ . . . ∪K` es compacto. b) Sea {Kλ : λ ∈ Λ} una familia de subconjuntos compactos de V , entonces ∩λ∈ΛKλ es un conjunto compacto. c) Si K1 ⊂ V y K2 ⊂ W son conjuntos compactos, entonces K1 × K2 ⊂ V ×W es un conjunto compacto. Sergio Plaza 43 Demostracio´n A cargo del lector. Teorema 2.11 (Cantor) Si {Kn : n ∈ N} es una sucesio´n decre- cientes de conjuntos compactos no vac´ıos, es decir, K1 ⊃ K2 ⊃ · · · ⊃ Km ⊃ · · · entonces la interseccio´n K = ∩n∈NKn es un conjunto com- pacto no vac´ıo Demostracio´n. Por la proposicio´n anterior K es compacto. Ahora, para cada k ∈ N elegimos un punto xk ∈ Kk y obtenemos un sucesio´n (xk)k∈N . Como K1 ⊃ K2 ⊃ · · · se sigue que (xk)k∈N es una sucesio´n en K1 , por lo tanto posee una subsucesio´n convergente (xkj )j∈N , con lim j→∞ xkj = x ∈ K1 . Dado n ∈ N arbitrario, tenemos que xni ∈ Kn para todo ni > n , luego x = lim i→∞ xni ∈ Kn . Por lo tanto, el punto x ∈ Kn para todo n ∈ N , es decir, x ∈ K = ∩n∈NKn . Definicio´n 2.12 Sea X ⊂ V . Decimos que una coleccio´n {Aα : α ∈ Γ} de subconjuntos de V es un cubrimiento de X si X ⊂ ∪α∈ΓAα . Si cada Aα es un conjunto abierto (cerrado, compacto, etc.) decimos que {Aα : α ∈ Γ} es un cubrimiento abierto (cerrado, compacto, etc.) Sea {Aα : α ∈ Γ} un cubrimiento de X ⊂ V , un subcubrimiento de X es una subcoleccio´n {Aα : α ∈ Γ′ } , donde Γ′ ⊂ Γ y X ⊂ ∪α∈Γ′Aα . Decimos que el cubrimiento {Aα : α ∈ Γ} es numerable (respectivamente, finito) si Γ es numerable (respectivamente, finito). Teorema 2.12 (Lindelo¨f) Sea X ⊂ Rn . Entonces todo cubrimiento abierto O = {Oλ : λ ∈ Λ} de X posee un subcubrimiento numerable. Demostracio´n. Sea E = {x1, x2, . . .} ⊂ X un conjunto numerable y denso en X . Sea B la coleccio´n de las bolas abiertas B(x, r) con 44 Sucesiones en Espacios Vectoriales Normados centro en algu´n x ∈ E y radio r racional, y tales que cada una de ellas esta´ contenida en algu´n elemento de Oλ de O , para algu´n λ ∈ Λ . Es claro que la coleccio´n B es numerable. Ahora, dado x ∈ X , existe r > 0 racional tal que B(x, 2r) ⊂ Oλ , y como E es denso en X existe x ∈ B(xi, r) . Sea y ∈ B(xi, r) entonces ||y − xi|| < r , luego ||x − y|| 6 ||x − xi|| + ||xi − y|| < 2r , por lo tanto y ∈ B(x, 2r) ⊂ Oλ , de donde concluimos que B(xi, r) ⊂ Oλ . Tomando una enumeracio´n B1, B2, . . . , Bk, . . . para las bolas en B y eligiendo para cada j ∈ N un ı´ndice λi ∈ Λ tal que Bi ⊂ Oλi se tiene que X ⊂ Oλ1 ∪ · · · ∪Oλn ∪ · · · . Lo que completa la prueba. Teorema 2.13 (Borel–Lebesgue) Sea K ⊂ Rn . EntoncesK es com- pacto si, y so´lo si, todo cubrimiento abierto O = {Oλ : λ ∈ Λ} de K posee un subcubrimiento finito. Demostracio´n. Por el Teorema de Lindelo¨f obtenemos un subcubrim- iento numerable {Oλi : i ∈ N } de K . Sea Ki = K ∩ (Rn − (Oλ1 ∪ · · · ∪ Oλi)) para todo i ∈ N . Esto nos da una sucesio´n decreciente de conjuntos compactos K1 ⊃ K2 ⊃ · · · . Dado x ∈ K existe j ∈ N tal que x ∈ Oλj , luego x /∈ Kj , es decir, ningu´n punto de K esta en todos los Kj , de donde ∩∞j=1Kj = ∅ . Luego, por el Teorema de Cantor, algu´n Ki0 = ∅ , esto significa que K ⊂ Oλ1 ∪ · · · ∪Oλi0−1 . Rec´ıprocamente, es inmediato que la coleccio´n B1 = {B(x, 1) : x ∈ K} es un cubrimiento abierto de K , por lo tanto posee un subcubri- miento finito, es decir, K ⊂ B(x1, 1) ∪ · · · ∪ B(xj , 1) . Luego, K esta´ contenido en una unio´n finita de conjuntos acotados, y en consecuencia K es acotado. Ahora, si existe a ∈ K −K entonces para cada i ∈ N , tomamos Oi = Rn −B[a, 1/n] . Si K no es cerrado entonces para todo x ∈ K se tiene que x 6= a , luego ||x−a|| > 1/n para algu´n n ∈ N , por Sergio Plaza 45 lo tanto x ∈ On . De esto, tenemos que K ⊂ ∪∞n=1On , y existe entonces un subcubrimiento finito, K ⊂ On1 ∪ · · · ∪ Onj . Como O1 ⊂ O2 ⊂ · · · toda unio´n de una coleccio´n de conjuntos Oi es igual al conjunto de ı´ndice mayor en la coleccio´n. Luego, K ⊂ Oi , para algu´n i ∈ N , esto significa que la bola B(a, 1/i) no tiene puntos en comu´n con K , lo que contradice que a ∈ K −K , y la prueba del teorema esta´ completa. Observacio´n. Desde el Teorema de Borel–Lebesgue podemos redefinir el concepto de conjunto compacto en Rn , diciendo que K ⊂ Rn es compacto si, y so´lo si, todo cubrimiento abierto de K posee un sub- cubrimiento finito. Esta es la deficio´n general de conjunto compacto en topolog´ıa. 2.4 Conexidad Definicio´n 2.13 Sea X ⊂ V . Decimos que X es conexo si X = A∪B , con A y B conjuntos abiertos y disjuntos implica que A = ∅ o B = ∅ . Si X no es conexo, decimos que X es disconexo. Ejemplos. 1. X = R − {0} es disconexo en R , pues R − {0} = {x ∈ R : x < 0} ∪ {x ∈ R : x > 0} y ambos conjuntos son abiertos, disjuntos, y no vac´ıos. 2. Todo conjunto discreto es disconexo. 3. Q ⊂ R es disconexo, pues existe a ∈ R−Q y tenemos Q = {q ∈ Q : q < a} ∪ {q ∈ Q : q > a} , y ambos conjuntos son abiertos, disjuntos, y no vac´ıos. 46 Sucesiones en Espacios Vectoriales Normados Para los subconjuntos conexos de R tenemos la siguiente caracteri- zacio´n. Teorema 2.14 Un subconjunto X ⊂ R es conexo si, y so´lo si, es un intervalo (acotado o no). Demostracio´n. Ver [12]. Teorema 2.15 La unio´n de una familia de conjuntos conexos con un punto en comu´n es un conjunto conexo. Demostracio´n. Sea X = ∪λ∈ΛCλ , donde cada Cλ es conexo, y existe a ∈ V con a ∈ Cλ para todo λ ∈ Λ . Si X = A∪B y a ∈ A , entonces para cada λ ∈ Λ , tenemos que Xλ = X∩Cλ = (A∪B)∩Cλ = (A∩Cλ)∪ (B ∩Cλ) . Como Cλ es conexo y a ∈ A , se tiene que B ∩Cλ = ∅ para todo λ ∈ Λ . Luego, B = B ∩X = B ∩ (∪λ∈Λ) = ∪λ∈Λ(B ∩ Cλ) = ∅ . Corolario 2.16 Sea X ⊂ V . Entonces X es conexo si, y so´lo si, para cada a, b ∈ X existe un conjunto conexo Cab , con a, b ∈ Cab y Cab ⊂ X . Demostracio´n (=⇒) Obvia. (⇐=) Fijemos a ∈ X . Entonces los conjuntos Cax , con x ∈ X son conexo, y a ∈ Cax para todo x ∈ X . Adema´s, es claro que ∪x∈XCax = X . Luego, por la proposicio´n anterior, X es conexo. 2.5 Ejercicios 1. Sea G = B(a; r)− {a} . ¿Es G conexo? 2. Demuestre que {x} es un conjunto conexo. Sergio Plaza 47 3. Demuestre que un convexo de (Rn, || · ||) es un conjunto conexo. Concluya que las bolas en espacios normados son conjuntos conexos. 4. Pruebe que la sucesio´n (xk)k∈N dada por xk = (−1)k no es con- vergente. 5. Sean N1 y N2 dos normas equivalentes en un espacio vectorial normado V . Demuestre que una sucesio´n en V converge respecto a N1 si, y so´lo si, converge respecto a N2 . 6. Pruebe que si X ⊂ V esta´ contenido en una unio´n finita de con- juntos acotados en V entonces X es acotado. 7. ¡Sera´ cierto que ∂A = A′ −A ?. 8. Sean A,B ⊂ V , dos conjuntos compactos en el espacio vectorial normado V . Pruebe que el conjunto A+B = {a+b : a ∈ A , b ∈ B} es un conjunto compacto. 9. Muestre con un ejemplo que A compacto no implica A compacto. ¿Vale la rec´ıproca? 10. Encuentre una me´trica para la que un conjunto es compacto si y so´lo si es finito. 11. Pruebe que el conjunto K = { 1n : n = 1, 2, . . .}∪{0} es compacto en R . 12. Pruebe que la unio´n finita de subconjuntos compacto es un con- junto compacto. 13. Sea I ⊂ R un intervalo con extremos a < b . Sea c ∈ I con a < c < b Prueba que I − {c} es disconexo. ¿Que ocurre si p 48 Sucesiones en Espacios Vectoriales Normados es un punto interior a un disco D en R2 , es decir, es D − {p} disconexo? 14. Sea (xn)n∈N una sucesio´n de Cauchy en Rm . Pruebe que si (xn)n∈N tiene alguna subsucesio´n convergente a x ∈ Rm entonces (xn)n∈N es convegente y lim n→∞xn = x . 15. Sea (xn)n∈N es una sucesio´n de Cauchy en Rm . Si (yn)n∈N es otra sucesio´n en Rm verificando d(xn, yn) < 1/n para todo n > 1 , pruebe que: (a) (yn)n∈N tambie´n es de Cauchy, (b) lim n→∞xn = x si, y so´lo si, limn→∞ yn = x . 16. Sea b ∈ B(a; r) tal que lim k→∞ xk = b . Probar que existe k0 ∈ N tal que xk ∈ B(a; r) para todo k > k0 . 17. Demuestre que si lim n→∞xn = 0 en R n con una norma, entonces lim n→∞xn = 0 en R n con cualquier otra norma. 18. Calcule el interior, la adherencia y la acumulacio´n con la me´trica eucl´ıdea de los conjuntos siguientes: A = {(x, y) : y = x3}, B = ]0, 1]∪ ]9, 10[ C = {(x, y, z)|x+ y + z < 1}. 19. Calcule los l´ımites, si existen, de las sucesiones siguientes (i) xn = (nsen(1/n), n 2+1 5n3+10 ) . (ii) xn = (n cos(1/n)− 1), n3+6n3+10 , 1n+1) Cap´ıtulo 3 Aplicaciones Continuas Sean V y W espacios vectoriales normados, con normas N y N˜ , respectivamente. Definicio´n 3.1 Sea X ⊂ V . Decimos que una aplicacio´n f : X −→ W es continua en un punto x0 ∈ X si, para cada ε > 0 dado, existe δ > 0 (que depende de ε y de x0 ) tal que si x ∈ X , con N(x−x0) < δ , entonces N˜(f(x) − f(x0)) < ε . Adema´s, decimos que f : X → W es continua en X si es continua en cada punto x ∈ X . En te´rmino de bolas abiertas, la continuidad de una aplicacio´n f : X → W en un punto x0 ∈ X se traduce como sigue: para cada ε > 0 dado, existe δ > 0 tal que f(B(x0, δ) ∩X) ⊂ B(f(x0), ε) . La continuidad es un concepto local, esto es, si cada x0 ∈ X es el centro de una bola abierta B tal que la restriccio´n de la aplicacio´n f a esa bola, f/(X ∩B) , es continua entonces f es continua en X . Notas. 1. Sean N1 y N2 normas equivalentes en V , y sean N˜1 y N˜2 normas equivalentes en W . Entonces una aplicacio´n f : X ⊂ 49 50 Aplicaciones Continuas V → W es continua en relacio´n a las normas N1 de V y N˜1 de W si, y so´lo si, es continua respecto a las normas N2 de V y N˜2 de W . La prueba es fa´cil y se deja a cargo del lector. 2. Si f : X ⊂ V → W es continua. Entonces para cada Y ⊂ X se tiene que f/Y : Y → W es continua. Esto es inmediato desde la definicio´n. 3. Si x0 es un punto aislado de X ⊂ V entonces f : X → W es continua en x0 , pues en este caso, se tiene que dado ε > 0 entonces para cualquier δ > 0 se satisface x ∈ X , N1(x−x0) < δ implica N2(f(x)− f(x0)) = 0 < ε . Ejemplos. 1. Sea f : R2 → R definida por f(x, y) = x3 + y3 x2 + y2 si (x, y) 6= (0, 0) 0 si (x, y) = (0, 0) . Entonces f es continua. Mostrar la continuidad de f fuera origen es fa´cil y se deja a cargo del lector. Ahora, sea ε > 0 dado, usando en R2 la norma euclideana, tenemos que |x| 6 ||(x, y)|| =√ x2 + y2 y |y| 6 ||(x, y)|| = √ x2 + y2 , luego |f(x, y)| 6 2||(x, y)|| 3 ||(x, y)||2 = 2||(x, y)|| , por lo tanto basta tomarδ = ε/2 y tenemos que ||(x, y)−(0, 0)|| = ||(x, y)|| < δ implica |f(x, y)| 6 ε . Sergio Plaza 51 2. Toda aplicacio´n f : X ⊂ V →W es continua en un punto aislado de X . En efecto, sea a ∈ X un punto aislado. Entonces existe δ > 0 tal que B(a, δ) ∩ X = {a} . Ahora, sea ε > 0 , tomamos el nu´mero δ > 0 anterior tenemos que x ∈ X , con N(x − a) < δ implica que x = a , por lo tanto N˜(f(x)− f(x)) = 0 < ε . 3. Aplicaciones Lipschitzianas. Sea f : X ⊂ V → W . Decimos que f es una aplicacio´n Lipschitz si, existe una constante Lf > 0 (constante de Lipschitz para f ) tal que sup x,y∈X x 6=y N˜(f(x)− f(y)) N(x− y) 6 Lf . Toda aplicacio´n f : X ⊂ V →W Lipschitz es continua. En efecto, sea ε > 0 dado, elegimos δ = ε/(L+1) , donde L es la constante de Lipschitz de f , se tiene que si x ∈ X , conN(x−x0) < δ, entonces N˜(f(x)− f(x0)) 6 LN(x− x0) < L εL+1 < ε. Una clase importante de aplicaciones lipschitzianas la constituyen las transformaciones lineales entre espacios euclideanos. En Rm y Rn consideramos normas N1 y N2 , respectivamente. Se define una norma N en el espacio vectorial L(Rm,Rn) = {L : Rm → Rn ; L lineal} , subordinada a las norma N1 y N2 , como N(T ) = sup{N2(T (v)) : v ∈ Rm , N1(v) = 1} = sup { N2(T (v)) N1(v) : v ∈ Rm , v 6= 0 } . Es fa´cil ver que N(T ) define una norma en L(Rm,Rn) (verifi- cacio´n rutinaria a cargo del lector). Desde la definicio´n, se sigue 52 Aplicaciones Continuas que N2((T (v)) 6 N(T )N1(v) para todo v ∈ Rm , con v 6= 0 , y como esta desigualdad vale trivialmente para v = 0 , se tiene que T es una aplicacio´n Lipschitz con constante de Lipschitz igual a N(T ) . 4. Aplicaciones Bilineales. Una aplicacio´n B : Rm × Rn → R` es bilineal si es lineal en cada variable, es decir, (a) B(αv1 + v2, w) = αB(v1, w) +B(v2, w) , (b) B(v, βw1 + w2) = βB(v, w1) +B(v, w2) . Sea L2(Rm × Rn,R`) el conjunto de las aplicaciones bilineales de Rm × Rn en R` . Es fa´cil ver que L2(Rm × Rn,R`) es un espacio vectorial. Ahora, sean N1 , N2 , y N3 normas en Rm , Rn , y R` , respectivamente. En Rm ×Rn consideramos la norma N0(v, w) = max{N1(v), N2(w)} . Definimos una norma N en L2(Rm × Rn,R`) , subordinada a las normas N0 y N3 por N(B) = sup{N3(B(v, w)) : (v, w) ∈ Rm × Rn , N1(v) = N2(w) = 1} = sup { N3(B(v, w)) N0(v, w) : (v, w) ∈ Rm × Rn , v 6= 0 , w 6= 0} . Desde la definicio´n, tenemos que N3(B(v, w)) 6 N(B)N1(v)N2(w) para todo (v, w) ∈ Rm × Rn . En efecto, la desigualdad es trivial si v = 0 o w = 0 . Ahora, si v 6= 0 y w 6= 0 , se tiene que los vectores v1 = v/N1(v) y w1 = w/N2(w) satisfacen N1(v1) = N2(w1) = 1 , luego N0(v1, w1) 6 N(B) , y de aqu´ı se sigue que N1(B(v, w)) 6 N(B)N1(v)N2(w) . Sergio Plaza 53 Ahora, sean (v, w), (u, z) ∈ Rm×Rn . Tenemos B(v, w)−B(u, z) = B(v, w−z)+B(v−u, z) , luego N(B(v, w)−B(u, z)) 6 N(B(v, w− z))+N(B(v−u, z)) 6 N(B)(N1(v)N2(w− z)+N1(v−u)N2(z)) . Consecuentemente, dado ε > 0 tomamos δ = ε2N(B)(M+1) , donde M = max{N1(v), N2(w)} y se tiene que N0((v, w) − (u, z)) < δ implica que N1(v − u) < δ y N2(w − z) < δ . Luego, N(B(v, w)−B(u, z)) < N(B)(N1(v)δ + δN2(z)) = N(B)δ(N1(v) +N2(z)) 6 N(B)δ2M = N(B)2M ε 2N(B)(M + 1) < ε , es decir, N((v, w)−(u, z)) < δ implica N(B(v, w)−B(u, z)) < ε . Por lo tanto, B es continua en cada punto (v, w) ∈ Rm × Rn . Algunas consecuencias (a) Sea λ : R × Rm → Rm la aplicacio´n dada por λ(α, v) = αv (producto escalar). Claramente, λ es bilineal, por lo tanto continua. (b) Sea I : Rm × Rm → R un producto interno. Por definicio´n, I es bilineal, por lo tanto continua. Para los siguientes ejemplos, identificamos el espacio vecto- rial de las aplicaciones lineales de Rm en Rn , el cual hemos denotado por L(Rm,Rn) con el espacio vectorial Rmn . (c) Sea eval : L(Rm,Rn) × Rm → Rn la aplicacio´n dada por ev(L, x) = L(x) , evaluacio´n de L en x . Es claro que eval es bilineal, por lo tanto continua. 54 Aplicaciones Continuas (d) Sea comp : L(Rm,Rn) × L(Rp,Rm) → L(Rp,Rn) la apli- cacio´n dada por comp(L, T ) = T ◦L (composicio´n de aplica- ciones lineales). Es claro que comp es bilineal, por lo tanto continua. (e) Sea p : R × R → R la aplicacio´n dada por p(x, y) = x · y , producto de nu´meros reales. Es claro que p es bilineal, por lo tanto continua. (f) Sea M(m×n,R) el espacio vectorial de las matrices de orden m × n con entradas reales. Sea P : M(m × n,R) ×M(n × p,R)→M(m×p,R) la aplicacio´n dada por P (A,B) = A·B , producto de matrices. Se tiene que P es bilineal, por lo tanto continua. 5. Isometr´ıas. Decimos que una aplicacio´n f : X ⊂ V → W es una isometr´ıa si N˜(f(x)− f(y)) = N(x− y) , es decir, f preserva distancias. Es claro, desde la definicio´n que toda isometr´ıa es una aplicacio´n continua. Para verlo basta tomar δ = ε en la definicio´n de continuidad. Por ejemplo, si n 6 m entonces la aplicacio´n i : Rn → Rm definida por i(x1, . . . , xn) = (x1, . . . , xn, 0, . . . , 0) es una isometr´ıa. Nota. Toda isometr´ıa es una aplicacio´n inyectiva, pues si f(x) = f(y) entonces 0 = N˜(f(x)− f(y)) = N(x− y) , luego x = y . Sea f : X ⊂ V → W una isometr´ıa, y sea Y = f(X) . Entonces f−1 : Y → X tambie´n es una isometr´ıa. Por ejemplo, si a ∈ V es un vector fijo y Ta : V → V es dada por Ta(v) = a+ v , traslacio´n por a . Entonces Ta es una isometr´ıa y T−1a = T−a . Sergio Plaza 55 En Rm tenemos que T : Rm → Rm es una aplicacio´n lineal entonces T es una isometr´ıa si, y so´lo si, 〈T (x), T (y)〉 = 〈x, y〉 para todo x, y ∈ Rm . 6. Contracciones De´biles. Decimos que una aplicacio´n f : X ⊂ V → W es una contraccio´n de´bil si f es Lipschitz con constante de Lipschitz igual a 1, es decir, para cada x, y ∈ X se tiene que N˜(f(x) − f(y)) 6 N(x − y) . Es inmediato que toda contraccio´n de´bil es una aplicacio´n continua. Ejemplo, sea s : V ×V → V la aplicacio´n dada por s(x, y) = x+y (suma de vectores en V ). Para ver que s es una contraccio´n de´bil, tomamos en V × V la norma NS((x, y)) = N(x) +N(y) (norma de la suma). Sean (x, y), (u, v) ∈ V × V , se tiene N(s(x, y) − s(u, v)) = N((x−u)+(y−v)) 6 N(x−u)+N(y−v) = NS((x, y)− (u, v)) . Ejemplo, proyecciones. Sean V1 y V2 espacios vectoriales nor- mados, con normas N1 y N2 , respectivamente. Se definen las aplicaciones pii : V1 × V2 → Vi (i = 1, 2) por pi1(x, y) = x y pi2(x, y) = y , estas son llamadas proyecciones en la primera y se- gunda coordenada, respectivamente. En V1 × V2 consideramos la norma de la suma NS(x, y) = N1(x) +N2(y) . Tenemos N1(pi1(u1, v1)− pi1(u2, v2)) = N1(u1 − u2) 6 N1(u1 − u2) +N2(v1 − v2) = NS((u1 − u2, v1 − v2)) = NS((u1, v1)− (u2, v2)) . Luego, pi1 es una contraccio´n de´bil. De modo ana´logo se prueba que pi2 es una contraccio´n de´bil. 56 Aplicaciones Continuas Este ejemplo se generaliza a un producto cartesiano de un nu´mero finito de espacios vectoriales normados. As´ı, considerando Rm como el producto cartesiano de n copias de R se tiene que las proyecciones pii : Rn → R , definidas por pii(x1, . . . , xi, . . . , xn) = xi (proyeccio´n en la i–e´sima coordenada) es una contraccio´n de´bil, por lo tanto continua, para cada i = 1, . . . , n . Teorema 3.1 Sean f : X ⊂ V →W y g : Y ⊂W → Z aplicaciones, con f es continua en a ∈ X y g es continua en f(a) , y f(X) ⊂ Y , Entonces la aplicacio´n g ◦ f es continua en a . Demostracio´n. Sea ε > 0 dado. Como g es continua en f(a) se tiene que existe η > 0 tal que si y ∈ Y satisface N2(y − f(a)) < η entonces N3(g(y) − g(f(a))) < ε . Considerando el nu´mero η > 0 se tiene que existe δ > 0 tal que si x ∈ X y N1(x − a) < δ entonces N2(f(x) − f(a)) < η , y por lo tanto N3(g(f(x)) − g(fa))) < ε , lo que muestra que g ◦ f es continua en a . Teorema 3.2 Sean f, g : X ⊂ V → W y α : X → R aplica- ciones continuas en a ∈ X . Entonces las aplicaciones f ± g , αf , y I(f, g) , dadas por (f ± g)(x) =
Compartir