Beamer Ana FVV Intro I PDF

Espacios normados, espacios métricos y espacios
euclı́deos
R. Álvarez-Nodarse
Universidad de Sevilla
R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

¿Y cómo comenzar el curso?
f : R2 7→ R, z = f (x, y ).

f : R2 7→ R, z = f (x, y ).
lim f (x, y ) =?
(x,y )→(0,0)

f : R2 7→ R, z = f (x, y ).
lim f (x, y ) =?
(x,y )→(0,0)
Ejemplo 1. Sea
 2
 x − y2
, si (x, y ) 6= (0, 0),
f (x, y ) = x2 + y2
0, si (x, y ) = (0, 0).


f : R2 7→ R, z = f (x, y ).
lim f (x, y ) =?
(x,y )→(0,0)
Ejemplo 1. Sea
 2
 x − y2
, si (x, y ) 6= (0, 0),
f (x, y ) = x2 + y2
0, si (x, y ) = (0, 0).

Si elegimos y = αx, α 6= 0, con x → 0, está claro que

f (x, αx) = (1 − α2 )/(1 + α2 ) que depende de la dirección que
tomemos, luego no existe el lı́mite de f (x, y ) cuando
(x, y ) → (0, 0).
lim f (x, y ) =?
(x,y )→(0,0)

lim f (x, y ) =?
(x,y )→(0,0)
Ejemplo 2. Sea la función
 x 2y

, si (x, y ) 6= (0, 0),
f (x, y ) = x4 + y2
0, si (x, y ) = (0, 0),

y calculemos limx→0 f (x, αx) = 0 para todo α, α 6= 0, . . .

lim f (x, y ) =?
(x,y )→(0,0)
Ejemplo 2. Sea la función
 x 2y

, si (x, y ) 6= (0, 0),
f (x, y ) = x4 + y2
0, si (x, y ) = (0, 0),

y calculemos limx→0 f (x, αx) = 0 para todo α, α 6= 0, . . . ¿Qué

ocurre si elegimos y = x 2 ?
f (x, x 2 ) = 1/2 6= 0, luego no existe el lı́mite de f (x, y ) cuando

(x, y ) → (0, 0).

¿Y ahora qué?

¿Y ahora qué?
Ejemplo 3.

 |x|3/2 y
, si (x, y ) 6= (0, 0),
f (x, y ) = x 2 + y2
0, si (x, y ) = (0, 0).

Teniendo en cuenta que 2|xy | ≤ x 2 + y 2 cualesquiera sean

x, y ∈ R, tenemos

x 3/2 y
1/2 |xy |
1 1/2
0≤ 2 = |x| 2 ≤ |x| → 0

x + y 2 2
x +y 2
cuando (x, y ) → (0, 0).

¿Y ahora qué?
Ejemplo 3.

 |x|3/2 y
, si (x, y ) 6= (0, 0),
f (x, y ) = x 2 + y2
0, si (x, y ) = (0, 0).


x, y ∈ R, tenemos

x 3/2 y
1/2 |xy |
1 1/2
0≤ 2 = |x| 2 ≤ |x| → 0

x + y 2 2
x +y 2
cuando (x, y ) → (0, 0).
Luego deberı́amos tener lim f (x, y ) = 0.

(x,y )→(0,0)
¿Y ahora qué?
Ejemplo 3.

 |x|3/2 y
, si (x, y ) 6= (0, 0),
f (x, y ) = x 2 + y2
0, si (x, y ) = (0, 0).


x, y ∈ R, tenemos

x 3/2 y
1/2 |xy |
1 1/2
0≤ 2 = |x| 2 ≤ |x| → 0

x + y 2 2
x +y 2
cuando (x, y ) → (0, 0).
Luego deberı́amos tener lim f (x, y ) = 0. ?????

(x,y )→(0,0)
¡Necesitamos formalizar estos lı́mites!
⇓
Espacios métricos, normados y euclı́deos

Espacios vectoriales
Definición
Sea V un conjunto de elementos sobre el cual están definidas las
operaciones suma “+” de dos elementos x, y de V y
multiplicación “·” de un escalar (número real) α por un elemento
de V . V es un espacio vectorial si
1 ∀x, y ∈ V , el vector suma, w = x + y ∈ V y se cumple que:
1 x +y =y +x
2 (x + y ) + z = x + (y + z)
3 Existe un elemento “nulo” de V , tal que x + 0 = 0 + x = x
4 Cualquiera sea el vector x de V , existe el elemento (−x)
“opuesto” a x, tal que x + (−x) = (−x) + x = 0.
2 ∀x ∈ V , el vector w = α · x ∈ V y se cumple que:
1 α · (x + y ) = α · x + α · y
2 (α + β) · x = α · x + β · x
3 α · (β · x) = (αβ) · x
4 1·x =x

Ejemplos de espacios vectoriales
1 El conjunto de los vectores de Rn cuando la suma de dos

vectores y la multiplicación por un escalar es la estándard.
2 El conjunto Rm×n de las matrices m × n cuando la suma de

dos matrices y la multiplicación por un escalar es la estándard.

Subespacios vectoriales
Definición
Sea V un espacio vectorial. Diremos que un subconjunto H de
elementos de V es un subespacio vectorial de V si H es a su vez
un espacio vectorial respecto a las mismas operaciones suma “+” y
multiplicación “·” que V .

Definición
Ejemplos.
1 Dado un espacio vectorial V , son subespacios vectoriales
“triviales” los subespacios H = {0} (conjunto que tiene como
único elemento, el nulo) y H = V (el mismo espacio
vectorial).

Definición
Ejemplos.
vectorial).
2 Sea k ≤ n. En conjunto V = {(x1 , . . . , xk , 0, . . . , 0) ∈ Rn es
un subespacio vectorial de Rn .

Definición
Ejemplos.
vectorial).
2 Sea k ≤ n. En conjunto V = {(x1 , . . . , xk , 0, . . . , 0) ∈ Rn es
un subespacio vectorial de Rn .
3 El conjunto de vectores de Rn tales que
α1 x1 + · · · + αn xn = 0, α1 , . . . , αn ∈ R.

Teorema
Un subconjunto H de elementos de V es un subespacio vectorial
de V si y sólo si se cumple que
Para todos x e y , vectores de H y α, β ∈ R el vector
w = αx + βy también es un vector de H.

Teorema
Al vector v = x1 v1 + x2 v2 + · · · + xp vp , x1 , . . . , xp ∈ R,
se le denomina combinación lineal de los vectores v1 , v2 , ..., vp .
Sea span (v1 , v2 , ..., vp ) el conjunto de todas las combinaciones
lineales de los vectores v1 , v2 , ..., vp ∈ V

Teorema
Al vector v = x1 v1 + x2 v2 + · · · + xp vp , x1 , . . . , xp ∈ R,
se le denomina combinación lineal de los vectores v1 , v2 , ..., vp .
Sea span (v1 , v2 , ..., vp ) el conjunto de todas las combinaciones
lineales de los vectores v1 , v2 , ..., vp ∈ V
Teorema
span (v1 , v2 , ..., vp ) es un subespacio vectorial de V .
Dicho subespacio vectorial comúnmente se denomina subespacio

generado por los vectores v1 , v2 , ..., vp .
Conjuntos linealmente independientes
Definición
Un conjunto de vectores v1 , v2 , ..., vp de un espacio vectorial V se
denomina linealmente independiente si la ecuación vectorial
x1 v1 + x2 v2 + · · · + xp vp = 0, x1 , x2 , · · · , xp ∈ R
tiene como única solución la trivial x1 = · · · = xp = 0.

Conjuntos linealmente independientes
Definición
Un conjunto de vectores v1 , v2 , ..., vp de un espacio vectorial V se
denomina linealmente independiente si la ecuación vectorial
x1 v1 + x2 v2 + · · · + xp vp = 0, x1 , x2 , · · · , xp ∈ R
tiene como única solución la trivial x1 = · · · = xp = 0.
Definición
Un conjunto de vectores v1 , v2 , ..., vp se denomina linealmente
dependiente si existen x1 , x2 , · · · , xp ∈ R no todos iguales a cero
tales que se verifique la ecuación vectorial
x1 v1 + x2 v2 + · · · + xp vp = 0.

Importancias de los vectores li: Bases
Definición
Sea H un subespacio vectorial del espacio vectorial V . El conjunto
de vectores B = {b1 , b2 , ..., bp } de V es una base de H si
i) B es un conjunto de vectores linealmente independientes
ii) H = span (b1 , b2 , ..., bp ), o sea, B genera a todo H.
En particular si H coincide con V , entonces B es una base de todo
el espacio vectorial V .

Definición
Ejemplo 1: Las n columnas a1 , ..., an de una matriz invertible

n × n, son li y además Rn = span (a1 , ..., an ). Por tanto
B = a1 , ..., an es una base de Rn .

Definición
Ejemplo 1: Las n columnas a1 , ..., an de una matriz invertible

n × n, son li y además Rn = span (a1 , ..., an ). Por tanto
B = a1 , ..., an es una base de Rn .
Si A = In , es la matriz identidad n × n, las columnas e1 , e2 , ..., en

de la misma son la base canónica de Rn .

Bases y dimensión del espacio
Teorema
Si un espacio vectorial V tiene una base de n vectores
B = {b1 , b2 , ..., bn }, entonces cualquier conjunto con más de n
vectores de V es linealmente dependiente. Además, si un espacio
vectorial V tiene una base de n vectores B = {b1 , ..., bn }, entonces
cualquier otra base de V tendrá que tener n vectores de V .

Teorema
El menor número de vectores linealmente independientes que

generan un espacio vectorial es una propiedad intrı́nseca de dicho
espacio y se denomina dimensión del espacio vectorial.

Teorema

IUn espacio vectorial V es de dimensión finita n si V está
generado por una base de n elementos en cuyo caso dim V = n.

Teorema

IEl espacio nulo {0} tiene dimensión 0.

Teorema

ISi V no puede ser generado por una base finita, entonces V es
de dimensión infinita: dim V = ∞.

Teorema

ISi V no puede ser generado por una base finita, entonces V es
de dimensión infinita: dim V = ∞.
Ejemplos: dim Rn = n, dim C[a,b] = ∞.
Espacios normados y espacios métricos
Definición
Un espacio métrico es un par (X, ρ) donde X es un conjunto y
ρ := ρ(x, y ) es una función real (univaluada) no negativa definida
para todos x, y , z ∈ X tal que
1 ρ(x, y ) = 0 ⇐⇒ x = y ,
2 ρ(x, y ) = ρ(y , x),
3 ρ(x, z) ≤ ρ(x, y ) + ρ(y , z).

Espacios normados y espacios métricos
Definición
Un espacio métrico es un par (X, ρ) donde X es un conjunto y
ρ := ρ(x, y ) es una función real (univaluada) no negativa definida
para todos x, y , z ∈ X tal que
1 ρ(x, y ) = 0 ⇐⇒ x = y ,
2 ρ(x, y ) = ρ(y , x),
3 ρ(x, z) ≤ ρ(x, y ) + ρ(y , z).
Si escogemos X = Rn , es decir el espacio de las n-tuplas

x = (x1 , x2 , . . . , xn ) con la métrica
v
u n
uX
ρ(x, y ) = t |xk − yk |2 ,
k=1
obtenemos un espacio métrico. Esta métrica se suele denominar

métrica euclı́dea.
Espacios métricos
Ejercicio: Probar que Rn con la p-métrica
n
!1/p
X
p
ρ(x, y ) = |xk − yk | , p ≥ 1,
k=1
es un espacio métrico.

Espacios métricos
n
!1/p
X
p
ρ(x, y ) = |xk − yk | , p ≥ 1,
k=1
Idea: 1. Probar que para todos u, v ≥ 0 y 1 ≤ p < +∞ se tiene
(u + v )p = inf t 1−p u p + (1 − t)1−p v p ; u, v ≥ 0, 0 < t < 1 .

t∈(0,1)

Espacios métricos
n
!1/p
X
p
ρ(x, y ) = |xk − yk | , p ≥ 1,
k=1
Idea: 1. Probar que para todos u, v ≥ 0 y 1 ≤ p < +∞ se tiene
(u + v )p = inf t 1−p u p + (1 − t)1−p v p ; u, v ≥ 0, 0 < t < 1 .

t∈(0,1)
2. |xi + yi |p ≤ (|xi | + |yi |)p = · · ·

Espacios normados
Definición
Un espacio vectorial X se denomina espacio normado si para todo
x ∈ X existe un número real denominado norma, y que
denotaremos por kxk, que cumple con las condiciones
1 ∀x ∈ X, kxk ≥ 0 y si kxk = 0 entonces x = 0.
2 ∀x ∈ X y λ ∈ R, kλxk = |λ|kxk.
3 ∀x, y ∈ X, se tiene la des. triang. kx + y k ≤ kxk + ky k.

Espacios normados
Definición
Si en un espacio normado X definimos ρ(x, y ) = kx − y k, esta

define a X como espacio métrico, i.e., todo espacio normado es un
espacio métrico. A ρ se denomina métrica inducida por la norma.

Espacios normados
Definición

Ejemplo
p Pn
X = Rn (Cn ), con la norma kxk = p p
k=1 |xk | , p = 2 es un
espacio normado.
Espacios normados
Definición

Ejemplo
p Pn
X = Rn (Cn ), con la norma kxk = p p
k=1 |xk | , p = 2 es un
espacio normado. ¿y si p ≥ 1?
¿Todo espacio métrico es normado?

NO

NO
Lema
Sea X un espacio normado. Entonces, la métrica ρ inducida por la
norma satisface las condiciones
1 ρ(x + z, y + z) = ρ(x, y ),
2 ρ(λx, λy ) = |λ|ρ(x, y ).

NO
Lema
1 ρ(x + z, y + z) = ρ(x, y ),
2 ρ(λx, λy ) = |λ|ρ(x, y ).
Dado que estamos interesados en Rn que es un espacio normado y

y además métrico con la métrica ρ inducida por la norma
ρ(x, y ) = kx − y k en adelante vamos a asumir que X es un espacio
métrico cuya métrica viene inducida por la correspondientes norma.

NO
Lema
1 ρ(x + z, y + z) = ρ(x, y ),
2 ρ(λx, λy ) = |λ|ρ(x, y ).

Ası́, en los espacios normados, como en los métricos, podemos
definir la conv. de sucesiones, suc. de Cauchy, etc.

NO
Lema
1 ρ(x + z, y + z) = ρ(x, y ),
2 ρ(λx, λy ) = |λ|ρ(x, y ).

Ası́, en los espacios normados, como en los métricos, podemos
definir la conv. de sucesiones, suc. de Cauchy, etc.
Ejercicio: Tanto la norma como la métrica son aplicaciones
continuas: Si xn → x entonces kxn k → kxk.
Espacios métricos
¿Para qué sirve la métrica?
Definición
Una sucesión (xn )n de elementos de X es convergente, y lo
denotaremos por lim xn = x, si existe un x ∈ X tal que para
n→∞
todo > 0 existe un N ∈ N tal que para todo n > N, ρ(x, xn ) < .
En caso contrario diremos que (xn )n es divergente.

Espacios métricos
¿Para qué sirve la métrica?
Definición
Una sucesión (xn )n de elementos de X es convergente, y lo
denotaremos por lim xn = x, si existe un x ∈ X tal que para
n→∞
todo > 0 existe un N ∈ N tal que para todo n > N, ρ(x, xn ) < .
En caso contrario diremos que (xn )n es divergente.
De ello se sigue que una sucesión (xn )n de elementos de Rn es

convergente a x ∈ Rn si para todo > 0 existe un N ∈ N tal que
para todo n > N, kx − xn k < .
Además se tiene que una sucesión (xn )n en Rn converge a x ∈ Rn

si y sólo si convergen sus componentes a las componentes del
lı́mite.

Espacios métricos: entornos o “bolas”
Definición
Sea X un espacio métrico, x0 ∈ X y r > 0. B(x0 , r ) es una “bola”
si B(x0 , r ) = {x ∈ X; ρ(x0 , x) < r } ⇔ {x ∈ X; kx0 − xk < r }.
y y
0 x 0 x
p
kxk = x2 + y2 kxk = |x| + |y |
y y
0 x 0 x
√
kxk = p
xp + y p, p > 2 kxk = max(|x|, |y |)

Espacios métricos: Topologı́a
Definición
Diremos que x es un punto de acumulación (o punto lı́mite) de
M si ∀B(x, ), > 0 hay al menos un elemento de M distinto de x,
o equiv., en cada bola B(x, ), ∀ > 0 hay infinitos elementos de
M.

Definición
M.
Theorem (Bolzano-Weierstrass)
Todo conjunto infinito y acotado de Rn tiene al menos un punto
de acumulación.

Definición
M.
de acumulación.
Definición
Dada una sucesión (xn )n de elementos de X, diremos que (xn )n es
acotada si existe un x ∈ X y un número K > 0 tal que
ρ(x, xn ) < K para todo n ∈ N.

Definición
M.
de acumulación.
Definición
Dada una sucesión (xn )n de elementos de X, diremos que (xn )n es
acotada si existe un x ∈ X y un número K > 0 tal que
ρ(x, xn ) < K para todo n ∈ N.
Ejemplos en R2 . Un cı́rculo, elipse, ...

Espacios métricos
Definición
Una sucesión (xn )n de elementos de X se denomina de Cauchy o
fundamental si para todo > 0 existe un N ∈ N tal que para todo
n > N y todo p ∈ N, ρ(xn , xn+p ) < .
Una sucesión en Rn es de Cauchy ⇔ lo son sus componentes, i.e.,

en Rn toda sucesión es convergente ⇔ es de Cauchy. Esta
propiedad de Rn no es cierta para cualquier espacio métrico X.

Espacios métricos
Definición

Definición
Un espacio métrico X se denomina completo si y sólo si toda
sucesión de Cauchy de elementos de X converge.
Definición
Un espacio normado completo (en la métrica inducida por la
norma) se denomina espacio de Banach.

Espacios métricos
Definición

Definición
Un espacio métrico X se denomina completo si y sólo si toda
sucesión de Cauchy de elementos de X converge.
Definición
Un espacio normado completo (en la métrica inducida por la
norma) se denomina espacio de Banach.
Rn es un espacio métrico completo y además de Banach.

Espacios normados de dimensión finita
Lema (Lema técnico)

Sean n vectores cualesquiera x1 , . . . , xn linealmente independientes
de un espacio normado X. Entonces, existe un número real c > 0
tal que cuales quiera sean los escalares α1 , . . . , αn ,
kα1 x1 + · · · + αn xn k ≥ c(|α1 | + · · · + |αn |).
Demostración: Sea s = |α1 | + · · · + |αn |. Si s = 0 el lema es

trivial ası́ que asumiremos s > 0. Dividiendo por s 2 se sigue que 2
es equivalente a probar que si x1 , . . . , xn son linealmente
independientes, entonces existe un número real c > P 0 tal que
cuales quiera sean los los escalares β1 , . . . , βn , con nk=1 |βk | = 1
kβ1 x1 + · · · + βn xn k ≥ c.
La prueba será por reducción al absurdo.

Prueba del Lema técnico
Entonces ha de existir (¿por qué?) una sucesión (ym )m ⊂ X tal que
n
(m) (m) (m) m→∞
X
ym = β1 x1 + · · · + βn xn , |βk | = 1, y kym k −→ 0.
k=1
(m)
De la condición nk=1 |βk | = 1 se sigue que las n sucesiones
P
(m)
numéricas (βk )m , k = 1, . . . , n, son acotadas.

n
(m) (m) (m) m→∞
X
k=1
(m)
P
(m)
(m)
Sea la sucesión (β1 )m acotada, entonces por el T de B-W de ella
(mj ) j→∞
se puede extraer una subsucesión convergente β1 −→ β1 .

n
(m) (m) (m) m→∞
X
k=1
(m)
P
(m)
(m)
(mj ) j→∞
(m)
Escojamos de cada una de las sucesiones restantes (βk )m ,
k = 2, . . . , n, las subsucesiones definidas por los ı́ndices mj .

n
(m) (m) (m) m→∞
X
k=1
(m)
P
(m)
(m)
(mj ) j→∞
(m)
Escojamos de cada una de las sucesiones restantes (βk )m ,
k = 2, . . . , n, las subsucesiones definidas por los ı́ndices mj .
(mj )
Entonces (β2 )j es acotada y por B-W y podemos extraer una
(j ) l→∞
subsucesión convergente β2 l −→ β2 . Además, si escogemos los
(j ) l→∞
ı́ndices jl definidos, la subsucesión (β1 l )j −→ β1 (¿por qué?).
Continuando este proceso n veces V ∃ una subsucesión de ı́ndices

(l ) i→∞
li t.q. βk i −→ βk , ∀k = 1, 2, . . . , n. Además, dicha sucesión de
ı́ndices define una subsucesión (yli )i de (ym )m t.q.
n n n
(l ) (l ) i→∞
X X X
yli = βk i xk , βk i −→ βk V lim yli = βk xk := y , |βk | = 1.
i→∞
k=1 k=1 k=1

Continuando este proceso n veces V ∃ una subsucesión de ı́ndices

(l ) i→∞
li t.q. βk i −→ βk , ∀k = 1, 2, . . . , n. Además, dicha sucesión de
ı́ndices define una subsucesión (yli )i de (ym )m t.q.
n n n
(l ) (l ) i→∞
X X X
yli = βk i xk , βk i −→ βk V lim yli = βk xk := y , |βk | = 1.
i→∞
k=1 k=1 k=1
De lo anterior se sigue que no todos los βk = 0 al mismo tiempo.

Como los vectores x1 , . . . , xn son li Vy 6= 0 (¿por qué?). La
norma es una aplicación continua V
lim yli = y V lim kyli k = ky k,

i→∞ i→∞
m→∞
pero como kym k −→ 0, entonces limi→∞ kyli k = 0, luego
ky k = 0 de donde se sigue que y = 0 lo cual es una contradicción.

Como corolario tenemos el siguiente teorema de completitud:
Teorema
Todo subespacio M de dimensión finita de un espacio normado es
completo. En particular, todo espacio normado de dimensión finita
es completo.
Definición
Una norma k · k en un espacio vectorial X es equivalente a otra
norma k · k0 si existen dos números reales a, b positivos (a > 0,
b > 0) tales que para todo x ∈ X
akxk0 ≤ kxk ≤ bkxk0 .

Si dos normas son equivalentes entonces toda sucesión de Cauchy
en (X, k · k) también lo es en (X, k · k0 ), y viceversa.
Usando el lema técnico se puede probar el siguiente teorema:

Teorema
Sea X un espacio vectorial de dimensión finita. Entonces cualquier
norma k · k en X es equivalente a cualquier otra norma en X.

Si dos normas son equivalentes entonces toda sucesión de Cauchy
en (X, k · k) también lo es en (X, k · k0 ), y viceversa.
Usando el lema técnico se puede probar el siguiente teorema:

Teorema
Sea X un espacio vectorial de dimensión finita. Entonces cualquier
norma k · k en X es equivalente a cualquier otra norma en X.
De lo anterior se sigue que en Rn todas las normas son

equivalentes. En general vamos a usar siempre la norma k · k2
conocida como norma 2 o norma euclı́dea:
v
u n
uX
kx − y k = t |xk − yk |2 ,
k=1

Definición
Un espacio métrico X se denomina compacto si cualquier sucesión
(xn )n de elementos de X tiene una subsucesión convergente.
Entenderemos que M ⊂ X es compacto si M es compacto como

subconjunto de X, i.e., cualquier (xn )n de elementos de M tiene
una subsucesión convergente en M.
Lema
Si M ⊂ X es compacto, entonces M es cerrado y acotado.

Definición
Un espacio métrico X se denomina compacto si cualquier sucesión
(xn )n de elementos de X tiene una subsucesión convergente.
Entenderemos que M ⊂ X es compacto si M es compacto como

subconjunto de X, i.e., cualquier (xn )n de elementos de M tiene
una subsucesión convergente en M.
Lema
Si M ⊂ X es compacto, entonces M es cerrado y acotado.
El recı́proco, en general, es falso. No obstante, en el caso de

dimensión finita se tiene el siguiente teorema:
Teorema
En un espacio normado X de dimensión finita (y por tanto en Rn ),
todo subconjunto es compacto si y sólo si es cerrado y acotado.
Espacios euclı́deos
Para terminar esta introducción recordemos la definición de

espacios euclı́deos.
Definición
Se dice que un espacio vectorial E es un espacio euclı́deo si dados
dos elementos cualesquiera x, y ∈ E existe un número denominado
producto escalar, que denotaremos por hx, y i, tal quea
1 Para todo x, y ∈ E, hx, y i = hy , xi.
2 Para todo x, y , z ∈ E, hx + y , zi = hx, zi + hy , zi.
3 Para todo x, y ∈ E y λ ∈ C, hλx, y i = λhx, y i
4 Para todo x ∈ E, x 6= 0, hx, xi > 0 y si hx, xi = 0, entonces
x = 0.
a
Si E es complejo denotaremos por z al complejo conjugado de z.

El ejemplo más sencillo de espacio euclı́deo es el espacio Rn con el

producto escalar estándar: dados x = (x1 , . . . , xn ), e
y = (y1 , . . . , yn )
n
X
hx, y i = xk yk .
k=1
Teorema (desigualdad de Cauchy-Schwarz)
Sea E un espacio euclı́deo. Entonces para todos f , g ∈ E,
|hf , g i|2 ≤ hf , f ihg , g i.

Teorema
Todo espacio euclı́deo E es p
normado si en él definimos la norma
mediante la fórmula kf k = hf , f i. Además, |hf , g i| ≤ kf k · kg k.

Teorema
Luego, todo espacio euclı́deo E es un espacio métrico con la

métrica inducida por el producto escalar mediante la fórmula
p
ρ(x, y ) = kx − y k = hx − y , x − y i.
Ası́, en Rn el producto escalar escalar induce la norma

v
u n
uX
kxk2 = t |xk |2 ,
k=1

Teorema
Luego, todo espacio euclı́deo E es un espacio métrico con la

métrica inducida por el producto escalar mediante la fórmula
p
ρ(x, y ) = kx − y k = hx − y , x − y i.
Ası́, en Rn el producto escalar escalar induce la norma

v
u n
uX
kxk2 = t |xk |2 ,
k=1
Un espacio euclı́deo E completo se denomina espacio de Hilbert.

Rn es un espacio de Hilbert.
Lı́mite y continuidad de funciones de varias variables
Una función vectorial de n-variables es una la aplicación

f : A ⊂ Rn 7→ Rm . Está claro que como
f (x1 , · · · , xn ) = (f1 (x1 , · · · , xn ), f2 (x1 , · · · , xn ), . . . , fm (x1 , · · · , xn ))
para estudiar las propiedades de f podemos restringirnos al estudio

de cada una de las componentes de f . Es decir, basta con estudiar
las funciones f : A ⊂ Rn 7→ R.
En adelante asumiremos que A ∈ Rn es un abierto.

Definición
Diremos que f : A ⊂ Rn 7→ Rm tiene lı́mite l, lim f (x) cuando x
x→a
tiende a a, punto lı́mite de A si
∀ > 0 ∃δ > 0; kx − ak < δ V kf (x) − lk < .
Si además l = f (a) diremos que f es continua en a.

Definición
Diremos que f : A ⊂ Rn 7→ Rm tiene lı́mite l, lim f (x) cuando x
x→a
tiende a a, punto lı́mite de A si
∀ > 0 ∃δ > 0; kx − ak < δ V kf (x) − lk < .
Si además l = f (a) diremos que f es continua en a.
Está claro que

1 Una función f : A ⊂ Rn → Rm tiene lı́mite si y sólo si tienen
lı́mite cada una de sus componentes.
2 Una función f : A ⊂ Rn → Rm es continua si y sólo si son
continuas sus componentes.
3 Si f : A ⊂ Rn → Rm tiene lı́mite (y en particular si es
continua) en x = a entonces existe un entorno B(a, δ) de a
donde f es acotada.
Es conveniente hacer notar que si f : A ⊂ Rn → R es continua en

x = a y f (a) 6= 0, entonces existe todo un entorno de a donde f
mantiene su signo. La prueba es similar al caso de una sola
variable y la omitiremos.
Teorema (de Weierstrass para funciones continuas)

Sea f : A ⊂ Rn → R función continua en un compacto A ⊂ Rn .
Entonces f es acotada y alcanza los extremos absolutos en A.

Antes de pasar a estudiar la derivación de funciones de varias

variables debemos recalcar que el problema de calcular lı́mites en
Rn es mucho más complicado que el caso de R. La razón principal
es que el R cuando x → a sólo hay dos formas de aproximarse a a:
por la izquierda o por la derecha, mientras que en Rn existen una
infinidad de maneras (trajectorias) de hacerlo.


Lo que está claro es que si limx→a f (x) = l, entonces,

independientemente de la forma que nos acerquemos a a, f (x)
tiene que acercarse a l. Si resulta que dada una función
f : A ⊂ Rn → R, cuando nos acercamos a a siguiendo distintas
trayectorias obtenemos resultados distintos, entonces f no tiene
lı́mite en a.



lı́mite en a.
Los lı́mites reiterados: lim lim f (x, y ) y lim lim f (x, y ).
x→x0 y →y0 y →y0 x→x0



lı́mite en a.
Los lı́mites reiterados: lim lim f (x, y ) y lim lim f (x, y ).
x→x0 y →y0 y →y0 x→x0
Veamos algunos ejemplos.

x 2y

, si (x, y ) 6= (0, 0),

1. f (x, y ) = x4 + y2
0, si (x, y ) = (0, 0).


x 2y

, si (x, y ) 6= (0, 0),

1. f (x, y ) = x4 + y2
0, si (x, y ) = (0, 0).

 2
 x − y2
, si (x, y ) 6= (0, 0),
2. f (x, y ) = x2 + y2
0, si (x, y ) = (0, 0).


x 2y

, si (x, y ) 6= (0, 0),

1. f (x, y ) = x4 + y2
0, si (x, y ) = (0, 0).

 2
 x − y2
, si (x, y ) 6= (0, 0),
2. f (x, y ) = x2 + y2
0, si (x, y ) = (0, 0).

( xy
, si (x, y ) 6= (0, 0),
3. f (x, y ) = x2 + y2
0, si (x, y ) = (0, 0).

x 2y

, si (x, y ) 6= (0, 0),

1. f (x, y ) = x4 + y2
0, si (x, y ) = (0, 0).

 2
 x − y2
, si (x, y ) 6= (0, 0),
2. f (x, y ) = x2 + y2
0, si (x, y ) = (0, 0).

( xy
, si (x, y ) 6= (0, 0),
3. f (x, y ) = x2 + y2
0, si (x, y ) = (0, 0).
1

x + y sin x , si (x, y ) 6= (0, 0),
4. f (x, y ) =
0, si (x, y ) = (0, 0).

Beamer Ana FVV Intro I PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Beamer Ana FVV Intro I PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Espacios normados, espacios métricos y espacios

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

Si elegimos y = αx, α 6= 0, con x → 0, está claro que

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

Ejemplo 2. Sea la función

y calculemos limx→0 f (x, αx) = 0 para todo α, α 6= 0, . . .

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

Ejemplo 2. Sea la función

y calculemos limx→0 f (x, αx) = 0 para todo α, α 6= 0, . . . ¿Qué

f (x, x 2 ) = 1/2 6= 0, luego no existe el lı́mite de f (x, y ) cuando

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

Teniendo en cuenta que 2|xy | ≤ x 2 + y 2 cualesquiera sean

cuando (x, y ) → (0, 0).

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

Teniendo en cuenta que 2|xy | ≤ x 2 + y 2 cualesquiera sean

cuando (x, y ) → (0, 0).

Luego deberı́amos tener lim f (x, y ) = 0.

Teniendo en cuenta que 2|xy | ≤ x 2 + y 2 cualesquiera sean

cuando (x, y ) → (0, 0).

Luego deberı́amos tener lim f (x, y ) = 0. ?????

Espacios métricos, normados y euclı́deos

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

1 El conjunto de los vectores de Rn cuando la suma de dos

2 El conjunto Rm×n de las matrices m × n cuando la suma de

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

Dicho subespacio vectorial comúnmente se denomina subespacio

tiene como única solución la trivial x1 = · · · = xp = 0.

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

tiene como única solución la trivial x1 = · · · = xp = 0.

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

Ejemplo 1: Las n columnas a1 , ..., an de una matriz invertible

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

Ejemplo 1: Las n columnas a1 , ..., an de una matriz invertible

Si A = In , es la matriz identidad n × n, las columnas e1 , e2 , ..., en

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

El menor número de vectores linealmente independientes que

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

El menor número de vectores linealmente independientes que

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

El menor número de vectores linealmente independientes que

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

El menor número de vectores linealmente independientes que

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

El menor número de vectores linealmente independientes que

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

Si escogemos X = Rn , es decir el espacio de las n-tuplas

obtenemos un espacio métrico. Esta métrica se suele denominar

Ejercicio: Probar que Rn con la p-métrica

R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos

Ejercicio: Probar que Rn con la p-métrica