Documente Academic
Documente Profesional
Documente Cultură
euclı́deos
R. Álvarez-Nodarse
Universidad de Sevilla
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).
lim f (x, y ) =?
(x,y )→(0,0)
lim f (x, y ) =?
(x,y )→(0,0)
x 2y
, si (x, y ) 6= (0, 0),
f (x, y ) = x4 + y2
0, si (x, y ) = (0, 0),
lim f (x, y ) =?
(x,y )→(0,0)
x 2y
, si (x, y ) 6= (0, 0),
f (x, y ) = x4 + y2
0, si (x, y ) = (0, 0),
Ejemplo 3.
|x|3/2 y
, si (x, y ) 6= (0, 0),
f (x, y ) = x 2 + y2
0, si (x, y ) = (0, 0).
Ejemplo 3.
|x|3/2 y
, si (x, y ) 6= (0, 0),
f (x, y ) = x 2 + y2
0, si (x, y ) = (0, 0).
Ejemplo 3.
|x|3/2 y
, si (x, y ) 6= (0, 0),
f (x, y ) = x 2 + y2
0, si (x, y ) = (0, 0).
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
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
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 .
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
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 .
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).
2 Sea k ≤ n. En conjunto V = {(x1 , . . . , xk , 0, . . . , 0) ∈ Rn es
un subespacio vectorial de Rn .
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 .
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).
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.
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
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 .
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
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
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.
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
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
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 .
n
!1/p
X
p
ρ(x, y ) = |xk − yk | , p ≥ 1,
k=1
es un espacio métrico.
n
!1/p
X
p
ρ(x, y ) = |xk − yk | , p ≥ 1,
k=1
es un espacio métrico.
n
!1/p
X
p
ρ(x, y ) = |xk − yk | , p ≥ 1,
k=1
es un espacio métrico.
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.
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.
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 |)
Theorem (Bolzano-Weierstrass)
Todo conjunto infinito y acotado de Rn tiene al menos un punto
de acumulación.
Theorem (Bolzano-Weierstrass)
Todo conjunto infinito y acotado de Rn tiene al menos un punto
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.
Theorem (Bolzano-Weierstrass)
Todo conjunto infinito y acotado de Rn tiene al menos un punto
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
Un espacio normado completo (en la métrica inducida por la
norma) se denomina espacio de Banach.
Definición
Un espacio normado completo (en la métrica inducida por la
norma) se denomina espacio de Banach.
kβ1 x1 + · · · + βn xn k ≥ c.
(m)
De la condición nk=1 |βk | = 1 se sigue que las n sucesiones
P
(m)
numéricas (βk )m , k = 1, . . . , n, son acotadas.
(m)
De la condición nk=1 |βk | = 1 se sigue que las n sucesiones
P
(m)
numéricas (βk )m , k = 1, . . . , n, son acotadas.
(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 .
(m)
De la condición nk=1 |βk | = 1 se sigue que las n sucesiones
P
(m)
numéricas (βk )m , k = 1, . . . , n, son acotadas.
(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 .
(m)
Escojamos de cada una de las sucesiones restantes (βk )m ,
k = 2, . . . , n, las subsucesiones definidas por los ı́ndices mj .
(m)
De la condición nk=1 |βk | = 1 se sigue que las n sucesiones
P
(m)
numéricas (βk )m , k = 1, . . . , n, son acotadas.
(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 .
(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?).
R. Álvarez-Nodarse Universidad de Sevilla Espacios normados, espacios métricos y espacios euclı́deos
Prueba del Lema técnico
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.
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
Definición
Un espacio métrico X se denomina compacto si cualquier sucesión
(xn )n de elementos de X tiene una subsucesión convergente.
Definición
Un espacio métrico X se denomina compacto si cualquier sucesión
(xn )n de elementos de X tiene una subsucesión convergente.
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
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
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.
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).