Notas de Calculo Diferencial e Integral

III
Miguel

Angel Chavez Garca
Facultad de Estudios Superiores unidad Acatlan
Universidad Nacional Autonoma de Mexico
Noviembre de 2010
Resumen. Presentamos las notas de clase de la asignatura de Calculo Diferencial
e Integral III que se imparte en la carrera de Actuara en la Facultad de Estudios
Superiores unidad Acatlan.
Introducci on
Las notas de clase que a continuaci on se presentan, fueron elaboradas por primera
vez en agosto de 2007 como un manuscrito del curso de Calculo Diferencial e Integral
III para los estudiantes de Actuara de la Facultad de Estudios Superiores Acatl an;
haciendo enf asis en el analisis de los puntos crticos de las funciones mediante la
diagonalizaci on de una matriz; durante ese curso se elaboraron gran parte de los
problemas que se incluyen a nal de cada captulo; un a no depues se volvio a impartir
el mismo curso donde se depuraron algunos aspectos de contenido y se ampliaron los
problemas propuestos. Finalmente en la primavera verano de 2010 se dan integras
las notas de clase y surge la idea por parte los alumnos de presentarlo como las notas
del curso, es ah donde surge esta version del manuscrito original.
Se incluyen mas problemas y el uso de la computadora para visualizaci on de
gr acas. Al nal del semestre los estudiantes de cada curso hicieron presentaciones
de algunos problemas, los estudiantes del curso 2010 combinaban el software MAPLE
con la soluci on de problemas de optimizaci on dando muy buenos resultados.
Las notas estan divididas en seis captulos acorde con el programa de la asignatu-
ra, correspondiente al tercer semestre de la carrera. En cada uno de los captulos se
expone la teora necesaria para desarrollar los ejercicios que vienen al nal de cada
uno de ellos; los ejercicios son fundamentales pues en ellos se comprende y aprende
como se aplican los conceptos dados en la teora.
En el primer captulo se presenta el espacio en el cual se desarrollar a la teora,
as como su estructura de espacio vectorial, nos interesa saber como medir objetos
dentro de nuestro espacio y ah la necesidad de dar una distancia. Cerramos con un
concepto de algebra lineal que servir a para desarrollos posteriores.
El segundo captulo trata de los diferentes conjuntos que se pueden formar en
nuestro espacio con una metrica asociada. Estos conjuntos ser an despues importantes
pues ser an vistos como el dominio de una funci on. Es una parte introductoria haca
la topologa de R
n
; es decir de la forma que tienen estos conjuntos.
En el tercer captulo se incia con la presentacion de las sucesiones y su convergen-
cia, para dar paso natural a los lmites de una funci on, en ese intermedio denimos
lo que ser a una funci on entre conjuntos de nuestro espacio. Finalmete veremos la
continuidad de una funcion y lo que hacen estas funciones a los conjuntos dados en el
captulo anterior; es decir los invariantes entre conjuntos bajo una funcion continua.
El cuarto captulo se dan los diferentes tipos de derivadas que pueden haber en
una funci on; al contrario que en el calculo diferencial de una variable, aqu nuestras
funciones pueden no ser continuas y sin embargo existir alguno de los conceptos
de derivada. Se demuestran teoremas de diferenciacion de funciones y se presentan
conceptos clasicos del analisis vectorial. Finaliza el captulo con el an alisis de curvas,
tema que se ve en geometra diferencial.
3
4 INTRODUCCI

ON
En el quinto captulo se presentan los dos teoremas centrales del c alculo diferen-
cial de varias variables, como son los teoremas de funci on inversa y el teorema de la
funci on implcita. Ambos teoremas dicen de los invariantes locales o globales entre
conjuntos bajo una funcion diferenciable y con su derivada continua o cuando se
puede ver como la gr aca de una funci on. Este concepto es mas fuerte que el dado
en el tercer captulo, pues al pedirle m as a la funci on los invariantes de los con-
juntos se vuelven, m as partculares. Se d a tambien una introducci on a la geometra
diferencial mediante el estudio de las supercies.
El sexto captulo se desarrollan los m aximos, mnimos o puntos sillas de las
funciones de varias variables. Se presentan las condiciones necesarias o sucientes
para encontrar tales puntos. Se da otra perspectiva del analisis de los puntos crticos
a partir de la diagonalizaci on de la matriz de segundas derivadas; lo cual hace mas
intuitivo el an alisis mediante una tecnica que se usa en teora de Morse. Se presenta
una tecnica; debida a Lagrange para encontrar esos puntos cuando las funciones
tienen ciertas restricciones en su dominio. Finalmente se ve la relaci on que guardan
los puntos crticos con la curvatura asociada a una supercie.
Se incluye bibliografa de los textos cl asicos sobre la matera, pero sin lugar a
dudas la mejor bibliografa ser a aquella que uno entienda y que nos aclare nuestras
dudas.
Miguel

Angel Chavez Garca.

Indice general
Introducci on 3
Captulo 1. Estructura de R
n
7
1. Norma y producto interior en R
n
7
2. Transformaciones lineales en R
n
12
3. Ejercicios 13
Captulo 2. Topologa de R
n
15
1. Deniciones basicas 15
2. Conjuntos compactos y conjuntos conexos en R
n
19
3. Ejercicios 22
Captulo 3. Lmite y continuidad de funciones en R
n
25
1. Sucesiones en R
n
25
2. Lmite y continuidad de funciones en R
n
27
3. Invariantes de las funciones continuas de R
n
a R
m
30
4. Ejercicios 31
Captulo 4. Derivadas de funciones en R
n
35
1. Diferenciaci on de una funcion en R
n
35
2. Continuidad de las funciones diferenciables y la regla de cadena 37
3. El teorema de Taylor 38
4. Curvas 40
5. Ejercicios 45
Captulo 5. Teorema de la funcion implcita y teorema de la funci on inversa 49
1. Teorema de la funcion inversa 49
2. Teorema de la funcion implcita 50
3. Supercies 51
4. Ejercicios 55
Captulo 6. M aximos y mnimos, optimizacion de funciones en R
n
57
1. Puntos crticos de funciones en R
n
. 57
2. Lema de Morse y puntos crticos 58
3. Multiplicadores de Lagrange 60
4. Puntos crticos y curvatura de una supercie 60
5. Ejercicios 61
Bibliografa 67
5
Captulo 1
Estructura de R
n
1. Norma y producto interior en R
n
Definici

on 1. Llamamos espacio de dimension n al conjunto de todos los puntos

de la forma x = (x
1
, . . . , x
n
), donde cada x
i
R, i {1, . . . , n}. x
i
es la componente
de x. Al espacio le llamamos R
n
y a x se le llama vector.
En el espacio R
n
denimos dos operaciones, la primera es la suma de vectores
dada por
+ : R
n
R
n
R
n
,
(x, y) x + y,
x, y R
n
entonces
x + y := (x
1
, . . . , x
n
) + (y
1
, . . . , y
n
) = (x
1
+ y
1
, . . . , x
n
+ y
n
).
La segunda operaci on es el producto de un escalar por un vector, dada por
: R R
n
R
n
,
(, x) x,
R, x R
n
entonces
x := (x
1
, . . . , x
n
) = (x
1
, . . . , x
n
).
De las operaciones anteriores se sigue
Teorema 1. Sean R
n
con las operaciones de suma y producto escalar entonces
R
n
es un espacio vectorial si y s olo si satisface lo siguiente
1. x, y R
n
, x + y R
n
.
2. x, y R
n
, x + y = y + x.
3. x, y, z R
n
, (x + y) + z = x + (y + z).
4. 0 R
n
; x + 0 = x, x R
n
.
5. R, x R
n
, x R
n
.
6. , R, x R
n
, (x) = ()x.
7. R, x, y R
n
, (x + y) = x + y.
8. , R, x R
n
, ( + )x = x + y.
9. 1 R; 1x = x, x R
n
.
Demostraci on. Probemos cada uno de los incisos, para ello x, y, z R
n
y
, R, entonces
1. x + y R
n
pues x + y = (x
1
, . . . , x
n
) + (y
1
, . . . , y
n
) = (x
1
+ y
1
, . . . , x
n
+ y
n
)
y x
i
+ y
i
R, i {1, . . . , n}.
2. x + y = (x
1
, . . . , x
n
) + (y
1
, . . . , y
n
) = (x
1
+ y
1
, . . . , x
n
+ y
n
) =
(y
1
+ x
1
, . . . , y
n
+ x
n
) = (y
1
, . . . , y
n
) + (x
1
. . . , x
n
) = y + x. Aqu usamos la
propiedad conmutativa en R, es decir x
i
+ y
i
= y
i
+ x
i
, i {1, . . . , n}.
7
8 1. ESTRUCTURA DE R
n
3. (x + y) + z = ((x
1
, . . . , x
n
) + (y
1
, . . . , y
n
)) + (z
1
, . . . , z
n
) =
(x
1
+ y
1
, . . . , x
n
+ y
n
) + (z
1
, . . . , z
n
) =((x
1
+ y
1
) + z
1
, . . . , (x
n
+ y
n
) + z
n
) =
(x
1
+ (y
1
+ z
1
), . . . , x
n
+ (y
n
+ z
n
)) = (x
1
, . . . , x
n
) + (y
1
+ z
1
, . . . , y
n
+ z
n
) =
(x
1
, . . . , x
n
) + ((y
1
, . . . , y
n
) + (z
1
, . . . , z
n
)) = x + (y + z). Aqu usamos la
propiedad asociativa de R, es decir (x
i
+y
i
)+z
i
= x
i
+(y
i
+z
i
), i {1, . . . , n}.
4. Sea 0 = (0, . . . , 0) R
n
entonces x + 0 = (x
1
, . . . , x
n
) + (0, . . . , 0) =
(x
1
+0, . . . , x
n
+0) = (x
1
, . . . , x
n
) = x. Aqu usamos la propiedad del elemento
neutro para R, es decir x
i
+ 0 = x
i
, i {1, . . . , n}.
5. x = (x
1
. . . . , x
n
) = (x
1
, . . . , x
n
) y x
i
R, i {1, . . . , n}.
6. (x) = ((x
1
, . . . , x
n
)) = (x
1
, . . . , x
n
)) = ((x
1
), . . . , (x
n
)) =
(()x
1
, . . . , ()x
n
) = ()(x
1
, . . . , x
n
) = ()x. Aqu hemos usado la
propiedad asociativa del producto en R, es decir (x
i
) = ()x
i
, i
{1, . . . , n}.
7. (x + y) = ((x
1
, . . . , x
n
) + (y
1
, . . . , y
n
)) = (x
1
+ y
1
, . . . , x
n
+ y
n
) =
((x
1
+y
1
), . . . , (x
n
+y
n
)) = (x
1
+y
1
, . . . , x
n
+y
n
) = (x
1
, . . . , x
n
) +
(y
1
, . . . , y
n
) = (x
1
, . . . , x
n
) + (y
1
, . . . , y
n
) = x + y. Aqu usamos la
distribuci on del producto con respecto a la suma en R, es decir (x
i
+y
i
) =
x
i
+ y
i
, i {1, . . . , n}.
8. ( + )x = ( + )(x
1
, . . . , x
n
) = (( + )x
1
, . . . , ( + )x
n
) =
(x
1
+ x
1
, . . . , x
n
+ x
n
) = (x
1
, . . . , x
n
) + (x
1
, . . . , x
n
) =
(x
1
, . . . , x
n
) + (x
1
, . . . , x
n
) = x + x. Aqu usamos la distribucion del
producto con respecto a la suma en R, es decir ( + )x
i
= x
i
+ x
i
, i
{1, . . . , n}.
9. 1x = 1(x
1
, . . . , x
n
) = (1x
1
, . . . , 1x
n
) = (x
1
, . . . , x
n
) = x. Aqu usamos la
propiedad del neutro bajo la multiplicaci on en R, es decir 1x
i
= x
i
, i
{1, . . . , n}.

Observaci

on 1. Al espacio vectorial R
n
lo denotaremos por (R
n
, +, )
Ahora deniremos una funci on en R
n
, la cual nos ayudar a a demostrar un resul-
tado que involucra la manera en que mediremos en R
n
.
Definici

on 2. Sea (R
n
, +, ) y la funci on
<, >: R
n
R
n
R,
(x, y) < x, y > .
La funcion <, > es un producto interior si y s olo si satisface
a. x, y R
n
, < x, y >=< y, x > .
b. x, y, z R
n
, < x, y + z >=< x, y > + < x, z > .
c. R, x R
n
, < x, y >=< x, y >=< x, y > .
Si <, > satisface ademas que
d. < x, x >= 0 si y s olo si x = 0.
e. < x, x >> 0 si y solo si x = 0.
Entonces <, > es denido positivo.
Observaci

on 2. Al espacio (R
n
, +, ) dotado de un producto interior
<, > se le llamar a espacio con producto interior y se le denotara por (R
n
, <
, >).
1. NORMA Y PRODUCTO INTERIOR EN R
n
9
De aqu en adelante (R
n
, <, >) estara considerado con un producto interior
denido positivo.
Se sigue de a una propiedad semejante a b la cual nos dice < x + y, z >=<
x, z > + < y, z >, x, y, z R
n
.
El producto interior que vamos a usar viene dado por el siguiente resultado.
Teorema 2. En (R
n
, +, ) denimos <, > como
(1) < x, y >=< (x
1
, . . . , x
n
), (y
1
, . . . , y
n
) >=
n

i=1
x
i
y
i
,
entonces 1 es un producto interior en R
n
.
Demostraci on. Probemos que 1 es un producto interior denido positivo para
(R
n
, +, ), entonces tenemos para cada inciso
a. Por denici on < x, y >=

n
i=1
x
i
y
i
=

n
i=1
y
i
x
i
=< y, x > . Esto se debe a
la propiedad conmutativa de R, es decir x
i
y
i
= y
i
x
i
, i {1, . . . , n}.
b. Sean x, y, z R
n
entonces < x, y + z >=
< (x
1
, . . . , x
n
), (y
1
+z
1
, . . . , y
n
+z
n
) >=

n
i=1
x
i
(y
i
+z
i
) =

n
i=1
(x
i
y
i
+x
i
y
i
) =

n
i=1
x
i
y
i
+

n
i=1
x
i
z
i
=< x, y > + < x, z > . Aqu hemos usado propiedades
del producto interior, la distribuci on de la producto con respecto a la suma;
es decir x
i
(y
i
+z
i
) = x
i
y
i
+x
i
z
i
, i {1, . . . , n} y como la suma es nita, es
convergente por consiguiente la suma se distribuye por su linealidad.
c. Sea R y x, y R
n
entonces < x, y >=

n
i=1
x
i
y
i
=

n
i=1
(x
i
y
i
) =

n
i=1
(x
i
)y
i
=< x, y >=

n
i=1
(x
i
)y
i
=

n
i=1
x
i
(y
i
) =< x, y > . Se han
utilizado la asociatividad y la conmutatividad de R, es decir (x
i
y
i
) = (x
i
)y
i
y (x
i
)y
i
= (x
i
)y
i
, i {1, . . . , n} y por ultimo como la suma es nita, es
convergente entonces usando la linealidad de la sumatoria se puede meter el
escalar.
d. ) Supongamos que < x, x >= 0 entonces

n
i=1
x
i
x
i
=

n
i=1
x
2
i
= 0, pero
sabemos que todo n umero al cuadrado es mayor o igual que cero, as cada
x
i
= 0, {1, . . . , n}, de donde x = (0, . . . , 0).
) Supongamos que x = (0, . . . , 0), entonces < x, x >=

n
i=1
0 = 0.
e. ) Supongamos que < x, x >= 0 entonces

n
i=1
x
2
i
= 0, esto implica que
i {1, . . . , n} tal que x
i
= 0. Por lo tanto x = 0.
) Supongamos que x = 0; es decir al menos x
i
= 0, i {1, . . . , n} entonces
< x, x >=

n
i=1
x
2
i
= 0, pues todo n umero al cuadrado es mayor o igual que
cero, como x
i
= 0 entonces x
2
i
= 0.

Ahora veremos como mediremos a los elementos en nuestro espacio ambiente

Definici

on 3. Sea (R
n
, +, ) entonces la funci on dada por
|| || : R
n
R
+
{0}
x ||x||,
es una norma si y s olo si satisface
1. ||x|| = 0 si y s olo si x = 0.
2. ||x|| > 0 si y solo si x = 0.
10 1. ESTRUCTURA DE R
n
3. x R
n
, R, ||x|| = ||||x||.
4. x, y R
n
, ||x + y|| ||x|| +||y|| (desigualdad del triangulo)
La siguiente denici on hace la conexion entre la norma de un espacio y el pro-
ducto interior del espacio. Esta es precisamente la metrica que nos permite hacer
geometra en nuestro espacio; mas adelante diremos que es una metrica.
Definici

on 4. Sea ||x|| =

< x, x > =
_

n
i=1
x
2
i
, x R
n
.
Observaci

on 3. La norma denida anteriormente la denotaremos por ||x||

2
.
El siguiente lema se establece la relaci on que hay entre el producto interior de
dos vectores y el producto de sus normas y nos ayudar a a demostrar la desigualdad
del triangulo.
Lema 1. Cauchy - Schwarz Sean x, y (R
n
, <, >) entonces
(2) | < x, y > | ||x||
2
||y||
2
Demostraci on. Sea h = x + y, es claro que h (R
n
, <, >) y usemos la
denici on de la norma, entonces ||h||
2
2
=< h, h > 0, as
< x + y, x + y >=< x, x > +2 < x, y > +
2
< y, y > 0.
De donde obtenemos
(3) ||x||
2
2
+ 2 < x, y > +
2
||y||
2
2
0
La ecuaci on (3) es una cuadratica de la variable , al ser mayor o igual que cero,
quiere decir que su discriminante es menor o igual que cero. Es decir las races de
(3) son complejas o tiene una raz doble. De esta manera
(2 < x, y >)
2
4||x||
2
2
||y||
2
2
0
4 < x, y >
2
4||x||
2
2
||y||
2
2
,
por lo tanto
| < x, y > | ||x||
2
||y||
2
.

Teorema 3. ||x||
2
es una norma para R
n
.
Demostraci on. Probemos cada uno de los incisos de la denici on de norma
1. La prueba de 1. es analoga a la prueba de inciso d. del teorema 2.
2. Para el inciso 2. la prueba es an aloga al inciso e. del teorema 2.
3. Sea R y x R
n
entonces ||x||
2
=
_

n
i=1
(x
i
)
2
=
_

n
i=1

2
x
2
i
=
_

n
i=1
x
2
i
=

2
_

n
i=1
x
2
i
= || ||x||
2
.
4. Tomemos ||x +y||
2
2
= ||x||
2
2
+2 < x, y > +||y||
2
2
= 0, entonces aplicando
el lema 1 se sigue que ||x||
2
2
+ 2||x||
2
||y||
2
+ ||y||
2
2
= (||x||
2
+ ||y||
2
)
2
. Al
aplicar la raz cuadrada y como las normas son positivas obtenemos
||x + y||
2
||x||
2
+||y||
2
.

A R
n
se le pueden asociar diferentes normas, es decir se mantiene jo el espacio
y lo que cambiamos es la norma como veremos a continuacion.
1. NORMA Y PRODUCTO INTERIOR EN R
n
11
Ejemplo 1. Sea R
n
con su estructura de espacio vectorial, entonces si x R
n
denimos ||x||
1
=

n
i=n
|x
i
|. Entonces (R
n
, ||x||
1
) es un espacio normado. A ||x||
1
se
le conoce como la norma uno.
Ejemplo 2. Sea x R
n
, denimos ||x||

= sup{|x
i
| : i {1, . . . , n}}, entonces
(R
n
, ||x||

) es un espacio normado. A ||x||

se le conoce como la norma innita o

la norma del supremo.
El siguiente teorema nos muestra la relacion que guardan las normas ||x||

y
||x||
2
Teorema 4. Sea x R
n
entonces
|x
i
| ||x||
2

n||x||

,
donde i {1, . . . , n}.
Demostraci on. Sea x R
n
entonces x = (x
1
, . . . , x
n
) y tomemos x
i
una de las
componentes de x y elevemos al cuadrado. Entonces 0 x
2
i
x
2
i
+ a, donde a R
y a 0. Sea a = x
2
1
+ + x
2
i1
+ x
2
i+1
+ + x
n
, de esta manera
x
2
i

n

i=1
x
2
i
=< x, x >= ||x||
2
2
.
Aplicamos raz cuadrada para obtener |x
i
| ||x||
2
.
Sea = ||x||

= sup{|x
i
| : i {1, . . . , n}}, entonces |x
i
| , i {1, . . . , n},
de donde

2
+ +
2
|x
1
|
2
+ +|x
n
|
2
=
n

i=1
x
2
i
=< x, x >= ||x||
2
2
0;
es decir n
2
||x||
2
2
. Al aplicar raz cuadrada ||x||
2


n||x||

. Por lo tanto
|x
i
| ||x||
2


n||x||

.
Definici

on 5. Sea
d : R
n
R
n
R
+
{0}
(x, y) d(x, y)
una funcion, entonces d es una metrica para R
n
si y s olo si satisface
1. d(x, y) = 0 si y s olo si x = y.
2. d(x, y) > 0 si y solo si x = y.
3. d(x, y) = d(y, x), x, y R
n
(simetra).
4. d(x, y) d(x, z) + d(z, y), x, y, z R
n
(desigualdad del triangulo).
Observaci

on 4. Al espacio R
n
dotado con una metrica d se le llama espacio
metrico y se le denotar a por (R
n
, d). La metrica d tambien es llamada distancia.
Ejemplo 3. Sea R
n
y x, y R
n
entonces denimos la funci on
d(x, y) =
_
1, x = y
0, x = y
,
entonces (R
n
, d) es un espacio metrico.
12 1. ESTRUCTURA DE R
n
Sea || || una norma para R
n
entonces la metrica natural para R
n
es d(x, y) =
||x y||, x, y R
n
. Por lo tanto todo espacio normado es un espacio metrico.
Observaci

on 5. Dado un espacio metrico no siempre es un espacio normado. De

hecho se tiene un resultado similar para lo espacios normados y espacios con producto
interior; es decir no todo espacio normado proviene de un producto interior. Este
resultado se puede consultar en alg un libro de an alisis matematico.
2. Transformaciones lineales en R
n
Las transformaciones lineales toman un papel preponderante en el c alculo mul-
tivariable; pues como despues veremos; muchos conceptos se relacionan con alguna
transformaci on lineal.
Definici

on 6. Sean (R
n
, +, ) y (R
m
, +, ) entonces la funci on
T : (R
n
, +, ) (R
m
, +, )
x T(x),
es una transformacion lineal si y solo si satisface
1. x, y (R
n
.+, ) entonces T(x + y) = T(x) + T(y).
2. x (R
n
.+, ), R entonces T(x) = T(x).
La base usual de R
n
es {e
1
, . . . , e
n
} donde e
i
=
_
_
_
_
_
_
_
_
_
_
_
0
.
.
.
0
1
0
.
.
.
0
_
_
_
_
_
_
_
_
_
_
_
; i {1, . . . , n} es decir
1 en el i-esimo lugar. Al espacio vectorial (R
n
, +, ) lo vamos a escribir como R
n
.
Definici

on 7. Sean T : R
n
R
m
y S : R
m
R
k
tansformaciones lineales
entonces
S T : R
n
R
k
x S(T(x))
es la composici on de las transformaciones lineales.
Ahora si x R
n
entonces lo podemos escribir en terminos de la base usual es
decir x =

n
i=1
x
i
e
i
. Como T : R
n
R
m
entonces T(x) =
_
_
T
1
(x)
.
.
.
T
m
(x)
_
_
, as al
aplicar la transformacion lineal a x obtenemos
T(x) = T(
n

i=1
x
i
e
i
) =
n

i=1
T(x
i
e
i
) =

n
i=1
x
i
T(e
i
) = x
1
_
_
T
1
(e
1
)
.
.
.
T
m
(e
1
)
_
_
+ x
2
_
_
T
1
(e
2
)
.
.
.
T
m
(e
2
)
_
_
+ + x
n
_
_
T
1
(e
n
)
.
.
.
T
m
(e
n
)
_
_
= .
3. EJERCICIOS 13
Denimos T
i
(e
j
) = a
ij
, a
ij
R, i {1, . . . , n}, j {1, . . . , m} entonces
= x
1
_
_
a
11
.
.
.
a
m1
_
_
+ x
2
_
_
a
12
.
.
.
a
m2
_
_
+ + x
n
_
_
a
1n
.
.
.
a
mn
_
_
=
_
_
x
1
a
11
+ x
2
a
12
+ + x
n
a
1n
.
.
.
x
1
a
m1
+ x
2
a
m2
+ + x
n
a
mn
_
_
.
Por lo tanto la matriz de representacion de la transformacion T es
(4) A =
_
_
a
11
. . . a
1n
.
.
.
.
.
.
a
m1
. . . a
mn
_
_
.
As T(x) =
_
_
a
11
. . . a
1n
.
.
.
.
.
.
a
m1
. . . a
mn
_
_
_
_
x
1
.
.
.
x
n
_
_
=
_
_
x
1
a
11
+ x
2
a
12
+ + x
n
a
1n
.
.
.
x
1
a
m1
+ x
2
a
m2
+ + x
n
a
mn
_
_
.
Observaci

on 6. El vector e
i
tambien se escribe como e
i
= (0, . . . , 0, 1, 0, . . . , 0)
como un abuso de notaci on. La composici on de transformaciones lineales en termi-
nos de sus matrices de representaci on es el producto de matrices. As la matriz de
representaci on de S T es C M
kn
(R).
3. Ejercicios
Ejercicio 1. Sea R
n
y denimos
< x, y >=
n1

i=1
x
i
y
i
x
n
y
n
.
Demuestre que < x, y > es un producto interior. Es denida positiva?
Ejercicio 2. Demuestre lo siguiente
1. La identidad de polarizacion x, y R
n
, < x, y >=
||x + y||
2
2
||x y||
2
2
4
.
2. Ley del paralelogramo x, y R
n
, ||x + y||
2
2
+||x y||
2
2
= 2(||x||
2
2
+||y||
2
2
).
Ejercicio 3. 1. Demuestre que ||x||
2

n
i=1
|x
i
|, x R
n
.
2. Cu ando tiene lugar la igualdad en la desigualdad del tri angulo?
Ejercicio 4. 1. Demuestre que ||xy|| ||x|| +||y||, x, y R
n
. Cu ando
se verica la igualdad?
2. Demuestre que |||x|| ||y||| ||x y||, x, y R
n
.
Ejercicio 5. El n umero ||x y|| se denomina la distancia entre x y y con
x, y R
n
. Demostrar e interpretar geometricamente la desigualdad triangular:
||z x|| ||z y|| +||y x||.
Ejercicio 6. 1. Demuestre que (R
n
, || ||
1
) es un espacio normado.
2. Demuestre que (R
n
, || ||

) es un espacio normado.
14 1. ESTRUCTURA DE R
n
Ejercicio 7. Sean f y g funciones integrables en [a, b].
1. Demostrar que |
_
b
a
fg|
_
_
b
a
f
2
_
_
b
a
g
2
.
2. Si se verica la igualdad, ha de ser f = g para alg un R? Cual si f y
g son continuas?
3. Mostrar que la desigualdal de Cauchy-Schwartz es una consecuencia del inciso
1.
Ejercicio 8. Pruebe que (R
n
, d) es un espacio metrico donde d es la metrica
del ejemplo 3.
Ejercicio 9. Una aplicacion lineal T : R
n
R
n
se dice que conserva la norma
si ||T(x)|| = ||x||, y conserva el producto interior si < T(x), T(y) >=< x, y > .
1. Probar que T conserva la norma si y s olo si T conserva el producto interior.
2. Probar que una transformaci on de este tipo es 11 y que T
1
es de la misma
naturaleza.
Ejercicio 10. Si x, y R
n
son no nulos, el angulo entre x e y, indicado por
(x, y), se dene como
(x, y) = arc cos
_
< x, y >
||x||
2
||y||
2
_
.
La transformacion lineal T se dice que conserva los angulos si T es 1 1 y para
x, y = 0 se tiene (T(x), T(y)) = (x, y).
1. Pruebe que si T conserva la norma entonces T conserva los angulos.
2. Si existe una base x
1
, . . . , x
n
de R
n
y n umeros
1
, . . . ,
n
tales que T(x
i
) =

i
x
i
, probar que T conserva los angulos si y s olo si todas las
i
son iguales.
3. Cu ales son todas las transformaciones T : R
n
R
n
que conservan los
angulos?
Ejercicio 11. Si 0 < y T : R
2
R
2
cuya matriz es
_
cos sin
sin cos
_
.
Pruebe que T conserva los angulos y si x = 0 entonces (x, T(x)) = .
Ejercicio 12. Si T : R
m
R
n
es una transformacion lineal, demuestre que
existe un n umero M tal que ||T(h)||
2
M||h||
2
para h R
m
.
Ejercicio 13. Si x, y R
n
y z, w R
m
, pruebe que < (x, z), (y, w) >=< x, y >
+ < z, w > y ||(x, z)|| =
_
||x||
2
+||y||
2
. Observe que (x, z) y (y, w) representan
puntos en R
n+m
.
Ejercicio 14. Si x, y R
n
se dice x e y son perpendiculares (u ortoganales) si
< x, y >= 0. Si x, y son perpendiculares demostrar el teorema de Pit agoras
||x + y||
2
2
= ||x||
2
2
+||y||
2
2
.
Ejercicio 15. Sea (R
n
)

el espacio dual del espacio vectorial R

n
. Si x R
n
, se
dene
x
(R
n
)

por

x
(y) =< x, y > .
Se dene T : R
n
(R
n
)

por T(x) =
x
. Probar que T es una transformaci on lineal
1 1 y concluir que cada (R
n
)

es un
x
para un unico x R
n
.
Captulo 2
Topologa de R
n
1. Deniciones basicas
De aqu en adelante vamos a utilizar el espacio vectorial (R
n
, +, ) al cual sim-
plemente lo denotaremos por R
n
, vamos a describir la estructura de (R
n
, d), las
deniciones las trataremos con la distancia d dada por una norma.
Definici

on 8. Sea x (R
n
, d) y r > 0 entonces la bola abierta con centro en x
y radio r es el conjunto
B
r
(x) = {y R
n
|d(x, y) < r}
Definici

on 9. Sea x (R
n
, d) y r > 0 entonces la bola cerrada con centro en
x y radio r es el conjunto
B
r
(x) = {y R
n
|d(x, y) r}
Observaci

on 7. Al conjunto S
r
(x) = {y R
n
|d(x, y) = r} se le llama esfera
de radio r, donde r 0
Definici

on 10. Sea U R
n
entonces U es un conjunto abierto en R
n
si y solo
si x U, B
r
(x) U.
Teorema 5. Las siguientes propiedades se satisfacen para conjuntos abiertos
de R
n
.
1. Los conjuntos y R
n
son conjuntos abiertos.
2. Si U
i
R
n
es un conjunto abierto i {1, . . . , n} entonces

n
i=1
U
i
es un
conjunto abierto.
3. Si U
i
R
n
es abierto i I, donde I es una conjunto de ndices no nito
entonces

iI
U
i
es abierta.
Demostraci on. Probemos cada uno de los incisos.
1. Como carece de elementos entonces cumple la denicion de conjunto abier-
to. Sea x R
n
y tomemos = 1 entonces B
1
(x) R
n
, x R
n
. Por lo tanto
R
n
es un comjunto abierto.
2. Sean U
1
, . . . , U
n
conjuntos abiertos. Si

n
i=1
U
i
= entonces por el inciso
anterior

n
i=1
U
i
es un conjunto abierto. Supongamos que

n
i=1
U
i
= , as sea
x

n
i=1
U
i
entonces existen
1
, . . . ,
n
R positivos tales que B

1
(x)
U
i
, . . . , B

n
(x) U
n
. Sea = mn{
1
, . . . ,
n
} entonces B

(x)

n
i=1
U
i
. Por
lo tanto

n
i=1
U
i
es un conjunto abierto.
3. Sea U
1
, . . . , U
n
, . . . , conjuntos abiertos. Si

iI
U
i
= por el primer inciso

iI
U
i
es un conjunto abierto. Supongamos que

iI
U
i
= . Sea x U
i
para alguna i I entonces > 0 tal que B

(x) U
i


iI
U
i
. Por lo
tanto

iI
U
i
es un conjunto abierto.
15
16 2. TOPOLOG

IA DE R
n

En general no es cierto que la intersecci on arbitraria de conjuntos abiertos sea

un conjunto abierto. Como lo muestra lo siguiente.
Ejemplo 4. En R
n
tomamos el conjunto U
i
= {x R
n
: ||x|| <
1
i
, i N}
entonces

iN
U
i
= {0} el cual no es un conjunto abierto.
Definici

on 11. Sea U R
n
entonces U es un conjunto cerrado y s olo si R
n
\ U
es un conjunto abierto.
Teorema 6. Las siguientes propiedades se satisfacen para conjuntos cerrados
de R
n
.
1. Los conjuntos y R
n
son conjuntos cerrados.
2. Si U
i
R
n
es un conjunto cerrado i I, donde I es un conjunto de ndices
no nito entonces

iI
U
i
es cerrada.
3. Si U
i
R
n
es un conjunto abierto i {1, . . . , n} entonces

n
i=1
U
i
es cerra-
da.
Demostraci on. Probemos cada uno de los incisos.
1. es un conjunto cerrado pues R
n
\ = R
n
y por el inciso 1 del teorema
5, R
n
es un conjunto abierto. Ahora bien R
n
es un conjunto cerrado pues
R
n
\ R
n
= , por el inciso 1 del teorema 5, es un conjunto abierto.
2. Sean U
i
, i I conjuntos cerrados, entonces R
n
\ U
i
es un conjunto abierto,
entonces por el inciso 3 del teorema 5,

iI
(R
n
\ U
i
) es un conjunto abierto.
Por lo tanto

iI
U
i
es un conjunto abierto.
3. Sean U
i
, i {1, . . . , n} conjuntos cerrados, entonces R
n
\ U
i
es un conjunto
abierto i {1, . . . , n}. Aplicando el inciso 2 del teorema 5,

n
i=1
(R
n
\ U
i
)
es un conjunto abierto. Por lo tanto

n
i=1
U
i
es un conjunto cerrado.

Analogamente que en los conjuntos abiertos, la union arbitraria de conjuntos

cerrados no necesariamente es un conjunto cerrado, como lo muestra lo siguiente
Ejemplo 5. Sea x R
n
entonces los conjuntos W
i
= {x R
n
: ||x|| i, i N}
son cerrados. Entonces

iN
W
i
= R
n
, es cual es un conjunto abierto.
Definici

on 12. Sea x (R
n
, d) y V R
n
tal que U
x
V, donde U
x
es un
conjunto abierto que contiene a x entonces V se le llama vecindad de x.
Definici

on 13. x R
n
es un punto interior de A R
n
si y s olo si V vecindad
de x tal que V A.
Definici

on 14. x R
n
es un punto frontera de A R
n
si y solo si V vecindad
de x entonces V A = y V (R
n
\ A) = .
Definici

on 15. x R
n
es un punto exterior de A R
n
si y solo si V vecindad
de x tal que V R
n
\ A.
Observaci

on 8. Al conjunto de puntos interiores de A se denotar a por int(A),

al conjunto de puntos externos de A se denotar a por ext(A) y al conjunto de puntos
frontera de A se le denotar a por A.
Teorema 7. Si A R
n
entonces las siguientes armaciones son equivalentes
1. DEFINICIONES B

ASICAS 17
1. A es un conjunto abierto.
2. Todo punto de A es un punto interior de A.
3. A es una vecindad de cada uno de sus puntos.
Demostraci on. Probemos la equivalencia de cada una de las proposiciones
1 2. Suponga que A es un conjunto abierto, entonces x A, > 0 tal que
B

(x) A, as A es una vecindad de x. Por lo tanto x A, x es un punto

interior de A.
2 3. Suponga que x A, x es un punto interior de A entonces V A vecindad
de x. Por lo tanto A es una vecindad de x, x A.
3 1. Suponga que A es una vecindad de x, x A, entonces V
x
A vecindad
de x el cual es un conjunto abierto. Entonces por el inciso 3 del teorema 5
se sigue que A =

xA
V
x
es un conjunto abierto.

Teorema 8. Sea A R
n
entonces A es un conjunto cerrado si y solo si A A.
Demostraci on. ) Suponga que A es un conjunto cerrado y sea x A. Si
x / A entonces x R
n
\ A, as > 0 tal que B

(x) R
n
\ A y B

(x) A = ; lo
cual es una contradicci on al hecho que x A. Por lo tanto x A.
) Suponga que A A. Sea z / A y z / A entonces z R
n
\ A entonces
> 0 tal que B

(x) R
n
\A, el cual es un conjunto abierto z R
n
\A. As R
n
\A
es un conjunto abierto. Por lo tanto A es un conjunto cerrado.
Definici

on 16. Una celda abierta I R

n
es el producto cartesiano de n inter-
valos abiertos en R, es decir
I = {x R
n
|a
i
< x
i
< b
i
, i {1, . . . , n}, a
i
, b
i
R}.
Definici

on 17. Una celda cerrada J R

n
es el producto cartesiano de n
intervalos cerrados en R, es decir
J = {x R
n
|a
i
x
i
b
i
, i {1, . . . , n}, a
i
, b
i
R}.
Definici

on 18. Una sucesi on de celdas; ya sean abiertas o cerradas; es nidicada

si y s olo si
J
1
J
2
J
k
. . . .
El siguiente resultado nos da una caracterizacion de las celdas nidicadas
Teorema 9. Teorema de celdas nidicadas. Sea J
k
una sucesion de celdas
cerradas nidicadas entonces, c

k=1
J
k
.
Demostraci on. Sean
J
1
= {(x
1
, . . . , x
n
) R
n
: a
11
x
1
b
11
, . . . , a
1n
x
n
b
1n
}
J
2
= {(x
1
, . . . , x
n
) R
n
: a
21
x
1
b
21
, . . . , a
2n
x
n
b
2n
}
.
.
.
.
.
.
J
k
= {(x
1
, . . . , x
n
) R
n
: a
k1
x
1
b
k1
, . . . , a
kn
x
n
b
kn
},
una sucesi on de celdas nidicadas; es decir J
1
J
2
J
k
. . . . Entonces para
cada x
i
, i {1, . . . , n} se tiene la siguiente sucesi on de intervalos cerrados en R.
a
1i
a
ki
x
i
b
ki
. . . b
1i
.
18 2. TOPOLOG

IA DE R
n
Como k N entonces c
i

kN
[a
ki
, b
ki
]; esto lo garantiza del teorema de intervalos
cerrados nidicados por medio del axioma del supremo e nmo en c alculo de una
variable (completez de R). Por lo tanto c = (c
1
, . . . , c
n
)

k=1
J
k
.
Definici

on 19. Sean x R
n
, y A R
n
. x es un punto de acumulaci on de A si
y solo si V vecindad de x, y = x tal que y V y y A.
Observaci

on 9. Al conjunto formado por los puntos de acumulacion de A se

denotar a por A

al cual tambien se le llama conjunto derivado de A. Los puntos de

acumulaci on tambien se les llaman puntos lmites.
Teorema 10. Sea A R
n
entonces A es un conjunto cerrado si y solo si A
contiene a todos sus puntos de acumulacion.
Demostraci on. ) Sea A es un conjunto cerrado y x A

. Suponga que x / A
entonces x ext(A), as > 0 tales que B

(x) A = y B

(x) R
n
\ A. Lo
cual es una contradici on al hecho que x A

; pues debe contener al menos un punto

diferente de x; es decir B

(x) A = .
) Suponga que A

A. Sea z / A y z / A

entonces > 0 tal que B

(z)
R
n
\ A y B

(z) A = , z R
n
\ A. As R
n
\ A =

zR
n
\A
B

(z), por el teorema 5

es un conjunto abierto. Por lo tanto A es un conjunto abierto.
Teorema 11. Teorema de Bolzano - Weierstrass. Sea A R
n
, tal que A
es acotado y no nito entonces tiene un punto de acumulacion.
Demostraci on. Sea A R
n
un conjunto no nito y acotado, entonces A J
donde J es una celda cerrada de R
n
; es decir
J = {x R
n
|a
i
x
i
b
i
, i {1, . . . , n}, a
i
, b
i
R}.
Entonces podemos bisectar cada intervalo cerrado [a
i
, b
i
], i {1, . . . , n} para ontener
2
n
celdas cerradas; es decir J =

2
n
i=1
J
i
. Entonces j {1, . . . , 2
n
} tal que J
j
tiene
un n umero no nito de elementos de A (ya que si no fuera as entonces |A| es nito,
contrario a la hip otesis que A no es nito). Sea J
1
= J y J
2
= J
j
. Aplicando el
mismo procedimiento a la celda J
2
entonces se obtiene la celda cerrada J
3
, y para
cada nueva celda cerrada se aplica el procedimiento. As se obtiene una sucesion
nidicada J
1
J
2
J
i
. . . , donde cada celda cerrada contiene aun n umero
no nito de elementos de A. Entonces por el teorema 9, c

iN
J
i
y c A.
Ahora probemos que c es un punto de acumulaci on de A, para ello observe que
l(J
1
) = sup{|b
i
a
i
| : i {1, . . . , n}} y l(J
1
) > 0, as la longitud con la norma del
supremo es l(J
k
) =
l(J
1
)
2
k
> 0. Sea V
c
un vecindad de c; es decir
V
c
= V

(c) = {z A : ||c z|| < }

entonces sea J
k
un celda cerrada entonces si z J
k
se sigue
||c z||

nsup{|c
i
z
i
| : i {1, . . . , n}} =

n l(J
k
) =

n l(J
1
)
2
k
,
lo anterior se debe al teorema 4. Entonces si

n l(J
1
)
2
k
< se ha encontrado una
k N tales que J
k
V
c
de no ser as, por la propiedad arquimediana m N
2. CONJUNTOS COMPACTOS Y CONJUNTOS CONEXOS EN R
n
19
tal que

n l(J
1
)
2
m
< , as J
m
V
c
. como J
k
tiene una innidad de elementos de
A, k N; entonces V
c
\ {c} = . Por lo tanto c es un punto de acumulaci on de
A.
2. Conjuntos compactos y conjuntos conexos en R
n
Definici

on 20. Sea K R
n
, K es un conjunto compacto si y s olo si toda
cubierta abierta G = {G

} de K, existe una cubierta nita tal que K

n
=1
G

.
Teorema 12. El intervalo [a, b] R es un conjunto compacto.
Demostraci on. Sea G = {G

} una cubierta abierta de [a, b] y x [a, b] tales

que x = b entonces y [a, b] tal que x < y. Probemos que [x, y] puede ser cubierto
por un n umero nito de elementos de G. Dado que {G

} es una cubierta de [a, b]

entonces x G

para alguna , entonces c [a, b] tales que [x, c) G

. Si y [x, c)
entonces [x, y] G

. Es decir la cubierta es nita.

Denimos el siguiente conjunto
B = {y [a, b] : [a, y]
n
_
=1
G

, y > }.
Aplicamos el procedimiento anterior para x = a, se sigue que B = pues [a, y] G

,
para alguna . Sea c = sup B entonces a < c b. Probemos que c B. Sea
c G

, {1, . . . , n}, dado que G

es un conjunto abierto si d [a, b] entonces

(d, c] G

. Armamos que c B entonces por la propiedad arquimediana e B

tal que e (d, c]; pues en caso contrario d sera una cota superior m as peque na que
c, es decir d < c. As e B entonces [a, e]

n
=1
G

; es decir [a, e] G

,
{1, . . . , n} y [e, c] G
n+1
. De est a manera [a, c] = [a, e] [e, c]

n+1
=1
G

. Por lo
tanto c B.
Por ultimo probemos que c = b. Suponga que c < b, aplicando el primer pro-
cedimiento del inicio de la demostraci on cuando x = c, entonces por la propiedad
arquimediana y [a, b] tales que c < y y [c, y]

k
=1
G

. Como c B se sigue
que [a, c]

l
=1
G

; De donde
[a, y] = [a, c] [c, y]
l+k
_
=1
G

.
Esto implica que y B, lo cual contradice el hecho que c = sup B. Por lo tanto
c = b.
En general, probar que un conjunto dado es compacto en R
n
es laborioso, sin
embargo el siguiente resultado d a una caracterizacion de los conjuntos compactos
por medio de sus propiedades topologicas.
Teorema 13. Teorema de Heine - Borel. Sea K R
n
entonces K es un
conjunto compacto si y s olo si es cerrado y acotado.
Demostraci on. ) Suponga que K un conjunto compacto en R
n
y sea x
R
n
\ K. Dena G

= {y R
n
: ||x y|| >
1

, N}, as G

es un conjunto abierto
N y R
n
\{0} =

N
, como x / K entonces l N tal que K

l
=1
G

= G
l
,
lo anterior se sigue del hecho que G
1
G
2
G
l
. As V1

(x) K = y V1

(x)
20 2. TOPOLOG

IA DE R
n
es un conjunto abierto x R
n
\ K. As R
n
\ K es un conjunto abierto. Por lo tanto
K es un comjunto cerrado.
Probemos que K es un conjunto acotado. Sea F

= {x R
n
: ||x|| < , N},
entonces F

es un conjunto abierto de R
n
y F
1
F
2
F

. . . , adem as
R
n
=

N
F

. Dado que K es un conjunto compacto, entonces toda cubierta abierta

tiene una subcubierta nita la cual contiene a K, entonces M N tal que K G
M
pero G
M
J
M
y J
M
= {(x
1
, . . . , x
n
) R
n
: M x
i
M, i {1, . . . , n}}, de
donde K J
M
. Por lo tanto K es un conjunto acotado.
) Suponga que K es un conjunto cerrado y acotado; como K es acotado en-
tonces K J = {(x
1
, . . . , x
n
) R
n
: l x
i
l, i {1, . . . , n}} y suponga
que K

n
=1
G

para cualquier union nita de conjuntos de G. De manera analo-

ga sigamos la demostraci on del teorema 11. Bisectamos cada intervalo cerrado de
la celda J para obtener 2
n
celdas cerradas, entonces {1, . . . , 2
n
} tales que
J

no contiene elementos de K que no estan contenidos en cualquier uni on nita

de conjuntos de G; ya que si lo hubier a contradeceria la hip otesis. Sea J
1
= J y
J

= J
2
aplicando el mismo razonamiento se obtiene la sucesi on de celdas cerradas
J
1
J
2
J
k
. . . . Como se satisfacen las hip otesis del teorema 9 enton-
ces c

kN
J
k
, k N y c es un punto de acumulaci on de K. Ahora como K
es un conjunto cerrado y K G

para alguna N conjunto abierto, entonces

V

(c) G

, para alguna > 0. Por otra parte la maginitud de cada uno de los lados
de J
k
es
l
2
k
. Si z J
k
entonces ||c z||
l

n
2
k
esto implica que J
k
G

lo cual es
una contradicci on pues K J
k

n
=1
G

. Por lo tanto K

n
=1
G

.
Como una aplicaci on de los resultados anteriores se tiene un resultado analogo
al teorema 9
Teorema 14. Teorema de intersecci on de Cantor. Sean K
i
R
n
, i N
conjuntos compactos, tal que K
i
K
i+1
. Entonces c R
n
tal que c K
i
, i N.
Demostraci on. Sabemos que K
i
es un conjunto compacto en R
n
, i N y
suponga que K
i
= ; pues si fuera vacia el teorema se satisface inmediatamente.
Al ser nidicada K
1
K
2
K
i
. . . , entonces vamos a considerar el
complemento de K
i
. Sea la sucesi on de conjuntos abiertos en R
n
F
1
= R
n
\ K
1
F
2
= R
n
\ K
2
.
.
. =
.
.
.
F
k
= R
n
\ K
k
.
.
. =
.
.
.
tal sucesion de conjuntos es creciente; es decir F
1
F
1
F
k
. . . . Suponga
que c /

kN
K
k
entonces K
1

kN
F
k
, dado que K
1
es compacto entonces L N
tales que K
1

L
k=1
F
k
entonces K
1
F
k
. As K
1
K
k
= pero K
1
K
k
de donde
K
1
K
k
= K
k
= lo cual es una aformacion contraria a la hip otesis. Por lo tanto
c

kN
K
k
.
Definici

on 21. Sea A R
n
entonces A es disconexo si y s olo si B, C R
n
conjuntos abiertos tales que
2. CONJUNTOS COMPACTOS Y CONJUNTOS CONEXOS EN R
n
21
1. A B = y A C = .
2. (A B) (A C) = .
3. B C = A.
Por consiguiente A es conexo cuando no es disconexo.
Observaci

on 10. A los conjuntos B y C se le llama disconexi on de A.

Teorema 15. Sea [a, b] R, entonces el intervalo [a, b] es un conjunto conexo.
Demostraci on. Supongamos que [a, b] es un conjunto disconexo, entonces B, C
conjuntos abiertos de R tales que
1. [a, b] B = , [a, b] C = .
2. ([a, b] B) ([a, b] C) = .
3. B C = [a, b].
Suponga que b C y sea c = sup(B [a, b]) el cual existe pues por hip otesis
B [a, b] = y esta acotado superiormente. Por otra parte R\ [a, b] es un conjunto
abierto pues por el teorema 12, [a, b] es un conjunto compacto, por tanto cerrado
y acotado, entonces C (R \ [a, b]) es un conjunto abierto pero (B [a, b])
c
=
C (R\[a, b]). Por lo tanto B[a, b] es un conjunto cerrado, entonces c B[a, b].
Armamos que c = b, pues c / C y b C entonces para toda vecindad V

(c)
satisface V

(c) (C [a, b]) = , > 0. Como c = b entonces ninguna vecindad

satisface V

(c) B pues c = sup(B [a, b]), as c es un punto de acumulacion de

C [a, b] pero C [a, b] es un conjunto cerrado y su complemento B (R\ [a, b]) es
un conjunto abierto, pero por el teorema 10 todo conjunto cerrado tiene sus puntos
de acumulaci on, de donde c C [a, b] lo cual es una contradicci on pues c / C. Por
lo tanto [a, b] es un conjunto conexo.
El siguiente resultado es la generalizacion del teorema 15
Teorema 16. R
n
es conexo.
Demostraci on. Suponga que R
n
es un conjunto disconexo, entonces B, C
R
n
conjuntos abiertos tales que
1. B R
n
= , C R
n
= .
2. (B R
n
) (C R
n
) =
3. B C = R
n
.
Sea x R
n
B y y R
n
C y considere la recta que une a los puntos x, y dada por
: [0, 1] R
n
(t) = ty + (1 t)x,
observe que (0) = x y (1) = y. A partir de lo anterior formamos los conjuntos
A
1
= {t [0, 1] : (t) A} y B
1
= {t [0, 1] : (t) B} entonces A
1
B
1
=
entonces los conjuntos A
1
, B
1
forman una disconexion de [0, 1] lo cual es una
contradicci on al teorema 15. Por lo tanto R
n
es un conjunto conexo.
Corolario 1. Los unicos subconjuntos de R
n
que son tanto abiertos como
cerrados son y R
n
.
Demostraci on. Sea B, C R
n
conjuntos abiertos tales que C = R
n
\B entonces
C
c
= B por lo tanto C es un conjunto cerrado, de manera similar B = R
n
\ C
entonces B
c
= C por lo tanto B es un conjunto cerrado; es decir hemos probado
22 2. TOPOLOG

IA DE R
n
que B es abierto y cerrado al igual que C. Si B = o C = se sigue el resultado,
de la misma manera sucede si B = R
n
o C = R
n
. Si B = R
n
y B = y C = R
n
y
C = entonces B y C forman una disconexi on de R
n
, lo cual contradice el teorema
16. Por lo tanto y R
n
son los unicos conjuntos abiertos y cerrados en R
n
.
Definici

on 22. Sean x, y R
n
y suponga que hay z
0
, z
1
, . . . , z
n
R
n
tales
que z
0
= x, z
n
= y entonces la curva poligonal que une a x con y y pasa por cada
z
i
, i {0, 1, . . . , n} es la curva (t) = tz
i1
+ (1 t)z
i
, t [0, 1]
Teorema 17. Sea A R
n
un conjunto abierto, entonces A es conexo si y s olo
si x, y A existe una curva poligonal (t) tal que (t) A.
Demostraci on. ) Supongamos que A no es un conjunto conexo, entonces
B, C conjuntos abiertos de R
n
que forman una disconexi on, es decir
1. B A = , C A = .
2. (B A) (C A) =
3. B C = A.
Sean (l) una curva poligonal, tal que (l) A y z
0
, . . . , z
k1
B A, z
k
, . . . , z
n

C A, entonces denimos los conjuntos
B
1
= {l R : (l) B A}
C
1
= {l R : (l) C A}.
B
1
C
1
= forman una disconexi on de R; es decir A
1
y B
1
son conjuntos abiertos
de R. As A
1
y B
1
es una disconexi on de [0, 1]; lo cual contradice el teorema 15. Por
lo tanto (l) A
) Supongamos que A es un conjunto abierto y conexo de R
n
y sea x A. Al
conjunto A lo vamos a descomponer en dos subconjuntos. A
1
A el conjunto de
elementos de A que se pueden unir por medio de una curva poligonal (l), tal que
(l) A y A
2
A el conjunto de elementos de A que no se pueden unir con x
por medio de una curva poligonal tal que (l) A. Ambos conjuntos son ajenos;
es decir A
1
A
2
= , como x A
1
entonces A
1
= . Armamos que A
1
es un
conjunto abierto, pues si y A
1
y como A es un conjunto abierto entonces para
alguna > 0, ||z y||
2
< entonces z A. Entonces (l) curva poligonal que une a
x con y y por consiguiente tambien a z, de donde z A
1
. De manera analoga A
2
es
un conjunto abierto de R
n
pues si w A
2
y A es un conjunto abierto entonces para
alguna > 0, ||s w||
2
< entonces s A como A
2
consta de aquellos puntos que
no se pueden unir por medio de una poligonal entonces s A
2
. Si A
2
= entonces
A
1
y A
2
forman una disconexi on de A, lo cual contradice a la hipotesis que A es un
conjunto conexo. Por lo tanto A
2
= as A
1
= A y todos los puntos de A se pueden
unir por emdio de una curva poligonal (l) A.
Definici

on 23. Sea A R
n
entonces A es un conjunto convexo si y s olo si
x, y A el segmento que une a ambos puntos esta totalmente contenido en A; es
decir el conjunto l = {(t) = ty + (1 t)x : (0) = x, (1) = y, : R A} A.
3. Ejercicios
Ejercicio 16. Sea A = {
m
2
n
: m Z, n N}. Encuentre todos los puntos de
acumulaci on de A.
3. EJERCICIOS 23
Ejercicio 17. Encuentre el conjunto derivado de B = {
1
2
n
+
1
5
m
, n, m N}.
Ejercicio 18. Sea (X, d) un espacio metrico, denimos el interior de un conjunto
A X, como int(A) = {x A : > 0, B

(x) A}. Pruebe que A es abierto si y

s olo si A = int(A)
Ejercicio 19. Sea (X, || ||) un espacio normado, suponga que X tiene estruc-
tura de espacio vectorial de dimension nita sobre un campo K, sea W X un
subespacio vectorial de X.
1. Pruebe que

W es un espacio vectorial de X.
2. Demuestre que int(W) = , excepto si W = X.
Ejercicio 20. Sea A R
n
un conjunto ya sea abierto o cerrado, en cualquiera
de los dos casos demuestre que int(A) = . Se cumple el mismo resultado para
cualquier conjunto A? Justique su respuesta.
Ejercicio 21. Demuestre lo siguiente
A = {x R
n
: ||x|| 1} es un conjunto convexo.
B = {(x, y) R
2
: |x| +|y| 1} es un conjunto convexo.
C = {(x, y) R
2
: y x
2
} es un conjunto conexo.
D = {(x, y, z) R
3
:
x
2
a
2
+
y
2
b
2
+
z
2
c
2
1} es un conjunto convexo.
E = {(x, y) R
2
\ {(0, 0)} : y > |x|, x 0} es un conjunto disconexo.
Ejercicio 22. Demuestre que el interior y la cerradura de un conjunto convexo
de R
n
son subconjuntos convexos.
Ejercicio 23. Considere el espacio vectorial M
22
(R), en algebra lineal se prue-
ba que este es un espacio vectorial de dimensi on nita (que dimensi on tiene este
espacio?), se dene la siguiente norma
||A||

= max
1i2
{
2

j=1
|a
ij
|}.
Demuestre que el espacio (M
22
(R), || ||

) es normado.
Dada la sucesi on {A
n
}, A
n
M
22
(R), donde
_
(1)
n 1
n
0 1
_
.
Encuentre los puntos de acumulacion de la sucesion {A
n
} respecto de la
metrica que se deduce de la norma || ||

.
Ejercicio 24. Consideremos en R
n
, la metrica euclideana. Demuestre lo si-
guiente
B

(x
0
) =

B

(x
0
) = S

(x
0
) = {x R
n
: ||x x
0
||
2
= }.

(x
0
) =

B

(x
0
) e int(

B

(x
0
)) = B

(x
0
).
Ejercicio 25. Encuentre la cerradura y el interior de los siguientes conjuntos
1. A = {(x, y) R
2
: x =
1
n
, n N, 0 y 1}.
2. B = {(x, y, z) R
3
: x + y + z = 1, x
2
+ y
2
+ z
2
1}.
3. C = {(x, y) R
2
: x
2
y
2
< 1}.
24 2. TOPOLOG

IA DE R
n
Ejercicio 26. Sea A = {(x
1
, . . . , x
n
) R
n
: x
i
Q, 1 i n}. Encuentre

A, int(A) y A.
Ejercicio 27. Sean A, B R
n
. Demuestre los siguiente
(

A) (A).
(int(A)) (A).
(A B) (A) (B). Pruebe que la igualdad se da cuando

A

B = .
Ejercicio 28. Sea A un subconjunto convexo y cerrado de R
n
. Demuestre que,
dado x R
n
, existe un unico y A, tal que
||x y|| = d(x, A) =nf{||x z||
2
: z A}.
Adem as, y es el unico punto de A que satisface < y x, y z > 0, z A.
Ejercicio 29. Construya un conjunto A [0, 1] [0, 1] tal que A contenga a
lo mas un punto en cada horizontal y uno en cada vertical pero la frontera de A sea
[0, 1] [0, 1].
Ejercicio 30. 1. Si A es un conjunto cerrado que contiene acada n umero
racional r [0, 1], demuestre que [0, 1] A.
2. Si A es un conjunto cerrado y x / A, pruebe que existe un n umero real > 0
tal que ||y x|| , y A.
3. Si A es cerrado, B compacto y A B = , demuestre que existe un n umero
real > 0, tal que ||y x|| , y A y x B.
4. Dar un contrajemplo de R
2
del inciso anterior para el caso que A y B sean
cerrados pero ninguno de los dos compactos.
Ejercicio 31. Dar ejemplos en R
n
de conjuntos A, B R
n
ambos conexos pero
A B, A B, A \ B pueden ser conexos o inconexos.
Ejercicio 32. Demuestre lo siguiente
1. Todo conjunto convexo es un conjunto conexo.
2. Si x es punto de acumulaci on de A y A es conexo entonces A{x} es conexo.
3. Si A es conexo entonces

A tambien lo es.
Ejercicio 33. Si A y B son conexos en R
n
, demuestre que AB son conexos.
Ejercicio 34. Sean A
1
, . . . , A
k
con k N ja; conjuntos conexos en R
n
, de-
muestre que el producto cartesiano de los conjuntos es conexo.
Ejercicio 35. Demuestre directamente de la denici on que el conjunto A =
{x R
2
: ||x||
2
< 1} no es un conjunto compacto. Despues use el teorema de Heine-
Borel para probar que no es compacto.
Ejercicio 36. Demuestre que si K es un conjunto compacto en R
n
y C K
es un conjunto cerrado, entonces C es compacto.
Captulo 3
Lmite y continuidad de funciones en R
n
1. Sucesiones en R
n
Definici

on 24. Sea A R
n
entonces una sucesion es una funci on
f : N A
k f(k),
donde f(k) = x
k
= (x
1
k
, . . . , x
n
k
)
Como la imagen de la sucesion son elementos de R
n
y R
n
tiene estructura de
espacio vectorial entonces las sucesiones heredan la estructura de espacio vectorial
y las propiedades del producto interior; es decir
Definici

on 25. Sean x
k
y y
k
sucesiones en R
n
entonces
1. x
k
+ y
k
= (x
1
k
, , x
n
k
) + (y
1
k
, , y
n
k
) = (x
1
k
+ y
1
k
, , x
n
k
+ y
n
k
).
2. x
k
= (x
1
k
, , x
n
k
) = (x
1
k
, , x
n
k
).
3. < x
k
, y
k
>=< (x
1
k
, , x
n
k
), (y
1
k
, , y
n
k
) >=

n
i=1
x
i
k
y
i
k
.
Definici

on 26. Sea x
k
una sucesion en R
n
, entonces x
k
converge a x R
n
si y
s olo si V vecindad de x, N
V
N tal que k N
V
, x
k
V.
Observaci

on 11. El decir que x

k
es convergente x se denotar a por
lm
k
x
k
= x o x
k
x. Tambien se le conoce que x
k
tiene lmite x.
Cuando la sucesi on no es convergente diremos que es divergente.
Teorema 18. Si x
k
es una sucesion en R
n
y x, y R
n
tales que x
k
x y
x
k
y entonces x = y; es decir la convegencia es unica.
Demostraci on. Suponga que x = y entonces V
x
, V
y
vecindades de x y y res-
pectivamente, tales que V
x
V
y
= . Como x
k
x se sabe que K
V
x
N tales que
k K
V
x
entonces x
k
V
x
, pero x
k
y, entonces M
V
y
N tales que k M
V
y
entonces x
k
V
y
. Sea N
V
= sup{K
V
x
, M
V
y
} entonces x
k
V
x
V
y
, lo cual contradice
la hipotesis V
x
V
y
= . Por lo tanto x = y.
El siguiente teorema es fundamental en el sentido que las demostraciones que
haremos posteriormente se basan en esta prueba. La metrica que se toma es la norma
asociada a R
n
.
Teorema 19. Sea x
k
un a sucesi on en R
n
. x
k
es convergente a x R
n
si y s olo
si > 0, K() N tales que k K() entonces ||x
k
x||
2
< .
Demostraci on. ) Suponga que x
k
x entonces V
x
, K
V
x
N tales que
k K
V
x
, x
k
V
x
, donde V
x
= {y R
n
: ||y x||
2
< , > 0} y es arbitrario.
Sea K

= K
V
x
y y = x
k
entonces > 0, K

N tal que k K

entonces
||x
k
x||
2
<
25
26 3. L

IMITE Y CONTINUIDAD DE FUNCIONES EN R

n
) Suponga que > 0, K

N tales que k K

entonces ||x
k
x||
2
< .
Sea V
x
una vecindad de x, entonces por denicion > 0 tales que B

(x) V
x
,
as x
k
V
x
. Por lo tanto x
k
x.
Lema 2. Sea x
k
R
n
. Si x
k
es convergente entonces x
k
es acotada.
Demostraci on. Suponga que x
k
x entonces por el teorema 19 se tiene >
0, K

N tales que ||x

k
x||
2
< . Ahora bien |||x
k
||
2
||x||
2
| ||x
k
x||
2
entonces
||x
k
||
2
||x||
2
+, sea
i
= ||x
i
||
2
, i {1, . . . , k1} y M = sup{
1
, . . . , af
k1
, ||x||
2
+
}, entonces ||x
k
||
2
M; es decir x
k
J
M
, donde J
M
= {x R
n
: M x
i

M, i {1, . . . , n}} es una celda. Por lo tanto x
k
es acotada.
Teorema 20. Sea x
k
R
n
entonces x
k
es convergente si y s olo si cada una de
sus componentes x
i
k
es convergente a x
i
, i {1, . . . , n}.
Demostraci on. ) Suponga que x
k
x entonces por el teorema 19 se tiene
que > 0, K

N tales que ||x

k
x||
2
entonces
||x
k
x||
2
= ||(x
1
k
x
1
, . . . , x
n
k
x
n
)||
2
< .
Por el teorema 4 se sigue que |x
i
k
x
i
| ||(x
1
k
x
1
, . . . , x
n
k
x
n
)||
2
, entonces
|x
i
k
x
i
| < , i {1, . . . , n}. Por lo tanto x
i
k
x
i
.
) Suponga que x
i
k
x
i
, i {1, . . . , n} entonces
> 0, K
1

N , ||x
1
k
x
1
||
2

n
> 0, K
2

N , ||x
2
k
x
2
||
2

n
.
.
.
.
.
.
> 0, K
n

N , ||x
n
k
x
n
||
2

n
.
Para i {1, . . . , n} se tiene |x
i
k
x
i
|
2
= (x
i
k
x
i
)
2

2
n
entonces
||x
k
x||
2
2
=
n

i=1
(x
i
k
x
i
)
2
<
n

i=1

2
n
=
2
.
Si K

= sup{K
1

, . . . , K
n

} entonces k K

se tiene ||x
k
x||
2
.
Teorema 21. Sea x
k
x, y
k
y sucesiones en R
n
y a
k
a una sucesi on en
R entonces
1. x
k
+ y
k
x + y.
2. x
k
y
k
x y.
3. < x
k
, y
k
>< x, y > .
4. a
k
x
k
ax.
Demostraci on. En cada inciso usaremos en teorema 19
1. Como x
k
x entonces

2
> 0, K
1

N tales que k K
1

entonces
||x
k
x||
2
< y y
k
x entonces

2
> 0, K
2

N tales que k K
2

entonces ||y
k
y||
2
< . Por otra parte
||(x
k
+ y
k
) (x + y)||
2
= ||(x
k
x) + (y
k
y)||
2
||x
k
x||
2
+||y
k
y||
2
< .
2. L

IMITE Y CONTINUIDAD DE FUNCIONES EN R

n
27
Por lo tanto si K

= sup{K
1

, K
2

}, se tiene la armaci on.

2. Observe que x
k
y
k
= x
k
+(y
k
) y aplicando el argumento del inciso anterior,
se sigue la demostraci on.
3. Para el producto interior tenemos lo siguiente | < x
k
, y
k
> < x, y > | =
|(< x
k
, y
k
> < x, y
k
>) + (< x, y
k
> < x, y >)|
| < x
k
x, y
k
> | + | < x, y
k
y > | = . A cada sumando le aplicamos el
lema 1 para obtener ||x
k
x||
2
||y
k
||
2
+||x||
2
||y
k
y||
2
< M
1
+L
2
.
Lo anterior se sigue del lema 2, pues las sucesiones son convergentes. As si
= M
1
+ L
2
y K

= sup{K
1

, K
2

}, se sigue el resultado.
4. Como a
k
R entonces
3
> 0, K
3

N tales que k K

3
entonces
|a
k
a| <
1
. Usando el razonamiento del inciso anterior ||a
k
x
k
ax||
2
=
||(a
k
x
k
ax
k
) + (ax
k
ax)||
2
||x
k
||
2
|a
k
a| + |a| ||x
k
x||
2
= .
Como ambas sucesiones son convergentes entonces por el lema 2 se tiene
< L
3
+ R
1
. Si = < L
3
+ R
1
y K

= sup{K
1

, K
3

} se obtiene el
resultado.

En R se haban denido los conceptos de supremo e nmo de un subconjunto

no vacio de R y se deca que estos conceptos eran la completez de R. Dado A
R
n
, n 2 carece de sentido preguntarse por el supremo o nmo de A. Sin embargo
introduciremos un concepto mediante las sucesiones el cual sera la completez de un
espacio. De hecho est a es la raz on fundamental de introducir las sucesiones, adem as
proporcionan un crterio para la existencia o no del lmite o continuidad de una
funci on.
Definici

on 27. Sea (R
n
, || ||
2
), x
k
es una sucesi on de Cauchy si y solo si
> 0.N N tal que si k, m N entonces ||x
k
x
m
||
2
< .
Teorema 22. Toda sucesion x
k
(R
n
, || ||
2
) es convergente a x (R
n
, || ||
2
)
si y s olo si x
k
es una sucesi on de Cauchy.
Demostraci on.

Definici

on 28. (R
n
, || ||) es un espacio completo si y solo si toda sucesion de
Cauchy es convergente
Observaci

on 12. Las deniciones y teoremas antes mencionados son v alidos

en (R
n
, d), en general cuando un espacio con estructura de espacio vectorial tiene
asociada una metrica entonces es un espacio de Banach si y s olo si toda sucesi on de
Cauchy en ese espacio con la metrica asociada es convergente en el mismo espacio.
2. Lmite y continuidad de funciones en R
n
Definici

on 29. Una funcion

f : R
n
R
m
x f(x)
es decir
(x
1
, , x
n
) (f
1
(x
1
, . . . , x
n
), . . . , f
m
(x
1
, . . . , x
n
))
28 3. L

IMITE Y CONTINUIDAD DE FUNCIONES EN R

n
es de varias variables, donde n, m N. A la funci on f
i
(x) se le llama la funci on
i-componente i {1, . . . , m}.
Si tomamos A R
n
entonces f : A R
n
nos dice que el dominio de la funcion
es A. Si C R
m
entonces f
1
(C) = {x A|f(x) C}. Si B A entonces
f(B) = {f(x) R
n
|x B}.
Observaci

on 13. Cuando escribamos f : A B, donde A R

n
, B R
m
denotar a que f(A) B.
Las funciones de varias variables reciben diferentes nombres seg un como sean su
dominio y su rango. para ellos haremos la siguiente convenci on.
Observaci

on 14. Sean A R
n
y B R
m
entonces diremos lo sigiuiente
1. Si n = 1 y m > 1 entonces la funci on f : A B se le llamara curva y de
denotar a por (t) = (
1
(t), . . . ,
m
(t)).
2. Si n > 1 y m = 1 entonces la funci on f : A B se le llamar a funci on real y
se denotara por f(x
1
, . . . , x
n
) = f(x).
M as adelante trataremos con mas detalle a las curvas y supercies.
Definici

on 30. Sean f : A R una funci on real y p f(A) entonces el

conjunto S = f
1
(p) = {x A : f(x) = p} es el conjunto de nivel de f es p.
Los conjuntos de nivel nos ayudan a visualizar la gr aca de la funci on f. Al
poner f(x) = p esto signica que el plano constante p corta de manera paralela al
plano P(x
1
, . . . , x
n
).
Observaci

on 15. Cuando A R
2
entonces al conjunto de nivel se le llaman
contorno de nivel. Si A R
3
entonces al conjunto de nivel se le llama supercie de
nivel.
Ahora usaremos los conceptos vistos en los captulos anteriores, para el estudio
de la continuidad de las funciones de varias variables.
Definici

on 31. Sea f : A B y a A entonces f es continua en a si y solo

si V vecindad de f(a), U vecindad de a tal que x U A entonces f(x) V.
Decimos que f es continua en A si y s olo si es continua en todo punto de A.
De la denici on anterior la vecindad U depende de la vecindad V
Teorema 23. Sea a A y f : A B entonces las siguientes armaciones son
equivalentes
a. f es continua en a.
b. > 0,

> 0 tal que si x A y ||x a|| <

entonces ||f(x) f(a)|| < .

c. Si x
k
es una sucesion en A tal que x
k
a entonces la sucesi on f(x
k
) f(a).
Demostraci on. Probemos la equivalencia de las proposiciones
a b. Suponga que f es continua en a si y s olo si V
f(a)
, U
(
a), tal que x U
a
A
entonces f(x) V
f(a)
. Sea V

(f(a)) = {y R
n
: ||y f(a)|| < } una
vecindad de f(a) y U

(a) = {x R
n
: ||x a|| <

} una vecindad de a.
Si V
f(a)
= V

(f(a)) y U
a
= U

(a) entonces f(x) V

(f(a)). Por lo tanto

> 0,

> 0 tal que si x A y ||x a|| <

entonces ||f(x) f(a)|| < .

2. L

IMITE Y CONTINUIDAD DE FUNCIONES EN R

n
29
b c. Suponga que x
k
A es una suecesi on convergente; es decir x
k
a. Por
hip otesis tenemos que > 0,

> 0 tal que si x A y ||x a|| <

entonces ||f(x) f(a)|| < . Como x

k
a y usando el teorema 19 se tiene
que N

N tales que k N

entonces ||x
k
a|| < . Haga x
k
= x
entonces ||f(x
k
) f(a)|| < , > 0. Por lo tanto f(x
k
) f(a).
c a. La prueba sera por contrapositiva. Suponga que f no es continua en a A
entonces V

(f(a)) tales que U

(a), x

(a) pero f(x

) / V

(f(a)).
Sea U1
k
= {x A : ||x a|| <
1
k
} Ahora si x
k
U1
k
entonces x
k
a pero
f(x
k
) / V

(f(a)).

El teorema 23 nos da un criterio para saber cuando la funcion es discontinua, la

cual proviene de la contrapositiva del inciso c. La desmostraci on se omite y se deja
como ejercicio.
Corolario 2. La funcion f : A B es discontinua en a si y s olo si x
k
a
pero f(x
k
) no converge a f(a).
Teorema 24. La funci on f : A B es continua en a A si y solo si V
vecindad de f(a), W vecindad de a tal que W A = f
1
(V ).
Demostraci on. ) Sea W una vecindad de a que satisface W A = f
1
(V ),
entonces si tomamos U = W obtenemos la denicion de funcion continua.
) Suponga que se satisface la denici on de funcin continua. Al tomar W =
U f
1
(V ) entonces W A = f
1
(V ).
Teorema 25. Sea f : A B entonces f es una funci on continua en a si y s olo
si cada una de sus componentes de f lo es.
Demostraci on.

Teorema 26. Sea f : A B, y g : C D donde A, C R

n
y B, D R
m
son
continuas en a A B entonces
1. f + g es continua en a.
2. f g es continua en a.
3. Si c R, entonces cf es continua en a.
4. Sean f : A R y g : B R entonces fg es continua en a.
5. < f, g > es continua en a, donde D R
n
.
6. Si h, h : A R es una funci on con imagen en R entonces hf es continua en
a.
7. Si h, h : A R es una funci on con imagen en R entonces
f
h
es continua en
a, en aquellos puntos tales que h(x) = 0.
Aqu hemos usado el hecho que h es continua en a.
Demostraci on. Probemos cada uno de los incisos
1. Como f es continua en a entonces

2
> 0, > 0 tales que ||x a|| <
entonces ||f(x) f(a)|| <

2
y g es continua en a entonces

2
> 0, > 0
tales que ||x a|| < entonces ||g(x) g(a)|| <

2
. Ahora bien
||(f(x) + g(x)) (f(a) + g(a))|| = ||(f(x) f(a)) + (g(x) g(a))||
30 3. L

IMITE Y CONTINUIDAD DE FUNCIONES EN R

n
||f(x) f(a)|| + ||g(x) g(a)|| <

2
+

2
= . Por lo tanto la suma de
funciones continuas es continua.
2. Usemos las mismas hip otesis y observar que f(x) g(x) = f(x) +(g(x)) y
aplicar el inciso anterior.
3. Como f es continua en a entonces

|c|
> 0, > 0 tales que ||x a|| < ,
donde c R \ {0}. entonces ||f(x) f(a)|| <

|c|
. Por otra parte ||cf(x)
cf(a)|| = |c|||f(x) f(a)|| < |c|

|c|
= . Por lo tanto cf es una funci on
continua. Para el caso que c = 0 la prueba es inmediata.
4. Sabemos que f es continua en a y g es coninua en a entonces
1
> 0, > 0
tales que ||x a|| < entonces |f(x) f(a)| <
1
y
2
> 0, > 0 tales
que ||x a|| < entonces |f(x) f(a)| <
2
. Por otra parte |f(x)g(x)
f(a)g(a)| = |(f(x)g(x) f(x)g(a)) +(f(x)g(a) f(a)g(a))| |f(x)||g(x)
g(a)| + |g(a)||f(a) f(a)| < (N +
1
)
1
+ M
2
, donde |g(a)| < M, |f(a)| <
N, M > 0, N > 0. Si = (
1
+
1
)
1
+ M
2
entonces fg es una funcion
continua en a.
5. Por hipotesis f es continua en a y g tambien lo es, entonces por el teorema
25, como cada componente es continua entonces por c alculo de una variable
el producto de funciones continuas es continua y la suma nita de funciones
continuas tambien lo es. Por lo tanto

n
i=1
f
i
(x)g
i
(x) es continua y esto se
sigue del inciso anterior.
6. Del inciso 4, si se hace f : R R se sigue el resultado.
7. Del inciso 4, si se hace
f
g
= fh, donde h =
1
g
se sigue el resultado.

Teorema 27. Sean f : A B y g : B C tales que f es continua en a y g

continua en b = f(a) entonces g f es continua en a.
Demostraci on. Sea W

(c) C donde c = g(b), como g es una funcion continua

en b entonces V

1
(b) tales que si y V

1
(b) entonces g(y) W

(c). Sabemos que

f es continua en a, entonces U

(a) tal que si x U

(a) entonces f(a) V

1
. Por
lo tanto si x U

(a) entonces f(a) V

1
y g(f(x)) W

(c); es decir g f es una

funcin continua en a.
3. Invariantes de las funciones continuas de R
n
a R
m
Teorema 28. Sea f : A B tal que f es continua en A. Si A es un conjunto
compacto entonces f(A) es un conjunto compacto.
Demostraci on.

Teorema 29. Sea f : A B tal que f es continua en A. Si A es un conjunto

conexo entonces f(A) es un conjunto conexo.
Demostraci on.

Definici

on 32. Sea f : A B, supongamos B R

n
entonces A es homeomorfo
a B si y s olo si
1. f
1
: B A es una funci on continua.
4. EJERCICIOS 31
2. f es una funci on continua.
f se le conoce como funcion homeomorfa.
Teorema 30. Teorema del valor intermedio de Bolzano. Sea A un con-
junto conexo y f : A R una funci on continua en A(supercie). Sea c R tal
que
nf{f(x)|x A} < c < sup{f(x)|x A},
entonces x

A tal que f(x

) = c
Demostraci on.

Un teorema similar es el siguiente

Teorema 31. Teorema del valor maximo y mnimo. Sea f : A R una
funci on continua en A, tal que A es conjunto compacto. Entonces x

A y y

A
tales que
f(x

) = max{f(x)|x A}, f(y

) = mn{f(x)|x A}.
Demostraci on.

Para el caso que las funciones no representan supercies se tiene el siguiente

resultado; es decir donde B R
m
, m 2; el cual involucra la norma de R
n
.
Corolario 3. Sea f : A B una funcion continua en A, donde A es un
conjunto compacto, entonces x

A y y

A tales
||f(x

)|| = m ax{||f(x)|| : x A}, ||f(y

)|| = mn{||f(x)|| : x A}.

Demostraci on.

4. Ejercicios
Ejercicio 37. Demuestre que una funci on f : A R R
n
es continua en
a A si y s olo si cada funci on componente lo es.
Ejercicio 38. Demuestre que si T : R
n
R
m
es un transformacion lineal
entonces es continua.
Ejercicio 39. Si A R
n
es un conjunto compacto, demuestre que toda funci on
continua f : A R toma un valor maximo y un valor mnimo.
Ejercicio 40. Sea f : [a, b] R una funci on creciente, si x
1
. . . , x
n
[a, b],
pruebe que

n
i=1
o(f, x
i
) < f(b) f(a).
Ejercicio 41. Si A R
n
es un conjunto no cerrado, demostrar que existe una
funci on continua f : A R no acotada.
Ejercicio 42. Sea A = {(x, y) R
2
: x > 0, 0 < y < x
2
}
(a) Probar que toda recta que pase por (0, 0) hay un intervalo abierto que con-
tiene en su interior a (0, 0) y que est a en R
2
\ A.
32 3. L

IMITE Y CONTINUIDAD DE FUNCIONES EN R

n
(b) Se dene f : R
2
R como
f(x) =
_
0, x / A,
1, x A.
Para h R
2
se dene g
h
(t) = f(th). Probar que cada g
h
es continua en (0, 0),
pero f no es continua en (0, 0).
Ejercicio 43. Encuentre el dominio y la imagen de cada uno de las siguientes
funciones
z =

x + y, z =
_
2x y
2
, z =
1

x + y
, z =
_
1
x
2
a
2
+
y
2
b
2
.
z = log(x + 5y), z =

x sin y, w =
_
a
2
x
2
y
2
z
2
.
z
x
2
y
2
x + y
, z =
_
x
2
y
2
, z = log(x
2
y
2
), z = arc tg
x
2
x
2
+ y
2
.
w = arc tg
x
x + y
, z =

y cos x.
Ejercicio 44. Cu al es el n umero de coecientes de un polinomio de grado n
en dos variables?En tres variables?En k variables?
Ejercicio 45. Para cada una de las siguientes funciones encuentre las curvas
de nivel para los valores z = 3, 2, 1, 0, 1, 2, 3
z = x
2
y, z = x
2
+ y
2
1, z = x
2
y
2
.
z = y
2
, z = y(1
1
x
2
+ y
2
).
z = cos(2x + y), correspondientes a z = 0, +1, +
1
2
.
z = log
1 +
_
x
2
+ y
2
1
_
x
2
+ y
2
Ejercicio 46. Dibujar las siguientes supercies
(a) z = 2xy, z = x
2
+ y
2
, z = x y.
(b) z = x
2
, z = sin(x + y).
Ejercicio 47. Hallar las supercies sobre las cuales la funcion u =
2(x
2
+ y
2
)
z
es constante.
Ejercicio 48. Demuestre que la funci on f(x, y) =
_
_
_
y
x
2
+ y
, y = x
2
1, y = x
2
no tiene
lmite cuando (x, y) (0, 0).
Ejercicio 49. Demostrar que la funci on f(x, y) =
_
_
_
xy
x
2
+ y
2
, (x, y) = (0, 0)
0, (x, y) = (0, 0)
no tiene lmite cuando (x, y) (0, 0), sin embargo los lmites reiterados existen.
Ejercicio 50. Analize las siguientes funciones para determinar la existencia o
no del lmite en (0, 0)
4. EJERCICIOS 33
(i) f(x, y) =
_
_
_
xy
2
x
2
+ y
4
, (x, y) = (0, 0)
0, (x, y) = (0, 0).
(ii) f(x, y) =
_
_
_
x
2
y
3
x
4
+ y
6
, (x, y) = (0, 0)
0, (x, y) = (0, 0).
(iii) f(x, y) =
_
_
_
(xy)
2
(xy)
2
+ (x y)
2
, (x, y) = (0, 0)
0, (x, y) = (0, 0).
Ejercicio 51. Determine la existencia de los lmites reiterados y del lmite
cuando (x, y) (0, 0) de la funci on f(x, y) =
_
_
_
sin x sin y
tg x tg y
, tg x = tg y
cos
3
x, tg x = tg y
.
Ejercicio 52. Calcular los siguientes lmites
lm
(x,y)(0,2)
y
sin x
x
y
lm
(x,y)(0,0)
sin(xy)
x
.
Ejercicio 53. Coordenadas polares: Sea A = (0, ) (0, 2], y sea g : A R
2
la aplicacion denida por g(.) = ( cos , sin ).
1. Demostrar que g es una biyeccion continua de A sobre B = R
2
\ {(0, 0)}.
2. Dada f : R
2
R, sea F = f g. Demostrar que lm
(x,y)(0,0)
f(x, y) = a
si y solo si dado > 0, Existe un > 0, tal que si 0 < < , entonces
|F(, ) a| para todo (0, 2].
Ejercicio 54. Use el ejercicio anterior para calcular los siguientes lmites, cuan-
do (x, y) (0, 0) de las siguientes funciones
1. f(x, y) =
_
_
_
y
2
(x
3
+ y
2
) + x
4
x
4
+ y
4
, (x, y) = (0, 0)
0, (x, y) = (0,0).
2. f(x, y) =
_

_
x
2
y + x sin y
_
x
2
+ y
2
xy
, (x, y) = (0, 0)
0, (x, y) = (0, 0).s
Ejercicio 55. Consideremos el espacio C([0, 1]) y denimos la metrica en este
espacio como
d(f, g) =
_
1
0
|f(x) g(x)|dx.
Pruebe que C([0, 1]) es un espacio vectorial y a continuaci on que C([0, 1], d) no es
metrico completo.
Ejercicio 56. Dterminar si existe el lmite en (0, 0) de las siguientes funciones
34 3. L

IMITE Y CONTINUIDAD DE FUNCIONES EN R

n
1. f(x, y) =
_
_
_
x cos y y cos x x + y
x
2
+ y
2
, (x, y) = (0, 0)
0, (x, y) = (0, 0).
2. f(x, y) =
_
_
_
x
4
+ sin y
4
x
2
+ y
2
, (x, y) = (0, 0)
0, (x, y) = (0, 0).
Ejercicio 57. Demuestre la continuidad en R
2
de la funci on f(x, y) = xy.
Ejercicio 58. Determinar los valores de para lso que la siguiente funcion sea
continua f(x, y) =
_
_
_
x|y|

x
4
+ y
4
+ x
2
, (x, y) = (0, 0)
0, (x, y) = (0, 0).
Ejercicio 59. Usando el concepto de oscilaci on, demostrar que la siguiente fun-
ci on es continua en (0, 0). f(x, y) =
_
_
_
1 + x cos(x
2
+ y
2
) arc tg x
x
2
+ y
2
, (x, y) = (0, 0)
0, (x, y) = (0, 0).
Ejercicio 60. Sean A R
n
, B R
n
. Se dice que f : A B es un homeo-
morsmo si f es biyectiva, continua y con inversa continua. Demostrar que si A es
compacto y f biyectiva y continua, entonces f es un homeomorsmo.
Ejercicio 61. Se dice que una aplicacion es contractiva si existe R, 0 < <
1 tal que ||f(x) f(y)|| ||x y||, x, y R
n
. Demostrar que si f es contractiva,
entonces existe un unico punto jo, es dedir, hay un unico u R
n
tal que f(u) = u
Captulo 4
Derivadas de funciones en R
n
1. Diferenciaci on de una funci on en R
n
Definici

on 33. Sea f : A B y a, a + h int(A), entonces f es diferenciable

en a si y s olo si Df(a) L(R
n
, R
m
) tal que
lm
h0
||f(a + h) f(a) Df(a)h||
||h||
= 0.
Df(a) es la diferencial de f en a.
Observaci

on 16. En el caso de las funciones de una variable, se tenian dos

deniciones que son equivalentes; atribuidas a Newton y Fermat respectivamente;
en el caso de varias variables no es la excepcion y tambien se tiene la siguiente
denici on equivalente
Definici

on 34. Sea f : A B y a int(A), entonces f es diferenciable en a

si y s olo si Df(a) L(R
n
, R
m
) tal que
lm
xa
||f(x) f(a) Df(a)(x a)||
||x a||
= 0.
Df(a) es la diferencial de f en a.
Teorema 32. Sea f : A B, y suponga que f es diferenciable en a, entonces
Df(a) L(R
n
, R
m
) es unica.
Demostraci on.

Dado que Df(a) es una transformacion lineal, sabemos por algebra lineal que
toda tranforamci on lineal tiene una matriz de representaci on. Nuestro objetivo es
proporcionar la matriz de representaci on de Df(a), para ello se requiere el siguiente
concepto.
Definici

on 35. Sea f : A R entonces la derivada parcial de f con respecto

a x
i
en a es
lm
h0
f(a + he
i
) f(a)
h
=
f
x
i
(a),
si el lmite existe. Donde e
i
= (0, . . . , 1, . . . , 0), 1 en el i-esimo lugar, i {1, . . . , n}.
Ahora si tomamos una funcion f : A B entonces
f(x
1
, . . . , x
n
) = (f
1
(x
1
, . . . , x
n
), . . . , f
m
(x
1
, . . . , x
n
)),
para cada i {1, . . . , m} la funci on f
i
(x
1
, . . . , x
n
) es una funci on f
i
: A R. En-
tonces podemos aplicar la denici on 35 a cada f
i
para obtener el siguiente concepto
35
36 4. DERIVADAS DE FUNCIONES EN R
n
Definici

on 36. Sea f : A B entonces la derivada parcial de f

i
con respecto
a x
j
en a es
lm
h0
f
i
(a + he
i
) f
i
(a)
h
=
f
i
x
j
(a),
si el lmite existe. Donde e
j
= (0, . . . , 1, . . . , 0), 1 en el j-esimo lugar, i {1, . . . , m}, j
{1, . . . , n}.
Observaci

on 17. Si f : A R entonces la derivada parcial de f en a tambien

se denota por D
i
f(a), f
i
(a), f
x
i
(a) de manera analoga se tiene para las funciones
f : A B entonces la derivada parcial de f
i
con respecto a x
j
en a tambien se
denota por D
j
f
i
(a), f
i
x
j
(a). En cada una de las dos deniciones tambien se puede
escribir en la forma de un operador es decir

x
i
f y

x
i
f
j
.
Definici

on 37. Sea f : A B, entonces f es diferenciable en A si y s olo si

Df(a) existe a A.
Teorema 33. Sea f : A B una funcion constante entonces Df(a) = 0.
Demostraci on.

Teorema 34. Sea f : A B una transformacion lineal, entonces Df(a) = f(a).

Demostraci on.

Teorema 35. Sea f : A B una funci on, a A, entonces f es diferenciable

en a si y s olo si f
i
es diferenciable en a, i {1, . . . , m}. Donde
(5) Df(a) = (Df
1
(a), . . . , Df
m
(a)) =
_
_
_
_
_
_
f
1
x
1
(a) . . .
f
1
x
n
(a)
.
.
.
.
.
.
f
m
x
1
(a) . . .
f
m
x
n
(a)
_
_
_
_
_
_
Demostraci on.

Observaci

on 18. La matriz dada en la igualdad 5 se le llama matriz jacobiana

o matriz de Jacobi de f(a), tambien se le conoce como la matriz derivada de f. A
Df tambien se le llama la derivada total de f.
Corolario 4. Cuando f : A R es una funci on diferenciable en a A
entonces
(6) Df(a) = (
f
x
1
(a), . . . ,
f
x
n
(a)) = grad f(a),
donde grad f(a) se le llama el gradiente de f en a. As grad f(a)(u) =< gradf(a), u >
.
La demostracion es inmediata del teorema anterior.
Observaci

on 19. Tambien a 6 se le denota como f(a).

2. CONTINUIDAD DE LAS FUNCIONES DIFERENCIABLES Y LA REGLA DE CADENA 37
Teorema 36. Supona que f : A R y g : A R funciones diferenciables en
A entonces
1. grad(f + g)(a) = grad f(a) + grad g(a).
2. grad(fg)(a) = g(a) grad f(a) + f(a) grad g(a).
3. grad(
f
g
)(a) =
g(a) grad f(a) f(a) grad g(a)
g(a)
2
, donde g(a) = 0.
Demostraci on.

Corolario 5. Sea f : A B y g : A R funciones diferenciables en A

entonces
1. D(fg)(a) = g(a)Df(a) + f(a) grad g(a).
2. D(
f
g
)(a) =
g(a) grad f(a) f(a) grad g(a)
g(a)
2
, donde g(a) = 0.
Demostraci on.

Definici

on 38. Sea f : A R una funci on diferenciable en a A. Sea u A

un vector normalizado entonces si existe el lmite
D
u
f(a) = lm
t0
f(a + tu) f(a)
t
,
es la derivada direccional de f en a en la direci on de u.
2. Continuidad de las funciones diferenciables y la regla de cadena
Teorema 37. Sea f : A B tal que A es un conjunto abierto en R
n
, suponga
que f es diferenciable en A entonces f es continua en A.
Demostraci on.

Teorema 38. Sean f : A B y Aes un conjunto abierto en R

n
. Si
f
i
x
j
(a), i
{1, . . . , m}, j {1, . . . , n} y es contnua a A entonces f es diferenciable en A.
Demostraci on.

Observaci

on 20. Las funciones que satisfacen el teorema 38 se les llaman fun-

ciones con derivada continua. Tambien se les llama funciones de clase C
1
y se denotan
por f C
1
(A)
Teorema 39. Regla de la cadena Sea f : A B y g : B C donde A R
n
y B R
m
conjuntos abiertos, C R
p
. Suponga que f C
1
(A) y g C
1
(B)
entonces g f es diferenciable en a A y D(g f)(a) = D(g(f(a))) Df(a); es decir
(7)
D(g(f(a)))Df(a) =
_
_
_
_
_
_
g
1
y
1
(f(a)) . . .
g
1
y
m
(f(a))
.
.
.
.
.
.
g
p
y
1
(f(a)) . . .
g
p
y
m
f(a)
_
_
_
_
_
_
_
_
_
_
_
_
f
1
x
1
(a) . . .
f
1
x
n
(a)
.
.
.
.
.
.
f
m
x
1
(a) . . .
f
m
x
n
(a)
_
_
_
_
_
_
38 4. DERIVADAS DE FUNCIONES EN R
n
Demostraci on.

3. El teorema de Taylor
Teorema 40. Teorema del valor medio. Sean f : A R donde A es un
conjunto conexo y abierto de R
n
, ,a, b A y (t) A el segmento que une a los
puntos a con b. Suponga que f es diferenciable en A, entonces c (t) tal que
f(b) f(a) = Df(c)(b a).
Demostraci on.

Teorema 41. Teorema del valor medio. Sean f : A B donde A es un

conjunto conexo y abierto de R
n
, ,a, b A y (t) A el segmento que une a los
puntos a con b. Suponga que f es diferenciable en A, entonces c (t) tal que
||f(b) f(a)|| ||Df(c)(b a)||.
Demostraci on.

Ahora surge la necesidad de expander el concepto de la derivada de una funci on

en varias variables, analogamente como en calculo diferencial de una variable tenia-
mos la segunda derivada, la n-sima derivada, iniciamos con las derivadas de orden
superior
Definici

on 39. Sea f : A R una funci on tal que

f
x
i
existe en a A, i
{1, . . . , n}. Entonces la derivada de segundo orden si existe es

2
f
x
j
x
i
(a) =

x
j
(

x
i
f(a)), i {1, . . . , n}, j {1, . . . , m}.
Para el caso de la diferencial de la diferencial de la funci on f, haremos uso de
las formas bilineales para obtener la siguiente
Definici

on 40. Sea f : A B y suponga que f es diferenciable en A, es decir

Df(a) L(R
n
, R
m
). Es decir
Df : A L(R
n
, R
m
)
a Df(a).
Para a A sea
B
a
: R
n
R
n
R
(u, v) B
a
(u, v).
Entonces la segunda derivada de f en a es D(Df(a)) = D
2
f(a) y
B
a
(u, v) = [D
2
f(a)(u)](v).
Observaci

on 21. La funci on B
a
de la denici on 40 es una funci on bilineal es
decir satisface las siguientes propiedades: , R y u
1
, u
2
, v
1
, v
2
R
n
. se tiene
B
a
(u
1
+ u
2
, v) = B
a
(u
1
, v) + B
a
(u
2
, v).
B
a
(u, v
1
+ v
2
) = B
a
(u, v
1
) + B
a
(u, v
2
).
3. EL TEOREMA DE TAYLOR 39
Ahora bien la forma en que se trata en la denicion 40, D
2
f(a) : R
n
L(R
n
, R
m
),
de esta manera D
2
f(a)(u) L(R
n
, R
m
) as D
2
f(a)(u) se puede aplicar a v para
obtener B
a
(u, v) = [D
2
f(a)(u)](v).
Sean {e
1
, . . . , e
n
} y {f
1
. . . , f
m
} dos bases del espacio vectorial R
n
y R
m
respec-
tivamente y considere la tranformacion bilineal
B : R
n
R
n
R
m
(u, v) B(u, v)
entonces podemos asociarle una matriz que represente a la transformacion B
a
(u, v)
de la siguiente forma aplicamos la tranformacion a cada elemento de la base es decir
B(e
i
, f
j
) = a
ij
,
donde i {1, . . . , n}, j {1, . . . , m}. Sabemos de que cualquier vector se puede
escribir en terminos de su base, por consiguiente escribimos
u =
n

i=1
u
i
e
i
, v =
m

j=1
v
j
f
j
.
Entonces
(8) B(u, v) =
m

j=1
n

i=1
a
ij
u
i
v
j
= (u
1
. . . , u
n
)
_
_
a
11
. . . a
1m
.
.
.
.
.
.
a
n1
a
nm
_
_
_
_
v
1
.
.
.
v
m
_
_
.
El siguiente teorema nos da la conexi on de la igualdad 8 con la segunda derivada
de f; es decir D
2
f
Teorema 42. Sea f : A R, donde A es un conjunto abierto de R
n
y f es
dos veces diferenciable en A entonces la matriz que representa a la transformacion
D
2
f(a) : R
n
R
n
R en su base can onica est a dada por
(9) D
2
f(a) =
_
_
_
_
_
_

2
f
x
1
x
1
(a) . . .

2
f
x
1
x
n
(a)
.
.
.
.
.
.

2
f
x
n
x
1
(a) . . .

2
f
x
n
x
n
(a)
_
_
_
_
_
_
.
Demostraci on.

Teorema 43. Teorema de Schwarz. Sea f : A B una funci on dos veces

diferenciable en A, donde A es un conjunto abierto de R
n
y D
2
f(a) sea continua
a A; es decir

2
f
x
i
x
j
son continuas en a A. Entonces D
2
f(a) es simetrica; es
decir
[D
2
f(a)(u)](v) = [D
2
f(a)(v)](u).
en terminos de las componenetes de la matriz de representaci on se escribe

2
f
k
x
i
x
j
=

2
f
k
x
j
x
i
.
i {1, . . . , n}, j {1, . . . , m}, k {1, . . . , m}.
40 4. DERIVADAS DE FUNCIONES EN R
n
Demostraci on.

El proceso de buscar derivadas de orden superior es similar al descrito anterior-

mente, se denen las derivadas parciales y luego se dene una transformacion la
cual ser la diferencial de orden superior. Este proceso nos lleva de manera natural a
transformaciones multilineales las cuales est an relacionadas con otro concepto que
se llaman tensores.
Definici

on 41. Sea f : A B, entonces f es una funci on de clase C

k
en A, si
las k derivadas existen y con continuas. Una func on es de clase C

en A, si es de
clase C
k
, k N.
Observaci

on 22. La notaci on que se usa para las funciones de clase C

k
es
f C
k
(A); analogamente f C

(A) para las funciones de clase C

. A estas
ultimas se les llama tambien funciones suaves.
Teorema 44. Teorema de Taylor. Sea f : A R tal que f C
k
(A), donde
A es abierto y conexo en R
n
. Sean x, y A tales que (t) A una recta que une
a los puntos. Entonces c (t) tal que
f(y) + f(x) =
k1

i=1
1
i!
Df(x)(y x, . . . , y x) +
1
k!
D
k
f(c)(y x, . . . , y x),
donde D
k
f(x)(x y, . . . , x y) denota D
k
f(x) como una transformaci on i-lineal
aplicada a la i- tupla (x y, . . . , x y). En terminos de coordenadas
D
i
f(x)(y x, . . . , y x) =
n

j
1
,...,j
i
=1
(

i
f
x
j
1
, , x
j
i
)(y
j
1
x
j
1
, . . . , y
j
i
x
j
i
).
Al hacer y = x + h la formula de Taylor se escribe como
f(x + h) = f(x) +
k1

i=1
1
i!
Df(x)(h, . . . , h) + R
k1
(x, h).
A R
k1
(x, h) se le llama resto y satisface
lm
h0
R
k1
(x, h)
||h||
k1
= 0.
Demostraci on.

4. Curvas
En el captulo anterior habiamos denido las curvas, ahora con la herramienta
de la derivada vamos a desarrollar uno de los conceptos que se analiza en geometra
diferencial.
Definici

on 42. Sean (a, b) R y la funci on

: (a, b) R
n
t (x
1
(t), . . . , x
n
(t)),
donde t (a, b). A la imagen de (t) es lo se conoce como curva.
4. CURVAS 41
Definici

on 43. Una curva (t) es derivable en t

0
(a, b) si y s olo si el siguiente
lmite existe lm
tt
0
(t) (t
0
)
t t
0
= (t
0
). Es decir es la derivada de (t) en t
0
.
Observaci

on 23. Al (t
0
) tambien se le denota como
d
dt

t=t
0
. Tambien (t
0
)
es el vector de velocidad en en el punto t
0
Definici

on 44. Sea : (a, b) R

n
una curva. (t) es diferenciable en (a, b) si
y solo si (t
0
) existe t
0
(a, b). (t) es el vector tangente a la curva (t).
Teorema 45. Sea , , : (a, b) R
n
curvas diferenciables en (a, b) entonces
a.
d
dt
((t) + (t)) =
d
dt
(t) +
d
dt
(t), R.
b. Sea f : (a, b) R una funcion diferenciable entonces
d(f(t)(t))
dt
= (
df
dt
(t))(t) + f(t)(

dt
(t)).
c.
d
dt
< (t), (t) >=<
d
dt
(t), (t) > + < (t),
d
dt
(t) > .
Las siguientes armaciones son v alidas cuando n = 3. Regla de Leibnitz para el
producto exterior (cruz) y triple productoescalar respectivamente
d.
d
dt
((t) (t)) = (
d
dt
(t) (t)) + ((t)
d
dt
(t)).
e.
d
dt
((t), (t), (t)) =
(
d
dt
(t), (t), (t)) + ((t),
d
dt
(t), (t)) + ((t), (t),
d
dt
(t)).
Demostraci on.

Definici

on 45. Sea (t) : (a, b) R

n
. Entonces (t) es una curva regular si y
s olo si (t) = 0, t (a, b) y (t) C
1
((a, b)).
De aqu en adelante las curvas que trateremos estaan en R
3
pues es donde se
obtiene mayor informaci on.
Definici

on 46. Una curva parametrizada R

3
es que p , J =
(, ), > 0 y una curva regular : J R
3
tal que (0) = p y : J (J) es un
difeomorsmo de J con una vecindad de p en .
Observaci

on 24. En la denici on anterior se usa el concepto de difeomorsmo,

el concepto como tal se denir a en un captulo posterior, as que daremos la denicion
de un difeomorsmo entre una curva en R
n
y un intervalo J R. Sean J R y
R
3
diremos J y son difeomorfos si y solo si : J tal que
1. es una funci on biyectiva, continua y con funcion inversa continua.
2. C
1
(J) y
1
C
1
()
La parametrizaci on nos sirve en varios aspectos, vamos a asociar una marco de
referencia para cada punto en la curva, este sistema es ortonormal, si no estuvier a pa-
rametrizada no podemos garantizar el marco ortogonal o normal.
42 4. DERIVADAS DE FUNCIONES EN R
n
Definici

on 47. Sea R
3
una curva regular conexa, parametrizada por :
[a, b] , entonces la longitud de la curva est a dada por
l() =
_
b
a
_
< (t), (t) >dt =
_
b
a
|| (t)||dt.
(t) es el vector tangente a la curva .
Definici

on 48. Dada una curva regular parametrizada por : [a, b] ,

suponga que su parametro t se puede expresar como una funci on diferenciable t =
t(u), donde t : [c, d] [a, b] y
dt
du
= 0, u [c, d], entonces = t : [c, d] es
una reparametrizaci on de .
Lema 3. Sea una curva regular parametrizada por y reparametrizada por
entonces la longitud de curva son las mismas; es decir
_
b
a
|| (t)||dt =
_
d
c
||

(u)||du.
Demostraci on.

Lema 4. Sea una curva parametrizada por longitud de curva s entonces la

velocidad v(s) = (s) tiene rapidez constante ||v(s)|| = 1, s [0, L]. De forma
recproca si ||v(s)|| = 1 entonces l(s) = s.
Demostraci on. Sea una curva parametrizada por : [a, b] R
3
entonces
t [a, b] la longitud de curva esta dada por l(t) =
_
t
a
|| ()||d antonces al aplicar
el teorema fundamental del c alculo se obtiene
dl
dt
(t) = || (t)||.
Si s es un parametro que mide la longitud de curva de (a) a (s), tenemos que
l(s) = s entonces usando el toerema fundamental del calculo se tiene
dl
ds
(s) = || (s)|| = 1.
Por lo tanto l(s) =
_
s
a
d = s a.
Observaci

on 25. Del lema de Schwarz 1 se sigue que el angulo entre dos

curvas diferenciables (t) y (t) en un punto t
0
esta dado por
= arc cos
_
< (t
0
),

(t
0
)) >
|| (t
0
)||||

(t
0
)||
_
.
Definici

on 49. La curvatura k de una recta en cualquier punto p es cero; es

decir k(p) = 0. La curvatura de una circunferencia de radio R > 0 en un punto
arbitrario p es k(p) =
1
R
.
Nos interesa saber la curvatura de una curva en R
3
y R
2
, para ello nosotros
sabemos que la curva parametrizada por la longitud de curva satisface || (s)|| = 1
4. CURVAS 43
entonces al elevar al cuadrado y usando las propiedades de que la norma proviene
de un producto interior se sigue
|| (s)||
2
= 1,
entonces
< (s), (s) >= 1.
Derivando con respecto de s y usando la regla de Leibnitz para el producto interior
se sigue
< (s), (s) >= 0,
de donde (s) (s), al vector (s) se le llama vector de aceleracion. De aqu po-
demos hacer lo siguiente
Definici

on 50. La curvatura k(s) de una curva parametrizada por longitud de

curva (s) es k(s) = || (s)||.
Si (s) = 0 entonces || (s)|| > 0. Ahora bien v(s) = (s) se sigue que ||v(s)|| = 1
entonces como no sabemos si || (s)|| = 1 entonces vamos a tomar un vector que este
en la misma direcci on de (s) pero con norma unitaria. De est a manera se tiene
Definici

on 51. Sea (s) una curva parametrizada por longitud de curva enton-
ces el vector normal en la direcci on de (s) es n(s) =
(s)
|| (s)||
.
Observaci

on 26. El vector normal se puede escribir en terminos de la curvatura,

pues || (s)|| = k(s) por lo tanto n(s) =
(s)
k(s)
. As
(10) (s) = n(s)k(s).
Ahora bien < n(s), v(s) >=
1
|| (s)||
< v(s), (s) >=
_
1
|| (s)||
_
0 = 0. Por lo
tanto {v(s), n(s)}) son linealmente independientes. Entonces formemos el siguiente
vector
Definici

on 52. Sea (s) una curva parametrizada por longitud de curva enton-
ces el vector binormal est a dado por b(s) = v(s) n(s).
Por lo tanto el conjunto {v(s), n(s), b(s)}
(s)
forma una base ortonormal de R
3
pues ||b(s)|| = ||v(s) n(s)|| = ||v(s)||||n(s)|| sin(

2
) = 1 y v(s) b(s), n(s) b(s).
Observaci

on 27. Como ||b(s)|| = 1 entonces ||b(s)||

2
=< b(s), b(s) >= 1 al
derivar conrespecto de s y usando la regla de Leibnitz para el producto interior se
tiene que < b

(s), b(s) >= 0, por lo tanto b

(s) b(s).
Definici

on 53. El conjunto {v(s), n(s), b(s)}

(s)
formado por los vectores orto-
normales se le llama el triedro de Serret-Frenet en el punto (s).
Lema 5. El triedro de Serret-Frenet satisface las siguientes propiedades
1. v(s) n(s) = b(s).
2. n(s) b(s) = v(s).
3. b(s) v(s) = n(s).
44 4. DERIVADAS DE FUNCIONES EN R
n
Demostraci on. La demostracion de lema 5 se deja como ejercicio.
Del triedro de Frenet-Serret tomemos v(s) = (s), entonces por la ecuaci on 10
se tiene
dv
ds
(s) = (s) = n(s)k(s), por lo tanto
(11)
dv
ds
(s) = n(s)k(s).
Ahora para b(s) calculemos su derivada, como b(s) = v(s)n(s) y aplicando la regla
de Leibnitz, entonces b

(s) = (v

(s) n(s)) + (v(s) n

(s)), usando la ecuacion 11

y sustituyendo en la expresion se sigue b

(s) = (n(s)k(s) n(s)) + (v(s) n

(s)) =
v(s)n

(s). Por lo tanto b

(s) v(s) y b

(s) b(s), entonces b

(s) esta en la direcc on

de n(s); es decir es linealmente dependiente. Sea (s) R entonces b

(s) lo podemos
escribir como
(12)
db
ds
(s) = (s)n(s)
(s) juega un papel imortante en el estudio de las curvas.
Definici

on 54. Sea (s) una curva regular parametrizada por longitud de curva,
entonces (s) el escalar (s) es la torsi on de la curva en el punto s.
Por ultimo calculemos n

(s), como n(s) = b(s) v(s) entonces usando las ecua-

ciones 12 y 11 y la regla de Leibnitz para el producto exterior se sigue
n

(s) = (b

(s) v(s)) + (b(s) v

(s)) = ((s)n(s) v(s)) + (b(s) n(s)k(s)) =

(s)(n(s)v(s))+k(s)(b(s)n(s)) = (s)(b(s))+k(s)(v(s)) = (s)b(s)k(s)v(s).
Por lo tanto
(13)
dn
ds
(s) = (s)b(s) k(s)v(s).
Lo anterior es la demostraci on del siguiente resultado
Teorema 46. Teorema de Serret - Frenet. Sea (s) una curva regular para-
metrizada por longitud de arco y orientada. Entonces (s) se puede denir el triedro
de Serret - Frenet {v(s), n(s), b(2)}
(s)
los cuales satisfacen el siguiente sistema de
ecuaciones diferenciales ordinarias
(14)
_
_
v

_
_
=
_
_
0 k 0
k 0
0 0
_
_
_
_
v
n
b
_
_
,
donde todas las funciones dependen de s.
Observaci

on 28. El sistema 14 es un sistema de nueve ecuaciones diferenciales,

la raz on es por que cada uno de los elemntos del triedro de Frenet - Serret consta
de tres componentes. La soluci on del sistema se basa en el teorema de existencia y
unicidad de la soluci on a una ecuaci on diferencial. La demostracion de este hehco
lo pueden encontrar en la bibliografa de geometra diferencial. Al no tener los con-
ceptos de ecuaciones diferenciales omitimos la prueba. Por ultimo la matriz formada
por la torsi on y la curvatura es una matriz antisimetrica.
5. EJERCICIOS 45
5. Ejercicios
Ejercicio 62. Demostrar que si F : R
n
R
m
es diferenciable en a R
n
,
entonces f es continua en a.
Ejercicio 63. Sea g una funci on continua en S
1
= {x R
2
: ||x|| = 1} tal que
g(0, 1) = g(1, 0) y g(x) = g(x). Denimos f : R
2
R por
f(x) =
_
_
_
||x|| g(
x
||x||
), x = 0,
0, x = 0.
(a) Si x R
2
y h(t) = f(tx), probar que h es diferenciable.
(b) Probar que f no es diferenciable en (0, 0) salvo en el caso de ser g = 0.
Ejercicio 64. Sea f : R
2
R denida por
f(x, y) =
_
x|y|

x
2
+y
2
, (x, y) = 0,
0, (x, y) = 0.
Probar que f es una funcion del tipo del problema anterior, de manera que f no es
diferenciable en 0.
Ejercicio 65. Demostrar que la funcion f : R
2
R denida por
f(x, y) =
_
|xy| no es diferenciable en (0, 0).
Sea f : R
n
R una funci on tal que |f(x)| ||x||
2
Demostrar que f es
diferenciable en (0, 0)
Ejercicio 66. Sea f : R R
2
, demuestre que f es diferenciable en a R si y
s olo si f
1
y f
2
lo son y en este caso
f

(a) =
_
(f
1
)

(a)
(f
2
)

(a))
_
.
Ejercicio 67. Dos funciones f, g : R R son iguales hasta el orden n en a si
lm
h0
f(a + h) g(a + h)
h
n
= 0
(a) Probar que f es diferenciable en a si y solo si eciste una funci on g de la forma
g(x) = a
0
+ a
1
(x a) tal que f y g son iguales son iguales hasta el primer
orden en a.
(b) Si f

(a), . . . , f
(n)
(a) existen, probar que f y la funci on g denida por
g(x) =
n

i=0
f
(i)
(a)
i!
(x a)
i
,
son iguales hasta el orden n.
Ejercicio 68. Encuentre las siguientes derivadas para cada una de las funciones
dadas
1. f(x, y, z) = x
y
, f(x, y, z) = (x
y
, z), f(x, y) = sin(x sin y).
2. f(x, y, z) = sin(x sin(y sin z)), f(x, y, z) = x
y
z
, f(x, y, z) = x
y+z
.
3. f(x, y, z) = (x + y)
z
, f(x, y) = sin(xy), f(x, y) = sin(xy)
cos 3
.
4. f(x, y) = (sin xy, sin(x sin y), x
y
).
46 4. DERIVADAS DE FUNCIONES EN R
n
Ejercicio 69. Hallar la derivada de las siguientes funciones donde g : R R
es continua
f(x, y) =
_
x+y
a
g, g(x, y) =
_
xy
a
g, f(x, y, z) =
_
sin(xsin(y sin z))
xy
g.
Ejercicio 70. Una funci on f : R
n
R
m
R
p
es bilineal si para x, x
1
, x
2
R
n
,
y, y
1
, y
2
R
m
y a R se tiene
f(ax, y) = af(x, y) = f(x, ay)
f(x
1
+ x
2
, y) = f(x
1
, y) + f(x
2
, y)
f(x, y
1
+ y
2
) = f(x, y
1
) + f(x, y
2
).
1. Demostrar que si f es bilineal, entonces lm
(h,k)0
||f(h, k)||
||(h, k)||
= 0.
2. Demostrar que Df(a, b)(a, y) = f(a, y) + f(x, b).
Ejercicio 71. Denir IP : R
n
R
n
R por IP(x, y) =< x, y > .
1. Hallar D(IP)(a, b) y (IP)

(a, b).
2. Si f, g : R R
n
son funciones diferenciables y h : R R est a denida por
h(t) =< f(t), g(t) >, demostrar que
h

(t) =< f

(a)
t
, g(a) > + < f(a), g

(a)
t
> .
3. Si f : R R
n
es diferenciable y ||f(t)|| = 1 para todo t, demostrar que
< f

(t)
t
, f(t) >= 0.
4. Dar una funci on diferenciable f : R R tal que la funcion denida por
|f|(t) = |f(t)| no sea diferenciable.
Ejercicio 72. Sea E
i
, i {1, . . . , k} espacios eucldeos de varias dimensiones.
Una funcion f : E
1
, . . . , E
k
R
p
se llama multilineal si para cada elecci on x
j

E
j
, j = i la funcion g : E
i
R
p
denida por g(x) = f(x
1
, . . . , x
i1
, x, x
i+1
, . . . , x
k
)
es una transformacion lineal.
1. Si f es multilineal y j = i, demostrar que para h = (h
1
, . . . , h
k
) con h
l
E
l
se tiene
lm
h0
||f(a
1
, . . . , h
i
, . . . , h
j
, . . . a
k
)||
||h||
= 0.
2. Demostrar que
Df(a
1
, . . . , a
k
)(x
1
, . . . , x
k
) =
k

i=1
f(a
1
, . . . , a
i1
, x
i
, a
i+1
, . . . , a
k
).
Ejercicio 73. Considerese una matriz n n como un elemento de n factores
R
n
R
n
considerando cada columna como un elemento de R
n
(a) Demostrar que det : R
n
, . . . , R
n
R es unafuncion diferenciable y
D(det)(a
1
, . . . , a
n
)(x
1
, . . . , x
n
) =
n

i=1
det
_
_
_
_
_
_
_
a
1
.
.
.
x
i
.
.
.
a
n
_
_
_
_
_
_
_
.
5. EJERCICIOS 47
(b) Si a
ij
: R R son diferenciables y f(t) det(a
ij
), probar que
f

(t) =
n

j=1
det
_
_
_
_
_
_
_
a
11
(t) a
1n
(t)
.
.
.
.
.
.
a

j1
(t) a

jn
(t)
.
.
.
.
.
.
a
n1
(t) a
nn
(t)
_
_
_
_
_
_
_
.
(c) Si det(a
ij
(t)) = 0 para todo t y b
1
, . . . , b
n
: R R son diferenciables, sean
s
1
, . . . , s
n
: R R funciones tales qeu s
1
(t), . . . , s
n
(t) son la soluci on del
sistema de ecuaciones
n

j=1
a
ij
s
j
(t) = b
j
(t) i {1, . . . , n}.
Demostrar que s
i
es diferenciable y hallar s

i
(t).
Ejercicio 74. Sup ongase que f : R
n
R
n
diferenciable y que tiene una inversa
diferenciable f
1
: R
n
R
n
. Probar que (f
1
)

(a) = [f

(f
1
(a))]
1
.
Captulo 5
Teorema de la funcion implcita y teorema de la funci on
inversa
Supongamos que se quiere saber si el sistema de ecuaciones lineales tiene solucion,
si las tiene cu antas hay?
(15)
_
_
a
11
. . . a
1m
.
.
.
.
.
.
a
1m
. . . a
nm
_
_
_
_
x
1
.
.
.
x
m
_
_
=
_
_
b
1
.
.
.
b
m
_
_
De algebra lineal, es claro que la respuesta va en funci on del rango de la matriz
asociada A del sistema 15 y el rango de la matriz aumentada A|B. Si n = m
entonces un buen criterio es |A| = 0; es decir que A es no singular, as sabemos que
hay una soluci on unica y se puede encontrar la matriz inversa A
1
. Si la matriz es
singular quiere decir que no tiene solucion o tiene una innidad. Cuando n = m
entonces quiere decir que hay una submatriz C de A tal que B sea invertible y que
rango(C) = rango(A|B), para encontrar una posible solucion.
En este captulo vamos a relacionar los conceptos anteriores con dos teoremas de
suma importancia, b asicos para la genracion y analisis de supercies. Al ser Df una
transformaci on lineal, analizaremos la matriz de Jacobi, para obtener el teorema de
funci on inversa e implcita.
1. Teorema de la funcion inversa
El siguiente lema nos ayudar a para la prueba del teorema fundamental de est a sec-
ci on
Lema 6. Sea C R
n
un conjunto cerrado. El espacio que vamos a tomar es
(R
n
, d) y sea f : C C. Suponga que k (0, 1) tal que x, y A satisface
d(f(x), f(y)) kd(x, y).
Entonces c C, tal que f(c) = c.
Demostraci on.

Observaci

on 29. El lema 6 es un caso especial del Teorema de punto jo de

Banach, con las hip otesis del lema y la condici on d(f(x), f(y)) kd(x, y) se le llama
a f una conttracci on. Aqu lo importante es que no se le pide a la funcion que sea
continua, s olo que sea una contraccion. Si f : A A entonces a A es un punto
jo de f si y s olo si f(a) = a.
49
50 5. TEOREMA DE LA FUNCION IMPL

ICITA Y TEOREMA DE LA FUNCI

ON INVERSA
Teorema 47. Teorema de la funcion inversa. Sea f : A R
n
, f C
1
(A),
donde A es un conjunto abierto de R
n
. Sea a A tales que Df(a) = 0. Entonces
U
a
A una vecindad de a y V
f
(a) R
n
tal que
f(U
a
) = V
f(a)
.
f|
U
a
tiene una inversa f
1
: V
f(a)
U
a
, f
1
C
1
(V
f(a)
). y V
f(a)
y x = f
1
(y) se
tiene
Df
1
(y) = [Df(x)]
1
.
Demostraci on.

Observaci

on 30. En la hip otesis del teorema 47 si suponemos f C

k
(A), k
2, entonces f
1
C
k
(V
f(a)
). El teorema funciona si las funciones f y f
1
con suaves.
Definici

on 55. Sea f : A B, supongamos que B R

n
entonces A es
difeomorfo a B si y s olo si
1. f es una funci on C
1
(A).
2. f
1
es una funci on C
1
(B).
Decimos que el difeomorsmo es de clase C
K
si las funcion y su inversa tambien lo
son.
2. Teorema de la funcion implcita
Teorema 48. Teorema de la funcion implcita. Sea A R
n
R
m
un
conjunto abierto y
f : F R
m
(x, y) F(x, y),
F C
1
(A), donde
F(x
1
, . . . , x
n
, y
1
, . . . , y
m
) = (F
1
(x
1
, . . . , x
n
, y
1
, . . . , y
m
), . . . , F
m
(x
1
, . . . , x
n
, y
1
, . . . , y
m
)).
Suponga que (a, b) A y F(a, b) = 0 y sea la matriz
(16) C(a, b) =
_
_
_
_
_
_
F
1
y
1
(a, b) . . .
F
1
y
m
(a, b)
.
.
.
.
.
.
F
m
y
1
(a, b) . . .
F
m
y
m
(a, b)
_
_
_
_
_
_
.
Suponga que det(C(a, b)) = 0, entonces U
a
R
n
vecindad de a, V
b
R
m
vecindad
de b y una funci on unica f : U
a
V
b
tales que
(17) F(x, f(x)) = 0,
x U
a
y f C
1
(
n
(A)), donde

n
: R
n
R
m
R
n
(x, y) x
es la funci on de proyeccion.
Demostraci on.

3. SUPERFICIES 51
Observaci

on 31. Si en la hipotesis del teorema 48 se supone que F C

k
(A),
entonces f C
k
(
n
(A)), k 2.
3. Supercies
Despues de las curvas, el concepto natural que estudia la geometra diferencial
son las supercies, las supercies que vamos a ver son aquellas que son diferenciables
y eso lo va garantizar los teoremas de funci on inversa e implcita.
Definici

on 56. S R
3
es una supercie top ologica si y s olo si p S, U
p
S
una vecindad relativa p S y un homeomorsmo : U
p
, donde R
2
y va
de en U
p
. La pareja (U
p
, ) es la parametrizacion para la supercie S alrededor
de p.
Podemos decir que S es una supercie toplogica si y s olo si para cada punto p
se puede dar un homeomorsmo inverso : U
p
a cada parametrizacion. La
pareja (U
p
, ) es una carta para S alrededor de p. Al conjunto de cartas {(U
i
p
, )}
iI
es un atlas para S cuando las cartas cubren a S; es decir S =

i
U
i
p
. Vamos aso-
ciarle coordenadas (u, v) y las coordenadas usuales (x, y, z) para S en R
3
de la
siguiente manera para la parametrizaci on
(u, v) = (x(u, v), y(u, v), z(u, v)),
para la inversa
(x, y, z) = (u(x, y, z), v(x, y, z)).
Entonces parametriza a S con el sistema de coordenadas (u, v) alrededor de p.
Observaci

on 32. Intuitivamente podemos decir que una supercie topologica

S R
3
es localmente homeomorfa a un plano.
Definici

on 57. S R
3
es una supercie diferenciable si y s olo si p S, U
p

S una vecindad relativa p S y un difeomeomorsmo : U
p
, donde R
2
y va de en U
p
. La pareja (U
p
, ) es la parametrizacion para la supercie S
alrededor de p.
La pareja (U, ) es una parametrizaci on alrededor de p y si =
1
, entonces
(U
p
, ) es una carta para S alrededor de p y un conjunto de cartas {(U
p
i
, )} es un
atlas para S, S =

i
U
i
p
.
En terminos generales las funciones : R
2
R
3
y : R
3
R
2
y las derivadas
D : R
2
R
3
y D : R
3
R
2
as las derivadas como transformaciones lineales
tienen las siguientes matrices de representacion asociadas D M
32
(R) y D
M
23
(R). Por la forma en que denimos a una supercie diferenciable, sea p
S y (U
p
, ) una parametrizaci on en p, dado que tiene una inversa tambien
diferenciable, de est a manera existe una funcion diferenciable denida en una
vecindad ordinaria de p R
3
tal que = Id, entonces al aplicar el teorema 39
se sigue
[D(p)][D(q)] = Id,
donde q =
1
(p). Esto quiere decir que D(q) es una tranformacion lineal inyectiva.
52 5. TEOREMA DE LA FUNCION IMPL

ICITA Y TEOREMA DE LA FUNCI

ON INVERSA
La matriz de representaci on es
(18) D(q) =
_
_
x
u
(q) x
v
(q)
y
u
(q) y
v
(q)
z
u
(q) z
v
(q)
_
_
La base can onica de R
2
es {e
1
, e
2
} entonces
[D(q)](e
1
) = (x
u
(q), y
u
(q), z
u
(q))
t
(19)
[D(q)](e
2
) = (x
v
(q), y
v
(q), z
v
(q))
t
(20)
Observaci

on 33. Vamos a denotar a

u
= (x
u
, y
u
, z
u
) y
v
= (x
v
, y
v
, z
v
); de
hecho (x
u
, y
u
, z
u
) es isomorfo (x
u
, y
u
, z
u
)
t
; por lo tanto
u
(q) = (x
u
(q), y
u
(q), z
u
(q))
y
v
(q) = (x
v
(q), y
v
(q), z
v
(q)).
La siguiente proposicion nos dice como imterpretar [D(q)]
Proposici

on 1. Las siguientes propiedades son equivalentes

1. D(q) es una transformaci on lineal inyectiva.
2. rango(D(q)) = 2.
3. Alguno de los menores formados a partir de D(q) dados por
D(x, y)
D(u, v)
=

x
u
(q) x
v
(q)
y
u
(q) y
v
(q)

,
D(y, z)
D(u, v)
=

y
u
(q) y
v
(q)
z
u
(q) z
v
(q)

,
D(y, z)
D(u, v)
=

z
u
(q) z
v
(q)
x
u
(q) x
v
(q)

es diferente de cero.
4.
_
D(x, y)
D(u, v)
_
2
+
_
D(y, z)
D(u, v)
_
2
+
_
D(y, z)
D(u, v)
_
2
= 0.
5.
u
(q)
v
(q) = 0.
6. Los vectores
u
(q) y
v
(q) son linealmente independientes en R
3
.
Demostraci on.

La proposicion anterior nos permite analizar a las supercies diferenciables.

Lema 7. Sea R
2
y f : R una funcion diferenciable, entonces la gr aca
de f es una supercie diferenciable.
Demostraci on.

Esta es la raz on por la cual en captulos anteriores a las funciones f : A R le

dimos el nombre de supercie.
Definici

on 58. Sea F : R una funci on diferenciable y R

3
un conjunto
abierto. Si p entonces p es un punto regular de F sy y s olo si DF(p) = 0. a R
es un valor regular de F si y s olo si p F
1
(a) es un punto regular.
Proposici

on 2. Sean F R, R
3
un conjunto abierto y F una funcion
diferenciable y a F() un valor regular de F entonces el conjunto de nivel de F
en a denida por
S = F
1
(a) = {(x, y, z) |F(x, y, z) = a},
es una supercie regular y S es un conjunto cerrado en R
3
.
3. SUPERFICIES 53
Demostraci on.

Lema 8. Toda supercie diferenciable es localmente la gr aca de una funcion

diferencial de dos variables.
Demostraci on.

Teorema 49. Sea S R

3
una supercie diferenciable, entonces S se puede
denir por alguna de las siguientes propiedades
1. La imagen inversa de una valor regular de una funcion real y diferenciable
denida en una vecindad de S.
2. La gr aca de una funcion real diferenciable denida en una region de R
2
.
3. La imagen de una parametrizaci on : U, donde U R
3
.
Demostraci on.

De manera natural surge analizar los planos tangentes a una supercie S, la

caracterizaci on de estos nos dara un mayor analisis de S.
Definici

on 59. Sean S R
3
una supercie diferenciable y p S. El conjunto
de vectores anclados en p dado por
T
p
S = { T
p
R
3
| : (, ) S, (0) = p, (0) = },
es el espacio tangente a S en p.
Proposici

on 3. Sea : , donde R
2
y R
3
una parametrizacion
de S en el punto p = (q), q , entonces
T
p
S = [D(q)](T
q
R
2
);
es decir la imagen de T
q
R
2
bajo D(q) es el espacio tangente a S en p.
Demostraci on.

Definici

on 60. Sea S R
3
una supercie diferenciable entonces <, >
p
es el
producto interior en T
p
S el cual se hereda del producto interior usual de R
3
. Si
, T
p
S entonces
< , >
p
=< , >,
es la primera forma fundamental de S en p.
Observaci

on 34. A la primera forma fundamental < , > tambien se le llama

la metrica riemanniana.
Dado que <, > es una forma bilineal, entonces en al captulo anterior vimos
que tiene una matriz de representaci on, entonces vamos a encontrar la matriz de
representaci on de la primera forma fundamental. Tomemos una parametrizaci on de
S dada por
: S
(u, v) ((u, v)),
54 5. TEOREMA DE LA FUNCION IMPL

ICITA Y TEOREMA DE LA FUNCI

ON INVERSA
y la curva diferenciable : J S tales que (0) = p y (0) = . (t) la podemos
escribir como (t) = (u(t), v(t)) para alguna curva (u(t), v(t)) . Al aplicar la
regla de cadena se sigue
d
dt
(t) =
d
dt
((u(t), v(t))) =
u
(u(t), v(t)) u(t) +
v
(u(t), v(t)) v(t),
al evaluar en t = 0 tenemos
(0) =
u
(u(0), v(0)) u(0) +
v
(u(0), v(0)) v(0) =
u
(p) u(0) +
v
(p) v(0).
Al calcular la norma al cuadrado generada por el producto interior
|| (0)||
2
= ||||
2
p
=
< (0), (0) >=<
u
(p) u(0) +
v
(p) v(0),
u
(p) u(0) +
v
(p) v(0) >=
u(0)
2
<
u
(p),
u
(p) > +2 u(0) v(0) <
u
(p),
v
(p) > + v(0)
2
<
v
(p),
v
(p) > .
Sean
(21) E
p
=<
u
(p),
u
(p) >,
(22) F
p
=<
u
(p),
v
(p) >,
(23) G
p
=<
v
(p),
v
(p) >,
por consiguiente
||||
2
p
= u(0)
2
E
p
+ 2 u(0) v(0)F
p
+ v(0)
2
G
p
=
_
u(0) v(0)
_
_
E
p
G
p
G
p
F
p
__
u(0)
v(0)
_
=
t
_
E
p
G
p
G
p
F
p
_

Observaci

on 35. F
p
=<
u
(p),
v
(p) >=<
v
(p),
u
(p) >; es decir es simetri-
ca.
Definici

on 61. La matriz dada por

(24) (g
ij
(p)) =
_
E
p
G
p
G
p
F
p
_
,
es una matriz simetrica, formada por 21,22 y 23 que son los coecientes de la primera
forma fundamental de S en p.
Anteriormente habiamos visto la longitud de una curva (t) R
3
, ahora pen-
semos que la curva (t) S, donde S R
3
es una supercie diferenciable y
(t) = (u(t), v(t)) es una curva diferenciable en S. Dado
l() =
_
b
a
|| (t)||dt =
_
b
a
_
< (t), (t) >dt.
4. EJERCICIOS 55
Entonces al expresar las curva (t) en las coordenadas de S se sigue
< (t), (t) > = <
u
u(t) +
v
v(t),
u
u(t) +
v
v(t) >
= u(t)
2
<
u
,
u
> +2 u(t) v(t) <
u
,
v
> + v(t)
2
<
v
,
v
>
= u(t)
2
E + 2 u(t) v(t)F + v(t)
2
G,
donde los coecientes de la primera forma fundamental son
E =<
u
,
u
>, F =<
u
(t),
v
(t) >, G =<
v
,
v
>
y
u
=
u
(u(t), v(t)),
v
=
v
(u(t), v(t)). Por lo tanto la longitud de la curva (t)
en la supercie S es
(25) l((u(t), v(t))) =
_
b
a
_
u(t)
2
E + 2 u(t) v(t)F + v(t)
2
Gdt
En terminos de las diferenciales se sigue que u(t) =
du
dt
(t) y v(t) =
dv
dt
(t) entonces
lo que esta dentro del radical de la igualdad 25 se puede escribir como
u(t)
2
E + 2 u(t) v(t)F + v(t)
2
G = Edu
2
+ 2Fdudv + Gdv
2
.
Sea ds
2
= Edu
2
+ 2Fdudv + Gdv
2
por lo tanto
ds
2
=
_
u(t) v(t)
_
_
E G
G F
__
u(t)
v(t)
_
.
Por ultimo si
1
,
2
T
p
S entonces
(
1
,
2
) = arc cos
_
<
1
,
2
>
||
1
||||
2
||
_
.
4. Ejercicios
Ejercicio 75. Encuentre las derivadas parciales del ejercicio 65 y 66. Hallar
expresiones para la sderivadas parciales de las siguientes funciones:
1. F(x, y) = f(g(x)k(y), g(x) + h(y)), G(x, y, z) = f(g(x + y), h(y + z)).
2. H(x, y, z) = f(x
y
, y
x
, z
x
), I(x, y) = f(x, g(x), h(x, y)).
Ejercicio 76. Sea f : R
n
R. El lmite
lm
t0
f(a + tx) f(a)
t
,
si existe se indica por D
x
f(a) y se le llama derivada direccional de f en a en la
direcci on x
Demostrar que D
e
i
f(a) = D
i
f(a).
Demostrar que D
tx
f(a) = tD
x
f(a).
Si f es diferenciable en a, demostrar que D
x
f(a) = Df(a)(x) y por lo tanto
D
x+y
f(0, 0) = D
x
f(0, 0) + D
y
f(0, 0).
Ejercicio 77. 1. Sea f : R R denida por
f(x) =
_
_
_
x
2
sin
1
x
, x = 0
0, x = 0.
Demostrar que f es diferenciable en 0, pero f

en 0 no es continua.
56 5. TEOREMA DE LA FUNCION IMPL

ICITA Y TEOREMA DE LA FUNCI

ON INVERSA
2. Sea f : R
2
R denida por
f(x, y) =
_
_
_
(x
2
+ y
2
) sin
1
_
x
2
+ y
2
, (x, y) = (0, 0)
0, (x, y) = (0, 0).
Demostrar que f es diferecniable en (0, 0) pero D
i
f no es continua en (0, 0).
Ejercicio 78. Sean g
1
, g
2
: R
2
R funciones continuas. Se dene f : R
2
R
por
f(x, y) =
_
x
0
g
1
(t, 0)dt +
_
y
0
g
2
(x, t)dt.
(a) Probar que D
2
f(x, y) = g
2
(x, y).
(b) C omo habra de denirse f de manera que D
1
f(x, y) = g
1
(x, y)?
(c) Hallar una funci on f : R
2
R tal que D
1
f(x, y) = x y D
2
f(x, y) = y. Hallar
otra funcion tal que D
1
f(x, y) = y y D
2
f(x, y) = x.
Ejercicio 79. Se dene f : R
2
R por
f(x, y) =
_
_
_
xy
x
2
y
2
x
2
+ y
2
, (x, y) = (0, 0)
0, (x, y) = 0.
Demostrar que D
2
f(x, 0) = x, x y D
1
f(0, y) = y, y.
Demostrar que D
1,2
f(0, 0) = D
2,1
f(0, 0).
Ejercicio 80. Una funci on f : R
n
R es homogenea de grado m si f(tx) =
t
m
f(x), x. Si ademas f es diferenciable, demostrar que
n

i=1
x
i
D
i
f(x) = mf(x).
Ejercicio 81. Si f : R
n
R es diferenciable y f(0) = 0, demostrar que existe
g
i
: R
n
R tal que
f(x) =
n

i=1
x
i
g
i
(x).
Captulo 6
Maximos y mnimos, optimizaci on de funciones en R
n
Al igual que en el caso de funciones de una variable, si la funci on es diferenciable
entonces podemos dar criterios para que la funci on tenga un maximo, mnimo o un
punto que no sea ni m aximo ni mnimo. Las funciones que vamos a tomar en cuenta
son las funciones de varias variables con valores en R
1. Puntos crticos de funciones en R
n
.
Definici

on 62. Sea f : A R un funcion y A un conjunto abierto de R

n
. Si
V
a
una vecindad de a A donde f(a) f(x), x V
a
entonces a es un punto
m aximo local y f(a) su valor maximo local de f. Si V
a
vedindad de a A tal que
f(a) f(x), x V
a
entonces a es un punto mnimo local y f(a) su valor mnimo
local.
Observaci

on 36. Los puntos de m aximo o mnimo local de una funci on tambien

se les llama punto extremo.
Definici

on 63. Sea f : A R un funcion y A un conjunto abierto de R

n
.
a A es un punto crtico de f si y s olo si f es diferenciable en a y Df(a) = 0.
Teorema 50. Sea f : A R una funcion diferenciable, donde A es un conjunto
abierto de R
n
y a A es un punto extremo de f entonces Df(a) = 0
Demostraci on.

Definici

on 64. Un punto crtico que no es un extremo local de una funcion es

un punto silla.
En el captulo 4 habiamos visto la matriz de segundas derivadas de f, est a matriz
ser a fundamental para analizar los puntos extremos.
Definici

on 65. Sea f con las mismas hip otesis del teorema 42.La matriz de
representaci on de las sgunda derivada de f en a dada por 9 es la hessiana de la
funci on f; es decir
Hess
a
(f)(u, v) = [D
2
f(a)](u, v)
Por el teorema 43 Hess
a
f es una matriz simetrica y es una forma bilineal. En-
tonces de algebra lineal sabemos lo siguiente.
Definici

on 66. Sea B una forma bilineal dada por 8, entonces

1. B es denida positiva si y solo si B(u, u) > 0, u = 0, u R
n
.
2. B es semidenida positiva si y solo si B(u, u) 0, u R
n
.
3. B es denida negativa si y solo si B(u, u) < 0, u = 0, u R
n
.
4. B es semidenida negativa si y solo si B(u, u) 0, u R
n
.
57
58 6. M

AXIMOS Y M

INIMOS, OPTIMIZACI

ON DE FUNCIONES EN R
n
La denici on anterior aplicada al hessiano de f en a, donde a es punto crtico,
nos daran resultados analogos para el caso de una variable.
Teorema 51. Sea f : A R, donde A es un cunjunto abierto de R
n
y f
C
2
(A). Sea a A un punto crtico de f entonces
1. Si Hess
a
f es denida negativa, entonces f tiene un m aximo local en a.
2. Si f tiene un m aximo local en a, entonces Hess
a
f es semidenida negativa.
3. Si Hess
a
f es dinida positiva, entonces f tiene un mnimo local en a.
4. Si f tiene un mnimo local en a, entonces Hess
a
f es semidenida positiva.
Demostraci on.

2. Lema de Morse y puntos crticos

En est a secci on vamos a analizar los puntos crticos pero a partir de diagonalizar
la matriz Hess
a
f y aplicarle una tecnica que desarrollo Marston Morse, para la
clasicaci on de los puntos crticos. Se le pide condiciones m as fuertes a la funcion,
pero llos resultados que se obtienen son impresionantes.
Definici

on 67. Sean a A y f : A R una funci on suave; es decir f C

(A);
donde A es un conjunto abierto de R
n
, a un punto crtico de f entonces a es un
punto crtico no degenerado si y s olo si Hess
a
f es una matriz no singular.
Definici

on 68. Sea B una forma bilineal dada por 8. Entonces

1. El ndice de B es el subespacio vectorial de R
n
de m axima dimension en el
cual B es denida negativa
2. La nulidad de B es la dimension del espacio nulo, es decir; el subespacio que
consiste de todos los vectores u R
n
tal que B(u, v) = 0 para todo v R
n
.
Teorema 52. Sunponga a f como en la denicion 67. a es un punto crtico no
degenerado de f si y s olo si la nulidad de Hess
a
f es cero.
Demostraci on.

Observaci

on 37. El ndice de Hess

a
f lo vamos a llamar simplemente el ndice
de f en a.
El lema de Morse que demostraremos mas tarde nos muestra que el comporta-
miento de f en el punto a queda determindo por el ndice de f en a.
Lema 9. Sea f C

(V ), f : V R donde V es una vecindad convexa en R

n
tal que f(0) = 0. Entonces
f(x
1
, . . . , x
n
) =
n

i=0
x
i
g
i
(x
1
, . . . , x
n
),
para algunas funciones adecuadas g
i
C

(V ) donde g
i
(0) =
f
x
i
, i {1, . . . , n}.
2. LEMA DE MORSE Y PUNTOS CR

ITICOS 59
Demostraci on. Sea
f(x
1
, . . . , x
n
) = f(x
1
, . . . , x
n
) f(0, . . . , 0) =
_
1
0
df(x
1
, . . . , x
n
)dt
dt
=
_
1
0
n

i=1
f
x
i
(tx
1
, . . . , tx
n
)x
i
dt.
Por lo tanto
g
i
(x
1
, . . . , x
n
) =
_
1
0
f
x
i
(tx
1
, . . . , tx
n
)x
i
dt.

Lema 10. Lema de Morse. Sea a un punto crtico no degenderado de f. En-

tonces existe un sistema de coordenadas locales (y
1
, . . . , y
n
) en una vecindad U
a
,
donde y
i
(a) = 0 tal que
f(y) = f(a) (y
1
)
2
. . . (y

)
2
+ (y
+1
)
2
+ . . . + (y
n
)
2
se satisface en U
a
, donde es el ndice de f en a.
Demostraci on. Sea (z
1
, . . . , z
n
) un sistema de coordenadas cualquiera para f.
Si
f(q) = f(p)

i=1
(z
i
(q))
2
+
n

+1
(z
i
(q))
2
,
entonces Hess
p
f con respecto a la base {

z
1

p
, . . . ,

z
n

p
} tiene la siguiente matriz
de representaci on
Hess
p
f =
_
_
_
_
_
_
_
_
_
_
_
_
_
_
2 0 . . . 0 0 . . . 0
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0
0 . . . 0 2 0 . . . 0
0 . . . 0 2 0 . . . 0
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0
0 . . . 0 0 . . . 0 2
_
_
_
_
_
_
_
_
_
_
_
_
_
_
.
De donde existen un subespacio vectorial V de R
n
de dimension en donde Hess
p
f
es denida negativa y un subespacio vectorial W de dimensi on n en el cual
Hess
p
f es denida positiva. Si exisitiera una subespacio vectorial de dimension mas
grande que en el cual Hess
p
f entonces intersectara al subespacio W lo cual es
imposible. Por lo tanto es el ndice de Hess
p
f.
Ahora probemos que existe un sistema de coordenadas (y
1
, . . . , y
n
). Sin perdida
de generalidad suponga que p = 0 R
n
, as f(p) = f(0) = 0 entonces aplicando el
lema 9 se sigue que
f(x
1
, . . . , x
n
) =
n

i=0
x
j
g
j
(x
1
, . . . , x
n
),
60 6. M

AXIMOS Y M

INIMOS, OPTIMIZACI

ON DE FUNCIONES EN R
n
para (x
1
, . . . , x
n
) en alguna B

(0). Como 0 es un punto crtico de g entonces g

j
(0) =
f
x
j
(0) = 0. Aplicamos de nuevo el lema 9 a la funci on
g
j
(x
1
, . . . , x
n
) =
n

i=1
x
i
h
ij
(x
1
, . . . , x
n
),
para algunas funciones suaves h
i,j
. De donde
f(x
1
, . . . , x
n
) =
n

i=1
n

j=1
x
i
x
j
h
ij
(x
1
, . . . , x
n
).
Como h
ij
= h
ji
, denotemos por

h
ij
=
1
2
(h
ij
+ h
ji
), as

h
ij
=

h
ji
. De esta manera se
tiene que
(

h
ij
(0)) =
1
2
(

2
f
x
i
x
j
)(0),
la cual es una matriz no singular.
Corolario 6. Los puntos crticos no degenerados son aislados.
Demostraci on.

3. Multiplicadores de Lagrange
Teorema 53. Teorema del multiplicador de Lagrange. Sean f : U R
y g : U R tales que f, g C
1
(U) funciones dadas y U es un conjunto abierto de
R
n
. Sean a U tales que g(a) = c y S = g
1
(c) el conjunto de nivel de g con valor
a. Suponga que grad g(a) = 0. Si f|
S
tiene un m aximo o un mnimo en a, entonces
R tal que
grad f(a) = grad g(a).
Demostraci on.

4. Puntos crticos y curvatura de una supercie

Iniciemos analizando el caso donde la supercie S es la gr aca de una funci on;
es decir S = {(x, y, z) R
3
|z = f(x, y)}; en este sentido podemos usar los coneptos
dados en lso captulos anteriores. El elemento diferencial de segundo orden est a dado
por
df
2
= f
xx
dx
2
+ 2f
xy
dxdy + f
yy
dy
2
.
Si a A es un punto crtico sabemos que Hess
a
f viene dada por
(26) Hess
a
f =
_
f
xx
(a) f
xy
(a)
f
yx
(a) f
yy
(a)
_
sabemos que la matriz es simetrica, entonces por lo visto en lema 10 todos sus valores
propios son reales, es decir
1
,
2
R de la matriz 26 y mas a un en una vecindad de
a el comportamiento queda determinado por los valores propios. Entonces el teorema
51 se puede expresar as
5. EJERCICIOS 61
Teorema 54. Sean S una sufercie la cual es la graca de una funci on f : A
R, A R
2
abierto y a A un punto crtico no degenerado. Sean
1
,
2
los valores
propios de 26 entonces
1. Si
1
> 0,
2
> 0 entonces a es un mnimo local de f.
2. Si
1
< 0,
2
< 0 entonces a es un m aximo local de f.
3. Si
1
< 0,
2
> 0 entonces a es punto silla de f.
4. Si
1
> 0,
2
< 0 entonces a es punto silla de f.
En la seccion dinimos el concepto de curvatura a partir de la segunda derivada
de la curva, esto motiva a denir la curvatura pero en una supercie.
Definici

on 69. Sean f : A R, A R
2
un conjunto abierto y a A un
punto crtico. Sean
1
,
2
los valores propios de 26 y S la supercie generada por f.
Entonces
1.
1
,
2
son las curvaturas principales de S en a.
2.
1

2
es la curvatura gaussiana de S en a.
3.

1
+
2
2
es la curvatura media de S en a.
Observaci

on 38. La curvatura gaussiana se denotar a por K(a) y la curvatura

media por H(a). As K(a) =
1

2
y H(a) =

1
+
2
2
.
Las supercies las vamos a clasicar en funcion de su curvatura y si el punto es
crtico degenerado o no.
Definici

on 70. Sea f como en la denicion anterior y suponga que a es un

punto crtico no degenerado. Entonces
a. Si la supercie S satisface K(a) > 0 entonces (a, f(a)) es un punto elptico.
b. Si la supercie S satisface K(a) < 0 entonces (a, f(a)) es un punto hiperb oli-
co.
Cuando a es un punto crtico degenerado entonces
c. Si la supercie S satisface K(a) = 0 y
1
= 0 o
2
= 0 pero no ambos,
entonces (a, f(a)) es un punto parab olico
d. Si la supercie S satisface que K(a) = 0 y
i
= 0, i {1, 2}, entonces
(a, f(a)) es un punto plano.
5. Ejercicios
Ejercicio 82. Considere la supercie z = f(x, y), determinar si la ecuacion
f(x, y) = 0 puede resolverse para y en terminos de x en una vecindad del punto
indicado (x
0
, y
0
) para
f(x, y) = x
2
y
2
, (x
0
, y
0
) = (0, 0).
f(x, y) =
_
log(x + y), (x
0
, y
0
) = (
3
2
,
1
2
).
f(x, y) = sin[(x + y)] 1, (x
0
, y
0
) = (
1
4
,
1
4
).
f(x, y) = x
2
+ y
2
y, (x
0
, y
0
) = (0, 0).
Ejercicio 83. Demostrar que las ecuaciones siguientes tienen soluciones unicas
para y, cerca de los puntos indicados:
a) x
2
+ xy + y
2
= 7, (2,1).
62 6. M

AXIMOS Y M

INIMOS, OPTIMIZACI

ON DE FUNCIONES EN R
n
b) x cos xy = 0, (1,

2
).
c) xy + log xy = 1, (1, 1).
d) x
5
+ y
5
+ xy = 3, (1, 1).
Ejercicio 84. Del ejercicio anterior, encuentre las primeras y segundas deri-
vadas de las soluciones y dar sus valores en los puntos indicados.Cu ales de las
funciones anteriores son convexas en los puntos indicados.
Ejercicio 85. Encontrar los valores de m aximo y mnimo de la funci on y la
cual satisface la ecuaci on x
2
+ xy + y
2
= 27.
Ejercicio 86. Sea f
y
(x, y) continua en un punto (x
0
, y
0
). Demostrar que la
ecuaci on
y = y
0
+
_
x
x
0
f(, y)d
determina a y como funcion de x en algun intervalo alrededor de x = x
0
.
Ejercicio 87. 1. Dar un ejemplo de una funci on f(x, y) tal que pueda
resolverse f
x
(x, y) = 0 para y como una funcion de x cerca de (x
0
, y
0
) =
(x, y). Hacer lo mismo para f
y
(x
0
, y
0
) = 0.
2. Dar un ejemplo de una ecuaci on F(x, y) = 0 que pueda resolverse para
y como una funci n y = f(x) cerca de un punto (x
0
, y
0
) tal que f no sea
diferenciable en x
0
.
3. Sea (x) denida para todos los n umeros reales de x. Demostrar que la
ecuaci on F(x, y) = y
3
y
2
+ (1 + x
2
)y (x) = 0 dene un unico valor de
y para cada valor de x.
Ejercicio 88. Demostrar que la ecuaci on x + y + z = sin xyz puede resolverse
para x cerca de (0, 0, 0). Encuentre las derivadas parciales de la solucion.
Ejercicio 89. Para cada una de las ecuaciones siguientes, examine si tiene una
soluci on unica para z como una funcion de las variables restantes cerca del punto
indicado
1. sin x + cos y + tg z = 0, (0,

2
, ).
2. x
2
+ 2y
2
+ 3z
2
w = 0, (1, 2, 1, 8).
3. 1 + x + y = cosh(x + z) + sinh(y + z), (0, 0, 0).
Ejercicio 90. Pruebe que x+y +z +xyz
3
= 0 dene a z implcitamente como
una funci on de (x, y) en una vecindad de (0, 0, 0). Desarrollar z hasta el cuarto orden
en potencias de x y y.
Ejercicio 91. Encuentre las ecuaciones de la tangente y de la normal para las
curvas dadas implcitamente por medio de las siguientes relaciones
a) x
2
+ 2y
2
xy = 0.
b) e
x
sin y + e
y
cos x = 1.
c) cosh(x + 1) sin y = 0.
d) x
2
+ y
2
= y + sin x.
e) x
3
+ y
4
= cosh y.
f) x
y
+ y
x
= 1.
Ejercicio 92. Calcular la curvatura de la curva sin x + cos y = 1 en el origen.
5. EJERCICIOS 63
Ejercicio 93. encontrar la curvatura de la curva que esta dada en coordenadas
polares por f(r, ) = 0.
Ejercicio 94. Probar que las intersecciones de la curva (x+ya)
3
+27axy = 0
con la recta x + y = a son inexiones de la curva.
Ejercicio 95. Determinar a y b de modo que las conicas
4x
2
+ 4xy + y
2
10x 10y + 11 = 0
(y + bx 1 b)
2
a(by x + 1 b) = 0
se corten ortogonalmente en el punto (1, 1) y tengan la misma curvatura en este
punto.
Ejercicio 96. Analize los puntos singulares de las siguients curvas en el origen
F(x, y) = ax
2
+ by
3
cxy = 0.
F(x, y) = (y
2
2x
2
)
2
x
5
= 0.
F(x, y) = (1 + e
1
x
)y x = 0.
F(x, y) = y
2
(2a x) x
3
= 0.
F(x, y) = (y 2x)
2
x
5
= 0.
Ejercicio 97. La curva x
3
+ y
3
3axy = 0 tiene un punto doble en el ori-
gen.Cu ales son sus tangentes all?
Ejercicio 98. Trazar una gr aca de la curva (y x
2
)
2
x
5
= 0 y mostrar que
tiene una c uspide en el origen.Cu al es la peculiaridad de esta c uspide al compararla
con la c uspide de la curva x
2
y
3
= 0?
Ejercicio 99. Demostrar qeu cada una de las curvas
(x cos y sin b)
3
= c(x sin + y cos )
2
donde es un par ametro y b, c son constantes tiene una c uspide y todas sus c uspides
se encuentran sobre un crculo.
Ejercicio 100. Sean (x, y) un punto doble de la curva F(x, y) = 0. Calcular
el angulo entre las dos tangentes en (x, y), suponiendo que no todas las segundas
derivadas de F se anulan en (x, y). Encontrar el angulo entre las tangentes en el
punto doble
de la lemniscata.
de la hoja de Descartes.
Ejercicio 101. Encuentre la curvatura en le origen de cada una de las dos
ramas de la curva
y(ax + by) = cx
3
+ ex
2
y + fxy
2
+ gy
3
.
Ejercicio 102. Encuentre el plano tangente a cada supercie dada con punto
dado
1. x
3
+ 2xy
2
7z
3
+ 3y + 1 = 0, en (1, 1, 1).
2. (x
2
+ y
2
)
2
+ x
2
y
2
+ 7xy + 3x + z
4
z = 14, en (1, 1, 1).
3. sin
2
x + cos(y + z) =
3
4
, en (

6
,

3
, 0).
4. 1 + x cos z + y sin z z
2
= 0, en (0, 0, 1).
5. cos x + cos y + 2 sin z = 0, en (0, 0,

2
).
64 6. M

AXIMOS Y M

INIMOS, OPTIMIZACI

ON DE FUNCIONES EN R
n
6. x
2
+ y
2
= z
2
+ sin z, en (0, 0, 0).
Ejercicio 103. Probar que las tres supercies de la familia de supercies
xy
z
= u,
_
x
2
+ y
2
+
_
y
2
+ z
2
= v,

x
2
+ z
2

_
y
2
+ z
2
= w
que pasan por un solo punto son ortogonales entre si.
Ejercicio 104. Demostrar que e plano tangente en cualquier punto de la su-
percie x
2
+ y
2
z
2
= 1 intersecta a esta en dos rectas.
Ejercicio 105. Si F(x, y, z) = 1 es la ecuacion de una supercie, siendo F
una funci on homogenea de grado h, entonces el plano tangente en el punto (x, y, z)
est a dado por F
x
+ F
y
+ F
z
= h
Ejercicio 106. Sea z denida como una funcion de x y y por medio de la
ecuaci on x
3
+ y
3
+ z
3
3xyz = 0. Expresar z
x
y z
y
como funciones de x y y.
Ejercicio 107. Hallar el angulo de intersecci on de las siguientes parejas de
supercies en los puntos indicados
a) 2x
4
+ 3y
3
4z
2
= 4, 1 + x
2
+ y
2
= z
2
, en (0, 0, 1).
b) x
y
+ y
x
= 2, cosh(x + y 2) + sinh(x + z 1), en (1, 1, 0).
c) x
2
+ y
2
= e
z
, x
2
+ z
2
= e
y
, en (1, 0, 0).
d) 1 + sinh(
x

z
) = cosh(
y

z
), x
2
+ y
2
= z
2
1, en (0, 0, 1).
e) cos (x
2
+ y) + sin (x
2
+ z) = 1, x
3
+ y
3
= z
3
, en (0, 0, 0).
Ejercicio 108. Encontrar las curvas imagen de las rectas x = cte, y = cte bajo
las transformaciones siguientes
= e
x
cos y, = e
x
sin y.
=
(xy)
2
, =

xy.
=
_
x
y
, = cos(x + y).
= x + y
2
, = y + x
2
1.
= x
y
, = y
x
.
= sin(x + y), = cos(x y).
= sinh x, = cos y.
= e
cos x
, = e
sin y
.
Ejercicio 109. Hallar la imagen del rectangulo 1 x 3, 4 y 6, bajo la
plaicaci on =

x + y, =

y x.
Ejercicio 110. Es biunvoca la transformacion = x xy, = 2xy.
Ejercicio 111. Encontrar la ecuacion para el crculo x
2
+ y
2
= 1 en terminos
de las coordenadas curvilneas = x
2
+ 1, = xy.
Ejercicio 112. Demostrar que para x = 1, 0 < y <

2
, =
sin y
x1
, = x tg y,
denen un sistema de coordenadas curvilneas.
Ejercicio 113. Encuentre la inversa de la transformacion de coordenadas cur-
vilneas
=
x
x
2
+ y
2
+ z
2
, =
y
x
2
+ y
2
+ z
2
, =
z
x
2
+ y
2
+ z
2
.
5. EJERCICIOS 65
Ejercicio 114. Encuentre los jacobianos de las transformaciones siguientes
= ax + by, = cx + dy.
=
_
x
2
+ y
2
= arc tg
y
x
.
= x
2
, = y
2
.
=
1
2
log(x
2
+ y
2
), = arc tg
y
x
.
= xy
2
, = x
2
y.
= x
3
y, = y
3
+ x.
Para cada una de las transformaciones, dar los puntos (x, y) que carecen de vecin-
dades en donde la transformaci on tiene una inversa.
Ejercicio 115. Encuentre el jacobiano de la transformacion = f(x, y), =
g(x, y), as como la hessiana con respecto de x, y, , en cada uno de los siguientes
incisos
1. = e
x
cos y, = e
x
sin y.
2. = x
2
y
2
, = 2xy.
3. = tg(x + y), = cos(x y),

2
< x + y <

2
.
4. = sinh x + cosh y, = cosh x + sinh y.
5. = x
3
+ y
3
, = xy
2
.
Ejercicio 116. Se dice que una transformaci on es conforme si se conserva el
angulo entre dos curvas cualesquiera.
a) Probar que la inversi on
=
x
x
2
+ y
2
, =
y
x
2
+ y
2
es una transformacion conrforme.
b) Pruebe que la inversa de cualquier crculo es otro crculo o una recta.
c) Encontrar el jacobinao de lainversi on.
d) Probar que una transformaci on del plano u = (x, y), v = (x, y) es confor-
me si las funciones y satisfacen las ecuaciones
x
=
y
,
y
=
x
.
Las cuales con llamadas las ecuaciones de Cauchy-Riemann.
Ejercicio 117. Demostrar qeu si todas las normales de una supercie z =
u(x, y) cortan la eje z, entonces la supercie es una supercie de revoluci on.
Ejercicio 118. Para cada una de las siguientes parejas de transformaciones,
encuentre
(u, v)
(x, y)
eliminando y y desp ues aplique el producto simbolico.
_
u =
1
2
log(
2
+
2
)
v = arc tg

_
= e
x
cos y
= e
x
sin y
_
u =
2

2
v = 2
_
= x cos y
= x sin y
_
u = e

cos
v = e

sin
_
_
_
=
x
x
2
+ y
2
=
x
x
2
+ y
2
Ejercicio 119. En cuales de las transformaciones sucesivas siguientes pueden
denirse x, y como funciones C
1
de u, v en una vecindad del punto indicado (u
0
, v
0
)?
66 6. M

AXIMOS Y M

INIMOS, OPTIMIZACI

ON DE FUNCIONES EN R
n
a) = e
x
cos y, = e
x
sin y;
u =
2

2
, v = 2, u
0
= 1, v
0
= 0
b) = cosh x + sinh y, = sinh x + cosh y;
u = e
+
, v = e

, u
0
= v
0
= 1.
c) = x
3
y
3
, = x
2
+ 2xy
2
;
u =
5
+ , v =
5
; u
0
= 1, v
0
= 0.
Bibliografa
[B] R. G. Bartle. Introducci on al An alisis Matematico. Limusa, Mexico, 1975.
[C-J] G. Courant & F. Jhon. Introducci on al Calculo y Analisis Matematico Vol. 2. Limusa, Mexico,
1999.
[L] S. Lang. Linear Algebra. Second Edition. Addison-Wesley, 1973.
[M] J. Milnor. Morse Theory, based on lectures notes by M. Spivak and R. Wells. Annals of
Mathematics Studies. Princeton University Press, Study 51. 1973.
[Mun] J. R. Munkres. Analysis on Manifolds. Adisson-Wesley. 1990.
[S] M. Spivak. Calculo en Variedades. Reverte, 1975.
[P-R-1] O. A. Palmas Velasco & J. G. Reyes Victoria . Curso de geometra diferencial. Parte 1,
Curvas y supercies. Las prensas en Ciencias, Facultad de Ciencias, UNAM. Mexico, 2006.
[P-R-2] O. A. Palmas Velasco & J. G. Reyes Victoria . Curso de geometra diferencial. Parte 2,
Geometra intrnseca de las supercies. Las prensas en Ciencias, Facultad de Ciencias, UNAM.
Mexico, 2006.
[S-P] H. F. Sanchez Morgado & O. A. Palmas Velasco. Geometra Riemanniana. Las prensas en
Ciencias, Facultad de Ciencias, UNAM. Mexico, 2007.
[Mo] J. Moser. Ausgewahlte Kapiltel der Variationsrechnung. Skriptum aus einer ETH-Vorlesung
uber Variationsrechnung gehalten im Sommersemester. Z urich, 1988.
[Pat] G. P. Paternain. Geodesic Flows. Birkhauser, 1999.
67