Professional Documents
Culture Documents
tulo 1
Espacios normados
En general, estamos acostumbrados a trabajar con diversas cantidades como,
por ejemplo, el volumen de un cuerpo, el area de un terreno, la temperatura de
un objeto, etcetera. As pues, decimos que hemos comprado un litro de leche o
que un ni no tiene 38
o
de temperatura. En estos ejemplos, las cantidades citadas
quedan totalmente determinadas cuando especicamos su magnitud, esto es, su
valor numerico y la unidad que hemos utilizado para medirlas. A este tipo de
cantidades las llamaremos magnitudes escalares. Sin embargo, existen otras que
no pueden clasicarse como escalares, pues no quedan unicamente determinadas
al proporcionar su magnitud. En este captulo estudiaremos las nociones de
vector, producto interior y norma.
1.1. Vectores
Muchas nociones fsicas tan familiares como la fuerza, la velocidad y la acele-
racion involucran dos conceptos fundamentales: magnitud y direcci on. A este
tipo de entidades las llamaremos vectores.
A
B
Figura 1.1: Vector con origen en A y extremo en B
Denicion 1 Un vector es una entidad matematica que tiene magnitud, di-
reccion y sentido.
Para representar un vector gracamente, utilizaremos una echa que va de
un punto A a un punto B (vease la Figura 1.1).Al punto A lo llamaremos
origen y al punto B extremo del vector. La longitud del segmento AB, medida
en unidades adecuadas, representa la magnitud del vector, la direccion del vector
1
2 1.1. Vectores
es la de la recta que lo contiene, mientras que su sentido es el que va de su origen
a su extremo. Si dos vectores son colineales, es claro que quiere decir que dos
vectores tienen o no el mismo sentido; dos vectores
AB y
CD son paralelos
entre s, si los segmentos AB y CD son paralelos, mas a un, diremos que dichos
vectores tienen el mismo sentido si los segmentos AC y BD no se cortan y
tienen sentidos contrarios si estos segmentos se cortan (vease la Figura 1.2).
A
B
C
D
Figura 1.2: Vectores con sentido opuesto
Denicion 2 Dos vectores
AB y
CD son iguales si y solo si tienen la misma
magnitud, direccion y sentido.
O
(a, b) = O
(x, y)
(x a, y b)
Figura 1.3: Traslacion en el plano
1. Espacios normados 3
Consideremos un par de ejes rectangulares con origen en un punto O; si el
eje y se moviera a unidades a la derecha, es claro que la abscisa de todo punto
disminuira en a unidades. Analogamente, si el eje y se moviera a unidades a
la izquierda, la abscisa incrementara en a unidades para todo punto en el eje
rectangular. Algo similar sucedera con las ordenadas si movemos el eje x, b
unidades hacia arriba o hacia abajo. En consecuencia, es claro que si movemos
el origen al punto (a, b), de manera que los nuevos ejes sean paralelos y tengan
la misma orientacion que los ejes originales, las nuevas coordenadas (x
, y
) del
punto (x, y) seran
x
= x a y
= y b, (1.1)
(Figura 1.3). A este tipo de cambio de coordenadas, lo llamaremos traslacion
con ecuaciones (1.1). No es difcil extender estas ideas al espacio tridimensio-
nal: mover el plano yz hacia la derecha o hacia la izquierda a unidades, es
restar o sumar a unidades a la abscisa de todo punto; si movemos el plano xz
hacia adelante o hacia atras, signica quitar o a nadir unidades a la ordenada;
nalmente desplazar hacia arriba o hacia abajo el plano xy modicara la cota
(coordenada z) de todo punto. De esta forma, las ecuaciones de traslacion para
el caso tridimensional quedan descritas de la forma
x
= x a y
= y b z
= z c.
O
A
B
X
Figura 1.4:
Angulos directores para un vector en el espacio
Ahora, todo punto P = (x, y) en un sistema rectangular de coordenadas,
podemos pensarlo como un vector, cuyo origen se encuentra en el origen del
sistema coordenado y su extremo se encuentra en el punto P. Para cada punto
en el plano (o en el espacio), el vector asociado de la forma antes descrita
lo llamaremos vector posicion. A menos que haya confusion, denotaremos por
(x, y) al punto P y al vector posicion
P indistintamente. Sea
AB un vector
con origen A = (x
1
, y
1
) y extremo B = (x
2
, y
2
). Si hacemos una traslacion
con A como nuevo origen, las nuevas coordenadas de B seran (x
2
x
1
, y
2
y
1
).
As, hemos encontrado una forma de representar al vector
AB en un sistema
de coordenadas rectangular. Para el caso del espacio tridimensional se puede
realizar un proceso similar. Adem as, tanto en el caso bidimensional como en el
4 1.1. Vectores
tridimensional, un vector queda determinado por los angulos que forman sus
proyecciones con los ejes coordenados. La Figura 1.4 muestra el caso de un
vector en el espacio. Los angulos BAX
, BAY
y BAZ
se llaman angulos
directores y los respresentamos por , y respectivamente. Notese que dos
vectores tienen la misma direccion y el mismo sentido si y solo si tienen los
mismos angulos directores. Ademas, observese que , , [0, ]. Como la
funcion coseno es uno a uno en el intervalo [0, ], un angulo en este intervalo
queda determinado de forma unica por su coseno, por tanto, la orientacion de un
vector esta denida por los cosenos de sus angulos directores, los cuales reciben
el nombre de cosenos directores del vector. La proyeccion de B sobre el eje
X
tiene coordenadas (x
2
x
1
, 0, 0) con relacion a los ejes trasladados, donde
x
2
x
1
es positivo, nulo o negativo, dependiendo de si es menor, igual o
mayor a
2
. De esta forma, si r es la magnitud del vector
AB, se obtiene que
x
2
x
1
= r cos
y
2
y
1
= r cos
z
2
z
3
= r cos .
Se sigue que, por la denicion de igualdad, dos vectores son iguales si tienen
la misma magnitud y los mismos cosenos directores.
Proposicion 1.1.1 Si A = (x
1
, y
1
, z
1
), B = (x
2
, y
2
, z
2
), C = (x
3
, y
3
, z
3
) y
D = (x
4
, y
4
, z
4
) son puntos en el espacio, los vectores
AB y
CD si y solo si
x
2
x
1
= x
4
x
3
, y
2
y
1
= y
4
y
3
y z
2
z
1
= z
4
z
3
.
Demostraci on. Por las ecuaciones anteriores, si
AB =
CD, entonces se tiene
la igualdad de las diferencias de las coordenadas. Ahora, si las diferencias de las
coordenadas son iguales, entonces las magnitudes de cada uno de los vectores
son iguales, por tanto los dos vectores tienen los mismos cosenos directores.
x + y := (x
1
+ x
2
, y
1
+ y
2
, z
1
+ z
2
).
Al vector cuyo origen coincide con su extremo lo llamaremos vector cero o nulo.
Este vector tiene magnitud nula, no tiene orientacion y lo representaremos por
AC =
AB +
BC
Demostraci on. Sin perdida de generalidad, podemos elegir un sistema coor-
denado con origen en A. Sean B = (x
1
, y
1
, z
1
) y C = (x
2
, y
2
, z
2
). Entonces
AB = (x
1
, y
1
, z
1
)
BC = (x
2
x
1
, y
2
y
1
, z
2
z
1
),
de donde se obtiene que
AC = (x
2
, y
2
, z
2
) =
AB +
BC.
A
B
C D
Figura 1.5: Regla del paralelogramo
Corolario 1.1.3 Si
AB y
AC son vectores con el mismo origen A, entonces
AB +
AC =
AD, donde D es el cuarto vertice del paralelogramo del cual AB
y AC son lados adyacentes.
Demostraci on. Consideremos el paralelogramo ABCD (vease la Figura 1.5).
Como
AC =
BD, se sigue que
AB +
AC =
AB +
BD =
AD
k =0
a
k
x
k
, (1.2)
donde n N y cada a
k
, llamado coeciente de x
k
, esta en K. Si
p (x) = 0, esto es, si a
k
= 0, para toda k N 0, entonces a p (x)
lo llamaremos el polinomio nulo o cero. El grado de un polinomio se dene
como el exponente mas grande de la indeterminada x que aparece en la
representacion (1.2). Por convencion, el polinomio nulo tiene grado 1.
Diremos que dos polinomios son iguales si tienen el mismo grado y sus
coecientes son iguales, esto es, si
p (x) =
n
k =0
a
k
x
k
y q (x) =
m
k =0
b
k
x
k
,
entonces son iguales si m = n y a
i
= b
i
, i 1, ...., n. Por otra parte,
si m < n podemos denir
b
m+1
= b
m+2
= = b
n
= 0,
de tal forma que q (x) se puede escribir como
q (x) =
n
k =0
b
k
x
k
.
As, podemos denir la suma de dos polinomios como
p (x) + q (x) =
n
k =0
(a
k
+ b
k
) x
k
y el producto por escalares de la forma
c p (x) =
n
k =0
c a
k
x
k
, c K.
Con estas operaciones, el conjunto de polinomios de grado n con coe-
cientes en un campo K (que denotaremos por P
n
[K]). es un espacio
vectorial.
4. Consideremos R
2
con las siguientes operaciones
(x
1
, y
1
) (x
2
, y
2
) = (x
1
+ x
2
, y
1
y
2
)
y
c (x
1
, y
1
) = (c x
1
, c y
1
).
Observese que (R
2
, , ) no es un espacio vectorial (Por que?).
1. Espacios normados 9
1.3. Espacios normados
El concepto de medida es fundamental en las aplicaciones. En esta seccion trata-
remos la idea de distancia o longitud en los espacios vectoriales, va una estruc-
tura mas rica llamada espacio con producto interior. Los espacios con producto
interior tienen diversas aplicaciones en la geometra,la fsica, el estudio de los
mnimos cuadrados y las formas cuadraticas, por ejemplo. Iniciamos esta seccion
con el estudio del producto punto para vectores en R
3
(la construccion para R
2
es analoga).
1.3.1. Producto escalar en R
3
Consideremos dos vectores
AB y
AC. Denotaremos por al angulo entre
ellos. Eligiendo un sistema de coordenadas rectangular, podemos suponer que
los vectores tienen el mismo punto inicial y este ultimo se encuentra en el origen
del sistema. De esta forma, podemos pensar que sus extremos son los puntos
P
1
= (x
1
, y
1
, z
1
) y P
2
= (x
2
, y
2
, z
2
) respectivamente. Ahora, observese que
[0, ] (vease la Figura 1.6). Nuestro objetivo es encontrar una forma de
calcular el angulo entre estos vectores.
r
1
r
2
P
1
P
2
Figura 1.6:
Angulo entre dos vectores
Aplicando la formula de la distancia y la ley de cosenos, obtenemos
r
2
1
+ r
2
2
2 r
1
r
2
cos = (d (P
1
, P
2
))
2
= (x
2
x
1
)
2
+ (y
2
y
1
)
2
+ (z
2
z
1
)
2
,
donde r
1
y r
2
denotan las magnitudes de los vectores
AB y
AC respecti-
vamente. Usando el hecho de que r
i
= x
2
i
+ y
2
i
+ z
2
i
, i = 1, 2, se sigue
que
x
1
x
2
+ y
1
y
2
+ z
1
z
2
= r
1
r
2
cos . (1.3)
10 1.3. Espacios normados
El lado izquierdo de esta ultima expresion lo llamamos producto escalar de
los vectores P
1
y P
2
(recordemos que usamos indistintamente, a menos que
haya confusion, la notacion para puntos y vectores posicion). Denotamos al
producto escalar por P
1
P
2
. El lado derecho de la ecuacion (1.3) establece que
el producto escalar no depende de la eleccion del sistema de coordenadas, sino
de la magnitud de los vectores y el angulo comprendido entre estos. Se deja al
lector vericar que el producto escalar satisface las siguientes condiciones:
Para 3 vectores cualesquiera x, y, z y un escalar arbitrario c,
1. x (y + z) = x y + x z.
2. (cx) y = c (x y).
3. x y = y x.
4. x x 0 y x x = 0 x = 0
Observese que de esta ultima propiedad se deduce que [[x[[ =
x x, por lo
que, de la ecuacion (1.3), se sigue que
cos =
x y
[[x[[ [[y[[
.
1.3.2. Productos interiores y normas
Muchas ideas geometricas tales como la longitud de vectores, los angulos com-
prendidos entre ellos y la perpendicularidad en R
2
y R
3
, se pueden extender
a espacios vectoriales mas generales. Estas ideas estan relacionadas con el con-
cepto de producto interior.
Denicion 4 Sea V un espacio vectorial sobre R. Un producto interior sobre
V es una funcion , : V V R, tal que para cualesquiera elementos
x, y, z V y para todo c R, se satisfacen las siguientes propiedades
1. cx + y, z = c x, z + y, z.
2. x, y = y, x.
3. x, x > 0 si x ,= 0
Ejemplos
1. Como vimos en la subseccion anterior, el producto escalar en R
3
(y en
R
2
) es un producto interior. Mas a un, podemos denir en R
n
la siguiente
funcion
X, Y =
n
i =1
x
i
y
i
, (1.4)
1. Espacios normados 11
donde X = (x
1
, ...x
n
) y Y = (y
1
, ..., y
n
). Para ver que esta funcion es
un producto interior, tenemos que vericar las propiedades dadas en la
denicion 14. Si Z = (z
1
, ..., z
n
) y c R, entonces
cX + Y, Z =
n
i =1
(cx
i
+ y
i
)z
i
=
n
i =1
c x
i
z
i
+ y
i
z
i
= c
n
i =1
x
i
z
i
+
n
i =1
y
i
z
i
= c X, Z + Y, Z.
Ahora, por la conmutatividad de los n umeros reales, es claro que
X, Y = Y, X.
Finalmente si X ,= 0, entonces al menos una entrada del vector X es
distinta de cero, en consecuencia
X, X =
n
i =1
x
2
i
> 0.
Por tanto, la funcion dada en la expresion (1.4) es unproducto interior
sobre R
n
.
2. Sea V = (
[a,b]
el espacio de funciones continuas denidas sobre el inter-
valo [a, b] y denimos la funcion
f, g =
_
b
a
f (t) g(t) dt (1.5)
Como la integral abre sumas y saca escalares, la primera propiedad de
la denicion 14 se cumple, ademas la segunda propiedad se cumple por
la conmutatividad de los n umeros reales. Ahora si f (t) ,= 0 para toda
t [a, b], entonces (f (t))
2
> 0. Como f es continua, se sigue que
f, f =
_
b
a
(f (t))
2
dt > 0,
en consecuencia, la funcion denida en (1.5) es un producto interior.
Como consecuencias inmediatas de la denicion 14, tenemos las siguientes pro-
piedades.
Proposicion 1.3.1 Sea V un espacio vectorial sobre R con producto interior.
Entonces para cualesquiera x, y, z V y c R se tiene que
12 1.3. Espacios normados
1. x, cy + z = c x, y + x, z
2. x, 0 = 0, x = 0.
3. x, x = 0 si y solo si x = 0.
4. Si x, y = x, z para todo x V , entonces y = z
Demostraci on.
1. Observese que
x, cy + z = cy + z, x
= cy, x + z, x
= cx, y + x, z.
2. Notese que
x, 0 = x, y y
para y V . Luego, por la armacion anterior,
x, y y = x, y + x, y
= x, y x, y = 0.
3. Si x = 0, por la armacion anterior se sigue que x, x = 0. Ahora si
x, x = 0, como por denicion se tiene que x, x > 0 si x ,= 0, se
sigue que x = 0.
4. Si x, y = x, z, entonces se tiene que
x, y x, z = x, y z = 0,
para todo x V , en particular para y z, esto es
y z, y z = 0,
por la armacion anterior, y z = 0, es decir y = z.
b
2a
_
= 0,
esto es, =
b
2a
es un mnimo para la funcion f. Ademas, como
f () 0 para toda R,
se obtiene que
a
_
b
2
4a
2
_
+ b
_
b
2a
_
+ c 0,
de donde se sigue que
c
b
2
4a
,
por lo tanto
b
2
4ac,
es decir
[x, y[
2
[[x[[
2
[[y[[
2
14 1.3. Espacios normados
4. Por la denicion de norma y las propiedades de producto interior, se tiene
que
[[x + y[[
2
= x + y, x + y
= x, x + 2 x, y + y, y
= [[x[[
2
+ 2 x, y + [[y[[
2
.
Por la desigualdad de Cauchy - Schwarz, se sigue que
[[x + y[[
2
[[x[[
2
+ [[x[[ [[y[[ + [[y[[
2
= ([[x[[ + [[y[[)
2
,
lo cual concluye la demostracion.
1
m
x, z =
1
m
x, y.
As, si r =
p
q
, donde p, q N, entonces
r x, y = p
_
1
q
_
x, y = p
_
1
q
_
x, y
=
p
q
x, y = r x, y.
Ahora, si r = 0, se sigue que
0, y =
1
4
([[y[[
2
[[y[[
2
) = 0 = 0 x, y.
Finalmente, si r es negativo, notese que
rx, y = (r) (x), y = r x, y,
pero
x, y = x, y
ya que
x, y + x, y =
1
4
(|| x + y||
2
|| x y||
2
+ ||x + y||
2
||x y||
2
) = 0.
Por lo tanto
rx, y = r x, y = r x, y.
1. Espacios normados 17
Por otra parte, observese que
x, x =
1
4
([[x + x[[
2
[[0[[
2
) = [[x[[
2
, (1.6)
para todo x V . Consecuentemente, por la desigualdad del triangulo y el
argumento anterior, tenemos que
[[x[[
2
+ 2 x, y + [[y[[
2
= [[x + y[[
2
([[x[[ + [[y[[)
2
= [[x[[
2
+ 2 [[x[[ [[y[[ + [[y[[
2
.
De manera similar, tomando [[x y[[
2
, se obtiene que
[[x[[
2
2 x, y + [[y[[
2
[[x[[
2
+ 2 [[x[[ [[y[[ + [[y[[
2
,
de donde se concluye que
[x, y[ [[x[[ [[y[[. (1.7)
Finalmente, sea c R y r Q. Como
(c r) x, y = c x, y rx, y
y
(c r)x, y = cx rx, y = cx, y r x, y,
es claro que
[c x, y cx, y[ = [(c r) x, y (c r) x, y[.
Ahora, por la desigualdad (1.7), se sigue que
[c r[ [[x[[ [[y[[ (c r) x, y
y
(c r)x, y [c r[ [[x[[ [[y[[
y por tanto
|c x, y cx, y| = |(c r) x, y (c r) x, y| 2 |c r| ||x|| ||y||. (1.8)
Por la propiedad arquimediana, para todo c R, se puede encontrar r Q
tal que [c r[ < , donde > 0. Por la desigualdad (2), se concluye que
cx, y = c x, y
para todo c R. As, , es un producto interior y por la ecuacion (34), se
sigue el resultado.
Regresando al estudio de las normas en R
n
, hemos visto que el producto
escalar genera una norma, a saber, la funcion dada por
[[X[[
2
=
_
n
i =1
x
2
i
,
18 1.3. Espacios normados
donde X = (x
1
, ..., x
n
). A esta norma la llamaremos norma euclidiana. Sin
embargo, podemos denir otras funciones que resultan ser normas en R
n
. Por
ejemplo, podemos denir la funcion
[[X[[
1
=
n
i =1
[x
i
[.
Para ver que es una norma, debemos vericar que se cumplen las condiciones de
la denicion 15. En efecto, notese que [[X[[
1
0 ya que estamos considerando
los valores absolutos de las entradas del vector X, ademas, esta funcion toma
el valor cero si y solo si cada una de las entradas del vector es cero. Por otra
parte, si c R, se tiene que
[[c X[[
1
=
n
i =1
[c x
i
[ = [c[
n
i =1
[x
i
[ = [c[ [[X[[
1
.
Finalmente, por la desigualdad del triangulo para el valor absoluto, si Y =
(y
1
, ..., y
n
), se sigue que
[[X + Y [[
1
=
n
i =1
[x
i
+ y
i
[
n
i =1
([x
i
[ + [y
i
[) = [[X[[
1
+ [[Y [[
1
.
Por tanto se sigue que [[X[[
1
dene una norma. Por otro lado, podemos denir
la siguiente funcion
[[X[[
3
=
_
n
i =1
[x
i
[
3
_1
3
.
Esta funcion tambien es una norma. En general, para p 1, si denimos la
funcion
[[X[[
p
=
_
n
i =1
[x
i
[
p
_1
p
,
esta resulta ser una norma. Para demostrar esta armacion, requerimos de un
par de desigualdades que demostraremos a continuacion
Proposicion 1.3.5 (Desigualdad de H older). Sean p > 1 y q > 1 tales
que
1
p
+
1
q
= 1, X = (x
1
, ..., x
n
) y Y = (y
1
, ..., y
n
). Sea X
= ([x
1
[, ..., [x
n
[)
y Y
= ([y
1
[, ..., [y
n
[). Entonces
X
_
_
_
n
i =1
[x
i
[
p
_1
p
_
_
_
_
_
n
i =1
[y
i
[
q
_1
q
_
_
(1.9)
Demostraci on. Para empezar, recordemos la desigualdad de Bernoulli, esto
es, si t 0, entonces
(1 + t)
p
1 + pt,
1. Espacios normados 19
alcanzandose la igualdad cuando t = 0. Ahora, sean a 0 y b > 0 tales que
1 + t =
_
a
b
q
p
_
.
Sustituyendo este valor en la desigualdad de Bernoulli, obtenemos
a
p
b
q
1 + p a b
q
p
p,
donde la igualdad se alcanza cuando a
p
= b
q
. Multiplicando por b
q
ambos
lados de la desigualdad y realizando las operaciones correspondientes, se obtiene
que
a
p
b
q
(1 p) + p a b
q (
p1
p
)
. (1.10)
Como
1
p
+
1
q
= 1, se tiene que q =
p
p1
, por lo que, sustituyendo en la
desigualdad (4.2) obtenemos que
a
p
b
q
(1 p) + p a b,
luego, multiplicando por
1
p
, se obtiene la siguiente desigualdad
a
p
p
+
b
q
q
ab, (1.11)
alcanzando la igualdad cuando a
p
= b
q
. Por otro lado, tomese
a
j
=
[x
j
[
_
n
i =1
[x
i
[
p
_1
p
y
b
j
=
[y
j
[
_
n
i =1
[y
i
[
q
_1
q
,
sustituyendo en la desigualdad (4.3) y sumando sobre todas las j 1, ..., n,
obtenemos
n
j =1
a
j
b
j
n
j =1
_
_
_
_
_
_
[x
j
[
p
p
_
n
i =1
[x
i
[
p
_ +
[y
j
[
q
q
_
n
i =1
[y
i
[
q
_
_
_
_
_
_
_
=
n
i =1
[x
i
[
p
p
_
n
i =1
[x
i
[
p
_ +
n
i =1
[y
i
[
q
q
_
n
i =1
[y
i
[
q
_
=
1
p
+
1
q
= 1,
20 1.3. Espacios normados
es decir
n
j =1
a
j
b
j
1,
de donde se sigue el resultado.
Proposicion 1.3.6 (Desigualdad de Minkowski) Sean x
i
, y
i
R, i
1, ..., n y p 1. Entonces
_
n
i =1
[x
i
+ y
i
[
p
_1
p
_
n
i =1
[x
i
[
p
_1
p
+
_
n
i =1
[y
i
[
p
_1
p
(1.12)
Demostraci on. Por la desigualdad del triangulo para el valor absoluto, se
tiene que
n
i =1
[x
i
+ y
i
[
p
i =1
([x
i
[ + [y
i
[)
p
.
Por otra parte, el lado derecho de esta ultima desigualdad, se puede escribir
como
n
i =1
([x
i
[ + [y
i
[)
p
=
n
i =1
([x
i
[ + [y
i
[)
p 1
([x
i
[ + [y
i
[)
=
n
i =1
([x
i
[ + [y
i
[)
p 1
[x
i
[ +
n
i =1
([x
i
[ + [y
i
[)
p 1
[y
i
[.
Luego, deniendo [z
i
[ = ([x
i
[ + [y
i
[)
p 1
y aplicando la desigualdad (4.3) a
cada uno de los sumandos de la expresion anterior, obtenemos
n
i =1
|z
i
| |x
i
| +
n
i =1
|z
i
| |y
i
|
_
n
i =1
|z
i
|
q
_1
q
_
n
i =1
|x
i
|
p
_1
p
+
_
n
i =1
|z
i
|
q
_1
q
_
n
i =1
|y
i
|
p
_1
p
=
_
n
i =1
[z
i
[
q
_1
q
_
_
_
n
i =1
[x
i
[
p
_1
p
+
_
n
i =1
[y
i
[
p
_1
p
_
_
=
_
n
i =1
_
([x
i
[ + [y
i
[)
p 1
_
q
_1
q
_
_
_
n
i =1
[x
i
[
p
_1
p
+
_
n
i =1
[y
i
[
p
_1
p
_
_
,
como
1
p
+
1
q
= 1, entonces p = q (p 1), de donde se obtiene que
_
n
i =1
_
([x
i
[ + [y
i
[)
p 1
_
q
_1
q
_
_
_
n
i =1
[x
i
[
p
_1
p
+
_
n
i =1
[y
i
[
p
_1
p
_
_
=
_
n
i =1
([x
i
[ + [y
i
[)
p
_1
q
_
_
_
n
i =1
[x
i
[
p
_1
p
+
_
n
i =1
[y
i
[
p
_1
p
_
_
,
1. Espacios normados 21
lo cual implica que
n
i =1
(|x
i
| + |y
i
|)
p
_
n
i =1
(|x
i
| + |y
i
|)
p
_1
q
_
_
_
n
i =1
|x
i
|
p
_1
p
+
_
n
i =1
|y
i
|
p
_1
p
_
_
,
por lo que, multiplicando esta desigualdad por
1
_
n
i =1
([x
i
[ + [y
i
[)
p
_1
q
se ob-
tiene que
_
n
i =1
([x
i
[ + [y
i
[)
p
_
1
1
q
=
_
n
i =1
([x
i
[ + [y
i
[)
p
_1
p
_
n
i =1
[x
i
[
p
_1
p
+
_
n
i =1
[y
i
[
p
_1
p
,
pero, por la desigualdad del triangulo para los valores absolutos, tenemos que
_
n
i =1
([x
i
+ y
i
[)
p
_1
p
_
n
i =1
([x
i
[ + [y
i
[)
p
_1
p
,
de donde se concluye que
_
n
i =1
([x
i
+ y
i
[)
p
_1
p
_
n
i =1
[x
i
[
p
_1
p
+
_
n
i =1
[y
i
[
p
_1
p
,
que era justo lo que se quera demostrar.
De esta forma, la funcion denida por
[[X[[
p
=
_
n
i =1
[x
i
[
p
_1
p
,
donde X = (x
1
, ..., x
n
) dene una norma, ya que, es claro que [[X[[
p
0,
alcanzandose la igualdad si y solamente si cada una de las entradas del vector
X es igual a cero. Ademas, si c R, se tiene que
[[c X[[
p
=
_
n
i =1
[c x
i
[
p
_1
p
= [c[
_
n
i =1
[x
i
[
p
_1
p
[c[ [[X[[.
Finalmente, la desigualdad del triangulo se sigue de la desigualdad (1.12).
Por otra parte, podemos denir la siguiente funcion en R
n
[[X[[
= max [x
i
[ [ i 1, ..., n,
donde X = (x
1
, ..., x
n
). Se arma que esta funcion es una norma en R
n
. Para
ver esto, notese que [[X[[ 0 alcanzando la igualdad si y solamente si cada
entrada del vector X es cero. Ahora, si c R, entonces
||c X|| = max {|c x
i
| | i {1, ..., n}} = |c| max {|x
i
| | i {1, ..., n}} = |c| ||X||.
22 1.4. Espacios m etricos
Finalmente, se tiene que
[[X + Y [[
= max [x
i
+ y
i
[ [ i 1, ..., n = [x
j
+ y
j
[,
para alguna j 1, ..., n. Por la desigualdad del triangulo para el valor abso-
luto, se tiene que
[x
j
+ y
j
[ [x
j
[ + [y
j
[ max [x
i
[ [ i 1, ..., n + max [y
i
[ [ i 1, ..., n,
de donde se concluye que
[[X + Y [[
[[X[[
+ [[Y [[
i =1
[x
i
y
i
[
p
_1
p
p 1.
En particular, cuando p = 2 se tiene la distancia euclidiana.
b) (R
n
, d), deniendo a d como
d (x, y) = [[x y[[
c) ((
[a,b]
, d) donde d esta denida como
d (f, g) =
_
_
b
a
[f (x) g (x)[
2
dx
_1
2
,
por mencionar algunos.
2. Sea A , = un conjunto arbitrario y defnase la funcion d como
d (x, y) =
_
_
_
1 si x ,= y
0 si x = y.
Entonces (A, d) es un espacio metrico. La vericacion de los detalles se
dejan al lector. Notese que este ejemplo nos dice que cualquier conjunto
distinto del vaco, se puede equipar con una metrica.
3. Sea A = 0, 1 y considerese el conjunto } = A
9
, es decir, las 9-adas
en cuyas entradas hay solo 0s y 1s. Defnase d como
d (x, y) = n umero de lugares en los cuales x y y son diferentes.
Entonces (}, d) es un espacio metrico (de hecho, notese que
d (x, y) =
9
i =1
[x
i
y
i
[).
24 1.4. Espacios m etricos
4. Sea
A = x = x
i
i N
[ x
i
R,
i N
x
2
i
<
y defnase
d (x, y) =
i N
(x
i
y
i
)
2
.
Antes de vericar que esta funcion es una metrica, recordemos que dos
sucesiones x y y son iguales si x
i
= y
i
para toda i N. Ahora, es claro
que d (x, y) 0, alcanzando la igualdad si y solamente si x
i
y
i
= 0
para toda i N. Por otra parte, observese que
d (x, y) =
i N
(x
i
y
i
)
2
=
i N
(y
i
x
i
)
2
= d (y, x).
Finalmente, para la desigualdad del triangulo, si x, y, z A, entonces
las series
i N
(x
i
y
i
)
2
,
i N
(x
i
z
i
)
2
,
i N
(z
i
y
i
)
2
,
convergen. Luego
_
n
i =1
(x
i
y
i
)
2
_1
2
_
n
i =1
(x
i
z
i
)
2
_1
2
+
_
n
i =1
(z
i
y
i
)
2
_1
2
por la desigualdad de Minkowski. Haciendo tender n a innito, se tiene
el resultado. A este espacio se le conoce como espacio de Hilbert (real) y
suele denotarse como l
2
.
5. Sean (A
i
, d
i
), i 1, ..., n espacios metricos. Tomese
A = A
1
A
2
A
n
.
Defnase para x, y A la funcion
d (x, y) =
n
i =1
d
i
(x
i
, y
i
),
donde x = (x
1
, ..., x
n
) y y = (y
1
, ..., y
n
). Se arma que (A, d) es un
espacio metrico. Para demostrar esta armacion, vericamos los axiomas
de la denicion de metrica. Como d
i
es metrica para toda i 1, ..., n,
se sigue que d (x, y) 0, alcanzando la igualdad cuando cada uno de los
sumandos se anula. Esto ultimo sucede si y solamente si x
i
= y
i
para
toda i 1, ..., n, ya que d
i
es metrica. Ademas
d (x, y) =
n
i =1
d
i
(x
i
, y
i
) =
n
i =1
d
i
(y
i
, x
i
) = d (y, x).
1. Espacios normados 25
Finalmente, como cada d
i
es metrica, se tiene que
d (x, y) =
n
i =1
d
i
(x
i
, y
i
)
n
i =1
d
i
(x
i
, z
i
) +
n
i =1
d
i
(z
i
, y
i
)
= d (x, z) + d (z, y),
donde z = (z
1
, ..., z
n
).
6. Sea (A, d) un espacio metrico y } A. Entonces, la restriccion
d
I
= d[
Y Y
: } } R
+
0,
es una metrica en }. Al espacio (}, d
I
) se le conoce como subespacio
metrico. (Recuerde que si f : A B y g : C B tal que A C y
f (x) = g (x) para toda x A, entonces se dice que f es la restriccion
de g sobre A).
En un espacio metrico es posible hablar de vecindades de un punto.
Denicion 8 Sean (A, d) un espacio metrico, x A y > 0. Denimos la
bola abierta de radio con centro en x como
B
(x) U.
Se dice que dos metricas son equivalentes si para cada punto en el espacio
metrico, ambas determinan las mismas vecindades de dicho punto, es decir, dos
metricas d y d
(x, y) <
(x, y) <
.
Para cerrar este captulo, resulta interesante describir geometricamente las
bolas generadas en R
2
y R
3
por las normas [[ [[
p
. Consideremos los conjuntos
B
(p)
= y R
n
[ [[y[[
p
< 1 p 1, n = 2, 3.
Primero consideremos el caso n = 2.
Si p = 1, el conjunto anterior se puede escribir como
y R
2
[ [y
1
[ + [y
2
[ < 1.
Para describir geometricamente este conjunto, parecera natural analizar el con-
junto de puntos cuyas entradas satisfacen la siguiente igualdad
[y
1
[ + [y
2
[ = 1.
26 1.4. Espacios m etricos
(0, 1)
(1, 0)
Figura 1.7: Bola generada por la norma [[ [[
1
en R
2
Notese que como se esta tratando con valores absolutos, basta con analizar lo
que sucede en el cuadrante positivo. El resto del conjunto se obtiene reejando
con respecto al origen y al eje y. De esta forma, trataremos la igualdad
y
1
+ y
2
= 1,
que es equivalente a la igualdad
y
2
= 1 y
1
,
la cual describe una recta que pasa por los puntos (1, 0) y (0, 1). Reejando con
respecto al eje de las ordenadas y con respecto al origen, obtenemos el conjunto
descrito en la Figura 1.7. Observese que los puntos que quedan debajo de la
recta, satisfacen que
y
1
+ y
2
< 1,
por lo que los puntos que conforman al conjunto B
(1)
en R
2
son los que se
encuentran adentrodel cuadrado descrito en la Figura 1.7. Si p = 2, notese
que se tiene una circunferencia con centro en el origen.
(0, 1)
(1, 0)
Figura 1.8: Bola generada por la norma [[ [[
en R
2
Por otra parte, el conjunto B denido como
B = y R
2
[ [[y[[
< 1,
1. Espacios normados 27
genera un lugar geometrico como el descrito en la Figura 1.8, esto debido a que
si consideramos el conjunto de puntos (y
1
, y
2
) tales que
max [y
1
[, [y
2
[ = 1,
tanto sus abscisas como sus ordenadas no podran exceder 1, es decir, se tiene que
y
1
, y
2
[0, 1]. Si y
1
[0, 1) entonces, necesariamente, y
2
= 1 y viceversa, si
y
2
[0, 1), entonces, forzosamente y
1
= 1.
Ahora, si x
1
(0, 1), entonces, para 1 p q, se cumple que x
q
1
x
p
1
,
de donde se obtiene que
1 x
p
1
1 x
q
,
de donde se concluye que la bola generada con la norma [[ [[
p
esta contenida
en la bola generada por la norma [[ [[
q
, para p < q, obteniendo una situacion
como la descrita en la Figura 1.9
(0, 1)
(1, 0)
||X||1
||X||2
||X||4
||X||
Figura 1.9: Comparativo de las bolas generadas por diferentes normas
Se puede hacer un analisis similar para el caso de R
3
. Para el caso de la
norma [[ [[
1
, observese que la ecuacion
x
1
+ x
2
+ x
3
= 1, x
1
, x
2
x
3
0,
describe un plano que pasa por los puntos (0, 0, 1), (0, 1, 0) y (1, 0, 0). Luego,
al reejar con respecto a los ejes y al origen, obtenemos un octaedro (vease la
Figura 1.10). La norma [[ [[
2
genera una esfera, la norma [[ [[
un cubo y,
por un argumento similar al del caso bidimensional, la bola generada por [[ [[
p
esta contenida en la generada por [[ [[
q
, si p q.
Figura 1.10: Norma [[ [[
1
en R
3
Cap
tulo 2
Elementos basicos de
topologa
Existen dos conceptos fundamentales en el desarrollo del calculo diferencial y,
en general, en el analisis real: la convergencia de sucesiones y la continuidad
de funciones. Mas adelante, deniremos funciones sobre subconjuntos de puntos
contenidos en espacios de dimensiones superiores y es conveniente conocer cier-
tas propiedades de conjuntos que llamaremos abiertos, cerrados y compactos.
Estos conjuntos generalizan las ideas de intervalos abiertos y cerrados en la recta
real y constituyen las ideas basicas de la topologa. Gran parte de los resultados
que desarrollamos en este captulo dependen unicamente de las propiedades de
la funcion distancia por lo que, en algunas ocasiones, haremos un analisis de es-
tos conjuntos en espacios metricos mas generales. A menos que haya confusion,
denotaremos unicamente por A a un espacio metrico (A, d).
2.1. Conjuntos abiertos
El concepto de conjunto abierto es crucial en el estudio del calculo y el analisis
real.
Denicion 10 Sea A un espacio metrico y A A. Se dice que A es un
conjunto abierto en A, si para todo x A, existe > 0 tal que B
(x) A.
Notese que, por la denicion 9, un conjunto es abierto si y solamente si es
vecindad de todos sus puntos. A partir de la denicion se puede demostrar que
B
(y) B
=
d(x,y)
2
, que es
29
30 2.1. Conjuntos abiertos
x y
d (x,y)
2
Figura 2.1: Idea para la demostracion de la Proposicion 2.1.1
estrictamente positivo ya que d (x, y) < , B
(y) B
(x). En efecto, si
z B
(y), entonces
d (x, z) d (z, y) + d (y, x) <
+ d (x, y) =
d (x, y) +
2
< .
Por tanto, z B
(x).
depende de
la eleccion de y, esto es, B
(z) A + B. Sea w B
(z),
entonces
[[w z[[ = [[w (x + y)[[ < .
Ahora, observese que w (x + y) = (w y) x, en consecuencia,
w y B
nN
I
n
= x
0
.
Este ejemplo nos sugiere la siguiente propiedad de los conjuntos abiertos.
Proposicion 2.1.2 Sean A un espacio metrico y A
una coleccion de
abiertos en A, entonces
1. Para cualquier conjunto de ndices ,
_
es abierto en A.
2. Si es un conjunto de ndices nito, entonces
es abierto en A.
En particular, si = , por denicion
_
= y
= A.
Demostraci on.
1. Sea x
_
. Como A
es
abierto, existe > 0 tal que
B
(x) A
,
por tanto
_
es abierto.
2. Sea x
, entonces x A
es abierto, existe
[ ;
> 0 y claramente B
(x) B
,
2. Elementos b asicos de topologa 33
de donde se concluye que
es abierto.
Finalmente, como A contiene a todas las bolas, entonces es abierto y ,
por vacuidad, es abierto.
b[[x[[ x V.
Diremos que dos normas estan relacionadas ([[ [[ [[ [[
) si y solo si son
equivalentes. Es claro que esta relacion es de equivalencia.
Proposicion 2.1.3 En R
n
, las normas dadas por
[[X[[
p
=
_
n
i =1
[x
i
[
p
_1
p
y
[[X[[
= max [x
i
[ [ i 1, ...., n,
X = (x
1
, ..., x
n
), son equivalentes.
Demostraci on. Observese que [[X[[
= [x
j
[ para alguna j 1, ..., n.
Luego, se tiene que
([x
j
[
p
)
1
p
= [x
j
[
_
_
i =j
[x
i
[
p
+ [x
j
[
p
_
_
1
p
,
por tanto [[X[[
[[X[[
p
. Por otro lado, notese que
[x
i
[ [[X[[
i 1, ..., n
i =1
[x
i
[
p
n([[X[[
)
p
[[X[[
p
p
n[[X[[
(x) A.
Tambien, hemos demostrado que para todo punto x en un espacio metrico,
B
(x) A.
c) x
B A[ B es un conjunto abierto
Demostraci on.
a) b)
Si x A
o
, entonces existe un abierto U tal que
x U A.
Como U es abierto, existe > 0 tal que B
U A.
b) a)
Ya se demostro que B
(y), entonces
d (x, z) d (x, y) d (z, y) d (x, y) = d (x, y)
d (x, y)
2
=
d (x, y)
2
> 0,
de donde se sigue que d (x, z) > 0, por lo que z R
n
x. As,
R
n
x es abierto y, por lo tanto x es cerrado en R
n
. Mas a un, por
la proposicion 2.2.1, se sigue que un conjunto nito en R
n
es cerrado.
y
Figura 2.3: El complemento de la bola unitaria es un conjunto abierto
2. Consideremos C = x R
n
[ [[x[[
2
1. Se arma que C es ce-
rrado. Para demostrar esta armacion, notese que si y C
c
, se tiene que
[[y[[
2
> 1, por lo que tomamos = [[y[[
2
1 (vease la Figura 2.3). Sea
z B
(y) C
c
, esto es, C
c
es abierto,
de donde se concluye que C es cerrado.
2. Elementos b asicos de topologa 37
3. El conjunto dado por
R = (x, y) R
2
[ x (a, b], y [c, d],
no es un conjunto cerrado. Notese que el conjunto R
c
no es abierto, ya
que para toda > 0, la bola de radio centrada en un punto de la forma
(a, y), donde y (c, d), no esta totalmente contenida en R
c
(vease la
Figura 2.4).
a b
c
d
Figura 2.4: El conjunto R no es cerrado
De la denicion 14 y la proposicion 2.1.2, se obtiene el siguiente resultado.
Proposicion 2.2.1 Sean A un espacio metrico y A
una coleccion de
cerrados en A, entonces
1. Para cualquier conjunto de ndices ,
es cerrado en A.
2. Si es un conjunto de ndices nito, entonces
_
es cerrado en
A.
Otro concepto topologico basico que nos ayudara a determinar si un conjunto
es cerrado es el de punto de acumulacion.
Denicion 15 Sean A = (X, d) un espacio metrico y A X. Se dice que
un punto x X es un punto de acumulacion de A si existe un abierto U X
tal que x U y (U x) A ,= . Al conjunto de puntos de acumulaci on
de A se le conoce como conjunto derivado y se denota por A
.
38 2.2. Conjuntos cerrados
Observese que esta denicion nos dice que un punto es de acumulacion de un
conjunto A, si esta arbitrariamente cercano a los puntos de A. Por la propo-
sicion 2.1.1, podemos reformular la denicion 15 de la siguiente manera:
Se dice que un punto x X es un punto de acumulacion de A si para toda
> 0, (B
(x) x) A ,= .
Se dice que un punto x A es aislado si existe un valor > 0 tal que
(B
(x) x) A = .
Ejemplos.
1. Sea A = (0, 1). Si x [0, 1], es claro que para toda > 0 se cumple
que
((x , x + ) x) (0, 1) ,= .
Si x < 0, como (, 0) es un conjunto abierto, existe un valor > 0
tal que (x , x + ) (, 0), es decir, existe un valor tal que el
intervalo centrado en x de radio no interseca al conjunto A, de donde
se concluye que x no es punto de acumulacion para el conjunto A. Un
argumento similar prueba que ning un punto en (1, ) es de acumulacion
de A.
2. Considerese el conjunto dado por
A = (x, y) R
2
[ x [0, 1], y Q (0, 1).
Se arma que A
(w) w) A ,= ,
de donde se sigue que w A
. Finalmente, si w A
, por la parte
anterior se sigue que w [0, 1] [0, 1].
3. Sea x
n
nN
R, una sucesion de puntos distintos, acotada. Por el teo-
rema de Bolzano-Weierstrass para sucesiones en R, existe una subsucesion
x
n
k
convergente, digamos a x
0
. Luego, x
0
es un punto de acumulacion
para la sucesion x
n
, ya que para toda > 0, existe N N tal que
[x
n
k
x
0
[ < , si n
k
> N. Esto quiere decir que para toda > 0,
(B
(x
0
) x
0
) x
n
,= .
2. Elementos b asicos de topologa 39
4. Tomese la bola A = B
(x) R
2
. Se puede ver que el conjunto
B
(x) = y R
2
[ d (x, y)
es el conjunto de puntos de acumulacion de A (la vericacion de los deta-
lles se le dejan al lector). Sin embargo, este resultado es falso en general.
Si consideramos X un conjunto arbitrario, distinto del vaco, equipado
con la metrica discreta, notese que, para x X,
B
1
(x) = x (B
1
(x))
= .
Por otro lado
B
1
(x) = y R
2
[ d (x, y) 1 = X.
Las nociones de punto de acumulacion y conjunto cerrado estan fuertemente
relacionadas, tal y como lo muestra el siguiente resultado.
Teorema 2.2.2 Sean A = (X, d) un espacio metrico y A X. Entonces A
es cerrado si y solamente si A
A.
Demostraci on. Supongamos que A es un conjunto cerrado. Si x A
c
,
entonces existe un valor > 0 tal que B
(x) A
c
. Luego B
e
(x) A = ,
de donde se sigue que x , A
A. Si x A
c
, entonces x , A
, de
donde se sigue que existe > 0 tal que B
(x) A = , es decir, B
(x) A
c
,
por lo que se concluye que A
c
es abierto, lo cual prueba el resultado.
B X[ A B, B cerrado
Como la interseccion arbitraria de cerrados es un conjunto cerrado, se si-
gue que A es cerrado. Notese que A A. El siguiente resultado muestra la
conexion entre los puntos de acumulacion y la cerradura de un conjunto.
Proposicion 2.2.3 Sean A = (X, d) un espacio metrico y A X. Entonces
A = A
A.
Demostraci on. Sea B = A A
(y) y) B ,= .
40 2.2. Conjuntos cerrados
Tomese z (B
(y) y) B; luego z A o z A
(z) z) A ,=
donde B
y, en
consecuencia, y B. De esta forma, B es el cerrado mas peque no que contiene
a A, como se quera demostrar.
. Si
x A, tomando x = y se sigue que = 0. Si x A
(x) A ,= ,= B
(x) A
c
(2.1)
Demostraci on. Si x X tal que se satisface la condicion (2.1), entonces
B
. Un
argumento similar muestra que si x A
c
, entonces x A
2.3. Sucesiones
El concepto de convergencia es uno de los mas importantes en diversas areas
de la matematica. En esta seccion, estudiaremos la nocion de convergencia de
una sucesion en espacios metricos, en particular, en R
n
. Recordemos que una
sucesion en un conjunto X ,= , es una funcion que asocia un n umero natural
a un elemento de X, esto es, una correspondencia de la forma S : N R,
donde R X. Normalmente, cuando nos referimos a la imagen de un elemento
n en el dominio, bajo una funcion S, la denotamos por S(n). Sin embargo, en
el caso de las sucesiones, denotaremos por S
n
a la imagen del natural n; a la
sucesion con los elementos S
n
la denotaremos por S
n
n=1
. Por otra parte, al
conjunto R lo llamaremos recorrido de la sucesion. Seg un la propia denicion,
una sucesion contiene una innidad de elementos.
Recordemos la denicion de convergencia en R. Si los terminos de una su-
cesion x
n
se acercan a un n umero L, se dice que la sucesion tiende al lmite
L (tambien suele decirse que x
n
converge a L) y se denota por
lm
n
x
n
= L
este smbolo se lee: el lmite de la sucesion x
n
cuando n tiende a innito es L.
x
N
x
N +1
L
Figura 2.5: Convergencia en R
42 2.3. Sucesiones
Denicion 18 Sea x
n
una sucesion contenida en R. Se dice que x
n
con-
verge a un valor L si dada > 0 existe N N tal que
[x
n
L[ <
para cualquier n > N.
Intuitivamente, esta denicion nos dice que la sucesion converge a un cierto
valor si a partir de cierto momento los elementos de la sucesion y ese valor se
parecen mucho. Gracamente, el concepto de convergencia signica que para
una N sucientemente grande, los elementos de la sucesion
x
N+1
, x
N+2
, x
N+3
, .....
pertenecen a un intervalo de radio con centro en el valor L. Notese que los
elementos x
N+1
, x
N+2
, x
N+3
, ....., x
N
quedan fuera de este intervalo, es decir,
en el intervalo de convergencia se encuentra una innidad de elementos de la
sucesion, mientras que fuera del intervalo quedan solo un n umero nito (vease
la Figura 2.5)
La denicion de convergencia en un espacio metrico es muy parecida.
Denicion 19 Sean A = (X, d) un espacio metrico y x
n
X una su-
cesion. Se dice que x
n
converge a x
0
X, si para todo abierto U X que
contiene a x
0
, existe N N tal que x
n
U, si n N.
El siguiente resultado presenta una denicion equivalente, con la que el lector
puede estar mas familiarizado.
Proposicion 2.3.1 Sean A = (X, d) un espacio metrico y x
n
X una
sucesion. x
n
converge a x
0
X si y solo si dada > 0 existe N N tal
que si n N, entonces d (x
n
, x
0
) < .
Demostraci on. Supongamos que x
n
x
0
y sea > 0. Por la proposicion
2.1.1, sabemos que B
(x
0
) es abierto; luego, existe un valor N N tal que
x
n
B
(x
0
), esto es, d (x
n
, x
0
) < .
Por otro lado, sea U una vecindad de x
0
y supongase que dada > 0
existe N N tal que si n N, entonces d (x
n
, x
0
) < . Como U es una
vecindad de x
0
, se puede encontrar un valor > 0 tal que B
(x
0
) U. De
esta forma, existe N N tal que si n N, entonces x
n
B
(x
0
) U y,
por tanto, x
n
x
0
, como se quera demostrar.
Ejemplos.
1. Sea x
n
=
1
n
. Vericamos que x
n
converge a 0. Sea > 0, entonces
se tiene que
1
n
=
1
n
< n >
1
,
como > 0, esta ultima desigualdad esta bien denida, por lo que se
sigue que la sucesion x
n
converge a cero.
2. Elementos b asicos de topologa 43
2. Considerese la sucesion de n umeros complejos dada por z
n
= 1 +
i
n
.
Recordemos que existe una biyeccion entre C y R
2
. De esta forma, z
n
converge, si y solo si x
n
=
_
1,
1
n
_
converge en R
2
. Se arma que x
n
converge a x
0
= (1, 0). En efecto, observese que
[[x
n
x
0
[[
2
=
_
_
_
_
_
0,
1
n
__
_
_
_
2
=
1
n
< ,
para > 0 y n sucientemente grande. As, z
n
z
0
, donde z
0
= 1.
3. Tomese X un conjunto arbitrario, no vaco y equipado con la metrica
discreta. Notese que en este espacio, las sucesiones convergentes son las
casi constantes, es decir, aquellas sucesiones tales que x
n
= x
0
para
n N.
4. Sea X = (0, 1] y considerese la metrica usual de R restringida a X.
Sabemos que en R, la sucesion x
n
=
1
n
es convergente y converge a
0. Sin embargo, esta sucesi on en X no converge, ya que 0 , X. Este
ejemplo muestra que el concepto de convergencia depende de la metrica y
el espacio que estemos considerando.
Una propiedad fundamental del lmite de una sucesion es la unicidad.
Proposicion 2.3.2 Sea x
n
una sucesion convergente contenida en un espa-
cio metrico, entonces su lmite es unico.
Demostraci on. Supongamos que x
n
x
0
y x
n
y
0
, esto es, dada
> 0, existe N N tal que
d (x
n
, x
0
) <
2
y d (x
n
, y
0
) <
2
,
si n N. Luego
d (x
0
, y
0
) d (x
0
, x
n
) + d (x
n
, y
o
) < ,
si n N.
Sabemos que en R, una sucesi on convergente es acotada. Para ver este hecho
en general, requerimos el concepto de conjunto acotado en espacios metricos.
Denicion 20 Sea A = (X, d) un espacio metrico y A X. Se dice que A
es acotado si existen x X y un valor M > 0 tal que A B
M
(x).
Proposicion 2.3.3 Sean A un espacio metrico, x
n
una sucesion conver-
gente, digamos a x
0
y R el recorrido de la sucesion. Entonces
a) R es acotado.
b) x
0
R
44 2.3. Sucesiones
Demostraci on. a) Sea = 1 y N N correspondiente a este valor.
Entonces, si n N, x
n
B
1
(x
0
). Tomando
s = max d (x
0
, x
i
) [ i 1, 2, ..., N 1 + 1,
se sigue que x
n
B
s
(x
0
) para toda x
n
R.
b) Como para toda > 0, la bola B
(x
0
) contiene un punto de R, se concluye
que x
0
R
k N
y x
2k 1
k N
,
observamos que convergen a 1 y a 1 respectivamente. Este hecho nos hace
pensar en el siguiente resultado: Una sucesion converge a un n umero real si
y solamente si todas sus subsucesiones convergen a . Este resultado tambien
es cierto para espacios metricos en general.
Proposicion 2.3.5 Una sucesion x
n
en un espacio metrico converge a x
0
si y solamente si todas sus subsucesiones convergen a x
0
.
Demostraci on. Supongamos que x
n
x
0
. Esto quiere decir que dada
> 0, existe N N tal que d (x
n
, x
0
) , si n N. Sea x
n
k
x
n
k N
una sucesion de
celdas cerradas en R
n
tales que J
1
J
2
.... Entonces existe un punto
x
0
R
n
tal que x
0
k N
J
k
.
46 2.3. Sucesiones
Demostraci on. Sea J
k
el conjunto dado por
J
k
= (x
1
, ..., x
n
) R
n
[ x
i
[a
(k)
i
, b
(k)
i
], i 1, ...n
Notese que [a
(k)
1
, b
(k)
1
] [a
(k 1)
1
, b
(k 1)
1
], donde k > 1 (vease la Figura
2.6).
a
(1)
1
b
(1)
1
b
(2)
1
a
(2)
1
a
(3)
1
b
(3)
1
a
(1)
2
a
(2)
2
b
(1)
2
b
(2)
2
Figura 2.6: 2-celdas anidadas
Por la completez de R, existe y
1
R tal que
y
1
k N
[a
(k)
1
, b
(k)
1
];
aplicando el mismo argumento para las demas componentes, existe x
0
R
n
tal que x
0
= (y
1
, ..., y
n
), donde
y
j
k N
[a
(k)
j
, b
(k)
j
], j 1, ..., n.
En consecuencia, x
0
k N
J
k
.
i N
una sucesi on de conjuntos tales que
1. A
n+1
A
n
, n N.
2. A
i
es cerrado para toda i N.
3. lm
n
diam(A
n
) = 0.
entonces, existe x
0
X tal que
i N
A
i
= x
0
.
Demostraci on. Sean x
n
A
n
, y > 0. Como lm
n
diam(A
n
) = 0,
entonces existe N N tal que diam(A
n
) < , si n N. Como la sucesion
de conjuntos es decreciente, se tiene que diam(A
n
) diam(A
N
) si n > N.
Ahora
d (x
n
, x
m
) diamA
N
< .
Por tanto, la sucesion x
n
es de Cauchy y como el espacio es completo, se
sigue que x
n
converge, digamos a un punto x
0
. Por otra parte, como A
i
es
cerrado para toda i, se sigue que A
i
= A
i
. Notese que
x
n
[ n k A
k
Se arma que
ni N
A
i
= x
0
.
Si existe a
0
X tal que a
0
ni N
A
i
, entonces
0 d (x
0
, a
0
) diam(A
n
) < ,
para n sucientemente grande. Por tanto, x
0
= a
0
.
k N
J
k
.
Por otro lado, si J
1
= [a
1
, b
1
] [a
n
, b
n
], denimos la medida de J
1
como
0 < l (J
1
) = sup b
i
a
i
[ i 1, ..., n.
Luego
0 < l (J
k
) =
l (J
1
)
2
k 1
k N.
Sea U una vecindad de x
0
y supongamos que B
(2)
r
(x
0
) U, donde
B
(2)
r
(x
0
) = x R
n
[ [[x x
0
[[
2
< r.
Sea k N tal que J
k
U; esto lo podemos hacer ya que
[x
i
[ [[x[[
2
n sup [x
i
[ [ i 1, ..., n,
as, si w J
k
, entonces
[[x
0
w[[
2
nl (J
k
) =
nl (J
1
)
2
k 1
.
Luego, por propiedad arquimediana, existe k N sucientemente grande, tal
que
nl (J
1
)
2
k 1
< r.
Por tanto, para cada k N, se tiene que J
k
U. Como J
k
tiene una
cantidad innita de elementos de A, se concluye que U contiene al menos un
elemento de A distinto de x
0
, es decir, x
0
A
Teorema 2.3.10 R
n
es un espacio metrico completo.
Demostraci on. Sea x
n
una sucesion de Cauchy y sea R su recorrido. Si R
es nito, entonces todos los terminos de la sucesion, salvo una cantidad nita,
son iguales y, por tanto, x
n
converge. Por otra parte, si R es innito, como
una sucesion de Cauchy es acotada (Por que?), se sigue que R es innito y
acotado y, por el teorema 2.3.9, R tiene un punto de acumulacion, digamos
2. Elementos b asicos de topologa 49
x
0
. Esto ultimo quiere decir que para toda > 0 B
2
(x
0
) contiene un punto
x
m
R. Finalmente, como x
n
es de Cauchy, se obtiene que
d (x
n
, x
0
) d (x
n
, x
m
) + d (x
m
, x
0
) < si n, m N,
para alguna N N. Por tanto, x
n
x
0
. El Teorema 2.3.6 concluye la
prueba.
2.4. Compacidad
La compacidad es otra de las condiciones mas importantes para resultados fun-
damentales en muchas areas como la topologa, el analisis y el calculo. En esta
seccion estudiaremos los conceptos basicos relacionados con la compacidad. Se
analizaran condiciones equivalentes a la compacidad. Estudiaremos los teore-
mas fundamentales sobre compacidad en R
n
y sus generalizaciones a espacios
metricos. Para empezar, presentamos la denicion de cubierta.
Denicion 24 Sean A = (X, d) un espacio metrico, A X y ( = U
.
Diremos que la cubierta es abierta (o cerrada), si U
es abierto (o cerrado)
para toda .
Si (
( y (
es una subcubierta de
( para A. Diremos que una cubierta es nita (o numerable), si como conjunto
es nito (o numerable). A continuacion, presentamos la denicion de conjuntos
compactos en espacios metricos.
Denicion 25 Sean A = (X, d) y A X. Se dice que A es compacto si
toda cubierta abierta de A contiene una subcubierta nita.
Ejemplos.
a) Sea A un espacio metrico y consi
= B
1
, ..., B
l
. Observese
cada B
i
se corresponde con un elemento C
i
de (, i 1, ..., n, gene-
rando as una subcubierta nita para R. Por tanto, R es compacto. Se
puede demostrar, de manera inductiva que si
n 1 veces
..
[M, M] [M, M] R
n1
es un conjunto compacto, entonces
n veces
..
[M, M] [M, M] R
n
es compacto.
d) Sea A = (X, d) el espacio metrico discreto y considerese un subconjunto
A en este espacio. Si A es nito, como los abiertos en este espacio son sub-
conjuntos de X, se sigue que A es compacto. Ahora, si A es compacto,
entonces toda cubierta abierta de A tiene una subcubierta nita. Como
los abiertos en A son subconjuntos de X, se sigue que A es nito. As,
los unicos conjuntos compactos en el espacio metrico discreto son aquellos
subconjuntos nitos de X.
Observese que en la denicion 25, podemos tomar A = X, en cuyo caso, es-
taramos hablando de espacios metricos compactos. Por otro lado, los ejemplos
anteriores muestran que trabajar con cubiertas, en ocasiones, es complicado.
Veremos que existen relaciones importantes entre la compacidad y algunas pro-
piedades de numerabilidad. Un resultado importante, es el teorema de Lindelof,
el cual usaremos para demostrar el teorema de Heine-Borel. Para esto, necesi-
tamos un resultado previo.
2. Elementos b asicos de topologa 51
Proposicion 2.4.1 Sea
B = B
r
(x) R
n
[ r Q, x = (x
1
, ..., x
n
), x
i
Q para toda i 1, ..., n.
Sean y R
n
y A R
n
un conjunto abierto tal que y S. Entonces, existe
una bola B
r
(x) B tal que y B
r
(x) A.
Demostraci on. Sea y = (y
1
, ..., y
n
). Una primera observacion es que la co-
lecci on B es numerable. Si y R
n
y A es un abierto tal que x A, entonces
existe > 0 tal que B
4
< r <
2
.
En consecuencia, existe r Q tal que
y B
r
(w) B
(x) A,
como se quera demostrar.
i N
.
Luego, para cada C ( existe una innidad numerable de elementos de B que
cubren a C. Luego, existe m = m(x) N, x A, tal que x A
m
A.
Por tanto, A
m(x)
x A
es una coleccion numerable de subconjuntos de R
n
tal
que
A
_
x A
A
m(x)
.
Tomando la correspondencia
A
m(x)
C (
tal que A
m(x)
C, se sigue el resultado.
Los siguientes resultados relacionan los conjuntos compactos con los cerrados
en espacios metricos.
52 2.4. Compacidad
Lema 2.4.3 Sean A = (X, d) un espacio metrico y A X compacto. En-
tonces A es cerrado.
Demostraci on. Sea x A
c
y considerese la coleccion
A
n
=
_
y X[ d (x, y) >
1
n
_
.
Como d (x, y) > 0, para toda y X x, entonces y A
n
, para alguna
n N. Se sigue que
A
_
nN
A
n
,
como A es compacto, entonces existe una subcubierta nita, a saber
A
l
_
k =1
A
n
k
.
Tomese N = max n
k
[ k 1, ..., l. Si =
1
N
, por construccion,
B
(x) A
c
.
En conclusion, A
c
es abierto.
, A
c
es una cubierta abierta de X. Como X es
compacto , entonces existe una subcubierta nita, digamos C
1
, ..., C
n
, A
c
.
Luego, C
1
, ..., C
n
es una cubierta para A, concluyendo as la prueba.
i =1
i
se sigue que A es
acotado.
Ahora, supongamos que A es cerrado y acotado. Consideremos una cubierta
( de A. Por el Teorema 2.4.5, existe una subcubierta numerable R = A
k
k N
2. Elementos b asicos de topologa 53
para A. Sea m 1 y tomese S
m
m
_
k =1
A
k
. Observese que S
m
S
m+1
y que
A
_
mN
S
m
.
Como S
m
es abierto, entonces S
c
m
es cerrado. Constr uyase la sucesion de con-
juntos dada por
Q
1
= A, Q
m
= A S
c
m
, m > 1.
Hacemos las siguientes observaciones
1. Q
m
= puntos en A fuera de S
m
.
2. Q
m
es cerrado para toda m N.
3. Q
m+1
Q
m
.
4. Q
m
A, para toda m N y, por tanto, Q
m
es acotado.
5. diam(Q
m
) 0 conforme m .
Aplicando el Teorema 2.3.8, se sigue que existe x A, tal que x Q
m
para
toda m N, esto es, x , S
m
para toda m N, lo cual es una contradiccion
al hecho de que S
m
es una cubierta de A. Por tanto, existe m N, tal que
Q
m
= , de donde se conlcuye que A es compacto.
0
, pero por la
Proposicion 2.3.5, se sigue que x
0
= x
0
, de donde se concluye que A es cerrado.
Tambien, si A es secuencialmente compacto, entonces es acotado, ya que, de
lo contrario, entonces existe x
0
A y una sucesion x
n
A tales que
d (x n, x
0
) n, de donde se concluira que no existe una subsucesion de
x
n
convergente, lo cual es una contradiccion.
Ahora, probaremos otro teorema central para conjuntos compactos en espa-
cios metricos: el teorema de Bolzano-Weierstrass. Ya hemos probado una
version de este resultado en la seccion anterior, pero fue para R
n
. Presentamos
su generalizacion. Necesitamos algunos resultados previos.
Lema 2.4.6 Sean A un espacio metrico, A un conjunto secuencialmente com-
pacto en A y A
(x) A
0
. As, para n sucientemente grande,
obtenemos que
d (x
n
, x
0
) <
2
y
1
n
<
2
,
de donde se concluye que B1
n
(x
n
) A
0
, lo cual es una contradiccion que
surge de suponer que no existe el n umero de Lebesgue.
(x
i
).
Lema 2.4.7 Si A es secuencialmente compacto, entonces A es totalmente aco-
tado.
Demostraci on. Si A no es totalmente acotado, entonces para alguna > 0,
A no puede ser cubierto por una cantidad nita de bolas. Sea x
1
A. Como
A no es totalmente acotado, eso implica que existe x
2
(B
(x
1
))
c
, luego
considerese un punto x
3
(B
(x
1
) B
(x
2
))
c
y as sucesivamente, generando
una sucesion x
n
tal que
x
n
_
n1
_
i =1
B
(x
i
)
_
c
.
De esta forma, hemos construido una sucesion tal que d (x
n
, x
m
) para
cualesquiera n, m N. As, x
n
no tiene subsucesiones convergentes, lo cual
es una contradiccion al hecho de que A es secuencialmente compacto. Por tanto,
A es totalmente acotado.
(x
i
), donde x
i
A.
Ademas, por el Lema 2.4.6, B
(x
j
) A
j
, j 1, ...n, donde A
j
es
una coleccion de abiertos. Por tanto, hay una subcubierta nita para A, como
se quera demostrar.
56 2.5. Compacidad
Para cerrar esta seccion, presentamos un resultado que relaciona los concep-
tos de completez y compacidad.
Teorema 2.4.9 Un espacio metrico es compacto si y solo si es completo y
totalmente acotado.
Demostraci on. Supongamos que X es compacto. Por el Teorema 2.4.8, X
es secuencialmente compacto y por el Lema 2.4.7, es totalmente acotado. Ahora,
para ver que es completo, consideremos una sucesion de Cauchy x
n
. Como
X es secuencialmente compacto, se satisface, por un lado, que
d (x
n
, x
m
) <
2
si n, m > N para alguna N N
y por otro lado
d (x
n
k
, x
0
) <
2
si n
k
> N para alguna N N,
donde x
n
k
es una subsucesion de x
n
y x
0
X.
As, obtenemos lo siguiente:
d (x
n
, x
0
) < d (x
n
k
, x
n
) + d (x
n
k
, x
0
) < ,
si n
k
, n > N.
Por otra parte, supongamos que X es completo y totalmente acotado. De-
mostraremos que X es secuencialmente compacto. Sean x
n
una sucesion
contenida en X y R su recorrido. Si R es nito, entonces hay una subsucesion
convergente y si hay una cantidad nita de repeticiones las eliminamos. Ahora,
supongamos que R es innito. Como X es secuencialmente compacto, dado
N N existen elementos y
L1
, ..., y
L
M
X tales que
X
M
_
i =1
B 1
N
(y
Li
).
Para N = 1, sea
X
M
_
i =1
B
1
(y
Li
).
De esta forma, existe una subsucesion de x
n
que cae en una de estas bolas.
Tomando N = 2, podemos construir otra subsucesion que yace en una de las
bolas de la forma B1
2
(y
Li
). Finalmente, eligiendo la subsucesion cuyo primer
elemento es el primero de la primera subsucesion, el segundo es el segundo de
la segunda subsucesion, etcetera, generamos una sucesion de Cauchy, que por
ser el espacio completo, es convergente. As, X es secuencialmente compacto y,
por el Teorema 2.4.8, se sigue el resltado.
X, ,
una colecci on de conjuntos conexos tales que X =
_
. Si existe
0
de tal forma que X
0
X
,= , entonces X es conexo.
Demostraci on. Supongamos que X es inconexo. Se arma que X
0
es in-
conexo. Para vericar esto, consideremos una desconexion (A, B) para X. Sin
perdida de generalidad, supongamos que A X
0
,= . Como X
es conexo
para toda ,=
0
, entonces X
A o X
B. Tomese
B
= [ X
B.
Observese que
B
,= , ya que de lo contrario, X
A para toda , lo
cual implicara que B = B
_
X
0
B X
0
,
de donde se sigue que (A, B) es una desconexion para X
0
.
(a) = y y
(2t b) si x
_
a +b
2
, b
,
obtenemos que une x con z. As, () es una relacion de equivalencia. A las
clases de equivalencia se les llama componentes por trayectorias del espacio X.
Denicion 31 Se dice que un subconjunto A X es conectable por trayecto-
rias si cualesquiera dos puntos de A pueden ser unidos mediante una trayectoria
que se encuentra totalmente contenida en A.
60 2.5. Conexidad
El siguiente resultado, relaciona las dos nociones de conexidad.
Teorema 2.5.5 Un conjunto conectable por trayectorias es conexo.
Demostraci on. Sea A un conjunto conectable por trayectorias. Suponga-
mos que A es inconexo y sea (U, V ) su desconexion. Tomese x U y
y V . Como A es conectable por trayectorias, entonces, existe una funcion
: [a, b] X continua, tal que (a) = x y (b) = y; sea C =
1
(U)
y D =
1
(V ). Observese que C, D [a, b]. Consideremos una sucesion
x
n
C tal que x
n
x
0
, como [a, b] es cerrado, x
0
[a, b]. Ademas,
dado que es continua, se tiene que (x
n
) (x
0
). Se arma que
(x
0
) U.
De lo contrario, (x
0
) V , pero V es abierto y se tendra que (x
n
) V
lo cual es una contradiccion al hecho de que (U, V ) es desconexion. De esta
forma, hemos probado que C es cerrado. Un argumento similar prueba que D
es cerrado. Notese que C ,= ,= D, ya que
1
(x) C y
1
(y) D.
Tambien, tenemos que
C D =
1
(U)
1
(V ) =
1
(U V ) =
y
C D =
1
(U)
1
(V ) =
1
(U V ) =
1
(A) = [a, b],
es decir, [a, b] es inconexo, lo cual es una contradiccion que surge de suponer
que A es inconexo. Por tanto, A es conexo.
Cap
tulo 3
Limites y continuidad.
En la mayora de los problemas fsicos, sucede que una variable depende de
otras. Por ejemplo, el voltaje en una resistencia electrica, de acuerdo a la Ley
de Ohm, depende de la resistencia y corriente electrica, es decir,
V = RI.
Es por esta razon que se hace necesario el estudio de las funciones reales de
variable vectorial. Por otro lado, supongase que se desea estudiar el viento en
una region del planeta. Para esto, medimos la magnitud y direccion de la velo-
cidad del viento, donde esta ultima depende de la posicion de cada punto. As,
asociamos a cada punto P de una region, una y solo una velocidad. Una regla
como esta es un ejemplo de las llamadas funciones vectoriales de variable
vectorial. Tambien se les conoce con el nombre de campos vectoriales. En este
captulo, desarrollaremos la teora de lmites y continuidad para funciones que
toman valores en R
n
y cuya variable x es un punto de R
m
.
Denotamos por T(C, R
m
), donde C R
n
, al conjunto de funciones f, cuyo
dominio es el conjunto C (se dice que hay n variables) y f(x) R
m
, x C.
Se dice que la funcion f es real o vectorial seg un sea m = 1 o m 2. Si m 2 y
si f(x) = (y
1
, ...., y
m
), se llaman coordenadas o componentes de f a las funciones
reales f
i
: C R, donde f
i
(x) = y
i
, i 1, 2, ...., m.
Cuando una funcion de n variables esta expresada en forma analtica, esto es,
en una expresion de la forma
z = f(x
1
, ...., x
n
),
donde a cada vector (x
1
, ...., x
n
) se le asigna un valor z, se suele entender que el
campo de denicion o dominio de dicha funcion es el conjunto mas amplio de
puntos (x
1
, ..., x
n
) R para el que existe un valor para z.
61
62 3.0. Limites y continuidad.
Ejemplos
1. Sea f(x, y) =
ln(x,y)
1(x
2
+y
2
)
; Observese que la funcion ln esta bien
denida para todos los valores positivos; en consecuencia, se debe pedir que
x y y tengan el mismo signo. Ademas x
2
+y
2
debe ser menor estrictamente
que 1. Por lo tanto, el dominio para esta funcion tiene la forma
D(f) = (x, y) [ xy > 0, x
2
+y
2
< 1
(vease la Figura 3.1)
= D (f )
Figura 3.1: Dominio de la funcion f(x, y) =
ln(x, y)
_
1 (x
2
+y
2
)
2. Considerese la funcion g(x, y) = e
1
x
2
+y
2
Observese que la unica condicion que se les pide a las coordenadas (x, y)
es que x
2
+y
2
,= 0; esto sucede para todo (x, y) R
2
(0, 0). As,
D(g) = R
2
(0, 0)
El conjunto F(C, R
m
) es un espacio vectorial respecto de las operaciones
usuales de suma de funciones y de producto de un escalar R por una
funcion; esto es,
3. Limites y continuidad. 63
(f +g)(x) = f(x) +g(x) y (f)(x) = f(x).
Observe que para el caso particular m = 1, f(C, R
m
) resulta ser un campo
respecto de las operaciones usuales de suma y producto de funciones, a
saber,
(f +g)(x) = f(x) +g(x) y (fg)(x) = f(x)g(x),
donde ademas, se puede establecer una relacion de orden parcial dada por
f g f(x) g(x) para toda x C
Si 0 es la funcion nula, es decir, 0(x) = 0, para toda x C, entonces se
dice que una funcion f es positiva si P f y se dice que es negativa si
f P.
Diremos que f F(C, R
m
) es una funcion acotada si el conjunto f(C)
es acotado. Mas precisamente, f F(C, R
m
) es acotada, s existe M > 0
tal que |f(x)| M x C
3.1. Lmites
El concepto de lmite es uno de los mas importantes en el estudio del calculo y
el an alisis, quiza sea uno de los mas difciles de comprender. El lector estara fa-
miliarizado con el concepto de convergencia de sucesiones y con el concepto de
lmite para funciones reales de variable real.
Denicion 32 (condici on ). Sean f : C R
m
una funcion denida
en C R
n
y a C
.
Si x
n
nN
C a es una sucesion de puntos tal que x
n
a, se dice que
f tiende a L R
m
si f(x
n
) L.
Proposicion 3.1.1 Las deniciones (32) y (33) son equivalentes
Demostraci on. Supongamos que la condicion se satisface y sea
x
n
nN
C a una sucesion tal que x
n
a; entonces, dada > 0,
existe N N tal que |x
n
a| < si n > N. Como x
n
C a, se sigue
que |f(x
n
) L| < , para > 0 y n > N. Por lo tanto f(x
n
) L. Por
otra parte, si la condicion ( ) no se satisface, existe > 0 tal que para toda
> 0, existe x C a de tal forma que |x a| < y |f(x) L| .
64 3.1. Lmites
Luego, para cada n N, si =
1
n
, existe x
n
a tal que |x
n
a| <
1
n
y
|f(x
n
) L| esto es, x
n
a, pero f(x
n
) no converge a L.
Observese que la denicion 32 se puede reescribir de la siguiente forma:
Se dice que f tiende a L R
n
conforme x tiende a a, si dada > 0,
existe > 0 tal que si x B
(L) (donde
x B
(a) = B
(a) a.)
Otra observacion importante es la necesidad de que a sea un punto de acu-
mulacion de C. Si no fuera as, existira > 0 tal que x B
(a) C = , por lo
que se cumplria la condicion con cualquier L R
m
.
Ejemplos
1. Sea f(x, y) =
2x
2
(y + 1) +y
2
2x
2
+y
2
. Se arma que
lm
(x,y)0
2x
2
(y + 1) +y
2
2x
2
+y
2
= 1
En efecto, si (x, y) B
(2)
(0), donde B
(2)
(0) = x R
2
|x|
2
< , se tiene
que
2x
2
(y + 1) +y
2
2x
2
+y
2
1
2x
2
y
2x
2
+y
2
2x
2
2x
2
+y
2
[y[
[y[ (x
2
+y
2
)
1
2
< = .
2. Considerese la funcion g(x, y) =
x
2
y
x
2
y
, x
2
,= y El lmite de esta funcion
cuando (x, y) 0 no existe, ya que si se considera la sucesion
_
1
n
,
1
n
_
, n
N 1, obtenemos que g
_
1
n
,
1
n
_
=
1
n(1 n)
0
cuando n . Por otro lado si se toma la sucesion
_
1
n
,
1
n
1
n
2
_
=
n 1
n
1 cuando n .
3. Tomese la funci on h(x, y) =
x y
x +y
. Nuevamente, lm
x0
h(x) no existe, ya
que si consideramos las sucesiones
_
1
n
, 0
_
y
_
0,
1
n
_
, los valores lmite no
coinciden.
3. Limites y continuidad. 65
El lector habra notado la complejidad de la nocion de lmite. En el caso de
las funciones reales de variable real, podemos aproximarnos a un valor por 2
trayectorias. En el caso de funciones que involucran 2 o mas variables, tenemos
una innidad de formas para aproximarnos a un cierto punto. El siguiente re-
sultado muestra un criterio de convergencia analogo al criterio de Cauchy para
sucesiones.
Proposicion 3.1.2 Sean f : C R
n
R
m
y a C
C a
de tal forma que |x a| < y |x
)| <
Demostraci on. Si lm
xa
f(x) = L, entonces, dada > 0, existe
1
,
2
> 0
tales que si |x| a <
1
y |x
a| <
2
, donde x, x
C a, entonces
|f(x) L| < /2 y |f(x
) L| < /2
tomando = min
1
,
2
, se sigue que
|f(x) f(x
)| |f(x) L| +|f(x
) L| <
para x, x
(a). Por otro lado, si para toda > 0, existe > 0 tal que
si x, x
a| < implica
que |f(x) f(x
)
. Supongamos que lm
n
f(x
n
) = L y que lm
n
f(x
n
) = L
donde L ,= L
.
Observese que la sucesion x
1
, x
1
, x
2
, x
2
, .... converge a a, sin embargo, la su-
cesion f(x
1
), f(x
1
), f(x
2
), f(x
2
), ... no converge, lo cual es una contradiccion
por lo tanto, f(x
n
) L, para toda sucesion x
n
Ca tal que x
n
a
.
a) Se dice que f tiene lmite innito en a, si para M > 0, existe > 0 tal que
para todo x B
,
es claro que la funcion g = f[
D
tiene lmite en a, de hecho lm
xa
g(x) = L. Final-
mente si f : C R
n
R
m
, es una funcion de la forma f(x) = (f
1
(x), ..., f
n
(x)),
donde f
i
: C R
n
R, i 1, ..., n y L = (l
1
, ..., l
n
), entonces no es difcil ver
que
lm
xa
f(x) = L lm
xa
f(x) = l
i
La vericacion de los detalles se deja como ejercicio al lector. Por otra parte,
si existe una funcion : C R
n
R tal que (x) > 0 para toda x C y
lm
xa
(x) = 0 de tal forma que
|f(x) L| < (x),
para toda x B
x
3
x
2
+y
4
y
7
x
2
+y
4
[x[
x
2
x
2
+y
4
+[y[
3
y
4
x
2
+y
4
[x[ +[y[
3
.
Luego deniendo (x, y) = [x[ +[y[
3
, por la observacion anterior, se sigue
que lm
x0
f(x) = 0.
b) Sea g(x, y) =
x
a+1
y
b+1
x
2
+y
2
xy
, donde a, b > 0. Demostraremos que un vector
(x, y) R
2
, tiene una representacion en coordenadas polares de la forma
(rcos, rsen). De esta forma sustituyendo lo valores de x y y, se tiene
que
[g(x, y)[ =
x
a
y
b
r
2
cossen
r
2
r
2
sencos
x
a
y
b
cossen
1
sen2
2
<
x
a
y
b
0
si (x, y) (0, 0).
Hemos visto que si lm
x a
f(x) = L B C y a D
, entonces lm
xa
g(x) = L,
donde g = f[
D
.
Pues bien, respondiendo a este hecho, se dice que f tiene lmite L en a seg un la
direccion de la recta / (o que f tiene lmite direccional en a seg un la recta /) si
a / y lm
xa
g(x) = L, donde g = f[
L
. Diremos unicamente que f tiene lmite
direccional L en a, si f tiene lmite en a seg un la recta / para toda recta / que
contenga a a y lm
x0
f[
L
(x) = L para toda /.
Ya se demostro que si f tiene lmite en a, entonces para cualquier trayectoria
que contiene a a, en particular para las rectas / que pasan por a, el lmite
existe. Sin embargo, tenemos ejemplos donde el lmite direccional existe pero el
lmite de f en a no.
68 3.1. Lmites
Ejemplos
1. Sea f(x, y) =
xy +y
3
x
3
y
2
. Se arma que el lmite direccional de f en (0, 0)
existe. Para ver esto, sea y = mx, luego
f(x, mx) =
mx
2
+m
3
x
3
x
2
m
2
x
2
= m
_
1 +m
2
x
1 m
2
_
.
Tomando x 0, se sigue que f(x, y)
m
1 m
2
, [m[ , = 1, esto es,
el lmite direccional depende de la pendiente de la recta que se tome. En
consecuencia, f no tiene lmite direccional en a
2. Defnase g(x, y) =
x
3
x
2
y
. Si y = mx, entonces
g(x, mx) =
m
3
x
3
x
2
mx
=
m
3
x
2
x m
0, x 0
es decir, g tiene lmite direccional en 0. Sin embargo, g no tiene lmite en
0 ya que, si y = x
2
x
3
, se sigue que
g(x, x
2
x
3
) =
x
3
x
3
= 1 1 si x 0
.
La siguiente proposicion extiende algunas propiedades de lmites de funciones
reales de variable real para el caso de funciones reales de variable vectorial.
Proposicion 3.1.3 Sean f,g y h tres funciones denidas en un mismo conjunto
C R
n
y a c
. Supongase que lm
xa
f(x) = L y lm
xa
g(x) = M, para alg un
par de valores L, M R. Sean K R y B
(a) = B
(a).
b) L M si y solamente si, f(x) < g(x) para cualquier x C B
(a).
c) Si L = M y f(x) g(x) g(x) para toda x C B
(a), entonces
lm
xa
h(x) = L
Demostraci on.
a) Sea = L K > 0. Como lm
xa
f(x) = L, entonces existe > 0 tal que
para toda x C B
(a),
para alguna > 0, se sigue que
K L < f(x) L
Tomando el lmite en ambos lados cuando x a, obtenemos que
K L < 0,
esto es, K < L.
b) Supongamos que L < M y sea =
1
2
(M L). Entonces existe > 0 tal
que si x B
(L) y g(x) B
(M) es decir,
[f(x) L[ < y [g(x) M[ <
de donde se obtiene que
f(x) <
1
2
(M +L) < g(x)
Por tanto, f(x) < g(x) para toda x B
(a) Tomese
0
> 0 tal que para toda x B
0
(a), f(x) h(x) g(x).
Si = m
in ,
0
es claro que para toda x B
(a)
L lm
xa
h(x) M = L,
de donde se concluye que lm
xa
h(x) = L.
.
a) Si lm
xa
f(x) = 0 y para toda x C B
_
1 si y > 0
0 si y = 0
1 si y < 0
Observe que los lmites reiterados no coinciden en (0, 0) , ya que, por un
lado,
lm
y0
+
g(x, y) = lm
y0
+
= x
y lm
y0
g(x, y) = lm
y0
= x
Luego, lm
x0
( lm
y0
g(x, y)) no existe; por otra parte , lm
x0
g(x, y) = 0 de
donde se sigue que lm
y0
( lm
x0
g(x, y)) = 0. Ahora, notese que
[g(x, y)[ = [x[ 0 cuando x 0 , por lo que el lmite existe.
3. La funcion f(x, y) =
xy
x
2
+y
2
tiene lmites reiterados iguales en (0, 0),
sin embargo no tiene lmite en (0, 0) (se le recomienda al lector vericar
los detalles).
4. Sea h(x, y) = xsen
_
1
y
_
, donde x R
+
0 y y R
+
. Notese
que lm
y0
_
lm
x0
sen
_
1
y
__
= 0 pero lm
x0
_
lm
y0
sen
_
1
y
__
no existe.
Para ver esto, tomese las sucesiones y
n
=
2
(2n 1)
y y
n
=
4
(8n + 1)
.
Sin embargo, como
xsen
1
y
= [x[[sen
1
y
[ [x[
_
x
2
+y
2
<
siempre que
_
x
2
+ y
2
< = , se sigue que
lm
(x,y)(0,0)
h(x, y) = 0
El siguiente resultado relaciona los conceptos de lmite y lmite reiterado.
Teorema 3.1.5 Sean f : C R
2
R
m
y a = (x
0
, y
0
) C
o
.
Si lm
xa
f(x) = L y si para cada y B
(y
0
), > 0, lm
xx0
f(x, y) existe,
entonces el lmite reiterado
lm
yy0
_
lm
xx0
f(x, y)
_
existe y es igual a L.
72 3.1. Lmites
Demostraci on. Dado > 0 , como L es el lmite de f en a , existe > 0
tal que si |x a| < entonces |f(x) L| <
2
. Sea U
= B
(y
0
) la bola
perforada de la que habla el enunciado. Luego por hipotesis, existe una funcion
(y) tal que (y) = lm
xx0
f(x) para y U
. As para todo y U
tal que [y y
0
[ < si x B
(x
0
) donde
= m
in,
y
se tiene que:
|(y) L| |(y) f(x, y)| + |f(x, y) L| <
por lo tanto lm
yy0
(y) = L como se quera probar.
n
=
1
n
, n N, hemos encontrado una sucesion en D para la cual f (x
n
)
no converge a b. As, si lm
x a
f (x) = b, entonces lm
n
f (x
n
) = b, si
x
n
a.
, entonces
1. lm
x a
f (x) + g (x) = b + c,
2. lm
x a
(f (x) g (x)) = b c,
3. Si c ,= 0, entonces lm
x a
f (x)
g (x)
=
b
c
.
La vericacion de los detalles se le dejan al lector.
3.2. Funciones continuas
En este captulo estudiaremos las funciones continuas en espacios metricos en
general, analizando ejemplos de funciones en R
n
. Basicamente, la continuidad
de una funcion x f (x) signica que incrementos peque nos en la variable
x, implica peque nos en el valor de f (x). Las propiedades de lmites estudiadas
en la seccion anterior, conducen de manera natural a propiedades analogas para
las funciones continuas. Ademas, existen otras propiedades importantes, que se
reeren a la continuidad global.
Denicion 36 Sean (X, d) y (Y, ) espacios metricos. Se dice que una funci on
f : X
(a), de tal
forma que
f
_
B
X
(a)
_
B
Y
(f (a)).
74 3.2. Funciones continuas
Si f no es continua en a, decimos que f es discontinua en a, o que tiene
una discontinuidad en a. Observese que la denicion de continuidad es local, es
decir, esta denida sobre cada punto de X. Si f es continua en a, para todo
punto a A X decimos que f es continua en A. Si f es continua en X,
decimos simplemente que f es continua.
a
f (a)
f (B
(a))
f
Figura 3.3: Continuidad de f en a
No es difcil demostrar (se deja como ejercicio al lector), que la denicion 36
se puede reescribir de la siguiente forma:
f es continua en x si y solo si dada > 0, existe > 0 tal que se cumple
que B
(x) f
1
(B
(f (x))).
Esta caracterizacion arma que f es continua en x si y solo si para toda > 0,
f
1
B
, 7 ,= 5 = f (1, 3).
3. Considerese la funcion f dada por
f (x, y) =
_
_
_
y
x
si x ,= 0
0 si x = 0.
Esta funcion no es continua en (0, y
0
), y
0
R ya que lm
(x,y) (0,y0
f (x, y)
no existe; una forma de vericar esta armacion es notar que
lm
x 0
_
lm
y y0
f (x, y)
_
= lm
x 0
y
0
x
no existe. De esta forma, la funcion es discontinua a lo largo de la recta
x = 0.
4. Hay que ser cuidadosos al discutir la continuidad de una funcion
f : X Y en un subconjunto de X. Si A X hay que distin-
guir entre decir que f es continua en A y considerar la restriccion de f
a A y armar que f[
A
es continua con la metrica d[
A
. En el primer caso,
76 3.2. Funciones continuas
el dominio de la funcion es X y estamos diciendo que en todos los puntos
de A se satisface la denicion con la metrica d. En el segundo caso, la
funcion f[
A
est a denida sobre el espacio / = (A
, d[
A
).
La primera armacion implica la segunda. Para vericar esto, conside-
rando un punto x A y > 0, entonces para alg un valor > 0,
f (B
X
(x)) B
Y
(x) es A B
X
(x)) f (B
X
(x)) B
Y
(f (x)) = B
Y
(f[
A
(x)).
La otra implicacion es falsa, ya que la funcion f : R R, dada por
f (x) =
_
_
_
0 si x I
1 si x Q,
es discontinua en todo punto de R. Sin embargo, las funciones f[
Q
y f[
I
son funciones constantes y, por lo tanto, continuas.
En resumen, la continuidad de f[
A
en X solo toma en cuenta el com-
portamiento de la funcion f en puntos del conjunto A, mientras que la
continuidad de f en x A tambien toma en cuenta el comportamiento
de f en puntos fuera de A.
El siguiente resultado establece la relacion entre lmites y continuidad.
Teorema 3.2.1 Sean f : X Y y x X. f es continua en X si y solo
si se cumple una de las siguientes condiciones.
a) x es punto aislado de X.
b) x es punto de acumulacion de X y lm
y x
f (y) = f (x).
Demostraci on. La demostracion de que f sea continua implica una de las
armaciones a) o b), se deja como ejercicio par el lector. Si x X es un punto
aislado, entonces para alguna > 0, B
X
(x) = x y
f (B
X
(x)) = f (x) B
Y
(f (x))
para toda > 0. Si x es un punto de acumulacion, el resultado es inmediato
comparando las deniciones de lmite y continuidad.
nN
X tal que x
n
x se tiene que la sucesion
f (x
n
)
nN
Y converge a f (x).
3. Limites y continuidad. 77
Demostraci on. Si x es un punto aislado, consideramos la sucesion constante
x
n
= x (ya que es la unica sucesion de puntos de X que tiene lmite en X).
Si x es un punto de acumulacion, por el Teorema 3.2.1 se sigue el resultado.
nN
fue una sucesion arbitraria, se sigue el resultado.
El siguiente resultado establece la relacion entre continuidad y conectabilidad
por trayectorias.
Corolario 3.2.4 Sean X y Y espacios metricos, f : X Y una funcion
continua y supongase que X es conectable por trayectorias, entonces f (X) es
conectable por trayectorias.
Demostraci on. Si f (x), f (y) f (X), considerese la trayectoria : x y.
Luego, por el Teorema 3.2.3, la funcion f es una trayectoria que une f (x)
con f (y).
k
(z
1
, ...., z
n
) = z
k
(proyeccion sobre la k-esima coordenada) y supongamos que F es continua en
x. Notese que
k
F = f
k
. Se arma que
k
es continua en R
n
. En efecto
observese que
[
k
(z)
k
(w) [ = [z
k
w
k
[ |z
k
w
k
|
2
< = .
Por el teorema 3.2.3, se sigue que f
k
es continua. Ahora, si f
k
es continua
en x X, dado > 0, existe un
k
> 0 tal que si d (x, y) <
k
, entonces
[f
k
(x) f
k
(y)[ < /n. Tomando = min
1
, ...,
n
, si d (x, y) < , se
tiene que
| F (x) F(y) |
2
=
_
n
k=1
[f
k
(x) f
k
(y)[
2
_1
2
de donde se concluye que F es continua en x
i=0
d
i
donde d
i
es la metrica del espacio X
i
, i N.
Como ya hemos visto anteriormente, la topologa de un espacio queda de-
terminado por la descripcion de sus conjuntos abiertos o sus cerrados, por el
interior o la cerradura de sus conjuntos, etcetera. De la misma forma, la conti-
nuidad puede caracterizarse utilizando estos conceptos.
3. Limites y continuidad. 79
Teorema 3.2.7 Sean X y Y espacios metricos y f : X Y una funcion.
Las siguientes armaciones son equivalentes
a) f es continua
b) Para todo abierto A en Y , f
1
(A) es abierto en X.
c) Para todo subconjunto A de Y, f
1
(A
o
) (f
1
(A))
.
c) d) Sea C X, por c),
f
1
((Y f(C))
) (f
1
(Y f(C)))
.
Por otro lado, notese que para un espacio metrico X, se satisface que
X A = (X A)
para todo A X
(Se deja como ejercicio al lector). As, resulta que:
X f
1
(f(C)) = f
1
(Y f(C)) = f
1
((Y f(C))
)
(f
1
(Y f(C)))
= (X f
1
(f(C)))
= X f
1
(f(C)).
Tambien, notese que C f
1
(f(C)), de donde se sigue que
C f
1
(f(C)). Se puede vericar que si X es un espacio metrico,
C = X (X C)
, C X.
De esta forma
f
1
(f(C)) = X (X f
1
(f(C)))
= X (f
1
(Y f(C)))
;
80 3.2. Funciones continuas
como f cumple con c), se sigue que
f
1
((Y f(C))
) (f
1
(Y f(C)))
,
luego
X (f
1
(Y f(C)))
X f
1
((Y f(C))
)
= X f
1
(Y f(C))
= f
1
(f(C)),
de donde se concluye que
C f
1
(f(C)).
Aplicando f a ambos extremos, obtenemos
f(C) f[f
1
(f(C))] (f(C))
.
d) e) Sea C cerrado en Y . Dado que se cumple d) y ya que f(f
1
(C)) C,
se sigue que
f(f
1
(C)) f (f
1
(C)) C = C.
Tomando imagenes inversas, tenemos que f
1
(f(f
1
(C))) f
1
(C),
pero f
1
(C) f
1
(f(f
1
(C))) por lo que f
1
(C) f
1
(C). Por lo
tanto f
1
(C) = f
1
(C) es cerrado.
e) a) Sean x X y V una vecindad de f (x) en Y . Supongamos que V es
abierto. Por e) se tiene que f
1
(Y V ) = X f
1
(V ) es cerrado,
debido a que Y V es cerrado- Luego, f
1
(V ) es abierto y como contiene
a x, es vecindad abierta de x X. En consecuencia, f es continua en
x y por ser este ultimo arbitrario, se tiene el resultado
= f
1
(V
i
) : i J
es una cubierta abierta de K en X y como K es compacto existen
f
1
(V
i
)....f
1
(V
im
) (
tales que K f
1
(V
i1
) ... f
1
(V
im
). Luego
f(K) V
i1
... V
im
,
por lo que f (K) es compacto.
Ejemplos
1. Sea f : R
n
R
m
continua. Se arma que el conjunto
S = x R
n
[ |f(x)| < 1,
es abierto. Para ver esto, basta con observar que el conjunto S es igual
al conjunto dado por
f
1
(y R
m
[|y| < 1) ,
que es la imagen inversa de un abierto. Como f es continua, S es abierto.
2. Notese que si f es una funcion continua de la forma f : X Y y
U X es abierto, f(U) no necesariamente es abierto. A saber, tomese
la funcion f : R [0, 1] dada por
f(x) =
_
_
0 si x 0
x si x (0, 1)
1 si x 0,
Si se considera U = (7, 2), f(U) = [0, 1] que es un conjunto cerrado.
A las funciones que satisfacen que mandan abiertos en abiertos, las llama-
remos aplicaciones propias.
3. Si f : X Y es continua y K Y es compacto, no se cumple en
general que f
1
(K) sea compacto en X. A saber, si se toma f : R R
dada por f(x) = 1, para toda x R, K = 1 es compacto, pero
f
1
(1) = R no lo es. Si K es conexo, tampoco se puede asegurar que
f
1
(K) sea conexo en X. Para ver esto, tomese f(x) = x
2
y K = 1.
Luego f
1
(K) = 1, 1 que claramente no es conexo.
82 3.2. Funciones continuas
Para funciones reales de variable real, se sabe que una funcion continua
no necesariamente tiene un maximo ni un mnimo absoluto. Sin embargo, si
tenemos una funcion continua denida sobre un intervalo cerrado, dicha funcion
alcanza su maximo y su mnimo. Para el caso de funciones reales de variable
vectorial, tenemos un resultado similar.
Proposicion 3.2.10 Si C R
n
es un conjunto compacto y f : C R
es una funcion continua en C, entonces existen puntos x
0
, x
1
C tales que
f (x
0
) f (x) f (x
1
) para toda x C, esto es, f alcanza su maximo y su
mnimo en C.
Demostraci on. Por el Teorema 3.2.9 se sigue que f (C) es compacto, por
el Teorema 2.4.5, se sigue que este conjunto es cerrado y acotado, por lo que
existen valores , R tales que = sup f (C) y = nf f (C). De-
mostraremos que , f (C). Vericamos que f (C), el caso de se
demuestra de manera analoga. Consideremos la coleccion de intervalos de la
forma
_
1
n
,
Notese que este resultado arma que f no solo establece una biyeccion
entre los puntos de X y de Y , sino tambien establece una equivalencia entre
los abiertos (respectivamente, cerrados) de uno y otro espacio. En general, una
funcion continua y biyectiva, no necesariamente dene un homeomorsmo. A
saber, la funcion f : [0, 1) S
1
, dada por
f (t) = (cos 2 t, sin 2 t),
es continua y biyectiva, pero no es un homeomorsmo (ejercicio).
3.3. Continuidad uniforme
Nuestra denicion de continuidad de una funcion f en un punto x
0
, esta-
blece una propiedad local, es decir, es una propiedad que depende de lo valores
que toma f en una vecindad de x
0
sucientemente peque na. Se dice que una
funcion es continua sobre un conjunto C si es continua en todo punto de dicho
84 3.3. Continuidad uniforme
conjunto. De esta forma, para cada punto x
0
C encontraremos un modulo
de continuidad , el cual vara dependiendo del punto x
0
. Sin embargo, exis-
ten funciones para las cuales, el modulo de continuidad no depende del punto
x
0
C. A este tipo de funciones las llamaremos uniformemente continuas.
Denicion 39 Sean (X, d) y (Y, d
(x)) B
(x)) = f ((, 3 )) =
_
1
3
,
1
_
, B
1
_
1
2
_
.
Una funcion f : C X Y , donde (X, d) y (Y, d
) son espacios
metricos, no es uniformemente continua en un conjunto C, si se verican
una de las siguientes dos condiciones:
a) Existe un valor > 0 tal que para cada > 0, existen puntos
x, x
) < , pero d
(f (x), f (x
)) > .
b) Existen > 0 y dos sucesiones x
n
y x
n
en C, tales que
lm
n
d (x
n
, x
n
) = 0,
pero d
(f (x
n
), f (x
n
)) > , donde n N.
3. Limites y continuidad. 85
2. Tomando la funcion f del ejemplo anterior denida en el conjunto [a, ),
donde a > 0, resulta ser una funcion uniformemente continua. Para ver
esto, notese que, para x, y [a, ) arbitrarios,
1
x
<
1
a
y
1
y
<
1
a
.
Luego, para toda > 0, tomando = a
2
y [x y[ < , se tiene que
[f (x) f (y)[ =
1
x
1
y
y x
xy
<
[y x[
a
2
<
a
2
a
2
= .
Como el valor no depende de la eleccion del punto, se sigue que la
funcion es uniformemente continua.
3. Sea g : (a, b) R una funcion diferenciable tal que [g
(x)[ M, para
toda x (a, b). Se arma que g es uniformemente continua. En efecto,
por el teorema del valor medio, si x, y (a, b) de tal forma que x < y,
entonces existe un punto x
0
[x, y] de tal modo que se cumple que
g (y) g (x) = g
(x
0
) (y x).
Por tanto, obtenemos que
[g (y) g (x)[ M[y x[.
As, para cada > 0 denimos =
M
y si [y x[ < , se sigue que
[g (x) g (y)[ < , quedando demostrada la armacion.
4. Sea h(x) = sin x, donde x R. Como [h
n
, 0
_
y x
n
=
_
0,
1
n+2
_
. Es
claro que d (x
n
, x
n
) 0 cuando n , sin embargo
[f (x
n
) f (x
n
)[ = [n (n + 2)[ = 2 > 1.
El siguiente resultado establece una condicion suciente para la continuidad
uniforme para funciones denidas en R
n
.
86 3.4. Continuidad uniforme
Denicion 40 Sea f : C R
n
R
m
. Se dice que f es una funcion de
Lipschitz en C, si existe una constante k > 0 (constante de Lipschitz para f)
tal que para cualesquiera x, y C, se satisface que
[[f (x) f (y)[[ k [[x y[[.
Proposicion 3.3.1 Sea una funcion f : C R
n
R
m
una funcion de
Lipschitz en C. Entonces f es uniformemente continua en C.
Demostraci on. Sea k > 0 la constante de Lipschitz para f. Dado > 0,
denimos =
k
y tomando x, y C tal que [[x y[[ < , obtenemos que
[[f (x) f (y)[[ k [[x y[[ < .
x
> 0 tal que
f (B
x
(x)) B
2
(f (x)).
Por otra parte, la coleccion de conjuntos B
x
x X
es una cubierta de X. Dado
que X es un conjunto compacto, entonces X es secuencialmente compacto, por
lo que, aplicando el Lema 2.4.6, existe un valor > 0 tal que para cada x X,
B
(x) B
y
0
(y
0
),
para alguna y
0
X. Notese que el n umero no depende de x, sino de la
cubierta. De esta forma, si z B
(x), entonces z B
y
0
(y
0
), por lo que
d
(f (z), f (x)) d
(f (z), f (y
0
)) + d
(f (y
0
), f (x)) <
2
+
2
= .
Por tanto, f (B
(x)) B
(f (x)).
3. Limites y continuidad. 87
3.4. Espacios vectoriales normados dimensional-
mente nitos
En el captulo anterior, vimos que para R
n
se pueden denir diferentes funciones
que resultan ser normas. Tambien vimos que estas normas son equivalentes, es
decir, la estructura topologica de R
n
es la misma. En general, una norma sobre
un espacio vectorial dimensionalmente nito depende de la eleccion de la base.
En esta seccion analizaremos la equivalencia entre diferentes normas en espacios
vectoriales dimensionalmente nitos.
Sea V un espacio vectorial y sean [[[[ y [[[[
), si existen
valores a, b > 0 tales que, para toda v V ,
a [[v[[
[[v[[ b [[v[[
.
Recordemos que una norma induce una metrica, a saber, para cualesquiera
v, w V , denimos la funcion d : V V R
+
0 como
d (v, w) = [[v w[[.
Gracias a la teora de sucesiones que desarrollamos en el captulo anterior para
espacios metricos y las propiedades de funciones continuas, observamos que la
funcion [[ [[ : V R
+
0 es continua. Esto se sigue ya que, si v
n
v
en V , entonces por la desigualdad del triangulo para la norma, se sigue que
[[[v
n
[[ [[v[[[ [[v
n
v[[ < ,
para n sucientemente grande. As, [[v
n
[[ [[v[[, de donde se concluye que
[[ [[ es continua.
El siguiente resultado muestra que en un espacio vectorial con dos normas
equivalentes, las propiedades de espacio metrico son las mismas.
Proposicion 3.4.1 Sean V un espacio vectorial, [[ [[ y [[ [[
normas sobre V
y d y d
), entonces v
n
con-
verge a v en el espacio metrico (V, d).
b) Si v
n
es de Cauchy en el espacio metrico (V, d
), entonces v
n
es de
Cauchy en el espacio metrico (V, d).
Demostraci on. Demostraremos a), dejando la demostracion de la otra ar-
maci on como ejercicio para el lector. Sea > 0. Entonces, existe N N tal
que [[v
n
v[[
<
K
, si n N. As, si n N, se tiene que
[[v
n
v[[ K[[v
n
v[[
< .
Por tanto, v
n
converge a v en (V, d).
normas equivalentes
sobre V , d y d
), si y solo si v
n
converge
a v en el espacio metrico (V, d).
b) v
n
es de Cauchy en el espacio metrico (V, d
), si y solo si v
n
es de
Cauchy en el espacio metrico (V, d).
c) (V, d) es completo si y solo si (V, d
) es completo.
Demostraci on. Demostraremos a) y c), dejando b) como ejercicio. Como
[[ [[ [[ [[
M[[v[[,
para toda v V .
De esta forma, dado que [[v[[
). Por b), v
n
es de Cauchy en (V, d) y,
por tanto, convergente. Por a), se sigue que v
n
es convergente en (V, d
), de
donde se concluye que (V, d
: V R
+
0 dada
por
[[v[[
=
_
_
_
_
_
n
i =1
i
v
i
_
_
_
_
_
=
_
n
i =1
[
i
[
2
_1
2
,
es una norma (ejercicio), donde
i
R (o en C) son los escalares que expresan
a v en terminos de la base . Esto muestra que V tiene al menos una norma.
El siguiente resultado muestra que cualquier otra norma sobre V es equivalente
a esta norma.
Teorema 3.4.3 Sean V un espacio vectorial dimensionalmente nito sobre R
(o C), = v
1
, ..., v
n
una base para V y [[ [[ una norma denida en V .
Entonces, [[ [[ [[ [[
.
Demostraci on. Sea
M =
_
n
i =1
[[v
i
[[
2
_1
2
.
3. Limites y continuidad. 89
Como es una base, se sigue que M > 0. Luego
_
_
_
_
_
n
i =1
i
v
i
_
_
_
_
_
n
i =1
[[
i
v
i
[[
=
n
i =1
[
i
[ [[v
i
[[
_
n
i =1
[
i
[
2
_1
2
_
n
i =1
[[v
i
[[
2
_1
2
= M
_
_
_
_
_
n
i =1
i
v
i
_
_
_
_
_
.
Ahora, sea f : R
n
R (se puede sustituir R por C), denida como
f (
1
, ...,
n
) =
_
_
_
_
_
n
i =1
i
v
i
_
_
_
_
_
.
Notese que esta funcion es continua. Por otra parte, el conjunto
S = (
,
...,
n
) R
n
[
n
i =1
[
i
[
2
= 1,
es compacto, por lo que, por la Proposicion 3.2.10, existe un punto
(
1
, ...,
n
) S
tal que
m = f (
1
, ...,
n
) f (
1
, ...,
n
),
para todo (
1
, ...,
n
) S. Si m = 0, entonces
_
_
_
_
_
n
i =1
i
v
i
_
_
_
_
_
= 0,
de donde se concluye que
n
i =1
i
v
i
= 0,
lo cual es una contradiccion al hecho de que es una base. Por tanto, m > 0.
Ademas, por la denicion de [[ [[
, si [[v[[
_
_
_
= 1, se obtiene que
_
_
_
x
||x||
_
_
_ m, de donde se
concluye que
[[x[[ m[[x[[
,
90 3.4. Espacios vectoriales normados dimensionalmente finitos
quedando demostrado el teorema.
i =1
i
v
i
, entonces
v (
1
, ...,
n
).
Como R
n
es completo, se sigue que V tambien lo es, ya que una sucesion de
Cauchy en V dene una sucesion de Cauchy en R
n
y, por tanto, esta ultima
sera una sucesion convergente a un vector (x
1
, ..., x
n
) R
n
. Luego, este vector
determina un elemento v
0
V . De esta forma, hemos demostrado que todo
espacio vectorial dimensionalmente nito, normado, es completo.
Resulta interesante vericar el concepto de continuidad para transformacio-
nes lineales. Para esto, denimos el concepto de transformacion acotada.
Denicion 41 Sea T : V W una transformacion lineal, donde V y W
son normados. Se dice que T es acotada si existe c R
+
tal que para todo
v V, |T(v)|
W
| v|
V
.
Teorema 3.4.5 Sea T : V W una transformacion lineal, donde V, W son
espacios normados. Entonces las siguientes armaciones son equivalentes
a) T es acotada.
b) T es continua.
c) T es continua en v
0
V.
Demostraci on. Supongamos que T es acotada; entonces, existe c R
+
tal
que, para toda v V, |T(v)|
W
|v|
V
, As, para cualquier v
0
V y > 0,
tomando =
c
se tiene que
|T(v) T(v
0
)|
W
= |T(v v
0
)|
W
c|v v
0
|
V
< c
si |v v
0
|
V
< . Por lo tanto a) implica b).
Por otra parte, b) implica c) trivialmente, por lo que demostramos c) implica
3. Limites y continuidad. 91
a). Supongamos que T es continua en v
0
. Tomando = 1, existe > 0 tal
que si
|v v
0
|
V
< ,
entonces |T(v) T(v
0
)|
W
< 1. Escribiendo A = v v
0
, se obtiene que,
si |A|
V
< , entonces |T(A)|
W
< 1 (T es lineal). Ahora, consideremos
w V 0 y denimos v = v
0
+
2w
V
w; luego,
A = v v
0
=
w
2|w|
V
,
donde |A|
V
=
2
< . As,
|T(A)|
W
= |T
_
2
w
|w|
V
_
|
W
=
2|w|
V
|T(w)|
W
< 1,
de donde se concluye que
|T(w)|
W
<
2
|w|
V
= c|w|
V
como se quera demostrar.
Cap
tulo 4
Diferenciacion.
4.1. Funciones vectoriales de variable escalar.
Recordemos que en el calculo de funciones de variable real, la derivada de una
funcion f, se dene como la funcion que denotaremos por f
, cuya regla de
correspondencia queda determinada por
f
(x
0
) = lm
h0
f(x
0
+h) f(x
0
)
h
y cuyo conjunto de denicion es la coleccion de todos los valores para los que el
lmite existe.
Por otra parte, al considerar una funcion vectorial de variable real, estamos
pensando en la representacion graca del movimiento de una partcula al tiempo
t
0
en R
3
, por ejemplo. Es decir, una funcion F : R R
n
representa la
posicion de un vector (x
1
(t), ..., x
n
(t)) R
n
, dependiendo del parametro t.
Veamos que si F : R R
n
es una funcion vectorial de variable real, la
derivada se dene de manera similar al caso real.
Denicion 42 Sea F : A R R
n
, una funcion vectorial de variable real.
Se dice que F es diferenciable en t
0
A si
lm
h0
F(t
0
+ h) F(t
0
)
h
,
existe. En este caso, lo denotaremos por F
(t
0
) y le llamaremos la derivada de
F en t
0
. Diremos unicamente que F es diferenciable, si F es diferenciable en
t
0
, para toda t
0
A.
No es difcil ver (Ejercicio) que si se tiene una sucesion x
m
mN
R
n
, de
tal forma que x
m
x R
m
, donde
x
m
=
_
x
(1)
m
, ..., x
(n)
m
_
y x =
_
x
(1)
, ..., x
(n)
_
entonces x
(i)
m
x
i
, i 1, ..., u. La implicacion inversa tambien es cierta.
De esta forma, tenemos el siguiente resultado.
93
94 4.1. Funciones vectoriales de variable escalar.
Teorema 4.1.1 Si F = (f
1
, ..., f
n
), donde las funciones f
i
: A R
R, i 1, ..., n, son diferenciables en un punto t
0
A, entonces F es
diferenciable en t
0
y
F
(t
0
) = (f
(t
0
), ..., f
n
(t
0
)).
Demostraci on. Por la observacion anterior se tiene que
lm
h0
F(t
0
+h) F(t
0
)
h
existe si y solo si
lm
h0
f
i
(t
0
+h) f
i
(t
0
)
h
, i 1, ..., n
existe. Por hipotesis, f
i
es diferenciable en t
0
A. As,
lm
h0
F(t
0
+ h) F(t
0
)
h
= lm
h0
_
f
1
(t
0
+ h) f(t
0
)
h
, ...,
fn (t
0
+ h) f(t
0
)
h
_
=
_
lm
h0
f
1
(t
0
+ h) f(t
0
)
h
, ....., lm
h0
fn (t
0
+ h) f(t
0
)
h
_
=
_
f
1
(t
0
), ....., f
n
(t
0
)
_
Ejemplos
a) Sea F(t) = (cos t, sent) t R. Las funciones cos t y sent son diferen-
ciables en todo R, as
F
(t) = (e
t
, e
t
(cos t sent), e
t
(sent + cos t)).
De hecho, notese que si F(t) = (f
1
(t), ....., f
n
(t)) es diferenciable en un
punto t
0
A, entonces
lm
h0
F(t
0
+ h) F(t
0
)
h
existe. Ademas, este lmite existe si y solo si
4. Diferenciaci on. 95
lm
h0
f
i
(t
0
+ h) f
i
(t
0
)
h
, i 1, ...., n
existe, de donde se sigue que f
i
: A R R es diferenciable, para cada
i 1, ....., n. Geometricamente, una funcion F : A R R
n
dene una
curva ( en R
n
. Si t
0
, t
0
+ h T(F), donde h ,= 0, entonces el vector
1
h
(F( t
0
+ h) F(t
0
)) = F
(t
0
)
tiene la misma direccion que el vector F(t
0
+ h) F(t
0
). Cuando h 0,
F
(t
0
) se aproxima a un vector que cae en la recta tangente a la curva ( en
F(t
0
) (Vease la Figura 4.1)
F(t
0
)
F
(
t
0)
F(t
0
+ h)
F
(
t
0
+
h
)
F
(
t
0
)
Figura 4.1: Vector tangente
Denicion 43 Si ( es una curva descrita por la funcion
F : A R R
n
diferenciable en t
0
y F
(t
0
) ,= 0, entonces llamaremos a F
(t
0
) vector tan-
gente a la curva ( en el punto F(t
0
) y a la recta
/ = F(t
0
) + aF
(t
0
)[a R
se le conoce como recta tangente a la curva ( en F(t
0
).
Esta denicion de recta tangente a una curva extiende el concepto de recta
tangente a la graca de una funcion real de variable real. En efecto, para una
funcion f : A R R diferenciable en un punto t
0
A, los puntos en su
graca quedan descritos por coordenadas de la forma (t, f(t)), donde t A.
As, denimos una funcion F : A R R
2
dada por F(t) = (t, f(t)), la
cual es diferenciable en t
0
y
96 4.1. Funciones vectoriales de variable escalar.
F
(t
0
) = (1, f
(t
0
)),
por lo que la recta tangente a la curva en F(t
0
) queda descrita por el conjunto
F(t
0
) + aF
(t
0
)[ a R = (t
0
+a, f(t
0
) + af
(t
0
))[ a R
Notese que la pendiente de esta recta es f
(t
0
). Esto se sigue ya que los
puntos (x, y) en la recta quedan descritos por las ecuaciones parametricas
x = t
0
+ a (4.1)
y = f(t
0
) + af
(t
0
) (4.2)
donde a R. Despejando el parametro a en la ecuacion (4.1) y sustituyendo
en (4.2), obtenemos que
y = f(t
0
) + f
(t
0
) (x t
0
),
que es la ecuacion rectangular de una recta con pendiente f
(t
0
).
Por otro lado, sabemos que si una funcion f : A R R es diferenciable
en A, entonces es continua en A. As, por el teorema 4.1.1 y la denicion de
diferenciabilidad, se tiene el siguiente resultado.
Proposicion 4.1.2 Si la funcion F : A R R
n
es diferenciable en A,
entonces F es continua en A.
Otra forma para denotar la derivada de una funcion F : A R R
n
en
un punto t
0
es
dF
dt
(t
0
). Al igual que en calculo real de variable real, existen
reglas para la derivada de una suma y productos por escalares.
Proposicion 4.1.3 Sean F, G : A R R
n
y f : A R R
funciones diferenciables sobre A. Entonces FG, F G, fF son diferenciables
sobre A, donde
a)
d(F G)
dt
=
dF
dt
dG
t
b)
d(F G)
dt
= F
d G
dt
+ G
dF
dt
c)
d(fF)
dt
= f
_
dF
dt
_
+
df
dt
(F)
d) Ademas, si n = 3, F G es diferenciable y
d(F G)
dt
=
_
F
d G
dt
_
+
_
dF
dt
G
_
4. Diferenciaci on. 97
Demostraci on. Probaremos b) y d), dejando la demostracion de los demas
incisos como ejercicio para el lector. Si
F(t) = (f
1
(t), ....., f
n
(t)) y G(t) = g
1
(t), ...., g
n
(t)
entonces
(F G)(t) =
n
i=1
f
i
(t) g
i
(t).
Como F y G son diferenciables sobre A, entonces f
i
y g
i
son diferenciables
sobre A, i 1, ....., n. As
d (F G)(t)
dt
=
n
i=1
f
i
(t) g
i
(t) + g
i
(t) f
i
(t)
=
n
i=1
f
i
(t) g
i
(t) +
n
i=1
g
i
(t)f
i
(t)
=
_
dF
dt
G
_
(t) +
_
F
d G
dt
_
(t)
como se quera demostrar. Ahora si F = (f
1
, f
2
, f
3
) y G = (g
1
, g
2
, g
3
)
entonces
F G = (f
2
g
3
f
3
g
2
, f
3
g
1
f
1
g
3
, f
1
g
2
f
2
g
1
),
de donde se sigue que
d(F G)
dt
=
(f
2
g
3
+f
2
g
3
f
3
g
2
f
3
g
2
, f
3
g
1
+f
3
g
1
f
1
g
3
f
1
g
3
, f
1
g
2
+f
1
g
2
f
2
g
1
f
2
g
1
)
= (f
2
g
3
f
3
g
2
, f
3
g
1
f
1
g
3
, f
1
g
2
f
2
g
1
)
+ (g
3
f
2
g
2
f
3
, g
1
f
3
g
3
f
1
, g
2
f
1
g
1
f
2
)
=
_
F
d G
dt
_
+
_
dF
dt
G
_
(t) =
_
2t
(1 +t
2
)
2
,
t
4
+ 3t
2
(1 +t
2
)
2
_
=
t
(1 +t
2
)
2
(2, t
3
+ 3t).
4. Diferenciaci on. 99
Si t < 0, entonces, el vector tangente tiene la misma direccion que el
vector (2, (t
3
+ 3t)), mientras que si t > 0, F
(2, (t
3
+ 3t)) = (2, 0) y lm
t 0
+
(2, t
3
+ 3t) = (2, 0)
esto es, en (0, 0) la graca de la funcion presenta una c uspide. Ademas
notese que lm
t
f
1
(t) = 1 y lm
t
f
2
(t) = , por lo que la graca
de la funcion es como lo muestra la Figura 4.2. De hecho, podemos da la
ecuacion rectangular de esta curva observando que
y =
t
3
1 +t
2
= t
_
t
2
1 +t
2
_
= xt,
de donde se sigue que
x =
t
2
1 +t
2
=
_
y
x
_
2
1 +
_
y
x
_
2
y =
x
3
1 x
b) Sea F : A R R
n
una funcion diferenciable y supongamos que
|F| = c, c R constante, para toda t A. Luego, observese que
F F = |F|
2
= c
2
, por lo que aplicando la proposicion 4.1.3 se sigue que
F F
= 0,
es decir F(t) y F
1
(c
1
), ...., f
n
(c
n
))
100 4.1. Funciones vectoriales de variable escalar.
Demostraci on. Como F es continua en [a, b] y diferenciable en (a, b), en-
tonces f
i
es continua en [a, b] y diferenciable en (a, b). Luego, por el teorema
del valor medio para funciones reales de variable real, se sigue que existen valores
c
i
(a, b) tal que
f
i
(b) f
i
(a) = (b a)(f
i
(c
i
)),
de donde se sigue el resultado.
h
F(t
0
) = F(t
0
+h) F(t
0
).
As, si F es diferenciable en t
0
, se tiene que
h
F(t
0
) = F(t
0
+h) F(t
0
) = hF
(t
0
) + h
h
(t
0
),
donde
h
(t
0
) =
F(t
0
+h) F(t
0
)
h
F
(t
0
).
Como
h
(t
0
) 0 conforme h 0, se concluye que
h
F(t
0
) hF
(t
0
)
cuando h es sucientemente peque no.
F(t
0
)
F(t
0
+ h)
h
F
(
t
0
)
D
h F
(t
0)
h
h
(t
0
)
0
Figura 4.3: Diferencial de F en t
0
Denicion 44 Sea F : A R R
n
una funcion diferenciable. Se dene
la diferencial de F en t
0
correspondiente al incremento de h, denotado por
D
h
F(t
0
)
D
h
F(t
0
) = hF
(t
0
).
4. Diferenciaci on. 101
De esta forma, para h sucientemente peque no, se tiene que
F(t
0
+h) = F(t
0
) +
h
F(t
0
) F(t
0
) + D
h
F(t
0
). (4.3)
Notese que si F
(t
0
) ,= 0, entonces D
h
F(t
0
) es un vector paralelo al vector
tangente a la curva (, descrita por F(t), en el punto F(t
0
) (Vease la Figura
4.3)
Una forma de simplicar la notacion, es escribir dt en lugar de h, lo cual
representa un incremento en el parametro t y en lugar de D
h
F(t), abreviar
por d F, de donde obtenemos la notacion reveladora
dF = F
(t) dt,
de donde se sigue que F
(t) =
dF
dt
.
Con esta notacion tenemos que
dF = F
(t)dt = (f
1
(t)dt, ....., f
n
(t)dt),
esto es
dF = (df
1
, ....., df
n
).
Por la denicion de diferencial y las reglas (ya demostradas) para la derivada,
se tienen las siguiente propiedades:
a) d(F G) = dF dG
b) d(F G) = (dF G) + (G dF)
c) d(F G) = (dF G) + (F dG)
d) (fF) = f(F) + (f)F
e) d(F f) = (F
f) df
4.2. Funciones escalares de variable vectorial
4.2.1. Derivada y diferencial
En esta seccion, estudiaremos la derivada y la diferencial de las funciones es-
calares de variable vectorial. Para esto, recordemos nuevamente la idea de la
diferenciabilidad para funciones escalares de variable real. Si f es una funcion
diferenciable en un punto t
0
, entonces
f
(t
0
) = lm
h0
f(t
0
+h) (t
0
)
h
,
existe. Deniendo
h
(t
0
) =
f(t0+h) (t0)
h
f
(t
0
), h ,= 0 se obtiene que
f(t
0
+h) = f(t
0
) + f
(t
0
)h + h(t
0
),
102 4.2. Funciones escalares de variable vectorial
donde
lm
h0
h
h
(t
0
) = 0
Notese la similitud con la ecuacion (4.3). Nuevamente, al valor f
(t
0
)h lo
llamaremos diferencial de f en t
0
con incremento h. En general, diremos que
f : A R R es diferenciable en t
0
si existe r > 0 tal que B
r
(t
0
) A y
existe a R (independientemente de h) tal que para todo punto
t
0
+ h B
r
(t
0
)
se cumple que
f(t
0
+h) = f(t
0
) + ah +
h
(t
0
)h,
donde lm
h0
h
(t
0
) = 0; al termino ah lo llamaremos la diferencial de f en t
0
con respecto al incremento h.
Tomando estas ideas como base, podremos extender el concepto de diferen-
ciabilidad a funciones de R
n
a R.
Denicion 45 Sea F : A R
n
R una funcion. Decimos que F es
diferenciable en t
0
A si existe un vector a R
n
(independientemente de
h) tal que para toda t
0
+h B
r
(t
0
), r > 0
F(t
0
+ h) = F(t
0
) + a h +
h
(t
o
) h
donde lm
h0
h
(t
0
) = 0. Al valor a h lo llamaremos diferencial de F en t
0
con respecto a h y lo denotaremos por D
h
F(t
0
) o simplemente por DF(t
0
).
Al vector a se le conoce como derivada de F en t
0
y se denotara por DF(t
0
).
Notese que DF(t
0
) h = DF(t
0
), as que en muchas ocasiones, cambiaremos
h por la notacion (mas sugerente) dt. Por tanto, DF(t
0
) dt = DF(t
0
).
Ejemplos
a) Sea F(x, y) = x
2
+xy y tomese un vector h = (h
1
, h
2
) R
2
; entonces
F(x +h) = F(x +h
1
, y +h
2
)
= (x +h
1
)
2
+ (x +h
1
)(y +h
2
)
= x
2
+ 2xh
1
+ h
2
1
+ xy + h
1
y + h
2
x + h
1
h
2
= x
2
+ xy + [(2x +y)h
1
+ xh
2
] + h
1
h
1
+ h
1
h
2
= x
2
+ xy + (2x +y, x) h + (h
1
, h
1
) h
4. Diferenciaci on. 103
Deniendo a = (2x + y, x) y
h
(x) = (h
1
, h
1
), se tiene que F es
diferenciable ya que
lm
h0
h
(x) = lm
h0
(h
1
, h
1
) = (0, 0)
b) Considerese la funcion G(x, y) =
_
[xy[. Se arma que G no es diferen-
ciable en 0. Para ver esto, notese que, si h = (h
1
, h
2
). Para ver esto,
notese que, si h = (h
1
, h
2
),
G(h) =
_
[h
1
h
2
[ = 0 +
_
[h
1
h
2
[ h
1
h
1
= G(0) +
_
[h
1
h
2
[ h
1
h
1
Deniendo
h
=
_
_
[h
1
h
2
[
h
1
, 0
_
. Obtenemos que
G(h) G(0) = h
h
(0),
por lo que, al parecer, G es diferenciable en 0; sin embargo,
lm
h0
h
(0) = lm
h0
_
_
[h
1
h
2
[
h
1
, 0
_
no existe.
Teorema 4.2.1 Si F : A R
n
R es diferenciable en t
0
A, entonces
F es continua en t
0
.
Demostraci on. Como F es diferenciable, existe un vector a R
n
tal que
para cualquier punto t
0
+ h B
r
(t
0
), r > 0, se tiene que
F(t
0
+h) = F(t
0
) + a h +
h
(t
0
) h,
luego cuando h 0 se tiene que
lm
h0
F(t
0
+h) = F(t
0
),
de donde se sigue el resultado
h
(t
0
) = 0 = lm
h0
h
(t
0
). Luego,
(FG)(t
0
+ h) = (F(t
0
) + a
1
h +
h
(t
0
) h)(G(t
0
) + a
2
h +
h
(t
0
) h)
= (FG)(t
0
) + (F(t
0
)a
2
+ G(t
0
)a
1
) h
+ [F(t
0
)
h
(t
0
) + (a
1
h)a
2
+ (a
1
h)
h
(t
0
) + G(t
0
)
h
(t
0
))
+ (a
2
h)
h
(t
0
) +
h
(t
0
)
h
(t
0
)] h
= (FG)(t
0
) + (F(t
0
)a
2
+ G(t
0
)a
1
) h +
h
(t
0
) h.
Notese que lm
h0
h
(t
0
) = 0, de donde se sigue que fg es diferenciable en t
0
y
D(FG)(t
0
) =)G(t
0
)(DF(t
0
) + F(t
0
)(DG(t
0
))
que era lo que se quera demostrar.
(t
0
) + h
h
(t
0
). Por otro lado, como F es diferenciable
en G(t
0
), existe s > 0 tal que para todo (G(t
0
) + h) B
s
(G(t
0
)) existe un
vector a = DF(G(t
0
)) de tal forma que
F(G(t
0
) +h) = F(G(t
0
)) + a h +
h
(G(t
0
)) h
Como G es continua, se puede elegir r de tal manera que
G(B
r
(t
0
)) B
s
(G(t
0
)).
As tenemos que
(F G)(t
0
+h) = F[G(t
0
) + v(t
0
, h)]
= F(G(t
0
)) + DF(G(t
0
)) v(t
0
, h)
+ v(t
0
, h)
v(t0, h)
(G(t
0
))
= F(G(t
0
)) + hG
(t
0
) DF(G(t
0
)) + h
h
(t
0
),
donde
h
(t
0
) =
h
(t
0
) DF(t
0
) + [G
(t
0
) +
h
(t
0
)]
v(t0, h)
(G(t
0
))
Observese que lm
h0
h
(t
0
) = 0, de donde se obtiene que F G es diferenciable
en t
0
y
d(F G)
dt
(t
0
) = G
(t
0
) DF(G(t
0
))
Corolario 4.2.4 Si F, G : A R
n
R son diferenciables en t
0
A y
G(t
0
) ,= 0, entonces
F
G
es diferenciable en t
0
y
D
_
F
G
_
(t
0
) =
G(t
0
)DF(t
0
) F(t
0
)DG(t
0
)
G
2
(t
0
)
Demostraci on. Como
F
G
= F
_
1
G
_
y
1
G
= (f G) donde f(y) =
1
y
,
tenemos que
D
_
F
G
_
(t
0
) = (DF(t
0
))
_
1
G
_
(t
0
) + F(t
0
) D
_
1
G
_
(t
0
)
= (DF(t
0
))
1
G(t
0
)
+ F(t
0
) f
(G(t
0
)) DG(t
0
)
=
DF(t
0
)
G(t
0
)
+
_
1
(G(t
0
))
2
_
F(t
0
) DG(t
0
)
=
G(t
0
) DF(t
0
) F(t
0
)DG(t
0
)
(G(t
0
))
2
,
106 4.2. Funciones escalares de variable vectorial
como se quera demostrar
Usando el Teorema 4.2.3 y el teorema del valor medio para funciones escala-
res de variable escalar, se obtiene un generalizacion del teorema del valor medio
para funciones reales de variable vectorial.
Teorema 4.2.5 (Del valor medio II) Si F : A R
n
R es una funcion
diferenciable en A, donde A es un conjunto abierto que contiene un segmento
rectilneo que va de t
0
a v
0
, entonces existe
0
(0, 1) tal que
F(v
0
) F(t
0
) = (v
0
t
0
) DF(t
0
+
0
(v
0
t
0
))
Demostraci on. Sea G() = t
0
+ (v
0
t
0
) y H = F G Entonces
F(v
0
) F(t
0
) = F(G(1)) F(G(0)) = H(1) H(0).
Por el Teorema 4.2.3, H es diferenciable en (0, 1). Luego, por el Teorema del
valor medio para funciones escalares de variable escalar, se sigue que
H(1) H(0) = H
(
0
)
para alg un
0
(0, 1), de donde se obtiene que
F(v
0
) f(t
0
) =
d(F G)
d
(
0
) =
dG
d
(
0
) DF(G(
0
))
= (v
0
t
0
) DF(t
0
+
0
(v
0
t
0
))
t
0
t
0
+ hu
A
u
Figura 4.5: Razon de cambio en la direccion de un vector u para una funcion
F : R
2
R
As, si denimos f(h) = F(t
0
+ hv), se tiene una funcion real de variable
real, cuya graca corresponde a la interseccion de la funcion F con un plano
que contiene la recta que pasa por t
0
y es paralela a v. Luego
D
v
F(t
0
) = = lm
h0
F(t
0
+ hv) F(t
0
)
h
= lm
h0
f(h) f(0)
h
= f
(0)
4. Diferenciaci on. 109
Ejemplos
a) Consideremos la funcion 3xy + x
2
y
3
. Se requiere calcular la derivada
direccional de F en el punto (3, 2) y en la direccion v =
_
1
2
,
1
2
_
.
Para esto, consideremos el siguiente lmite.
lm
h0
F((3, 2) + h
_
1
2
,
1
2
_
F(3, 2)
h
=
3
_
h
2
2
+
5h
2
+ 6
_
+
_
9 +
6h
2
+
h
2
2
_
_
8 +
12h
2
+
6h
2
2
+
h
3
2
3
2
_
90
h
=
171
2
b) Considerese la funcion g(x, y) = 9x
2
sin y. Se quiere encontrar la razon
de cambio de G en el punto x
0
= (1, 6) en la direccion del vector uni-
tario v =
_
3
34
,
5
34
_
. Para realizar este calculo consideremos la funcion
escalar f : R R dada por
f(h) = F(x + hv) = F
_
x
1
+
3h
34
, x
2
+
5h
34
_
= 9
_
x
1
+
3h
34
_
2
sin
_
x
2
+
5h
34
_
Luego, calculando la derivada de esta funcion, se sigue que
f
(h) =
_
54
34
_
x
1
+
3h
34
__
sin
_
x
2
+
5h
34
_
+
45
34
_
x
1
+
3h
34
_
2
cos
_
x
2
+
5h
34
_
,
Por lo que, evaluando en 0 se obtiene
f
(0) =
54
34
x
1
sin x
2
+
45
34
x
2
1
+ cos x
2
Evaluando en x
0
, obtenemos
D
v
F(x
0
) =
54
34
sin 6 +
45
34
cos 6.
110 4.2. Funciones escalares de variable vectorial
c) Sea
H(x) =
_
_
x
2
y
y
2
+x
4
si (x, y) ,= (0, 0)
0 si (x, y) = (0, 0)
Calcularemos la derivada direccional de H en (0, 0) en la direccion de un
vector v arbitrario, digamos v = (v
1
, v
2
). Entonces
D
v
H(0, 0) = lm
h0
F(hv
1
, hv
2
) F(0, 0)
h
= lm
h0
h
3
v
2
1
v
2
h(h
2
v
2
2
+ h
4
v
4
1
)
= lm
h0
v
2
1
v
2
v
2
2
+ h
2
v
4
1
=
v
2
1
v
2
.
Este lmite existe para todo vector de la forma (v
1
, v
2
), donde v
2
,= 0.
Por otra parte, notese que para vectores de la forma (v
1
, 0), se tiene que
F(v
1
, 0) = 0, por lo que se puede denir la derivada direccional de H
en cualquier direccion como
D
v
H(0, 0) =
_
_
v
2
1
v
2
si v
2
,= 0
0 si v
2
= 0
Por otro lado, n otese que esta funcion no es diferenciable, ya que ni siquiera
es continua (considere las trayectorias y = x
2
y y = 0).
Este ejemplo muestra que puede suceder que las derivadas direccionales exis-
tan en cualquier direccion, pero la funcion no sea diferenciable. El recproco se
cumple en general.
Teorema 4.2.6 Ses F : A R
n
R una funcion diferenciable en t
0
A.
Entonces la derivada direccional de F en t
0
para cualquier vector v R
n
existe y
D
v
F(t
0
) = DF (t
0
) v
Demostraci on. Sea la funcion G : R R
n
, dada por
G(h) = t
0
+ hv,
4. Diferenciaci on. 111
y considerese la funcion H = F G. Entonces, H(h) = F(t
0
+ hv), de donde
se sigue que D
v
f(t
0
) = H
(0) =
d
dt
(F G)(0) =
dG
dt
(0) DF(G(0))
= v DF(t
0
)
(x) = D
v
F(t
0
+ xv).
As, f es continua en [0, h] y diferenciable en (0, h), por lo que aplicando el
teorema del valor medio para funciones reales de variable real, se tiene que
f(h) f(0) = hf
(h)
para alguna (0, 1). Por lo tanto
F(t
0
+ xv) F(t
0
) = hD
v
F(t
0
+ hv)
(x) =
F
x
k
,
es decir, tomamos las entradas x
i
, i ,= j como constantes.
Ejemplos
a) Sea F(x
1
, x
2
) = x
2
1
+ x
2
2
. Denimos f(x) = x
2
+ x
2
2
y g(y) = x
2
1
+ y
2
,
de donde se sigue que
F
x
1
(x
1
, x
2
) = f
(x
1
) = 2x
1
y
F
x
2
(x
1
, x
2
) = g
(x
2
) = 2x
2
.
b) Considerese G(x, y) = sin xy. Tomando a y como constante, se tiene
que
G
x
= y cos xy.
Analogamente, se obtiene que
G
y
= x cos xy
Las derivadas parciales proveen una forma sencilla para demostrar que una
funcion es diferenciable. Ya hemos visto que la existencia de las derivadas par-
ciales no es suciente para garantizar la diferenciabilidad de una funcion. El
siguiente resultado establece que la continuidad de las derivadas parciales es la
pieza faltante.
Teorema 4.2.8 Sea F : A R
n
R una funcion cuyas derivadas parcia-
les existen y son continuas sobre A, un conjunto abierto de R
n
. Entonces F
es diferenciable sobre A.
4. Diferenciaci on. 113
Demostraci on. Sean t
0
A y r > 0. Considerese h B
r
(0). Por el
Teorema 4.2.7, si t
0
= (t
1
, ...., t
n
) y h = (h
1
, ..., h
n
) se tiene que
F(t
0
+ h) F(t
0
) = F(t
1
+ h
1
, ....., t
n
+ h
n
) F(t
1
, ...., t
n
)
= F(t
1
+ h
1
, ....., t
n
+ h
n
)
F(t
1
, t
2
+ h
2
, ...., t
n
+h
n
)
+F(t
1
, t
2
+ h
2
, ....., t
n
+ h
n
) F(t
1
, t
2
, t
3
+ h
3
, ...., t
n
+h
n
)
+F(t
1
, t
2
, t
3
+ h
3
, ....., t
n
+ h
n
) F(t
1
, t
2
, t
3
, t
4
+ h
4
, ..., t
n
+h
n
)
.
.
.
F(t
1
, ..., t
n1
, t
n
+ h
n
) F(t
1
, ..., t
n
)
= h
1
F
x
1
(t
1
+
1
h
1
+ t
2
+ h
2
, ...., t
n
+ h
n
)
+h
2
F
x
2
(t
1
, t
2
+
2
h
2
, t
3
+ h
3
, ...., t
n
+ h
n
)
+... + h
n
F
x
n
(t
1
, ...., t
n1
, t
n
+
n
h
n
)
Como
F
xi
, i 1, ...., n, son funciones continuas, se tiene que
F
x
i
(t
1
, ..., t
i1
, t
i
+
i
h
i
, t
i+1
+ h
i+1
, ..., t
n
+ h
n
) =
F
x
i
(t
1
, ..., t
n
) +
i
h
(t
0
),
donde
lm
h0
i
h
(t
0
) = 0.
As
F(t
0
+ h) F(t
0
) =
_
F
x
1
(t
0
), ...,
F
x
n
(t
0
)
_
h +
h
(t
0
) h,
donde
h
(t
0
) = (
1
h
(t
0
), ...,
n
h
(t
0
)), por lo que se concluye que F es dife-
renciable y mas a un
DF(t
0
) =
_
F
x
1
(t
0
), ....,
F
x
n
(t
0
)
_
i=1
F
x
i
(t
0
) dx
i
.
Por el Teorema 4.2.6, se sigue que la derivada direccional de F en la direccion
de un vector unitario v, si F es diferenciable, esta dada por
D
v
F(t
0
) = F(t
0
) v
Ejemplos
a) Sea F(x, y, z) = e
xy
+ sin z xyz. Notese que
F
x
= ye
xy
yz,
F
y
= xe
xy
xz y
F
z
= cos z xy
son funciones continuas, por lo que la funcion es diferenciable y
DF = F.
Mas a un, la diferencial de F tiene la forma
dF =
F
x
dx +
F
y
dy +
F
z
dz
= (ye
xy
yz)dx + (xe
xy
xz)dy + (cos z xy)dz
b) Como DF (t
0
) es el vector en la direccion de la maxima razon de cambio
de F, donde esta es la longitud de DF (t
0
), se sigue que el gradiente es el
vector que tiene la direccion y la magnitud de la razon de cambio maxima
de la funcion. As, si F(x, y, z) = sin xy + x
2
z, en el punto (2, 3, 1), la
razon de cambio maxima esta en la direccion del vector gradiente en el
punto (2, 3, 1). Esto es
F
(2,3,1)
= (y cos xy + 2xz, x cos xy, x
2
)[
(2,3,1)
= (3 cos 6 + 4, 2 cos 6, 4) = u
4. Diferenciaci on. 115
La magnitud de la razon de cambio esta dada por |u|.
Como la derivada parcial
F
x
k
es una funcion de R
n
, se pueden tomar
las derivadas parciales de
F
x
k
con respecto a la i-esima coordenada, la cual
denotaremos por
2
F
x
i
x
k
De esta forma, se pueden tomar derivadas parciales de ordenes mas altos.
En general,
2
F
x
i
x
k
(t
0
) ,=
2
F
x
k
x
i
(t
0
), i ,= k.
Para convencerse de esto, tomese la funcion
F(x, y) =
_
_
xy
x
2
y
2
x
2
+ y
2
si (x, y) ,= (0, 0)
0 si (x, y) = (0, 0)
Luego
2
F
xy
(0, 0) ,=
2
F
yx
(0, 0) (Ejercicio)
Lema 4.2.9 Sea F : A R
2
R una funcion. Si
2
F
yx
existe en el
interior de un rectangulo R con vertices en los puntos (x
0
, y
0
), (x
0
+ h, y
0
),
(x
0
+ h, y
0
+ k) y (x
0
, y
0
+ k), entonces
[F(x
0
+h, y
0
+k) F(x
0
+h, y
0
)] [F(x
0
, y
0
+k) F(x
0
, y
0
)] = hk
2
F
yx
(x, y)
para alg un punto (x, y) R
Demostraci on. Considerese la funcion g(x) = F(x, y
0
+k) F(x, y). Luego
g
(x) =
F
x
(x, y
0
+ k)
F
x
(x, y)
existe sobre R. De esta forma, por el teorema del valor medio para funciones
reales de variable real se sigue que
[F(x
0
+ h, y
0
+k) F(x
0
+h, y
0
)] [F(x
0
, y
0
+ k) F(x
0
, y
0
)]
= g(x
0
+ h) g(x
0
)
= hg
(x) = h
_
F
x
(x, y
0
+k)
F
x
(x, y
0
),
_
116 4.2. Funciones escalares de variable vectorial
para alg un x (x
0
, x
0
+ h). Nuevamente, por el teorema del valor medio
aplicado a
F
x
, existe y (y
0
, y
0
+k) tal que
h
_
F
x
(x, y
0
+k)
F
x
(x, y
0
)
_
= hk
2
F
yx
(x, y)
2
F
xy
=
2
F
yx
.
Demostraci on. Por denicion se tiene que
2
F
xy
(t
0
) = lm
h0
F
y
(t
0
+ he
1
)
F
y
(t
0
)
h
= lm
h0
lm
k0
[F (t
0
+ u) F(t
0
+ he
1
)] [F(t
0
+ ke
2
) F(t
0
)]
hk
,
si este lmite existe, donde u = (h, k). Denotaremos por T(h, k) a la funcion
[F (t
0
+ u) F(t
0
+ he
1
)] [F(t
0
+ ke
2
) F(t
0
)]
hk
como
F
y
existe en B
r
(t
0
), tomando 0 < [h[ < r, lm
k0
T(h, k) existe. Sea
g(h) = lm
k0
T(h, k). Como
2
F
yx
es continua en t
0
, dada > 0, existe > 0,
tal que si r y |t t
0
| < , entonces
2
F
yx
(t)
2
F
yx
(t
0
)
<
2
Sea h R tal que 0 < [h[ < y considerese k ,= 0 de tal forma que
h
2
+ k
2
< r y
[g(h) T(h, k)[ <
2
.
Por el lema 4.2.9, existe t R tal que T(h, k) =
2
F
yx
(t). Notese que
t B
(t
0
),
4. Diferenciaci on. 117
de donde se sigue que
g(h)
2
F
yx
(t
0
)
2
F
yx
(t)
2
F
yx
(t
0
)
<
2
+
2
=
Por lo tanto, lm
h0
g(h) =
2
F
yx
(t
0
), como se quera probar.
i =1
F
x
i
u
i
.
Si F (x
1
, ..., x
n
) u es una funcion diferenciable, la segunda derivada direc-
cional tendra la forma
D
2
u
F (x
1
, ..., x
n
) = (F (x
1
, ..., x
n
) u) u
= D
u
_
n
i =1
F
x
i
u
i
_
=
n
i =1
n
j =1
2
F
x
i
x
j
u
i
u
j
.
Notese que esta expresion se puede escribir en forma matricial. Esto es
D
2
u
F (x
1
, ..., x
n
) = (u
1
, ..., u
n
)
_
_
_
_
_
_
_
_
_
_
_
_
_
2
F
x
2
1
2
F
x2 x1
2
F
xn x1
2
F
x1 x2
2
F
x
2
2
2
F
xn x2
.
.
.
.
.
.
.
.
.
.
.
.
2
F
x1 xn
2
F
x2 xn
2
F
x
2
n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
u
1
u
2
.
.
.
u
n
_
_
_
_
_
118 4.2. Funciones escalares de variable vectorial
Por otro lado, considerese F : R
n
R una funcion diferenciable. Su diferen-
cial total esta dada por la expresion
d F =
n
i =1
F
x
i
dx
i
.
Si se considera a d F como una funcion diferenciable, entonces se puede calcular
su diferencial total. As, se tiene la segunda diferencial de la funcion F, a saber
d (d F) = d
2
(F) =
n
j =1
d F
x
j
dx
j
=
n
j =1
_
n
i =1
2
F
x
j
x
i
dx
i
_
dx
j
=
n
i =1
2
F
x
2
i
(dx
i
)
2
+ 2
i =j
2
F
x
j
x
i
.
De forma similar, se pueden calcular diferenciales de orden superior.
Cerramos esta seccion presentando otra version de la regla de la cadena para
funciones reales de variable vectorial.
Teorema 4.2.11 (Regla de la cadena iii). Sea F : A R
n
R una
funcion diferenciable en A y sean x
i
: B R
m
R, i 1, ..., n,
funciones diferenciables en B, donde x
i
(B) A para toda i 1, ..., n.
Sea H : R
m
R la funcion dada por
H(y
1
, ..., y
m
) = F (x
1
(y
1
, ..., y
m
), ..., x
n
(y
1
, ..., y
m
)).
Entonces, H es diferenciable en B y
H
y
j
=
n
i =1
F
x
i
(x)
x
i
y
j
(y),
donde y = (y
1
, ..., y
m
) y x = (x
1
(y), ..., x
n
(y)).
Demostraci on. Como x
i
es una funcion diferenciable para toda i, se sigue
que es continua, por lo que si variamos y
j
a y
j
+ h, las funciones x
i
sufriran
incrementos h
i
, esto es
H (y
1
, ..., y
j 1
, y
j
+ h, y
j +1
, ..., ym) H (y
1
, ..., ym)
h
=
F (x + h) F (x)
h
, (4.4)
4. Diferenciaci on. 119
donde h = (h
1
, ..., h
n
). Luego
F (x + h) F (x)
h
=
1
h
(F (x + h) F (x
1
, x
2
+ h
2
, ..., xn + hn)
+F (x
1
, x
2
+ h
2
, ..., xn + hn) F (x
1
, x
2
, x
3
+ h
3
, ..., xn + hn)
.
.
.
+F (x
1
, ..., x
n1
+ h
n1
, xn + hn) F (x
1
, ..., x
n1
, xn + hn)
+F (x
1
, ..., x
n1
, xn + hn) F (x)).
Aplicando el Teorema del valor medio, se tiene que
F (x
1
, ..., x
i 1
, x
i
+ h
i
, x
i +1
+ h
i +1
, ..., x
n
+ h
n
)
F (x
1
, ..., x
i 1
, x
i
, x
i +1
+ h
i +1
, ..., x
n
+ h
n
)
= h
i
F
x
i
(x
1
, ..., x
i 1
,
i
, x
i +1
+ h
i +1
, ..., x
n
+ h
n
).
De esta ultima expresion y (4.4), se sigue que
H (y
1
, ..., y
j 1
, y
j
+ h, y
j +1
, ..., y
m
) H (y
1
, ..., y
m
)
h
=
1
h
_
n
i =1
h
i
F
x
i
(x
1
, ..., x
i 1
,
i
, x
i +1
+ h
i +1
, ..., x
n
+ h
n
)
_
.
Luego, cuando h 0, se tiene que h
i
0 y como
F
xi
son continuas, se
concluye que
F
x
i
(x
1
, ..., x
i 1
,
i
, x
i +1
+ h
i +1
, ..., x
n
+ h
n
)
F
x
i
(x).
Por tanto, para j 1, ..., m, se tiene que
H
y
j
= lm
h0
H (y
1
, ..., y
j 1
, y
j
+ h, y
j +1
, ..., y
m
) H (y
1
, ..., y
m
)
h
= lm
h0
1
h
_
n
i =1
h
i
F
x
i
(x
1
, ..., x
i 1
,
i
, x
i +1
+ h
i +1
, ..., x
n
+ h
n
)
_
=
n
i =1
F
x
i
(x)
x
i
y
j
(y)
como se quera demostrar.
11
,
z
y
(2, 3) =
3
11
,
por lo que las direcciones tangentes a la supercie quedan determinadas por los
vectores v
1
=
_
1, 0,
1
2
11
_
, en y = 3 y v
2
=
_
0, 1,
3
11
_
, en x = 2. As,
v
1
v
2
=
i j k
1 0
1
2
11
0 1
3
11
=
_
1
2
11
,
3
11
, 1
_
.
Por otra parte, si consideramos la funcion F (x, y, z) = z
_
x
2
4
+ y
2
+ 1,
calculamos sus derivadas parciales y evaluamos en el punto (2, 3,
11), se
tiene que
F
x
(x, y, z) =
x
4
_
x
2
4
+ y
2
+ 1
F
x
(2, 3,
11) =
1
2
11
F
y
(x, y, z) =
y
_
x
2
4
+ y
2
+ 1
F
y
(2, 3,
11) =
3
11
F
x
(x, y, z) = 1.
122 4.3. Aplicaciones de la diferencial y la derivada parcial
Luego,
_
F
x
(2, 3,
11),
F
y
(2, 3,
11),
F
z
(2, 3,
11)
_
= v
1
v
2
.
As, surge la siguiente pregunta:
Se cumple, en general, que el vector F es un vector normal a la super-
cie F(x, y, z) = 0?
La respuesta es armativa. Primero mostramos el resultado para el caso de
una funcion de la forma F (x, y, z) = z f(x, y).
Proposicion 4.3.1 Sea z = f (x, y) una funcion continua con primeras deri-
vadas parciales continuas en una region R del plano XY . Si S es la supercie
descrita por la funcion f, entonces un vector normal a la supercie en el punto
(x
0
, y
0
, z
0
) S es F (x
0
, y
0
, z
0
), donde F (x, y, z) = z f (x, y).
Demostraci on. La derivada parcial de f (x, y) con respecto a x en el punto
(x
0
, y
0
) representa la pendiente de la recta tangente a la curva que resulta de
la interseccion entre la supercie S y el plano y = y
0
. As, la ecuacion de la
recta tiene la forma
/
1
=
_
_
_
z z
0
=
z
x
(x
0
, y
0
) (x x
0
)
y = y
0
.
Por tanto, la direccion de /
1
es
v
1
=
_
1, 0,
z
x
(x
0
, y
0
)
_
.
De manera analoga, la ecuacion de la recta tangente a la curva que resulta de
la interseccion entre la supercie S y el plano x = x
0
es
/
2
=
_
_
_
z z
0
=
z
y
(x
0
, y
0
) (y y
0
)
x = x
0
,
de donde se sigue que la direccion de /
2
es
v
2
=
_
0, 1,
z
y
(x
0
, y
0
)
_
.
Como los vectores v
1
y v
2
son tangentes a la supercie en el punto (x
0
, y
0
, z
0
),
entonces un vector normal a la supercie se puede obtener haciendo el producto
4. Diferenciaci on. 123
vectorial v
1
v
2
. As
N = v
1
v
2
=
i j k
1 0
z
x
(x
0
, y
0
)
0 1
z
y
(x
0
, y
0
)
=
_
z
x
(x
0
, y
0
),
z
y
(x
0
, y
0
), 1
_
= F (x
0
, y
0
, z
0
).
(P0)
Figura 4.6: Plano tangente a una supercie
Por otra parte, la ecuacion de una recta en el espacio se puede calcular dando
un punto sobre la recta y la direccion de esta ultima. As, la ecuacion de la recta
124 4.3. Aplicaciones de la diferencial y la derivada parcial
normal, en su forma vectorial, es
/
N
= P
0
+ t F (x
0
, y
0
, z
0
) [ t R.
De esta forma, la ecuacion del plano tangente a la supercie
z
2
=
x
2
4
+ y
2
+ 1
es
1
2
11
(x + 2) +
3
11
(y 3) + (z
11) = 0
y la recta normal queda descrita por la expresion
(2, 3,
11) + t
_
1
2
11
,
3
11
, 1
_
.
Ahora, considerese una funcion F : R
3
R diferenciable sobre un con-
junto abierto A y S la supercie dada por
S = (x, y, z) A[ F (x, y, z) = r.
Sean P
0
(x
0
, y
0
, z
0
) S y P = G(t), t (a, b) la ecuacion de una curva (
sobre S que pasa por P
0
. De esta forma, P
0
= G(t
0
), para alguna t
0
(a, b).
Por otra parte, como ( esta contenida en S, se sigue que, para toda t (a, b),
F (G(t)) = c. Si G es diferenciable en (a, b), entonces F G es diferenciable
en (a, b) y
F (G(t)) G
(t) = 0,
en particular, si t = t
0
F (P
0
) G
(t
0
) = 0.
As, hemos demostrado que, en P
0
, el gradiente de F es ortogonal al vector
tangente a cualquier curva que se encuentre sobre la supercie S y que pase
por P
0
. Por tanto, si F (P
0
) ,= 0, las tangentes de todas las curvas sobre
S en el punto P
0
se encuentran en el mismo plano. En consecuencia, el plano
tangente a S en el punto P
0
tiene la ecuacion
F(P
0
) (P P
0
) = 0,
donde P = (x, y, z) (vease la Figura 4.6).
Ejemplo.
Sea S la supercie determinada por la ecuacion
x
2
9
+
y
2
4
z
2
= 1.
4. Diferenciaci on. 125
Calcularemos el plano tangente a S en el punto
_
2, 2,
2
3
_
. Para esto, conside-
ramos la funcion
F (x, y, z) =
x
2
9
+
y
2
4
z
2
,
la cual tiene vector gradiente
_
2x
9
,
y
2
, 2z
_
, de donde se tiene que
F
_
2, 2,
2
3
_
=
_
4
9
, 1,
4
3
_
.
Por tanto, la ecuacion del plano tangente es
_
4
9
, 1,
4
3
_
_
x 2, y 2, z
2
3
_
=
4
9
x + y
4
3
z 2 = 0.
En otro contexto, en la practica, el experimentador comete errores de obser-
vaci on que se ven reejados en los datos que ha capturado. El error absoluto,
establece la diferencia, en valor absoluto, entre el incremento de una funcion
F y el valor que se obtiene por medio de la diferencial. Es decir, se tiene una
expresion de la forma
E
a
= [(F (x + h) F (x)) dF[.
El error relativo se obtiene calculando el producto de 100 por el cociente de
el error absoluto entre el incremento de la funcion, a saber
E
r
= 100
_
E
a
F (x + h) F (x)
_
.
Sin embargo, en la mayor parte de los casos, no se conoce el valor del incremento
exacto de F, por lo que se hace necesario redenir el error relativo como
e
r
= 100
dF
F
Ejemplos.
1. Supongase que se quiere calcular el volumen aproximado del material ne-
cesario para fabricar un vaso cilndrico cuyo radio interior es de 7 cm,
tiene una altura interior de 13 cm y con espesor de fondo y paredes de
0,3 cm. Notese que el volumen exacto del material, es la diferencia entre
el volumen exterior y el volumen interior. Esto es
V (x + h) V (x) = ((x + h
1
)
2
(y + h
2
) x
2
y)
= ((7,3)
2
(13,3) (7)
2
(13)) = (71,757) cm
3
.
126 4.3. Aplicaciones de la diferencial y la derivada parcial
Ahora, para calcular el volumen en forma aproximada, se requiere de la
diferencial total de la funcion volumen. Es decir
dV =
V
x
dx +
V
y
dy = (2xy dx + x
2
dy)
= (2 (7)(13)(0,3) + (7)
2
(0,3))
217,7123 cm
3
.
De esta forma, los errores absoluto y relativo que se obtienen al usar la
diferencial en lugar del incremento exacto son
E
a
= [(71,757) 217,7123[ 7,7189
y
E
r
= 100
_
7,7189
225,4312
_
3,42
2. Se desea calcular el valor aproximado de 3,25
4,13
. Para resolver este
problema, consideramos la funcion f (x, y) = x
y
, tomando los valores
x = 3, y = 4, dx = 0,25 y dy = 0,13. Ahora, f (3, 4) = 81. A
este valor se le sumara el valor de la diferencial como aproximacion del
incremento. Luego
df =
f
x
dx +
f
y
dy = y x
y 1
dx + x
y
ln xdy
= 4 (3)
3
(0,25) + (3)
4
ln (3) (0,13) 38,568387.
Por tanto, 3,25
4,13
119,568387.
3. Un estudiante de la facultad de ciencias esta apurado (caso totalmente
hipotetico) porque quiere calcular el valor de sin 35
o
cos 69
o
y no cuenta
con calculadora. En este caso, considera la funcion f (x, y) = sin x cos y
tomando los valores x = 30
o
=
6
, y = 60
o
=
3
, dx = 5
o
=
36
y
dy = 9
o
=
20
. Luego,
f
_
6
,
3
_
=
1
4
y df = cos x cos y dx sin x sin y dy =
3
180
,
de donde se sigue que sin 35
o
cos 69
o
45
3
180
.
4.3.2. Diferenciales exactas
Si se tiene una expresion de la forma M (x, y) dx+N (x, y) dy el lector podr pre-
guntarse si existira una funcion G : R
2
R tal que
d G = M (x, y) dx + N (x, y) dy,
4. Diferenciaci on. 127
es decir, G(x, y) = (M (x, y), n(x, y)). La respuesta es que en general no
siempre existe dicha funcion. En esta seccion analizaremos las condiciones bajo
las cuales dicha funcion existe y proporcionar un procedimiento para obtenerla.
Denicion 48 Se dice que la expresion M (x, y) dx + N (x, y) dy es una di-
ferencial exacta sobre un conjunto abierto A R
2
, si existe una funcion
G : R
2
R tal que G(x, y) = (M (x, y), N (x, y)) para todo punto
(x, y) A.
El siguiente resultado establece una condicion necesaria y suciente para que
una forma diferencial sea exacta. En la prueba de este teorema utilizaremos un
hecho muy conocido en la teora de integracion m ultiple, el teorema de Fubini,
cuya prueba omitimos pero se puede consultar en [8], pp. 322-324.
Teorema 4.3.2 Sea F : R
2
R una funcion continua con dominio rectan-
gular R = [a, b] [c, d]. Entonces
_
b
a
_
d
c
F(x, y) dy dx =
_
d
c
_
b
a
F(x, y) dxdy =
_
R
F(x, y) dA.
Teorema 4.3.3 Sean M, N : A R
2
R funciones tales que tienen
primeras derivadas parciales continuas en un rect angulo abierto R R
2
, con
lados paralelos a los ejes. Entonces M (x, y) dx + N (x, y) dy es una diferencial
exacta si y solamente si
M
y
(x, y) =
N
x
(x, y) para toda (x, y) R.
Demostraci on. Para mayor sencillez en la notacion, escribiremos M y N
solamente. Supongamos que la diferencial es exacta, esto es, existe una funcion
G : R
2
R tal que
d G = M dx + N dy,
luego
G
x
= M y
G
y
= N,
de donde se sigue que
2
G
y x
=
M
y
y
2
G
x y
=
N
x
,
como las derivadas parciales son continuas, aplicando el teorema se concluye
que
M
y
=
N
x
.
Por otra parte, si
M
y
=
N
x
en R, entonces, integrando de x
0
a x y man-
teniendo constante a la variable y y aplicando el Teorema fundamental del
calculo, se tiene que
_
x
x0
M
y
(t, y) dt =
_
x
x0
N
t
(t, y) dt = N (x, y) N(x
0
, y).
128 4.3. Aplicaciones de la diferencial y la derivada parcial
Dado que la region R es rectangular, esta es convexa y, por tanto, la igualdad
anterior se da para todo par de puntos dentro de R. Ahora, integrando con
respecto a y de y
0
a y, se tiene que
_
y
y0
_
x
x0
M
s
(t, s) dt ds =
_
y
y0
N (x, s) ds
_
y
y0
N(x
0
, s) ds.
Aplicando el Teorema 4.3.2, se obtiene que
_
x
x0
_
y
y0
M
s
(t, s) ds dt =
_
y
y0
N (x, s) ds
_
y
y0
N(x
0
, s) ds,
de donde se sigue, por el Teorema fundamental del calculo, que
_
x
x0
M (t, y) dt
_
x
x0
M (t, y
0
) dt =
_
y
y0
N (x, s) ds
_
y
y0
N(x
0
, s) ds.
Por tanto,
G(x, y) =
_
x
x0
M (t, y) dt +
_
y
y0
N(x
0
, s) ds =
_
y
y0
N (x, s) ds +
_
x
x0
M (t, y
0
) dt.
As, derivando con respecto a x los primeros dos terminos y derivando con
respecto a y los otros dos, se sigue el resultado.
i =1
M
i
dx
i
.
Diremos que esta forma diferencial es exacta si y solo si se cumple que
M
i
x
j
=
M
j
x
i
Ejemplos.
1. Considerese la forma diferencial dada por
x
_
x
2
+ y
2
dx +
y
_
x
2
+ y
2
dy.
Se arma que es una forma exacta. En efecto, notese que si
M (x, y) =
x
_
x
2
+ y
2
y N (x, y) =
y
_
x
2
+ y
2
,
4. Diferenciaci on. 129
entonces
M
y
=
xy
(x
2
+ y
2
)
3
2
=
N
x
,
donde (x, y) ,= (0, 0). As, integrando M con respecto a x se obtiene
que
G(x, y) =
_
x
_
x
2
+ y
2
dx =
_
x
2
+ y
2
+ (y).
Derivando esta ultima expresion con respecto a y e igualando con la
funcion N (x, y) se concluye que
2
(z) = 0 y, por tanto
F(x, y, z) = x
2
cos y + y
2
z + c c = constante.
130 4.4. Teora b asica de curvas
3. La diferencial dada por
y
x
2
+ y
2
dx +
x
x
2
+ y
2
dy
satisface que, si
M (x, y) =
y
x
2
+ y
2
y N (x, y) =
x
x
2
+ y
2
, (x, y) ,= (0, 0),
entonces
M
y
(x, y) =
N
x
(x, y),
para todo punto en el plano, salvo el origen. Sin embargo, no es una
diferencial exacta, ya que al integrar las funciones M y N se obtiene la
funcion multivaluada G(x, y) = arctan
_
y
x
_
. Si se restringe el codominio
al intervalo [0, 2) para tener una funcion univaluada, la funcion tiene
una discontinuidad sobre el eje X. Por tanto, no existe su gradiente y de
esta forma se ha demostrado que la expresion M dx + N dy no determina
una diferencial exacta.
4. La forma diferencial
x
(x
2
+ y
2
)
3
2
dx +
y
(x
2
+ y
2
)
3
2
dy,
donde (x, y) ,= (0, 0) es exacta (ejercicio).
4.4. Teora basica de curvas
Los puntos en plano se representan con paras ordenados de n umeros reales (a, b)
y en R
3
se pueden representar como ternas de ordenadas reales. Al igual que en
R
2
, se eligen tres rectas perpendiculares que se corten en un punto del espacio.
Para representar vectores en el espacio, es conveniente introducir tres vectores
especiales. A saber
i = e
1
= (1, 0, 0), j = e
2
= (0, 1, 0), y k = e
3
= (0, 0, 1).
A estos vectores se les conoce como base canonica de R
3
. Luego, si
a = (a
1
, a
2
, a
3
) R
3
,
se tiene que
a =
n
i =1
a
i
e
i
.
Por otra parte, hasta el momento, hemos trabajado con curvas en donde una
de las variables queda en funcion de las demas. Sin embargo, hay ocasiones en
las que es mas util y comodo pensar en los puntos de una curva en el plano (o en
4. Diferenciaci on. 131
el espacio), dependiendo de un parametro t, es decir, pensar en una curva como
la trayectoria que describe un punto al tiempo hipotetico t. Si las coordenadas
de un punto sobre la curva C en R
3
son (x
1
, x
2
, x
3
), entonces se pueden
expresar como funciones de un parametro t [a, b], esto es
x
1
= x
1
(t), x
2
= x
2
(t), x
3
= x
3
(t), t [a, b].
Ejemplos.
a) Queremos encontrar la ecuacion de una recta / que pasa por el extremo
de un vector a y tiene la direcci on del vector v. Si t R, los puntos de la
forma t v son m ultiplos de v y, por tanto, recorren todos los puntos por el
origen y tiene la direccion v. Como cada punto de / es el nal de la diagonal
del paralelogramo con lados a y t v, para alguna t, entonces
/ = u R
3
[ u = a + t v,
es decir, la recta / se puede expresar mediante la ecuacion (parametrica)
/ = a + t v
b) Las ecuaciones
x = r cos , y = r sin , [0, 2],
representan los puntos sobre una circunferencia. Esto se sigue, ya que al dejar
jo el valor r y variar el angulo , obtenemos el movimiento de una partcula
que se encuentra a una distancia constante de un punto de la circunferencia.
r
x
y
Figura 4.7: Circunferencia
c) Considerese las ecuaciones
x(t) = a cos t, y (t) = b sin t t [0, 2]
132 4.4. Teora b asica de curvas
Estas ecuaciones representan los puntos sobre una elipse con eje mayor a y eje
menor b (a > b), con centro en el origen, denota el angulo en el centro de la
elipse que se asocia al punto de la circunferencia circunscrita que se encuentra
verticalmente por encima o por debajo del punto P = (a cos t, b sin t).
t
P
Figura 4.8: Elipse
d) Las ecuaciones
x(t) = a cos t, y (t) = a sin t z (t) = bt t R
donde a, b son constantes, describen una curva que yace en el cilindro
x
2
+ y
2
= a
2
y se enrolla alrededor de este de tal forma que cuando t toma el valor 2 k , k
Z, las coordenadas x y y regresan a su valor original mientras que z incrementa
a un valor 2 b (vease la Figura 4.9).
a
t
Figura 4.9: Helice enrollada en un cilindro
Algunas veces, puede resultar conveniente tomar como parametro t a la
variable x y describir la curva mediante las funciones x = t, y = f(t). Por
ejemplo, si se tiene la ecuacion de una parabola de la forma y = x
2
, podemos
tomar las ecuaciones de la forma x(t) = t, y(t) = t
2
.
4. Diferenciaci on. 133
4.4.1. Longitud de arco
Ahora, supongase que una curva C esta descrita por las ecuaciones pa-
rametricas (x(t), y(t), z(t)), t [a, b]. Supongase que C es suave en el sentido
de que x
(t), y
(t) y z
(t)
x
i
x
i 1
t
i
t
i 1
y
(t)
y
i
y
i 1
t
i
t
i 1
z
(t)
z
i
z
i 1
t
i
t
i 1
.
134 4.4. Teora b asica de curvas
Luego
d (P
i 1
, P
i
) (t
i
t
i 1
)
_
(x
(t
i
))
2
+ (y
(t
i
))
2
+ (z
(t
i
))
2
.
Por tanto
l (C)
n
i =1
(t
i
t
i 1
)
_
(x
(t
i
))
2
+ (y
(t
i
))
2
+ (z
(t
i
))
2
,
esta utlima es una suma de Riemann para la funcion
_
(x
(t))
2
+ (y
(t))
2
+ (z
(t))
2
,
por lo que tomando el lmite cuando n , se tiene que
l (C) =
_
b
a
_
(x
(t))
2
+ (y
(t))
2
+ (z
(t))
2
dt.
Esta formula se conoce como longitud de arcoa de la curva C. Notese que si
F : R R
3
es la funcion F(t) = (x(t), y (t), z (t)), entonces
l (C) =
_
b
a
[[F
(t)[[ dt =
_
b
a
_
F
(t) F
(t) dt.
Ejemplo.
Sea C una curva descrita por la funcion F(t) = (e
t
sin t, e
t
cos t), donde
t [0, 2 ]. Para calcular la longitud de esta curva consideramos
x(t) = e
t
sin t x
(t) = e
t
(sin t + cos t)
y (t) = e
t
cos t y
(t) = e
t
(cos t sin t),
de donde se sigue que
(x
(t))
2
+ (y
(t))
2
= e
2t
((sin
2
t + 2 cos t sin t + cos
2
t)
+ (sin
2
t 2 cos t sin t + cos
2
t))
= 2 e
2t
.
Luego
_
2
0
[[F
(t)[[ dt =
_
2
0
2 e
t
dt =
2 (e
2
1).
4. Diferenciaci on. 135
En general hay una cantidad innita de representaciones parametricas. El
siguiente teorema establece la relacion que hay entre las representaciones pa-
rametricas.
Teorema 4.4.1 Sea C una curva suave representada por las ecuaciones pa-
rametricas x(t), y(t), z(t), t [a, b]. Esta curva puede ser reparametrizada
en terminos de un parametro u [c, d] mediante una expresion de la forma
t = f(u), si f : R R satisface que
1. a = f (c) y b = f (d).
2. f
(t), y
(t) y z
(t) f
(u)
dy
du
(f (u)) =
dy
dt
dt
du
= y
(t) f
(u)
dz
du
(f (u)) =
dz
dt
dt
du
= z
(t) f
(u),
y como f
(u)[[ du.
As, s = s (t) dene un nuevo par ametro para la curva C, denominado parame-
tro de longitud de arco. En efecto, s satisface las hipotesis del Teorema 4.2.7,
ya que
ds
dt
=
d
dt
_
t
a
[[F
(u)[[ du = [[F
(t)[[ > 0,
de donde se sigue que existe una relacion biunvoca entre s y t. Tambien, si
C es una curva suave, [[F
(u)[[ du
=
_
t
0
_
a
2
sin
2
u + a
2
cos
2
u + b
2
du
=
_
a
2
+ b
2
t,
de donde se sigue que t =
s
a
2
+b
2
. Luego, la parametrizacion con respecto a
la longitud de arco sera
F(s) =
_
a cos
_
s
a
2
+ b
2
_
, a sin
_
s
a
2
+ b
2
_
,
bs
a
2
+ b
2
_
Ya hemos visto con anterioridad que F
d F
dt
=
d F
dt
ds
dt
=
d F
ds
,
esto es, si se tiene la parametrizacion con respecto a la longitud de arco, el
vector tangente a la curva en un punto s
0
esta dado por la derivada de la
parametizacion evaluada en s
0
.
Proposicion 4.4.2 a) Un vector u(t) tiene magnitud constante si y solo si
u(t) u
(t) = 0.
b) Un vector u(t) es siempre paralelo a una direccion dada si y solo si
u(t) u
(t) = 0.
Demostraci on.
a) Sea u(t) un vector de magnitud constante c. Entonces
[[u(t)[[
2
= u(t) u(t) = c
2
,
luego
u(t) u(t)
dt
= 2 u
(t) u(t) = 0,
por lo que se concluye que u
(t) =
d [[u(t)[[
dt
v.
Por lo tanto
u(t) u
(t) = ([[u(t)[[ v)
_
d [[u(t)[[
dt
v
_
= [[u(t)[[
d [[u(t)[[
dt
(v v) = 0.
Por otra parte, si u(t) no tiene direccion constante, entonces
u
(t) =
d [[u(t)[[
dt
v (t) + [[u(t)[[
d v (t)
dt
,
de donde se obtiene que
u(t) u
(s) (x x
0
) + y
(s) (y y
0
) + z
(s) (z z
0
) = 0.
138 4.4. Teora b asica de curvas
P
0
Q
T
Figura 4.11: Plano normal
Ahora, como T tiene magnitud constante (es unitario) por la Proposicion
4.4.2 se sigue que
T
d T
ds
= 0.
Esto nos permite denir un vector unitario N que es perpendicular a T y
por lo tanto, perpendicular a C (incluso, N es un vector que yace en el plano
normal). A este vector se le conoce como normal y esta dado por la expresion
dT
ds
= N (4.5)
A la expresion (4.5) se le conoce como primera formula de Frenet- Serret y al
escalar =
d T
ds
d B
ds
a
2
+ b
2
_
, a sin
_
s
a
2
+ b
2
_
,
bs
a
2
+ b
2
_
.
Se puede vericar (ejercicio) que esta curva esta parametrizada en terminos de
la longitud de arco. As
T =
_
a
2
+ b
2
sin
_
s
a
2
+ b
2
_
,
a
a
2
+ b
2
cos
_
s
a
2
+ b
2
_
,
b
a
2
+ b
2
_
,
luego, derivando con respecto a s se obtiene que
d T
ds
=
_
a
a
2
+ b
2
cos
_
s
a
2
+ b
2
_
,
a
a
2
+ b
2
sin
_
s
a
2
+ b
2
_
, 0
_
,
de donde se sigue que
=
d T
ds
=
a
a
2
+ b
2
,
por lo que
N =
d T
ds
=
_
cos
_
s
a
2
+ b
2
_
, sin
_
s
a
2
+ b
2
_
, 0
_
4. Diferenciaci on. 141
y como B = T N, se tiene que
B =
i j k
a
2
+b
2
sin
_
s
a
2
+b
2
_
a
a
2
+b
2
cos
_
s
a
2
+b
2
_
b
a
2
+b
2
cos
_
s
a
2
+b
2
_
sin
_
s
a
2
+b
2
_
0
,
de donde se obtiene
B =
_
a
2
+ b
2
sin
_
s
a
2
+ b
2
_
,
b
a
2
+ b
2
cos
_
s
a
2
+ b
2
_
,
a
a
2
+ b
2
_
.
Luego
d B
ds
=
_
b
a
2
+ b
2
cos
_
s
a
2
+ b
2
_
,
b
a
2
+ b
2
sin
_
s
a
2
+ b
2
_
, 0
_
,
por tanto,
d B
ds
=
b
a
2
+ b
2
N,
de donde se concluye que
=
b
a
2
+ b
2
.
Por otro lado, habra ocasiones en las que la parametrizacion con respecto
a la longitud de arco no es facil de obtener, por lo que se deduciran expre-
siones para la curvatura y la torsion en terminos de un parametro arbitrario.
Si (t) = (x(t), y(t), z(t)) es la representacion parametrica de una curva (, en-
tonces
(t) =
d
dt
=
d
ds
ds
dt
= S
T
Ahora, derivando esta expresion, obtenemos
(t) =
d
2
dt
2
=
d(S
(t)T)
dt
= S
T + S
dT
dt
= S
T + S
dT
ds
ds
dt
= S
T + (S
)
2
N
Finalmente, derivando por tercera ocasion, se sigue que
(t) =
d
3
dt
3
= S
T + S
dT
dt
+
d(S
)
2
dt
(N) + (S
)
2
d(N)
dt
= S
T+S
dT
ds
ds
dt
+ 2S
N + (S
)
2
(
N +
dN
dt
ds
dt
)
= S
T + S
N + 2S
N + (S
)
2
[
N + S
( B T)]
142 4.4. Teora b asica de curvas
Notese que en el los calculos anteriores utilizamos las ecuaciones de Frenet-
Serret. Efectuando el producto
(t)
(t)
(t) = (S
T) (S
T + (S
)
2
N) = (S
)
3
B
por lo que aplicando el operador norma, se concluye que
=
(t)
(t)
(S
)
3
=
|
(t)
(t) |
| (
(t))
3
|
(4.8)
Por otra parte, calculando (
(t)
(t))
(t)
(t))
(t) = (S
)
6
k
2
=|
(t)
(t) |
2
por tanto
=
(
(t)
(t))
(t)
|
(t)
(t) |
(4.9)
Observese que las expresiones 4.8 y 4.9 muestran que T, B y N(si la
direccion de la curva es en el sentido en que t crece, esto es S
(t),
(t)
(t) y (
(t)
(t))
(t) respectivamente.
Luego
T =
(t)
|
(t) |
B =
(t)
(t)
|
(t)
(t) |
N =
(
(t)
(t))
(t)
| (
(t)
(t))
(t) |
Por otra parte, se puede pensar que la funcion (t) representa el vector
posicion de una partcula al tiempo t con respecto a alg un sistema de referencia.
La velocidad y aceleracion de la partcula se denen como la primera y segunda
derivada de (t) con respecto al tiempo, esto es v =
(t) y a =
(t) A la
magnitud de la velocidad la llamaremos rapidez y la representaremos por r, es
decir
r =| v |
Ahora, notese que
v =
(t) =
d
df
ds
dt
=
d
ds
|
d
dt
|= rT
y
a =
dv
dt
=
d(rT)
dt
=
dr
dt
T+r
dT
dt
=
dr
dt
T+v
dT
ds
ds
dt
=
dr
dt
T+r
2
N
4. Diferenciaci on. 143
Recordando que =
1
N
Esta ultima expresion muestra que la aceleracion es un vector situado en el
plano osculador con componente tangencial dada por
a
T
=
dr
dt
y componente normal
a
N
=
r
2
f(x) =
n
k=0
f
k
(x
0
)
k!
(x x
0
)
k
+ !
n
donde !
n
=
f
n+1
(c)
(n + 1)!
(x x
0
)
n+1
, para alg un c entre x
0
y x.
Ahora, sea F : A R
2
R una funcion y x
0
, x A. Si restringimos
nuestra observacion a valores de la funcion sobre el segmento rectilneo que une
x
0
con x, se puede considerar F como una funcion de una sola variable; a saber,
denimos f : [0, 1] R como la funcion
f(t) = f(x
0
+ t(x x
0
)
144 4.5. Teorema de Taylor
Luego, si es posible, aplicamos el Teorema de Taylor a f sobre el intervalo
[0, 1], obteniendo que
f(1) =
n
k=0
f
k
(0)
k!
+!
n
(4.10)
donde
!
n
=
f
n+1
()
(n + 1)!
para alg un (0, 1) Esto permitira calcular la formula de Taylor para F
al reemplazar f y sus derivadas por las expresiones apropiadas en F y sus
derivadas parciales. Esto da lugar a la siguiente pregunta: Bajo que condiciones
se puede obtener 4.10?
Observese que, de entrada, en 4.10 debe pedirse que f tenga derivadas
continuas de orden n + 1 en [0, 1], por lo que debemos encontrar la relacion
entre las derivadas de f y las derivadas parciales de F. Haciendo un cambio de
variable de la forma h = x x
0
, obtenemos que
f(t) = F(x
0
+ th)
por lo que, aplicando la regla de la cadena, se sigue que
f
(t) = h DF(x
0
+th) = h
1
F
x
1
(x
0
+th) +h
2
F
x
2
(x
0
+th)
donde h = (h
1
, h
2
). As
f
(t) = h
1
_
h
1
F
x
1
(x
0
+th) +h
2
F
x
2
(x
0
+th)
_
x
1
+ h
2
_
h
1
F
x
1
(x
0
+th) +h
2
F
x
2
(x
0
+th)
_
x
2
= h
1
2
2
F
2
x1
(x
0
+th) +h
1
h
2
2
F
x
1
x
2
(x
0
+th)
+ h
2
h
1
2
F
x
2
x
1
x
0
+th) +h
2
2
2
F
2
x2
(x
0
+th)
De esta forma, si F (
2
(A) tal que el segmento rectilneo que une x
0
con
x
0
+ h esta totalmente contenido en A, entonces f tendra derivadas continuas
de orden 2 en [0, 1]. Ademas, si F (
2
(A), entonces
2
F
x
1
x
2
=
2
F
x
2
x
1
y, por
tanto,
f
(t) = h
1
2
2
F
2
x1
(x
0
+th) + 2h
1
h
2
2
F
x
1
x
2
x
0
+th) +h
2
2
2
F
2
x2
(x
0
+th)
4. Diferenciaci on. 145
En general, si F (
n+1
(A), de tal forma que el segmento que une x
0
con
x
0
+ h esta totalmente contenido en A, entonces f
k
es continua en [0, 1],
k 0, . . . n + 1 y
f
k
(t) =
k
i=0
_
k
i
_
h
1
ki
h
2
i
(
x
i
)
ki
(
x
2
)
i
F(x
0
+th)
Notese que el segundo miembro en esta ecuacion es analogo a una expresion
en el teorema del binomio, por lo que resulta natural expresar f
k
(t) de la
siguiente forma:
f
k
(t) = (h
1
x
1
+h
2
x
2
)
k
F(x
0
+th)
.
Teorema 4.5.2 (de Taylor I) Si F : A R
2
R es una funcion de
clase (
n+1
en A y x
0
A, entonces para cualquier x A x
0
tal que
el segmento rectilneo que une x
0
con x esta contenido en A, se tiene que
F (x) =
n
k=0
1
k!
_
(x
(1)
x
0
(1)
)
x
(1)
+ (x
(2)
x
(2)
0
)
x
(2)
_
k
F(x
0
) + !
n
donde x = (x
(1)
, x
(2)
), x
0
= (x
0
(1)
, x
0
(2)
) y
!
n
=
1
(n + 1)!
_
(x
(1)
x
0
(1)
)
x
(1)
+ (y
(1)
y
0
(1)
)
x
(2)
_
n+1
F(c)
para alg un c en el segmento que une x
0
con x
Demostraci on. Sea f(t) = F(x
0
+ t(x x
0
), t [0, 1]. Luego, para k
1, . . . , n + 1 se tiene que
f
k(t)
=
_
(x
1
x
0
1
)
x
1
+ (x
2
x
0
2
)
x
2
_
k
F(c +t(x x
0
)
De esta forma, f (
n+1
([0, 1]), por lo que aplicando el teorema de Taylor
para funciones reales de variable real, se sigue que
f(i) =
n
k=0
f
k
(0)
k!
+ !
n
donde !
n
=
f
n+1
()
(n + 1)!
para alg un (0, 1), de donde se concluye que
F(x) =
n
k=0
1
k!
_
(x
1
x
0
1
)
x
1
+ (x
2
x
0
2
)
x
2
_
k
F(x
0
) +!
n
donde
146 4.5. Teorema de Taylor
!
n
=
1
(n + 1)!
_
(x
1
x
0
1
)
x
2
_
F(c)
para alg un c en el segmento que une x
0
en x
Notese que si n = 1, obtenemos una expresion para la aproximacion por
diferenciales, esto es
F(x x
0
= (x x
0
F(x
0
)) +!
1
= dF(x
0
) +!
1
donde
!
1
=
1
2
_
(x
1
x
0
1
)
2
2
F
x
1
2
(c) + 2(x
1
x
0
1
)(x
2
x
0
2
)
2
F
x
1
2
x
2
(c) + (x
2
x
0
2
)
2
2
F
x
2
2
(c)
_
donde c esta en el segmento que une x con x.
Introduciendo la notacion
(x x
0
) D = (x
1
x
0
1
)
x
1
+ (x
2
x
0
2
)
x
2
el teorema de Taylor toma la forma
F(x) =
n
k=0
((x x
0
D))
k
F(x
0
)) +
1
(n + 1)!
((x x
0
) D)
n+1
F(c)
para alg un c que yace en el segmento que une x
0
con x
Ejemplo. Considerese la funcion F(x, y) = cos xy. Calculemos su formula de
Taylor de orden 3 en (1, 0).Para esto notese que
F(x, y)
x
1
= y sin xy
F(x, y)
x
2
= xsin xy
F(x, y)
x
1
2
= y
2
cos xy
F(x, y)
x
2
2
= x
2
cos xy
2
F(x, y)
x
1
x
2
= xy cos xy
2
F(x, y)
x
1
x
2
= xy cos xy
3
F(x, y)
x
2
x
1
2
= xy
2
sin xy 2y cos xy
3
F(x, y)
x
1
x
2
2
= x
2
y sin xy 2xcos xy
3
F(x, y)
x
2
3
= x
3
sin xy
4
F(x, y)
x
1
4
= y
4
cos xy
4
F(x, y)
x
2
x
1
3
= xy
3
cos xy + 3y
2
sin xy
4
F(x, y)
x
2
2
x
1
2
= x(2y sin xy +xy
2
cos xy) (2xy sin xy)
4
F(x, y)
x
1
x
2
3
= 3x
2
sin xy +x
3
y cos xy
4
F(x, y)
x
2
4
= x
4
cos xy
4. Diferenciaci on. 147
Luego, para cualquier punto (x, y) R
2
F(x, y) =
_
x
x
1
+ y
x
2
_
0
F(1, 0) +
_
x
x
1
+y
x
2
_
1
F(1, 0)
+
1
2!
_
x
x
1
+y
x
2
_
2
F(1, 0) =
1
3!
_
x
x
1
+y
x
2
_
3
F(1, 0)
+
1
4!
_
x
x
1
+y
x
2
_
4
F(c
1
, c
2
)
= F(1, 0) +
F
x
1
(1, 0) +y
F
x
2
(1, 0)
+
1
2
_
x
2
2
F
x
1
2
(1, 0) + 2xy
2
F
x
1
x
2
(1, 0) + y
2
2
F
x
2
2
(1, 0)
_
+
1
6
_
x
3
3
F
x
3
1
(1, 0) + 3x
2
y
3
F
x
2
x
2
1
(1, 0) + 3x
2
y
3
F
x
2
2
x
1
(1, 0)
_
+
1
6
_
y
3
3
F
x
2
3
(1, 0)
_
+
1
4!
_
x
x
1
+y
x
2
_
4
F(c
1
, c
2
)
= 1 +
1
2
(y
2
) +
1
6
(6xy
2
) +
1
4!
_
x
x
1
+y
x
2
_
4
F(c
1
, c
2
)
= 1
y
2
2
xy
2
+
1
4!
_
x
4
4
F
x
1
4
(c
1
, c
2
) + 4
4
F
x
2
x
1
3
(c
1
, c
2
)x
3
y
_
+
1
4!
_
6x
2
y
2
4
F
x
2
2
x
1
2
(c
1
, c
2
) + 4xy
3
4
F
x
1
x
2
3
(c
1
, c
2
) + y
4
4
F
x
4
1
(c
1
, c
2
)
_
= 1
y
2
2
xy
2
+
1
4!
c
4
2
cos(c
1
, c
2
)x
4
+ 4
_
c
1
c
2
3
cos(c
1
, c
2
) + 3 c
2
2
sin(c
1
, c
2
)
_
+ 6
_
c
1
[2 c
2
sin(c
1
c
2
) +c
1
c
2
2
cos(c
1
c
2
)] 2 (cos(c
1
c
2
) c
1
c
2
sin(c
1
c
2
))
_
x
2
y
2
+ 4 (3 c
2
1
sin(c
1
c
2
) +c
1
3
c
2
cos(c
1
c
2
)) xy
3
+c
4
1
cos(c
1
c
2
) y
4
donde (c
1
, c
2
) es un punto intermedio del segmento rectilineo que une
x
0
= (1, 0) con x. A continuacion presentamos el Teorema de Taylor para funcio-
nes de R
n
a R. Este resultado se puede probar utilizando un metodo similar al
utilizado en la demostracion del teorema de Taylor I. Sin embargo, presentamos
una segunda prueba.
Teorema 4.5.3 (de Taylor II) Sea F : A R
n
R una funcion de
clase (
n+1
en A, A abierto. Sean x, y A y sup ongase que el segmento
148 4.5. Teorema de Taylor
rectilneo que une x con y que yace en A. Entonces, existe un punto c en
dicho segmento tal que
F(y) = F(x) +
m
k=1
1
k!
D
k
F(x) (yx, . . . , xy) +
1
(n + 1)!
D
m+1
F(c) (yx, . . . , xy)
donde
D
k
F(x) (y x, . . . , x y) =
n
i1,...i
k
=1
k
F(x)
x
i1
. . . x
i
k
(y
i1
x
i1
, . . . , x
i
k
y
i
k
)
Demostraci on. Por la regla de la cadena, se tiene que
d(F(x
0
+th))
dt
=
n
i=1
F(x
0
+th)
x
i
h
i
por lo que, integrando de 0 a 1, se tiene que
F(x
0
+h) F(x
0
) =
n
i=1
_
1
0
F(x
0
+th)
x
i
h
i
dt
Ahora, integrando cada sumando del lado derecho de la igualdad utilizando la
formula general de integracion por partes
_
1
0
u
dv
dt
dt = uv
_
1
0
_
1
0
v
du
dt
dt
se tiene, tomando u =
F(x
0
+th)h
i
x
i
y v = t 1 que
n
i=1
_
1
0
F(x
0
+th)h
i
x
i
=
n
j=1
n
i=1
_
1
0
(1 t)
2
F(x
0
+th)h
i
h
j
x
j
x
i
dt +
n
i=1
h
i
F(x
0
)
x
i
de donde se sigue que
F(x
0
+h) F(x
0
) =
n
i=1
F(x
0
)
x
i
h
i
+!
i
(h, x
0
)
donde
!
1
(h, x
0
) =
n
i=1
n
i=1
_
1
0
(1 t)
2
F(x
0
+th)
x
i
x
j
h
i
h
j
dt
Integrando por partes esta ultima expresion y tomando u =
2
F(x
0
+th)
x
i
x
j
h
i
h
j
y v =
(t 1)
2
2
se concluye que
!
1
(h, x
0
) =
n
i,j,k=1
_
1
0
(t 1)
2
2
3
F(x
0
+th)
x
i
x
j
x
k
h
i
h
j
h
k
dt +
n
i,j=1
1
2
2
F(x
0
)
x
j
x
i
h
i
h
j
4. Diferenciaci on. 149
por lo que
F(x
0
+h) =
n
i=1
F(x
0
)
x
i
h
i
+
n
i,j=1
h
i
h
j
2
2
F(x
0
)
x
i
x
j
+!
2
(h, x
0
)
donde
!
2
(h, x
0
) =
n
i,j,k=1
_
1
0
(t 1)
2
2
3
F(x
0
+th)
x
i
x
j
x
k
h
i
h
j
h
k
dt
Ahora, el integrando de esta ultima expresion es una funcion continua y, por
tanto, acotada en una vecindad de x
0
. As, para alg un valor peque no, se tiene
que
[ !
2
(h, x
0
) [| h |
3
/
Ademas, notese que
!
2
(h, x
0
)
| h |
2
| h | / 0 cuando h 0 De esta forma,
aplicando el Teorema del valor medio para integrales se obtiene que
!
1
(h, x
0
) =
n
i,j=1
_
1
0
(1 t)
2
F(x
0
+th)
x
j
x
i
h
i
h
j
dt =
_
1
0
(1 t)D
2
F(x
0
+th)(h, h) dt
=
1
2
DF(c)(h, h)
De manera inductiva se sigue el resultado general.
F
x
i
(x, z)
para todo punto x B
a
(x
0
) y para todo z B
a
(z
0
). Como F(x
0
, z
0
) =
0, se tiene que
F(x, z) = F(x, z) F(x
0
, z
0
)
= (F(x, z) F(x
0
, z)) + (F(x
0
, z) F(x
0
, z
0
)).
Sea h(t) = F(tx + (1 t)x
0
, z), donde x, z son jos. Por el teorema del
valor medio, existe (0, 1) tal que h(1) h(0) = h
(x
0
) R
n
y V = B
a0
(z
0
)
R. As, si x |, existe un unico valor z 1 tal que F(x, z) = 0. Esto
dene la funcion z = g(x) requerida por el teorema. Ahora, tomando r R
tal que 0 < r < min (z z
0
), + (z z
0
) se sigue que para todo punto
x B
r
(x)
[g(x
) g(x)[ < ,
por lo que se concluye que g es continua. Finalmente, por la ecuacion 4.13
y dado que F(x, z) = 0 y z
0
= g(x
0
), se obtiene que
g(x) g(x
0
) =
G() (x x
0
)
F
z
(x
0
, z + (1 ) z
0
)
.
Si x = (x
1
0
, ...., x
i1
0
, x
i
0
+ h, x
i+1
0
, ...., x
h
0
), entonces
g(x) g(x
0
)
h
=
F
x
i
(x + (1 x
0
, z
0
))
F
z
(x
0
, z + (1 ) z
0
)
As, cuando h 0, x x
0
y z z
0
y, por tanto,
g
x
i
(x
0
) = lm
h0
g(x
1
0
, ...., x
i1
0
, x
i
0
+ h, x
i+1
0
, ...., x
n
0
) g(x
0
)
h
=
F
x
i
(x
0
, z)
F
z
(x
0
, z)
(0) = h DF(x
0
) = 0,
para todo h R
n
, de donde se concluye que DF(x
0
) = 0. Un argumento
analogo muestra que si x
0
es un maximo local, entonces x
0
es un punto crtico.
i,j=1
a
ij
h
i
h
j
= (h
1
, ...., h
n
)
_
_
a
11
. . . a
1n
.
.
.
.
.
.
a
n1
. . . a
nn
_
_
_
_
h
1
.
.
.
h
n
_
_
Observese que, en la denicion anterior, podemos suponer que la matriz
(a
ij
)
i,j{1,....,n}
es simetrica; esto se sigue ya que si reemplazamos a
ij
por b
ij
=
1
2
(a
ij
+ a
ji
), la funcion g no cambia, debido a que h
i
h
j
= h
j
h
i
. Ademas,
notese que
4. Diferenciaci on. 155
g(h) =
2
g(h),
propiedad que reeja la naturaleza cuadratica de g. Denimos ahora las
funciones hessianas
Denicion 52 Sea F : A R
n
R una funcion con derivadas parciales
de segundo orden en un punto x
0
A. El hessiano de F en x
0
es una funcion
cuadratica denida por
1
F(x0)
(h
0
) =
1
2
n
i,j=1
h
i
h
j
2
F
x
i
x
j
(x
0
).
Es importante destacar que si x
0
es un punto crtico, la formula de Taylor
para la funcion F de segundo orden toma la forma
F(x
0
+h) = +1
F(x0)
(h) + R
2
(h, x
0
)
As, en un punto crtico, el hessiano es igual al primer termino no constante
en la serie de Taylor de F.
Diremos que una funcion cuadratica g es denida positiva si g(h) 0 para
todo h R
n
y g(h) = 0 solo si h = 0. Diremos que g es denida negativa
si g(h) 0, alcanzando la igualdad en h = 0
Lema 4.7.2 Sea A = (a
ij
)
i,j{1,....,n}
/
nn
(R) una matriz cuadrada y
1 = R
n
R su funcion cuadratica asociada, es decir,
1(h) =
n
i,j=1
a
ij
h
i
h
j
, donde h = (h
1
, ...., h
n
).
Si 1 es denida positiva, entonces existe un valor > 0 tal que para todo
h R
n
1(h) |h|
2
Demostraci on. Si |h| = 1 notese que 1(h) es una funcion continua
y por tanto alcanza un valor mnimo, digamos . Como 1 es cuadratica, se
tiene que
1(h) = 1
_
h
|h|
, |h|
_
= |h|
2
1
_
h
|h|
_
|h|
2
para todo h ,= 0. Si h = 0, por la denicion de funcion cuadratica se sigue
el resultado.
El siguiente resultado brinda un criterio para determinar la naturaleza de
los extremos relativos.
156 4.7. M aximos y mnimos
Proposicion 4.7.3 Si F : A R
n
R es una funcion de clase (
3
en A,
x
0
A es un punto crtico de F y 1
F(x0)
es denido positivo, entonces x
0
es un mnimo. Si 1
F(x0)
es denido negativo, entonces x
0
es un m aximo.
Demostraci on. Si F : A R
n
R es de clase (
3
y x
0
A es puto
crtico, por el teorema de Taylor
F(x
0
+ h) = F(x
0
) + 1
F(x0)
(h) + R
2
(h, x
0
),
donde
R
2
(h, x
0
)
|h|
2
0 cuando h 0.
Como H
F(x0)
es denido positivo por el lema 4.7.2, existe > 0 tal que
para todo h R
n
H
F(x0)
(h) |h|
2
.
a
11
b
b a
22
_
h
1
h
2
_
=
1
2
(a
11
h
2
1
+ 2b h
1
h
2
+ a
22
h
2
2
);
Completando el cuadrado se tiene que
H(h) =
1
2
a
11
_
h
1
+
b
a
11
h
2
_
2
+
_
a
22
b
2
a
11
_
h
2
2
.
As, si H es denida positiva, tomando h
2
= 0, se sigue que a
11
> 0. Luego,
haciendo h
1
=
b
a
11
h
2
, obtenemos que
a
22
b
2
a
11
> 0 a
22
a
11
b
2
> 0,
donde a
22
a
11
b
2
= det A.
Por otra parte, si a > 0 y a
22
a
11
b
2
> 0, se tiene que H(h) es suma de
cuadrados, de donde se concluye que H(h) 0. Si H(h) = 0, entonces cada
cuadrado debe ser cero y, por tanto, h
1
= h
2
= 0, quedando probado el lema.
2
F
x
2
__
2
F
y
2
_
=
_
2
F
xy
_
2
se tiene lo siguiente:
a) Si
2
F
x
2
(x
0
) > 0 y HF > 0 en x
0
entonces x
0
es un mnimo relativo.
b) Si
2
F
x
2
(x
0
) < 0 y HF > 0 en x
0
entonces x
0
es un maximo relativo.
c) Si HF < 0, entonces x
0
es un punto silla.
d) Si HF = 0, no hay informaci on.
En el caso de la funcion G(x, y) = cos xy, ya habamos determinado que
los puntos (0 0), (x,
k
x
), k Z, x ,= 0 y (
k
y
, y) k Z, y ,= 0, son puntos
crticos de la funcion. Ademas,
2
G
x
2
= y
2
cos xy
2
G
y
2
= x
2
cos xy y
2
G
xy
= (senxy + y
2
cos xy)
Ahora en x
0
= (x,
k
x
), se tiene que
H
F(x0)
=
_
_
k
x
_
2
_
k
x
_
2
_
k
x
_
2
x
2
_
_
,
donde el signo depende del valor de k. Si k es par, entonces
H
F(x0)
=
_
_
_
k
x
_
2
_
k
x
_
2
_
k
x
_
2
x
2
_
_
,
Luego
HF =
_
_
k
x
_
2
x
2
_
k
x
_
4
_
=
(k)
4
x
4
(k)
2
=
_
(k)
2
x
4
x
4
_
.
158 4.7. M aximos y mnimos
Notese que HF > 0 si y solo s (k)
2
x
4
> 0, lo cual sucede si y
solamente si (k)
2
> x
4
, es decir, si y solo si
[x[ < (k)
1
2
, donde k 2Z.
De esta forma, si [x[ < (k)
1
2
, k 2Z, HF > 0 y
2
F
x
2
(x
0
) < 0, por lo
que se tiene que x
0
es un maximo. Si [x[ (k)
1
2
, k 2Z, se tiene un punto
silla.
Si k 2Z 1, entonces
H
F(x0)
=
_
_
_
k
x
_
2
_
k
x
_
2
_
k
x
_
2
x
2
_
_
,
de donde se sigue que
HF =
_
k
x
_
2
x
2
_
k
x
_
4
= (k)
2
(k)
4
x
4
= (k)
2
_
x
4
(k)
2
x
4
_
.
As, HF > 0 si y solo si
x
4
(k)
2
> 0 x
4
> (k)
2
[x[ > (k)
1
2
.
Luego, si [x[ > (k)
2
, k 2Z 1, HF > 0 y
2
F
x
2
(x
0
) > 0, por lo que
x
0
es un mnimo. Si [x[ (k)
1
2
, k 2Z 1, x
0
es un punto silla.
El analisis de los demas casos se deja como ejercicio para el lector. Ahora,
generalizaremos el criterio de la segunda derivada para mas de dos variables.
Proposicion 4.7.6 Sean F : R
n
R una funcion cuyas derivadas parciales
de segundo orden existen en A, x
0
A un punto crtico, u A un vector
unitario y D
2
u
F(x
0
) la segunda derivada direccional en el punto x
0
. Entonces
a) Si D
2
u
F(x
0
) < 0 para todo u, entonces F tiene un maximo local en x
0
.
b) Si D
2
u
F(x
0
) > 0 para todo u, entonces F tiene un mnimo local en x
0
.
4. Diferenciaci on. 159
c) Si D
2
u
F(x
0
) cambia de signo para diferentes direcciones u, entonces F
tiene un punto silla en x
0
.
d) Si existe u tal que D
2
u
F(x
0
) = 0, no hay informaci on.
Demostraci on. Recordemos que, al considerar la funcion
f(t) = F(x
0
+ u),
la derivada direccional en la direccion u toma la forma
D
u
F(x
0
) = f
(0).
Luego
D
u
F(x
0
) = f
(0).
Ademas, recordemos que
D
u
F(x
0
) = F(x
0
) u,
de donde se sigue que si x
0
es un punto crtico, D
u
F(x
0
) = 0. As, 0 es un
punto crtico de f. Luego, por el criterio de la segunda derivada para funciones
reales de variable real, se concluye que
a) f(0) es un maximo relativo de f si f
(0) = D
2
u
F(x
0
), de donde se sigue que F(x
0
) es un maximo relativo
de F si D
2
u
F(x
0
) < 0.
b) f(0) = F(x
0
) es un mnimo relativo de f (y, por tanto, de F ) si f
(0) =
D
2
u
F(x
0
) > 0.
c) Si al variar el vector u las desigualdades cambian, entonces es un punto
silla.
d) Al igual que en el caso real, si D
2
u
F(x
0
) = 0, el criterio no decide.
, como
[v]
=
_
_
_
a
1
.
.
.
a
n
_
_
_
donde v =
n
i=1
a
i
e
i
.
De esta forma, si = y
1
. . . y
m
es una base para J y T : 1 J es
una transformacion lineal, entonces existen escalares unicos a
ij
R tales que
T(e
i
) =
m
i=1
a
ij
y
i
, j 1 . . . n por lo que la matriz que representa a T en las
bases y , denotada por[T]
=
_
_
_
a
11
a
1n
.
.
.
.
.
.
.
.
.
a
m1
a
mn
_
_
_
Si 1 = J y = , escribimos unicamente [T]
= [U]
[T]
donde y
= Q[T]
Q
En general, se dice que dos matrices A, B /
mn
(R) son similares si existe
una matriz Q /
mn
(R), donde det Q ,= 0 ( es decir, que Q es invertible) tal
que B = Q
1
AQ.
Por otro lado, diremos que T : 1 1 es un operador lineal diagonalizables
si existe una base de 1 tal que [T]
=
_
_
_
_
_
1
0 0
0
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0
n
_
_
_
_
_
Este teorema motiva la siguiente denicion.
Denicion 54 Sea T : 1 1 un operador lineal. Un elemento v 10
es un eigenvector o vector propio de T si existe R
1
0 0
0
2
0
.
.
.
.
.
.
.
.
.
.
.
.
0 0
n
_
_
_
_
_
_
_
_
v
1
.
.
.
v
n
_
_
_ =
n
i=1
v
1
2
Por tanto, el signo de T
2
u
F(x
0
) depende de los valores
1
, ,
n
.
Ejemplo.
Considerese F(x, y) = x
3
3xy + y
3
. Al calcular el vector gradiente de F se
obtiene que los valores crticos de esta funcion son (0, 0, 0) y (1, 1, 1). Ademas
/
F(x)
=
_
6x 3
3 6y
_
As
_
0 3
3 0
_
por lo que
4. Diferenciaci on. 163
det (1
F(0,0)
I) =
2
9 = 0
de donde se obtiene que
1
= 3 y
2
= 3. Por tanto,
T
2
u
F = 3u
1
1
3u
2
2
de donde se concluye que el valor de D
2
u
F variara seg un u
1
y u
2
. Luego
(0, 0, 0) es un punto silla. Por otra parte, para el punto (1, 1) se tiene que
1
F(1,1)
=
_
6 3
3 6
_
De donde se sigue que
1
= 9 y
2
= 3. As
D
u
F = 9u
2
1
+ 3u
2
2
> 0
para cualesquiera u
1
, u
2
R. En consecuencias (1, 1, 1) es un mnimo.
Teorema 4.7.9 Sean F : A R
n
R una funcion con primeras derivadas
parciales continuas, x
0
A un punto crtico, 1 la matriz hessiana. y
i
, i
1, ...., n los valores propios de 1. Entonces
a) F(x
0
) es un m aximo local si
i
< 0 para toda i 1, ...., n
b) F(x
0
) es un mnimo local si
i
> 0 para toda i 1, ...., n
c) F(x
0
) es un punto silla si
i
,= 0, para toda i 1, ...., n; y si existen
i
y
j
valores propios de 1, i ,= j, tales que
i
> 0 y
j
< 0
d) Si existe u R
n
i
= 0, el criterio no brinda informacion.
Demostraci on. Sea u R
n
tal que |u| = 1. Luego
D
2
u
F(x
0
) = u (u F(x
0
))
=
n
i,j=1
2
F
x
i
x
j
(x
0
)u
i
u
j
= u
t
1u
Como las derivadas parciales son continuas,
2
F
x
i
x
j
=
2
F
x
j
x
i
, por lo que
1 es una matriz simetrica. As, 1 = PDP
t
, donde P es una matriz ortogonal
y D es una diagonal. En consecuencia,
D
2
u
F(x
0
) =
n
i=1
i
v
2
i
.
Si
i
< 0 para toda i 1, ...., n, entonces D
2
u
F(x
0
) < 0 y F(x
0
) es un
maximo.
164 4.7. M aximos y mnimos
Si > 0 para toda i 1, ...., n, entonces D
2
u
F(x
0
) > 0 y F(x
0
) de
donde se sigue que F(x
0
) es un mnimo.
Si existen i 1, ...., n, tales que i ,= j y
i
y
j
tienen signos contrarios,
entonces D
2
u
F(x
0
) cambia de signo al cambiar u y por tanto x
0
es un punto
silla. Si existe i 1, ...., n, tal que
i
= 0, no hay informacion ya que para
el vector e
i
cuyas entradas son todas cero salvo la i-esima, en la cual tiene un
uno, se tiene que
D
2
ei
F(x
0
) = 0
Bibliografa
[1] Cardenas, H. et Al,
Algebra superior, Mexico, Trillas, 1982.
[2] Courant, R., Fritz, J., Introduction to Calculus and Analysis Vol. 2,
New York, Interscience, 1965.
[3] Friedberg, S. et Al, Linear Algebra, New Jersey, Prentice Hall, 2003.
[4] Haaser, N. et Al, An alisis matematico 2, Mexico, Trillas, 1971.
[5] Lascurain, A.,
Algebra superior I, Mexico, Facultad de Ciencias, UNAM,
2012.
[6] Lehmann, C., Geometra analtica, Mexico, Limusa, 1994.
[7] Marsden, J., Hoffman, M. Elementary Classical Analysis, New York,
W. H. Freeman and Company, 1993.
[8] Marsden, J., Tromba, A. Vector Calculus, Third Edition, New York,
W. H. Freeman and Company, 1988
[9] Murdoch, D. C., Geometra analtica con vectores y matrices, Mexico,
Limusa, 1981.
165