Cálculo Avanzado de Francisco Caicedo
Short Description
Descripción: En el cap´ıtulo 1 procuramos dar los resultados que usaremos en los cap´ıtulos siguientes, con el ´animo d...
Description
Cálculo avanzado Introducción
José Francisco Caicedo Contreras
Cálculo avanzado Introducción
FACULTAD DE CIENCIAS DEPARTAMENTO DE MATEMÁTICAS
Bogotá, D. C., Colombia, agosto de 2012
© Universidad Nacional de Colombia Facultad de Ciencias Departamento de Matemáticas © José Francisco Caicedo Contreras
ilustración portada y contraportada Profesor Gustavo Rubiano Departamento de Matemáticas isbn 978-958-761-239-4 Mathematics Subject Classification (MSC2010): 26E15, 26E20 Primera edición, 2012
Bogotá, Colombia Prohibida la reproducción total o parcial por cualquier medio sin la autorización escrita del titular de los derechos patrimoniales
Catalogación en la publicación Universidad Nacional de Colombia Caicedo Contreras, José Francisco, 1939Cálculo avanzado / José F. Caicedo -- 2a. ed. – Bogotá : Universidad Nacional de Colombia. Facultad de Ciencias, 2012 xvi, 410 p. Incluye referencias bibliográficas ISBN : 978-958-761-239-4 1. Análisis matemático 2. Análisis funcional no lineal 3. Cálculo 4. Teoría de los grupos I. Tít. CDD-21 515 / 2012
Contenido
Prefacio
XIII
1 Espacios vectoriales normados
1
1.1
Espacios normados . . . . . . . . . . . . . . . . . . . . . .
1
1.2
Espacios con producto interno . . . . . . . . . . . . . . . .
4
1.3
Espacios m´etricos . . . . . . . . . . . . . . . . . . . . . . . 10
1.4
Espacios topol´ogicos . . . . . . . . . . . . . . . . . . . . . 12
1.5
Aplicaciones lineales continuas . . . . . . . . . . . . . . . 17
1.6
Normas equivalentes . . . . . . . . . . . . . . . . . . . . . 25
1.7
Aplicaciones multilineales . . . . . . . . . . . . . . . . . . 40
1.8
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
vii
viii
CONTENIDO
2 La diferencial como aplicaci´ on lineal
69
2.1
Aplicaciones F -diferenciables . . . . . . . . . . . . . . . . 72
2.2
Aplicaciones G-diferenciables . . . . . . . . . . . . . . . . 76
2.3
Aplicaciones n-lineales . . . . . . . . . . . . . . . . . . . . 81
2.4
Propiedades de la derivada
2.5
Derivada de un producto . . . . . . . . . . . . . . . . . . . 88
2.6
Derivadas de aplicaciones con coordenadas . . . . . . . . . 92
2.7
La matriz jacobiana . . . . . . . . . . . . . . . . . . . . . 97
2.8
El gradiente . . . . . . . . . . . . . . . . . . . . . . . . . . 99
2.9
Derivada Fr´echet, derivada compleja . . . . . . . . . . . . 102
. . . . . . . . . . . . . . . . . 85
2.10 Funciones continuamente diferenciables . . . . . . . . . . . 108 2.11 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
3 Derivadas de orden superior
119
3.1
Aplicaciones de la regla de la cadena . . . . . . . . . . . . 120
3.2
La segunda derivada . . . . . . . . . . . . . . . . . . . . . 123
3.3
La matriz Hessiana . . . . . . . . . . . . . . . . . . . . . . 129
3.4
Clase C k . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132
3.5
Aplicaciones de clase k ≥ 1 con coordenadas . . . . . . . . 150
3.6
Simetr´ıa de la segunda derivada . . . . . . . . . . . . . . . 156
3.7
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
CONTENIDO
´ 4 Algebras de Banach
ix 179
4.1
Series en ´algebras de Banach . . . . . . . . . . . . . . . . 182
4.2
El conjunto de inversibles en ´algebras de Banach . . . . . . . . . . . . . . . . . . . . . . . . . . . . 186
4.3
Derivada de inv : G → G . . . . . . . . . . . . . . . . . . . 189
4.4
Exponencial en ´algebras de Banach con unidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 196
4.5
Aplicaci´on a ecuaciones diferenciales . . . . . . . . . . . . 207
4.6
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 212
5 Desigualdad del valor medio
215
5.1
La desigualdad del valor medio . . . . . . . . . . . . . . . 222
5.2
Aplicaciones . . . . . . . . . . . . . . . . . . . . . . . . . . 233
5.3
Derivada de Gateaux y valor medio . . . . . . . . . . . . . 235
5.4
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 237
6 Integraci´ on en espacios de Banach
241
6.1
Extensi´ on de funciones lineales continuas
. . . . . . . . . 241
6.2
Integral de aplicaciones salto . . . . . . . . . . . . . . . . 244
6.3
Adherencia de las funciones salto y aplicaciones regladas . . . . . . . . . . . . . . . . . . . . . 249
6.4
Propiedades de la integral . . . . . . . . . . . . . . . . . . 261
6.5
El teorema fundamental del c´alculo . . . . . . . . . . . . . 267
x
CONTENIDO
6.6
Integraci´ on por partes . . . . . . . . . . . . . . . . . . . . 274
6.7
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 275
7 Teorema de Schwarz y Taylor
279
7.1
Definici´ on de derivada parcial . . . . . . . . . . . . . . . . 280
7.2
Relaci´ on entre derivada parcial y clase C k . . . . . . . . . 281
7.3
Teorema de Schwarz . . . . . . . . . . . . . . . . . . . . . 291
7.4
Teorema de Taylor . . . . . . . . . . . . . . . . . . . . . . 304
7.5
Diferenciaci´on bajo el signo integral . . . . . . . . . . . . 308
7.6
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 312
8 Funci´ on inversa e impl´ıcita
317
8.1
Difeomorfismos . . . . . . . . . . . . . . . . . . . . . . . . 317
8.2
Principio de contracci´on de Banach . . . . . . . . . . . . . 322
8.3
Teorema de la funci´on inversa . . . . . . . . . . . . . . . . 332
8.4
Teorema de la funci´on impl´ıcita . . . . . . . . . . . . . . . 339
8.5
Teorema de inmersi´ on local . . . . . . . . . . . . . . . . . 349
8.6
Teorema de Inyectividad Local . . . . . . . . . . . . . . . 352
8.7
Teorema de submersi´ on local . . . . . . . . . . . . . . . . 353
8.8
Teorema del rango . . . . . . . . . . . . . . . . . . . . . . 357
8.9
Teorema del rango constante . . . . . . . . . . . . . . . . 360
8.10 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 364
CONTENIDO
9 M´ aximos y m´ınimos
xi 369
9.1
Multiplicadores de Lagrange . . . . . . . . . . . . . . . . . 386
9.2
Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . 400
Bibliograf´ıa
401
´ Indice alfab´ etico
405
Prefacio
Este libro introductorio al C´ alculo Avanzado presenta el resultado de cursos que he dictado sobre el tema durante varios a˜ nos en el posgrado de Matem´ aticas de la Universidad Nacional de Colombia; originalmente surgi´ o como notas de clase y he usado parte de ellas en el curso de An´alisis III de la carrera de Matem´ aticas. El objetivo principal de la obra es proveer los conocimientos b´asicos para los cursos de Ecuaciones Diferenciales Ordinarias, Ecuaciones Diferenciales Parciales, Topolog´ıa Diferencial, Variedades Diferenciales, Mec´ anica y otros que se imparten, tanto en el pregrado, como en el posgrado de Matem´ aticas, a fin de que el estudiante se familiarice con el lenguaje moderno del C´ alculo, sin que pierda el sabor e intuici´on propios de la matem´atica cl´ asica. Desarrollamos la teor´ıa, usando el lenguaje de los espacios vectoriales y teniendo, como cuerpo de escalares, los n´ umeros reales R en espacios vectoriales normados. La mayor´ıa de los resultados se extienden a espacios vectoriales normados con cuerpo de escalares C. El curso se desarrolla suponiendo que el estudiante ya ha recibido ´ un curso preliminar de Algebra Lineal y se entienden como conocidos los conceptos de espacio vectorial y las nociones de base y dimensi´ on de un espacio vectorial, de independencia lineal de vectores, de aplicaci´on lineal entre espacios vectoriales, etc. Sin embargo, recordamos a lo largo del texto algunos de estos conceptos.
xiii
xiv
CAP´ITULO 0. PREFACIO PREFACIO
En el cap´ıtulo 1 procuramos dar los resultados que usaremos en los cap´ıtulos siguientes, con el ´animo de precisar el lenguaje a usar en el resto de estas notas; quien haya estudiado Espacios M´etricos, Topolog´ıa General y An´alisis Funcional, puede evitar el breve repaso que hacemos en este cap´ıtulo. Por motivos did´ acticos recomendamos tener en cuenta el Teorema 1.33, el cual establece equivalencias para que una aplicaci´ on lineal entre espacios normados sea continua; el Teorema 1.75, que establece equivalencias para que una aplicaci´ on multilineal entre espacios normados sea continua; y el Teorema 1.72, el cual establece que en un espacio normado de dimensi´ on finita todas las normas son equivalentes. Recomendamos los teoremas sobre continuidad de aplicaciones lineales y multilineales continuas en espacios normados. Usaremos en los cap´ıtulos siguientes los ejemplos citados en el Cap´ıtulo 1. No pretendo nada sobre pedagog´ıa en este libro, me da miedo pensar en ense˜ nar a ense˜ nar, solo queremos presentar un enfoque diferente de la noci´ on de derivada como una aplicaci´ on lineal. En primera lectura he destacado qu´e partes pueden omitirse. En el texto se dan ejemplos trabajados en detalle, con el a´nimo de mostrar algunos m´etodos; al final del libro, citamos la bibliograf´ıa usada y algunos art´ıculos de referencia. La idea de culminar las notas del curso se debe al inter´es de muchos de mis estudiantes, hoy colegas, quienes me alentaron a hacerlo. Agradezco los comentarios sobre redacci´ on y errores cometidos en versiones preliminares a esta, hechos por algunos profesores del Departamento, entre ellos, Lucimar Nova, Sim´on Frias (q. e. p. d.) y V´ıctor M. Ardila de la Pe˜ na. Agradecimientos especiales al profesor Rodrigo De Castro, quien hace a˜ nos me sugiri´ o escribir notas de ayuda para los cursos de An´alisis III y de C´ alculo Avanzado que se impart´ıan en la carrera y Posgrado de Matem´aticas; este libro es fruto de esa sugerencia. Adem´as, a ´el se le debe mucho acerca del levantamiento del texto en TEX. Agradezco tambi´en a la se˜ norita Patricia Ch´ avez, TEX-perta (de la revista de Estad´ıstica), quien me colabor´o en la presentaci´ on final de esta versi´on, y a aquellas personas que de alguna u otra forma aportaron a estas notas.
PREFACIO
xv
Finalmente, agradezco a la directora del Departamento, profesora Myriam Campos, al profesor Gustavo Rubiano, y al coordinador de Publicaciones del Departamento, profesor V´ıctor Tapia, por su empe˜ no en que estas notas se pudieran publicar. Jos´e Francisco Caicedo C.
CAP´ITULO
1
Espacios vectoriales normados
En este cap´ıtulo, introducimos algunos conceptos de espacios vectoriales normados, con cuerpo de escalares, los n´ umeros reales R, o el cuerpo de los n´ umeros complejos C. Por razones de tipo did´actico, nos restringiremos a R; la mayor´ıa de los resultados son v´ alidos cuando el cuerpo de escalares es C. Suponemos que el lector conoce resultados de ´algebra lineal como los de espacio vectorial, dependencia lineal de vectores, base, dimensi´ on, subespacio, aplicaci´ on lineal, etc. En cuanto sea posible daremos ejemplos en dimensi´on finita. Sin embargo, la teor´ıa ser´ a planteada en dimensiones arbitrarias, destacando el caso finito.
1.1
Espacios normados
1.1 Definici´ on. Una norma en un espacio vectorial E sobre R (o C) es una aplicaci´on N , definida en E a valor real N :E→R la cual satisface las siguientes tres propiedades: 1
CAP´ITULO 1. ESPACIOS VECTORIALES NORMADOS
2
(N1 ) N (x) ≥ 0 para todo x ∈ E y N (x) = 0 si y solo si x = 0. (N2 ) N (λx) = |λ|N (x) para todo x ∈ E y para todo λ ∈ R. (N3 ) N (x + y) ≤ N (x) + N (y) para x, y ∈ E (desigualdad triangular). Usaremos las notaciones siguientes N (x) = x y leeremos “norma de x”. 1.2 Nota. En (N2 ), |λ| es el valor absoluto del n´ umero real λ (o si el cuerpo de escalares es C, es el m´ odulo del complejo λ). Al par (E, ) lo llamaremos Espacio vectorial normado. Los axiomas (N1 ), (N2 ), (N3 ) implican: 1.3 Proposici´ on. En un espacio vectorial normado (E, ), tenemos a)
− x = x para todo x ∈ E.
b)
x − z = z − x para todo x, z ∈ E. Para x, z ∈ E x − z ≤ x − z.
c) Demostraci´ on.
− x = (−1)x = | − 1|x. x − z = (−1)(z − x) = z − x. Para c), observamos que x = x − z + z. Luego x = x − z + z ≤ x − z + z, por lo tanto x − z ≤ x − z. An´ alogamente, z = z − x + x ≤ z − x + x. Obtenemos z − x ≤ z − x = x − z,
(∗)
1.1. ESPACIOS NORMADOS
3
−x − z ≤ x − z.
(∗∗)
es decir,
De (∗) y (∗∗), deducimos −x − z ≤ x − z ≤ x − z. Esto equivale a x − z ≤ x − z.
La desigualdad anterior ser´a u ´til luego para demostrar que la norma es una aplicaci´ on continua, a´ un m´as uniformemente continua. Si (N1 ) es reemplazada por x ≥ 0 para todo x ∈ E y x = 0, implica x = 0; en este caso, la aplicaci´ on N = es llamada una seminorma. Note la diferencia. 1.4 Ejemplo. a) E = R es considerado como espacio vectorial sobre s´ı mismo y | | el valor absoluto, como norma. (R, | |) es espacio vectorial normado. b) E = RN = {x = (x1 , x2 , . . . , xN ) | xj ∈ R}. Las tres siguientes funciones son normas en E: N x1 = x2j , j=1
x2 =
N
|xj |,
j=1
x3 = sup{|xj | : j = 1, 2, . . . , N }. Es f´acil demostrar que 2 , 3 son normas. La desigualdad triangular para la norma 1 ser´a deducida posteriormente como consecuencia de resultados en espacios vectoriales con producto interno. La norma 1 es llamada euclideana o usual.
CAP´ITULO 1. ESPACIOS VECTORIALES NORMADOS
4
c) E = M (m × n) es el espacio vectorial de las matrices de tama˜ no m × n con elementos en R, con las operaciones usuales de adici´on de matrices y multiplicaci´ on de un real por una matriz. Podemos definir en E las siguientes normas: para A = (aij ) en E, definimos (m,n) A1 = a2ij , (i,j)=(1,1)
(m,n)
A2 =
|aij |,
(i,j)=(1,1)
A3 = sup{|aij | : i = 1, 2, . . . , m, j = 1, 2, . . . , n}. Dejamos como ejercicio verificar que son tres normas en E.
1.2
Espacios con producto interno
1.5 Definici´ on. a) Un producto interno en un espacio vectorial real E es una funci´ on P : E × E → R, tal que P es bilineal sim´etrica positivamente definida, es decir, (P1) P(x + y, z) = P(x, z) + P(y, z) para todo x, y, z ∈ E. (P2) P(λx, y) = λP(x, y) para todo λ ∈ R, para todo x, y ∈ E. (P3) P(x, y) = P(y, x) para todo x, y ∈ E (simetr´ıa). (P4) P(x, x) ≥ 0 para todo x ∈ E y P(x, x) = 0 si y solo si x = 0 (positividad). b) Un producto interno o producto hermitiano sobre un espacio complejo es una aplicaci´ on P : E × E → C, tal que (C1) P(x + y, z) = P(x, z) + P(y, z) para todo x, y, z ∈ E. (C2) P(λx, y) = λP(x, y) para todo λ ∈ C, para todo x, y ∈ E. (C3) P(x, y) = P(y, x) para todo x, y ∈ E, donde P(y, x) es el {“conjugado del complejo P(y, x)”}. (C4) P(x, x) ≥ 0 para todo x ∈ E y P(x, x) = 0 si y solo si x = 0.
1.2. ESPACIOS CON PRODUCTO INTERNO
5
De (C3) deducimos que P(x, x) es real. Si E es un espacio con producto interno P al par (E, P), se le llama espacio con producto interno. 1.6 Ejemplo. a) Sea E = RN , consideramos el producto interno usual , : R N × RN → R (x, y) → x, y =
N
x j yj ,
j=1
donde x = (x1 , x2 , . . . , xN ), y = (y1 , y2 , . . . , yN ). b) En E = CN el producto interno usual es z, w =
N
zj w j ,
j=1
donde z = (z1 , z2 , . . . , zN ), w = (w1 , w2 , . . . , wN ) en E. Se considera E con la norma inducida por este producto interno, luego N z = |zk |2 , k=1
donde |zk | es la norma o valor absoluto del complejo zk . c) Consideramos E el conjunto de funciones continuas, definidas en [0, 1] a valor real: E = {f : [0, 1] → R | f es continua}. Podemos dotar E de estructura de espacio vectorial sobre R al definir: i) Para f, g ∈ E, f +g es la funci´on definida por (f +g)(t) = f (t)+g(t) para todo t ∈ [0, 1]. ii) Para λ ∈ R, λf es la funci´on definida por (λf )(t) = λf (t) para t ∈ [0, 1]. Es claro que f + g y λf son funciones continuas en [0, 1] si f, g lo son en [0, 1]. E con estas dos operaciones es un espacio vectorial sobre R.
CAP´ITULO 1. ESPACIOS VECTORIALES NORMADOS
6
Al definir P : E × E → R por 1 P(f, g) = f, g = f (t)g(t) dt
(integral de Riemann),
0
vemos que P es un producto interno en E. Al usar las propiedades de la integral, para f, g, h ∈ E y λ ∈ R, obtenemos P(f, g) = P(g, f ). P(f + g, h) = P(f, h) + P(g, h). P(λf, g) = λP(f, g). Para que P sea positiva, se obtiene as´ı: 1 P(f, f ) = f (t)f (t) dt = 0
1
f 2 (t) dt ≥ 0
0
por propiedades de la integral. 1 1. Si P(f, f ) = 0 f 2 (t) dt = 0, concluimos que f (t) = 0 para todo t ∈ [0, 1]. En efecto, si f no es id´enticamente cero, existe s en [0, 1] tal que f (s) = 0. Luego, f 2 (s) > 0, y como f 2 es continua, existe vecindad de s, es decir, existe r > 0, tal que para todo t ∈ (s − r, s + r) ∩ [0, 1], f 2 (t) > 0. Por consiguiente, 1 s−r s+r 1 2 2 2 I= f (t) dt = f (t) dt + f (t) dt + f 2 (t) dt. 0
Ya que s+r
0
s−r
f 2 (t) dt > 0,
s−r
1 s+r
s+r
f 2 (t) dt ≥ 0
s−r
y
f 2 (t) dt ≥ 0,
0
vemos que I > 0. Como es claro que si f ≡ 0, obtenemos 1 f 2 (t) dt = 0 si y solo si f ≡ 0.
1 0
0 dt = 0,
0
En un espacio vectorial con producto interno E con escalares en R, es v´alida la desigualdad de Cauchy-Schwarz; antes un lema:
1.2. ESPACIOS CON PRODUCTO INTERNO
7
1.7 Lema. Sean a > 0, b, c n´ umeros reales, f (t) = at2 + 2bt + c, t ∈ R, tenemos: f (t) ≥ 0 para todo t ∈ R
si y solo si
b2 ≤ ac.
Demostraci´ on. Como a > 0, si f (t) ≥ 0 para todo t ∈ R, entonces:
2b b2 0 ≤ at + 2bt + c = a t + t + 2 a a 2
2
luego: si t = − ab , obtenemos que
ac−b2 a
b2 b 2 ac − b2 +c− + =a t+ , a a a ≥ 0, es decir, b2 ≤ ac.
Rec´ıprocamente,
b si b ≤ ac, entonces f (t) = a t + a 2
b Por ser a > 0, se tiene a t + a
2
2
+
ac − b2 ≥ 0 para todo t ∈ R. a
≥ 0.
1.8 Teorema. (Desigualdad de Cauchy-Schwarz) Sea (E, , ) espacio vectorial sobre R con producto interno, entonces para todo par x, y de vectores de E, tenemos: x, y ≤ x, x y, y . La igualdad se da si y solo si x, y son linealmente dependientes. Demostraci´ on. i) Si x = 0 (de E) es claro de la definici´ on de , que 0, y = 0 y adem´ as 0, 0 = 0. As´ı la desigualdad es evidente. ii) Sea x = 0, entonces para todo t, y todo x, y ∈ E: 0 ≤ tx + y, tx + y = t2 x, x + 2tx, y + y, y , si a = x, x > 0, b = x, y , c = y, y . Vemos que 0 ≤ at2 + 2bt + c para todo t ∈ E. El lema 1.7 nos implica que b2 ≤ ac, y esta es la desigualdad de Cauchy-Schwarz.
8
CAP´ITULO 1. ESPACIOS VECTORIALES NORMADOS
1.9 Proposici´ on. Sea (E, , ) espacio vectorial sobre R con producto interno, podemos dotar a E de estructura de espacio vectorial normado, al definir para x ∈ E: x = x, x . Demostraci´ on. Solo demostraremos que satisface (N 3); para ello, usaremos la desigualdad de Cauchy-Schwarz: x + y2 = x + y, x + y = x, x + 2x, y + y, y = x2 + y2 + 2x, y ≤ x2 + y2 + 2xy = (x + y)2 . Hemos usado el teorema 1.8, por tanto x + y2 ≤ (x + y)2 .
La norma anteriormente definida se llama norma inducida por el producto interno. 1.10 Nota. En un espacio con producto interno E, , , se puede definir a´ngulo entre dos vectores no nulos, debido a la desigualdad de CauchySchwarz, como |u, v | ≤ uv; se define ´angulo entre u y v como el real θ, tal que cos(θ) =
u, v . uv
No es u ´nico, debido a la periodicidad de cos. En el caso E = R2 , el real θ se escoge para z = (x, y) a θ ∈ (−π, π]. Se llama a este u ´nico real valor principal o ´ angulo principal o argumento principal y se suele escribir θ = arg(z). Su determinaci´ on en este caso tiene algo de dificultad: en coordenadas polares si (x, y) ∈ R2 , (x, y) = (0, 0) existen r > 0 y θ ∈ (−π, π) tales que x = r cos(θ), y = sen(θ); esto implica que x2 + y 2 = r. Si x = 0, entonces xy = tan(θ). Como la funci´ on tangente tiene periodo π, esto implica que θ est´ a determinado salvo adici´ on de mπ, donde m es entero. Como tan(θ) es continua y estrictamente creciente
9
1.2. ESPACIOS CON PRODUCTO INTERNO
en el intervalo abierto J = − π2 , π2 , entonces existe un u ´nico v ∈ J, tal que tan(θ) = tan(v); se deduce que θ es el valor principal del ´angulo obtenido de v, por: si z = (x, y), x = 0, se tiene: ⎧ ⎪ si x > 0 ⎨v arg(z) = v + π si x < 0, y ≥ 0 ⎪ ⎩ v − π si x < 0, y < 0. Dejamos al lector examinar las posibilidades para los otros casos, es decir, cuando x = 0, θ = π2 o − π2 , seg´ un que sea y > 0 o y < 0. 1.11 Ejemplo. a) El producto interno usual de RN nos muestra que x21 = es inducida por este producto interno.
N
2 j=1 xj
b) Consideramos E = C([0, 1], R) = {f : [0, 1] → R | f es continua} el espacio vectorial del ejemplo 1.6 c). Vimos que f, g =
1 0
f (t) g(t) dt es un producto interno en E, luego 1 f = f 2 (t) dt 0
es la norma inducida por el anterior producto interno en E. 1.12 Nota. No siempre una norma proviene de un producto interno. (La siguiente proposici´on provee condiciones para que lo sea, y para el rec´ıproco de esta es decir, para obtener condiciones necesarias y suficientes; ver proposici´on 1.37 de este cap´ıtulo 1). 1.13 Proposici´ on. Sea (E, , ) un espacio con producto interno. En E es v´ alida la ley del paralelogramo, es decir, dados x, y ∈ E, x + y2 + x − y2 = 2x2 + 2y2 . Demostraci´ on. x + y, x + y + x − y, x − y = x + y2 + x − y2 = x, x + 2x, y + y, y + x, x − 2x, y + y, y = 2x2 + 2y2 .
CAP´ITULO 1. ESPACIOS VECTORIALES NORMADOS
10
1.14 Definici´ on. Sean (E, , ) espacio vectorial con producto interno (sobre R); x, y dos vectores de E; x se dice ortogonal a y si x, y = 0. Lo notaremos x ⊥ y. Vemos que x ⊥ y implica y ⊥ x, y el vector 0 de E es tal que 0 ⊥ x para todo x en E. 1.15 Teorema (Teorema de Pit´ agoras). Sea (E, , ) un espacio vectorial con producto interno sobre R, x, y en E; x ⊥ y, si y solo si x + y2 = x2 + y2 . Demostraci´ on. Ejercicio para el lector.
A continuaci´ on recordaremos algunos conceptos referentes a espacios m´etricos.
1.3
Espacios m´ etricos
1.16 Definici´ on. Sea M un conjunto no vac´ıo, una m´etrica o distancia en M es una aplicaci´ on d : M × M → R, tal que d1) Para x, y ∈ M, d(x, y) ≥ 0, d(x, y) = 0 si y solo si x = y. d2) d(x, y) = d(y, x) para todo x, y ∈ M . d3) Para x, y, z ∈ E, d(x, y) ≤ d(x, z) + d(z, y) (desigualdad triangular). La funci´on d se llama tambi´en distancia, d(x, z) es la distancia entre los puntos x y z. Al par (M, d) donde M es un conjunto no vac´ıo y d una m´etrica en M , se le llama espacio m´etrico. Para efectos de homogeneidad en el lenguaje, recordamos: 1.17 Definici´ on. Sea (M, d) un espacio m´etrico, x0 ∈ M , r > 0 real, definimos:
´ 1.3. ESPACIOS METRICOS
11
a) Bola abierta de centro en x0 y de radio r al conjunto Br (x0 ) = B(x0 , r) = {x ∈ M | d(x, x0 ) < r}. b) Esfera de centro en x0 y radio r al conjunto: S[x0 , r] = Sr [x0 ] = {x ∈ M | d(x, x0 ) = r}. c) Dado S ⊂ M, x0 ∈ M, x0 se dice punto interior de S si existe r > 0, tal que B(x0 , r) ⊂ S. d) Dados x0 ∈ M , se dice que V ⊂ M es vecindad de x0 si existe r > 0 tal que B(x0 , r) ⊂ V , es decir, si x0 es un punto interior de V. e) En el espacio m´etrico (M, d), A ⊂ M, A se dice abierto en M si para todo x en A, A es vecindad de x, es decir, si para todo x en A, x es un punto interior de A. Esto equivale a decir que para todo x ∈ A existe B(x, r) tal que B(x, r) ⊂ A (r depende de x, r > 0). f) Bola cerrada de centro en x0 y de radio r al conjunto: Br [x0 ] = B[x0 , r] = {x ∈ M | d(x, x0 ) ≤ r}. g) Dado x0 ∈ M y S ⊂ M , se dice que x0 es punto de acumulaci´ on de
S si para toda vecindad V de x0 ; se tiene que V − {x0 ∩ S = ∅. Note las diferencias en los par´entesis en las definiciones de bola abierta y bola cerrada. Si llamamos τd = {A ⊂ M | A es abierto en M }, los elementos de τd satisfacen las siguientes propiedades: 1. M y ∅ son abiertos en M , es decir, est´ an en τd . 2. Si (Aj )j∈Jes familia de abiertos de M, (Aj ∈ τd para todo j ∈ J), entonces j∈J Aj est´ a en τd . 3. Si Aj ∈ τd j = 1, 2, entonces A1 A2 ∈ τd .
CAP´ITULO 1. ESPACIOS VECTORIALES NORMADOS
12
1.4
Espacios topol´ ogicos
Recordamos que dado un conjunto no vac´ıo Y , una topolog´ıa en Y es una familia τ de subconjuntos de Y , τ ⊂ P(Y ) = {A | A ⊂ Y }, tal que satisface 1. Y, ∅ est´ an en τ . 2. Si (Aj )j∈J familia de elementos de τ , entonces la reuni´on pertenece a τ .
j∈J
Aj
an en τ , entonces A1 ∩ A2 ∈ τ . 3. Si A1 , A2 est´ Los elementos de τ se llaman conjuntos abiertos en Y o simplemente abiertos en Y . Al par (Y, τ ), donde τ es topolog´ıa en Y , se le llama espacio topol´ ogico o simplemente se dice que Y es un espacio topol´ ogico. Por u ´ltimo, si a ∈ Y , V ⊂ Y , se dice vecindad de a si existe A abierto en Y , tal que a ∈ A ⊂ V . Vemos que los abiertos de M , cuando (M, d) es un espacio m´etrico, forman una topolog´ıa en M (dejaremos a cargo del lector verificar las propiedades 1, 2 y 3 anteriormente citadas). Por tanto, (M, d) puede dotarse de estructura topol´ogica al definir en M sus abiertos como los elementos del conjunto τd . Podemos entonces hablar de l´ımites, continuidad, etc., entre espacios m´etricos; supondremos conocidos estos conceptos. Recordamos algo m´as: 1.18 Definici´ on. Sea (M, d) espacio m´etrico (an )n∈N sucesi´on de elementos de M . a) b ∈ M, b se dice l´ımite de la sucesi´ on an si dado ε > 0, existe m ∈ N tal que si n ≥ m implica que d(an , b) < ε. notaremos an → b
o
l´ım an = b
n→∞
Se dice que la sucesi´ on an es convergente en M si existe b ∈ M tal que b = l´ımn→∞ an .
View more...
Comments