Vous êtes sur la page 1sur 33

Calculo en varias variables

Indice general
Captulo 1. Normas en R
n
1
1.1. Preliminares 2
1.2. La norma euclidiana 4
1.3. Las normas || ||
p
5
1.4. Equivalencia de Normas 8
1.5. Anexo: Demostracion de la desigualdad de CauchySchwarz 10
1.6. Anexo: Demostracion de la desigualdad de Holder 11
1.7. Espacio Vectorial Normado (*) 13
1.8. Bibliografa adicional 13
1.9. Ejercicios 13
Captulo 2. Conjuntos abiertos y cerrados en R
n
17
2.1. Preliminares 18
2.2. Conjuntos Abiertos en R
n
19
2.3. Conjuntos Cerrados en R
n
21
2.4. Vecindades en R
n
(*) 22
2.5. Sucesiones en R
n
23
2.6. Sucesiones y conjuntos cerrados 27
Bibliografa 29
iii
Captulo 1
Normas en R
n
1
2 1. NORMAS EN R
n
Las propiedades algebraicas del conjunto R
n
han sido estudiadas en los
cursos iniciales de algebra y geometra, en los cuales se ha demostrado que
R
n
es un espacio vectorial.
A pesar de que un espacio vectorial (visto como estructura algebraica)
tiene propiedades mas restrictivas que un cuerpo y de que no satisface los
axiomas de orden. En este captulo introduciremos el concepto de norma,
el cual nos permitira dotar a R
n
de ciertas propiedades geometricas o to-
pologicas.
Consideraremos a R
n
como el conjunto formado por las ntuplas x =
(x
1
, x
2
, . . . , x
n
)
t
, donde t denota la transposicion.
1.1. Preliminares
Definici on 1.1.1. Una norma en R
n
es una funcion N: R
n
[0, +)
que satisface las siguientes propiedades:
(N1) (Positividad) N(x) = 0 si y solo si x =

0.
(N2) (Homogeneidad) N(x) = ||N(x) para todo R y para todo
x R
n
.
(N3) (Desigualdad triangular) N(x+y) N(x) +N(y) para todo par
x R
n
e y R
n
.
Observaci on 1. Notemos que si n = 1, entonces la funcion valor abso-
luto:
|x| =
_
_
_
x si x < 0,
0 si x = 0,
x si x > 0
satisface las propiedades (N1)(N3). Por dicha razon, una norma en R
n
puede ser vista como una generalizacion de la funcion valor absoluto y la
propiedad (N3) es conocida como la desigualdad triangular.
A continuacion veremos algunas propiedades basicas de las normas.
Lema 1.1.1. Si N() es una norma en R
n
, entonces se verican las
siguientes propiedades:
(i) N(x) = N(x) para todo x R
n
.
(ii) N(x y) = N(y x) para todo par x R
n
e y R
n
.
(iii) N(x y) N(x) +N(y) para todo par x R
n
e y R
n
.
Demostraci on. Usando (N2) sabemos que
N(x) = N(1x) = | 1|N(x) = N(x),
lo cual implica (i).
Usando la propiedad (i) combinada con (N2), tenemos que:
N(x y) = N({y x}) = | 1|N(y x) = N(y x),
lo cual implica (ii).
1.1. PRELIMINARES 3
Usando la propiedad (N3) (i.e., la desigualdad triangular) combinada
con (i), tenemos que
N(x y) = N(x +{y}) N(x) +N(y) = N(x) +N(y),
lo cual implica (iii).
Lema 1.1.2. Si N() es una norma en R
n
, entonces se verican las
siguientes propiedades:
(i) |N(x) N(y)| N(x +y) para todo par x R
n
e y R
n
.
(ii) |N(x) N(y)| N(x y) para todo par x R
n
e y R
n
.
Demostraci on. Solo demostraremos (i) y dejamos la desigualdad (ii)
como ejercicio. En primer lugar, consideremos:
x = x +y y.
Usando (N3) y la propiedad (i) del Lema anterior, tenemos que:
N(x) N(x +y) +N(y)
N(x +y) +N(y),
lo cual nos permite deducir la desigualdad:
(1.1.1) N(x) N(y) N(x +y).
Del mismo modo, consideremos:
y = y +x x.
Como antes, usando (N3) y la propiedad (i) del Lema anterior, tenemos
que:
N(y) N(x +y) +N(x)
N(x +y) +N(x),
lo cual nos permite deducir la desigualdad:
(1.1.2) N(y) N(x) N(x +y).
Usando la propiedad del valor absoluto
|u| = max{u, u},
combinada con las desigualdades (1.1.1) y (1.1.2) nos permite deducir:
|N(x) N(y)| = max{N(y) N(x), N(x) N(y)} N(x +y),
lo cual concluye la demostracion de (i).
4 1. NORMAS EN R
n
1.2. La norma euclidiana
Dado un vector x = (x
1
, x
2
, . . . , x
n
)
t
R
n
, su norma euclidiana se
denota por:
(1.2.1) ||x||
2
=

_
n

i=1
x
2
i
.
La norma euclidiana esta relacionada al producto interno estandar
x y =
n

i=1
x
i
y
i
,
debido a:
(1.2.2) ||x||
2
=

x x.
Finalmente sera util recordar la desigualdad de CauchySchwarz
1
:
(1.2.3) |x y| ||x||
2
||y||
2
=
_
n

i=1
x
2
i
_
1/2
_
n

i=1
y
2
i
_
1/2
,
cuya demostracion se presenta al nal del captulo.
Teorema 1.2.1. La funcion x ||x||
2
es una norma en R
n
.
Demostraci on. En primer lugar demostraremos la propiedad (N1).
Si x =

0 se verica trivialmente que ||x||
2
=

i=1
0
2
= 0. Por otro lado,
ahora supondremos que ||x||
2
= 0 y demostraremos que x =

0. En efecto,
||x||
2
=

i=1
x
2
i
= 0
n

i=1
x
2
i
= 0
x
2
1
+x
2
2
+. . . +x
2
n
= 0.
Supongamos (con la idea de llegar a una contradiccion) que x =

0, es
decir, existe al menos alg un ndice j {1, . . . , n} tal que x
j
= 0. Sin perdida
de generalidad supondremos que 1 < j < n, lo cual implica:
0 < x
2
j
=
n

i=1,i=j
x
2
i
0
y contradice los axiomas de orden. Por lo tanto x =

0 y se verica (N1).
1
En la literatura Rusa y Sovietica se la conoce como Desiguldad de Cauchy
Buniakowsky.
1.3. LAS NORMAS || ||p 5
A continuacion, notemos que para todo R, la propiedad (N2) se
verica gracias a la propiedad homogenea de las sumatorias:
||x||
2
=

i=1

2
x
2
i
=

2
n

i=1
x
2
i
=

i=1
x
2
i
= ||

i=1
x
2
i
= ||||x||
2
donde usamos que || =

2
. Por lo tanto, se verica la propiedad (N2).
Finalmente, la propiedad (N3) es equivalente a la desigualdad
(1.2.4) ||x +y||
2
||x||
2
+||y||
2
para todo x R
n
e y R
n
,
la cual es conocida como Desigualdad de Minkowski.
A continuacion demostraremos la desigualdad (1.2.4), para ello notemos
que:
||x +y||
2
2
= (x +y) (x +y)
= x x + 2(x y) +y y
= ||x||
2
2
+ 2(x y) +||y||
2
2
,
donde la ultima igualdad se debe a (1.2.2) y la conmutatividad del producto
interno.
Ahora, usando la desigualdad de CauchySchwarz, tenemos que:
||x +y||
2
2
||x||
2
2
+ 2||x||
2
||y||
2
+||y||
2
2
(||x||
2
+||y||
2
)
2
.
Finalmente, la desigualdad de Minkowski se obtiene al aplicar la raz
cuadrada a la desigualdad precedente.
1.3. Las normas || ||
p
Definici on 1.3.1. Un par de n umeros reales p 1 y q 1 se dicen
conjugados si satisfacen la igualdad:
(1.3.1)
1
p
+
1
q
= 1
Si p 1 y q 1 son conjugados, es facil demostrar que
(1.3.2)
1
q
=
p 1
p
y p = (p 1)q.
Dado un vector x = (x
1
, x
2
, . . . , x
n
) y p 1 deniremos la expresion
(1.3.3) ||x||
p
=
_
n

i=1
|x
i
|
p
_1
p
.
6 1. NORMAS EN R
n
El concepto de conjugacion permitira denir la Desigualdad de Holder:
(1.3.4)
n

i=1
|x
i
||y
i
|
_
n

i=1
|x
i
|
p
_1
p
_
n

i=1
|y
i
|
q
_1
q
,
la cual sera demostrada en un anexo al nal del captulo.
Teorema 1.3.1. La funcion x ||x||
p
es una norma en R
n
.
Demostraci on. La propiedades (N1) y (N2) se demuestran de un
modo similar al caso de la norma euclidiana y se dejan como ejercicio para
el lector. Solo demostraremos la desigualdad triangular.
En primer lugar, notemos que:
||x +y||
p
p
=
n

k=1
|x
k
+y
k
|
p
=
n

k=1
|x
k
+y
k
|
p1
|x
k
+y
k
|

k=1
|x
k
+y
k
|
p1
(|x
k
| +|y
k
|)

k=1
|x
k
+y
k
|
p1
|x
k
| +
n

k=1
|x
k
+y
k
|
p1
|y
k
|.
Al aplicar la desigualdad de Holder a las sumatorias de la derecha se
obtiene:
||x +y||
p
p

_
n

k=1
|x
k
+y
k
|
(p1)q
_1
q
_
n

k=1
|x
k
|
p
_1
p
+
_
n

k=1
|x
k
+y
k
|
(p1)q
_1
q
_
n

k=1
|y
k
|
p
_1
p

_
n

k=1
|x
k
+y
k
|
(p1)q
_1
q
(||x||
p
+||y||
p
).
Usando las identidades (1.3.2), podemos ver que
||x +y||
p
p

_
n

k=1
|x
k
+y
k
|
p
_p1
p
(||x||
p
+||y||
p
)
||x +y||
p1
p
(||x||
p
+||y||
p
),
tras lo cual se deduce
||x +y||
p
||x||
p
+||y||
p
y se concluye la demostracion.
1.3. LAS NORMAS || ||p 7
Ahora, notemos que dado un vector x = (x
1
, x
2
, . . . , x
n
)
t
R
n
podemos
ver las normas:
||x||
1
=
n

i=1
|x
i
|
||x||
2
=
_
n

i=1
|x
i
|
2
_1
2
||x||
3
=
_
n

i=1
|x
i
|
3
_1
3
.
.
. =
.
.
.
||x||
p
=
_
n

i=1
|x
i
|
p
_1
p
para todo p 1. Una pregunta posible es saber si la expresion ||x||
p
esta de-
nida cuando p tiende a +. La respuesta es armativa:
Lema 1.3.1. Para todo vector x = (x
1
, x
2
, . . . , x
n
)
t
R
n
, se tiene que
(1.3.5) lm
p+
||x||
p
= ||x||

= max{|x
1
|, |x
2
|, . . . , |x
n
|}.
Demostraci on. El lector debe vericar las siguientes desigualdades:
max{|x
1
|, . . . , |x
n
|}
p
|x
1
|
p
+|x
2
|
p
+. . . +|x
n
|
p
nmax{|x
1
|, . . . , |x
n
|}
p
.
Luego, podemos notar que:
max{|x
1
|, . . . , |x
n
|} (|x
1
|
p
+|x
2
|
p
+. . . +|x
n
|
p
)
1
p
n
1
p
max{|x
1
|, . . . , |x
n
|}.
y el resultado es una consecuencia del teorema de encaje (o sandwich) debido
a que n
1/p
1 cuando p +.
Teorema 1.3.2. La funcion x ||x||

es una norma en R
n
.
Demostraci on. Primero demostraremos la propiedad (N1): Es facil
ver que si x =

0, entonces ||x||

= 0. Por otro lado, si tenemos que ||x||

=
0, notemos que:
0 |x
i
| max{|x
1
|, . . . , |x
n
|} = 0,
lo que implica por axiomas de orden que |x
i
| = 0 para todo i = 1, . . . , n y
por lo tanto x = 0.
La demostracion de la propiedad (N2) es directa, en efecto:
||x||

= max{|x
1
|, |x
2
|, . . . , |x
n
|}
= max{|||x
1
|, |||x
2
|, . . . , |||x
n
|}
= || max{|x
1
|, |x
2
|, . . . , |x
n
|}
= ||||x||

.
La demostracion de la propiedad (N3) utiliza la desigualdad triangular
del valor absoluto:
|x
k
+y
k
| |x
k
| +|y
k
|
max{|x
1
|, |x
2
|, . . . , |x
n
|} +|y
k
|
max{|x
1
|, |x
2
|, . . . , |x
n
|} + max{|y
1
|, |y
2
|, . . . , |y
n
|}.
8 1. NORMAS EN R
n
Notemos que la desigualdad es valida para todo k {1, . . . , n} debido a
que la expresion de la derecha no depende del subndice k. Por lo tanto
max{|x
1
+y
1
|, . . . , |x
n
+y
n
|} max{|x
i
| : i = 1, . . . , n} + max{|y
i
| : i = 1, . . . , n|},
lo que equivale a:
||x +y||

||x||

+||y||

y concluye la demostracion.
La norma ||||

permite deducir un corolario de la desigualdad de Holder


cuando p = 1:
Lema 1.3.2. Para todo par de vectores x R
n
e y R
n
se tiene que:
(1.3.6)
n

k=1
|x
k
||y
k
| ||x||
1
||y||

.
Demostraci on. Notemos que:
n

k=1
|x
k
||y
k
|
_
n

k=1
|x
k
|
_
max{|y
1
|, . . . , |y
n
|}
||x||
1
||y||

,
lo cual concluye la demostracion.
1.4. Equivalencia de Normas
Definici on 1.4.1. Sean N y

N dos normas en R
n
. Se dice que N es
equivalente a

N (es decir, N

N) si existen dos constantes c > 0 y C > 0
tales que:
(1.4.1) c

N(x) N(x) C

N(x) x R
n
.
El siguiente Lema es de gran importancia:
Lema 1.4.1. La equivalencia de normas dene una relacion de equiva-
lencia en el conjunto de las normas en R
n
.
Demostraci on. La reexividad es trivial debido a que N N se veri-
ca con c = C = 1.
Para vericar la simetra, notemos que la desigualdad izquierda de (1.4.1)
implica:
(1.4.2)

N(x)
1
c
N(x).
Por otro lado, la desigualdad derecha de (1.4.1) implica:
(1.4.3)

N(x)
1
C
N(x).
Acoplando estas desigualdades tenemos:
1
C
N(x)

N(x)
1
c
N(x).
1.4. EQUIVALENCIA DE NORMAS 9
Finalmente supongamos que N

N y

N

N, es decir se verica (1.4.1)
y
(1.4.4) d

N(x)

N(x) D

N(x) x R
n
,
con d
1
> 0 y d
2
> 0.
Ahora, notemos que
dc

N(x) c

N(x)
N(x)
C

N(x)
CD

N(x).
Acoplando estas desigualdades, tenemos que:
dc

N(x) N(x) CD

N(x),
lo cual implica N

N y se concluye la demostracion.
Teorema 1.4.1. Las normas || ||

,|| ||
1
y || ||
2
satisfacen las siguentes
propiedades:
(i) || ||

|| ||
1
.
(ii) || ||

|| ||
2
.
Demostraci on. Sea x = (x
1
, x
2
, . . . , x
n
) y notemos que:
||x||
1
= |x
1
| +|x
2
| +. . . +|x
n
| nmax{|x
1
|, . . . , |x
n
|} = n||x||

.
Por otro lado, sea j {1, . . . , n} tal que
|x
j
| = ||x||

.
Lo cual permite deducir:
||x||

|x
1
| +|x
2
| +. . . +|x
n
| = ||x||
1
,
por lo tanto, se tiene que:
||x||

||x||
1
n||x||

y se verica la propiedad (i).


Ahora, notemos que:
||x||
2
=
_
x
2
1
+x
2
2
+. . . +x
2
n

n||x||

.
Por otro lado, sea j {1, . . . , n} tal que
|x
j
| = ||x||

.
Lo cual permite deducir:
||x||

= |x
j
| =
_
x
2
j

_
x
2
1
+x
2
2
+. . . +x
2
n
= ||x||
2
,
por lo tanto, se tiene que:
||x||

||x||
2

n||x||

y se verica la propiedad (ii).


10 1. NORMAS EN R
n
El siguiente resultado jugara un papel fundamental en este curso:
Teorema 1.4.2. Todas las normas en R
n
son equivalentes.
Lamentablemente, ahora carecemos de las herramientas necesarias para
su demostracion. Sin embargo, en el siguiente captulo podremos demostrar
este importante resultado (gracias a la propiedad de BolzanoWeierstrass).
El Teorema 1.4.2 tiene como consecuencia de que el conjunto:
N =
_
N: R
n
[0, +), | N es una norma en R
n
_
tiene solo una clase de equivalencia.
1.5. Anexo: Demostracion de la desigualdad de CauchySchwarz
El caso y =

0 es trivial, por que sin perdida de generalidad supondre-


mos que y =

0, lo cual implica ||y||


2
> 0.
Inspirados en el proceso de ortogonalizacion de GrammSchmidt, de-
namos el vector:
z = x
(x y)
||y||
2
y.
Usando (1.2.2), notemos que:
z y =
_
x
(x y)
||y||
2
y
_
y
= x y
(x y)(y y)
||y||
2
= x y x y
= 0,
por lo tanto, z e y son ortogonales.
Por otro lado, notemos (usando la ortogonalidad recien vista) que:
z z = z
_
x
(x y)
||y||
2
y
_
= z x
(x y)(z y)
||y||
2
2
= z x,
lo cual implica
z x 0
y por lo tanto:
z x =
_
x
(x y)
||y||
2
y
_
x
= x x
(x y)(x y)
||y||
2
2
= ||x||
2
2

(x y)
2
||y||
2
2
0.
Esta ultima desigualdad equivale a:
(x y)
2
||x||
2
2
||y||
2
2
,
1.6. ANEXO: DEMOSTRACI

ON DE LA DESIGUALDAD DE H

OLDER 11
luego se aplica la raz cuadrada a ambos lados de la desigualdad, obteniendo-
se:
|x y| ||x||
2
||y||
2
,
lo cual concluye la demostracion.
1.6. Anexo: Demostracion de la desigualdad de Holder
La demostracion es una consecuencia de diversos lemas preparatorios:
Lema 1.6.1. Si p (0, 1), entonces
1 +px (1 +x)
p
para todo x 1.
Demostraci on. Construmos la funcion auxiliar f : [1, +) R
f(x) = 1 +px (1 +x)
p
y demostraremos que f no toma valores positivos. En efecto, notemos que:
f

(x) = p p(x + 1)
p1
y por lo tanto f

(x) = 0 si y solo si x = 0. Ahora, notemos que:


f

(x) = p(p 1)(1 +x)


p2
y se tiene que f

(0) = p(p 1) > 0. Por lo tanto, por el criterio de la


segunda derivada, sabemos que f tiene un mnimo global en x = 0. Por lo
tanto:
f(x) f(0) = 0 para todo x 1,
lo cual es equivalente a 1 +px (1 +x)
p
y concluye la demostracion.
Es interesante notar que este Lema es un resultado inverso a la Desigual-
dad de Bernoulli:
1 +qx (1 +x)
q
para todo x 1 y q N,
estudiada en los cursos de Calculo de una variable.
Lema 1.6.2. Se tiene que:
(1.6.1) x

y
1
x + (1 )y para todo [0, 1] y x, y 0.
Demostraci on. Notemos que la desigualdad x x equivale a (1.6.1)
cuando = 1. De igual forma, la desigualdad y y equivale a (1.6.1) cuando
= 0, por lo tanto solo consideraremos el caso (0, 1).
Como el caso y = 0 se verica trivialmente, consideraremos y > 0 y la
desigualdad (1.6.1) es equivalente a:
(1.6.2)
x

y x + (1 )y para todo (0, 1), x 0 e y > 0,


la cual a su vez es equivalente a:
x


x
y
+(1) =
_
x
y
1
_
+1 para todo (0, 1), x 0 e y > 0.
12 1. NORMAS EN R
n
Con el cambio de variable 1 + z =
x
y
, podemos ver que esta ultima
desigualdad es equivalente a:
(1 +z)

1 +z,
la cual es cierta por el Lema 1.6.1, lo cual concluye la demostracion.
Esta desigualdad involucra dos variables (x e y) pero se transformo me-
diante ingeniosas sustituciones en una desigualdad de una variable. Esta
idea es recurrente en muchas desigualdades de dos variables.
Lema 1.6.3 (Desigualdad de Young). Dados dos n umeros positivos u y
v, se tiene que:
(1.6.3) uv
u
p
p
+
v
q
q
donde
1
p
+
1
q
= 1, p 1, q 1.
Demostraci on. Usando el Lema 1.6.2, sabemos que
x

y
1
x + (1 )y para todo [0, 1] y x, y 0
Como p 1, y es conjugado con q, podemos utilizar:
=
1
p
(0, 1) y 1 =
1
q
,
obteniendo:
x
1
p
y
1
q

1
p
x +
1
q
y para todo x, y 0.
La desigualdad de Young se obtiene con los cambios de variable x = u
p
e y = v
q
y reemplazando en la desigualdad anterior.
Con estos resultados, estamos en condiciones de demostrar la desigual-
dad de Holder. Para ello, utilizaremos la desigualdad de Young con los va-
lores:
u =
|x
k
|
||x||
p
y v =
|y
k
|
||y||
q
.
Por lo tanto, la desigualdad de Young (aplicada a estos n umeros) implica:
|x
k
|
||x||
p
|y
k
|
||y||
q

1
p
|x
k
|
p
||x||
p
p
+
1
q
|y
k
|
p
||y||
q
q
.
Como esta desigualdad es valida para todo k {1, 2, . . . , n}, sumamos
termino a termino, obteniendo:
n

k=1
|x
k
|
||x||
p
|y
k
|
||y||
q

1
p
n

k=1
|x
k
|
p
||x||
p
p
+
n

k=1
1
q
|y
k
|
q
||y||
q
q

1
p
1
||x||
p
p
n

k=1
|x
k
|
p
+
1
q
1
||y||
q
q
n

k=1
|y
k
|
q

1
p
+
1
q
= 1,
lo cual permite concluir que:
n

k=1
|x
k
||y
k
| ||x||
p
||y||
q
,
1.9. EJERCICIOS 13
que es la Desigualdad de Holder.
1.7. Espacio Vectorial Normado (*)
Las deniciones y resultados vistos en este captulo pueden en ciertos
casos extenderse a Kespacios vectoriales distintos de R
n
.
En efecto, se dice que (E, N) es un Kespacio vectorial normado si E
es un Kespacio vectorial y N: E E R, es una funcion que satiface las
propiedades (N1),(N2) y (N3) vistas al inicio del captulo.
1.8. Bibliografa adicional
Gran parte de este captulo se inspira en el libro de Bruno Aebischer
[1]. Sin embargo, existen muchos y muy buenos libros sobre este tema. Re-
comendamos la seccion 1.3 de [8].
1.9. Ejercicios
1.- Determine si la siguiente funcion R
3
R es una norma en R
3
:
N(x) =
_
x
2
1
+x
2
2
+|x
3
| donde x = (x
1
, x
2
, x
3
) R
3
.
2.- Determine si la siguiente funcion R
3
R es una norma en R
3
:
N(x) =
_
_
max{|x
1
|, |x
2
|}
_
2
+ 2x
2
3
donde x = (x
1
, x
2
, x
3
) R
3
.
3.- Idem para
N(x) = |x
1
+ 2x
2
| +|x
3
| donde x = (x
1
, x
2
, x
3
) R
3
.
4.- Denamos la funcion

N: R
2
R:

N(x, y) =
_
x
2
+xy +y
2
.
i) Demuestre que

N es una norma en R
2
,
ii) Demuestre que

N y la norma euclidiana || ||
2
son equivalentes.
iii) Represente gracamente el siguiente conjunto en el plano:
_
(x, y) R
2
:

N(x, y) 1
_
.
5.- Demuestre que
N(x, y) = a|x| +|y| (a > 0)
es una norma en R
2
. Demuestre que es equivalente a || ||
1
.
6.- Una distancia en R
n
es una funcion d: R
n
R
n
R que satisface
las siguientes propiedades:
i) d(x, y) 0 para todo par x, y R
n
y d(x, x) = 0 para todo
x R
n
.
ii) d(x, y) = d(y, x) para todo par x, y R
n
.
iii) d(x, y) d(x, z) +d(z, x).
14 1. NORMAS EN R
n
Si N() es una norma cualquiera en R
n
, demuestre que d(x, y) =
N(x y) dene una distancia en R
n
. Construya ejemplos con las
normas estudiadas en clases.
7.- Es la funcion || ||
2
: R
n
R, que a cada vector x R
n
le asocia su
norma euclidiana ||x||
2
una funcion inyectiva?, sobreyectiva?.
8.- Utilice la desigualdad de CauchySchwarz para demostrar que si
x
1
,x
2
, . . . , x
n
son n umeros reales cualquiera, entonces se tiene que
1

i=1
x
i

_
n

i=1
x
2
i
.
9.- Demuestre que en la desigualdad triangular, la igualdad se verica
si y solo si uno de los vectores es un m ultiplo no negativo del otro
vector.
10.- Sean x e y dos vectores en R
n
. Demuestre que

||x|| ||y||

||x y||
para toda norma en R
n
.
Ayuda: observe que ||x|| = ||(x y) +y||.
11.- Sean x, y y z tres vectores en R
n
. Demuestre que

||x|| ||y||

||x y|| +||y z||.


12.- Existen vectores x, y R
n
tales que ||x||
2
= 3, ||y||
2
= 1, ||x +
y||
2
= 5?. Existen vectores x, y R
n
tales que ||x||
2
= 3, ||y||
2
= 1,
||x y||
2
= 5?.
13.- Sean x, y R
n
dos vectores ortogonales tales que ||x||
2
= 3, ||y||
2
=
7. Calcule ||x +y||
2
y ||x y||
2
.
14.- Sean x, y R
n
dos vectores tales que ||x||
2
= 4, ||y||
2
= 5, ||x+y||
2
=
7. Calcule ||x y||
2
.
15.- Sean x, y R
n
dos vectores tales que ||x||
2
= 11, ||y||
2
= 23, ||x
y||
2
= 30. Calcule ||x +y||
2
.
16.- Demuestre que si {x
1
, x
2
, . . . , x
n
} es un conjunto ortogononal de
vectores de R
n
, entonces:
||x
1
+x
2
+. . . +x
k
||
2
2
= ||x
1
||
2
2
+||x
2
||
2
2
+. . . +||x
k
||
2
2
17.- Sean u y v dos vectores de R
n
. Demuestre la identidad del paralelo-
gramo:
||u +v||
2
2
+||u v||
2
2
= 2||u||
2
2
+ 2||v||
2
2
.
Resuelva nuevamente los ejercicios 1013 utilizando este resulta-
do.
18.- Sean u y v dos vectores de R
n
. Demuestre la identidad de polariza-
cion:
u v =
1
4
_
||u +v||
2
2
||u v||
2
2
_
2
.
1.9. EJERCICIOS 15
19.- Discuta si la ley del paralelogramo se verica para una norma dife-
rente de la euclidiana.
20.- Demuestre las propiedades (N1) y (N2) para las normas || ||
p
con
p 1.
21.- Demuestre que si x
1
,x
2
, . . . , x
n
son n umeros reales cualquiera y p
1, entonces se tiene que
1
q

n
n

i=1
|x
i
|
p

_
n

i=1
|x
i
|
p
,
donde
1
p
+
1
q
= 1 (q 1).
22.- Demuestre que las normas ||||
p
y ||||
r
(con p, r 1) son equivalentes.
23.- Determine cuales son los siguientes conjuntos en R
2
C
p
= {x R
2
: ||x||
p
1} p = 1, 2, . . . , +.
24.- Usando las mismas ideas que las vistas en clases para demostrar la
desigualdad de convexidad, demuestre las desigualdades:

xy
x y
ln(x) ln(y)
, x > 0, y > 0 x = y.
_
x
p
+y
p
2
_1
p
<
_
x
q
+y
q
2
_1
q
, x > 0, y > 0, x = y, 1 < p < q.
25.- Que identidad algebraica resulta al considerar la desigualdad de
Young con p = q = 2?.
26.- Sea A M
nn
(R) y x R
n
. Demuestre que:
||Ax||
1
max
1jn
_
n

i=1
|a
ij
|
_
||x||
1
.
||Ax||

max
1in
_
n

j=1
|a
ij
|
_
||x||

.
||Ax||
2

_
n

i=1

j=1
|a
ij
|
2
||x||
2
.
Captulo 2
Conjuntos abiertos y cerrados en R
n
17
18 2. CONJUNTOS ABIERTOS Y CERRADOS EN R
n
En este captulo deniremos ciertos subconjuntos notables de R
n
: los
conjuntos abiertos y los conjuntos cerrados. La denicion de dichos con-
juntos se realiza en en base al concepto de bola abierta, el cual generaliza
la nocion de intervalo abierto en R.
2.1. Preliminares
Definici on 2.1.1. Sean x
0
R
n
, r > 0 y |||| una norma en R
n
. La bola
abierta de centro x
0
y radio r asociada a la norma || || es el subconjunto
de R
n
denido por:
(2.1.1) B
||||
(x
0
, r) =
_
x R
n
: ||x x
0
|| < r
_
.
Como existen diversas normas en R
n
, es claro que las bolas B
||||
(x
0
, r)
son diferentes segun la norma que se considere. Por ejemplo, notemos algunas
bolas en R
2
con centro en (0, 0) y radio r = 1:
B
||||
1
(

0, 1) =
_
(x
1
, x
2
) R
2
: |x
1
| +|x
2
| < 1
_
,
B
||||
2
(

0, 1) =
_
(x
1
, x
2
) R
2
:
_
x
2
1
+x
2
2
< 1
_
,
B
||||
(

0, 1) =
_
(x
1
, x
2
) R
2
: max{|x
1
|, |x
2
|} < 1
_
.
Definici on 2.1.2. Sean x
0
R
n
, r > 0 y |||| una norma en R
n
. La bola
cerrada de centro x
0
y radio r asociada a la norma || || es el subconjunto
de R
n
denido por:
(2.1.2) B
||||
(x
0
, r) =
_
x R
n
: ||x x
0
|| r
_
.
Una simple consecuencia de la denicion es la contencion:
B
||||(x
0
,r)
B
||||
(x
0
, r).
Definici on 2.1.3. Un subconjunto A R
n
es acotado si es subcon-
junto de alguna bola en R
n
.
Proposici on 1. Un subconjunto A R
n
es acotado si y solo si existe
R > 0 tal que
(2.1.3) ||x|| < R x A,
donde || || es una norma cualquiera en R
n
.
Demostraci on. En primer lugar, supondremos que existe R > 0 tal
que la desigualdad (2.1.3) se verica. Por lo tanto, es claro que A es un
subconjunto de B
||||
(

0, R).
Ahora supondremos que A es acotado y demostraremos la desigualdad
(2.1.3). En efecto, si A es acotado, la Denicion 2.1.3 implica que existe
x
0
R
n
y r > 0 tales que:
A B
||||
(x
0
, r),
es decir, se tiene que:
||x x
0
|| < r x A.
2.2. CONJUNTOS ABIERTOS EN R
n
19
Por lo tanto, podemos demostrar que todo vector x A verica:
||x|| ||x x
0
|| +||x
0
|| < r +||x
0
||
y se verica la desigualdad (2.1.3) con R = r +||x
0
||.
Observaci on 2. La proposicion precedente nos da un buen criterio para
saber cuando un conjunto A R
n
no es acotado: se dice que A no es acotado
si y solo si:
R > 0 x A tal que ||x|| R.
2.2. Conjuntos Abiertos en R
n
Definici on 2.2.1. Un subconjunto O R
n
es abierto si
(2.2.1) x O r
x
> 0 tal que B(x, r
x
) O,
donde B(x, r) es alguna bola abierta de centro x y radio r
x
> 0.
Observaci on 3. Notemos que:
La notacion r
x
indica que el radio depende de x.
Como las normas en R
n
son equivalentes, entonces la propiedad no
depende de la norma utilizada.
Usualmente, el conjunto de todos los subconjuntos abiertos en R
n
se
denota por O(R
n
)
1
.
Observaci on 4. La denicion 2.2.1 permite decir cuando un conjunto
A R
n
no es abierto. En efecto, diremos que A / O(R
n
) si:
(2.2.2) x A tal que r > 0 B(x, r) A,
A continuacion, veremos algunos conjuntos abiertos muy importantes en
R
n
.
Proposici on 2. R
n
es abierto.
Demostraci on. Sea x R
n
un vector cualquiera, es facil ver que para
todo r > 0 se verica la propiedad
B
||||
(x, r) R
n
,
lo cual concluye la demostracion.
Proposici on 3. El conjunto vaco es abierto.
Demostraci on. Demostraremos por contradiccion. Si no es abierto,
entonces la propiedad 2.2.2 implicara que
x tal que r > 0 B(x, r) ,
pero eso es falso (no es posible que x !!).
Proposici on 4. Toda bola abierta B
||||
(x, r) es un conjunto abierto.
1
La letra O se debe a la palabra ouvert (abierto en Frances).
20 2. CONJUNTOS ABIERTOS Y CERRADOS EN R
n
Demostraci on. Recordemos que
B
||||
(x
0
, r) =
_
x R
n
: ||x x
0
|| < r
_
.
Dado x B
||||
(x
0
, r), tenemos que demostrar la existencia de r
x
> 0 tal
que:
B
||||
(x, r
x
) B
||||
(x
0
, r).
Consideremos
r
x
= r ||x x
0
|| > 0
y supongamos que y B
||||
(x, r
x
), por lo tanto:
y B
||||
(x, r
x
) ||y x|| < r ||x x
0
||,
||y x|| +||x x
0
|| < r,
||y x
0
|| < r,
y B
||||
B(x
0
, r).
Luego, existe r
x
> 0 tal que B
||||
(x, r
x
) B
||||
B(x
0
, r), lo cual concluye
la demostracion.
Proposici on 5. Sean O
1
R
n
y O
2
R
n
dos conjuntos abiertos en
R
n
. Entonces:
i) O
1
O
2
es abierto en R
n
.
ii) O
1
O
2
es abierto en R
n
.
Demostraci on. Sea x O
1
O
2
. sin perdida de generalidad supon-
dremos que x O
1
. Como O
1
es abierto, tenemos que:
r
x
> 0 tal que B
||||
(x, r
x
) O
1
tal que B
||||
(x, r
x
) O
1
O
1
O
2
,
lo cual implica (i).
Ahora demostraremis ii). Para ello, sea x O
1
O
2
. Como O
1
y O
2
son
abiertos, sabemos que:
r
x
> 0 tal que B
||||
(x, r
x
) O
1
y
r
x
> 0 tal que B
||||
(x, r
x
) O
2
.
Elegimos r
x
= mn{ r
x
, r
x
} y conclumos que:
r
x
> 0 tal que B
||||
(x, r
x
) O
1
O
2
.

Sera muy importante que el(la) estudiante estudie el caso de las uniones
e intersecciones nitas e innitas de conjuntos abiertos (ver la seccion de
ejercicios).
2.3. CONJUNTOS CERRADOS EN R
n
21
Ejemplo 2.2.1. El conjunto
C =
_
x = (x
1
, x
2
) R
2
: x
2
0
_
R
2
no es abierto.
Para ello usaremos la observacion 4 y escogeremos el vector x = (1, 0)
C. Es facil vericar que para todo r > 0 se tiene que
B
||||
2
((1, 0), r) C.
En efecto, sea r > 0 jo y consideremos el vector (1, |r|/2). Es claro que
(1, |r|/2) B
||||
2
((1, 0), r) pero (1, |r|/2) / C.
Ejemplo 2.2.2. El conjunto
A =
_
x = (x
1
, x
2
) R
2
: x
2
> 0
_
R
2
es abierto.
En efecto, para todo vector x = (x
1
, x
2
) A, elegimos r
x
(0, |x
2
|) y se
puede vericar que:
B
||||
2
(x, r
x
) A.
Ejemplo 2.2.3. El conjunto
D =
_
x = (x
1
, x
2
) R
2
: x
2
> 0 y
_
x
2
1
+x
2
2
< 1
_
R
2
es abierto.
En efecto, uno puede observar que
D = A B
||||
2
(

0, 1),
es decir, D es la interseccion de dos abiertos: el conjunto A y la bola abierta
de centro (0, 0) y radio r = 1. Como la interseccion de dos abiertos es un
abierto, podemos concluir que D es un abierto.
2.3. Conjuntos Cerrados en R
n
Definici on 2.3.1. Un subconjunto F R
n
es cerrado si su comple-
mento F
c
es abierto.
Usualmente, el conjunto de todos los subconjuntos cerrados en R
n
se
denota por F(R
n
)
2
.
Proposici on 6. Los conjuntos R
n
y son cerrados.
Demostraci on. Notemos que:
(R
n
)
c
= y
c
= R
n
y la demostracion es consecuencia de las proposiciones 2 y 3.
Proposici on 7. Toda bola cerrada B
||||
(x, r) es un conjunto cerrado.
2
La letra F se debe a la palabra Ferme (cerrado en Frances).
22 2. CONJUNTOS ABIERTOS Y CERRADOS EN R
n
Demostraci on. Recordemos que
B
||||
(x
0
, r) =
_
x R
n
: ||x x
0
|| r
_
.
Demostraremos que
B
||||
(x
0
, r)
c
=
_
x R
n
: ||x x
0
|| > r
_
.
es un conjunto abierto.
Sea x B
||||
(x
0
, r)
c
y consideremos
r
x
= ||x x
0
|| r > 0
y supongamos que y B
||||
(x, r
x
), por lo tanto:
y B
||||
(x, r
x
) ||y x|| < ||x x
0
|| r,
||y x|| ||x x
0
|| < r,
||x x
0
|| ||y x|| > r,
||y x
0
|| ||x x
0
|| ||y x|| > r,
y B
||||
B(x
0
, r)
c
.
Por lo tanto, existe r
x
> 0 tal que B
||||
(x, r
x
) B
||||
B(x
0
, r)
c
, lo cual
concluye la demostracion.
Proposici on 8. Sean F
1
R
n
y F
2
R
n
dos conjuntos cerrados.
Entonces:
i) F
1
F
2
es cerrado.
ii) F
1
F
2
es cerrado.
Demostraci on. Usando las leyes de Morgan sabemos que:
(F
1
F
2
)
c
= F
c
1
F
c
2
y (F
1
F
2
)
c
= F
c
1
F
c
2
y luego usamos los resultados de union e interseccion de abiertos enunciados
en la Proposicion 5.
Sera muy importante que el(la) estudiante estudie el caso de las uniones
e intersecciones nitas e innitas de conjuntos abiertos (ver la seccion de
ejercicios).
2.4. Vecindades en R
n
(*)
El concepto de vecindad generaliza el concepto de conjunto abierto y es
de gran utilidad.
Definici on 2.4.1. Si x
0
R
n
, se de dice que una vecindad de x
0
es
un subconjunto de R
n
que contiene una bola abierta con centro x
0
.
Es claro que x
0
puede tener muchas vecindades. Usualmente el conjunto
de las vecindades de x
0
se denota por V(x
0
) o N(x
0
)
3
.
Teorema 2.4.1. V es una vecindad de x
0
si y solo si existe un conjunto
abierto contenido en V , el cual contiene a x
0
.
3
Esto viene de las palabras voisinage en frances y neighbourhood en ingles brit anico.
2.5. SUCESIONES EN R
n
23
Demostraci on. En primer lugar, supondremos que V es una vecindad
de x
0
. Usando la denicion, sabemos que existe r > 0 tal que B(x
0
, r) V .
Por lo tanto, V contiene a un conjunto abierto, el cual contiene a x
0
.
En segundo lugar, supondremos que V contiene a un conjunto abierto
O, el cual contiene a x
0
. Como O es abierto, existe r > 0 tal que B(x
0
, r)
O V y observamos que V satisface la denicion de vecindad.
Una consecuencia de este resultado es una nueva forma de caracterizar
a los conjunto abiertos:
Corolario 2.4.1. Un conjunto es abierto si y solo si es una vecindad
de cada uno de sus elementos.
Demostraci on. Sea O un conjunto abierto. Si x
0
O, sabemos que
existe r > 0 tal que B(x
0
, r) O. Por lo tanto, O es una vecindad de x
0
.
Sea E un conjunto que es vecindad de cada uno de sus elementos. Por lo
tanto, ,usando la denicion de vecindad, sabemos que para cada x E existe
una bola abierta con centro en x contenida en E. Pero recordemos que esa
es la denicion de un conjunto abierto, luego E es un conjunto abierto
En [1, pag.16] se se nala lo siguiente: . . . las vecindades de un punto
son extremadamente numerosas, debido a que todo conjunto que contiene a
una vecindad x
0
se transforma inmediatamente en una vecindad de x
0
. Esta
riqueza excesiva puede ser molesta en algunos casos. con el n de remediar
este problema, se propone el concepto de base de vecindades.
Definici on 2.4.2. Una base de vecindades de x
0
es un subconjunto
B V(x
0
) tal que para todo V V( x
0
) existe W B tal que W V .
El lector vera sin dicultad que el conjunto de bolas abiertas con centro
en x
0
es una base de vecinades de x
0
.
2.5. Sucesiones en R
n
Una sucesion de vectores de R
n
es una funcion N R
n
que a cada
n umero natural k N le asocia un vector x
k
= (x
k
1
, x
k
2
, . . . , x
k
n
)
t
.
Definici on 2.5.1. Una sucesion {x
k
}
k
converge al vector

L si
(2.5.1) > 0 k
0
() N tal que k > k
0
||x
k

L|| < ,
donde || || es una norma en R
n
. En tal caso se dice que

L es el lmite de la
sucesion, lo cual se denota como:
lm
k+
x
k
=

L.
Teorema 2.5.1. Si la sucesion {x
k
}
k
tiene lmite, este es unico.
Demostraci on. Supongamos que
lm
k+
x
k
=

L y lm
k+
x
k
=

M
24 2. CONJUNTOS ABIERTOS Y CERRADOS EN R
n
y ademas

L =

M.
Lo cual es equivalente a:
> 0 K() N tal que k > K ||x
k

L|| <
y
> 0

K() N tal que k >

K ||x
k


M|| < .
Como

L =

M, podemos elegir = ||

L

M||/3. Ahora denimos

K() = max{K(),

K()}
y se tiene que si k > K(), entonces:
||

L

M|| ||x
k

L|| +||x
k


M|| < 2,
lo cual es equivalente a 3 < 2, obteniendo una contradiccion. Por lo tanto
sabemos que

L =

M.
Proposici on 9. Si || || y || ||

son dos normas en R


n
, entonces la
convergencia de una sucesion a

L en terminos de || || es equivalente a la
convergencia hacia

L en terminos de || ||

.
Demostraci on. Supongamos que x
k
converge a

L en terminos de la
norma || ||, entonces sabemos que:
> 0 K( ) N tal que k > K ||x
k

L|| < .
Por otro lado, gracias al Teorema 1.4.2 sabemos que existen c > 0 y
C > 0 tales que:
c||x||

||x|| C||x||

.
Luego, podemos concluir que
=

c
> 0 K() N tal que k > K ||x
k

L||

< ,
lo cual implica que x
k
converge a

L en terminos de la norma || ||


Teorema 2.5.2. Sea x
k
= (x
k
1
, x
k
2
, . . . , x
k
n
) una sucesion de vectores.
Entonces la sucesion converge al vector

L = (
1
,
2
, . . . ,
n
)
t
si y solo si cada
componente de la sucesion verica:
(2.5.2) lm
k+
x
k
i
=
i
(i = 1, 2, . . . , n).
Demostraci on. En primer lugar supondremos que:
lm
k+
x
k
=

L,
lo cual es equivalente a:
> 0 K() N tal que k > K ||x
k

L||

< .
Usando las propiedades de la norma || ||

, sabemos que:
i {1, . . . , n}, > 0, K() N tal que k > K |x
k
i

i
| < .
Es facil notar que esto equivale justamente a (2.5.2).
2.5. SUCESIONES EN R
n
25
A continuacion supongamos que se verica la propiedad (2.5.2), lo cual
es equivalente a:
> 0, K
i
() N tal que k > K |x
k
i

i
| < .
Denamos
K = m ax{K
1
(), K
2
(), . . . , K
n
()}
y notemos que
> 0, K() N tal que k > K max
i=1,...,n
{|x
k
i

i
|} < ,
que equivale a
> 0, K() N tal que k > K ||x

L||

<
y concluye la demostracion.
Este resultado es muy practico, debido a que indica que el lmite de una
sucesion vectorial debe calcularse coordenada a coordenada. Por ejemlo,
notemos que:
lm
k+
_
1
k
2
, 1
1
k
,
k

j=0
1
j!
_
= (0, 1, e).
Por otro lado, notemos que el siguiente lmite:
lm
k+
_
1 +k
k
, (1)
k
,
(1)
k
k
_
no existe, debido a que la sucesion (1)
k
correspondiente a la segunda coor-
denada no es convergente.
Definici on 2.5.2. Una sucesion de vectores {x
k
} es de Cauchy si:
(2.5.3) > 0 K() N tal que k, r > K ||x
k
x
r
|| < .
El siguente resultado muestra un importante ejemplo de sucesion de
Cauchy
Teorema 2.5.3. Toda sucesion convergente es de Cauchy.
Demostraci on. Si x
k
es una sucesion convergente a

L, por denicion
tenemos que:
> 0 K() N tal que k > K ||x
k

L|| < /2
y
> 0 K() N tal que r > K ||

L x
r
|| < /2.
Usando la desigualdad triangular, obtenemos que:
> 0 K() N tal que k, r > K ||x
k
x
r
|| < ,
lo cual concluye la demostracion.
Otra importante consecuencia del Teorema 2.5.2 es el siguiente resultado:
Teorema 2.5.4. Toda sucesion {x
k
} de Cauchy es convergente.
26 2. CONJUNTOS ABIERTOS Y CERRADOS EN R
n
Demostraci on. Usando la norma innito, sabemos que
> 0 K() N tal que k, r > K ||x
k
x
r
||

<
> 0 K() N tal que k, r > K max
i=1,...,n
{|x
k
i
x
r
i
|} <
Esto implica que para todo i = 1, . . . , n se cumple que
> 0 K() N tal que k, r > K |x
k
i
x
r
i
| < ,
lo cual implica que la iesima componente x
k
i
de la sucesion {x
k
} es una
sucesion de Cauchy. Como sabemos que las sucesiones de Cauchy en R son
convergentes, sabemos que
lm
k+
x
k
i
=
i
R i = 1, . . . , n.
Finalmente, usando el Teorema 2.5.2 se tiene que:
lm
k+
x
k
= (
1
,
2
, . . . ,
n
),
lo que concluye la demostracion.
Otra consecuencia del Teorema 2.5.2 es el siguiente resultado, cuya de-
mostracion se deja al lector:
Teorema 2.5.5. Sean x
k
e y
k
dos sucesiones tales que:
lm
k+
x
k
=

L y lm
k+
y
k
=

M.
(i) lm
k+
(x
k
+y
k
) =

L +

M.
(ii) lm
k+
x
k
=

L para todo R
n
.
(iii) lm
k+
x
k
y
k
=

L

M donde es el producto interno estandar.
Definici on 2.5.3. Una subsucesion x
(k)
de la sucesion x
k
es una com-
posicion de la sucesion original N R
n
(que a cada k N asocia el vector
x
k
) con una funcion : N U N.
En el diagrama se puede apreciar, que a cada k N se asocia el vector
x
(k)
:
N

//
x
()
$$
I
I
I
I
I
I
U
x

R
n
El siguiente resultado es util:
Lema 2.5.1. Si x
k
es una sucesion de Cauchy y x
(k)
es una subsucesion
convergente a

L, entonces x
k
converge a

L.
2.6. SUCESIONES Y CONJUNTOS CERRADOS 27
Demostraci on. Por hipotesis, sabemos que:
> 0

K() N tal que k, r >

K ||x
k
x
r
||

< /2
y
> 0

K() N tal que k >

K ||x
(k)

L||

< /2.
Elegimos K = max{

K,

K} y usando la desigualdad triangular con r =
(k) podemos conlcuir que:
> 0 K() N tal que k > K ||x
k

L||

< /2
y
> 0 K() N tal que k > K ||x
k

L||

< ,
lo cual implica que x
k
converge a x y se concluye la demostracion.
2.6. Sucesiones y conjuntos cerrados
Hasta ahora, hemos denido a los conjuntos cerrados de forma residual
(es decir, en funcion de su complemento). El uso de las sucesiones nos per-
mitira realizar una mejor caracterizacion de los conjuntos cerrados.
Teorema 2.6.1. Un conjunto no vaco F R
n
es cerrado si y solo si
toda sucesion {x
k
}
k
convergente de elementos en F
4
tiene lmite en F.
Demostraci on. En primer lugar, supongamos que F es cerrado. Ahora
consideremos una sucesion {x
k
}
k
con las siguientes propiedades:
(i) x
k
F para todo k N.
(ii) lm
k+
x
k
=

L.
Tenemos que demostrar que

L F (lo haremos por contradiccion). En
efecto, si suponemos que

L / F y denimos O = F
c
, tenemos que

L O.
Como O es abierto y

L O, la denicion de conjunto abierto dice que:
> 0 tal que B
||||
(

L, ) O.
Ademas, la propiedad lm
k+
x
k
=

L implica que:
> 0 K() N tal que k > K ||x
k

L|| <
x
k
B
||||
(

L, ) O.
Esta ultima propiedad, combinada con (i) implica que:
x
k
O F = F
c
F = ,
lo cual es imposible. Por lo tanto

L F.
Ahora, supondremos que toda sucesion {x
k
}
k
convergente de elementos
en F tiene lmite en F. Tenemos que demostrar que F es cerrado (o que
O = F
c
es abierto).
4
Es decir, x
k
F para todo k N.
28 2. CONJUNTOS ABIERTOS Y CERRADOS EN R
n
Si suponemos que O no es abierto, tenemos que


M O = F
c
tal que B
||||
(

M, r) O r > 0.
Esto puede reescribirse (viendo r = 1/k con k N) como:


M O = F
c
tal que B
||||
(

M,
1
k
) O k N.
Es decir,
x
k
tal que ||x

M|| <
1
k
y x
k
/ O = F
c
x
k
tal que ||x

M|| <
1
k
y x
k
F.
Notemos que hemos construdo una sucesion x
k
F que converge a

M / F, lo cual contradice nuestra hipotesis. Por lo tanto F es cerrado.


Ejemplo 2.6.1. Notemos que el conjunto
QQ =
_
(x, y) R
2
: x R e x R
_
,
no es cerrado en R
2
. En efecto, notemos que:
(x
k
, y
k
) =
_
k

j=0
1
j!
,
k

j=0
1
j!
_
es una sucesion en QQ y converge a (e, e) / QQ.
torial es un conjunto cerrado.
Bibliografa
[1] B. Aebischer. Analyse. Fonctions de Plusieures Variables & Geometrie Analytique.
Librairie Vuibert, Paris (2011).
[2] T. Apostol. An alisis Matematico. Ed. Reverte. Barcelona.
[3] L. Brand. An alisis Vectorial. Ca Editorial Continental, Mexico (1965).
[4] B.P. Demidovich. 5000 Problemas de Analisis Matem atico. Paraninfo, Madrid (1989).
[5] W.H. Fleming. Funciones de Varias Variables. Ca Editorial Continental, Mexico
(1969).
[6] E. Kreyzig. Introductory Functional Analysis with Applications. Wiley (1978).
[7] J.E. Marsden, A.J. Tromba. C alculo Vectorial. Addison Wesley Iberoamericana
(1991).
[8] C. Pita. C alculo Vectorial. PrenticeHall Hispanoamericana. Mexico, 1995.
[9] I. U na Juarez, J. San Martin, V. Tomeo. C alculo en Varias Variables. Alfaomega,
Mexico (2013).
[10] R.E. Williamson, R.H. Crowell, H.F. Trotter. C alculo de Funciones Vectoriales. Pren-
tice Hall (1975).
29