Proyecciones ortogonales (métricas) en espacios de funciones continuas
|
|
- David Navarrete Venegas
- hace 7 años
- Vistas:
Transcripción
1 Proyecciones ortogonales (métricas) en espacios de funciones continuas Rafa Espínola Universidad de Sevilla III Encuentro de Análisis Funcional Miraflores de la Sierra, Madrid Junio 21-23, 2007
2 1 Nonexpansive retractions in hyperconvex spaces, Journal of Mathematical Analisis and Applications, 251, , (E., W. A. Kirk, G. López) 2 On selections of the metric projetion and best proximity pairs in hyperconvex spaces, Annales Universitatis Mariae Curie-Sklodowska, LIX, 9-17, (E.) 3 Nonexpansive selection of metric projection in spaces of continuous functions, Journal of Approximation Theory, 137, , (Y. Benyamini, E., G. López)
3 Outline 1 Introducción La proyección ortogonal y sus propiedades Extensiones de la noción de proyección ortogonal Relación entre las proyecciones de norma 1 y la proyección métrica 2 Proyecciones métrica no expansivas Proyecciones métrica no expansivas. Espacios de Hilbert. Retractos proximinales no expansivos en espacios hiperconvexos 3 Retractos proximinales en espacios de funciones continuas Planteamiento del problema Subespacios que admiten proyecciones ortogonales Subconjuntos que admiten proyecciones ortogonales Subconjuntos de l n que admiten proyecciones ortogonales 4 Cuestiones abiertas
4 Definición (Proyección ortogonal/proyección métrica) Sea H un espacio de Hilbert y M un subconjunto convexo, cerrado y no vacío de H. Se llama proyección ortogonal de H en M a la aplicación P M : H M definida como P M (x) = {z M : x z = inf{ x y : y M}. Propiedades Algunas propiedades de la proyección ortogonal son: Si M es un subespacio de H, entonces P M es lineal. En el caso anterior, P M tiene norma 1. Es decir, es no expansiva en el sentido de que P M x P M y x y. Por definición, P M coincide con la proyección métrica.
5 Definición (Proyección ortogonal/proyección métrica) Sea H un espacio de Hilbert y M un subconjunto convexo, cerrado y no vacío de H. Se llama proyección ortogonal de H en M a la aplicación P M : H M definida como P M (x) = {z M : x z = inf{ x y : y M}. Propiedades Algunas propiedades de la proyección ortogonal son: Si M es un subespacio de H, entonces P M es lineal. En el caso anterior, P M tiene norma 1. Es decir, es no expansiva en el sentido de que P M x P M y x y. Por definición, P M coincide con la proyección métrica.
6 Extensiones de la noción de proyección ortogonal Hay muchas en la literatura, pero nos fijaremos en las tres siguientes: Noción 1 Atendiendo a su naturaleza lineal: proyecciones lineales de norma 1. Noción 2 Atendiendo a su naturaleza no lineal: proyecciones no necesariamente lineales pero que sean no expansivas. Noción 3 Atendiendo a su naturaleza proximinal: sencillamente definirla como proyección métrica.
7 Extensiones de la noción de proyección ortogonal Hay muchas en la literatura, pero nos fijaremos en las tres siguientes: Noción 1 Atendiendo a su naturaleza lineal: proyecciones lineales de norma 1. Noción 2 Atendiendo a su naturaleza no lineal: proyecciones no necesariamente lineales pero que sean no expansivas. Noción 3 Atendiendo a su naturaleza proximinal: sencillamente definirla como proyección métrica.
8 Extensiones de la noción de proyección ortogonal Hay muchas en la literatura, pero nos fijaremos en las tres siguientes: Noción 1 Atendiendo a su naturaleza lineal: proyecciones lineales de norma 1. Noción 2 Atendiendo a su naturaleza no lineal: proyecciones no necesariamente lineales pero que sean no expansivas. Noción 3 Atendiendo a su naturaleza proximinal: sencillamente definirla como proyección métrica.
9 Muchas propiedades se conservan Proposición Sea M un subespacio 1-complementado del espacio normado X. Entonces, si T : M Z es una aplicación lineal y acotada, existe tildet : X Z extensión de T y tal que T = T. Prueba Basta definir T = T P, donde P es la proyección de norma 1 de X sobre M.
10 Muchas propiedades se conservan Proposición Sea M un subespacio 1-complementado del espacio normado X. Entonces, si T : M Z es una aplicación lineal y acotada, existe tildet : X Z extensión de T y tal que T = T. Prueba Basta definir T = T P, donde P es la proyección de norma 1 de X sobre M.
11 Sobre subespacios 1-complementados La existencia de proyecciones de norma uno se relaciona, por supuesto, con el estudio de los subespacios 1-complementados de los espacios normados. Caracterizar exactamente qué subespacios de un espacio normado dado son 1-complementados y qué tipo de propiedades son heredadas por esta condición. Aunque se han hecho inmensos avances en esta teoría, son muchas las preguntas que aún no se han podido resolver. Por ejemplo, sólo se conoce una caracterización completa de tales subespacios para los espacios L p.
12 Sobre subespacios 1-complementados La existencia de proyecciones de norma uno se relaciona, por supuesto, con el estudio de los subespacios 1-complementados de los espacios normados. Caracterizar exactamente qué subespacios de un espacio normado dado son 1-complementados y qué tipo de propiedades son heredadas por esta condición. Aunque se han hecho inmensos avances en esta teoría, son muchas las preguntas que aún no se han podido resolver. Por ejemplo, sólo se conoce una caracterización completa de tales subespacios para los espacios L p.
13 Sobre subespacios 1-complementados La existencia de proyecciones de norma uno se relaciona, por supuesto, con el estudio de los subespacios 1-complementados de los espacios normados. Caracterizar exactamente qué subespacios de un espacio normado dado son 1-complementados y qué tipo de propiedades son heredadas por esta condición. Aunque se han hecho inmensos avances en esta teoría, son muchas las preguntas que aún no se han podido resolver. Por ejemplo, sólo se conoce una caracterización completa de tales subespacios para los espacios L p.
14 Proyección métrica También conocida como best approximation operator, nearest point map, Chebyshev map, proximity mapping, normal projection, projection of minimal distance. Definición Sea M un espacio métrico y A M, se llama proyección métrica de M sobre A a la aplicación dada por: P M (x) = {y A : d(x, y) = inf{d(x, z) : z A}}. Propiedades Sólo está bien definida si P M (x) para todo x M. En este caso se dice que A es proximinal. En general, es una aplicación multivaluada. En general, es una aplicación no lineal.
15 Proyección métrica También conocida como best approximation operator, nearest point map, Chebyshev map, proximity mapping, normal projection, projection of minimal distance. Definición Sea M un espacio métrico y A M, se llama proyección métrica de M sobre A a la aplicación dada por: P M (x) = {y A : d(x, y) = inf{d(x, z) : z A}}. Propiedades Sólo está bien definida si P M (x) para todo x M. En este caso se dice que A es proximinal. En general, es una aplicación multivaluada. En general, es una aplicación no lineal.
16 Proyecciones de norma 1 y la proyección métrica Proposición Sea X un espacio normado y sea P una proyección lineal definida en X. Se cumple que P = 1 si, y sólo si, I P es una selección de la de la proyección métrica sobre KerP. Prueba Sea P como en el enunciado. Para cada x X e y KerP x (I P)x = Px = P(x y) x y. Por tanto, I P es una selección lineal de la proyección métrica sobre KerP. Si I P es una selección de la proyección métrica sobre KerP, entonces para cada x X se tiene Px = x (I P)x x 0 = x.
17 Proyecciones de norma 1 y la proyección métrica Proposición Sea X un espacio normado y sea P una proyección lineal definida en X. Se cumple que P = 1 si, y sólo si, I P es una selección de la de la proyección métrica sobre KerP. Prueba Sea P como en el enunciado. Para cada x X e y KerP x (I P)x = Px = P(x y) x y. Por tanto, I P es una selección lineal de la proyección métrica sobre KerP. Si I P es una selección de la proyección métrica sobre KerP, entonces para cada x X se tiene Px = x (I P)x x 0 = x.
18 Proyecciones de norma 1 y la proyección métrica Proposición Sea X un espacio normado y sea P una proyección lineal definida en X. Se cumple que P = 1 si, y sólo si, I P es una selección de la de la proyección métrica sobre KerP. Prueba Sea P como en el enunciado. Para cada x X e y KerP x (I P)x = Px = P(x y) x y. Por tanto, I P es una selección lineal de la proyección métrica sobre KerP. Si I P es una selección de la proyección métrica sobre KerP, entonces para cada x X se tiene Px = x (I P)x x 0 = x.
19 Proyecciones métrica no expansivas Qué pasa si unimos las nociones 2 y 3 anteriores? Definición Sea M un espacio métrico y A M no vacío. Una proyección P : M A se dirá proximinal no expansiva (u ortogonal en sentido ampliado) si P(x) P M (x) para todo x M. P es no expansiva. A A le llamaremos retracto proximinal no expansivo o, sencillamente, RPN.
20 Proyecciones métrica no expansivas Qué pasa si unimos las nociones 2 y 3 anteriores? Definición Sea M un espacio métrico y A M no vacío. Una proyección P : M A se dirá proximinal no expansiva (u ortogonal en sentido ampliado) si P(x) P M (x) para todo x M. P es no expansiva. A A le llamaremos retracto proximinal no expansivo o, sencillamente, RPN.
21 Dónde podemos encontrar los retractos proximinales no expansivos? De un modo muy natural aparecen en los siguientes espacios: En los espacios de Hilbert hay muchos: la proyección ortogonal sobre conjuntos convexos y cerrados es proximinal y no expansiva. En los espacios de curvatura acotada CAT(0) también hay muchos: Estos espacios son el equivalente métrico a espacios de Hilbert por el gran número de propiedades que comparten, en particular, el hecho de que la proyección métrica sobre subconjuntos convexos y cerrados es univaluada y no expansiva.
22 Dónde más? En espacios de funcione continuas también hay retractos proximinales no expansivos: Proposición Sea B la bola unidad cerrada en el espacio C([0, 1]), entonces B es un retracto proximinal no expansivo de C([0, 1]). Prueba Dada f C([0, 1]) sea 1, f (x) > 1 (Rf )(x) = f (x), f (x) 1 1, f (x) < 1. La misma idea se aplica a cualquier conjunto que sea intersección de bolas cerradas.
23 Dónde más? En espacios de funcione continuas también hay retractos proximinales no expansivos: Proposición Sea B la bola unidad cerrada en el espacio C([0, 1]), entonces B es un retracto proximinal no expansivo de C([0, 1]). Prueba Dada f C([0, 1]) sea 1, f (x) > 1 (Rf )(x) = f (x), f (x) 1 1, f (x) < 1. La misma idea se aplica a cualquier conjunto que sea intersección de bolas cerradas.
24 Dónde más? En los espacios métricos hiperconvexos (también llamados P 1 -espacios o espacios inyectivos.) Definición Un espacio métrico M se dice hiperconvexo si siempre que M X existe una proyección no expansiva de X en M, es decir, si son inyectivos. Ejemplo: espacio L y algunos espacios de funciones continuas, las bolas cerradas de tales espacios, sus conjuntos admisibles, R-trees y algún que otro más. Definición Un subconjunto A de un espacio métrico M se dice admisible si es intersección de bolas cerradas.
25 Dónde más? En los espacios métricos hiperconvexos (también llamados P 1 -espacios o espacios inyectivos.) Definición Un espacio métrico M se dice hiperconvexo si siempre que M X existe una proyección no expansiva de X en M, es decir, si son inyectivos. Ejemplo: espacio L y algunos espacios de funciones continuas, las bolas cerradas de tales espacios, sus conjuntos admisibles, R-trees y algún que otro más. Definición Un subconjunto A de un espacio métrico M se dice admisible si es intersección de bolas cerradas.
26 Teorema (R. Sine 89) Si A es un subconjunto admisible de un espacio hiperconvexo entonces es un retracto proximinal no expansivo. Ejemplo El segmento de extremos (0, 0) y (1, 1) es un retracto proximinal no expansivo en l 2 pero no es admisible. Se pueden caracterizar mediante alguna propiedad geométrica los retractos proximinales no expansivos de los espacios hiperconvexos y de los espacios de funciones continuas?
27 Teorema (R. Sine 89) Si A es un subconjunto admisible de un espacio hiperconvexo entonces es un retracto proximinal no expansivo. Ejemplo El segmento de extremos (0, 0) y (1, 1) es un retracto proximinal no expansivo en l 2 pero no es admisible. Se pueden caracterizar mediante alguna propiedad geométrica los retractos proximinales no expansivos de los espacios hiperconvexos y de los espacios de funciones continuas?
28 Retractos proximinales no expansivos en espacios hiperconvexos (Un subconjunto de un espacio métrico se dice débilmente externamente hiperconvexo si verifica una cierta propiedad de intersección de bolas.) Teorema (E., Kirk, López 00) Dado A un subconjunto no vacío de un espacio hiperconvexo M se tiene que A es débilmente externamente hiperconvexo si, y sólo si, es un casi retracto proximinal no expansivo. Teorema (E 05) El casi del teorema anterior se puede quitar.
29 Retractos proximinales no expansivos en espacios hiperconvexos (Un subconjunto de un espacio métrico se dice débilmente externamente hiperconvexo si verifica una cierta propiedad de intersección de bolas.) Teorema (E., Kirk, López 00) Dado A un subconjunto no vacío de un espacio hiperconvexo M se tiene que A es débilmente externamente hiperconvexo si, y sólo si, es un casi retracto proximinal no expansivo. Teorema (E 05) El casi del teorema anterior se puede quitar.
30 NPR en espacios de funciones continuas Problema 1 Cuáles son los subespacios de los espacios de funciones continuas que admiten una proyección ortogonal (métrica)?, es posible caracterizarlos? Problema 2 Cuáles son los subconjuntos de los espacios de funciones continuas que admiten una proyección ortogonal (métrica)?, es posible caracterizarlos?
31 NPR en espacios de funciones continuas Problema 1 Cuáles son los subespacios de los espacios de funciones continuas que admiten una proyección ortogonal (métrica)?, es posible caracterizarlos? Problema 2 Cuáles son los subconjuntos de los espacios de funciones continuas que admiten una proyección ortogonal (métrica)?, es posible caracterizarlos?
32 Subespacios canónicos Para resolver el Problema 2, consideramos los siguientes subespacios de C(K) que llamaremos canónicos y que sí son retractos proximinales no expansivos. Tipo I: Dado Z K clopen, E 0 Z = {f C(K) : f Z 0}. Tipo II: Dado S K clopen, E S = {f C(K) : f S es constante}. Tipo III: Dados S 1, S 2 dos clopen disjuntos, E S 1,S 2 = {f C(K) : f S i es constante y f S 1 = f S 2}.
33 Subespacios canónicos Para resolver el Problema 2, consideramos los siguientes subespacios de C(K) que llamaremos canónicos y que sí son retractos proximinales no expansivos. Tipo I: Dado Z K clopen, E 0 Z = {f C(K) : f Z 0}. Tipo II: Dado S K clopen, E S = {f C(K) : f S es constante}. Tipo III: Dados S 1, S 2 dos clopen disjuntos, E S 1,S 2 = {f C(K) : f S i es constante y f S 1 = f S 2}.
34 Subespacios canónicos Para resolver el Problema 2, consideramos los siguientes subespacios de C(K) que llamaremos canónicos y que sí son retractos proximinales no expansivos. Tipo I: Dado Z K clopen, E 0 Z = {f C(K) : f Z 0}. Tipo II: Dado S K clopen, E S = {f C(K) : f S es constante}. Tipo III: Dados S 1, S 2 dos clopen disjuntos, E S 1,S 2 = {f C(K) : f S i es constante y f S 1 = f S 2}.
35 Subespacios canónicos Para resolver el Problema 2, consideramos los siguientes subespacios de C(K) que llamaremos canónicos y que sí son retractos proximinales no expansivos. Tipo I: Dado Z K clopen, E 0 Z = {f C(K) : f Z 0}. Tipo II: Dado S K clopen, E S = {f C(K) : f S es constante}. Tipo III: Dados S 1, S 2 dos clopen disjuntos, E S 1,S 2 = {f C(K) : f S i es constante y f S 1 = f S 2}.
36 Algunos hechos fáciles de probar: Todos los subespacios canónicos y sus trasladados son retractos proximinales no expansivos. Si un subespacios de codimensión 1 es RPN, también lo son los semiespacios que determina. Si Z, {S i } n i=1 y {S j 1, S j 2}n j=1 son clopen y disjuntos, entonces el subespacio es un RPN. Definición E = E 0 Z ( E S i ) ( E S 1 j,s 2 j ) (1) Un subespacio E de C(K) se dirá estándar si es de la forma (1), es decir, si es intersección de hiperplanos canónicos.
37 Algunos hechos fáciles de probar: Todos los subespacios canónicos y sus trasladados son retractos proximinales no expansivos. Si un subespacios de codimensión 1 es RPN, también lo son los semiespacios que determina. Si Z, {S i } n i=1 y {S j 1, S j 2}n j=1 son clopen y disjuntos, entonces el subespacio es un RPN. Definición E = E 0 Z ( E S i ) ( E S 1 j,s 2 j ) (1) Un subespacio E de C(K) se dirá estándar si es de la forma (1), es decir, si es intersección de hiperplanos canónicos.
38 Teorema (Benyamini, E., López 05) Si E es un subespacio RPN de codimensión finita de C(K), entonces estándar. Si E es un subespacio RPN finito dimensional entonces es estándar. Conjetura Todo subespacio RPN de C(K) es estándar.
39 Teorema (Benyamini, E., López 05) Si E es un subespacio RPN de codimensión finita de C(K), entonces estándar. Si E es un subespacio RPN finito dimensional entonces es estándar. Conjetura Todo subespacio RPN de C(K) es estándar.
40 Teorema (Benyamini, E., López 05) Si E es un subespacio RPN de codimensión finita de C(K), entonces estándar. Si E es un subespacio RPN finito dimensional entonces es estándar. Conjetura Todo subespacio RPN de C(K) es estándar.
41 Otros hechos: Una intersección infinita de hiperplanos RPN no tiene por qué ser RPN. Si K es conexo, entonces C(K) no admite ningún subespacio RPN de codimensión finita ni de dimensión finita, excepto los de dimensión 1 de tipo II.
42 Subconjuntos que admiten proyecciones ortogonales Algunos ejemplos fáciles de obtener: Semiespacios definidos por hiperplanos RPN. Intersecciones finitas de semiespacios definidos por hiperplanos RPN. Sin embargo, No todos los subconjuntos RPN se pueden expresar como intersección de semiespacios que, a su vez, sean RPN. Por ejemplo, la bola unidad de C([0, 1]). No toda intersección de semiespacios RPN define un conjunto RPN.
43 Subconjuntos que admiten proyecciones ortogonales Algunos ejemplos fáciles de obtener: Semiespacios definidos por hiperplanos RPN. Intersecciones finitas de semiespacios definidos por hiperplanos RPN. Sin embargo, No todos los subconjuntos RPN se pueden expresar como intersección de semiespacios que, a su vez, sean RPN. Por ejemplo, la bola unidad de C([0, 1]). No toda intersección de semiespacios RPN define un conjunto RPN.
44 RPN y convexidad Se puede garantizar, al menos, que los subconjuntos RPN de un espacio de funciones continuas debe ser convexo? En general, no lo sabemos. En particular, sí para los espacios l n. El plano dotado con bolas hexagonales regulares admite RPN que no son convexos.
45 Lema Si A l n es un RPN de l n, entonces A es convexo. Prueba (Detalles de la prueba) 1 Se observa que si v = (v 1,, v n )l n alcanza su norma en todas sus coordenadas, entonces existe un único segmento métrico uniendo v y v que coincide con el segmento lineal. 2 Si el conjunto de puntos y de A tales que y A y y A es no vacío, entonces existe x en A con la misma propiedad y tal que alcanza su norma en todas sus coordenadas. 3 Dados x, y A, por traslación, se puede forzar a que sean de la forma v y v. Utilizando lo anterior, 0 (punto medio entre v y v) está en el trasladado de A y, por tanto, el punto medio de x e y está en A.
46 Subconjuntos de l n que admiten proyecciones ortogonales Teorema (Benyamini, E., López 05) Un subconjunto A l n es un RPN si, y sólo si, es intersección de semiespacios RPN.
47 Cuestiones abiertas Son muchas las preguntas que quedan por resolver sobre cuáles son exactamente los RPN de los espacios de funciones continuas y sus propiedades. Algunas de las más destacadas son las siguientes: 1 Son todos los subespacios RPN de un espacio de funciones continuas intersección de subespacios canónicos? 2 Bajo qué condiciones se tiene que si A es RPN de B y B lo es de C, también se tiene que A lo es de B? 3 Son convexos los subconjuntos RPN de los espacios de funciones continuas? 4 Cuál es la situación en los espacio L 1?
48 Cuestiones abiertas Son muchas las preguntas que quedan por resolver sobre cuáles son exactamente los RPN de los espacios de funciones continuas y sus propiedades. Algunas de las más destacadas son las siguientes: 1 Son todos los subespacios RPN de un espacio de funciones continuas intersección de subespacios canónicos? 2 Bajo qué condiciones se tiene que si A es RPN de B y B lo es de C, también se tiene que A lo es de B? 3 Son convexos los subconjuntos RPN de los espacios de funciones continuas? 4 Cuál es la situación en los espacio L 1?
49 Cuestiones abiertas Son muchas las preguntas que quedan por resolver sobre cuáles son exactamente los RPN de los espacios de funciones continuas y sus propiedades. Algunas de las más destacadas son las siguientes: 1 Son todos los subespacios RPN de un espacio de funciones continuas intersección de subespacios canónicos? 2 Bajo qué condiciones se tiene que si A es RPN de B y B lo es de C, también se tiene que A lo es de B? 3 Son convexos los subconjuntos RPN de los espacios de funciones continuas? 4 Cuál es la situación en los espacio L 1?
50 Cuestiones abiertas Son muchas las preguntas que quedan por resolver sobre cuáles son exactamente los RPN de los espacios de funciones continuas y sus propiedades. Algunas de las más destacadas son las siguientes: 1 Son todos los subespacios RPN de un espacio de funciones continuas intersección de subespacios canónicos? 2 Bajo qué condiciones se tiene que si A es RPN de B y B lo es de C, también se tiene que A lo es de B? 3 Son convexos los subconjuntos RPN de los espacios de funciones continuas? 4 Cuál es la situación en los espacio L 1?
51 Cuestiones abiertas Son muchas las preguntas que quedan por resolver sobre cuáles son exactamente los RPN de los espacios de funciones continuas y sus propiedades. Algunas de las más destacadas son las siguientes: 1 Son todos los subespacios RPN de un espacio de funciones continuas intersección de subespacios canónicos? 2 Bajo qué condiciones se tiene que si A es RPN de B y B lo es de C, también se tiene que A lo es de B? 3 Son convexos los subconjuntos RPN de los espacios de funciones continuas? 4 Cuál es la situación en los espacio L 1?
52 Nuestra mayor frustración Otra de las muy buenas propiedades de la proyección ortogonal en los espacios de Hilbert es que es sunny. Definición Sea X un espacio normado y A X. Una proyección P : X A se dice sunny si para todo λ 0. P(P(x) + λ(x P(x))) = P(x) Si A es un RPN de l n, se puede garantizar que existe una proyección sobre A que sea selección no expansiva de la proyección métrica y, además, sunny?
53 Nuestra mayor frustración Otra de las muy buenas propiedades de la proyección ortogonal en los espacios de Hilbert es que es sunny. Definición Sea X un espacio normado y A X. Una proyección P : X A se dice sunny si para todo λ 0. P(P(x) + λ(x P(x))) = P(x) Si A es un RPN de l n, se puede garantizar que existe una proyección sobre A que sea selección no expansiva de la proyección métrica y, además, sunny?
54 Referencias 1 Nonexpansive retractions in hyperconvex spaces, Journal of Mathematical Analisis and Applications, 251, , (E., W. A. Kirk, G. López) 2 Norm one projections in Banach spaces, Taiwaneese J. Math. 5 (2001), pp (B. Randrianantoanina) 3 On selections of the metric projetion and best proximity pairs in hyperconvex spaces, Annales Universitatis Mariae Curie-Sklodowska, LIX, 9-17, (E.) 4 Nonexpansive selection of metric projection in spaces of continuous functions, Journal of Approximation Theory, 137, , (Y. Benyamini, E., G. López)
Topología de R n. Beatriz Porras
Producto escalar, métrica y norma asociada. Topología de R n Beatriz Porras 1 Producto escalar, métrica y norma asociada Consideramos el espacio vectorial R n sobre el cuerpo R; escribimos los vectores
Más detallesCONVEXIDAD: CONCEPTOS BÁSICOS
CONVEXIDAD: CONCEPTOS BÁSICOS El estudio de la convexidad de conjuntos y funciones, tiene especial relevancia a la hora de la búsqueda de los óptimos de las funciones, así como en el desarrollo de los
Más detalles4. " $#%&' (#) para todo $#* (desigualdad triangular).
10 Capítulo 2 Espacios Métricos 21 Distancias y espacios métricos Definición 211 (Distancia) Dado un conjunto, una distancia es una aplicación que a cada par le asocia un número real y que cumple los siguientes
Más detallesEspacio de Funciones Medibles
Capítulo 22 Espacio de Funciones Medibles Igual que la σ-álgebra de los conjuntos medibles, la familia de funciones medibles, además de contener a todas las funciones razonables (por supuesto son medibles
Más detallesA partir de la definición obtenemos las siguientes propiedades para estas funciones:
Capítulo 1 Conjuntos Supondremos conocidas las nociones básicas sobre teoría de conjuntos, tales como subconjuntos, elementos, unión, intersección, complemento, diferencia, diferencia simétrica, propiedades
Más detallesSucesiones y series de números reales
Capítulo 2 Sucesiones y series de números reales 2.. Sucesiones de números reales 2... Introducción Definición 2... Llamamos sucesión de números reales a una función f : N R, n f(n) = x n. Habitualmente
Más detallesTopología de la Recta
Capítulo 2 Topología de la Recta 21 Introducción En este capítulo introducimos algunas nociones sobre topología de los espacios métricos Nuestro interés se limitará en el futuro al caso real o a los espacios
Más detallesDependencia e independencia lineal
CAPíTULO 3 Dependencia e independencia lineal En este capítulo estudiaremos tres conceptos de gran importancia para el desarrollo del álgebra lineal: el concepto de conjunto generador, el concepto de conjunto
Más detallesTema 2. Grupos. 3. El conjunto de matrices de orden 2 con coeficientes enteros (o reales) con la suma es un grupo conmutativo.
Tema 2. Grupos. 1 Grupos Definición 1 Un grupo es una estructura algebraica (G, ) tal que la operación binaria verifica: 1. * es asociativa 2. * tiene elemento neutro 3. todo elemento de G tiene simétrico.
Más detallesTEMA 11. Autovalores y autovectores. Diagonalización y formas canónicas.
TEMA 11 F MATEMÁTICOS TEMA 11 Autovalores y autovectores Diagonalización y formas canónicas 1 Introducción Definición 1 (Matrices semejantes) Sean A y B dos matrices cuadradas de orden n Decimos que A
Más detalles40 Matemáticas I. Parte II. Álgebra Lineal. I.T.I. en Electricidad. Prof: José Antonio Abia Vian
40 Matemáticas I Parte II Álgebra Lineal 41 Matemáticas I : Álgebra Lineal Tema 4 Espacios vectoriales reales 4.1 Espacios vectoriales Definición 88.- Un espacio vectorial real V es un conjunto de elementos
Más detalles1. PRODUCTO ESCALAR. ESPACIO EUCLÍDEO
1 1. PRODUCTO ESCALAR. ESPACIO EUCLÍDEO Muchos de los fenómenos que se investigan en la geometría utilizan nociones como las de longitud de un vector y ángulo entre vectores. Para introducir estos dos
Más detalles5.1. Límite de una Función en un Punto
Capítulo 5 Continuidad 51 Límite de una Función en un Punto Definición 51 Sean (X, d) y (Y, ρ) espacios métricos, D X, f : D Y una función, a X un punto de acumulación de D y b Y Decimos que b es el límite
Más detallesOperadores en espacios de Hilbert
Operadores en espacios de Hilbert Jorge E. Hernández U. EMALCA-Panamá 2013 24 de octubre de 2013 Jorge E. Hernández U. 24 de octubre de 2013 1 / 54 Resumen En este trabajo presentamos los proyectores (ortogonales)
Más detallesVersión Geométrica del Teorema de Hahn-Banach
Tema 7 Versión Geométrica del Teorema de Hahn-Banach En este Tema abordamos la interpretación geométrica del Teorema de Hahn-Banach, que consistirá en encontrar condiciones suficientes para separar dos
Más detallesEjercicios de Análisis Funcional. Curso
Ejercicios de Análisis Funcional Curso 2010-2011 1 1 Preliminares de espacios normados Problema 1.1. Demostrar que para 1 < p < la norma. p en R 2 verifica la siguiente propiedad: Si x, y R 2 con x y y
Más detallesUn conjunto se considera como una colección de objetos, llamados miembros o elementos del conjunto. Existen dos formas de expresar un conjunto:
I.- Teoría de conjuntos Definición de conjunto Un conjunto se considera como una colección de objetos, llamados miembros o elementos del conjunto. Existen dos formas de expresar un conjunto: a) Por extensión
Más detallesELEMENTOS DE ANÁLISIS FUNCIONAL
ELEMENTOS DE ANÁLISIS FUNCIONAL Guillermo Ames Universidad Tecnológica Nacional - Facultad Regional Córdoba 2011 TEMA 3: ESPACIOS CON PRODUCTO INTERNO. ESPACIOS DE HILBERT. Espacios producto interno. Espacios
Más detallesTEORÍA DE CONJUNTOS A ={ 1, 2, 3, 4, 5, 6 }
TEORÍA DE CONJUNTOS CONJUNTOS Y TÉCNICAS DE CONTEO DEFINICIÓN Y NOTACIÓN DE CONJUNTOS El término conjunto juega un papel fundamental en el desarrollo de las matemáticas modernas; Además de proporcionar
Más detallesEstructuras algebraicas
Estructuras algebraicas Natalia Boal María Luisa Sein-Echaluce Universidad de Zaragoza 1 Relaciones binarias 11 Recordatorio Definición Dados dos conjuntos A y B se llama producto cartesiano de A por B
Más detalles10. 1 Definición de espacio euclídeo.
ESCUELA TÉCNICA SUPERIOR DE NÁUTICA Y MÁQUINAS NAVALES / NAUTIKAKO ETA ITSASONTZI MAKINETAKO GOI ESKOLA TEKNIKOA MATEMATICAS 10. ESPACIOS EUCLÍDEOS 10. 1 Definición de espacio euclídeo. Producto escalar
Más detalles1. ESPACIOS DE HILBERT Y OPERADORES
1. ESPACIOS DE HILBERT Y OPERADORES 1. DEFINICIÓN, PROPIEDADES Y EJEMPLOS Definición. Sea H un espacio vectorial sobre el cuerpo C de los números complejos, un producto escalar sobre H es una aplicación
Más detallesTeoría de Conjuntos Definiciones Básicas
1 Teoría de Conjuntos Definiciones Básicas Conjunto Definición Un conjunto es una colección o familia de objetos. Las llaves { } tendrán un uso muy especial y único: servirán para definir un conjunto.
Más detallesTema 4 Probabilidad condicionada: teoremas básicos. Independencia de sucesos
Tema 4 Probabilidad condicionada: teoremas básicos. Independencia de sucesos 1. Probabilidad condicionada. Espacio de probabilidad condicionado La probabilidad condicionada es uno de los conceptos clave
Más detallesHerramientas digitales de auto-aprendizaje para Matemáticas
real de con Herramientas digitales de auto-aprendizaje para Matemáticas, Grupo de Innovación Didáctica Departamento de Matemáticas Universidad de Extremadura real de con Índice real de con real de con.
Más detallesTeorema de Kirk y estructura normal en espacios de Banach
Teorema de Kirk y estructura normal en espacios de Banach Introducción En el anterior artículo se comentaron los llamados problemas del milenio de las matemáticas [8]. Sólo uno de ellos se ha podido resolver
Más detallesEjercicios de Análisis Funcional
Ejercicios de Análisis Funcional Rafael Payá Albert Departamento de Análisis Matemático Universidad de Granada ANÁLISIS FUNCIONAL Relación de Ejercicios N o 1 1. Dar un ejemplo de una distancia en un espacio
Más detalles1 Aplicaciones lineales
UNIVERSIDAD POLITÉCNICA DE CARTAGENA Departamento de Matemática Aplicada y Estadística Aplicaciones lineales y diagonalización. El objetivo principal de este tema será la obtención de una matriz diagonal
Más detallesSobre el concepto de mediatriz y sus generalizaciones
Lecturas Matemáticas Volumen 26 (2005), páginas 177 182 Sobre el concepto de mediatriz y sus generalizaciones Alfonso Ríder Moyano & Rafael María Rubio Ruiz Universidad de Córdoba, Córdoba, España Abstract.
Más detallesPolinomios. 1.- Funciones cuadráticas
Polinomios 1.- Funciones cuadráticas Definición 1 (Función polinomial) Sea n un entero no negativo y sean a n, a n 1,..., a, a 1, a 0 número s reales con a n 0. La función se denomina función polinomial
Más detallesConjuntos finitos y conjuntos numerables
Tema 3 Conjuntos finitos y conjuntos numerables En este tema vamos a usar los números naturales para contar los elementos de un conjunto, o dicho con mayor precisión, para definir los conjuntos finitos
Más detallesCÁLCULO DIFERENCIAL Muestras de examen
CÁLCULO DIFERENCIAL Muestras de examen Febrero 2012 T1. [2] Demostrar que la imagen continua de un conjunto compacto es compacto. T2. [2.5] Definir la diferencial de una función en un punto y demostrar
Más detallesINTRODUCCIÓN A LOS ESPACIOS DE FUNCIONES. Problemas
Problemas Curso 2013-2014 Problemas 1. Sea E un espacio normado. Si a, b son elementos de E, probar: (a) 1 2 (a + b) 2 1 2 a 2 + 1 2 b 2. (b) a max{ a + b, a b }. 2. Demostrar que en un espacio normado,
Más detalles2. Ortogonalidad. En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U.
2 Ortogonalidad En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U 1 Vectores ortogonales Definición 11 Dos vectores x, ȳ U se dicen ortogonales si: x ȳ = 0 Veamos algunas propiedades
Más detallesSigma-álgebras. Requisitos. Operaciones con conjuntos, operaciones con familias de conjuntos.
Sigma-álgebras Objetivos. Definir la noción de σ-álgebra y estudiar sus propiedades básicas. Definir la noción de σ-álgebra generada por un conjunto de conjuntos. Requisitos. Operaciones con conjuntos,
Más detallesEspacios topológicos. 3.1 Espacio topológico
Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes
Más detallesValores y Vectores Propios
Valores y Vectores Propios Departamento de Matemáticas, CSI/ITESM de abril de 9 Índice 9.. Definiciones............................................... 9.. Determinación de los valores propios.................................
Más detallesAnexo C. Introducción a las series de potencias. Series de potencias
Anexo C Introducción a las series de potencias Este apéndice tiene como objetivo repasar los conceptos relativos a las series de potencias y al desarrollo de una función ne serie de potencias en torno
Más detalles1. DIFERENCIABILIDAD EN VARIAS VARIABLES
1 1. DIFERENCIABILIDAD EN VARIAS VARIABLES 1.1. DERIVADAS DIRECCIONALES Y PARCIALES Definición 1.1. Sea f : R n R, ā R n y v R n. Se define la derivada direccional de f en ā y en la dirección de v como:
Más detallesTEMAS DE MATEMÁTICAS (Oposiciones de Secundaria)
TEMAS DE MATEMÁTICAS (Oposiciones de Secundaria) TEMA 34 ANÁLISIS Y FORMALIZACIÓN DE LOS CONCEPTOS GEOMÉTRICOS INTUITIVOS: INCIDENCIA, PARALELISMO, PERPENDICULARIDAD, ÁNGULO, ETC. 1. Introducción. 2. Puntos,
Más detalles1 Relaciones de orden
1 Relaciones de orden Sea R una relación binaria en un conjunto A. Si R satisface las propiedades reflexiva, antisimétrica y transitiva se dice que R es una relación de orden. En este caso si a y b son
Más detallesParte 2: Definición y ejemplos de topologías.
Parte 2: Definición y ejemplos de topologías. 22 de marzo de 2014 1. Definiciones y propiedades básicas. Definición 1 Sea X un conjunto. Una familia T de subconjuntos de X es una topología de X si se cumplen:
Más detallesINSTITUTO TECNOLÓGICO DE APIZACO TEORÍA DE CONJUNTOS CONJUNTOS Y TÉCNICAS DE CONTEO
TEORÍA DE CONJUNTOS CONJUNTOS Y TÉCNICAS DE CONTEO DEFINICIÓN Y NOTACIÓN DE CONJUNTOS El término conjunto juega un papel fundamental en el desarrollo de las matemáticas modernas; Además de proporcionar
Más detallesEspacios Normados (Normas en R n )
Espacios Normados (Normas en R n ) Uno de los conceptos más importantes del cálculo y del analisis matemático es el de métrica o distancia. En R n la noción de metrico depende a su vez del concepto de
Más detallesTema 3: Conjuntos y Funciones
Tema 3: Conjuntos y Funciones Dpto. Ciencias de la Computación e Inteligencia Artificial Universidad de Sevilla Lógica y Computabilidad Curso 2008 09 LC, 2008 09 Conjuntos y Funciones 3.1 Conjuntos Escribimos
Más detallesTEMA II TEORÍA INTUITIVA DE CONJUNTOS
TEMA II TEORÍA INTUITIVA DE CONJUNTOS Policarpo Abascal Fuentes TEMA II Teoría intuitiva de conjuntos p. 1/4 TEMA II 2. TEORÍA INTUITIVA DE CONJUNTOS 2.1 CONJUNTOS 2.1.1 Operaciones con conjuntos 2.2 RELACIONES
Más detallesCálculo Diferencial. Daniel Azagra Rueda DEPARTAMENTO DE ANÁLISIS MATEMÁTICO FACULTAD DE CIENCIAS MATEMÁTICAS. Revisado: Abril de 2015
Cálculo Diferencial Daniel Azagra Rueda DEPARTAMENTO DE ANÁLISIS MATEMÁTICO FACULTAD DE CIENCIAS MATEMÁTICAS UNIVERSIDAD COMPLUTENSE DE MADRID Revisado: Abril de 2015 ISBN-13: 978-84-611-6378-6 2 Índice
Más detallesTema 1. Cálculo diferencial
Tema 1. Cálculo diferencial 1 / 57 Una función es una herramienta mediante la que expresamos la relación entre una causa (variable independiente) y un efecto (variable dependiente). Las funciones nos permiten
Más detallesAplicaciones lineales y matrices.
Tema 2 Aplicaciones lineales y matrices. 2.1. Introducción. Supondremos al alumno familiarizado con la idea de matriz o tabla de orden n, m con n, m números naturales que denotan el número de filas y columnas,
Más detallesPUNTOS Y VECTORES EN EL PLANO
PUNTOS Y VECTORES EN EL PLANO PUNTOS EN EL PLANO Tomando como referencia los ejes cartesianos del plano, un punto se representa mediante un par ordenado (a, b) de números reales, es decir, mediante un
Más detallesPolinomios ortogonalmente aditivos y aplicaciones.
Polinomios ortogonalmente aditivos y aplicaciones. Pablo Linares conjuntamente con A. Ibort y J. G. Llavona. Universidad Complutense Salobreña, 3-5 Abril 2008 1 Polinomios ortogonalmente aditivos. Introducción.
Más detallesTEMA 1. NÚMEROS REALES Y COMPLEJOS
TEMA 1. NÚMEROS REALES Y COMPLEJOS 1.1 DEFINICIÓN AXIOMATICA DE LOS NÚMEROS REALES 1.1.1 Axiomas de cuerpo En admitimos la existencia de dos operaciones internas la suma y el producto, con estas operaciones
Más detallesMódulo de suavidad y estructura normal en espacios de Banach.
Módulo de suavidad y estructura normal en espacios de Banach. Introducción El contexto de los módulos de suavidad es el mismo que el de los módulos de convexidad y fue explicado con todo detalle en un
Más detallesLa constante de isotropía de politopos
La constante de isotropía de politopos David Alonso Gutiérrez Universidad de Zaragoza Abril 2009 Contenidos Introducción Contenidos Introducción Isotropía Contenidos Introducción Isotropía Politopos aleatorios
Más detallesSISTEMAS DE ECUACIONES LINEALES
1 SISTEMAS DE ECUACIONES LINEALES Una ecuación es un enunciado o proposición que plantea la igualdad de dos expresiones, donde al menos una de ellas contiene cantidades desconocidas llamadas variables
Más detallesCircunferencia. Circunferencia centrada en el origen C(0,0)
Circunferencia Se llama circunferencia al lugar geométrico de los puntos del plano que equidistan de un punto fijo llamado centro. El radio de la circunferencia es la distancia de un punto cualquiera de
Más detallesLos conjuntos convexos y sus propiedades
Capítulo 1 Los conjuntos convexos y sus propiedades TEMARIO Lección 1.1 Los conjuntos convexos y sus propiedades. Lección 1.2 Proyección métrica, soporte y separación. Lección 1.3 Dualidad. Lección 1.4
Más detallesCONJUNTOS. Consideremos, por ejemplo, los siguientes conjuntos:
CONJUNTOS En una Teoría Intuitiva de Conjuntos, los conceptos de conjunto y pertenencia son considerados primitivos, es decir, no se definen de un modo formal; se les acepta como existentes de manera axiomática,
Más detallesFacultad de Matemáticas. UCM TOPOLOGÍA ELEMENTAL. Raquel Díaz, Francisco Gallego Lupiañez, Feliciana Serrano, Jesús M.
Facultad de Matemáticas. UCM TOPOLOGÍA ELEMENTAL Raquel Díaz, Francisco Gallego Lupiañez, Feliciana Serrano, Jesús M. Ruiz PROBLEMAS 1 Lista 0. Para empezar Número 0.1. Comprobar las leyes distributivas
Más detallesEl espacio euclídeo. 1.1. El espacio vectorial R N
Lección 1 El espacio euclídeo Como punto de partida para el estudio de las funciones de varias variables reales, debemos familiarizarnos con la estructura y propiedades del espacio en el que dichas funciones
Más detallesTema 5: Sistemas de Ecuaciones Lineales
Tema 5: Sistemas de Ecuaciones Lineales Eva Ascarza-Mondragón Helio Catalán-Mogorrón Manuel Vega-Gordillo Índice 1 Definición 3 2 Solución de un sistema de ecuaciones lineales 4 21 Tipos de sistemas ecuaciones
Más detallesTEMA 4: Espacios y subespacios vectoriales
TEMA 4: Espacios y subespacios vectoriales 1. Espacios vectoriales Sea K un cuerpo. Denominaremos a los elementos de K escalares. Definición 1. Un espacio vectorial sobre K es un conjunto V cuyos elementos
Más detallesConceptos Básicos de Funciones
Conceptos Básicos de Funciones Definición. Una función es una relación entre un conjunto de salida llamado dominio y un conjunto de llegada llamado codominio, tal relación debe cumplir que cada elemento
Más detallesApuntes de Matemática Discreta 2. Operaciones con Conjuntos
Apuntes de Matemática Discreta 2. Operaciones con Conjuntos Francisco José González Gutiérrez Cádiz, Octubre de 2004 Universidad de Cádiz Departamento de Matemáticas ii Lección 2 Operaciones con Conjuntos
Más detallesF-ESPACIOS. 1.- Introducción
F-ESPACIOS 1.- Introducción Recordemos que un subconjunto A de un espacio topológico X se llama diseminado o raro (nowhere dense en ingés) si A=. Un subconjunto que se pueda escribir como unión numerable
Más detallesFUNCIONES CONVEXAS. El concepto de convexidad es fundamental en el análisis y resolución de los problemas de optimización.
FUNCIONES CONVEXAS El concepto de conveidad es fundamental en el análisis y resolución de los problemas de optimización. FUNCIONES CONVEXAS Y CÓNCAVAS. Sea S R n, un conjunto conveo y no vacío, y sea f:
Más detallesEspacios geométricos E 2 y E 3
Tema IV Espacios geométricos E 2 y E 3 1. El espacio afín. 1 Definición y propiedades. Definición 1.1 Sea E un conjunto no vacío. Se dice que E está dotado de estructura de espacio afín asociado a un espacio
Más detallesx i x io V no V n+1 ; y no x = x io x V n+1. Por tanto x i x V n+1 + V n+1 V n,
COMPLETITUD La noción de completitud que vamos a definir, es una generalización de la conocida en espacios métricos. Como en este caso, el hecho de saber que un cierto conjunto de un e.v.t. es completo
Más detallesNOTAS DEL CURSO MATEMÁTICA DISCRETA. Pascual Jara Martínez. Departamento de Álgebra. Universidad de Granada
NOTAS DEL CURSO MATEMÁTICA DISCRETA Pascual Jara Martínez Departamento de Álgebra. Universidad de Granada Granada, 2005 Primera redacción: Agosto 2005 Enero 2006 Revisión: Octubre 2006 Introducción Índice
Más detalles1. Definiciones y propiedades básicas.
Centro de Matemática Facultad de Ciencias Universidad de la República Introducción a la Topología Curso 2016 PRACTICO 2: TOPOLOGÍA. 1 1. Definiciones y propiedades básicas. Definición 1 Sea X un conjunto.
Más detallesHerramientas digitales de auto-aprendizaje para Matemáticas
Herramientas digitales de auto-aprendizaje para Matemáticas, Grupo de innovación didáctica Departamento de Matemáticas Universidad de Extremadura Índice Puntos y vectores en En R 3, conviene distinguir
Más detallesEl espacio euclídeo, espacios normados y espacios métricos
Tema 1 El espacio euclídeo, espacios normados y espacios métricos Como punto de partida para el estudio de las funciones de varias variables reales, debemos familiarizarnos con la estructura y propiedades
Más detallesGeometría convexa y politopos, día 2
Geometría convexa y politopos, día 2 Alexey Beshenov (cadadr@gmail.com) 9 de agosto de 2016 2. La envolvente convexa 2.1. Definición. Si X R n es cualquier conjunto, entonces la envolvente convexa de X
Más detalles2. El Teorema del Valor Medio
2.24 45 2. El Teorema del Valor Medio Comenzaremos esta sección recordando dos versiones del teorema del valor medido para funciones de 1-variable y por tanto ya conocidas: 2.22 Sea f : [a, b] R R una
Más detallesCardinalidad. Teorema 0.3 Todo conjunto infinito contiene un subconjunto infinito numerable.
Cardinalidad Dados dos conjuntos A y B, decimos que A es equivalente a B, o que A y B tienen la misma potencia, y lo notamos A B, si existe una biyección de A en B Es fácil probar que es una relación de
Más detallesEl cuerpo de los números reales
Capítulo 1 El cuerpo de los números reales 1.1. Introducción Existen diversos enfoques para introducir los números reales: uno de ellos parte de los números naturales 1, 2, 3,... utilizándolos para construir
Más detallesNOTAS DE TRABAJO, 29 ÁLGEBRA Y ESTRUCTURAS DISCRETAS
NOTAS DE TRABAJO, 29 ÁLGEBRA Y ESTRUCTURAS DISCRETAS Pascual Jara Martínez Departamento de Álgebra. Universidad de Granada Granada, 2008 2009 Primera redacción: Octubre 2008. Introducción Escribir un texto
Más detallesResumen Tema 3: Derivadas. Concepto. Propiedades. Cálculo de derivadas. Aplicaciones.
Resumen Tema 3: Derivadas. Concepto. Propiedades. Cálculo de derivadas. Aplicaciones. 0.. Concepto de derivada. Definición. Sea f : S R R, a (b, c) S. Decimos que f es derivable en a si existe: f(x) f(a)
Más detallesSESIÓN 4: ESPACIOS VECTORIALES
SESIÓN 4: ESPACIOS VECTORIALES Un espacio vectorial sobre un campo (como el cuerpo de los números reales o los números complejos) es un conjunto no vacío, dotado de dos operaciones para las cuales será
Más detallesPráctica 2 - Hay diferentes infinitos?- A. Propiedades básicas de los Conjuntos
Cálculo Avanzado Primer Cuatrimestre de 2011 Práctica 2 - Hay diferentes infinitos?- Llamaremos número cardinal de M al concepto general que, por medio de nuestra activa capacidad de pensar, surge del
Más detallesTema 2. Sistemas de ecuaciones lineales
Tema 2. Sistemas de ecuaciones lineales Estructura del tema. Definiciones básicas Forma matricial de un sistema de ecuaciones lineales Clasificación de los sistemas según el número de soluciones. Teorema
Más detallesMódulos de convexidad y estructura normal.
Módulos de convexidad y estructura normal. Introducción Hoy en día, las Matemáticas se usan como una herramienta esencial en muchos campos, como las ciencias naturales, la ingeniería, la medicina y las
Más detalles1. Si están situados en rectas paralelas: la recta que une los orígenes, deja sus extremos en un mismo semiplano.
CAPÍTULO El plano vectorial Consideremos P como el plano intuitivo de puntos: A,,C..... El espacio vectorial de los vectores Definición. Vectores fijos Dado dos puntos cualesquiera A e del espacio nos
Más detallesLímites de una función
Límites de una función Introducción Comenzaremos a analizar la definición del límite finito de tendencia finita a través de un ejemplo. Consideremos la función f. Observemos su regla de asignación y su
Más detallesFUNCIONES. Definición de función. Ejemplos.
FUNCIONES. Definición de función. Una función es una relación entre un conjunto de salida llamado dominio y un conjunto de llegada llamado codominio, tal relación debe cumplir que cada elemento del dominio
Más detallesTeoría de conjuntos. Tema 1: Teoría de Conjuntos.
Tema 1: Teoría de Conjuntos. La teoría de Conjuntos es actualmente una de las más importantes dentro de la matemática. Muchos de los problemas que se le han presentado a esta disciplina en los últimos
Más detallesCONJUNTO DE LOS NÚMEROS REALES
COLEGIO NUESTRO SEÑOR DE LA BUENA ESPERANZA Asignatura: ANÁLISIS MATEMÁTICO 11º Profesor: Lic. EDUARDO DUARTE SUESCÚN TALLER CONJUNTO DE LOS NÚMEROS REALES CONJUNTO DE LOS NÚMEROS REALES Aunque la teoría
Más detallesMatrices triangulares y matrices ortogonales
Matrices triangulares y matrices ortogonales Problemas para examen Matrices diagonales 1. Sea a R n. Se denota por diag(a) la matriz diagonal con entradas a 1,..., a n : diag(a) = [ a j δ j,k ] n j,k=1.
Más detallesConexión Motivación. Lección 10
Lección 10 Conexión Estudiamos la propiedad topológica que nos va a permitir obtener una versión general para espacios métricos del teorema del valor intermedio que conocemos para funciones reales de variable
Más detallesPROBABILIDAD Y ESTADÍSTICA. Sesión 5 (En esta sesión abracamos hasta tema 5.8)
PROBABILIDAD Y ESTADÍSTICA Sesión 5 (En esta sesión abracamos hasta tema 5.8) 5 DISTRIBUCIONES DE PROBABILIDAD CONTINUAS Y MUESTRALES 5.1 Distribución de probabilidades de una variable aleatoria continua
Más detalles50 CAP. I. CONJUNTOS, APLICACIONES Y RELACIONES. Ejercicio. 8.1. Dados los conjuntos: Determinar los siguientes conjuntos: Se tiene:
50 CAP. I. CONJUNTOS, APLICACIONES Y RELACIONES Ejercicio. 8.1. Dados los conjuntos: Determinar los siguientes conjuntos: A = {a, b, c, d, e}, B = {e, f, g, h}, C = {a, e, i, o, u} A B C, A B C, A \ B,
Más detallesLíneas y Planos en el Espacio
Líneas y Planos en el Espacio Departamento de Matemáticas, CCIR/ITESM de enero de Índice..Introducción.................................................Ecuación paramétrica de la recta.....................................ecuación
Más detallesIntroducción a la topología para análisis complejo
Introducción a la topología para análisis complejo Idelfonso Izquierdo Márquez Universidad Juárez Autónoma de Tabasco idelfonso.izquierdo@gmail.com XIX Verano de la Investigación Científica Departamento
Más detallesGEOMETRÍA Y TRIGONOMETRÍA
GEOMETRÍA Y TRIGONOMETRÍA 1 Conceptos básicos 1. Una figura geométrica es un conjunto de puntos. 2. Puntos colineales son cualesquiera puntos que están exactamente en una recta. 3. La distancia entre un
Más detallesCálculo infinitesimal de varias variables reales Volumen 1
Cálculo infinitesimal de varias variables reales Volumen 1 José María Rocha Martínez Departamento de Matemáticas Escuela Superior de Física y Matemáticas del IPN Gabriel D Villa Salvador Departamento de
Más detallesTema 10: Teorema de Hahn-Banach. 14 y 17 de junio de 2010
Tema 10: Teorema de Hahn-Banach 14 y 17 de junio de 2010 1 Versión anaĺıtica Enunciado del teorema Dual topológico Teoremas de extensión Duales de subespacios y cocientes Límites de Banach 2 Separación
Más detallesLicenciatura de Matemáticas. Análisis Funcional
Licenciatura de Matemáticas Análisis Funcional Juan Carlos Cabello Píñar Granada, 2009 Índice general 1. Espacios normados. 1 1.1. De los espacios vectoriales a los espacios normados.............. 3 1.1.1.
Más detallesEspacios conexos. Capítulo Conexidad
Capítulo 5 Espacios conexos 1. Conexidad En este capítulo exploraremos el concepto de conexidad en un espacio métrico, y estudiaremos algunas de sus aplicaciones. Definición 5.1. Decimos que el espacio
Más detallesVectores y Matrices. Tema 3: Repaso de Álgebra Lineal Parte I. Contenidos
Tema 3: Repaso de Álgebra Lineal Parte I Virginia Mazzone Contenidos Vectores y Matrices Bases y Ortonormailizaciòn Norma de Vectores Ecuaciones Lineales Algenraicas Ejercicios Vectores y Matrices Los
Más detallesÁLGEBRA LINEAL Y GEOMETRÍA ANALÍTICA (0250)
Universidad Central de Venezuela Facultad de Ingeniería Ciclo Básico Departamento de Matemática Aplicada ÁLGEBRA LINEAL Y GEOMETRÍA ANALÍTICA (0250) Semestre 1-2011 Mayo 2011 Álgebra Lineal y Geometría
Más detalles