y valores extremos. En esta sección estudiaremos los conjuntos convexos. Recordemos que un conjunto K R n es convexo si, para todo x,y K y t [0,1],
|
|
- Miguel Ángel Rojo Arroyo
- hace 7 años
- Vistas:
Transcripción
1 Capítulo 4 Convexidad 1. Conjuntos convexos En este capítulo estudiaremos el concepto de convexidad, el cual es sumamente importante en el análisis. Estudiaremos conjuntos convexos y funcionesconvexas enr n,asícomolaspropiedadesyrelaciones entresuspuntos y valores extremos. En esta sección estudiaremos los conjuntos convexos. Recordemos que un conjunto K R n es convexo si, para todo x,y K y t [0,1], Ejemplo 4.1. Un semiespacio es convexo: Si x,y H, t [0,1], (1 t)x+ty K. H = {x R n : x x 0 c} ((1 t)x+ty) x 0 = (1 t)x x 0 +ty x 0 (1 t)c+tc = c, así que (1 t)x+ty H. Proposición 4.2. La intersección de conjuntos convexos es convexo. Demostración. Sea {K α } α una colección de conjuntos convexos, y sean x,y α K α. Entonces x,y K α para todo α y, si 0 t 1, (1 t)x+ty K α para todo α. Por lo tanto (1 t)x+ty α K α. 65
2 66 4. Convexidad Definición 4.3. Decimos que Ω R n es un polítopo convexo si es la intersección de un número finito de semiespacios cerrados. Es decir, m Ω = H i, H i = {x x i c i }. La proposición 4.2 justifica el adjetivo convexo en la definición anterior. Definición 4.4. Sea K un conjunto convexo cerrado. Un hiperplano de apoyo para K es un hiperplano tal que P K y P = {x R n : x x 0 = c} K H P = {x R n : x x 0 c}. Es decir, el hiperplano P interseca al convexo K, y K se encuentra de un solo lado de P. El siguiente teorema establece que un conjunto convexo cerrado tiene un hiperplano de apoyo en cada punto de su frontera. Teorema 4.5. Sea K un conjunto convexo cerrado y x 0 frk. Entonces existe un hiperplano de apoyo P para K tal que x 0 P. Demostración. Sea (y k ) una sucesión en R n \ K tal que y k x 0. Para cada k, sea z k K un punto más cercano a y k en K, es decir z k y k x y k para todo x K. Tal punto existe por la proposición Sea u k = z k y k z k y k. Como (u k ) es acotada, entonces existe una subsucesión que converge por el teorema de Bolzano-Weierstrass. Para simplificar, supongamos que u k u. Sea P = {x R n : (x x 0 ) u = 0}. Vamos a demostrar que P es un hiperplano de apoyo para K. Es decir, tenemos que mostrar que K {x R n : (x x 0 ) u 0}. Sea x K y ε > 0. Vamos a mostrar que (x x 0 ) u ε Demostraremos primero que (x z k ) u k 0 para todo k. Si t [0,1] y entonces y K y y = (1 t)z k +tx, y y k z k y k.
3 1. Conjuntos convexos 67 En otras palabras, y y k 2 z k y k 2. Además y y k 2 = (1 t)z k +tx y k 2 = t(x z k )+(z k y k ) 2 por lo que, si t 0, = t 2 x z k 2 +2t(x z k ) (z k y k )+ z k y k 2, t x z k 2 +2(x z k ) (z k y k ) 0. Como t (0,1] es arbitrario, obtenemos 2(x z k ) (z k y k ) 0. Por lo tanto (x z k ) u k 0. Dado ε > 0, tomamos k tal que ε u k u < 2( x x 0 +1) Entonces, como u k = 1, (x x 0 ) u (x z k ) u k y y k x 0 < ε 4. (x x 0 ) u (x x 0 ) u k + (x x 0 ) u k (x z k ) u k x x 0 u u k + u k z k x 0 < ε 2 + z k y k + y k x 0 ε 2 +2 x 0 y k < ε 2 +2ε 4 = ε, donde también hemos usado el hecho que z k y k x y k. Por lo tanto, como (x z k ) u k 0, (x x 0 ) u (x x 0 ) u (x z k ) u k ε. Por lo tanto, como ε > 0 es arbitrario, (x x 0 ) u 0. Corolario 4.6. Sea K un conjunto convexo cerrado no vacío y tal que K R n. Entonces K es la intersección de semiespacios cerrados. Demostración. Para cada x frk, tomamos un hiperplano de apoyo P x con x P x K. Dejamos como ejercicio (ejercicio 2) verificar que K = H Px. x frk
4 68 4. Convexidad 2. Combinaciones convexas y simplejos Definición 4.7. Una combinación convexa de x 1,...,x m R n es una combinación lineal t i x i tal que t i 0, i = 1,...,m, y t i = 1. Ejemplo 4.8. El vector (1 t)x+ty, t [0,1], es una combinación convexa de x y y: t,1 t 0 y (1 t)+t = 1. Proposición 4.9. K R n es convexo si, y solo si, es cerrado bajo combinaciones convexas. Demostración. Si K es cerrado bajo combinaciones convexas, entonces es convexo simplemente por la definición de convexidad y el ejemplo 4.8. Sea K convexo, x 1,...,x m K, y t 1,...,t m 0 tales que t i = 1. Queremos demostrar que m t ix i K. Esto lo haremos por inducción en m: si m = 2, (1 t)x 1 +tx 2 K por la definición de convexo. Sea m > 2 y suponemos que el resultado es cierto para m 1. Si t m = 1, m t ix i = x m K. Supongamos entonces que t m < 1. Sabemos que t 1 +t t m 1 = 1 t m. Entonces y, por inducción, t 1 1 t m + t 2 1 t m t m 1 1 t m = 1 x = t 1 1 t m x 1 + t 2 1 t m x t m 1 1 t m x m 1 K. Entonces, como K es convexo y x,x m K, t 1 x t m 1 x m 1 +t m x m = (1 t m ) x+t m x m K. La siguiente proposición implica que, en toda combinación convexa, solo n+1 puntos son suficientes. Proposición Sea S R n, y sea x la combinación convexa de puntos en S. Entonces x es la combinación convexa de a lo más n+1 puntos de S
5 2. Combinaciones convexas y simplejos 69 Demostración. Supongamos que x = t i x i, t i 0, t i = 1, y m > n+1. Vamos a demostrar que x es la combinación convexa de a lo más m 1 de las x i. Claramente podemos asumir que todo t i > 0. Como m 1 > n, x 1 x m,x 2 x m,...,x m 1 x m son linealmente dependientes, así que existen c 1,c 2,...,c m 1, no todos cero, tales que c 1 (x 1 x m )+c 2 (x 2 x m )+...+c m 1 (x m 1 x m ) = 0. Sea c m = (c 1 +c c m 1 ). Entonces c 1 x 1 +c 2 x c m 1 x m 1 +c m x m = 0 y c i = 0. Sea α tal que 1 α = máx{c 1,..., c m }, t 1 t m y s i = t i αc i. Observamos que α > 0. Como αc i t i para todo c i 0, s i 0 y s i = t i α c i = 1. Además, s i0 = 0 para algún i 0. Entonces s i x i = (t i αc i )x i = t i x i α c i x i = x, i 0 0 por lo que x es combinación convexa de los m 1 i, i i 0. Definición Sean x 0,x 1,...,x r R n tales que x 1 x 0,x 2 x 0,...,x r x 0 son linealmente independientes. El r-simplejo generado por x 0,x 1,...,x r es el conjunto de todas las combinaciones convexas de x 0,x 1,...,x r. Véase la figura 1. Si K es el r-simplejo generado por x 0,x 1,...,x r y x K, entonces existen únicos t 0,t 1,...,t r tales que x = r i=0 t ix i (ejercicio 4.) A las coordenadas del vector (t 0,t 1,...,t r ) se les llama coordenadas baricéntricas de K. Elsimplejo estándar enr n eseln-simplejogeneradopor0,e 1,e 2,...,e n.
6 70 4. Convexidad. x 0 x 0 x 1 0 simplejo x 2 1 simplejo x 2 x 3 x 0 x 1 2 simplejo x 0 x 1 3 simplejo Figura 1. r-simplejos con r = 0,1,2,3. 3. Funciones convexas En esta sección estudiaremos a las funciones complejas y algunas de sus propiedades analíticas. Definición Sea K R n convexo y f : K R. Decimos que f es convexa si, para x 1,x 2 K y t [0,1], f(tx 1 +(1 t)x 2 ) tf(x 1 )+(1 t)f(x 2 ). Es fácil verificar que si f : K R es convexa y m t ix i es una combinación convexa de x 1,...,x m K, entonces Véase el ejercicio 8. ( m ) f t i x i t i f(x i ). Ejemplo f : R n R, f(x) = x es una función convexa: tx 1 +(1 t)x 2 t x 1 +(1 t) x 2, por la desigualdad del triańgulo y el hecho que t,1 t 0. Para f : K R, definimos el conjunto K + R n+1 como K + = {(x,z) K R : z f(x)}. K + es entonces el conjunto de puntos en R n+1 que están arriba de la gráfica de f. Proposición f : K R es convexa si, y solo si, K + es convexo.
7 3. Funciones convexas 71 Demostración. Supongamos que f es convexa y sean (x 1,z 1 ),(x 2,z 2 ) K +. Entonces z 1 f(x 1 ) y z 2 f(x 2 ), y queremos mostrar que, para t [0,1], es decir, t(x 1,z 1 )+(1 t)(x 2,z 2 ) = (tx 1 +(1 t)x 2,tz 1 +(1 t)z 2 ) K +, Pero, como f es convexa, tz 1 +(1 t)z 2 f(tx 1 +(1 t)x 2 ). f(tx 1 +(1 t)x 2 ) tf(x 1 )+(1 t)f(x 2 ) tz 1 +(1 t)z 2. Entonces K + es convexo. Supongamos ahora que K + es convexo. Tomamos x 1,x 2 K. Entonces (x 1,f(x 1 )) K + y (x 2,f(x 2 )) K +. Como K + es convexo, para t [0,1] t(x 1,f(x 1 ))+(1 t)(x 2,f(x 2 )) = (tx 1 +(1 t)x 2,tf(x 1 )+(1 t)f(x 2 )) K +. Pero esto quiere decir Por lo tanto f es convexa. tf(x 1 )+(1 t)f(x 2 ) f(tx 1 +(1 t)x 2 ). La siguiente proposición nos será de utilidad más adelante. Primero definimos, para c R, el conjunto K c = {x K : f(x) c}, el corte de f a la altura c. Véase la figura 2. y c c x K c Figura 2. El conjunto de las x tal que f(x) queda por debajo de c es K c. Proposición Si f es convexa en K, entonces cada K c es convexo. Demostración. Sean x 1,x 2 K c. Entonces f(x 1 ) c, f(x 2 ) c. Como f es convexa, para t [0,1], f(tx 1 +(1 t)x 2 ) tf(x 1 )+(1 t)f(x 2 ) tc+(1 t)c = c, por lo que entonces tx 1 +(1 t)x 2 K c.
8 72 4. Convexidad La inversa de la proposición 4.15 es falsa. Ejemplo Consideremos f : R R dada por f(x) = x 3. Entonces K = R y cada K c es el intervalo (, 3 c), así que es convexo. Sin embargo, f no es convexa. Ejemplo Sea A R n un conjunto cerrado tal que A. Definimos f : R n R como f(x) = mín{ x y : y A}. Tal mínimo existe por la proposición Demostraremos que f es convexa si, y solo si, A es convexo. Sif esconvexa, entonces, comoa = K 0,Aesconvexo, porlaproposición Supongamos ahora que A es convexo. Sean x 1,x 2 R n y t [0,1]. Tomamos y 1,y 2 A tales que f(x 1 ) = x 1 y 1, f(x 2 ) = x 2 y 2. Como A es convexo, ty 1 +(1 t)y 2 A, así que f(tx 1 +(1 t)x 2 ) tx 1 +(1 t)x 2 (ty 1 +(1 t)y 2 ) Entonces f es convexa. t x 1 y 1 +(1 t) x 2 y 2 = tf(x 1 )+(1 t)f(x 2 ). Ahora estudiaremos la continuidad de las funciones convexas. Primero, observemos que no todas las funciones convexas son continuas. Ejemplo Sea f : [0,1] R dada por { 1, x = 0,1 f(x) = 0, 0 < x < 1 Entonces f es convexa, pero no es continua en 0 ni en 1. Sin embargo, notemos que la función f no es continua precisamente en los extremos de [0,1]. Teorema Sea K R n convexo y abierto, y f : K R convexa. Entonces f es continua. Lema Sea R un rectángulo cerrado. Entonces R es el conjunto de todas las combinaciones convexas de sus vértices. En otras palabras, si R = [a 1,b 1 ] [a n,b n ], el conjunto V de sus vértices es el conjunto V = {(c 1,c 2,...,c n ) : c i = a i o b i }. Entonces R es el conjunto de todas las combinaciones convexas de puntos en V. La demostración del lema 4.20 la dejamos como ejercicio (ejercicio 7).
9 3. Funciones convexas 73 Demostración. Sea x 0 K y R K un rectángulo con centro en x 0 y de lado 2r, como se muestra en la figura 3. Sea B la bola cerrada B r (x 0 ) y x + u 0 x r x 0 2r x u 0 Figura 3. El rectángulo de la demostración del teorema x B. Entonces la recta que pasa por x 0 y x corta a frb en dos vectores, digamos x 0 + u y x 0 u, con u = r. Entonces, si t = x x 0, x y x 0 r satisfacen las siguientes relaciones convexas: x = (1 t)x 0 +t(x 0 +u), x 0 = 1 t+1 x+ t t+1 (x 0 u). Sea V el conjunto de vértices de R, y M = máx{f(y) : y V}. Comof esconvexa, ellema4.20 implicaque,paraz R,f(z) M.Además (4.1) f(x) (1 t)f(x 0 )+tf(x 0 +u) y (4.2) f(x 0 ) 1 t+1 f(x)+ t t+1 f(x 0 u). De (4.1) obtenemos f(x) (1 t)f(x 0 )+tm, por lo que De (4.2), así que Entonces f(x) f(x 0 ) t(m f(x 0 )). f(x 0 ) 1 t+1 f(x)+ t t+1 M, t(f(x 0 ) M) f(x) f(x 0 ). f(x) f(x 0 ) t M f(x 0 ) = M f(x 0) x x 0. r
10 74 4. Convexidad Dado ε > 0, escogemos δ = mín { rε } r,. M f(x 0 ) +1 Entonces x x 0 < δ implica que f(x) f(x 0 ) < ε. El siguiente teorema establece un criterio para la convexidad de funciones diferenciables. Teorema Sea f diferenciable en K. Entonces f es convexa si, y solo si, (4.3) f(x) f(x 0 )+Df(x 0 )(x x 0 ) para todo x,x 0 K. Demostración. Supongamos que f es convexa, y sea h = x x 0. Como f es convexa, para t (0,1] por lo que f(x 0 +th) (1 t)f(x 0 )+tf(x 0 +h), f(x 0 +th) f(x 0 ) t(f(x 0 +h) f(x 0 )). Restamos Df(x 0 )(th) = tdf(x 0 )(h)) de la desigualdad, dividimos entre t y obtenemos f(x 0 +th) f(x 0 ) Df(x 0 )(th) t f(x 0 +h) f(x 0 ) Df(x 0 )(h). Como f es diferenciable, el lado izquierdo de la desigualdad va a 0 cuando t 0. Entonces f(x 0 +h) f(x 0 ) Df(x 0 )(h) 0, es decir f(x) f(x 0 )+Df(x 0 )(x x 0 ). Supongamos ahora que la desigualdad (4.3) es cierta para todo x 0,x K. Sean x 1,x 2 K, x 1 x 2, t (0,1) y x = (1 t)x 1 +tx 2. Demostraremos que f(x) (1 t)f(x 1 )+tf(x 2 ). y Tenemos f(x 1 ) f(x)+df(x)(x 1 x) f(x 2 ) f(x)+df(x)(x 2 x),
11 4. Puntos y valores extremos 75 así que (1 t)f(x 1 )+tf(x 2 ) (1 t) ( f(x)+df(x)(x 1 x) ) +t ( f(x)+df(x)(x 2 x) ) = f(x)+df(x) ( (1 t)x 1 +tx 2 x ) = f(x). Como f(x 0 )+Df(x 0 )(x x 0 ) es la aproximación lineal de f en el punto x 0, entonces el teorema 4.21 establece que una función diferenciable es convexa si, y solo si, su gráfica se encuentra arriba de la gráfica de su aproximación lineal en cada punto. 4. Puntos y valores extremos En esta sección estudiaremos los puntos extremos de conjuntos convexos, y su relación con los valores extremos (máximos y mínimos) de las funciones convexas. Definición Sea K R n convexo. Decimos que x K es un punto extremo dek si noexisten x 1,x 2 K, t (0,1) tales quex = (1 t)x 1 tx 2. Es decir, los puntos extremos de un conjunto convexo K son aquéllos que no son combinaciones convexas no triviales de puntos en K. No es difícil ver que los puntos extremos de K se encuestran en su frontera (ejercicio 14). Proposición Sea K R n convexo y compacto. Entonces todo punto de K es combinación convexa de puntos extremos de K. Demostración. Demostraremos esta proposición por inducción en n. Cuando n = 1, K es un intervalo cerrado, y la proposición es cierta porque, si x [a,b], entonces x = b x x a a+ b a b a b. Suponemos entonces que el resultado es cierto para n 1. Sea K R n convexo y compacto. Primero, tomemos x 0 frk. Sea P un hiperplano de apoyo a K tal que x 0 K P. Pero K P puede ser identificado con un subconjunto convexo en R n 1 (ejercicio 15). Por inducción, x 0 es combinación convexa de puntos extremos de K P, que a su vez son puntos extremos de K (ejercicio 16). Si x 0 K 0, sea L una recta que contiene a x 0. Entonces, como K es convexo y compacto, L frk = {x 1,x 2 }, y x 0 es combinación convexa de x 1 y x 2, que a su vez son, cada uno, una combinación convexa de puntos extremos de K.
12 76 4. Convexidad Corolario Si f : K R es continua y convexa en el conjunto convexo compacto K, entonces su máximo ocurre en algún punto extremo de K. Demostración. Si x K, entonces x = t i x i, donde i t i = 1 y los x i son puntos extremos de K. Entonces f(x) t i f(x i ) t i M = M, donde M = sup{f(y) : y es punto extremo de K}. Como f es continua, f toma su máximo, y entonces lo debe tomar en un extremo. La hipótesis de continuidad en el corolario fue utilizada para garantizar que f toma su máximo en K, aunque no siempre es necesaria esta hipótesis. Por ejemplo, si K es un polítopo convexo compacto, entonces tiene solamente un número finito de puntos extremos (ejercicio 17). Así que el máximo de f sobre K es simplemente M = máx{f(y) : y es punto extremo de K}, el cual siempre existe porque {f(y) : y es punto extremo de K} es finito. Si f : R n R es lineal, entonces claramente es convexa. Si K R es convexo y compacto, sea M el máximo de f en K y definimos K = {x K : f(x) = M}. Corolario x K si, y solo si, x es combinación convexa de puntos extremos de K contenidos en K. Demostración. Sea x K, y x = i t ix i, t i > 0, i t i = 1, donde los x i son puntos extremos de K. Si f(x j ) < M para algún j, entonces, como t j > 0, M = f(x) = t i f(x i ) t i M +t j f(x j ) < M, i i j una contradicción. Entonces f(x i ) = M para todo i, es decir, x i K para todo i. Si x = i t ix i, con x i K para todo i, f(x) = k t i f(x i ) = M,
13 Ejercicios 77 porque f es lineal y i t i = 1. Ejercicios 1. MuestraquesiP esunhiperplanodeapoyodelconjuntoconvexocerrado K, entonces P K frk. 2. Termina la demostración del corolario Sea K R n un conjunto convexo cerrado no vacío tal que R n \K es convexo. Muestra que K es un semiespacio cerrado. 4. Muestra que si x se puede representar como combinación convexa de x 0,x 1,...,x r de dos formas distintas, entonces los vectores son linealmente dependientes. x 1 x 0,x 2 x 0,...,x r x 0 5. Sea x una combinación convexa de x 1,...,x m, y cada x j una combinación convexa de y j1,...,y jmj. Muestra que x es una combinación convexa de de todos los y jk. 6. Sea S R n. Sea Ŝ la cerradura convexa de S: el conjunto de todas las combinaciones convexas de puntos en S. a) Muestra que Ŝ es convexo; y b) Muestra que si K es convexo y S K, entonces Ŝ K. 7. Demuestra el lema Muestra que si f : K R es convexa y r t ix i es una combinación convexa de x 1,...,x r K, entonces ( r ) r f t i x i t i f(x i ). 9. Sean f,g : K R convexas y sea h : K R dada por Muestra que h es convexa. h(x) = máx{f(x),g(x)}. 10. Sea f : K R continua tal que 1 ) f( 2 (x 1 +x 2 ) 1 ( f(x1 )+f(x 2 ) ) 2 para todo x 1,x 2 K. Muestra que f es convexa. 11. Sea f : (a,b) R doblemente diferenciable. Entonces f es convexa si, y solo si, f (x) > 0 para todo x (a,b).
14 78 4. Convexidad 12. Sean a,b > 0 y 0 < t < 1. Muestra que a 1 t b t (1 t)a+tb. (Sugerencia: Muestra que la función t a(b/a) t es convexa utilizando el ejercicio anterior.) 13. Muestra la desigualdad de Hölder: si x,y R n, y p,q > 1 son tales que 1 p + 1 = 1, entonces q n ( n x i y i x i p) 1/p( n y i q) 1/q. (Sugerencia: Utiliza el ejercicio anterior.) 14. Muestra que si x es un punto extremo del conjunto convexo K, entonces x frk. 15. Sea P un hiperplano en R n y x 0 P. Muestra que existe una isometría ψ : P R n 1 tal que ψ(x 0 ) = Muestra que si P es un hiperplano de apoyo del conjunto convexo K y x es un punto extremo de K P, entonces x es un punto extremo de K. 17. Sea K un polítopo convexo. Muestra que K tiene un número finito de puntos extremos. 18. Muestra que un polítopo compacto es la unión finita de simplejos. Si el polítopo tiene r vectores linealmente independientes, muestra que es la unión finita de r-simplejos.
El espacio euclideano
Capítulo 1 El espacio euclideano 1. Definiciones básicas El espacio Euclideano, denotado por R n, está definido por el conjunto (1.1) R n = {x = (x 1, x 2,..., x n ) : x i R}. Es decir, R n es efectivamente
Más detallessup si A no es acotado.
Capítulo 6 Espacios completos 1. El teorema de Cantor En este capítulo estudiaremos más a fondo los espacios métricos completos. Lo primero que haremos es establecer la equivalencia entre completitud y
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 detallesEspacios compactos. Capítulo Cubiertas. En este capítulo estudiaremos el concepto de compacidad en un espacio métrico.
Capítulo 3 Espacios compactos 1. Cubiertas En este capítulo estudiaremos el concepto de compacidad en un espacio métrico. Definición 3.1. Sea (X, d) un espacio métrico y A X. Una cubierta de A es una familia
Más detallesEspacios compactos. 1. Cubiertas
Capítulo 3 Espacios compactos 1. Cubiertas En este capítulo estudiaremos el concepto de compacidad en un espacio métrico. La compacidad se puede estudiar desde dos puntos de vista: el topológico, a través
Más detallesEl espacio de funciones continuas
Capítulo 4 El espacio de funciones continuas 1. Funciones continuas En este capítulo estudiaremos las funciones continuas en un espacio métrico, además de espacios métricos formados por funciones continuas.
Más detallesEspacios compactos. 7.1 Espacios compactos
58 Capítulo 7 Espacios compactos 7.1 Espacios compactos Definición 7.1.1 (Recubrimiento). Sea X un conjunto y sea S X. Un recubrimiento de S es una familia A = {A i } i I de subconjuntos de X tales que
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 detallesEl espacio de funciones continuas
Capítulo 4 El espacio de funciones continuas 1. Funciones continuas En este capítulo estudiaremos las funciones continuas en un espacio métrico, además de espacios métricos formados por funciones continuas.
Más detallesSucesiones y convergencia
Capítulo 2 Sucesiones y convergencia 1. Definiciones Una de las ideas fundamentales del análisis es la de límite; en particular, el límite de una sucesión. En este capítulo estudiaremos la convergencia
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 detallesEspacios completos. 8.1 Sucesiones de Cauchy
Capítulo 8 Espacios completos 8.1 Sucesiones de Cauchy Definición 8.1.1 (Sucesión de Cauchy). Diremos que una sucesión (x n ) n=1 en un espacio métrico (X, d) es de Cauchy si para todo ε > 0 existe un
Más detallesNociones topológicas elementales de R n
Nociones topológicas elementales de R n 1 Espacio vectorial R n Consideremos el conunto R n de las n-uplas de números reales, donde n es un número natural arbitrario fio. Los elementos de R n, que llamamos
Más detallesDiferenciabilidad. Capítulo Derivada
Capítulo 3 Diferenciabilidad 1. Derivada Recordemos que si f : R R es diferenciable en x 0 y f (x 0 ) es su derivada en x 0, entonces f(x) f(x 0 ) + f (x 0 )(x x 0 ) es una aproximación lineal de f cerca
Más detallesEspacios de Hilbert. 1. Propiedades básicas
Capítulo 9 Espacios de Hilbert 1. Propiedades básicas En este capítulo estudiaremos las propiedades básicas, así como algunas aplicaciones, de la teoría de espacios de Hilbert. Definición 9.1. Decimos
Más detalles1. Sucesiones. Sucesiones. Compacidad. {( 1) n, n N} = { 1, 1, 1, 1, 1, 1,... } es una sucesión de elementos del conjunto { 1, 1}, y la familia
1.. De una manera informal, una sucesión es una familia de elementos de un conjunto, ordenada según el índice de los números naturales. Los elementos pueden estar repetidos o no. Por ejemplo la familia
Más detallesAnálisis Real: Primer Curso. Ricardo A. Sáenz
Análisis Real: Primer Curso Ricardo A. Sáenz Índice general Introducción v Capítulo 1. Espacios Métricos 1 1. Métricas 1 2. Métricas en espacios vectoriales 4 3. Topología 9 Ejercicios 16 Capítulo 2.
Más detallesEspacios compactos. Se pretenden alcanzar las siguientes competencias específicas:
4 Espacios compactos En este capítulo introducimos los conceptos de espacio y subespacio compacto. Se estudian propiedades de los conjuntos compactos, así como relación entre la compacidad y las funciones
Más detallesContinuidad y Continuidad Uniforme. Aplicaciones lineales continuas.
Continuidad y Continuidad Uniforme. Aplicaciones lineales continuas. Beatriz Porras 1 Límites Las definiciones de ĺımite de funciones de varias variables son similares a las de los ĺımites de funciones
Más detallesEspacios métricos completos
5 Espacios métricos completos Comenzamos introduciendo las sucesiones de Cauchy, que relacionamos con las sucesiones convergentes. En el caso de que coincidan, se trata de un espacio métrico completo.
Más detallesAnálisis Real: Primer Curso. Ricardo A. Sáenz
Análisis Real: Primer Curso Ricardo A. Sáenz Índice general Introducción v Capítulo 1. Espacios Métricos 1 1. Métricas 1 2. Métricas en espacios vectoriales 4 3. Topología 9 Ejercicios 16 Capítulo 2.
Más detallesNormas Equivalentes. Espacios Normados de Dimensión Finita
Capítulo 2 Normas Equivalentes. Espacios Normados de Dimensión Finita Dos son los resultados más importantes que, sobre la equivalencia de normas, veremos en este capítulo. El primero de ellos establece
Más detallesEspacios Topológicos 1. Punto de Acumulación. Al conjunto de puntos de acumulación de A se le denomina el conjunto derivado de A (A a Notación).
Espacios Topológicos 1 Punto de Acumulación Definición: Sea A un subconjunto arbitrario de R n, se dice que x R n es un punto de acumulación de A si toda bola abierta con centro x contiene un punto A distinto
Más detallesFunciones convexas Definición de función convexa. Tema 10
Tema 10 Funciones convexas Los resultados obtenidos en el desarrollo del cálculo diferencial nos permiten estudiar con facilidad una importante familia de funciones reales de variable real definidas en
Más detallesCálculo diferencial e integral I. Eleonora Catsigeras
Cálculo diferencial e integral I Eleonora Catsigeras Universidad de la República Montevideo, Uruguay 01 de setiembre de 2011. CLASE 14 complementaria. Sobre sucesiones y conjuntos en la recta real. Sucesiones
Más detallesEn este capítulo extenderemos la conocida ecuación. g(b) f = f g g, g(a)
Capítulo 6 Cambio de variable 1. Particiones de la Unidad En este capítulo extenderemos la conocida ecuación (6.1) g(b) g(a) f = b a f g g, válida para funciones iemann-integrables f y funciones diferenciables
Más detallesTerminaremos el capítulo con una breve referencia a la teoría de cardinales.
TEMA 5. CARDINALES 241 Tema 5. Cardinales Terminaremos el capítulo con una breve referencia a la teoría de cardinales. Definición A.5.1. Diremos que el conjunto X tiene el mismo cardinal que el conjunto
Más detallesEspacios conexos. 6.1 Conexos
Capítulo 6 Espacios conexos 6.1 Conexos Definición 6.1.1 (Conjuntos separados). Dado un espacio topológico (X, τ) y dos subconjuntos A, B X, diremos que A y B están separados si A B = A B = Es evidente
Más detalles11.1. Funciones uniformemente continuas
Lección 11 Continuidad uniforme Completando el análisis de los principales teoremas que conocemos sobre continuidad de funciones reales de variable real, estudiamos ahora la versión general para espacios
Más detallesConjuntos Abiertos y Cerrados
Conjuntos Abiertos y Cerrados 1. (a) En la prueba de que la intersección de una colección finita de conjuntos abiertos es un conjunto abierto, dónde se uso la hipótesis de que la colección es finita? 2.
Más detallesProblemas con soluciones
Departamento de Matemática, Universidad Técnica Federico Santa María, MAT-223. Problemas con soluciones 1) Muestre que si A es una base de una toplogía en X, entonces la topología generada por A es iqual
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 detallesTeorema de Hahn-Banach
Capítulo 3 Teorema de Hahn-Banach 3.1. Introducción Una vez introducidos los espacios vectoriales más importantes donde se tiene una estructura métrica a saber, los espacios de Hilbert y los espacios de
Más detallesLa equivalencia entre superficies de Riemann compactas y curvas suaves sobre C
La equivalencia entre superficies de Riemann compactas y curvas suaves sobre C 1. Proyección Sea X una superficie de Riemann compacta de género g, tal que X P n para algún n y tal que para cada p X, existe
Más detallesElementos Básicos de Análisis Funcional en. Dr. Oldemar Rodríguez Rojas
Elementos Básicos de Análisis Funcional en Análisis Numérico Dr. Oldemar Rodríguez Rojas Agosto 2008 Contents 1 Elementos Básicos de Análisis Funcional 2 1.1 Espacios normados...........................
Más detallesAlgebra Lineal. Gustavo Rodríguez Gómez. Verano 2011 INAOE. Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano / 21
Algebra Lineal Gustavo Rodríguez Gómez INAOE Verano 2011 Gustavo Rodríguez Gómez (INAOE) Algebra Lineal Verano 2011 1 / 21 Espacios Vectoriales Espacios Vectoriales INAOE Gustavo Rodríguez Gómez (INAOE)
Más detallesNociones topológicas elementales de R n
Nociones topológicas elementales de R n Cálculo II (2004) * 1. Espacio vectorial R n Consideremos el conjunto R n de las n-uplas de números reales, donde n es un número natural arbitrario fijo. Los elementos
Más detallesContinuidad. 5.1 Continuidad en un punto
Capítulo 5 Continuidad 5.1 Continuidad en un punto Definición 5.1.1 (Aplicación continua en un punto). Sean (X, τ) e (Y, τ ) dos espacios topológicos, y sea f : X Y una aplicación entre ellos. Diremos
Más detallesEl Teorema de Baire Rodrigo Vargas
El Teorema de Baire Rodrigo Vargas Teorema 1 (Baire). Sea M un espacio métrico completo. Toda intersección numerable de abiertos densos es un subconjunto denso de M. Definición 1. Sea M un espacio métrico.
Más detalles1. Funciones Medibles
1. Medibles Medibles simples... Hasta ahora hemos estudiado la medida de Lebesgue definida sobre los conjuntos de R n y sus propiedades. Vamos a aplicar ahora esta teoría al estudio de las funciones escalares
Más detallesTema 1 EL TEOREMA DE PEANO. 1 Compacidad en C(I; R N ): el Teorema de Ascoli-
Tema 1 EL TEOREMA DE PEANO En este tema vamos a probar que bajo la hipótesis de ser f continua en un entorno del punto (, y 0 ), se puede garantizar la existencia, aunque no necesariamente la unicidad,
Más detallesECUACIONES DIFERENCIALES ORDINARIAS. HOJA 8. Conjuntos invariantes
ECUACIONES DIFERENCIALES ORDINARIAS. HOJA 8. CONJUNTOS INVARIANTES Y CONJUNTOS LÍMITE. ESTABILIDAD POR EL MÉTODO DE LIAPUNOV. Conjuntos invariantes 1. Definición. Se dice que un conjunto D Ω es positivamente
Más detallesCÁLCULO DIFERENCIAL. Víctor Manuel Sánchez de los Reyes. Departamento de Análisis Matemático Universidad Complutense de Madrid
CÁLCULO DIFERENCIAL Víctor Manuel Sánchez de los Reyes Departamento de Análisis Matemático Universidad Complutense de Madrid Índice 1. Conceptos topológicos y métricos 5 1.1. Métricas, normas y productos
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 detallesTema 2 Conjuntos convexos
Tema 2 Conjuntos convexos José R. Berrendero Departamento de Matemáticas Universidad Autónoma de Madrid Contenidos del tema 2 Conjuntos convexos. Propiedades básicas y ejemplos. Cierre e interior de un
Más detallesFunciones de Clase C 1
Capítulo 7 Funciones de Clase C 1 Vamos a considerar ahora la extensión a varias variables del concepto de función de clase C 1. Cada vez que establezcamos una propiedad de las funciones diferenciables,
Más detalles1. Continuidad. Universidad de Chile Subsucesiones. Ingeniería Matemática
1. Continuidad 1.1. Subsucesiones Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo Diferencial e Integral 08- Importante: Visita regularmente http://www.dim.uchile.cl/~calculo.
Más detallesSucesiones. Una sucesión de números reales es una tira, o una lista, de nḿeros reales que generalmente denotamos como
Universidad de la República Facultad de Ingeniería IMERL Sucesiones Curso Cálculo 1 2008 Una sucesión de números reales es una tira, o una lista, de nḿeros reales que generalmente denotamos como a 1, a
Más detalles1. La topología inducida.
PRACTICO 4. ESPACIOS METRICOS. 1. La topología inducida. Sea (M, d) un espacio métrico. La bola abierta de centro x y radio r es el conjunto B(x; r) = {y M : d(x, y) < r}. La bola cerrada de centro x y
Más detallesBa s e, d i M e n s i ó n y Mat r i z
Unidad 4 Ba s e, d i M e n s i ó n y Mat r i z de transición Objetivos: Al inalizar la unidad, el alumno: Conocerá la deinición de base de un espacio vectorial Identiicará bases canónicas para algunos
Más detallesCÁLCULO DIFERENCIAL EN VARIAS VARIABLES
UNIVERSIDAD CENTRAL DE VENEZUELA FACULTAD DE CIENCIAS ESCUELA DE MATEMÁTICA LABORATORIO DE FORMAS EN GRUPOS CÁLCULO DIFERENCIAL EN VARIAS VARIABLES Ramón Bruzual Marisela Domínguez Caracas, Venezuela Julio
Más detallesParte II. Cálculo Diferencial para Funciones de Varias Variables Reales
Parte II Cálculo Diferencial para Funciones de Varias Variables Reales Capítulo 5 Derivadas Direccionales y Derivadas Parciales Iniciamos, con este capítulo, el cálculo diferencial para funciones de varias
Más detallesTOPOLOGÍA SOLUCIONES A LAS RELACIONES DE PROBLEMAS
TOPOLOGÍA SOLUCIONES A LAS RELACIONES DE PROBLEMAS Ejercicio 4.1.- Relación 4. Compacidad. Conexión Supongamos que A es compacto y sea A α Λ B α un recubrimiento de A por bolas abiertas. Entonces, como
Más detallesCambio de variables en la integral múltiple.
Cambio de variables en la integral múltiple. En este apartado vamos a generalizar la fórmula g(b) g(a) f(x) dx = b a f(g(t)) g (t) dt al caso de funciones de n variables. Como la región de integración
Más detallesContinuidad 2º Bachillerato. materiales Editorial SM
Continuidad 2º Bachillerato materiales Editorial SM Continuidad en un punto: primera aproximación Estatura medida cada 5 años: hay grandes saltos entre cada punto y el siguiente. Estatura medida cada año:
Más detallessi existe un entorno V de a contenido en A, tal que la diferencia f(x) f(a) no cambia de signo cuando x V :
Capítulo 12 Extremos Relativos Una aplicación clásica del Teorema Local de Taylor, que vimos en el capítulo anterior, es el estudio de los extremos relativos de una función escalar. Aunque la analogía
Más detalles(x x 0 ) y 0. O bien z z 0 = x 0. y notamos a este límite ᾱ (t 0 ) = dᾱ dt (t 0).
O bien z z 0 = x 0 z 0 (x x 0 ) y 0 z 0 (y y 0 ). Para obtener la ecuación cartesiana de este plano hacemos x 0 (x x 0 )+y 0 (y y 0 )+z 0 (z z 0 ) = 0, como x 0 + y0 + z0 = x 0 + y0 + r (x 0 + y0) = r
Más detallesObservación: Aceptaremos que la función f no este definida para un número finito de términos como por ejemplo f(n) = n 5.
Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Cálculo Diferencial e Integral 07- Importante: Visita regularmente http://www.dim.uchile.cl/calculo. Ahí encontrarás
Más detallesSucesiones acotadas. Propiedades de las sucesiones convergentes
Sucesiones acotadas. Propiedades de las sucesiones convergentes En un artículo anterior se ha definido el concepto de sucesión y de sucesión convergente. A continuación demostraremos algunas propiedades
Más detallesOptimización lineal. Diego A. Patino. 2 de septiembre de Pontificia Universidad Javeriana 1/ 29
Optimización lineal Diego A. Patino Pontificia Universidad Javeriana 2 de septiembre de 2016 1/ 29 Introducción Formulación del problema Herramientes del análisis convexo Formas de las restricciones 2/
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 detallesSemana04[1/17] Funciones. 21 de marzo de Funciones
Semana04[1/17] 21 de marzo de 2007 Composición de funciones Semana04[2/17] Pensemos que tenemos tres conjuntos no vacíos A, B, C, y dos funciones, f : A B y g : B C, como en el siguiente diagrama: Figura:
Más detallesTEMA 1: ECONOMÍAS DE INTERCAMBIO October 6, 2015
TEMA 1: ECONOMÍAS DE INTERCAMBIO October 6, 2015 1. Asignaciones Eficientes, equilibrios de Walras Una economía de intercambio está constituida por un conjunto de agentes {1, 2,..., I}, con sus relaciones
Más detallesFunciones continuas e inyectivas
Nuestro último teorema afirmaba que toda función continua en un intervalo cerrado y acotado tiene máximo y mínimo absolutos, pero nada nos informa sobre los puntos en los que se alcanzan. Bajo la hipótesis
Más detallesTeoremas de Convergencia
Capítulo 24 Teoremas de Convergencia El teorema de la convergencia monótona (Lema 21.3) establece ciertas condiciones sobre una sucesión de funciones medibles para que se puedan permutar los símbolos y
Más detallesFunciones de Variable Real
Tema 1 Funciones de Variable Real 1.1. La Recta Real Los números reales se pueden ordenar como los puntos de una recta. Los enteros positivos {1, 2, 3, 4,...} que surgen al contar, se llaman números naturales
Más detallesAlgebra lineal y conjuntos convexos 1
Algebra lineal y conjuntos convexos Solución de sistemas. Espacios vectoriales. 3 Conjuntos convexos. 4 Soluciones básicas puntos extremos. Rango de una matriz A R m n. Reducir A a una matriz escalonada
Más detalles1. Medida Exterior. Medida de Lebesgue en R n
1. La integral de Lebesgue surge del desarrollo de la integral de Riemann, ante las dificultades encontradas en las propiedades de paso al ĺımite para calcular la integral de una función definida como
Más detallesPrincipio de acotación uniforme
Capítulo 4 Principio de acotación uniforme 4.1. Introducción. Teorema de Baire En este último capítulo vamos a establecer una serie de resultados sobre aplicaciones lineales y continuas entre espacios
Más detallesTeorema de Existencia y Unicidad Ecuaciones Diferenciales Ordinarias.
Teorema de Existencia y Unicidad Ecuaciones Diferenciales Ordinarias. Dr. Rafael Morones E. Dept. de Matemáticas ITAM August 5, 2002 1 Contenido 1 Preliminares. 3 1.1 Sucesiones...............................
Más detallesCoordinación de Matemáticas III (MAT 023) x a. Además, diremos que f es continua en U si f es continua en cada punto de U.
Coordinación de Matemáticas III (MAT 023) 1 er Semestre de 2013 Continuidad de Funciones en Varias Variables 1. Continuidad Definición 1.1. Sean U R n abierto, a U y f : U R una función real de varias
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesTema 2: Teorema de estructura de los grupos abelianos finitamente generados.
ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. 1.1. Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con
Más detallesTeorema de Lagrange. En esta sección demostramos algunos hechos básicos sobre grupos, que se pueden deducir de la definición
Teorema de Lagrange Capítulo 3 3.1 Introducción En este capítulo estudiaremos uno de los teoremas más importantes de toda la teoría de grupos como lo es el Teorema de Lagrange. Daremos en primer lugar
Más detallesEn primer lugar, vamos a precisar un concepto al que ya nos hemos referido anteriormente, el de σ-álgebra.
Capítulo 20 Conjuntos de Borel Hemos demostrado ya que la familia M de los conjuntos medibles contiene a todos los abiertos de R n y, por tanto, a todos los conjuntos que podamos formar a partir de los
Más detallesiii. Q es denso en F (para todo par x, y F tal que x < y, existe un r Q tal que x < r < y); v. Para todo a R tal que a < 1, lím n a n = 0.
LOS TEOREMAS CENTRALES DEL CÁLCULO Y LA COMPLETITUD DE LA RECTA NUMÉRICA: UNA REFLEXIÓN SOBRE LA IMPOSIBILIDAD DE FORMULAR EL CÁLCULO EN EL CONJUNTO DE LOS NÚMEROS RACIONALES JORGE M. LÓPEZ Resumen. En
Más detallessi existe un entorno V de a contenido en A, tal que la diferencia f(x) f(a) no cambia de signo cuando x V :
Capítulo 7 Extremos Relativos Una aplicación clásica del Teorema Local de Taylor es el estudio de los extremos relativos de una función escalar. Aunque la analogía con el caso de una variable es total,
Más detallesEl teorema de Stokes. 1. Integración de formas en variedades
Capítulo 12 El teorema de Stokes 1. Integración de formas en variedades En esta sección definimos la integral de una k-forma diferencial ω definida en una variedad diferenciable en R n de dimensión k,
Más detallesMétodos Matemáticos: Análisis Funcional
Licenciatura en Ciencias y Técnicas Estadísticas Universidad de Sevilla http://euler.us.es/ renato/clases.html Espacios eucĺıdeos Definición Se dice que un espacio vectorial E es un espacio eucĺıdeo si
Más detallesUniversidad Tecnológica de la Mixteca. H-Convexidad. Tesis para obtener el título de: Licenciado en Matemáticas Aplicadas.
Universidad Tecnológica de la Mixteca H-Convexidad Tesis para obtener el título de: Licenciado en Matemáticas Aplicadas Presenta: Iván López Salmorán Director de Tesis: M.C. José L. Carrasco Pacheco Huajuapan
Más detallesNotas del Primer Capítulo del Libro Análisis Funcional de W. Rudin
1 Notas del Primer Capítulo del Libro Análisis Funcional de W. Rudin Alejandra García García Estas notas son el trabajo desarrollado dentro del seminario de Análisis que se ha impartido durante los primeros
Más detallesRecordemos que utilizaremos, como es habitual, la siguiente notación para algunos conjuntos de números que son básicos.
Capítulo 1 Preliminares Vamos a ver en este primer capítulo de preliminares algunos conceptos, ideas y propiedades que serán muy útiles para el desarrollo de la asignatura. Se trata de resultados sobre
Más detallesProblemas de VC para EDVC elaborados por C. Mora, Tema 4
Problemas de VC para EDVC elaborados por C. Mora, Tema 4 Ejercicio Determinar las funciones enteras f para las que Solución f( + w) = f()f(w), w C. En primer lugar, f(0) = f(0 + 0) = f(0)f(0) = f(0) 2,
Más detallesSubconjuntos notables de un Espacio Topológico
34 Capítulo 4 Subconjuntos notables de un Espacio Topológico 4.1 Adherencia Definición 4.1.1 (Punto adherente). Sea (X, τ) un espacio topológico, y sea S un subconjunto de X. Diremos que x X es un punto
Más detalles2. Cálculo diferencial de funciones de varias variables. Mayo, 2009
Cálculo 2. Cálculo diferencial de funciones de varias variables Mayo, 2009 Definición IR 2 = {(x 1,x 2 )/x 1 IR,x 2 IR} Sean dos puntos a y b, de coordenadas respectivas (a 1,a 2 ) y (b 1,b 2 ). Definición
Más detallesFunciones de varias variables. Continuidad
Capítulo 1 Funciones de varias variables. Continuidad 1. Topología en R n Definición (Norma, espacio vectorial normado). Una norma sobre R n es una aplicación: : R n [0,+ [ x x, que satisface las siguientes
Más detallesReconocer y utilizar las propiedades sencillas de la topología métrica.
3 Funciones continuas De entre todas las aplicaciones que pueden definirse entre dos espacios métrico, las aplicaciones continuas ocupan un papel preponderante. Su estudio es fundamental no sólo en topología,
Más detallesDepartamento de Ingeniería Matemática - Universidad de Chile
Ingeniería Matemática FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE Álgebra Lineal 08-2 SEMANA 7: ESPACIOS VECTORIALES 3.5. Generadores de un espacio vectorial Sea V un espacio vectorial
Más detallesA continuación daremos algunos teoremas de unicidad para un problema de valores iniciales de la siguiente forma x = f (t, x) (3.1)
3 Teoremas de Unicidad A continuación daremos algunos teoremas de unicidad para un problema de valores iniciales de la siguiente forma x = f (t, x) (3.1) x(t ) = x. 3.1 Teorema de Unicidad de Peano Teorem
Más detallesEspacios Pseudométricos
Capítulo 1 Espacios Pseudométricos Este primer capítulo se dedica a la exploración de una clase particular de espacios topológicos, cuya estructura está dada por una noción de distancia. Se pretende que
Más detallesLa Diferencial de Fréchet
Capítulo 6 La Diferencial de Fréchet Es bien conocido que una función de una variable f es derivable en un punto a si y sólo si su gráfica admite una recta tangente (no vertical) en el punto (a, f(a)).
Más detallesDiferenciales de Orden Superior
Capítulo 10 Diferenciales de Orden Superior En este capítulo extenderemos a las funciones definidas sobre espacios normados el concepto de función r-veces diferenciable y de clase C r y obtendremos las
Más detallesINTRODUCCION A LA TEORIA DE LOS CONTINUOS. Sergio Macías Alvarez. Instituto de Matemáticas, UNAM
INTRODUCCION A LA TEORIA DE LOS CONTINUOS Sergio Macías Alvarez Instituto de Matemáticas, UNAM 1 Espacios Métricos 1.1 Definición. Un espacio métrico es un conjunto no vacío X junto con una función d:
Más detallesLos Números Reales. Capítulo Introducción.
Capítulo 1 Los Números Reales 11 Introducción En este primer capítulo del libro introducimos el sistema de los Números Reales, que es la base sobre la cual se desarrolla el Análisis Matemático Los matemáticos
Más detallesDerivada de la función compuesta. Regla de la cadena
Derivada de la función compuesta. Regla de la cadena Cuando en las matemáticas de bachillerato se introduce el concepto de derivada, su significado y su interpretación geométrica, se pasa al cálculo de
Más detallesTOPOLOGÍA SOLUCIONES A LAS RELACIONES DE PROBLEMAS
TOPOLOGÍA SOLUCIONES A LAS RELACIONES DE PROBLEMAS Ejercicio.1.- Relación. Espacios topológicos. Operadores Sea X un conjunto y x 0 X. Queremos probar que la familia T x0 = {X} {A X;x 0 / A} es una topología
Más detallesFunciones continuas Motivación
Lección 9 Funciones continuas Generalizando la noción que conocemos para funciones reales de variable real, vamos a estudiar la continuidad para funciones entre dos espacios métricos cualesquiera. La definimos
Más detalles1. Funciones de varias variables
Coordinación de Matemáticas III (MAT 023) 1 er Semestre de 2013 1. Funciones de varias variables 1.1. Definiciones básicas Definición 1.1. Consideremos una función f : U R n R m. Diremos que: 1. f es una
Más detallesEspacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
Más detallesDepartamento de Matemáticas
MA5 Clase : Series de números reales Definición de Serie Elaborado por los profesores Edgar Cabello y Marcos González Definicion Dada una sucesión de escalares (a n ), definimos su sucesión de sumas parciales
Más detalles