2.

Topologı́a de Rn

1. Descripción del contexto

Sea n ∈ N.
Rn = {(x1 , . . . , xn ) : xi ∈ R, 1 ≤ i ≤ n}

Anotamos cada elemento de Rn como sigue

x = ⃗x = x = (x1 , . . . , xn ).

Usualmente en R2 y R3 se omiten los subı́ndices y se escribe

⃗x = (a, b) ∈ R2 ⃗x = (a, b, c) ∈ R3 .

Sean x = (x1 , . . . , xn ) e y = (y1 , . . . , yn ) dos elementos cualesquiera de Rn y sea r ∈ R. Definimos dos operaciones

(a) la suma de n-uplas, por

x + y = (x1 + y1 , . . . , xn + yn ),

(b) el producto de un número real por una n-upla por

rx = (rx1 , . . . , rxn ).

Para cualesquiera x, y, z ∈ Rn y para cualesquiera números reales r y s son válidas las fórmulas

1. (x + y) + z = x + (y + z)

2. x + 0 = x, siendo 0 = (0, ..., 0)

3. x + (−x) = 0

4. x + y = y + x

5. (α + β)x = αx + βx

6. α(x + y) = αx + αy

7. α(βx) = (αβ)x

Cualquier conjunto, dotado de las operaciones de suma y multiplicación por números reales que satisfacen las
leyes anteriores se llama espacio vectorial sobre R y sus elementos se denominan vectores. Cuando se desea
enfatizar la diferencia entre números y vectores, los números suelen llamarse escalares. Por ejemplo, en Fı́sica,
la masa y la energı́a son magnitudes escalares, mientras que las fuerzas y velocidades son vectores.

1
Producto punto (escalar o interno)

Definimos a continuación la noción de producto punto que nos permitirá introducir conceptos de la geometrı́a
euclı́dea tales como longitud, ángulo y perpendicularidad.

Definición 1. La operación • : Rn × Rn → R es un producto punto si satisface las siguientes propiedades para

cualesquiera vectores x, y, z ∈ Rn y para todo escalar r ∈ R

1. Positividad: x · x ≥ 0 y x · x = 0 ⇔ x = 0

2. Conmutatividad: x · y = y · x

3. Distributividad: x · (y + z) = x · y + x · z

4. Asociatividad: (rx) · y = r(x · y)

Debido a la conmutatividad del producto punto, son también válidas las fórmulas

(x + y) · z = x · z + y · z

x · (ry) = r(x · y)

Observar que además se cumple

(0 + y) · x = (y · x) = (0 · x) + (y · x)

de donde se deduce que (0 · x) = 0 para todo x ∈ Rn .

Definición 2. Un espacio vectorial en el cual se ha definido un producto punto se denomina un espacio con
producto interno.

Definición 3. La función ∥ · ∥ : Rn → R es una norma (longitud) si para cualesquiera x, y ∈ Rn y todo r ∈ R

se satisface las siguientes propiedades:

(a) Positividad: ∥x∥ ≥ 0 y ∥x∥ = 0 si y sólo si x = 0,

(b) Homogeneidad: ∥rx∥ = |r|∥x∥,

(c) Desigualdad triangular: ∥x + y∥ ≤ ∥x∥ + ∥y∥.

En un espacio con producto interno siempre puede definirse una norma en términos del producto interno.
En efecto, la función ∥ · ∥ : Rn → R definida por
√
∥x∥ = x·x

es una norma. La positividad y la homogeneidad son fáciles de probar. Por ejemplo, si x ∈ Rn y r ∈ R

p p √ p
∥rx∥ = (rx) · (rx) = r2 (x · x) = r2 (x · x) = |r|∥x∥

donde hemos usado dos veces la asociatividad del producto punto.

Para probar la desigualdad triangular se necesita el siguiente resultado preliminar.

2
Teorema 1 (Desigualdad de Cauchy-Schwarz). Para cualesquiera x, y ∈ Rn vale la desigualdad

|x · y| ≤ ∥x∥∥y∥.

Demostración. Si x = 0 o y = 0 la desigualdad claramente se cumple. Luego podemos suponer que x e y son

vectores no nulos. Supongamos primero que x e y son vectores unitarios, es decir ∥x∥ = ∥y∥ = 1. Entonces

0 ≤ ∥x − y∥2 = (x − y) · (x − y) = x · x − x · y − y · x + y · y = ∥x∥2 − 2 x · y + ∥y∥2 = 2 − 2 x · y,

de donde obtenemos que

x · y ≤ 1.

Si ahora suponemos que x e y son vectores no nulos cualesquiera, la desigualdad anterior vale para los vectores
unitarios x/∥x∥ e y/∥y∥, y obtenemos
x · y ≤ ∥x∥∥y∥. (1)

En particular, la desigualdad (1) vale para −x, el opuesto de x y se obtiene

−x · y ≤ ∥ − x∥ ∥y∥ = | − 1|∥x∥ ∥y∥ = ∥x∥ ∥y∥. (2)

Luego, de (1) y (2) obtenemos

−∥x∥∥y∥ ≤ x · y ≤ ∥x∥∥y∥,

que es la desigualdad de Cauchy-Schwarz.

Usando la desigualdad del Teorema 1 es fácil probar la desigualdad triangular. En efecto

∥x + y∥2 = (x + y) · (x + y) = ∥x∥2 + 2 x · y + ∥y∥2

≤ ∥x∥2 + 2 ∥x∥∥y∥ + ∥y∥2

= (∥x∥ + ∥y∥)2 ,

de donde resulta
∥x + y∥ ≤ ∥x∥ + ∥y∥.

Notemos que si x e y son dos vectores no nulos, la desigualdad de Cauchy-Schwarz implica que

|x · y|
≤ 1,
∥x∥∥y∥

entonces existe un ángulo θ tal que

x·y
cos θ =
∥x∥∥y∥.
Ejemplo: Consideremos Rn provisto de la suma vectorial y la multiplicación de un vector por un número real.
Si x = (x1 , . . . , xn ) e y = (y1 , . . . , yn ) ∈ Rn definimos el número
n
X
x · y = x1 y1 + · · · + xn yn = xi yi .
i=1

3
Es fácil verificar que • es un producto interno y la norma inducida por este producto interno es

n
!1/2
√ X
∥x∥ = x·y = x2i = ∥x∥2 .
i=1

En este contexto, la desigualdad de Cauchy-Schwarz luce de la siguiente forma

n n
!1/2 n
!1/2
X X X
xi yi ≤ x2i yi2
i=1 i=1 i=1

Observaciones:

1. En ocasiones, el espacio Rn puede estar provisto de un producto interno diferente al estándar del ejemplo
anterior. Por ejemplo, probar que si (x1 , x2 ) e y = (y1 , y2 ) ∈ R2 , la operación

x ∗ y = x1 y1 + 2x2 y2

es un producto interno. Ejercicio: Sea ∥ · ∥∗ la norma inducida por este producto interno, es decir

√
∥x∥∗ = x ∗ x.

Describir geométricamente el conjunto {(x1 , x2 ) ∈ R2 : ∥x∥∗ = 1}. Escribir, además, la desigualdad de

Cauchy-Schwarz asociada a este producto escalar.

2. Probar que si ∥ · ∥ es la norma inducida por un producto escalar definido en Rn entonces, para cualesquiera
x, y ∈ Rn vale la igualdad del paralelogramo

∥x + y∥2 + ∥x − y∥2 = 2(∥x∥2 + ∥y∥2 ).

3. Probar que las siguientes

∥x∥1 = |x1 | + |x2 | + · · · + |xn |,

∥x∥∞ = máx{|x1 |, |x2 |, . . . , |xn |},

son normas en Rn , siendo x = (x1 , x2 , . . . , xn ). Ver, además, que ninguna de ellas proviene de un producto
escalar.

Bolas en espacios euclı́deos

Definición 4. Sea x0 ∈ Rn y ϵ > 0. La bola abierta centrada en x0 y radio ϵ es el conjunto que se denota y
define por
B(x0 , ϵ) = {x ∈ Rn : ∥x − x0 ∥ < ϵ}

(Ver Figura 1). Con B ∗ (x0 , ϵ) denotaremos a bola privada de su centro, es decir

B ∗ (x0 , ϵ) = B(x0 , ϵ) \ {x0 } = {x ∈ Rn : 0 < ∥x − x0 ∥ < ϵ}

4
 Figura 1: Bolas asociadas a ∥ · ∥2

Definición 5. Sean S ⊂ Rn y x ∈ Rn . Diremos que x es un punto lı́mite de S (punto de acumulación), si para

todo ϵ > 0, existe y ∈ S tal que 0 < ∥x − y∥ < ϵ.

La definición anterior dice que x es un punto lı́mite de S si cualquier bola reducida centrada en x contiene
al menos un punto y ∈ S. Si bien un punto lı́mite de S no necesariamente pertenece a S, la definición asegura
que el punto lı́mite está “suficientemente próximo” a S. Con S ′ denotaremos el conjunto de todos los puntos
lı́mites de S.
Ejemplo: Sea S = {(x, y) ∈ R2 : x2 + y 2 < 1} ∪ (2, 0). El conjunto S ′ de todos los puntos lı́mites de S es
S ′ = {(x, y) ∈ R2 : x2 + y 2 ≤ 1}. El punto (2, 0) pertenece a S pero no a S ′ . Es un punto aislado.

Definición 6. Un punto es aislado en S si no es punto lı́mite de S.

Definición 7. Sea S ⊂ Rn . El punto x0 ∈ S es un punto interior de S si existe un número δ positivo tal que
B(x0 , δ) ⊂ S.

Ejemplo: Sea S = (0, 2] × [−1, 1) = {(x, y) ∈ R2 : 0 < x ≤ 2, −1 ≤ y < 1}. Los puntos (1/2, 1/2), (1, 0), (1, −1),
y (2, 0) pertenecen a S. Los dos primeros son puntos interiores mientras que los dos últimos no (Figura 2).
El conjunto de todos los puntos interiores de un conjunto S ⊂ Rn se llama el interior de S y se denota por
S ◦ , esto es
S ◦ = {x ∈ Rn : x es punto interior de S}.

5
Para el último ejemplo tenemos S ◦ = (0, 2) × (−1, 1).

Definición 8. Diremos que S ⊂ Rn es un conjunto abierto si todos sus puntos son interiores, esto es S = S ◦ .

Figura 2: S = (0, 2] × [−1, 1)

Ejemplos:
(a) Es obvio que Rn es abierto. Además, dado que la implicación “x ∈ ∅ =⇒ x es un punto interior” es
verdadera, ∅ es un conjunto abierto de Rn .
(b) La bola abierta
B(x0 , ϵ) = {x ∈ Rn : ∥x − x0 ∥ < ϵ}

es un subconjunto abierto de Rn . En efecto, sea y ∈ B(x0 , ϵ), esto es ∥y − x0 ∥ < ϵ. Debemos encontrar δ > 0
tal que B(y, δ) ⊂ B(x0 , ϵ). Sea δ = ϵ − ∥y − x0 ∥ > 0 y z ∈ B(y, δ), es decir ∥z − y∥ < δ. Luego

∥z − x0 ∥ = ∥z − y + y − x0 ∥ ≤ ∥z − y∥ + ∥y − x0 ∥ < δ + (ϵ − δ) = ϵ,

lo que prueba que z ∈ B(x0 , ϵ).

Definición 9. Un entorno de un punto x ∈ Rn es un conjunto abierto que contiene a dicho punto.

Definición 10. Sea S ⊂ Rn .

(a) El conjunto S es cerrado si S ′ ⊂ S, es decir, S contiene a todos sus puntos de acumulación.

(b) La clausura de S se denota y define por S̄ = S ′ ∪ S, es decir, la unión de los puntos de S con sus puntos
de acumulación.

(c) La frontera de S se denota y define por ∂S = S̄ \ S ◦

Ejemplo: Sea S = {(x, y) ∈ R2 : x2 + y 2 < 1} = B((0, 0), 1). Entonces

S ◦ = {(x, y) ∈ R2 : x2 + y 2 < 1} = S

S̄ = {(x, y) ∈ R2 : x2 + y 2 ≤ 1}

∂S = {(x, y) ∈ R2 : x2 + y 2 = 1}

6
Normas en espacios vectoriales de dimensión finita

Preliminares: Convergencia en Rn
Una sucesión de vectores en Rn es una función x : N → Rn , de modo que si k ∈ N,

x(k) = xk = (xk1 , . . . , xkn ) ∈ Rn .

Diremos que la sucesión {xk } converge hacia el vector a = (a1 , . . . , an ) ∈ Rn , si dado ϵ > 0 existe K ∈ N tal
que si k ≥ K entonces ∥xk − a∥ < ϵ. Anotaremos, en este caso xk → a, k → ∞.
Las siguientes afirmaciones son equivalentes

(a) xk −−−−→ a;
k→∞

(b) ∥xk − a∥ −−−−→ 0;

k→∞

(c) Para todo ϵ > 0 existe K = K(ϵ) > 0 tal que si k ≥ K entonces xk ∈ B(a, ϵ);

(d) Si a = (a1 , . . . , an ) y xk = (xk1 , . . . , xkn ) entonces xki −−−−→ ai , para i = 1, . . . , n. (convergencia de n

k→∞
sucesiones de números reales)

Esquema Si k ∈ N, xk = (xk1 , . . . , xkn ) ∈ Rn , xki ∈ R, 1 ≤ i ≤ n.

x1 : x11 x12 ... x1i ... x1n

x2 : x21 x22 ... x2i ... x2n

.. .. .. .. ..
. . . ... . ... .
(3)
xk : xk1 xk2 ... xki ... xkn

↓k→∞ ↓ ... ↓

a: a1 a2 ... ai ... an

Una subsucesión de una sucesión x es la restricción x̄ a un dominio de la forma {ki ∈ N : ki < ki+1 }. La
denotamos x̄ = {xkj }.
En Rn también es válido el siguiente resultado:
Una sucesión {xk } converge si y sólo si es una sucesión de Cauchy: Dado ϵ > 0, existe K = K(ϵ) > 0 tal
que si k, l ≥ K entonces ∥xk − xl ∥ < ϵ.

Definición 11. Normas en espacios vectoriales de dimensión finita Sea V un espacio vectorial de
dimensión finita sobre K. La función ∥ · ∥ : V → R es una norma en V si satisface las siguientes propiedades:

(a) Positividad: ∥x∥ ≥ 0 y ∥x∥ = 0 si y sólo si x = 0,

(b) Homogeneidad: ∥ax∥ = |a|∥x∥, a ∈ K

(c) Desigualdad triangular: ∥x + y∥ ≤ ∥x∥ + ∥y∥, para todo x, y ∈ V .

7
Definición 12. Normas equivalentes Sean ∥ · ∥1 y ∥ · ∥2 dos normas en el espacio vectorial V . Diremos que
∥ · ∥1 es equivalente a ∥ · ∥2 si existen dos constantes positivas C1 y C2 tales que la desigualdad

C1 ∥x∥1 ≤ ∥x∥2 ≤ C2 ∥x∥1

es válida para todo vector x ∈ V .

Es fácil probar que la desigualdad anterior define una relación de equivalencia en la familia de normas
definidas en V , es decir, se satisfacen las siguientes propiedades:
Reflexividad: Toda norma es equivalente a si misma.

Simetrı́a: ∥ · ∥1 es equivalente a ∥ · ∥2 si y sólo si ∥ · ∥2 es equivalente a ∥ · ∥1 .

Transitividad: Si ∥ · ∥1 es equivalente a ∥ · ∥2 y ∥ · ∥2 es equivalente a ∥ · ∥3 , entonces ∥ · ∥1 es equivalente a

∥ · ∥3 .

Ya hemos definidos las siguientes normas para x = (x1 , . . . , xn ) ∈ Rn

n
!1/2
X
2
∥x∥2 = |xi |
i=1
n
X (4)
∥x∥1 = |xi |
i=1

∥x∥∞ = máx{|x1 |, . . . , |xn |}

Estas son tres normas equivalentes en Rn . En efecto

p p p
∥x∥∞ = máx{|x1 |, . . . , |xn |} = máx{ |x1 |2 , . . . , |xn |2 } = máx{|x1 |2 , . . . , |xn |2 }
v
u n n p n
uX X X
≤t |xi |2 = ∥x∥2 ≤ |xi |2 = |xi | = ∥x∥1 ≤ n máx{|x1 |, . . . , |xn |}
i=1 i=1 i=1

= n∥x∥∞ .

También se tiene
p √ √
∥x∥2 ≤ n máx{|x1 |2 , . . . , |xn |2 } = n máx{|x1 |, . . . , |xn |} = n ∥x∥∞ .

En realidad, lo anterior es un caso particular del siguiente resultado general:

Teorema 2. Todo par de normas en un espacio vectorial real de dimensión finita son equivalentes.

Demostración. Sea ∥·∥ una norma en V y sea {x1 , . . . , xn } una base de V . Si x ∈ V existen n escalares α1 . . . , αn
únicos tales que
n
X
x = α1 x1 + · · · + αn xn = αi xi .
i=1

Definimos la norma euclı́dea en V por

n
!1/2
X
2
∥x∥2 = |αi | .
i=1

8
Probaremos que ∥ · ∥ es equivalente a ∥ · ∥2 , esto es, que existen dos constantes positivas C1 y C2 tales que
C1 ∥x∥2 ≤ ∥x∥ ≤ C2 ∥x∥2 para todo x ∈ V . Luego, por la transitividad de la relación de equivalencia entre
normas, resultará que dos normas cualesquiera en V son equivalentes.
Veamos entonces que ∥ · ∥ y ∥ · ∥2 son equivalentes.
n
X n
X n
X p
∥x∥ = αi xi ≤ |αi | ∥xi ∥ ≤ máx{|α1 |, . . . , |αn |} ∥xi ∥ = C2 máx{|α1 |2 , . . . , |αn |2 }
i=1 i=1 i=1
v
u n
uX
≤ C2 t |αi |2 = C2 ∥x∥2 ,
i=1

Pn
donde C2 = i=1 ∥xi ∥ > 0 ({xi } base de V ).
Ahora calculemos la constante positiva C1 .
Probemos que la función
∥ · ∥ :V → R

x → ∥x∥
es continua con respecto a ∥ · ∥2 . Dado ϵ > 0 debemos encontrar δ > 0 tal que si ∥x − x0 ∥2 < δ resulte
|∥x∥ − ∥x0 ∥| < ϵ. Planteamos
|∥x∥ − ∥x0 ∥| ≤ ∥x − x0 ∥ ≤ C2 ∥x − x0 ∥2 ,

donde la última desigualdad queda garantizada por la primera parte de la demostración. Luego, tomando
δ = ϵ/C2 resulta
|∥x∥ − ∥x0 ∥| ≤ C2 ∥x − x0 ∥2 ≤ C2 δ = ϵ,

y la continuidad está probada.

Supongamos que ahora la función ∥ · ∥ se restringe al conjunto C = {u ∈ V : ∥u∥2 = 1}, es decir

∥ · ∥ : {u ∈ V : ∥u∥2 = 1} → R.

Luego
∥u∥ ≤ C2 ∥u∥2 = C2 ,

es decir, ∥ · ∥, restringida a C, está acotada. Luego, existe C1 = mı́n ∥u∥ > 0. Sea ahora x ∈ V , x ̸= 0 y sea
∥u∥2 =1
x
u= . Entonces
∥x∥2
x 1
∥u∥2 = = ∥x∥2 = 1 (5)
∥x∥2 2 ∥x∥2
En consecuencia, obtenemos
C1 ≤ ∥u∥

o, equivalentemente
C1 ∥x∥2 ≤ ∥x∥

para todo x ∈ V .

9
La existencia de C1 cuando V = Rn .

Demostración. Lo probamos por reducción al absurdo. Supongamos que la desigualdad

C1 ∥x∥2 ≤ ∥x∥

para todo x ∈ Rn y para alguna constante C1 > 0 es falsa. Esto es, para cada k > 0 existe x ∈ Rn tal que

k∥x∥2 > ∥x∥.

En particular, lo anterior es válido para k = 1/i, i ∈ N, es decir, para cada i existe xi ∈ Rn tal que

1
∥xi ∥ < ∥xi ∥2 ,
i
xi 1
< .
∥xi ∥2 i
xi
Sea {yi } la sucesión definida por yi = , luego ∥yi ∥2 = 1 y, siendo {yi } acotada, contiene una subsucesión
∥xi ∥2
convergente {yij }j hacia, digamos, el vector a en la norma ∥ · ∥2 , es decir

yij −−−→ a.
j→∞

Luego
∥a∥2 = lı́m ∥yij ∥2 = 1,
j→∞

con lo cual a es no nulo. Por otro lado

1
∥a∥ ≤ ∥a − yij ∥ + ∥yij ∥ ≤ k∥a − yij ∥2 + −−−→ 0,
ij j→∞

con lo cual obtenemos a = 0, lo cual es una contradicción.

Es muy importante destacar que las normas equivalentes conducen a las mismas definiciones de punto de
acumulación y de punto interior. Como los conceptos de conjunto abierto, punto frontera y conjunto cerrado
se definen en término de los anteriores, resulta que tampoco dependen de las normas equivalentes que se
usen para definirlos. Más adelante veremos que lo mismo ocurre con las nociones centrales de continuidad y
diferenciabilidad en varias variables.
A modo de ejemplo, supongamos que ∥ · ∥1 y ∥ · ∥2 son dos normas equivalentes y que x es un punto de
acumulación del conjunto S con respecto a ∥ · ∥1 . Veamos que x es también punto de acumulación de S con
respecto a ∥ · ∥2 . En efecto: Dado ϵ > 0 sabemos, por hipótesis, que existe y ∈ S tal que

ϵ
0 < ∥y − x∥1
C

siendo C la constante positiva garantizada por la equivalencia de las normas. Entonces

ϵ
0 < ∥y − x∥2 ≤ C∥y − x∥1 ≤ C = ϵ,
C

lo cual nos dice que x es un punto lı́mite de S con respecto a ∥ · ∥2 , que es lo que deseábamos probar.

10
 Del mismo modo se procede para probar la independencia de la definición de punto interior en término de
normas equivalentes.
Sea V un espacio vectorial y sea x ∈ V . La ϵ- bola centrada en x con respecto a una norma ∥ · ∥ definida en
V se define por
B∥·∥ (x, ϵ) = {y ∈ V : ∥y − x∥ < ϵ}.

De la definición de normas equivalentes se tiene la siguiente caracterización

1. Las normas ∥ · ∥1 y ∥ · ∥2 son equivalentes en V

2. Toda ϵ- bola centrada en x con respecto a ∥ · ∥1 está contenida en una δ- bola centrada en x con respecto
a ∥ · ∥2 y viceversa.

11