Archivo de la categoría: Matemáticas

Posts de matemáticas, la ciencia más cercana a las artes.

Álgebra Superior I: Cálculo de determinantes

Por Eduardo García Caballero

Introducción

En la entrada anterior introdujimos el concepto de determinante de matrices cuadradas. Dimos la definición para matrices de $2\times 2$. Aunque no dimos la definición en general (pues corresponde a un curso de Álgebra Lineal I), dijimos cómo se pueden calcular los determinantes de manera recursiva. Pero, ¿hay otras herramientas para hacer el cálculo de determinantes más sencillo?

En esta entrada hablaremos de más propiedades de los determinantes. Comenzaremos viendo que si en una matriz tenemos dos filas o columnas iguales, el determinante se hace igual a cero. Luego, veremos que los determinantes son lineales (por renglón o columna), que están muy contectados con las operaciones elementales y platicaremos de algunos determinantes especiales.

Linealidad por filas o columnas

El determinante «abre sumas y saca escalares», pero hay que ser muy cuidadosos, pues no lo hace para toda una matriz, sino sólo renglón a renglón, o columna a columna. Enunciemos esto en las siguientes proposiciones.

Proposición. El determinante saca escalares renglón por renglón o columna por columna. Por ejemplo, pensemos en sacar escalares por renglón. Si $k$ es un número real y tenemos una matriz de la forma
\[
\begin{pmatrix}
a_{11} & a_{12} & \cdots & a_{1n} \\
\vdots & \vdots & & \vdots \\
ka_{i1} & ka_{i2} & \cdots & ka_{in} \\
\vdots & \vdots & & \vdots \\
a_{n1} & a_{n2} & \cdots & a_{nn}
\end{pmatrix},
\]
entonces
\[
\operatorname{det}
\begin{pmatrix}
a_{11} & a_{12} & \cdots & a_{1n} \\
\vdots & \vdots & & \vdots \\
ka_{i1} & ka_{i2} & \cdots & ka_{in} \\
\vdots & \vdots & & \vdots \\
a_{n1} & a_{n2} & \cdots & a_{nn}
\end{pmatrix}
=
k\operatorname{det}
\begin{pmatrix}
a_{11} & a_{12} & \cdots & a_{1n} \\
\vdots & \vdots & & \vdots \\
a_{i1} & a_{i2} & \cdots & a_{in} \\
\vdots & \vdots & & \vdots \\
a_{n1} & a_{n2} & \cdots & a_{nn}
\end{pmatrix}.
\]

No podemos dar la demostración muy formalmente, pues necesitamos de más herramientas. Pero puedes convencerte de que esta proposición es cierta pensando en lo que sucede cuando se calcula el determinante recursivamente en la fila $i$. En la matriz de la izquierda, usamos los coeficientes $ka_{i1},\ldots,ka_{in}$ para acompañar a los determinantes de las matrices de $(n-1)\times (n-1)$ que van saliendo. Pero entonces en cada término aparece $k$ y se puede factorizar. Lo que queda es $k$ veces el desarrollo recursivo de la matriz sin las $k$’s en el renglón $i$.

Ejemplo. Calculemos el determinante de la matriz $A=\begin{pmatrix} 2 & 2 & -1 \\ 0 & 2 & 3 \\ -3 & 2 & 1\end{pmatrix}$. En la primera columna hay un $0$, así que nos conviene usar esta columna para encontrar el determinante. Aplicando la regla recursiva, obtenemos que:

\begin{align*}
\det(A)=\begin{vmatrix} 2 & 2 & -1 \\ 0 & 2 & 3 \\ -3 & 2 & 1\end{vmatrix} &= (2) \begin{vmatrix} 2 & 3 \\ 2 & 1 \end{vmatrix} – (0) \begin{vmatrix} 2 & -1 \\ 2 & 1 \end{vmatrix} + (-3) \begin{vmatrix} 2 & -1 \\ 2 & 3 \end{vmatrix}\\
&=2(2\cdot 1 – 3 \cdot 2) – 0 (2 \cdot 1 – (-1)\cdot 2) – 3 (2\cdot 3 – (-1)\cdot 2)\\
&=2(-4)-0(4)-3(8)\\
&=-32.
\end{align*}

¿Qué sucedería si quisiéramos ahora el determinante de la matriz $B=\begin{pmatrix} 2 & 1 & -1 \\ 0 & 1 & 3 \\ -3 & 1 & 1\end{pmatrix}$? Podríamos hacer algo similar para desarrollar en la primera fila. Pero esta matriz está muy relacionada con la primera. La segunda columna de $B$ es $1/2$ veces la segunda columna de $A$. Por la propiedad que dijimos arriba, tendríamos entonces que $$\det(B)=\frac{1}{2}\det(A)=\frac{-32}{2}=-16.$$

$\triangle$

Ejemplo. Hay que tener mucho cuidado, pues el determinante no saca escalares con el producto escalar de matrices. Observa que si $A=\begin{pmatrix} 2 & 1 \\ 1 & 1 \end{pmatrix}$, entonces $\begin{vmatrix} 2 & 1 \\ 1 & 1 \end{vmatrix} = 2\cdot 1 – 1\cdot 1 = 1$. Sin embargo, $$\det(2A)=\begin{vmatrix} 4 & 2 \\ 2 & 2 \end{vmatrix}=4\cdot 2 – 2 \cdot 2 = 4\neq 2\det(A).$$

En vez de salir dos veces el determinante, salió cuatro veces el determinante. Esto tiene sentido de acuerdo a la propiedad anterior: sale un factor $2$ pues la primera fila es el doble, y sale otro factor $2$ porque la segunda fila también es el doble.

$\square$

Proposición. El determinante abre sumas renglón por renglón, o columa por columna. Por ejemplo, veamos el caso para columnas. Si tenemos una matriz de la forma
\[
\begin{pmatrix}
a_{11} & \cdots & a_{1i} + b_{1i} & \cdots & a_{1n} \\
a_{21} & \cdots & a_{2i} + b_{2i} & \cdots & a_{2n} \\
\vdots & & \vdots & & \vdots \\
a_{n1} & \cdots & a_{ni} + b_{ni} & \cdots & a_{nn}
\end{pmatrix},
\]
entonces este determinante es igual a
\begin{align*}
\operatorname{det}
\begin{pmatrix}
a_{11} & \cdots & a_{1i} & \cdots & a_{1n} \\
a_{21} & \cdots & a_{2i} & \cdots & a_{2n} \\
\vdots & & \vdots & & \vdots \\
a_{n1} & \cdots & a_{ni} & \cdots & a_{nn}
\end{pmatrix}
+
\operatorname{det}
\begin{pmatrix}
a_{11} & \cdots & b_{1i} & \cdots & a_{1n} \\
a_{21} & \cdots & b_{2i} & \cdots & a_{2n} \\
\vdots & & \vdots & & \vdots \\
a_{n1} & \cdots & b_{ni} & \cdots & a_{nn}
\end{pmatrix}.
\end{align*}

Una vez más, no podemos dar una demostración muy formal a estas alturas. Pero como en el caso de sacar escalares, también podemos argumentar un poco informalmente qué sucede. Si realizamos el cálculo de determinantes en la columna $i$, entonces cada término de la forma $a_{ji}+b_{ji}$ acompaña a un determinante $D_{ji}$ de una matriz de $(n-1)\times (n-1)$ que ya no incluye a esa columna. Por ley distributiva, cada sumando es entonces $(a_{ji}+b_{ji})D_{ji}=a_{ji}D_{ji}+b_{ji}D_{ji}$ (acompañado por un $+$ o un $-$). Agrupando en un lado los sumandos con $a_{ji}$’s y por otro los sumandos con $b_{ji}$’s obtenemos la identidad deseada.

Ejemplo. Las matrices $\begin{pmatrix} 5 & 2 \\ 2 & 1 \end{pmatrix}$ y $\begin{pmatrix} 2 & 5 \\ 2 & 1 \end{pmatrix}$ tienen determinantes $1$ y $-8$ respectivamente (verifícalo). De acuerdo a la propiedad anterior, el determinante de la matriz $$\begin{pmatrix} 5 + 2 & 2 + 5 \\ 2 & 1 \end{pmatrix} = \begin{pmatrix} 7 & 7 \\ 2 & 1 \end{pmatrix}$$

debería ser $1 + (-8) = -7$. Y sí, en efecto $7\cdot 1 – 2 \times 7 = -7$.

$\triangle$

Hay que tener mucho cuidado, pues en esta propiedad de la suma las dos matrices tienen que ser iguales en casi todas las filas (o columnas), excepto en una. En esa fila (o columna) es donde se da la suma. En general, no sucede que $\det(A+B)=\det(A)+\det(B)$.

Ejemplo. Puedes verificar que las matrices $A=\begin{pmatrix} 1 & 0 & 0 & 0 \\ 0 & 1 & 0 & 0 \\ 0 & 0 & 1 & 0 \\ 0 & 0 & 0 & 1\end{pmatrix}$ y $B=\begin{pmatrix} -1 & 0 & 0 & 0 \\ 0 & -1 & 0 & 0 \\ 0 & 0 & -1 & 0 \\ 0 & 0 & 0 & -1\end{pmatrix}$ tienen ambas determinante $1$. Sin embargo, su suma es la matriz de puros ceros, que tiene determinante $0$. Así, $$\det(A)+\det(B)=2\neq 0 = \det(A+B).$$

$\triangle$

El determinante y operaciones elementales

El siguiente resultado nos dice qué sucede al determinante de una matriz cuando le aplicamos operaciones elementales.

Teorema. Sea $A$ una matriz cuadrada.

Si $B$ es una matriz que se obtiene de $A$ al reescalar un renglón con el escalar $\alpha$, entonces $\det(B)=\alpha\det(A)$.
Si $B$ es una matriz que se obtiene de $A$ al intercambiar dos renglones, entonces $\det(B)=-\det(A)$.
Si $B$ es una matriz que se obtiene de $A$ al hacer una transvección, entonces $\det(B)=\det(A)$.

No nos enfocaremos mucho en demostrar estas propiedades, pues se demuestran con más generalidad en el curso de Álgebra Lineal I. Sin embargo, a partir de ellas podemos encontrar un método de cálculo de determinantes haciendo reducción gaussiana.

Teorema. Sea $A$ una matriz cuadrada. Supongamos que para llevar $A$ a su forma escalonada reducida $A_{red}$ se aplicaron algunas transvecciones, $m$ intercambios de renglones y $k$ reescalamientos por escalares no cero $\alpha_1,\ldots,\alpha_k$ (en el orden apropiado). Entonces $$\det(A)=\frac{(-1)^m\det(A_{red})}{\alpha_1\alpha_2\cdots\alpha_k}.$$ En particular:

Si $A_{red}$ no es la identidad, entonces $\det(A_{red})=0$ y entonces $\det(A)=0$.
Si $A_{red}$ es la identidad, entonces $\det(A_{red})=1$ y entonces $$\det(A)=\frac{(-1)^m}{\alpha_1\alpha_2\cdots\alpha_k}.$$

Veamos un ejemplo.

Ejemplo. Calculemos el determinante de la matriz $A=\begin{pmatrix} 2 & 2 & -2 \\ 0 & 2 & 3 \\ -3 & 2 & 1\end{pmatrix}$ usando reducción gaussiana. Multiplicamos la primera fila por $\alpha_1=1/2$ y la sumamos tres veces a la última (transvección no cambia el determinante):

$$\begin{pmatrix} 1 & 1 & -1 \\ 0 & 2 & 3 \\ 0 & 5 & -2\end{pmatrix}$$

Multiplicamos por $\alpha_2=1/5$ la segunda fila y la intercambiamos con la tercera (va $m=1$).

$$\begin{pmatrix} 1 & 1 & -1 \\ 0 & 1 & -\frac{2}{5} \\ 0 & 2 & 3\end{pmatrix}.$$

Restamos dos veces la segunda fila a la tercera (transvección no cambia el determinante)

$$\begin{pmatrix} 1 & 1 & -1 \\ 0 & 1 & -\frac{2}{5} \\ 0 & 0 & \frac{19}{5}\end{pmatrix},$$

y multiplicamos la tercera fila por $\alpha_3=5/19$:

$$\begin{pmatrix} 1 & 1 & -1 \\ 0 & 1 & -\frac{2}{5}\\ 0 & 0 & 1\end{pmatrix}.$$

Hacemos transvecciones para hacer cero las entradas arriba de la diagonal principal (transvecciones no cambian el determinante): $$\begin{pmatrix} 1 & 0 & 0 \\ 0 & 1 & 0 \\ 0 & 0 & 1\end{pmatrix}.$$

Ya llegamos a la identidad. Los reescalamientos fueron por $1/2$, $1/5$ y $5/19$ y usamos en total $1$ intercambio. Así, $$\det(A)=\frac{(-1)^1}{(1/2)(1/5)(5/19)}=-38.$$

$\triangle$

Es recomendable que calcules el determinante del ejemplo anterior con la regla recursiva de expansión por menores para que verifiques que da lo mismo.

Algunos determinantes especiales

A continuación enunciamos otras propiedades que cumplen los determinantes. Todas estas puedes demostrarlas suponiendo propiedades que ya hemos enunciado.

Proposición. Para cualquier entero positivo $n$ se cumple que la matriz identidad $\mathcal{I}_n$ tiene como determinante $\operatorname{det}(\mathcal{I}_n) = 1$.

Este resultado es un caso particular de una proposición más general.

Proposición. El determinante de una matriz diagonal es igual al producto de los elementos de su diagonal; es decir,
\[
\operatorname{det}
\begin{pmatrix}
a_{11} & 0 & \cdots & 0 \\
0 & a_{22} & \cdots & 0 \\
\vdots & \vdots & \ddots & \vdots \\
0 & 0 & \cdots & a_{nn}
\end{pmatrix}
=
a_{11} a_{12} \cdots a_{nn}.
\]

Para probar esta proposición, puedes usar la regla recursiva para hacer la expansión por la última fila (o columna) y usar inducción.

Proposición. $\operatorname{det}(A^T) = \operatorname{det}(A)$.

Este resultado también sale inductivamente. Como los determinantes se pueden expandir por renglones o columnas, entonces puedes hacer una expansión en alguna fila de $A$ y será equivalente a hacer la expansión por columnas en $A^T$.

Proposición. Si $A$ es una matriz invertible, entonces $\operatorname{det}(A^{-1}) = \dfrac{1}{\operatorname{det}(A)}$.

Para demostrar este resultado, se puede usar la proposición del determinante de la identidad, y lo que vimos la entrada pasada sobre que $\det(AB)=\det(A)\det(B)$.

Los argumentos que hemos dado son un poco informales, pero quedará en los ejercicios de esta entrada que pienses en cómo justificarlos con más formalidad.

Ejemplos interesantes de cálculo de determinantes

Las propiedades anteriores nos permiten hacer el cálculo de determinantes de varias maneras (no sólo expansión por menores). A continuación presentamos dos ejemplos que usan varias de las técnicas discutidas arriba.

Ejemplo. Calculemos el siguiente determinante:

$$\begin{vmatrix} 1 & 5 & 3 \\ 2 & 9 & 1 \\ 5 & 4 & 3 \end{vmatrix}.$$

Como aplicar transvecciones no cambia el determinante, podemos restar la primera fila a la segunda, y luego cinco veces la primera fila a la tercera y el determinante no cambia. Así, este determinante es el mismo que

$$\begin{vmatrix} 1 & 5 & 3 \\ 0 & -1 & -5 \\ 0 & -21 & -12 \end{vmatrix}.$$

Multiplicar la segunda fila por $-1$ cambia el determinante en $-1$. Y luego multiplicar la tercera por $-1$ lo vuelve a cambiar en $-1$. Entonces haciendo ambas operaciones el determinante no cambia y obtenemos que el determinante es igual a

$$\begin{vmatrix} 1 & 5 & 3 \\ 0 & 1 & 5 \\ 0 & 21 & 12 \end{vmatrix}.$$

En esta matriz podemos expandir por la primera columna en donde hay dos ceros. Por ello, el determinante es

$$\begin{vmatrix} 1 & 5 \\ 21 & 12 \end{vmatrix}= (1\cdot 12) – (5 \cdot 21) = -93.$$

$\triangle$

Ejemplo. Calculemos el siguiente determinante:

$$\begin{vmatrix} 1 & 2 & 3 & 4 \\ 2 & 3 & 4 & 1 \\ 3 & 4 & 1 & 2 \\ 4 & 1 & 2 & 3 \end{vmatrix}.$$

Hacer transvecciones no cambia el determinante, entonces podemos sumar todas las filas a la última sin alterar el determinante. Como $1+2+3+4=10$, obtenemos:

$$\begin{vmatrix} 1 & 2 & 3 & 4 \\ 2 & 3 & 4 & 1 \\ 3 & 4 & 1 & 2 \\ 10 & 10 & 10 & 10 \end{vmatrix}.$$

Ahora, la última fila tiene un factor $10$ que podemos factorizar:

$$10\cdot \begin{vmatrix} 1 & 2 & 3 & 4 \\ 2 & 3 & 4 & 1 \\ 3 & 4 & 1 & 2 \\ 1 & 1 & 1 & 1 \end{vmatrix}.$$

Ahora, podemos restar la primera columna a todas las demás, sin cambiar el determinante:

$$10\cdot \begin{vmatrix} 1 & 1 & 2 & 3 \\ 2 & 1 & 2 & -1 \\ 3 & 1 & -2 & 1 \\ 1 & 0 & 0 & 0 \end{vmatrix}.$$

Luego, podemos sumar la segunda fila a la tercera sin cambiar el determinante:

$$10\cdot \begin{vmatrix} 1 & 1 & 2 & 3 \\ 2 & 1 & 2 & -1 \\ 5 & 2 & 0 & 0 \\ 1 & 0 & 0 & 0 \end{vmatrix}.$$

Expandiendo por la última fila:

$$-10\cdot \begin{vmatrix} 1 & 2 & 3 \\ 1 & 2 & -1 \\ 2 & 0 & 0 \end{vmatrix}.$$

Expandiendo nuevamente por la última fila:

$$-10 \cdot 2 \cdot \begin{vmatrix} 2 & 3 \\ 2 & -1 \end{vmatrix}.$$

El determinante de $2\times 2$ que queda ya sale directo de la fórmula como $2\cdot (-1)-3\cdot 2 = -8$. Así, el determinante buscado es $(-10)\cdot 2 \cdot (-8)=160$.

$\triangle$

Más adelante…

Los determinantes son una propiedad fundamental de las matrices. En estas entradas apenas comenzamos a platicar un poco de ellos. Por un lado, son muy importantes algebraicamente pues ayudan a decidir cuándo una matriz es invertible. Se pueden utilizar para resolver sistemas de $n$ ecuaciones lineales en $n$ incógnitas con algo conocido como la regla de Cramer. Por otro lado, los determinantes también tienen una interpretación geométrica que es sumamente importante en geometría analítica y en cálculo integral de varias variables. En cursos posteriores en tu formación matemática te los seguirás encontrando.

Tarea moral

Calcula el siguiente determinante: $$\begin{vmatrix} 1 & 1 & 1 & 1 \\ 2 & 0 & 2 & 2 \\ 0 & 3 & 3 & 0 \\ 0 & 0 & 4 & 0 \end{vmatrix}.$$ Intenta hacerlo de varias formas, aprovechando todas las herramientas que hemos discutido en esta entrada.
También se pueden obtener determinantes en matrices en donde hay variables en vez de escalares. Encuentra el determinante de la matriz $$\begin{pmatrix} a & b & c \\ b & c & a \\ c & a & b \end{pmatrix}.$$
Encuentra todas las matrices $A$ de $2\times 2$ que existen tales que $$\det(A+I_2)=\det(A)+1.$$
Demuestra todas las propiedades de la sección de «Algunos determinantes especiales». Ahí mismo hay sugerencias de cómo puedes proceder.
Revisa las entradas Álgebra Lineal I: Técnicas básicas de cálculo de determinantes y Seminario de Resolución de Problemas: Cálculo de determinantes para conocer todavía más estrategias y ejemplos de cálculo de determinantes.

Entradas relacionadas

Ir a Álgebra Superior I
Entrada anterior del curso: Determinante de matrices y propiedades
Entrada siguiente del curso: Los espacios vectoriales $\mathbb{R}^2$ y $\mathbb{R}^3$

Álgebra Superior I: Introducción a vectores y matrices con entradas reales

Por Eduardo García Caballero

Deja un comentario

Introducción

Los vectores y las matrices son algunos de los objetos matemáticos que nos encontraremos con mayor frecuencia durante nuestra formación matemática. Esto se debe a que nos permiten abordar con sencillez varios problemas de distintas áreas de las matemáticas, como lo son la geometría analítica y la teoría de gráficas. Además, nos ayudan a modelar con gran precisión fenómenos de otras disciplinas, como de la mecánica clásica, gráficos por computadora, circuitos eléctricos, robótica, entre otras.

A pesar de que el estudio a profundidad de los vectores y matrices lo realizaremos en los cursos de Álgebra Lineal I y Álgebra Lineal II, esto no es un impedimento para que nos familiaricemos con varios de los conceptos, técnicas y algoritmos que nos permitirán sacar provecho a esta maravillosa área de las matemáticas.

¿Qué son los vectores?

Dependiendo del área que estudiemos, nos podríamos encontrar con distintas definiciones de vectores. Por ejemplo, en la mecánica clásica se visualiza a los vectores como flechas en el plano o en el espacio, ancladas en un «origen» o en cualquier otro punto del plano. En ciencias de la computación, entenderemos que un vector consiste en un arreglo en el que todas sus entradas son datos del mismo tipo. Como veremos más adelante, las distintas formas de visualizar los vectores son equivalentes.

En este curso trabajaremos con un tipo específico de vectores: los vectores cuyas entradas son números reales. ¿Números reales? Sí. Aquí el temario de la asignatura de un brinco un poco grande. Hasta ahora, hemos intentado construir las matemáticas desde sus fundamentos: lógica, conjuntos, funciones, números naturales, etc. Sin embargo, ahora trabajaremos con el conjunto $\mathbb{R}$ de números reales.

Ya platicamos de que el conjunto de naturales $\mathbb{N}$ se puede pensar desde un sistema axiomático y que de hecho podemos «construir» a los naturales a partir de nociones de teoría de conjuntos. En el curso de Álgebra Superior 2 se platica de cómo construir al conjunto $\mathbb{Z}$ de enteros a partir de $\mathbb{N}$, al conjunto $\mathbb{Q}$ de racionales a partir de $\mathbb{Z}$ y finalmente de cómo construir a $\mathbb{R}$ desde $\mathbb{Q}$. Pero por ahora supondremos la existencia de $\mathbb{R}$ y que cumple todos los axiomas que se tratan por ejemplo en un curso de Cálculo Diferencial e Integral I.

Vectores con entradas reales

Un vector con entradas reales lo podemos entender como una lista ordenada de uno o más números (también conocida como tupla) en la que todos sus valores son números reales. Aquí «lista ordenada» lo pensamos no en el sentido de que sus entradas «van creciendo o decreciendo en orden», sino en el sentido «ordenado» como de parejas ordenadas de la segunda unidad de estas notas. Es decir, no nos importan no sólo los números usados, sino también en qué lugar quedaron.

Un ejemplo que seguramente ya has visto en tus clases de geometría analítica son los vectores en el plano o en el espacio. Recordemos que el vector $(5, \pi)$ determina una única posición en el plano, mientras que $\left(8, \sqrt{2}, \tfrac{4}{3}\right)$ determina una única posición en el espacio. Como ambas tuplas están formadas únicamente por números reales, podemos decir que son vectores con entradas reales. A cada uno de los números que aparecen en la lista le llamaremos entrada, y nos podemos referir a la posición de la entrada para decir cuál es su valor; por ejemplo, la primera entrada de $(5, \pi)$ es $5$, mientras que la tercera entrada de $\left(8, \sqrt{2}, \tfrac{4}{3}\right)$ es $\tfrac{4}{3}$.

Como recordarás, decimos que estos vectores se encuentran en $\mathbb{R}^2$ y $\mathbb{R}^3$, respectivamente. Analizando los ejemplos, te darás cuenta de que el número que acompaña a $\mathbb{R}$ se refiere a la cantidad de números reales que están enlistados en cada vector. Entonces, probablemente te preguntarás qué pasa con listas de más números. Aunque quizá sean más difíciles de visualizar (¡aunque no imposibles!), también existen vectores con cuatro, cinco o incluso más entradas. Esto nos lleva a la siguiente definición.

Definición. Para un número entero positivo $n$, un vector con $n$ entradas reales es una lista ordenada de $n$ elementos, el cual escribiremos $(x_1,x_2,\ldots,x_n)$. El conjunto $\mathbb{R}^n$ consiste de todos los vectores con $n$ entradas reales.

Así, podemos ver que tenemos que $(1,-3.5,e,1)$ es un vector en $\mathbb{R}^4$, mientras que $(1,1,2,3,5,7,13)$ es un vector en $\mathbb{R}^7$. En notación de conjuntos, $(1,-3.5,e,1)\in\mathbb{R}^4$ y $(1,1,2,3,5,7,13)\in\mathbb{R}^7$.

Una forma de empezar a ver cómo los vectores se relacionan entre ellos es preguntándonos cuándo estos son iguales. La primera condición que seguramente se nos vendrá a la mente es que los dos vectores deben tener la misma longitud; de este modo, podemos inmediatamente descartar que $(5, \pi)$ y $(8, \sqrt{2}, \tfrac{4}{3})$ sean iguales.

Otra condición que seguramente consideraremos es que todas sus entradas deben ser iguales. Así, podemos también descartar que $(5, \pi)$ y $(4, 8)$ sean iguales. Sin embargo, ¿son $(5,\pi)$ y $(\pi, 5)$ iguales? Como recordarás, los vectores son listas ordenadas, por lo que no sólo es importante que tengan las mismas entradas, sino que también aparezcan en el mismo orden. Así, podemos también descartar que $(5,\pi)$ y $(\pi, 5)$ sean iguales: basta ver con que la primera entrada del $(5,\pi)$ es $5$, mientras que la primera entrada de $(\pi,5)$ es $\pi$, y claramente $5\ne\pi$. Así mismo, $(1,5,8,1,3)$ es distinto de $(1,5,8,1,4)$ pues aunque compartan muchos elementos en varias de sus posiciones, en el primer vector la última entrada es $3$ y el el segundo la última entrada es $4$.

Definición. Diremos que dos vectores $(x_1,\ldots,x_n)$ y $(y_1,\ldots,y_n)$ de $\mathbb{R}^n$ son iguales si para toda $i=1,\ldots,n$ se tiene que $x_i=y_i$

Por otra parte, antes dijimos que los vectores tienen varias formas de ser representados. Como ejemplo de esto, podemos ver que el vector $(1,-3.5,e,1)$ puede ser representado como

\[
\begin{pmatrix}
1 \\
-3.5 \\
e \\
1
\end{pmatrix}
\qquad
\text{y}
\qquad
\begin{pmatrix}
1 & -3.5 & e & 1
\end{pmatrix}.
\]

Al formato de la izquierda se le conoce como vector vertical o vector columna, mientras que al formato de la derecha se le conoce como vector horizontal o vector fila. Dependiendo del contexto, en ocasiones nos encontraremos con estas representaciones en vez de la que mostramos inicialmente, aunque es importante recordar que siguen siendo vectores con entradas reales, pues son listas ordenadas de números reales.

Matrices con entradas reales

Otro objeto matemático en el que también se enlistan varios números reales se conoce como matriz, con la diferencia de que esta lista tiene forma de arreglo rectangular.

Definición. Una matriz con entradas reales es un arreglo rectangular en donde en cada una de sus posiciones se coloca un número real.

Por ejemplo, las siguientes son matrices con entradas reales:

\[
\begin{pmatrix}
0 & 8 & -4.5 \\
2 & 9 & 0 \\
1 & \pi & 5
\end{pmatrix},
\qquad
\begin{pmatrix}
0 & -3 & 9 & 4.25 \\
100 & 0.1 & -2 & \sqrt{2}
\end{pmatrix}.
\]
Como podrás ver, para poder identificar a una entrada de una matriz debemos de hacer referencia a dos propiedades: el número de fila y el número de columna en el que se encuentra. Las filas se cuentan de arriba hacia abajo, y las columnas de izquierda a derecha. Así, vemos que la entrada que se encuentra en la fila 3 y columna 2 de la primera matriz es $\pi$. A cada entrada le asignamos una coordenada $(i,j)$, donde $i$ es el número de fila y $j$ es el número de columna. Así, $\pi$ se encuentra en la posición $(3,2)$ de la primera matriz.

Por convención, cuando mencionamos el tamaño de una matriz, primero se especifica el número de filas y posteriormente el número de columnas. Así, la primera matriz es de tamaño $3\times 3$, mientras que la segunda es de tamaño $2 \times 4$. Ya que elegimos el tamaño de una matriz, podemos considerar a todas las matrices de ese tamaño.

Definición. El conjunto $M_{m,n}(\mathbb{R})$ consiste de todas las matrices de $m$ filas, $n$ columnas y en donde cada entrada es un número real.

En el caso de que la cantidad de filas y de columnas de la matriz sean el mismo, diremos que se trata de una matriz cuadrada. De nuestros ejemplos anteriores, la primera sí es una matriz cuadrada, pero la segunda no. Para simplificar un poco la notación, introducimos lo siguiente.

Definición. El conjunto $M_n(\mathbb{R})$ consiste de todas las matrices de $n$ filas, $n$ columnas y en donde cada entrada es un número real.

Es decir, simplemente $M_n(\mathbb{R})=M_{n,n}(\mathbb{R})$.

Al igual que pasa con los vectores, podemos comparar dos matrices para saber si estas son iguales. Como te podrás imaginar, hay algunas condiciones que dos matrices deben cumplir para ser iguales: en primera, ambas deben de tener el mismo tamaño; es decir, sus números de filas deben de ser iguales y sus números de columnas deben de ser iguales. Por lo tanto, vemos que las matrices mostradas anteriormente son diferentes. Además, sus correspondientes entradas deben de ser iguales. Podemos escribir esto en una definición como sigue.

Definición. Sean $A$ y $B$ matrices en $M_{m,n}(\mathbb{R})$. Diremos que estas matrices son iguales si para cada $i\in \{1,\ldots,m\}$ y cada $j\in \{1,\ldots,n\}$ se cumple que la entrada $(i,j)$ de $A$ es la misma que la entrada $(i,j)$ de $B$.

¿Puedes decir por qué las siguientes matrices son diferentes?
\[
\begin{pmatrix}
1 & 2 & 3 \\
4 & 5 & 6 \\
7 & 8 & 9
\end{pmatrix}
\ne
\begin{pmatrix}
1 & 4 & 7 \\
2 & 5 & 8 \\
3 & 6 & 9
\end{pmatrix}.
\]

Notación y algunos vectores y matrices especiales

En matemáticas, es usual que denotemos los vectores con letras minúsculas (siendo las más comunes la $u$, $v$ y $w$) aunque muchas veces te podrás encontrar con notaciones especiales que los hacen más fáciles de distinguir, por ejemplo, $\overrightarrow{a}$ o $\mathbf{a}$. Nosotros no haremos esta distinción y usaremos simplemente letras minúsculas. Por ejemplo podríamos tomar al vector $u=(1,2,3)$ de $\mathbb{R}^3$.

Por su parte, las matrices las solemos representar con letras mayúsculas (generalmente las primeras del abecedario: $A$, $B$, $C$). Si la entrada que se encuentra en la fila $i$ y colmuna $j$ de la matriz se le denota como con la correspondiente letra minúscula y con subíndices la posición de su entrada: $a_{ij}$. Así, tendríamos que en
\[
A=
\begin{pmatrix}
0 & 8 & -4.5 \\
2 & 9 & 0 \\
1 & \pi & 5
\end{pmatrix}
\]
la entrada $a_{13} = -4.5$ y la entrada $a_{31} = 1$. ¿Cuál es la entrada $a_{23}$?

Además, existen algunos vectores y matrices con entradas reales que nos encontraremos con bastante frecuencia, y por esta razón reciben nombres especiales:

El vector en el que todas sus entradas son el número cero se conoce como vector cero o vector nulo. Por ejemplo, el vector nulo en $\mathbb{R}^2$ es $ (0,0)$ mientras que el nulo en $\mathbb{R}^3$ es $(0,0,0)$. Generalmente, denotamos este vector como $0$ (o, en ocasiones, como $\overrightarrow{0}$ o $\mathbf{0}$) .Es importante observar que se usa el mismo símbolo para representar a los vectores nulos con números distintos de entradas (de modo que podremos encontrar que $0=(0,0)$, en el caso de $\mathbb{R}^2$, o que $0=(0,0,0)$, en el caso de $\mathbb{R}^3$). Esto es algo que debemos tener en cuenta, aunque no suele representar mayores complicaciones, pues el contexto nos dirá 1) Si el símbolo $0$ se usa para el real cero o el vector cero y 2) Con cuántas entradas estamos trabajando.
La matriz en el que todas sus entradas son cero se conoce como matriz cero o matriz nula. Ejemplos de matrices nulas son
\[
\begin{pmatrix}
0 & 0 & 0 & 0 \\
0 & 0 & 0 & 0 \\
0 & 0 & 0 & 0
\end{pmatrix}
\qquad
\text{y}
\qquad
\begin{pmatrix}
0 & 0 \\
0 & 0
\end{pmatrix}.
\]
Estas matrices se suelen denotar con el símbolo $\mathcal{O}$, aunque en el caso de las matrices sí es común especificar las dimensiones de la matriz, de modo que la primera matriz escrita en este inciso se denota como $\mathcal{O}_{3\times 4}$ mientras que una matriz cuadrada, como la segunda de este inciso, se denota como $\mathcal{O}_2$.

El vector en $\mathbb{R}^n$ cuya $i$-ésima entrada es $1$ y el resto de sus entradas es $0$ se conoce como vector canónico, y se denota $\mathrm{e}_i$. Por ejemplo, el vector canónico $\mathrm{e}_3$ en $\mathbb{R}^4$ es $(0,0,1,0)$.
Además, al conjunto de todos los posibles vectores canónicos en $\mathbb{R}^n$ se conoce como la base canónica de $\mathbb{R}^n$; así, la base canónica de $\mathbb{R}^4$ es
\[
\{(1,0,0,0), \ (0,1,0,0), \ (0,0,1,0), (0,0,0,1)\} = \{\mathrm{e}_1, \mathrm{e}_2, \mathrm{e}_3, \mathrm{e}_4\}.
\]
Llamamos diagonal de una matriz cuadrada a las componentes cuyos número de fila y número de columna coinciden. Además, diremos que una matriz es una matriz diagonal si es una matriz cuadrada en la que todas sus entradas que no están en la diagonal (es decir, que su número de fila es distinto a su número de columna) son cero. Ejemplos de matrices diagonales son
\[
\begin{pmatrix}
5 & 0 & 0 \\
0 & 8 & 0 \\
0 & 0 & \pi
\end{pmatrix}
\qquad
\text{y}
\qquad
\begin{pmatrix}
6 & 0 & 0 & 0 \\
0 & 7 & 0 & 0 \\
0 & 0 & 0 & 0 \\
0 & 0 & 0 & 9
\end{pmatrix}
\]
(Observemos que aquellas entradas que se encuentran sobre su diagonal también pueden ser cero, aquí no tenemos ninguna restricción).
La matriz diagonal en la que todas sus entradas sobre la diagonal son 1 se conoce como matriz identidad. Ejemplos de matrices identidad son
\[
\begin{pmatrix}
1 & 0 & 0\\
0 & 1 & 0 \\
0 & 0 & 1
\end{pmatrix}
\qquad
\text{y} \\
\qquad
\begin{pmatrix}
1
\end{pmatrix}.
\]
A esta matriz la denotamos por $\mathcal{I}$ y especificamos su tamaño como subíndice. Así, las matrices anteriores son ${I}_3$ e $\mathcal{I}_1$.

Más adelante…

En esta entrada vimos las definiciones de vectores y matrices con entradas reales que usaremos para trabajar en este curso. También revisamos cuándo dos vectores (o matrices) son iguales. Además, vimos algunos ejemplos de vectores y matrices que nos encontraremos con bastante frecuencia en las matemáticas.

En las siguientes entradas veremos que también se pueden hacer operaciones entre vectores y matrices, aunque necesitaremos que se cumplan algunas condiciones especiales.

Tarea moral

Basándonos en la definiciones, verifica las siguientes igualdades:
- El vector $(4-4,1,3)$ es igual al vector $(0,2-1,2+1)$.
- La matriz $A=\begin{pmatrix} 1 & 2 \\ 2 & 4\end{pmatrix}$ es igual a la matriz $B$ de $2\times 2$ cuyas entradas están dadas por $b_{ij}=i\cdot j$.
Encuentra todos los posibles vectores que hay en $\mathbb{R}^3$ cuyas entradas sean únicamente los números $1$ y $2$. ¿Cuántos deben de ser?
Seguramente algunos los nombres de los vectores y matrices especiales te recuerdan a algún tipo de operación. ¿Qué operaciones crees que podamos hacer con los vectores y/o matrices, y qué comportamiento tendrían aquellos que reciben un nombre especial?
¿Por qué podemos decir que una matriz nula cuadrada cumple con ser una matriz diagonal?
Escribe todos los elementos de la base canónica de $\mathbb{R}^6$.

Entradas relacionadas

Ir a Álgebra Superior I
Entrada anterior del curso: Problemas de triángulo de Pascal y binomio de Newton
Entrada siguiente del curso: Operaciones de suma y producto escalar con vectores y matrices

Agradecimientos

Trabajo realizado con el apoyo del Programa UNAM-DGAPA-PAPIME PE109323 «Hacia una modalidad a distancia de la Licenciatura en Matemáticas de la FC-UNAM – Etapa 3»

Espacios de funciones

Por Lizbeth Fernández Villegas

Deja un comentario

$ \textit{ MATERIAL EN REVISIÓN}$

Introducción

En las entradas anteriores hablamos de métricas definidas en distintos conjuntos. Trabajamos a partir de las distancias entre elementos representados como puntos. La mayoría de estos ejemplos fueron sobre el conjunto $\mathbb{R}^n$ pero, ¿será posible considerar como elementos objetos, aparentemente más complejos? Observemos ahora conjuntos de funciones y veamos si es posible definir una métrica entre ellas.

Considera el conjunto $C^0[a,b]$, que es el conjunto de funciones continuas que van del intervalo $[a,b] \subset \mathbb{R} \to \mathbb{R}$. Sean $f,g \in C^0[a,b]$. La suma de funciones y el producto de una función por un escalar para $\lambda \in \mathbb{R}$ definidos como:

\begin{align*}
(f+g)(x)&:= f(x)+g(x)\\
(\lambda f)(x)&:= \lambda f(x)
\end{align*}

Nos permiten considerar $C^0[a,b]$ como un espacio vectorial. Presentamos algunas normas para este espacio:

$$\norm{f}_p:= (\int_{a}^{b} |f(x)|^p \,dx)^{1/p} , \text{si } p \in [1,\infty),$$

$$\norm{f}_\infty:= máx\{|f(x)|:a\leq x \leq b \}.$$

En la sección de Espacios normados pudimos observar que una norma induce una métrica en un espacio vectorial. Es importante observar que la distancia entre funciones puede ser diferente según la métrica que se considere. Como ejemplo, consideremos las funciones en $C^0[0,1]$ definidas como:

\begin{align*}
f_k(x) &= \left\{ \begin{array}{lcc}
1-kx & si & 0\leq x \leq \frac{1}{k}\\
0 & si & \frac{1}{k} \leq x \leq 1
\end{array}
\right.\\
g(x)&= 0, \forall x \in [0,1]
\end{align*}

A continuación visualizamos el comportamiento de $f_k(x)$ para $k=1,2,3.$

Mientras que la función $g$ permanece sobre el eje horizontal.

Si calculamos la distancia entre $f_k(x)$ y $g(x)$ con la norma $||\cdot||_\infty$, podemos ver que $\forall \, k \geq 1$

\begin{align*}
||f_k(x)-g(x)||_\infty &= máx\{|f_k(x)-g(x)|:0\leq x \leq 1 \}\\
&= máx\{|1-kx-0|: 0\leq x \leq \frac{1}{k} \}\\
&= máx\{|1-kx|:0\leq x \leq \frac{1}{k} \}\\
&= 1
\end{align*}

La distancia es la línea más grande entre $f_k$ y el eje horizontal.

Pero si consideramos $||\cdot||_p$ para $p=1$
\begin{align*}
\norm{f_k(x)-g(x)}_1&=\norm{f_k(x)-0}_1\\
&=\norm{f_k(x)}_1\\
&= \int_{0}^{1} |f(x)| \,dx)\\
&= \int_{0}^{1/k}1-kx\\
&=\dfrac{1}{2k}
\end{align*}

De modo que cuando $k \to \infty, \norm{f_k(x)-g(x)}_1 \to 0$

La distancia es el área bajo la curva $f_k$

Esto muestra que la distancia entre dos funciones puede variar, considerablemente, al variar también la métrica usada.

Comentarios antes de la proposición

Nota que en el ejemplo anterior las funciones son acotadas, como lo son en general las funciones de $C^0[a,b]$, pues son continuas en un conjunto compacto en $\mathbb{R}$. ¿Qué pasa si alguna de las funciones no es acotada?

Sean $f:[0,1] \to \mathbb{R} \text{ y } g:[0,1] \to \mathbb{R}$ definidas como:
\begin{align*}
f(x) &= \left\{ \begin{array}{lcc}
1/x & si & 0 < x \leq 1\\
0 & si & x = 0
\end{array}
\right.\\
g(x)&= 0
\end{align*}
Entonces $\forall x \in [0,1]$
$|f(x)-g(x)|=|f(x)-0|=|f(x)|=f(x)$
Como $f$ no es acotada en $[0,1]$ no podemos hablar del valor del supremo por lo que la métrica inducida por $\norm{.}_\infty$ no está definida en este caso.

¿Qué pasa si $f \text{ y }g$ son acotadas pero no necesariamente son continuas?
Sean $f:[a,b] \to \mathbb{R}$ y $g:[a,b] \to \mathbb{R}$ tales que $\forall \, x\in [a,b], |f(x)|\leq M_f \text{ y } |g(x)| \leq M_g$ para $M_f, M_g \in \mathbb{R}$ Entonces:
\begin{align*}
|f(x)-g(x)|&=|f(x)+(-g(x))|\\
&\leq|f(x)|+|g(x)|\\
&\leq M_f + M_g
\end{align*}

Se concluye que el conjunto $\{|f(x)-g(x)|: x \in [a,b]|\}$ es acotado y por tanto aquí sí podemos hablar del supremo.

Podemos pensar que para generalizar esta distancia entre funciones, basta con que esa distancia esté acotada. Veamos lo siguiente:

Definición. Función acotada. Sea $S$ un conjunto y $X=(X,d)$ un espacio métrico. Decimos que una función $f:S \to X$ es acotada si existe $M \in \mathbb{R}$ y $x_0 \in X$ tales que $\forall \, y \in S$ ocurre que $d(f(y),x_0) \leq M$. El conjunto de funciones acotadas de $f$ en $X$ se denota como:
$$\mathcal{B}(S,X):= \{ f:S \to X:f \text{ es acotada}\}$$.

La bola $B(x_0,M)$ contiene al conjunto $f(S)$

Proposición. La métrica $d$ en $X$ induce una métrica en $\mathcal{B}(S,X)$ dada por:
$$d_\infty (f,g):= \underset{z\in S}{sup}\,d(f(z),g(z))$$
Y recibe el nombre de métrica uniforme.
Demostración:
Sean $f,g,h \in \mathcal{B}$ entonces:
1) \begin{align*} d_\infty(f,g)&=0 \\
\Leftrightarrow \underset{z\in S}{sup}\,d(f(z),g(z))&=0 \\
\Leftrightarrow \forall \, z \in S, d(f(z),g(z))&=0 \\
\Leftrightarrow \forall \, z \in S, f(z)&=g(z) \\
\Leftrightarrow f&=g. \\
\text{Por lo tanto: } d_\infty (f,g)=0 &\Leftrightarrow f=g
\end{align*}

2) \begin{align*}
d_\infty (f,g)&=\underset{z\in S}{sup}\,d(f(z),g(z))\\
&=\underset{z\in S}{sup}\,d(g(z),f(z)) \\
&=d_\infty(g,f).\\
\text{Por lo tanto: } d_\infty(f,g)&=d_\infty(g,f)
\end{align*}

3) \begin{align*}
d_\infty(f,g)&=\underset{z\in S}{sup}\,d(f(z),g(z))\\
&\leq \underset{z\in S}{sup}\,\{d(f(z),h(z))+d(h(z),g(z))\}\\
&\leq \underset{z\in S}{sup}\,d(f(z),h(z)) + \underset{z\in S}{sup}\,d(h(z),g(z))\\
&\leq d_\infty(f,h)+d_\infty(h,g)\\
\text{Por lo tanto: }d_\infty(f,g)&\leq d_\infty(f,h)+d_\infty(h,g)
\end{align*}

Ejemplos de espacios de funciones

Veamos ejemplos de espacios de funciones y analicemos la cercanía entre ellas. Recordemos que esto lo hacemos a través de las bolas abiertas con centro en un elemento del espacio métrico. En este caso, el centro es una función.

Funciones continuas del intervalo $[0,1]$ en $\mathbb{R}$
Si consideramos a $C[0,1]$ podemos observar que la bola abierta con centro en $f=0$ y radio $1$ está dado por $\{h: |h(x)|<1,x \in [0,1]\}$. Entonces, una función $h$ que esté en $B(f=0,1)$ debe satisfacer que $\forall x \in [0,1], -1<h(x)<1$.

La distancia entre la función $h$ y $0$ es menor que $1$.

En consecuencia, la bola abierta queda representada por curvas cuyos puntos se encuentren entre las rectas $y=-1$ y $y=1$.

Funciones cuya distancia a la función $0$ es menor que $1$.

Por otro lado, si consideramos como centro la función identidad $I(x)=x$ la bola de radio $1$ está dada por $\{h:|h(x)-x|<1,x \in [0,1]\}$. Entonces, una gráfica $h$ que esté en $B(I,1)$ debe satisfacer que $\forall x \in [0,1], -1<h(x)-x<1$ es decir $\forall x \in [0,1], x-1<h(x)<x+1$.

La distancia entre la función $h$ y la identidad es menor que $1$.

Entonces, la bola abierta queda representada por curvas cuyos puntos se encuentren entre las rectas $y=x-1$ y $y=x+1$.

Funciones cuya distancia a la función identidad es menor que $1$.

De manera general si consideramos como centro una función $f(x)$ la bola de radio $1$ está dada por $\{h: |h(x)-f(x)|<1,x \in [0,1]\}$. Entonces, una gráfica $h$ que esté en $B(f,1)$ debe satisfacer que $\forall x \in [0,1], -1<h(x)-f(x)<1$ es decir $\forall x \in [0,1], f(x)-1<h(x)<f(x)+1$.

La distancia entre la función $h$ y $f$ es menor que $1$.

Entonces, la bola abierta queda representada por curvas cuyos puntos se encuentren entre las curvas de $f(x)-1$ y $f(x)+1$.

Funciones cuya distancia a la función $f$ es menor que $1$.

Funciones continuas del intervalo $[0,1]$ en $\mathbb{R}^2$
Consideremos a $\mathbb{R}^2$ con la métrica euclideana y a $C[0,1] \to \mathbb{R}^2$ el conjunto de funciones continuas. Una función en este conjunto se representa como una curva continua en $\mathbb{R}^2$

Entonces, una función $h$ que esté en la bola abierta con centro en $f=0$ y radio $1$ debe satisfacer $\{ h: \norm{h(x)-0}<1,x \in [0,1]\}$. Entonces su representación debe estar dentro de la bola de radio $1$ con centro en $0$.

Concluimos que $B(f=0,1)=\{ h: \norm{h(x)}<1, x \in [0,1], \}$. Dicho conjunto puede representarse de esta forma:

Funciones continuas de $[0,1]^2$ en $\mathbb{R}$

Ahora identifiquemos el conjunto $B(f=0,1)$ en el espacio $C^0[0,1]^2 \to \mathbb{R}$
El cuadrado $[0,1]^2$ visualizado en el plano $x_1 \, x_2$ se muestra como una sábana continua y representa la función $f(x)=0, x \in [0,1]^2$.

Si $h$ está en $B(f=0,1)$ entonces $|h(x)-0|<1,x \in [0,1]^2$, es decir, para todo $x \in [0,1]^2, -1<h(x)<1$. De modo que su gráfica será una sábana que esté entre las gráficas de $f_1(x)=-1 \, y\, f_2(x)=1$.

La $B(f=0,1)$ será la colección de todas las sábanas que cumplan esas condiciones:

Ahora considera como centro la función $f(x_1,x_2)=x_1$. Observemos el conjunto $B(f,1)$ en el espacio $C^0[0,1]^2 \to \mathbb{R}$.
La gráfica de $f$ se muestra a continuación.

Si $h$ está en $B(f,1)$ entonces $|h(x)-f(x)|<1,x \in [0,1]^2$, es decir, para todo $x \in [0,1]^2, x_{1}-1<h(x_1,x_2)<x_{2}+1$. De modo que su gráfica será una sábana que esté entre las gráficas de $f_1(x_1,x_2)=x_{1}-1\, y \, f_2(x_1,x_2)=x_{1}+1$.

La $B(f,1)$ será la colección de todas las sábanas que cumplan esas condiciones:

Queda como ejercicio al lector hacer el análisis corresponiente para una bola abierta con centro en una función arbitraria.

Funciones continuas de $[0,1]^2$ en $\mathbb{R}^2$

Considera $h$ una función en $C^0[0,1]^2 \to \mathbb{R}^2$. Bajo esa función, el cuadrado $[0,1]^2$ es transformado en una superficie como las mostradas en la imagen.

Si buscamos funciones que estén en la bola con centro en la función $0$ y radio $1$, demuestra que las figuras que representan la imagen de estas funciones estarán dentro del círculo unitario.

Más adelante…

Aprenderemos cómo identificar objetos que se aproximan entre sí y las condiciones que debe haber para que esto ocurra. Conoceremos el concepto de sucesión convergente en espacios métricos y descubriremos más particularidades que en el espacio euclideano no ocurren pero en otros espacios sí.

Tarea moral

Describe una representación de la bola abierta en $\mathbb{R}^2$ con un centro en una función distinta a la función cero.
Describe una representación de la bola abierta con centro en una función arbitraria en el espacio de funciones continuas de $\mathbb{R}^2$ en $\mathbb{R}$.
En el espacio de funciones continuas de $[0,1]^2$ en $\mathbb{R}^2$ buscamos funciones que estén en la bola con centro en la función $0$ y radio $1$. Demuestra que las figuras que representan la imagen de estas funciones estarán dentro del círculo unitario.

Enlaces

Nociones topológicas básicas

Por Lizbeth Fernández Villegas

3 respuestas

$ \textit{ MATERIAL EN REVISIÓN}$

Introducción

Ya que hemos visto cómo son las bolas abiertas en diferentes métricas, procederemos a analizar cómo son cuando las comparamos con un conjunto $A \subset X$. Como recurso, usaremos imágenes representativas con la intención de ayudar en la abstracción de los conceptos que a continuación se anuncian. Aunque las bolas no necesariamente se representan siempre como circunferencias (métrica del taxista), o como objetos con bordes punteados (como el segmento vertical que forma parte de la bola abierta en la métrica del ascensor), para fines gráficos rescataremos la idea de usar líneas punteadas para hacer alusión al «borde» de una bola abierta, sugiriendo que son puntos en el conjunto $X$ que no están en ella. Por el contrario, representaremos con lineas continuas puntos que sí formen parte de un conjunto dado.

Unas breves comparaciones entre subconjuntos y puntos

Para iniciar, pensemos en un espacio métrico $(X,d)$:

Y en un conjunto $A$ contenido en $X$:

Identifiquemos puntos arbitrarios en $X$:

Entonces un punto $x \in X$ puede pertenecer o no al conjunto $A$.
Si $x \in A$, entonces una bola abierta con centro en $x$ puede tener puntos tanto en $A$ como en $X \setminus A$.

o bien, puede tener todos sus puntos en $A$

¿Puede haber una bola con centro en un punto en $A$ que esté totalmente contenida en el conjunto $X \setminus A$?

Por otro lado, si consideramos ahora $x \notin A$ , una bola abierta con centro en $x$ podría tener puntos tanto en $A$ como en $X \setminus A$.

O bien, puede solo tener puntos en $X \setminus A$

¿Es posible que una bola con centro en un punto en $X \setminus A$ esté totalmente contenida en $A$?.

Habiendo hecho estos comentarios generales, asignemos términos a los puntos de $X$ según las condiciones que cumplan las bolas abiertas asociadas.

Conceptos topológicos en un espacio métrico

Definición. Punto interior de un conjunto. Sea $A$ un subconjunto del espacio métrico $(X,d)$ y sea $x \in X$. Decimos que $x$ es punto interior de $A$ en $(X,d)$ si existe $\varepsilon > 0$ tal que $B(x,\varepsilon) \subset A$.

Aunque $x$ pueda tener alguna bola abierta que no esté totalmente contenida en A, basta con que exista una que sí lo esté para que a $x$ se le considere un punto interior.

De acuerdo a la definición, un punto $x \in X$ no será punto interior de $A$ cuando $\forall \varepsilon >0, B(x,\varepsilon)$ tiene puntos en $X \setminus A$. Los siguientes esquemas muestran puntos que no son puntos interiores del conjunto $A$ (tal vez sí lo sean de otro conjunto).

Definición. Interior de un conjunto. El conjunto formado por todos los puntos interiores de $A$ se denomina interior de $A$ en $(X,d)$ y se denota como:
$$Int (A) = : \{x \in X|x \text{ es punto interior de A}\}$$

El conjunto $Int(A)$ se representa de la siguiente manera:

Definición. Conjunto abierto. Diremos que $A \subset X$ es un conjunto abierto en $(X,d)$ si $A=Int(A)$.

Si pruebas que para todo $A \subset X$ se cumple que $Int(A) \subset A$ notarás que un conjunto $A$ es abierto cuando todos sus puntos son puntos interiores, es decir, cuando $A \subset Int(A)$. El conjunto $A$ que estamos considerando no es abierto, pues tiene puntos que no son puntos interiores.

Pero si consideramos un conjunto $A$ de esta forma, sí coincide con su interior y por lo tanto, es abierto.

Definición. Punto de contacto o punto de adherencia. Sea $A$ un subconjunto del espacio métrico $(X,d)$ y sea $x \in X$. Se dice que $x$ es punto de contacto (o de adherencia) de $A$ en $(X,d)$ si $\forall \, \varepsilon >0$ se cumple que $B(x,\varepsilon) \cap A \neq \emptyset$.

Incluso un punto que no esté en $A$ puede ser punto de contacto de $A$.

Incluso si alguna bola interseca al conjunto $A$, si hay alguna que no lo haga, no será punto de contacto de $A$.

Definición. Cerradura o adherencia de un conjunto. El conjunto formado por todos los puntos de contacto es denominado la cerradura de $A$ en $(X,d)$, y se denota como:

$$ \overline {A} =: \{x \in X| x \text{ es punto de contacto de A}\}$$

Todos los puntos de contacto de $A$.

Definición. Conjunto cerrado. Diremos que un conjunto $A \subset X$ es un conjunto cerrado en $(X,d)$ si $A=\overline{A}$.
Si pruebas que para todo $A \subset X$ se satisface que $A \subset \overline{A}$ notarás que un conjunto $A$ es cerrado cuando todos sus puntos de contacto están en $A$, es decir, cuando $\overline{A} \subset A$. En el ejemplo que estamos manejando, $A$ no es cerrado, pues tiene puntos de contacto que no están en $A$:

Si $A$ fuera considerado inicialmente de esta forma, sí coincide con su cerradura y por tanto, es cerrado:

Al final de esta sección se te propondrá como ejercicio demostrar que $A \subset X$ es un conjunto cerrado en $(X,d)$ si y solo sí su complemento $X \setminus A$ es un conjunto abierto en $(X,d)$.

Definición. Bola cerrada. Sea $(X,d)$ un espacio métrico. Considera un punto $x \in X$ y $\varepsilon \in \mathbb {R}, \varepsilon>0$. La bola cerrada con centro en $x$ y radio $\varepsilon$ se define como el conjunto de puntos en $X$ tales que el valor de su distancia al punto $x$ es menor o igual que $\varepsilon$. Se denota como:

$$\overline{B}(x,\varepsilon) := \{y \in X | d(x,y) \leq \varepsilon \}$$

Nota: A diferencia de la bola abierta, la bola cerrada sí incluye a los puntos cuya distancia al centro sea exactamente $\varepsilon$.

Antes de poner un círculo cerrado como representación de una bola cerrada, enunciemos la siguiente:
Proposición. La cerradura de una bola abierta $B(x,\varepsilon)$ (denotado como $\overline{B(x,\varepsilon)}$) no coincide, necesariamente con la bola cerrada $\overline{B}(x,\varepsilon)$. Veamos un contraejemplo con la métrica discreta en $\mathbb{R}^2$ y con $\varepsilon=1$.

Dado un punto $x$ en $\mathbb{R}^2$, según la definición, la bola cerrada de radio $1$ con centro en $x$ es el conjunto:

\begin{align*}
\overline{B}(x,1) :&= \{y \in \mathbb{R}^2 | d(x,y) \leq 1\}\\
&= \mathbb{R}^2
\end{align*}

Pues la distancia entre dos puntos en la métrica discreta solo puede ser $0$ o $1$.

Pero si consideramos que para todos los puntos $y$ de $\mathbb{R}^2$ la bola abierta $B(y,1)= \{y\}$, (pues la distancia entre $y$ y el resto de los puntos en $\mathbb{R}^2$ no es menor que $1$), veremos que todos los puntos en $\mathbb{R}^2$ que son distintos de $x$ tienen una bola abierta que no interseca a $B(x,1)$, por lo tanto no hay ningún punto de $\mathbb{R}^2$ diferente de $x$ que esté en la cerradura de $B(x,1)= \{x\}$. En conclusión $\overline{B(x,1)}=\{x\}$.

Proposición. En espacios normados la cerradura de una bola abierta sí es la bola cerrada. Es decir $\overline{B(x,\varepsilon)} = \overline{B}(x,\varepsilon)$. La demostración se propone como ejercicio.

Definición. Punto de acumulación. Sea $A$ un subconjunto del espacio métrico $(X,d)$ y sea $x \in X$. Decimos que $x$ es punto de acumulación de $A$ en $(X,d)$ si $\forall \, \varepsilon >0$ se cumple que $(B(x,\varepsilon) \setminus \{ x \}) \cap A \neq \emptyset$. Nota que a diferencia del punto de contacto, el punto de acumulación se descarta de la intersección entre las bolas abiertas y $A$.

¿Es un punto de contacto también un punto de acumulación en cualquier métrica?

Proposición. Toda bola abierta que tiene un punto de acumulación de $A$, tiene también una cantidad infinita de puntos en A.

Demostración:
Supón que $x \in X$ es un punto de acumulación de $A$ y que $x \in B(y,\varepsilon), y \in X, \varepsilon>0$.

Supón también que, contrario a lo que se quiere demostrar, esta bola abierta tiene una cantidad finita de puntos en $A$, digamos $\{x_1,x_2,…,x_n\}$ distintos de $x$.

Considera $\varepsilon_{i}=d(x,x_i), i=1,2,…,n$ la distancia entre cada uno de ellos a $x$. Sea $\varepsilon_0>0$ tal que $B(x,\varepsilon_0) \subset B(y,\varepsilon)$ y $\varepsilon_{m}= min\{\varepsilon_{i}|i=0,…,n\}$. Entonces el conjunto $B(x,\varepsilon_{m})\setminus \{x\}$ deja fuera todos los puntos de $A$, pues $\forall \, x_i, i=1,…,n$ pertenecientes a $A \cap B(y,\varepsilon), \varepsilon_{m} \leq d(x,x_i)$, por lo tanto existe una bola abierta que, al quitarle el punto $x$ no interseca a $A$.

Entonces $x$ no es un punto de acumulación de $A$, lo cual es una contradición a la hipótesis. Por lo tanto una bola abierta que tenga un punto de acumulación de $A$, tiene también una cantidad infinita de puntos en $A$.

Nota: Se puede concluir también que un conjunto finito no tiene puntos de acumulación.

Definición. Punto frontera de un conjunto. Sea $A$ un subconjunto del espacio métrico $(X,d)$ y sea $x \in X$. Decimos que $x$ es punto frontera de $A$ en $(X,d)$ si para toda $\varepsilon > 0$ se cumple que $B(x,\varepsilon) \cap A \neq \emptyset$ y también $B(x,\varepsilon) \cap (X/A) \neq \emptyset$ .

Definición. Conjunto frontera de un conjunto. El conjunto formado por todos los puntos frontera es denominado la frontera de $A$ en $(X,d)$, y se denota como:

$$\partial A =: \{x \in X| x \text{ es punto frontera de A}\}$$

Proposición. Prueba que $\partial A =: \overline{A} \setminus Int(A)$. La demostración se propone como ejercicio.

Para finalizar con esta sección, veamos por qué un espacio métrico es un espacio topológico:

Proposición. Sea $(X,d)$ un espacio métrico. Entonces cumple con los siguientes axiomas:

1. Los conjuntos $X$ y $\emptyset$ son abiertos en $(X,d)$.
2. Si $\{U_i\}:i \in \mathcal{I}$ es una colección de conjuntos abiertos de $X$ entonces la unión $\cup_{i\in \mathcal{I}} \, U_i$ es un conjunto abierto.
3. Si $U$ y $V$ son subconjuntos abiertos de $X$ entonces la intersección $U \cap V$ es un conjunto abierto en $X$.

Demostración: Para demostrar que $X$ es abierto, demostraremos que cada punto en $X$ es un punto interior de $X$. Sea $x \in X$ y $\varepsilon>0$, por definición $B(x,\varepsilon)= \{y \in X|d(x,y)<\varepsilon \} \subset X$ Por lo tanto $\forall \, x\in X, x \in Int(X)$. Se concluye que $X$ es abierto. La propiedad para el conjunto $\emptyset$ se cumple por vacuidad.

Sea $x \in \cup_{i\in \mathcal{I}} \, U_i$ entonces $x \in U_{i_0}$ para algún $i_0 \in \mathcal{I}$. Como particularmente $U_{i_0}$ es un conjunto abierto, entonces existe $\varepsilon>0$ tal que$ B(x,\varepsilon) \subset U_{i_0} \subset \cup_{i\in \mathcal{I}} \, U_i$. Por lo tanto $\forall \, x\in \cup_{i\in \mathcal{I}} \, U_i$ se cumple que $x \in Int(\cup_{i\in \mathcal{I}} \, U_i)$, en consecuencia $\cup_{i\in \mathcal{I}} \, U_i$ es un conjunto abierto en $X$.

Si $x \in U \cap V$ para $U,V$ abiertos en $X$, entonces $x \in U$ y $x \in V$ de modo que existen $\varepsilon_1 >0$ y $\varepsilon_2 >0$ tales que $B(x,\varepsilon_1) \subset U$ y $B(x,\varepsilon_2) \subset V$. Sea $\varepsilon= min \{\varepsilon_1,\varepsilon_2\}$ entonces $B(x,\varepsilon) \subset B(x,\varepsilon_1) \subset U$ y $B(x,\varepsilon) \subset B(x,\varepsilon_2) \subset V$. Así, $B(x,\varepsilon) \subset U \cap V$, probando así que $\forall \, x \in U \cap V, x \in Int(U \cap V)$. Por lo tanto $U \cap V$ es un conjunto abierto en X.

Más adelante…

Pondremos en práctica las nociones aquí aprendidas para analizar espacios métricos de funciones. Una vez conocido mejor ese espacio, continuaremos con la generalización de definiciones vistas en los cursos de cálculo y hablaremos de convergencia de sucesiones, límite y continuidad en espacios métricos.

Tarea moral

Sea $X$ un espacio métrico y $A \subset X$. Demuestra que se cumplen las siguientes afirmaciones:

Una bola abierta en $X$ es un conjunto abierto.
El conjunto $Int(A)$ es abierto.
Para todo $A \subset X$, $Int(A) \subset A$.
Una bola cerrada en $X$ es un conjunto cerrado.
El conjunto $\overline{A}$ es cerrado.
$A = \overline{A}$ si y solo si $A$ es cerrado.
$A$ es un conjunto cerrado en $(X,d)$ si y solo sí su complemento $X \setminus A$ es un conjunto abierto.
La frontera de $A$ es un conjunto cerrado.
Si $A$ es finito, entonces es cerrado.
En espacios normados la cerradura de una bola abierta sí es la bola cerrada. Es decir $\overline{B(x,r)} = \overline{B}(x,r)$.
Es siempre la frontera de una bola abierta $B(x,d)$ el mismo conjunto de puntos $y \in X$ donde se cumple la igualdad $d(x,y)=\varepsilon$ Demuestra que en espacios normados sí ocurre.
$\partial A = \overline{A} \setminus Int(A)$.

Enlaces

La bola abierta en un espacio métrico

Por Lizbeth Fernández Villegas

Deja un comentario

$ \textit{ MATERIAL EN REVISIÓN}$

Introducción

Probablemente recuerdes que en los cursos de Cálculo Diferencial e Integral se habló de bolas de radio $\varepsilon>0$ con centro en un punto $x$. Había otros conjuntos, como los conjuntos abiertos y cerrados, de los que vimos representaciones gráficas. Estas ideas pueden generalizarse a otros espacios con métrica distinta a la euclideana. En la sección que aquí se presenta visualizaremos algunos ejemplos y comprobarás que conjuntos como la bola abierta, quedan representados por figuras diferentes a las ya conocidas. Observarás los cambios que las métricas pueden generar, incluso cuando también se trata del conjunto $\mathbb {R}^n$.
Comencemos por identificar puntos que estén “cerca” entre sí, aquellos cuya distancia no exceda cierta cantidad. Para eso tenemos la siguiente:

Definición. Bola abierta. Sea $(X,d)$ un espacio métrico. Considera un punto $x \in X$ y $\varepsilon \in \mathbb {R}$ tal que $\varepsilon>0$. La bola abierta con centro en $x$ y radio $\varepsilon$ se define como el conjunto de puntos en $X$ tales que el valor de su distancia al punto $x$ es menor que $\varepsilon$. Se denota como:

$$B(x,\varepsilon) := \{y \in X | d(x,y) < \varepsilon\}$$

Nota que si $x$ es el centro, entonces siempre está en la bola abierta, pues $d(x,x)=0<\varepsilon$

Ejemplos

La bola abierta en la métrica discreta

Recordemos que en la métrica discreta, la distancia entre dos puntos diferentes siempre es $1$. Entonces, si $0<\varepsilon<1$ la bola abierta solo tendrá como elemento al centro.

Por el contrario, si $\varepsilon>1$ la bola abierta tendrá como elementos a todos los elementos del conjunto.

La bola abierta en $\mathbb{R}$ con la métrica euclideana

Considera el conjunto $\mathbb{R}$ con la métrica usual.
\[
d(x,y) = |x-y| = \left\{ \begin{array}{lcc}
x-y & si & x \geq y \\
\\ y-x & si & x < y
\end{array}
\right.
\]
Para $x,y \in \mathbb{R}$

Entonces para un punto $x_{0} \in \mathbb{R}$ y $\varepsilon>0$, la bola abierta $B(x_0,\varepsilon)$ está dada por el intervalo abierto $(x_{0}-\varepsilon,x_{0}+\varepsilon)$.

Más específicamente, la bola abierta con centro en $0$ y radio $3$ es el intervalo $(-3,3)$.

Mientras que la bola abierta con centro en $2$ y radio $3$ es el intervalo $(-1,5)$.

La bola abierta en $\mathbb{R}^2$ con la métrica euclideana

Considera ahora $\mathbb{R}^2$ y la métrica euclideana definida por:
$$d(x,y) = \sqrt{(x_{1}-y_{1})^2+(x_{2}-y_{2})^2}$$
con $x=(x_{1},x_{2})$ y $y=(y_{1},y_{2}) \in \mathbb{R}^2$.

Entonces para un punto $x_{0}=(x_{0_1},x_{0_2}) \in \mathbb{R}^2$ y $\varepsilon>0$, la bola abierta $B(x_0,\varepsilon)$ está dada por el conjunto de puntos que están «dentro de la circunferencia» con centro en $x_0$ y radio $\varepsilon$.

Por ejemplo, si $x_0=(2,3)$ y $\varepsilon=4$ la bola abierta $B((2,3),4)$ está formada por los puntos dentro de la circunferencia con centro en $(2,3)$ y radio $4$.

La bola abierta en $\mathbb{R}^3$ con la métrica euclideana

Si pensamos en $\mathbb{R}^3$ y la métrica euclideana definida por:
$$d(x,y) = \sqrt{(x_{1}-y_{1})^2+(x_{2}-y_{2})^2+(x_{3}-y_{3})^2}$$
con $x=(x_{1},x_{2},x_{3})$ y $y=(y_{1},y_{2},y_{3}) \in \mathbb{R}^3$.

Entonces para un punto $x_0=(x_{0_1},x_{0_2},x_{0_3}) \in \mathbb{R}^3$ y $\varepsilon>0$, la bola abierta $B(x_0,\varepsilon)$ está dada por el conjunto de puntos que están «dentro de la esfera» con centro en $x_0$ y radio $\varepsilon$.

Por ejemplo, si $x_0=(3,2,1)$ y $\varepsilon=3$, la bola abierta $B((3,2,1),3)$ está formada por los puntos “dentro de la esfera” con centro en $(3,2,1)$ y radio $3$.

La bola abierta en la métrica del taxista
En la sección Otros ejemplos de espacios métricos definimos esta métrica en el conjunto $\mathbb{R}^2$ como:
$$d(x,y)=|y_1-x_1|+|y_2-x_2| $$
para $x=(x_{1},x_{2})$ y $y=(y_{1},y_{2}) \in \mathbb{R}^2$.
Entonces para un punto $x_{0}=(x_{0_1},x_{0_2}) \in \mathbb{R}^2$ y $r>0$, la bola abierta $B(x_{0},r)$ está dado por el conjunto de puntos $y=(y_{1},y_{2}) \in \mathbb{R}^2$ que satisfacen:
\begin{align*}
d(x_{0},y)=|y_1-x_{0_1}|+|y_2-x_{0_2}|&<r \\
\Leftrightarrow |y_2-x_{0_2}|&< r -|y_1-x_{0_1}| \\
\Leftrightarrow -r +|y_1-x_{0_1}|< y_2-x_{0_2}&< r -|y_1-x_{0_1}|
\end{align*}
Esto quiere decir que el conjunto buscado está delimitado por las rectas:
\begin{align}
y_{2}-x_{0_2}&= r-(y_1-x_{0_1})\\
y_{2}-x_{0_2}&= r+(y_1-x_{0_1})\\
y_{2}-x_{0_2}&= -r-(y_1-x_{0_1})\\
y_{2}-x_{0_2}&= -r+(y_1-x_{0_1})
\end{align}
Que son representadas a continuación:

Como la desigualdad es estricta concluimos que la bola abierta será un «rombo abierto» cuyas diagonales tienen longitud $2\varepsilon$ con centro en el punto $x_{0}=(x_{0_1},x_{0_2})$.

Como ejemplo considera la bola abierta con centro en $(-3,2)$ y de radio $2$. El conjunto $B(-3,2),2$ se muestra en la siguiente imagen.

La bola abierta en la métrica del ascensor

Recordemos que el desplazamiento entre dos pisos de edificios iguales o diferentes motiva una métrica en $\mathbb{R}^2$. (Ver Otros ejemplos de espacios métricos). Si estamos en el piso marcado con el punto $x_{0}=(x_{0_1},x_{0_2}) \in \mathbb{R}^2$ y tenemos $\varepsilon>0$ como límite de distancia, procedamos a identificar los puntos a los que podemos llegar:

Estando en el mismo edificio, el ascensor puede llevarnos hasta una distancia $\varepsilon$ hacia arriba, o bien, una distancia $\varepsilon$ hacia abajo.

Como la planta baja está a distancia $\varepsilon_1=:|x_{0_2}|$ entonces si $\varepsilon_1> \varepsilon$, nuestro ascensor no llega hasta ahí.

En contraparte, si $\varepsilon_1 \leq \varepsilon$, entonces sí podemos llegar a la planta baja y, quizá también, a otros niveles del sótano.

En este caso, aún nos podemos desplazar hasta una distancia $\varepsilon-\varepsilon_1$, primero sobre el eje $x$ y luego sobre el eje $y$ a modo de la métrica del taxista. En consecuencia, la bola abierta está conformado por una linea vertical de longitud $2\varepsilon$, sin los extremos, que tiene centro en el punto $x_{0}=(x_{0_1},x_{0_2})$. Si $\varepsilon_1 < \varepsilon$, se agrega también a la bola abierta, un «rombo abierto» con centro en el punto $(x_{0_1},0)$ cuyas diagonales miden $2(\varepsilon-\varepsilon_1)$. Esto se representa en la siguiente imagen:

Como ejemplo, la bola con centro en $(-2,1)$ y radio $3$ tendrá la siguiente representación:

La bola abierta en el tablero de ajedrez.
Hemos visto que en un conjunto dado por las casillas del tablero de ajedrez se pueden definir métricas de acuerdo al movimiento de cada pieza. Como ejemplo, considera el movimiento permitido para la reina. En cada turno, esta pieza se puede mover en cualquier dirección y cualquier cantidad de casillas. Como la distancia entre dos casillas se define como el mínimo de movimientos necesarios para que la pieza llegue de una casilla a la otra, entonces tenemos las siguientes bolas abiertas para distintos valores de $\varepsilon$:

Si $0<\varepsilon \leq 1$ entonces la distancia entre dos casillas debe ser menor que $1$. En consecuencia buscamos señalar las casillas a las que se puede desplazar la reina en $0$ movimientos que es, únicamente, la casilla en la que está posicionada.

Si $1<\varepsilon \leq 2$ entonces se permite hacer a lo más un movimiento. Las casillas a las que se puede desplazar la reina están señaladas en tonos amarillos, pues puede elegir cualquier dirección y elegir también, detenerse en cualquiera de ellas.

Si $2<\varepsilon$ entonces ya se permiten hacer 2 movimientos. En la figura anterior podemos visualizar casillas no sombreadas en amarillo. No obstante a cualquiera de ellas se puede llegar desde alguna de las casillas iluminadas. En consecuencia, con dos movimientos es posible que la reina llegue a cualquier casilla del tablero.

En contraparte el rey, que también se puede mover en cualquier dirección, no puede avanzar más que una casilla por turno. Esto origina las siguientes representaciones de bolas abiertas:

Para $\varepsilon \leq 1$ el rey no puede hacer ningún movimento y permanece en la casilla donde esté ubicado.

Para $1 <\varepsilon \leq 2$ el rey puede hacer un movimiento y acceder así, a las casillas adyacentes a su posición.

Para $2 <\varepsilon \leq 3$ el rey puede avanzar hasta dos casillas, lo que se representa iluminando las casillas vecinas con respecto a la imagen anterior.

Para $3 <\varepsilon \leq 4$ una nueva familia de casillas vecinas se agrega a la bola abierta. ¿Puedes decir entonces, cuál es la distancia más grande entre dos casillas con la métrica del rey? ¿Y con la de la reina?

Más adelante

Dado un punto fijo, buscaremos encontrar una bola abierta que lo tenga como centro y veremos cómo son los elementos de la bola, si están todos contenidos en un conjunto determinado o no. Veremos la generalización de otras definiciones a espacios métricos y comprobaremos que estos son también espacios topológicos.

Tarea moral

Representa las bolas abiertas en la métrica del ajedrez con otras piezas.
Muestra un ejemplo de bola abierta en la métrica del ascensor en el que el centro esté fuera del rombo, uno donde esté dentro y uno más donde el centro esté sobre el vértice.
Da un ejemplo de espacio métrico y dos bolas $B(x,\varepsilon_1)$ y $B(y,\varepsilon_2)$ tales que $\varepsilon_1>\varepsilon_2$ pero $B(x,\varepsilon_1) \subset B(y,\varepsilon_2)$.