Archivo de la etiqueta: continuidad

Continuidad en un espacio métrico

Introducción

La idea de continuidad es uno de los conceptos estructurales de la Topología y el Análisis Matemático. Al hablar de esta idea generalmente asociamos el concepto con la ininterrupción de la gráfica de una función, lo cual es claro cuando trabajamos con funciones reales definidas en algún intervalo, intuitivamente pensamos en la ininterrupción de una función considerando que para cualquier punto $z$ en el dominio de una función $f$, se tendrá que $f(x)$ no estará muy separada de $f(z)$ siempre que $x$ se mantenga lo suficientemente cerca de $z$ en el dominio. Pero, ¿qué pasa con las funciones que cuya gráfica no podemos visualizar? Hablar de continuidad para los espacios métricos resulta de gran importancia, ya que mediante la definición de métrica resulta posible generalizar el concepto de continuidad para funciones de $\mathbb{R}^n$ en $\mathbb{R}^m$, con lo cual podemos responder nuestra pregunta y obtener así una idea clara y general sobre lo que es la continuidad.

En esta entrada abordaremos el concepto de continuidad entre espacios métricos desde una perspectiva general, además de establecer la estrecha relación que existe entre los conceptos de sucesión, límite y continuidad, para obtener así una serie de resultados que nos permitirán caracterizar al espacio métrico $(\mathbb{C},d)$, con $d$ la métrica euclidiana, y facilitar nuestro estudio de la continuidad entre funciones complejas que estudiaremos a detalle en la siguiente unidad.

Continuidad en espacios métricos

Definición 9.1. (Continuidad.)
Sean $(X,d_X)$ y $(Y,d_Y)$ dos espacios métricos y sea $A\subset X$. Una función $f:A \to Y$ se dice que es continua en $a\in A$ si para todo $\varepsilon>0$ existe algún $\delta>0$ (que depende de $a$ y $\varepsilon$) tal que:
\begin{equation*}
d_Y\left( f(x), f(a) \right) < \varepsilon \quad \text{si} \quad d_X(x,a)<\delta. \end{equation*} Decimos que $f$ es continua en $A$ si es continua en todo punto de $A$.

Lema 9.1.
Sea $f:X \to Y$ una función arbitraria y sean $A\subset X$ y $B\subset Y$. Entonces:
\begin{equation*}
f(A) \subset B \quad \text{si y solo si} \quad A \subset f^{-1}(B).
\end{equation*}

Demostración. Ejercicio.

$\blacksquare$

Proposición 9.1
Sean $(X,d_X)$ y $(Y, d_Y)$ espacios métricos y sea $f: (X,d_X) \to (Y, d_Y)$ una función. Entonces $f$ es continua en un punto $x_0\in X$ si y solo si para todo $\varepsilon>0$ existe $\delta>0$ tal que:
\begin{equation*}
B(x_0,\delta)\subset f^{-1}\left[B(f(x_0),\varepsilon)\right],
\end{equation*} donde $B(x,r)$ denota una $r$-vecindad de $x$.

Demostración. Una función $f:X \to Y$ es continua en $x_0\in X$ si y solo si para todo $\varepsilon>0$ existe $\delta>0$ tal que:
\begin{equation*}
d_Y\left( f(x_0), f(x) \right) < \varepsilon,
\end{equation*} para toda $x\in X$ tal que $d_X(x_0,x)<\delta$, es decir:
\begin{equation*}
\text{si} \,\, x\in B\left(x_0,\delta\right) \,\, \text{entonces} \,\, f(x)\in B\left(f(x_0),\varepsilon\right),
\end{equation*} o equivalentemente: (¿por qué?)
\begin{equation*}
f\left[B\left(x_0,\delta\right)\right] \subset B\left(f(x_0),\varepsilon\right). \end{equation*} Pero por el lema 9.1 esta última condición es equivalente a:
\begin{equation*}
B\left(x_0,\delta\right) \subset f^{-1}\left[B\left(f(x_0),\varepsilon\right)\right].
\end{equation*}

$\blacksquare$

Proposición 9.2.
Sean $(X,d_X)$ y $(Y, d_Y)$ espacios métricos y sea $f: (X,d_X) \to (Y, d_Y)$ una función. Las siguientes afirmaciones son equivalentes:

  1. $f$ es continua en $X$.
  2. Si $A$ es abierto en $Y$, entonces $f^{-1}(A)$ es abierto en $X$.
  3. Si $B$ es cerrado en $Y$, entonces $f^{-1}(B)$ es cerrado en $X$.

Demostración.
1. $\Rightarrow$ 2.
Sea $f$ una función continua y sea $A\subset Y$ un conjunto abierto. Como queremos probar que $f^{-1}(A)$ es abierto en $X$ y dado que $X$ y $\emptyset$ son abiertos en $X$ supongamos que $f^{-1}(A)\neq X$ y $f^{-1}(A)\neq \emptyset$. Sea $x_0 \in f^{-1}(A)$, entonces tenemos que $f(x_0)\in A$ (¿por qué?). Dado que $A$ es abierto en $Y$, entonces existe $\varepsilon>0$ tal que $B(f(x_0),\varepsilon)\subset A$. Como $f$ es continua tenemos por la proposición 9.1 que existe $\delta>0$ tal que: \begin{equation*}
B(x_0,\delta)\subset f^{-1}\left[B(f(x_0),\varepsilon)\right]\subset f^{-1}(A). \end{equation*} De donde se sigue que todo punto de $f^{-1}(A)$ es un punto interior, por lo tanto $f^{-1}(A)$ es abierto en $X$.

2. $\Rightarrow$ 1.
Supongamos que $f^{-1}(A)$ es abierto en $X$ para todo conjunto $A$ abierto en $Y$. Sea $x_0\in X$. Por la proposición 6.2 sabemos que para todo $\varepsilon>0$ se cumple que la bola abierta $B(f(x_0),\varepsilon)$ es un conjunto abierto en $Y$, por lo que $f^{-1}\left[B(f(x_0),\varepsilon)\right]$, es abierto en $X$. Notemos que:
\begin{equation*}
x_0\in f^{-1}\left[B(f(x_0),\varepsilon)\right],
\end{equation*} por lo que existe $\delta>0$ tal que:
\begin{equation*}
B(x_0,\delta)\subset f^{-1}\left[B(f(x_0),\varepsilon)\right].
\end{equation*} Por lo que por la proposición 9.1 se sigue que $f$ es continua en $x_0$.

2. $\Leftrightarrow$ 3.
Ejercicio.

$\blacksquare$

Proposición 9.3. (Composición de funciones.)
Supongamos que $(X,d_X)$, $(Y,d_Y)$ y $(Z,d_Z)$ son espacios métricos y sean $g:X \to Y$ y $f:Y \to Z$ dos funciones. Si $f$ y $g$ son continuas, entonces la composición $f \circ g$ es continua.

Demostración. Dadas las hipótesis, supongamos que $A$ es un subconjunto abierto de $Z$. Entonces por la proposición 9.2 se sigue que $f^{-1}(A)$ es abierto en $Y$, por lo que $g^{-1}(f^{-1}(A))$ es abierto en $X$. Dado que $g^{-1}(f^{-1}(A)) = (f\circ g)^{-1}(A)$, entonces por la proposición 9.2 tenemos que la función $f \circ g$ es continua.

$\blacksquare$

Proposición 9.4.
Sean $(X,d_X)$ y $(Y, d_Y)$ espacios métricos, $f:A\subset X \to Y$ una función y sea $a \in A$. Entonces se cumple que:

  1. Si $a\in A\setminus A’$, es decir si $a$ es un punto aislado, entonces $f$ es continua en $a$.
  2. Si $a\in A\cap A’$, es decir si $a$ es un punto de acumulación, entonces $f$ es continua en $a$ si y solo si \begin{equation*}
    \lim_{x \to a} f(x) = f(a).
    \end{equation*}

Demostración. Ejercicio.

$\blacksquare$

Proposición 9.5.
Sean $(X,d_X)$ y $(Y, d_Y)$ espacios métricos y sea $A\subset X$. Una función $f:A \to Y$ es continua en $a \in A$ si y solo si para cualquier sucesión $\{x_n\}_{n\geq1}\subset A$ convergente a $a$ la sucesión $\{f(x_n)\}_{n\geq1}$ converge a $f(a)$.

Demostración.
$\Rightarrow)$
Supongamos que $f:A\to Y$ es una función continua en $a\in A$ y sea $\{x_n\}_{n\geq1}$ una sucesión de $A$ tal que $\lim_{n\to\infty} x_n = a$. Veamos que la sucesión $\{f(x_n)\}_{n\geq1}$ converge a $f(a)$.

Sea $\varepsilon>0$, por la continuidad de $f$ en $a$ existe $\delta>0$ tal que para todo $x\in A$ con $d_X(x,a)<\delta$ se cumple que $d_Y(f(x),f(a))<\varepsilon$. Dado que $\lim_{n\to\infty} x_n = a$, entonces existe algún $N\in\mathbb{N}^+$ tal que: \begin{equation*}
d_X(x_n,a)<\delta, \quad \forall n\geq N,
\end{equation*} por lo que si $n\geq N$ entonces: \begin{equation*} d_Y(f(x_n),f(a))<\varepsilon,
\end{equation*} es decir $\lim_{n\to\infty} f(x_n) = f(a)$.

$(\Leftarrow$
Supongamos que para toda sucesión $\{x_n\}_{n\geq1}\subset A$ convergente a $a$ se cumple que $\lim_{n\to\infty} f(x_n) = f(a)$. Veamos que $f$ es continua en $a$.

Por reducción al absurdo supongamos que $f$ no es continua en $a$. Entonces existe algún $\varepsilon>0$ para el cual todo $\delta<0$ tal que $d_X(x,a)<\delta$, para todo $x\in A$, implique que $d_Y(f(x),f(a))<\varepsilon$. Es decir que para todo $\delta>0$ existe $x\in A$ tal que $d_X(x,a)<\delta$ y $d_Y(f(x),f(a))\geq \varepsilon$. Notemos que para cada $n\in\mathbb{N}^+$ el número $\frac{1}{n}$ es positivo, por lo que debe existir $x_n\in A$ tal que $d_X(x_n,a)<\frac{1}{n}$ y $d_Y(f(x_n),f(a))\geq \varepsilon$, es decir que la sucesión $\{x_n\}_{n\geq1}$ converge a $a$, pero la sucesión $\{f(x_n)\}_{n\geq1}$ no converge a $f(a)$, lo cual contradice nuestra hipótesis, por lo que $f$ debe ser continua en $a$.

$\blacksquare$

Ejemplo 9.1.
Sea $(X,d_X)$ un espacio métrico y consideremos al espacio métrico $(\mathbb{R}^n, d)$, donde $d$ es la distancia euclidiana, es decir:
\begin{equation*}
d(x,y) = \left(\sum_{k=1}^n (x_k – y_k)^2\right)^{1/2},
\end{equation*} para todo $x=(x_1, \ldots, x_n)$, $y=(y_1, \ldots, y_n)$ en $\mathbb{R}^n$. Si $f_k : X \to \mathbb{R}$, con $k\in{1,2, \ldots, n}$, son funciones continuas, entonces la función $f : X \to \mathbb{R}^n$ dada por $f(x) = (f_1(x), f_2(x), \ldots, f_n(x))$ es continua.

Solución. Sea $\varepsilon>0$, entonces existen $\delta_k > 0$, tales que si $d_X(x,a) < \delta_k$ entonces:
\begin{equation*}
d(f_k(x),f_k(a)) = |\,f_k(x) – f_k(a)\,| < \frac{\varepsilon}{\sqrt{n}},
\end{equation*} para toda $k\in{1,2, \ldots, n}$. Por lo que tomando $\delta = \text{mín}{\delta_1, \ldots, \delta_n}$, tenemos que si $d_X(x,a) < \delta$, entonces: \begin{equation*}
d(f(x),f(a)) = \left(\sum_{k=1}^n (f_k(x) – f_k(a))^2\right)^{1/2} < \varepsilon, \end{equation*} de donde se sigue el resultado.

Por otra parte, considerando que toda función $f:X \to \mathbb{R}^n$ se puede expresar en términos de sus funciones componentes, es decir $f(x) = (f_1(x), f_2(x), \ldots, f_n(x))$ para toda $x\in X$, y dado que para toda $k\in{1, 2, \ldots, n}$ se cumple:
\begin{equation*}
|\,f_k(x) – f_k(y)\,| \leq \left(\sum_{k=1}^n (f_k(x) – f_k(y))^2\right)^{1/2} = d(f(x),f(y)), \end{equation*} por lo que si $f$ es una función continua, entonces cada función componente $f_k : X \to \mathbb{R}^n$ es continua.

Definición 9.2. (Homeomorfismo.)
Sean $(X,d_X)$ y $(Y,d_Y)$ dos espacios métricos. Un homeomorfismo entre $X$ y $Y$ es una función $f:X\to Y$ tal que:

  1. $f$ es biyectiva.
  2. $f$ es continua en $X$.
  3. La inversa de $f$ es continua en $Y$, es decir, $f^{-1}: Y \to X$ es continua.

Si existe un homeomorfismo entre $X$ y $Y$, entonces diremos que los espacios métricos $(X,d_X)$ y $(Y,d_Y)$ son homeomorfos.

Observación 9.1.
Formalmente no hemos definido lo que es una función compleja de variable compleja, sin embargo para ejemplificar los conceptos de esta entrada podemos considerar la siguiente función sin mayor problema. En caso de existir duda de dicha definición puede consultarse la entrada 12 en la cual se aborda dicho concepto de manera formal.

Ejemplo 9.2.
Sea $D = B(0,1)\subset\mathbb{C}$. Consideremos a la función $f:\mathbb{C} \to D$ dada por:
\begin{equation*}
f(z) = \frac{z}{1+|\,z\,|}, \quad z\in\mathbb{C}.
\end{equation*} Veamos que $f$ induce un homeomorfismo entre $D$ y $\mathbb{C}$.

Solución. Primeramente verifiquemos que $f$ es biyectiva. Sean $z_1,z_2\in\mathbb{C}$, es claro que si $z_1 \neq z_2$, entonces $|\,z_1\,| \neq |\,z_2\,|$, por lo que:
\begin{equation*}
\frac{z_1}{1+|\,z_1\,|} \neq \frac{z_2}{1+|\,z_2\,|},
\end{equation*} es decir que $f(z_1) \neq f(z_2)$, por lo que $f$ es inyectiva.
Por otra parte, si $w\in D$ tenemos que $|\,w\,|<1$, por lo que $1 – |\,w\,|>0$. Entonces tomando: \begin{equation*}
z = \frac{w}{1-|\,w\,|},
\end{equation*} es claro que $w = f(z)$. Como $w\in D$ era arbitrario entonces tenemos que $f$ es sobreyectiva.
Por lo tanto, como $f$ es biyectiva tenemos que existe la función inversa de $f$, es decir $f^{-1}:D \to \mathbb{C}$ dada por:
\begin{equation*}
f^{-1}(z) = \frac{z}{1-|\,z\,|}, \quad z\in\mathbb{C}.
\end{equation*} Considerando los resultados de esta entrada es fácil probar que $f$ y $f^{-1}$ son continuas, por lo que se deja como ejercicio.

Proposición 9.6.
Sean $(X,d_X)$, $(Y,d_Y)$ y $(Z, d_Z)$ espacios métricos y sean $g:X \to Y$ y $f:Y \to Z$ dos funciones.

  1. Si $g$ es un homeomorfismo, entonces $f$ es continua si y sólo si $f \circ g$ es continua.
  2. Si $f$ es un homeomorfismo, entonces $g$ es continua si y sólo si $f \circ g$ es continua.

Demostración.

  1. Dadas las hipótesis, por la proposición 9.3 es claro que $f = (f\circ g) \circ g^{-1}$ es continua si y sólo si $f \circ g$ es continua.
  2. Dadas las hipótesis, por la proposición 9.3 es claro que $g = f^{-1}\circ(f\circ g)$ es continua si y sólo si $f \circ g$ es continua.

$\blacksquare$

Tarea moral

  1. Demuestra el lema 9.1.
  2. Completa la demostración de la proposición 9.2.
  3. Prueba que las funciones $f$ y $f^{-1}$ del ejemplo 9.2 son continuas.
  4. Sean $a, b\in\mathbb{R}\setminus{0}$. Considera a los siguientes conjuntos: \begin{align*}
    X = \{x+iy \,:\, x^2+y^2 = 1\},\\
    Y = \left\{x + iy \, : \, \left(\frac{x}{a}\right)^2 + \left(\frac{y}{b}\right)^2 = 1\right\}. \end{align*} Demuestra que $X$ y $Y$, dotados con la métrica euclidiana de $\mathbb{C}$, son homeomorfos. Hint: Considera la función $f(x+iy) = ax + iby$.
  5. Demuestra la proposición 9.4.

Más adelante…

En esta entrada hemos dado una definición clara y general del concepto de continuidad, caracterizando así a los espacios métricos mediante dicho concepto y obteniendo resultados que nos permitieron relacionar a los conceptos de sucesión y de límite con el de continuidad. Estos resultados serán de gran utilidad en las siguientes entradas al estudiar a las funciones complejas (de variable compleja).

La siguiente entrada abordaremos los conceptos de conexidad y compacidad de un espacio métrico, en particular caracterizaremos a los conjuntos de $\mathbb{C}$ mediante estos conceptos, definiremos nuevos conceptos y obtendremos nuevos resultados que relacionan a los conceptos de continuidad, conexidad y compacidad en un espacio métrico, los cuales utilizaremos a lo largo del curso al trabajar con funciones de $\mathbb{C}$ en $\mathbb{C}$.

Entradas relacionadas

Probabilidad I: Teorema de Continuidad de la Probabilidad

Introducción

En la entrada previa a esta vimos el importantísimo teorema de Bayes. Por ahora dejaremos de lado las propiedades de la probabilidad condicional. En contraste, el teorema que veremos en esta entrada es un resultado teórico que será de utilidad mucho más adelante.

El tema de esta entrada es el teorema de continuidad de las medidas de probabilidad. Esencialmente, se trata de una propiedad que satisface toda medida de probabilidad. En particular, se relaciona con la noción que tienes de continuidad en funciones. Sin embargo, se trata de una propiedad más básica de continuidad para límites de eventos, que son conjuntos.

Conceptos previos

En el contexto de cálculo y análisis, una propiedad de las funciones continuas es su capacidad de «meter» el límite. Esto es, que si $\{ a_{n} \}_{n \in \mathbb{N}^{+}} \subseteq \RR$ es una sucesión de números reales tal que existe $a \in \RR$ que satisface $\lim_{n \to \infty} a_{n} = a$, y $f\colon\RR\to\RR$ es una función continua, entonces

\[ \lim_{n\to\infty} f(a_{n}) = f{\left( \lim_{n\to\infty} a_{n} \right)} = f(a). \]

Nosotros queremos ver que cualquier medida de probabilidad satisface una propiedad similar. Sin embargo, dado un espacio de probabilidad $(\Omega, \mathscr{F}, \mathbb{P})$, el dominio de $\mathbb{P}$ no es $\RR$, ¡es $\mathscr{F}$! Es decir, ¡el argumento de una medida de probabilidad es un conjunto! Por ello, es necesario presentar una noción de límite de eventos. La manera en que lo haremos será a través de las llamadas sucesiones crecientes.


Definición. Sea $(\Omega, \mathscr{F}, \mathbb{P})$ un espacio de probabilidad, y sea $\{A_{n}\}_{n\in\mathbb{N}^{+}} \subseteq \mathscr{F}$ una sucesión de eventos. Diremos que es una sucesión creciente de eventos si

\[ \forall n \in \mathbb{N}^{+}\colon A_{n} \subseteq A_{n+1}. \]

Esto es, que cada $A_{n}$ es un subconjunto del evento que le sigue, $A_{n+1}$. A veces esto se denota como $A_{1} \subseteq A_{2} \subseteq \ldots$ Por su parte, la unión

\[ A = \bigcup_{n=1}^{\infty} A_{n} \]

de una sucesión de este tipo es llamada el límite de la sucesión. Este hecho suele denotarse por $A_{n} \uparrow A$.


En la definición anterior, la unión $A = \bigcup_{n=1}^{\infty} A_{n}$ de una sucesión creciente de eventos es, nuevamente, un evento. Esto pasa gracias a las propiedades de un σ-álgebra y a que $\{A_{n}\}_{n\in\mathbb{N}^{+}}$ es una familia numerable de eventos.

Por otro lado, también se define la noción de sucesión decreciente de eventos como sigue.


Definición. Sea $(\Omega, \mathscr{F}, \mathbb{P})$ un espacio de probabilidad, y sea $\{A_{n}\}_{n\in\mathbb{N}^{+}} \subseteq \mathscr{F}$ una sucesión de eventos. Diremos que es una sucesión decreciente de eventos si

\[ \forall n \in \mathbb{N}^{+}\colon A_{n} \supseteq A_{n+1}. \]

Es decir, cada $A_{n}$ contiene (como subconjunto) al evento que le sigue, $A_{n+1}$. En ocasiones, esto se denota como $A_{1} \supseteq A_{2} \supseteq \cdots$ Además, la intersección

\[ A = \bigcap_{n=1}^{\infty} A_{n} \]

de una sucesión de este tipo es llamada el límite de la sucesión. Este hecho suele denotarse por $A_{n} \downarrow A$.


De la misma manera que con una sucesión creciente, la intersección $A = \bigcap_{n=1}^{\infty} A_{n}$ de una sucesión decreciente de eventos también es un evento.

La continuidad de una medida de probabilidad

A continuación presentamos el teorema de continuidad de una medida de probabilidad.


Teorema. Sea $(\Omega, \mathscr{F}, \mathbb{P})$ un espacio de probabilidad. Entonces se cumplen las siguientes propiedades.

  1. Si $\{ A_{n} \}_{n\in\mathbb{N}^{+}}$ es una sucesión creciente de eventos, entonces\[ \lim_{n\to\infty} \Prob{A_{n}} = \Prob{\bigcup_{n=1}^{\infty} A_{n}}. \]
  2. Si $\{ A_{n} \}_{n\in\mathbb{N}^{+}}$ es una sucesión decreciente de eventos, entonces\[ \lim_{n\to\infty} \Prob{A_{n}} = \Prob{\bigcap_{n=1}^{\infty} A_{n}}. \]

Demostración. Para demostrar 1, podemos utilizar un truco que usamos hace ya varias entradas. Esto es, que

\[ \bigcup_{n=1}^{\infty} A_{n} = A_{1} \cup (A_{2} \smallsetminus A_{1}) \cup (A_{3} \smallsetminus A_{2}) \cup \cdots \]

Es decir, si para cada $i \in \mathbb{N}^{+}$ definimos $B_{i} = A_{i} \smallsetminus A_{i−1}$, con $A_{0} = \emptyset$, se tiene que

\[ \bigcup_{n=1}^{\infty} A_{n} = \bigcup_{n=1}^{\infty} B_{n}. \]

Además, observa que los conjuntos $B_{i}$ son ajenos dos a dos, por construcción. Entonces podemos aplicar la σ-aditividad de $\mathbb{P}$ para obtener que

\begin{align*} \Prob{\bigcup_{n=1}^{\infty} A_{n}} &= \Prob{B_{1}} + \Prob{B_{2}} + \Prob{B_{3}} + \cdots \\ &= \lim_{n\to\infty} \sum_{k=1}^{n} \Prob{B_{k}}. \end{align*}

Sin embargo, sabemos que para cada $i \in \mathbb{N}^{+}$ se cumple que $A_{i} \subseteq A_{i+1}$ y $B_{i} = A_{i} \smallsetminus A_{i−1}$, así que para cada $i \in \mathbb{N}^{+}$ se tiene que

\[ \Prob{B_{i}} = \Prob{A_{i} \smallsetminus A_{i−1}} = \Prob{A_{i}} − \Prob{A_{i−1}}. \]

Por lo tanto,

\begin{align*} \Prob{ \cup_{n=1}^{\infty} A_{n}} &= \lim_{n\to\infty} \sum_{k=1}^{n} [\Prob{A_{k}} − \Prob{A_{k−1}}] \\ &= \lim_{n\to\infty} [\Prob{A_{n}} − \Prob{A_{0}}] \\ &= \lim_{n\to\infty} [\Prob{A_{n}} − \Prob{\emptyset}] \\ &= \lim_{n\to\infty} \Prob{A_{n}}, \end{align*}

que es justamente lo que queríamos demostrar.

$\square$

Para demostrar la parte 2 del teorema puede usarse la parte 1 de manera conveniente. La manera de hacerlo viene detallada (a manera de instrucciones) en la tarea moral.

Una aplicación del teorema de continuidad

A pesar de que, de momento, no utilizaremos con profundidad el teorema que acabamos de ver, es posible hacer un ejemplo donde se aplica de manera no teórica.

Ejemplo. Es intuitivamente claro que la probabilidad de nunca obtener un «águila» en una infinidad de lanzamientos de una moneda equiprobable es $0$. Podemos demostrarlo usando el teorema anterior. En primer lugar, el espacio muestral de este experimento es

\[ \Omega = {\left\lbrace (x_{n} )_{n\in\mathbb{N}^{+}} \mid \forall i \in \mathbb{N}^{+}\colon x_{i} \in \{ \mathrm{A, B} \} \right\rbrace} \]

el conjunto de todas las sucesiones infinitas de $\mathrm{A}$’s y $\mathrm{S}$’s. Para cada $i \in \mathbb{N}^{+}$, definimos los conjuntos

\begin{align*} A_{i} &= {\left\lbrace (x_{n})_{n\in\mathbb{N}^{+}} \in \Omega \mid x_{i} = \mathrm{A} \right\rbrace}, \\ S_{i} &= {\left\lbrace (x_{n})_{n\in\mathbb{N}^{+}} \in \Omega \mid x_{i} = \mathrm{S} \right\rbrace} \end{align*}

Es decir, $A_{i}$ es el conjunto de todas las sucesiones infinitas de $\mathrm{A}$’s y $\mathrm{S}$’s tales que su $i$-ésima entrada es una $\mathrm{A}$. Por ejemplo, para $A_{1}$, se tiene que

\begin{align*} (\mathrm{A, S, S, A, A, A, A, A, \ldots}) &\in A_{1}, \\ (\mathrm{A, S, S, S, S, S, S, S, \ldots}) &\in A_{1}, \\ (\mathrm{A, S, A, S, A, S, A, S, \ldots}) &\in A_{1}, \end{align*}

etcétera. El subíndice de $A_{i}$ indica que la $i$-ésima entrada de todos sus elementos es $\mathrm{A}$. Análogamente, $S_{i}$ es el conjunto de todas las sucesiones infinitas de $\mathrm{A}$’s y $\mathrm{S}$’s tales que su $i$-ésima entrada es una $\mathrm{S}$. Ahora, considera la siguiente familia de subconjuntos de $\Omega$:

\[ \mathscr{C} = \{ A_{i} \mid i \in \mathbb{N}^{+} \} \cup \{ S_{i} \mid i \in \mathbb{N}^{+} \} \]

Esto es, $\mathscr{C} \subseteq \mathscr{P}(\Omega)$ es el conjunto cuyos elementos son todos los $A_{i}$’s y todos los $B_{i}$’s. De este modo, tomaremos a $\sigma(\mathscr{C})$ como σ-álgebra.

Ahora, definimos nuestra medida de probabilidad para los $A_{i}$’s y $B_{i}$’s como sigue: para cada $i \in \mathbb{N}^{+}$, la probabilidad de $A_{i}$ y $B_{i}$ se define como

\[ \Prob{A_{i}} = \frac{1}{2}, \]

\[ \Prob{B_{i}} = 1 − \frac{1}{2}, \]

La definimos de esta forma pues asumimos que la moneda es equiprobable, por lo que la probabilidades de que en la $i$-ésima posición salga «águila» o salga «sol» deben de ser iguales. Además, le pediremos a $\mathbb{P}$ que cualquier familia de $A_{i}$’s y $S_{i}$’s sean independientes. Esto es, que para todo $n \in \mathbb{N}^{+}$, los eventos $A_{1}$, $A_{2}$, …, $A_{n}$ son independientes. Esto asegura que también sus complementos, $S_{1}$, $S_{2}$, …, $S_{n}$ forman una familia de eventos independientes.

Ahora, para cada $n \in \mathbb{N}^{+}$, definamos el evento $C_{n}$ como el evento en el que, de los primeros $n$ lanzamientos, ninguno es un águila. Observa que, en términos de $A_{i}$’s y $S_{i}$’s, $C_{n}$ sería

\[ C_{n} = \bigcap_{k=1}^{n} S_{k}, \]

Pues $S_{1}$ son todas aquellas sucesiones cuya primera entrada está fija como un $\mathrm{S}$, $S_{2}$ son todas aquellas en donde la segunda entrada está fija como un $\mathrm{S}$, y así sucesivamente hasta llegar a $S_{n}$. Al intersecar esos eventos, el evento resultante es aquel en el que las primeras $n$ entradas están fijas como una $\mathrm{S}$, por lo que es el evento en el que ninguno de los primeros $n$ lanzamientos es un águila. Además, observa que para cada $n \in \mathbb{N}^{+}$, se cumple que $C_{n} \supseteq C_{n+1}$. Es decir, $\{ C_{n} \}_{n\in\mathbb{N}^{+}}$ es una sucesión decreciente de eventos. Entonces, por el teorema de continuidad de la medida de probabilidad, se tiene que

\[ \lim_{n\to\infty} \Prob{C_{n}} = \Prob{\bigcap_{n=1}^{\infty} C_{n}}, \]

Por un lado, observa que

\[ \lim_{n\to\infty} \Prob{C_{n}} = \lim_{n\to\infty} \Prob{\bigcap_{k=1}^{n} S_{k}} = \lim_{n\to\infty} [\Prob{S_{1}} \cdot \Prob{S_{2}} \cdots \Prob{S_{n}}] = \lim_{n\to\infty} {\left( \frac{1}{2} \right)}^{n} = 0\]

donde $\Prob{\bigcap_{k=1}^{n} S_{k}} = \Prob{S_{1}} \cdot \Prob{S_{2}} \cdots \Prob{S_{n}}$ ocurre gracias a que supusimos que para todo $n \in \mathbb{N}^{+}$ los eventos $A_{1}$, $A_{2}$, …, $A_{n}$ son independientes.

En consecuencia, tenemos que

\[ \Prob{\bigcap_{n=1}^{\infty} C_{n}} = 0. \]

En conclusión, la probabilidad del evento $\bigcap_{n=1}^{\infty} C_{n}$ es $0$. Pero, ¿qué evento es ese? Observa que $\bigcap_{n=1}^{\infty} C_{n}$ es precisamente el evento de que nunca haya un águila, pues es la intersección de todos los eventos en los que los primeros $n$ lanzamientos no hay un águila. Esto es justamente lo que dictaba la intuición al inicio de este ejemplo.


Tarea moral

Los siguientes ejercicios son opcionales. Es decir, no formarán parte de tu calificación. Sin embargo, te recomiendo resolverlos para que desarrolles tu dominio de los conceptos abordados en esta entrada.

  1. Demuestra la parte 2 del teorema de continuidad. Sugerencia: Puedes utilizar la parte 1 del teorema, pues ya la demostramos.
    1. Para hacerlo, toma $\{ B_{n} \}_{n\in\mathbb{N}^{+}}$ una sucesión decreciente de eventos. Para cada $i \in \mathbb{N}^{+}$, define $A_{i} = B_{i}^{\mathsf{c}}$, donde el complemento es relativo a $\Omega$. Demuestra que $\{ A_{n} \}_{n\in\mathbb{N}^{+}}$ es una sucesión creciente de eventos.
    2. Ahora, sabiendo que $\{ A_{n} \}_{n\in\mathbb{N}^{+}}$ es una sucesión creciente de eventos, aplica la parte 1 del teorema. ¿Qué se obtiene?
    3. Usando la parte 1 del teorema se llega a que\[ \Prob{\bigcup_{n=1}^{\infty} A_{n}} = \lim_{n\to\infty} \Prob{A_{n}}. \]Sabiendo que cada $A_{i} = B_{i}^{\mathsf{c}}$, sustituye en la expresión anterior.
    4. Finalmente, usa la regla de complementación para concluir.

Más adelante…

Con esta entrada concluye la primera unidad de este curso. Esto es, aquí concluye el tratamiento de propiedades generales de las medidas de probabilidad. En la siguiente entrada comenzaremos el estudio de las variables aleatorias−que no son otra cosa que funciones cuyo dominio es el espacio muestral−y la gran cantidad conceptos asociados a estas.

Un consejo… ¡No olvides lo que vimos en esta unidad! Todo lo que vimos en esta unidad será importante para el resto de este curso, y para las materias de probabilidad y estadística que cursarás más adelante.

Entradas relacionadas

Cálculo Diferencial e Integral I: Continuidad de la función inversa

Introducción

Esta entrada será la última referente a la funciones continuas y se hará el estudio de las condiciones necesarias para que, dada una función continua, su inversa también sea continua. Para lograr nuestro objetivo, haremos uso de los conceptos revisados en la entrada anterior e iniciaremos retomando la definición de intervalo y probaremos un teorema que nos permite caracterizarlos.

Intervalos

Anteriormente, se había dado la siguiente definición de intervalos.

Definición: Sean $a,b \in \r$. Definimos los siguientes intervalos en $\RR$ como sigue:

  • Intervalo cerrado:
    \[
    [a,b]=\left\{x : a \leq x \leq b\right\}
    \]
  • Intervalo abierto
    \[
    (a,b)=\left\{x : a < x < b\right\}
    \]
  • Semiabierto por la izquierda/ Semicerrado por la derecha
    \[
    (a,b]=\left\{x : a < x \leq b\right\}
    \]
  • Semiabierto por la derecha/ Semicerrado por la izquierda
    \[
    [a,b)=\left\{x : a \leq x < b\right\}
    \]

Ahora revisaremos un teorema que nos permite caracterizar a los intervalos y éste nos dice que si se toman cualesquiera dos puntos de un intervalo $A$, entonces el intervalo generado por tales puntos está contenido dentro de $A$.

Teorema. Si $A$ es un subconjunto de $\mathbb{R}$ que contiene al menos dos puntos y tiene la propiedad

$$\text{si } x, y \in A \quad \Rightarrow \quad [x,y] \subseteq A \tag{1}$$

Entonces $A$ es un intervalo.

Demostración.

La demostración se divide en cuatro casos de acuerdo a si está o no acotado.

  • Caso 1. $A$ está acotado
    Dado que $A$ está acotado y $A \neq \varnothing$, podemos definir el supremo y el ínfimo. Sean $a = infA$ y $b = supA$. Entonces $A \subseteq [a,b]$. Nos enfocaremos en demostrar que $(a,b) \subseteq A$.

    Si $z \in (a,b)$, es decir, $a<z<b$, entonces $z$ no es cota inferior de $A$, por lo que existe $x \in A$ tal que $x<z$. De la misma forma, $z$ no es una cota superior de $A$, por lo que existe $y \in A$ tal que $z<y.$ Por lo tanto, $z \in [x,y]$ y por $(1)$ se tiene que $z \in A$. Puesto que $z$ es un elemento arbitrario de $(a,b)$ podemos concluir que $(a,b) \subseteq A$.

    Notemos que si $a \in A$ y $b \in A$, se tiene que $A= [a,b]$ pues $a$ y $b$ son el ínfimo y supremo respectivamente. Si $a \notin A$ y $b \notin A$, entonces $A = (a,b)$. Si $a \notin A$ y $b \in A$, entonces $A = (a,b]$. Finalmente, si $a \in A$ y $b \notin A$, entonces $A = [a,b)$.

  • Caso 2. $A$ está acotado superiormente pero no inferiormente.
    Definimos $b = supA$. Entonces $A \subseteq (- \infty, b]$. Veremos que $(- \infty, b) \subseteq A$.

    Si $z \in (- \infty, b)$, es decir $z<b$, entonces no es cota superior, por lo que existe $y \in A$ tal que $z < y$, además dado que $A$ no está acotado inferiormente, existe $x \in A$ tal que $x < z$. De esta forma, gracias a $(1)$ se tiene que $z \in [x,y] \subseteq A$. Dado que $z$ es un elemento arbitrario de $(- \infty, b)$, entonces $(-\infty, b) \subseteq A$.

    Notemos que si $b \in A$, entonces $A = (- \infty, b]$ y si $b \notin A$, entonces $A = (- \infty, b)$.

  • Caso 3. $A$ está acotado inferiormente pero no superiormente
    La prueba es análoga al caso 2.

  • Caso 4. $A$ no está acotado inferiormente ni superiormente.
    La prueba es muy similar a la de los casos anteriores por lo cual se dejará como tarea moral.

$\square$

Notemos que el regreso también es cierto, es decir, si $A$ es un intervalo, entonces cumple $(1)$ y la demostración también quedará como tarea moral.

Continuidad de la función inversa

El siguiente teorema nos indica que una función continua mapea intervalos en intervalos, es decir, los preserva.

Teorema (Preservación de intervalos). Sea $I$ un intervalo y sea $f: I \to \mathbb{R}$ continua en $I$. Entonces el conjunto $f(I)$ es un intervalo.

Demostración.

Sean $y_1$, $y_2 \in f(I)$ tal que $y_1 < y_2$, entonces existen los puntos $x_1$, $x_2$ tal que $y_1 = f(x_1)$ y $y_2 = f(x_2)$. Por el teorema del valor intermedio, se tiene que si $y \in [y_1,y_2]$, entonces existe $x \in I$ tal que $y = f(x) \in f(I)$. Por lo tanto, se tiene que $[y_1,y_2] \subseteq f(I)$ y por el teorema de caracterización de intervalos, se concluye que $f(I)$ es un intervalo.

$\square$

Ahora veremos que la monotonía también se preserva bajo la función inversa.

Proposición. Si $f: A \to \mathbb{R}$ es una función estrictamente creciente, entonces $f^{-1}: f(A) \to \mathbb{R}$ también es estrictamente creciente. Si $f$ es estrictamente decreciente, $f^{-1}$ también lo es.

Demostración.

Sea $f$ un función estrictamente creciente y sean $y_1$, $y_2 \in f(A)$ tal que $y_1<y_2$ y sean $x_1 = f^{-1}(y_1)$, $x_2 = f^{-1}(y_2)$.

Supongamos que $x_2 < x_1$, pero $f$ es creciente lo que implica que $y_2 = f(x_2) < f(x_1) = y_1$ lo cual es una contradicción pues $y_1<y_2$. Por lo tanto, $f^{-1}(y_1)=x_1 < x_2 = f^{-1}(y_2)$. Por lo tanto $f^{-1}$ es estrictamente creciente.

La prueba es análoga para el caso donde $f$ es estrictamente decreciente.

$\square$

Los últimos dos teoremas de la entrada hacen referencia a las condiciones que deben estar presentes para que la inversa de una función continua también sea continua.

Teorema. Si $I$ es un intervalo y $f: I \to \mathbb{R}$ es estrictamente monótona, entonces $f^{-1}$ es continua.

Demostración.

Por la proposición anterior tenemos que $f^{-1}: f(I) \to \mathbb{R}$ también es estrictamente monótona y sabemos que $f(I)$ es un intervalo. Por el teorema revisado en la entrada anterior, concluimos que $f^{-1}$ también es continua.

$\square$

Teorema. Si $I$ es un intervalo y $f: I \to \mathbb{R}$ es continua e inyectiva, entonces $f^{-1}$ es continua.

Demostración.

Por lo revisado en la entrada anterior, sabemos que si $f$ es continua e inyectiva, entonces es estrictamente monótona y se sigue por el teorema anterior que $f^{-1}$ es continua.

$\square$

Tarea moral

A continuación hay algunos ejercicios para que practiques los conceptos vistos en esta entrada. Te será de mucha utilidad intentarlos para entender más a profundidad la teoría vista.

  • Prueba el caso 4 para el teorema de preservación de intervalos.
  • Prueba que si $A$ es un intervalo con al menos dos puntos, entonces se cumple que
    $$\text{si } x, y \in A \quad \Rightarrow \quad [x,y] \subseteq A, \tag{1}$$
  • Sea $I$ un intervalo y sea $f: I \to \mathbb{R}$ una función inyectiva. Menciona qué relación existe entre las siguiente condiciones:
    • $f$ es continua
    • $f(I)$ es un intervalo
    • $f$ es estrictamente monótona
    • $f^{-1}$ es continua

Más adelante…

En la siguiente entrada daremos inicio a una nueva unidad y entraremos a uno de los temas más famosos del cálculo: la derivada. Dentro de esta nueva unidad, veremos a profundidad la definición de derivada así como su interpretación geométrica y sus propiedades. Una vez se conozcan los fundamentos teóricos, se verán aplicaciones que existen en diversos campos tales como la economía, la física, etc.

Entradas relacionadas

Cálculo Diferencial e Integral I: Continuidad y monotonía

Introducción

En esta entrada estableceremos la relación existente entre la monotonía y la continuidad. Para lo cual haremos un repaso rápido de algunos conceptos revisados previamente.

Definición. Sea $A \subseteq \mathbb{R}$ y $f: A \to \mathbb{R}$.

  • Se dice que $f$ es creciente si para cada $x_1$, $x_2 \in A$ tales que $x_1 < x_2$, entonces se tiene que $f(x_1) \leq f(x_2)$ y decimos que es estrictamente creciente si se da la desigualdad estricta, es decir, $f(x_1) < f(x_2)$.
  • Análogamente, decimos que $f$ es decreciente si para cada $x_1$, $x_2 \in A$ tales que $x_1 < x_2$, entonces se tiene que $f(x_1) \geq f(x_2)$ y decimos que es estrictamente decreciente si se da la desigualdad estricta, es decir, $f(x_1) > f(x_2)$.
  • Si una función es creciente o decreciente decimos que es monótona. Si la función es estrictamente creciente o estrictamente decreciente, decimos que es estrictamente monótona.

Tras haber retomado las definiciones anteriores, vale la pena mencionar que el hecho de que una función sea monótona en un intervalo no implica que sea continua. Podemos considerar como ejemplo:
$$f(x) = \begin{cases}
-1 & \text{ si } x < 0 \\
1 & \text{ si } x \geq 0
\end{cases}$$

Se tiene que $f$ es monótona en $\mathbb{R}$, pero no es continua en $1$.

Funciones continuas que son monótonas

En este punto estamos listos para ver la relación que existe entre la monotonía y la continuidad. Iniciaremos de viendo un resultado que va de continuidad a monotonía.

Teorema. Sea $A = [a, b]$ un intervalo y $f : A \to \mathbb{R}$ una función continua e inyectiva. Entonces $f$ es estrictamente monótona.

Demostración.

Notemos que dado que la función es inyectiva, se tiene que $f(a) \neq f(b)$. Así, tenemos dos casos.

  • Caso 1: $f(a) < f(b)$.
    Primero veamos que si $x \in [a,b]$, entonces se tiene que
    $$f(a) \leq f(x) \leq f(b) \tag{1}$$
    Sea $x \in [a,b]$ y supongamos que $f(x) < f(a)$. Por el teorema del valor intermedio, sabemos que existe $y \in [x, b]$ tal que $f(y) = f(a)$, pero esto contradice la inyectividad, por tanto se concluye que $f(a) \leq f(x)$.

    Análogamente, si $x \in [a,b]$ y supongamos que $f(b) < f(x)$. Por el teorema del valor intermedio tenemos que existe $y \in [a,x]$ tal que $f(y) = f(b)$, pero esto contradice la inyectividad por tanto se concluye que $f(x) \leq f(b)$.

    Ahora probaremos que $f$ es estrictamente creciente. Sean $x$, $y \in [a,b]$ tal que $x<y$. Por $(1)$, se tiene que $f(x) \leq f(b)$, más aún, se tiene la desigualdad estricta $f(x) < f(b)$ dado que la función es inyectiva y $x< y \leq b$. Tomemos el intervalo $[x,b]$ donde $f$ sigue siendo continua e inyectiva y se cumple que $f(x) < f(b)$, aplicando nuevamente $(1)$, se tiene que $f(x) \leq f(y)$ y por ser $f$ inyectiva se tiene la desigualdad estricta, es decir, $f(x) < f(y)$ y por tanto $f$ es estrictamente creciente.

  • Caso 2: $f(b) > f(a)$.
    Definimos $g: [a,b] \to \mathbb{R}$ tal que $g(x) = -f(x)$ para todo $x \in \mathbb{R}$. De esta forma $g$ también es continua e inyectiva en $[a,b]$. Notemos que $g(a) = -f(a) < -f(b) = g(b)$, es decir, $g(a) < g(b)$; y por el Caso 1, se tiene que si $x$, $y \in [a,b]$ tales que $x <y$, entonces $g(x) < g(y)$, esto implica que $-f(x) < -f(y)$ por lo que se concluye que $f(y) > f(x)$. Es decir, se tiene que $f$ es estrictamente decreciente.

De ambos casos, se concluye que si $f$ es continua e inyectiva en el intervalo $[a,b]$ entonces $f$ es estrictamente monótona.

$\square$

En el teorema anterior, nos limitamos a intervalos de la forma $[a, b]$. Sin embargo, podemos extender aún más este resultado para cualquier tipo de intervalo.

Teorema. Sea $A \subseteq \mathbb{R}$ un intervalo y $f : A \to \mathbb{R}$ una función continua e inyectiva. Entonces $f$ es estrictamente monótona.

Demostración.

Procederemos a realizar esta demostración por contradicción.

Supongamos que $f : A \to \mathbb{R}$ es una función continua e inyectiva, pero no es monótona. Es decir, existen $x_1$, $x_2$, $y_1$, $y_2 \in A$ tales que

$$ x_1 < y_1, \quad x_2 < y_2 \quad \text{ y } \quad f(x_1) > f(y_1), \quad f(x_2) < f(y_2) \tag{1}$$

Sea $a = min\{x_1, x_2 \}$ y $b = max \{y_1, y_2\}$.

Haremos uso de un resultado que se probara en la siguiente entrada: Si $A$ es un intervalo, entonces para cualesquiera $x$, $y \in A$ se tiene que $[x,y] \subseteq A$.

Aplicando lo anterior, tenemos que $[a,b] \subseteq A$ y así $f$ es continua e inyectiva en el intervalo $[a,b]$. Dado que $x_1$, $x_2$, $y_1$, $y_2 \in [a,b]$ y por $(1)$ se sigue que $f$ no es monótona en el intervalo lo cual es una contradicción al teorema anterior. Por tanto, $f$ sí es monótona en $A$.

$\square$

Funciones monótonas que son continuas

Para finalizar, veremos un teorema que va de funciones monótonas hacia continuas.

Teorema. Si $f : A \to \mathbb{R}$ es una función creciente y $f(A)$ es un intervalo, entonces $f$ es continua en $A$.

Demostración.

Supongamos que $f$ es creciente. Sea $x \in A$. Para probar que $f$ es continua en $x$ haremos uso de la relación existente entre el límite de una función y el de una sucesión, de esta forma, tomaremos una sucesión monótona arbitraria $\{a_n\}$ tal que $a_n \to x$ y probaremos que $\{f(a_n)\} \to f(x)$.

Sea $\{a_n\}$ una sucesión creciente que converge a $x$. Entonces para todo $n \in \mathbb{N}$ se cumple que $a_n \leq a_{n+1} \leq x$ y debido a que $f$ es creciente se tiene que $f(a_n) \leq f(a_{n+1}) \leq f(x)$. Por lo anterior, se tiene que $\{f(a_n)\}$ es una sucesión creciente y acotada superiormente por lo que también es convergente. Sea $L = \lim_{n \to \infty} f(a_n)$, se cumple que $L \leq f(x)$.

Supongamos que $L < f(x)$ y consideremos $y \in \mathbb{R}$ tal que $L < y < f(x)$. Como $\{f(a_n)\}$ es creciente, se sigue que $f(a_1) < y < f(x)$. Dado que $f(A)$ es un intervalo, entonces existe $z \in A$ tal que $f(z) = y$. Con esto, tenemos dos casos.

  • Caso 1: $z \geq x$
    Esto genera una contradicción al hecho de que $f$ es creciente, pues $y = f(z) < f(x)$.

  • Caso 2. $z < x$
    Como $\{a_n\} \to x$, existe $n_0 \in \mathbb{N}$ tal que $z < a_{n_0} < x$ lo que implica que $y = f(z) \leq f(a_{n_0}) \leq f(x)$, lo cual es una contradicción pues estamos suponiendo que $L < y < f(x)$.

De ambos casos, se concluye que $L = f(x)$. Es decir, $\{f(a_n)\} \to f(x)$ y dado que $x$ es un punto arbitrario se $A$, se concluye que $f$ es continua en $A$.

$\square$

Tarea moral

A continuación hay algunos ejercicios para que practiques los conceptos vistos en esta entrada. Te será de mucha utilidad intentarlos para entender más a profundidad la teoría vista

  • Demuestra que si $f$ y $g$ son funciones crecientes y positivas en un intervalo $A$, entonces su producto es creciente en $A$.
  • Prueba que si $f : A \to \mathbb{R}$ es una función decreciente y $f(A)$ es un intervalo, entonces $f$ es continua en $A$
  • Sea $f: \mathbb{R} \to \mathbb{R}$ una función continua. Prueba que si $f|_{\mathbb{Q}}$ es monótona, entonces $f$ es monótona.
  • Sea $A=[a,b]$ un intervalo y $f: A \to \mathbb{R}$ una función creciente. Entonces el punto $a$ se tiene un mínimo de $f$ y en $b$ un máximo.
  • Demostrar que si $A = [a,b]$ y $f: A \to \mathbb{R}$ es creciente y continua en $A$, entonces $f$ es continua en $a$ si y sólo si $f(a) = inf\{f(x): x \in (a, b] \}$.

Más adelante…

En la siguiente entrada veremos qué sucede con la inversa de una función continua para lo cual será fundamental tener presentes los conceptos y teoremas revisados en esta entrada respecto a funciones monótonas.

Entradas relacionadas

Cálculo Diferencial e Integral I: Continuidad uniforme

Introducción

En las entradas anteriores nos enfocamos en estudiar la definición de continuidad y sus propiedades. Especialmente, los teoremas revisados empleaban fuertemente el concepto de continuidad en un intervalo. En esta entrada haremos la revisión de un tipo de continuidad aún más exigente: la continuidad uniforme.

Primero recordemos que una función es continua en un intervalo $A$ si lo es para cada uno de sus elementos. Es decir,

$$\lim_{x \to y} f(x) = f(y) \quad \forall y \in A$$

En términos de la definición del límite, lo podemos ver de la siguiente forma: Dado $\varepsilon > 0$ y $y \in [a,b]$, existe $\delta > 0$ tal que para todo $x \in A$ tal que $0 < |x – y| < \delta$ se satisface que $|f(x)-f(y)| < \varepsilon$. Es importante enfatizar que, en general, el valor de $\delta$ dependerá tanto de $\varepsilon$ como de $y$.

Analicemos con mayor detalle los siguientes ejemplos:

$$f(x) = x, \quad g(x) = x^2$$

Ambas funciones son continuas en todo $\mathbb{R}$. Consideremos $y \in \mathbb{R}$ y calculemos el valor de $\delta$ en términos de un valor dado $\varepsilon > 0$ para probar la continuidad en $y$.

Para $f$, el valor de $\delta = \epsilon$ es suficiente, pues si $0<|x-y| < \delta$, entonces

$$|f(x) -f(y)| = |x-y| < \delta = \varepsilon.$$

Mientras que para $g$, el valor anteriormente dado no funciona. En este caso, como se probó en una entrada anterior, un valor de delta que funciona es $\delta’ = min \{ 1, \frac{\epsilon}{1+2|y|} \}$. Si $0 < |x-y| < \delta’$, entonces

\begin{align*}
|x^2-y^2| = & |x-y||x+y| \\ \\
< & |x-y|(1+2|y|) \\ \\
< & \delta’ (1+2|y|) \\ \\
\leq & \frac{\epsilon}{1+2|y|} \cdot (1+2|y|) = \epsilon
\end{align*}

Podemos observar que el valor de $\delta$ para $f$ depende únicamente de $\varepsilon$, mientras que para la función $g$, $\delta$ depende de $\varepsilon$ y del valor de $y$. Esto debido a que $g$ tiene cambios más «drásticos» que $f$.

Continuidad uniforme

Motivado directamente de lo anterior, si pedimos que $\delta$ no dependa de $y$, tenemos la siguiente definición.

Definición. Sea $f: A \to \mathbb{R}$. Se dice que $f$ es uniformemente continua en $A$ si para todo $\varepsilon > 0$ existe $\delta > 0$ tal que para cualesquiera $x$, $y \in A$ que satisfacen $|x-y| < \delta$, entonces $|f(x) – f(y)| < \varepsilon$.

De la definición se sigue que toda función uniformemente continua es continua, sin embargo, el recíproco no es cierto y como contraejemplo tenemos la función $g(x) = x^2$ que, como se vio al inicio, no es uniformemente continua en $\mathbb{R}$. Considerando esto, vale la pena mencionar cuándo no se tiene continuidad uniforme.

Criterios de continuidad no uniforme. Sea $f: A \to \mathbb{R}$. Entonces los siguientes enunciados son equivalentes.

  1. $f$ no es uniformemente continua en $A$.
  2. Existe $\varepsilon_0 > 0$ tal que para toda $\delta > 0$ existen los puntos $x_\delta$, $y_\delta$ en $A$ tales que $|x_\delta – y_\delta| < \delta,$ pero $|f(x_\delta) – f(y_\delta)| \geq \varepsilon_0$.
  3. Existe $\varepsilon_0 > 0$ y dos sucesiones $\{x_n\}$, $\{y_n\}$ tales que $\lim_{n \to \infty} (x_n-y_n) = 0$ y $|f(x_n)-f(y_n)| \geq \varepsilon_0$ para todo $n \in \mathbb{N}$.

Ahora revisaremos un teorema que nos servirá para saber en qué momento se tiene continuidad uniforme en un intervalo de la forma $[a,b]$.

Teorema de continuidad uniforme. Si $f$ es continua en un intervalo acotado y cerrado $[a,b]$, entonces $f$ es uniformemente continua.

Demostración.

Si $f$ no es uniformemente continua en $[a, b]$, entonces, existe $\varepsilon > 0$ y dos sucesiones $\{x_n\}$ y $\{y_n\}$ en $[a,b]$ tales que $|x_n-y_n| < \frac{1}{n}$, pero $|f(x_n)-f(y_n)| \geq \varepsilon_0$ para toda $n \in \mathbb{N}$. Puesto que $[a, b]$ está acotado, la sucesión $\{x_n\}$ también está acotada; por el teorema de Bolzano-Weierstrass, existe una subsucesión en $\{ x_{n_k} \}$ de $\{x_n\}$ que converge a un real $z$. Puesto que $[a, b]$ es un intervalo cerrado, el límite $z$ pertenece al intervalo. Además, notemos que para la subsucesión $\{y_{n_k}\}$, se tiene que

$$|y_{n_k} – z| \leq |y_{n_k} – x_{n_k}| + |x_{n_k} – z|$$

Por lo cual $\{y_{n_k} \}$ también converge a $z$.

Además, si $f$ es continua en el punto $z$, entonces las subsucesiones $\{f(x_{n_k}) \}$ y $\{f(y_{n_k}) \}$ deben converger a $f(z)$, pero esto no es posible ya que $|f(x_n)-f(y_n)| \geq \varepsilon_0$ para todo $n \in \mathbb{N}$. Por tanto, la hipótesis de que $f$ no es uniformemente continua en el intervalo acotado y cerrado $[a, b]$ implica que $f$ no es continua en algún punto $z \in [a,b]$. Por tanto, concluimos que si $f$ es continua en todo punto del intervalo $[a, b]$, entonces $f$ es uniformemente continua.

$\square$

Retomando el ejemplo $g(x) = x^2$, $g$ no es uniformemente continua en $\mathbb{R}$, sin embargo, sí es uniformemente continua en cualquier intervalo $[a,b]$ puesto que podríamos usar $\delta = min \{ 1, \frac{\epsilon}{1+2 max\{|a|, |b| \}} \}$ y este valor ya no dependería de $y$.

Funciones Lipschitz

Para las ocasiones donde se busca conocer si una función es uniformemente continua en un intervalo que no es acotado y cerrado, se convierte en una tarea difícil determinarlo. Sin embargo, existe una condición que nos ayuda a resolver este problema.

Definición. Sea $f: A \to \mathbb{R}$. Si existe una contsante $K > 0$ tal que
$$|f(x) – f(y)| \leq K|x-y|$$

para toda $x$, $y \in A$, entonces se dice que $f$ es un a función de Lipschitz en $A$.

La definición anterior nos permite clasificar a las funciones que cumplen que

$$\frac{|f(x) – f(y)|}{|x-y|} \leq K, \quad x \neq y$$

Podemos notar que la expresión anterior es justamente la pendiente de la recta que pasa por los puntos $(x, f(x))$ y $(y, f(y))$. Así, podemos interpretar que una función es de Lipschitz si la pendiente de la recta formada por cualesquiera dos puntos en $f$ están acotados por algún valor $K$.

Teorema. Si $f: A \to \mathbb{R}$ es una función de Lipschitz, entonces $f$ es uniformemente continua.

Demostración.

Sea $\varepsilon > 0$.

Considremos $\delta = \frac{\varepsilon}{K}$. Si $|x-y| < \delta$, entonces se tiene que

\begin{align*}
|f(x)-f(y)| & < K|x-y| \\
& < K \frac{\varepsilon}{K} \\ 
& = \varepsilon
\end{align*}

Por tanto, $f$ es uniformemente continua.

$\square$

Revisemos un ejemplo donde se prueba continuidad uniforme a través del teorema anterior.

Ejemplo. La función $f(x) = x^2$ es uniformemente continua en $A = [0, b]$, con $b > 0$.

Demostración.

Notemos que

\begin{align*}
|f(x)-f(y)| = & |x^2 – y^2| \\
= & |x+y||x-y| \\
\geq & 2b |x-y|
\end{align*}

Así, consideremos $K = 2b$. Como $f$ es de Lipschitz, entonces es uniformemente continua.

$\square$

Cabe resaltar que no toda función uniformemente continua es de Lipschitz, para probarlo veamos el siguiente ejemplo.

Ejemplo. La función $f(x) = \sqrt{x}$ es uniformemente continua en $A = [0,2]$, pero no es de Lipschitz.

Demostración.

Sabemos que $f$ es continua en el intervalo $[0,2]$, por tanto, $f$ es uniformemente continua.

Consideremos $x$, $y \in A$ con $y = 0$, $x \neq = 0$ y supongamos que existe $K > 0$ tal que $|g(x)-g(0)| \leq K|x – 0|$, es decir $|g(x)| < K|x|$. Entonces

\begin{gather*}
& |\sqrt{x}| < K |x| \\ \\
\Rightarrow & \sqrt{x} < K x \\ \\
\Rightarrow & \frac{\sqrt{x}}{x} < K \\ \\
\Rightarrow & \frac{1}{\sqrt{x}} < K
\end{gather*}

Notemos que $\frac{1}{(K+1)^2} \in [0,2]$, de lo cual resulta una contradicción en la última expresión. Por tanto, $f$ no es de Lipschitz.

$\square$

Finalmente, veremos un ejemplo donde usamos los dos teoremas vistos en esta entrada con la finalidad de probar continuidad uniforme.

Ejemplo. Prueba que la función $f(x) = \sqrt{x}$ es uniformemente continua en $A = [0, \infty)$.

Demostración.

Del ejemplo anterior, sabemos que $f$ es uniformemente continua en el intervalo $[0,2]$. Ahora probaremos que también lo es en el intervalo $[1,\infty)$

Sean $x$, $y \in [1, \infty)$, entonces se tiene que

\begin{align*}
|g(x)-g(y)| = & | \sqrt{x}-\sqrt{y}| \\
= & | \sqrt{x}-\sqrt{y}| \cdot \frac{\sqrt{x}+\sqrt{y}}{\sqrt{x}+\sqrt{y}} \\
= & \frac{|x-y|}{\sqrt{x}+\sqrt{y}} \\
\leq & \frac{1}{2} |x-y|
\end{align*}

Por lo tanto, $f$ es una función de Lipschitz en el intervalo $[1, \infty)$ y, en consecuencia, es uniformemente continua en tal intervalo. Como $f$ es uniformemente continua en $[0,2]$ y $[1, \infty)$, entonces también lo es en $A = [0,2] \cup [1, \infty)$.

$\square$

Tarea moral

A continuación hay algunos ejercicios para que practiques los conceptos vistos en esta entrada. Te será de mucha utilidad intentarlos para entender más a profundidad la teoría vista.

  • Demostrar que la función $f(x) = \frac{1}{x}$ es uniformemente continua en $[a, \infty)$ siendo $a$ una constante positiva.
  • Prueba que la función $f(x) = \frac{1}{x^2}$ no es uniformemente continua en $(0, \infty)$.
  • Determina si la función $f(x) = sen(\frac{1}{x})$ es o no uniformemente continua en $(0, \infty)$.
  • Demuestra que si $f$ y $g$ son funciones uniformemente continuas en $A \subseteq \mathbb{R}$, entonces $f+g$ también es uniformemente continua en $A$.
  • Demuestra que si $f$ y $g$ son funciones uniformemente continuas en $A \subseteq \mathbb{R}$ y ambas están acotadas en $A$, entonces $f \cdot g$ es uniformemente continua en $A$.

Más adelante…

En las siguientes entradas complementaremos el estudio de las funciones continuas revisando propiedades específicas relacionas con las funciones monótonas. Adicionalmente, responderemos una pregunta que surge de forma muy natural: si $f$ es una función continua, ¿qué sucede con su inversa?

Entradas relacionadas