9 Teoremas de la función inversa e implícita

Teorema II.11 (de la funcion inversa).

Sean UU un subconjunto abierto de ℝn\mathbb{R}^{n}, y f:U→ℝnf\colon U\to\mathbb{R}^{n} una aplicacion de clase C1C^{1} en UU. Supongamos que detDf(a)≠0detDf(a)\neq 0 (es decir Df(a)Df(a) es invertible). Entonces ff es localmente invertible en un entorno de aa, con inversa de clase C1C^{1}. Es decir, existen VV entorno abierto de aa, WW entorno abierto de b=f(a)b=f(a) tales que f|V:V→Wf|_{V}\colon V\to W es biyectiva, y f−1:W→Vf^{-1}\colon W\to V es diferenciable en bb. Ademas, si f∈Cp(U,ℝn)f\in C^{p}(U,\mathbb{R}^{n}) entonces f−1∈Cp(W,ℝn)f^{-1}\in C^{p}(W,\mathbb{R}^{n}). Por ultimo, la derivada de f−1f^{-1} en y=f(x)y=f(x) es la inversa de la aplicacion lineal Df(x)Df(x), es decir,

Df−1(y)=[Df(x)]−1Df^{-1}(y)=[Df(x)]^{-1}

Si 𝔏(ℝn,ℝn)\mathfrak{{L}}(\mathbb{R}^{n},\mathbb{R}^{n}) es el espacio de las aplicaciones lineales de ℝn\mathbb{R}^{n} en ℝn\mathbb{R}^{n}, denotaremos por GL(ℝn)GL(\mathbb{R}^{n}) al conjunto de todas las aplicaciones lineales invertibles de ℝn\mathbb{R}^{n} en ℝn\mathbb{R}^{n}, a este conjunto se le llama el grupo lineal general. Asi, GL(ℝn)={A∈𝔏(ℝn,ℝn):detA≠0}GL(\mathbb{R}^{n})=\left\{A\in\mathfrak{{L}}(\mathbb{R}^{n},\mathbb{R}^{n})% \colon detA\neq 0\right\}.

Proposición II.10.

El conjunto GL(ℝn)GL(\mathbb{R}^{n}) es abierto en el espacio 𝔏(ℝn,ℝn)\mathfrak{{L}}(\mathbb{R}^{n},\mathbb{R}^{n}) y la aplicacion 𝔍:GL(ℝn)→GL(ℝn)\mathfrak{{J}}\colon GL(\mathbb{R}^{n})\to GL(\mathbb{R}^{n}) definida por

A→𝔍(A)=A−1A\to\mathfrak{{J}}(A)=A^{-1}

es de clase C∞C^{\infty}.

Demostración.

No demostrado. ∎

Teorema II.12.

Sean UU un abierto de un espacio de Banach EE, y f:U→Ef\colon U\to E una aplicacion contractiva (es decir, ∥f(x)−f(y)∥≤K∥x−y∥\left\lVert f(x)-f(y)\right\rVert\leq K\left\lVert x-y\right\rVert para todo x,y∈Ux,y\in U, donde KK es una constante tal que 0<K<10<K<1). Entonces la aplicacion g:x→x+f(x)g\colon x\to x+f(x), es un homeomorfismo de UU sobre un abierto VV de EE, y la aplicacion h:y→y−g−1(y)h\colon y\to y-g^{-1}(y) es K/(1−K)K/(1-K)-Lipschitz de VV en EE.

Demostración.

Veamos primero que gg es inyectiva y g−1g^{-1} es 11−K−\frac{1}{1-K}-Lipschitz. En efecto, para todos x,x′∈Ux,x^{\prime}\in U se tiene

∥g(x)−g(x′)∥\displaystyle\left\lVert g(x)-g(x^{\prime})\right\rVert
=∥(x−x′)−(−f(x)+f(x′))∥≥∥x−x′∥−∥f(x)−f(x′)∥\displaystyle{}=\left\lVert(x-x^{\prime})-(-f(x)+f(x^{\prime}))\right\rVert% \geq\left\lVert x-x^{\prime}\right\rVert-\left\lVert f(x)-f(x^{\prime})\right\rVert
≥∥x−x′∥−K∥x−x′∥=(1−K)∥x−x′∥.\displaystyle{}\geq\left\lVert x-x^{\prime}\right\rVert-K\left\lVert x-x^{% \prime}\right\rVert=(1-K)\left\lVert x-x^{\prime}\right\rVert\mathchar 46\relax

lo que muestra que gg es inyectiva (si g(x)=g(x′)g(x)=g(x^{\prime}), 0≥(1−K)∥x−x′∥0\geq(1-K)\left\lVert x-x^{\prime}\right\rVert, luego x=x′x=x^{\prime}) y g−1:g(U)→Ug^{-1}\colon g(U)\to U es 11−K\frac{1}{1-K}-Lipschitz (∥g−1(y)−g−1(y)∥=∥g−1∥=∥g−1(g(x))−g−1(g(x))∥=∥x−x′∥≤11−K∥g(x)−g(x′)∥=11K∥y−y′∥\left\lVert g^{-1}(y)-g^{-1}(y)\right\rVert=\left\lVert g^{-1}\right\rVert=% \left\lVert g^{-1}(g(x))-g^{-1}(g(x))\right\rVert=\left\lVert x-x^{\prime}% \right\rVert\leq\frac{1}{1-K}\left\lVert g(x)-g(x^{\prime})\right\rVert=\frac{% 1}{\frac{1}{K}}\left\lVert y-y^{\prime}\right\rVert).

Veamos ahora que V=g(U)V=g(U) es abierto. Sea b=g(a)∈V=g(U)b=g(a)\in V=g(U). Como UU es abierto existe r>0r>0 tal que B¯(a,r)⊂U\overline{B}(a,r)\subset U. Pongamos s≔(1−K)rs\coloneqq(1-K)r, y veamos que B(b,s)⊂VB(b,s)\subset V, lo que permitira concluir que VV es abierto. Si y∈B(b,(1−K)r)y\in B(b,(1-K)r) entonces, para todo x∈B¯(a,r)x\in\overline{B}(a,r) tenemos que

∥y−f(x)−a∥\displaystyle\left\lVert y-f(x)-a\right\rVert
≤∥y−b∥+∥b−a−f(x)∥=\displaystyle{}\leq\left\lVert y-b\right\rVert+\left\lVert b-a-f(x)\right\rVert=
=∥y−b∥+∥a+f(a)−a−f(x)∥≤\displaystyle{}=\left\lVert y-b\right\rVert+\left\lVert a+f(a)-a-f(x)\right\rVert\leq
≤∥y−b∥+K∥a−x∥≤(1−K)r+Kr=r,\displaystyle{}\leq\left\lVert y-b\right\rVert+K\left\lVert a-x\right\rVert% \leq(1-K)r+Kr=r,

es decir, y−f(x)∈B¯(a,r)y-f(x)\in\overline{B}(a,r). Por tanto la aplicacion φ:x↦y−f(x)\varphi\colon x\mapsto y-f(x) lleva la bola cerrada B¯(a,r)\overline{B}(a,r) dentro de si misma, y puesto que

∥φ(x)−φ(x′)∥=∥f(x)−f(x′)∥≤K∥x−x′∥\left\lVert\varphi(x)-\varphi(x^{\prime})\right\rVert=\left\lVert f(x)-f(x^{% \prime})\right\rVert\leq K\left\lVert x-x^{\prime}\right\rVert

resulta que φ:B¯(a,r)→B¯(a,r)\varphi\colon\overline{B}(a,r)\to\overline{B}(a,r) es una aplicacion contractiva del espacio metrico completo B¯(a,r)\overline{B}(a,r) en si mismo (teorema 4.16). Entonces, por el teorema del punto fijo φ\varphi tiene un unico punto fijo xyx_{y}, que satisface por tanto xy=y−f(xy)x_{y}=y-f(x_{y}), es decir, y=g(xy)y=g(x_{y}), lo que muestra que y∈g(B¯(a,r))⊂g(U)=Vy\in g(\overline{B}(a,r))\subset g(U)=V.

Notese que este argumento tambien prueba que g−1(y)=xyg^{-1}(y)=x_{y}, donde xyx_{y} es el unico punto fijo de la aplicacion contractiva φ=φy:x↦y−f(x)\varphi=\varphi_{y}\colon x\mapsto y-f(x).

Veamos que por ultimo que hh es K/(1−K)K/(1-K)-Lipschitz. Sea y=g(x)y=g(x). Entonces x=y−f(x)x=y-f(x), luego h(y)=y−g−1(y)=y−x=f(x)h(y)=y-g^{-1}(y)=y-x=f(x). Es decir, h(y)=f(g−1(y))h(y)=f(g^{-1}(y)). Como ff es KK-Lipschitz y g−1g^{-1} es 1/(1−K)1/(1-K)-Lipschitz se deduce inmediatamente que la composicion h=f∘g−1h=f\circ g^{-1} es K/(1−K)K/(1-K)-Lipschitz, pues

∥h(y)−h(y′)∥≤∥f(g−1(y))−f(g−1(y′))∥≤K∥g−1(y)−g−1(y′)∥≤K1−K∥y−y′∥.\left\lVert h(y)-h(y^{\prime})\right\rVert\leq\left\lVert f(g^{-1}(y))-f(g^{-1% }(y^{\prime}))\right\rVert\leq K\left\lVert g^{-1}(y)-g^{-1}(y^{\prime})\right% \rVert\leq\frac{K}{1-K}\left\lVert y-y^{\prime}\right\rVert\mathchar 46\relax

∎

Una vez hemos visto estos teoremas auxiliares, vemos la demostracion del teorema de la funcion inversa:

Demostración.

Sea LL la inversa de Df(a)Df(a). La aplicacion g:U→ℝng\colon U\to\mathbb{R}^{n} definida por

g(x)=L∘f(x)−x,g(x)=L\circ f(x)-x,

es de clase C1C^{1} (composicion de funciones diferenciables e identidad) y su derivada es, aplicando la regla de la cadena,

Dg(x)=L∘Df(x)−I;Dg(x)=L\circ Df(x)-I;

en particular se tiene Dg(a)=0Dg(a)=0 (porque LL se define como la inversa de Df(x)Df(x) en aa, luego Dg(a)=I−I=0Dg(a)=I-I=0), y como DgDg es continua (son continuas cada una de las derivadas parciales) existe r>0r>0 tal que B(a,r)⊂UB(a,r)\subset U y ∥Dg(x)∥≤12\left\lVert Dg(x)\right\rVert\leq\frac{1}{2} para todo x∈B(a,r)x\in B(a,r), luego, por la desigualdad del valor medio (Corolario 10.3.),

∥g(x)−g(x′)∥≤12∥x−x′∥\left\lVert g(x)-g(x^{\prime})\right\rVert\leq\frac{1}{2}\left\lVert x-x^{% \prime}\right\rVert

para todos x,x′∈B(a,r)x,x^{\prime}\in B(a,r). Entonces, en la bola B(a,r)B(a,r), la aplicacion L∘fL\circ f es la suma de la identidad y la aplicacion 12\frac{1}{2}-Lipschitz gg. Por el teorema anterior resulta que L∘fL\circ f es un homeomorfismo de B(a,r)B(a,r) sobre el abierto W=L−1(A)=Df(a)(A)W=L^{-1}(A)=Df(a)(A) de ℝn\mathbb{R}^{n}.

Veamos ahora que f−1f^{-1} es diferenciable en b=f(a)b=f(a), con Df−1(b)=Df(a)−1Df^{-1}(b)=Df(a)^{-1}. Sea 1>ϵ>01>\epsilon>0. Como DgDg es continua, existe ρ∈(0,r)\rho\in(0,r) tal que ∥Dg(x)∥≤ϵ\left\lVert Dg(x)\right\rVert\leq\epsilon para todo x∈B(a,ρ)x\in B(a,\rho). En particular gg es ϵ\epsilon-Lipschitz en B(a,ρ)B(a,\rho), y otra vez por el teorema anterior, sabemos que (L∘f)−1=f−1∘L−1(L\circ f)^{-1}=f^{-1}\circ L^{-1} es, sobre el abierto Wp=L∘f(B(a,ρ))W_{p}=L\circ f(B(a,\rho)) (que es entorno de L(b)L(b)), la suma de la identidad y de una funcion ϵ1−ϵ\frac{\epsilon}{1-\epsilon}-Lipschitz. Asi, para todo y∈Wpy\in W_{p} tendremos que

∥(L∘f)−1(y)−y⏟h(y)−((L∘f)−1(L(b))−L(b))⏟h(L(b))∥≤ϵ1−ϵ∥y−L(b)∥\left\lVert\underbrace{(L\circ f)^{-1}(y)-y}_{h(y)}-\underbrace{((L\circ f)^{-% 1}(L(b))-L(b))}_{h(L(b))}\right\rVert\leq\frac{\epsilon}{1-\epsilon}\left% \lVert y-L(b)\right\rVert

es decir

∥(L∘f)−1(y)−(L∘f)−1(L(b))−(y−L(b))∥≤ϵ1−ϵ∥y−L(b)∥\left\lVert(L\circ f)^{-1}(y)-(L\circ f)^{-1}(L(b))-(y-L(b))\right\rVert\leq% \frac{\epsilon}{1-\epsilon}\left\lVert y-L(b)\right\rVert

para todo yy en el entorno WpW_{p} de L(b)L(b). Como lı´mϵ→0ϵ1−ϵ=0\mathop{\operator@font l\acute{{\imath}}m}\limits_{\epsilon\to 0}\frac{% \epsilon}{1-\epsilon}=0, esto implica que (L∘f)−1(L\circ f)^{-1} es diferenciable en L(b)L(b), y su diferencial en este punto es la identidad. Entonces, por la regla de la cadena, f−1=(L∘f)−1∘Lf^{-1}=(L\circ f)^{-1}\circ L es diferenciable en bb, con diferencial Df−1(b)=I∘L=L=Df(a)−1Df^{-1}(b)=I\circ L=L=Df(a)^{-1}.

La demostracion de que si f∈Cp(V)f\in C^{p}(V) entonces f−1∈Cp(W)f^{-1}\in C^{p}(W) no la vemos. ∎

Definición II.8.

Sean VV y WW abiertos en dos espacios vectoriales de dimension finita. Se dice que f:V→Wf\colon V\to W es un difeomorfismo de clase CpC^{p} si ff es una biyeccion de VV en WW y tanto f:V→Wf\colon V\to W como f−1:W→Vf^{-1}\colon W\to V son diferenciables de clase CpC^{p}. En este caso se dice tambien que UU y VV son difeomorfos.

Notacion: Sea F:U×V⊆ℝn×ℝm→ℝkF\colon U\times V\subseteq\mathbb{R}^{n}\times\mathbb{R}^{m}\to\mathbb{R}^{k}. Si la funcion parcial

Fx:V⊆ℝm→ℝk,y↦F(x,y)F_{x}\colon V\subseteq\mathbb{R}^{m}\to\mathbb{R}^{k},y\mapsto F(x,y)

es diferenciable, denotaremos su diferencial por

∂F∂y=∂[F1,…,Fk]∂[y1,…,ym].\frac{\partial F}{\partial y}=\frac{\partial[F_{1},\ldots,F_{k}]}{\partial[y_{% 1},\ldots,y_{m}]}\mathchar 46\relax
Teorema II.13 (de la funcion implicita).

Sea AA un subconjunto abierto de ℝn×ℝm\mathbb{R}^{n}\times\mathbb{R}^{m} y sea F:A→ℝmF\colon A\to\mathbb{R}^{m} una funcion de clase CpC^{p}. Supongamos que F(a,b)=0F(a,b)=0 y que

det(∂F∂y(a,b))≠0\det(\frac{\partial F}{\partial y}(a,b))\neq 0

Entonces existen UU entorno abierto de aa en ℝn\mathbb{R}^{n}, VV entorno abierto de bb en ℝm\mathbb{R}^{m}, y una unica funcion φ:U→V\varphi\colon U\to V tal que

F(x,φ(x))=0F(x,\varphi(x))=0

para todo x∈Ux\in U. Ademas, φ\varphi es de clase CpC^{p}, y satisface que

∂F∂x+∂F∂y∂φ∂x=0, es decir,∂Fi∂xj+∂Fi∂yk∂φk∂xj=0,\frac{\partial F}{\partial x}+\frac{\partial F}{\partial y}\frac{\partial% \varphi}{\partial x}=0,\text{ es decir},\frac{\partial F_{i}}{\partial x_{j}}+% \frac{\partial F_{i}}{\partial y_{k}}\frac{\partial\varphi_{k}}{\partial x_{j}% }=0,

o, en terminos de matrices,

(∂φ1∂x1⋯∂φ1∂xn⋮⋱⋮∂φm∂x1⋯∂φm∂xm)=−(∂F1∂y1⋯∂F1∂ym⋮⋱⋮∂Fm∂y1⋯∂Fm∂ym)−1(∂F1∂x1⋯∂F1∂xn⋮⋱⋮∂Fm∂x1⋯∂Fm∂xn)\begin{pmatrix}\frac{\partial\varphi_{1}}{\partial x_{1}}&\cdots&\frac{% \partial\varphi_{1}}{\partial x_{n}}\\ \vdots&\ddots&\vdots\\ \frac{\partial\varphi_{m}}{\partial x_{1}}&\cdots&\frac{\partial\varphi_{m}}{% \partial x_{m}}\\ \end{pmatrix}=-\begin{pmatrix}\frac{\partial F_{1}}{\partial y_{1}}&\cdots&% \frac{\partial F_{1}}{\partial y_{m}}\\ \vdots&\ddots&\vdots\\ \frac{\partial F_{m}}{\partial y_{1}}&\cdots&\frac{\partial F_{m}}{\partial y_% {m}}\\ \end{pmatrix}^{-1}\begin{pmatrix}\frac{\partial F_{1}}{\partial x_{1}}&\cdots&% \frac{\partial F_{1}}{\partial x_{n}}\\ \vdots&\ddots&\vdots\\ \frac{\partial F_{m}}{\partial x_{1}}&\cdots&\frac{\partial F_{m}}{\partial x_% {n}}\\ \end{pmatrix}
Ejemplo II.15.

F(x,y)=x2+y2−1F(x,y)=x^{2}+y^{2}-1. Si a=22a=\frac{\sqrt{2}}{2} y b=22b=\frac{\sqrt{2}}{2}, F(a,b)=0F(a,b)=0…

Demostración.

Vamos a aplicar el teorema de la funcion inversa a la funcion f:A⊆ℝn×ℝm→ℝn×ℝmf\colon A\subseteq\mathbb{R}^{n}\times\mathbb{R}^{m}\to\mathbb{R}^{n}\times% \mathbb{R}^{m} definida por

f(x,y)=(x,F(x,y))f(x,y)=(x,F(x,y))

La ecuacion F(x,y)=0F(x,y)=0 equivale pues a la ecuacion f(x,y)=(x,0)f(x,y)=(x,0). Se tiene que f(a,b)=(a,0)f(a,b)=(a,0) y la diferencial de ff en (a,b)(a,b) viene dada por

(I0∂F∂x∂F∂y)\begin{pmatrix}I&0\\ \frac{\partial F}{\partial x}&\frac{\partial F}{\partial y}\\ \end{pmatrix}

donde II es la matriz identidad. Es decir,

Df(a,b)(h,k)=(h,∂F∂x(a,b)(h)+∂F∂y(a,b)(k))Df(a,b)(h,k)=(h,\frac{\partial F}{\partial x}(a,b)(h)+\frac{\partial F}{% \partial y}(a,b)(k))

para todo (h,k)∈ℝn×ℝm(h,k)\in\mathbb{R}^{n}\times\mathbb{R}^{m}. Si Df(a,b)(h,k)=0Df(a,b)(h,k)=0 entonces h=0h=0 y ∂F∂y(a,b)(k)=0\frac{\partial F}{\partial y}(a,b)(k)=0, luego (al ser ∂F∂y(a,b)\frac{\partial F}{\partial y}(a,b) invertible) tambien k=0k=0. Esto muestra que Df(a,b)Df(a,b) es invertible. Podemos aplicar entonces el teorema de la funcion inversa a ff: existe Ω\Omega entorno abierto de (a,b)(a,b) en AA tal que f:Ω→f(Ω)f\colon\Omega\to f(\Omega) es un difeomorfismo de clase CpC^{p}. Sean U0U_{0} entorno abierto de aa y V0V_{0} entorno abierto de bb tales que U0×V0⊂ΩU_{0}\times V_{0}\subset\Omega. Entonces f(U0×V0)f(U_{0}\times V_{0}) es abierto en ℝn×ℝm\mathbb{R}^{n}\times\mathbb{R}^{m} y para todo (x,y)∈U0×V0(x,y)\in U_{0}\times V_{0} se tiene que

F(x,y)=0⇔f(x,y)=(x,0)⇔(x,y)=f−1(x,0)F(x,y)=0\iff f(x,y)=(x,0)\iff(x,y)=f^{-1}(x,0)

Notese que, como ff es de la forma f(x,y)=(x,F(x,y))f(x,y)=(x,F(x,y)) (es decir, su primera funcion coordenada es la proyeccion (x,y)→x(x,y)\to x), entonces f−1f^{-1} es tambien de la forma f−1(u,v)=(u,ψ(u,v))f^{-1}(u,v)=(u,\psi(u,v)), para alguna funcion ψ:f(U0×V0)→ℝm\psi\colon f(U_{0}\times V_{0})\to\mathbb{R}^{m} de clase CpC^{p}.

Definamos U={x∈ℝn:(x,0)∈f(U0×V0)}U=\left\{x\in\mathbb{R}^{n}\colon(x,0)\in f(U_{0}\times V_{0})\right\}. Es inmediato que UU es abierto (se tiene que U=f−1(f(U0×V0))U=f^{-1}(f(U_{0}\times V_{0})), donde la inyeccion j:x→(x,0)j\colon x\to(x,0) es continua) y es no vacio puesto que (a,0)∈f(U0×V0)(a,0)\in f(U_{0}\times V_{0}), es decir a∈Ua\in U. Sea φ:U→ℝm\varphi\colon U\to\mathbb{R}^{m} la aplicacion definida por

φ(x)=ψ(x,0),\varphi(x)=\psi(x,0),

que es claramente de clase CpC^{p} sobre el abierto UU. Para cada x∈Ux\in U se tiene (x,φ(x))=f−1(x,0)∈U0×V0(x,\varphi(x))=f^{-1}(x,0)\in U_{0}\times V_{0}, y en particular x∈U0x\in U_{0}, φ∈V0\varphi\in V_{0}. Luego φ\varphi lleva UU en V≔V0V\coloneqq V_{0}. En conclusion, para todo (x,y)∈U×V(x,y)\in U\times V se tiene que

F(x,y)=0⇔(x,y)=f−1(x,0)=(x,φ(x))⇔y=φ(x)F(x,y)=0\iff(x,y)=f^{-1}(x,0)=(x,\varphi(x))\iff y=\varphi(x)

Finalmente, diferenciando la aplicacion x↦F(x,φ(x))x\mapsto F(x,\varphi(x)), que es constante en UU, obtenemos que

0\displaystyle 0
=∂F∂x(x,φ(x))∘I+∂F∂y(x,φ(x))∘φ′(x)=\displaystyle{}=\frac{\partial F}{\partial x}(x,\varphi(x))\circ I+\frac{% \partial F}{\partial y}(x,\varphi(x))\circ\varphi^{\prime}(x)=
=∂F∂x(x,φ(x))+∂F∂y(x,φ(x))∘φ′(x)=\displaystyle{}=\frac{\partial F}{\partial x}(x,\varphi(x))+\frac{\partial F}{% \partial y}(x,\varphi(x))\circ\varphi^{\prime}(x)=
=∂F∂x(x,y)+∂F∂y(x,y)∘φ′(x)\displaystyle{}=\frac{\partial F}{\partial x}(x,y)+\frac{\partial F}{\partial y% }(x,y)\circ\varphi^{\prime}(x)

lo que determina la demostracion del teorema. ∎