Cap

1
Pr ologo
Estamos ofreciendo al lector notas del curso Metodos Matematicos
del Departamento de Matematicas del CINVESTAVIPN. El material es
en realidad una compilacion de los libros sobre matematicas aplicadas que
ahora existen en ingles en una gran cantidad. Sin embargo, estos libros se
caracterizan por un gran n umero de ejemplos fsicos y ausencia casi total
de demostraciones de los hechos matematicos mas sutiles pero fundamen-
tales. Por eso decidimos no incluir aplicaciones (un lector interesado puede
encontrarlas en los libros mencionados), y presentar un texto autoconsis-
tente que incluye las demostraciones de todas las armaciones mencionadas.
Claro que unos hechos de algebra lineal y analisis real (p.ej., la integral de
Lebesgue) tienen que ser conocidos por el lector. No incluimos el mate-
rial correspondiente a las ecuaciones en derivadas parciales pues este tema
merece un curso especial y una descripcion introductoria puede ser encon-
trada en cualquier libro ecuaciones de fsica matematica.
Captulo 1.
Espacios lineales
En este captulo vamos a recordar deniciones basicas correspondien-
tes a espacios lineales y propiedades de funcionales y operadores linea-
les en espacios de dimension nita. Aunque el lector, sin duda, conoce
la parte mayor del material de este captulo, vamos a incluir todas las
demostraciones pues muchas de ellas tienen analogos directos en el caso de
dimension innita que es del interes principal para nosotros.
1.1 Espacios vectoriales y ortonormalidad
A. Deniciones basicas. Denicion 1. Un conjunto / de los elemen-
tos x, y, z, ... se llama un espacio vectorial real (complejo) si las siguientes
condiciones son satisfechas:
1o. A cada par de vectores (es decir, elementos) x, y corresponde un vector
x +y /, que se llama la suma de x y y, con las propiedades
a. x +y = y +x x, y
b. x + (y +z) = (x +y) +z x, y, z
c. existe un vector unico que se denota 0 tal que x + 0 = x x
d. a cada vector x corresponde un vector (x) tal que x+(x) = 0.
2o. A cada vector x y cualquier n umero real (complejo) corresponde
un vector x / tal que
a. (x) = ()x , , x
b. ( +)x = x +x , , x
c. (x +y) = x +y , y, x
d. 1x = x.
2
1.1. ESPACIOS VECTORIALES Y ORTONORMALIDAD 3
Ejercicio. Muestre que 0x = 0, (1)x = x, y que el elemento (x) es
unico.
En lo que sigue, un espacio, por la mayora, signica un espacio complejo
(si no hay una indicacion especial).
Denicion 2. Sea / un espacio vectorial, entonces
1o. El vector x se llama una combinacion lineal de los vectores x
1
, ..., x
k
/ si existen n umeros
1
, ...,
k
tales que x =
1
x
1
+... +
k
x
k
.
2o. Los vectores x
1
, ..., x
k
se llaman dependientes si existen n umeros
1
, ...,
k
,
no todos ceros, tales que
1
x
1
+
2
x
2
+... +
k
x
k
= 0. ()
3o. Si () puede ser satisfecho solo para
1
= ... =
k
= 0, entonces
el conjunto x
j
, j = 1, ..., k se llama un conjunto independiente,
y los vectores x
j
se llaman independientes. Un conjunto denume-
rable x
j
, j = 1, ... se llama independiente si los conjuntos nitos
x
j
n
, j M, donde M es un conjunto nito de los ndices, todos son
independientes.
Denicion 3. Un espacio vectorial / es ndimensional si existen n vec-
tores independientes, pero todos los conjuntos de n+1 vectores son depen-
dientes.
Denicion 4. Un conjunto de vectores e
1
, ...e
k
, ... se llama una base de /
si
1o. e
1
, ..., e
k
, ... son independientes
2o. cada vector x / tiene la representacion
x =
1
e
1
+... +
k
e
k
+...,
j
C. ()
Observaci on. La nocion de la serie innita en () tiene sentido solo si
hay la nocion de convergencia en un espacio; introduciremos esa nocion
4
mas adelante, y por el momento vamos a considerar bases en espacios de
dimension nita.
Teorema 1. Sea / un espacio ndimensional, entonces cada conjunto
e
1
, ..., e
n
de vectores independientes forma una base.
Demostracion. Sea x /, entonces existen los n umeros ,
1
, ...,
n
tales
que x+
1
e
1
+... +
n
e
n
= 0, donde ,= 0 (seg un la denicion del espacio
ndimensional y el hecho de que e
1
, ..., e
n
son independientes). De aqu
tenemos x =
n
1
(
i
/)e
i
, q.e.d.
Ejemplos.
1. Espacios R
n
o C
n
de ntuples x = (
1
, ...,
n
), donde
i
R(o C).
La suma es dada por la formula x + y = (
1
+
1
, ...,
n
+
n
), donde
y = (
1
, ...,
n
); el producto por x = (
1
, ...,
n
); el elemento cero
es (0, ..., 0); el elemento (x) = (
1
, ...,
n
). Cualquier conjunto
de n vectores independientes forma una base; p.ej., los siguientes
conjuntos son bases:
e
1
= (1, 0, ..., 0), e
2
= (0, 1, 0, ..., 0), e
n
= (0, 0, ..., 1);
e
1
= (1, 0, ..., 0), e
2
= (1, 1, 0, ..., 0), e
n
= (1, 1, ..., 1).
2. El conjunto de las combinaciones lineales de n funciones continuas en
el intervalo [a, b] : f(t) =
1
f
1
+ ... +
n
f
n
. La suma y el producto
son dados por las formulas f(t) +g(t), f(t).
3. El conjunto de todas funciones continuas en [a, b]; este espacio se
denota C[a, b]. Tiene la dimension innita, porque el conjunto de
potencias, t
n
, n = 0, 1, ..., forma un conjunto independiente. En
efecto, si P
n
=
0
+
1
t + ... +
n
t
n
0, entonces (suponiendo que
0 [a, b])P
n
(0) =
0
= 0; calculando la derivada tenemos
1
= 0,
etc.
B. Espacios metricos, espacios normados, espacios con producto
escalar.
Denicion 5. Un conjunto de los elementos x, y, z, ... se llama un espacio
metrico si a cada par x, y corresponde un n umero real d(x, y) (la metrica)
tal que
1. d(x, y) = d(y, x)
2. d(x, y) 0 y d(x, y) = 0 x = y
3. d(x, z) d(x, y) +d(y, z) (la desigualdad de triangulo).
Denicion 6. La sucesion x
k
converge al elemento x si
d(x
k
, x) 0 cuando k .
Denicion 7. La sucesion x
k
se llama una sucesion de Cauchy si >
0 N : d(x
m
, x
p
) m, p > N.
Teorema 2. Cada sucesion convergente es una sucesion de Cauchy.
Demostracion. Sea x = lim
k
x
k
, entonces existe un N tal que d(x
n
, x)
/2 para todos n > N y > 0. Seg un la desigualdad de triangulo, para
m, p > N tenemos
d(x
m
, x
p
) d(x
m
, x) +d(x, x
p
) /2 +/2 = , q.e.d.
Claro que no cada sucesion de Cauchy converge a un elemento del espa-
cio metrico. Por ejemplo, el intervalo abierto (0, 1) contiene la sucesion
de Cauchy x
k
= 1/k, pero el lmite no pertence al espacio (en este caso
d(x, y) = [x y[).
Denicion 8. Un espacio metrico se llama completo si cada sucesion de
Cauchy converge a un elemento del espacio.
Ejemplos.
1. R
1
, d(x, y) = [x y[. Es completo seg un el teorema de Bolzano
Weierstrass.
2. C
1
, d(x, y) = [x y[. Tambien es completo.
3. R
n
o C
n
, d(x, y) = [[
1

1
[
2
+ ... + [
n

n
[
2
]
1/2
. La desigualdad
de triangulo es una consecuencia de la desigualdad de Schwarz (ver
espacios con producto escalar).
6
4. El conjunto C[a, b], d(x, y) = max
[a,b]
[x(t) y(t)[. Es completo por un
teorema de calculo (el lmite de una sucesion de funciones contnuas
que converge uniformemente es continuo).
5. El mismo conjunto con la metrica
d
1
(x, y) =
_
_
b
a
[x(t) y(t)[
2
dt
_
1/2
.
No es completo. En efecto, la sucesion
f
n
(t) =
_
_
1, t 1/n
nt, 1/n t 1/n
1, t 1/n
es, obviamente, una sucesion de Cauchy con respecto a d
1
, pero con-
verge a la funcion f(t) = sign t, y la ultima no es continua.
6. El conjunto de funciones integrables de cuadrado en el sentido de
Lebesgue sobre el intervalo [a, b]. Se denota L
2
[a, b]; la metrica d
1
(x, y)
convierte este conjunto en un espacio completo seg un las propiedades
de la integral de Lebesgue. Para nuestra comodidad, indiquemos al-
gunas de ellas que vamos a usar en lo que sigue (ver, p.ej., [1]).
Propiedades de la integral de Lebesgue.
1o. Denicion. Dicen que el conjunto de los n umeros de R
n
es de medida
cero si para todo > 0 este conjunto puede ser cubierto por regiones
abiertas cuyo volumen es menor que .
2o. Si la funcion f es Riemannintegrable, entonces es Lebesgueintegra-
ble y las integrales son identicas. (Aqu entendemos la integrabili-
dad de f como la integrabilidad propia. En el caso cuando existe
la integral impropia de f y n = 1, es necesario tambien que f sea
absolutamente integrable).
3o. Si existen
_
fdt y
_
gdt, entonces
_
fdt =
_
fdt, C, y
_
(f +g)dt =
_
fdt +
_
gdt.
4o. Si existen
_
[f[
2
dt y
_
[g[
2
dt, entonces existen
_
fgdt y
_
[f +g[
2
dt.
5o. Si f = g casi siempre (es decir, para todos t sin un conjunto de medida
cero), entonces
_
(f g)dt = 0 y
_
(f g)
2
dt = 0.
6o. El teorema de Lebesgue. Sea f
n
una sucesion de funciones inte-
grables tal que f
n
f c.s. (casi siempre) y [f
n
[ g para toda n,
donde g es integrable. Entonces f es integrable y
lim
n
_
b
a
f
n
dt =
_
b
a
fdt.
7o. L
2
[a, b] es completo.
8o. Para toda f L
2
existe g
C tal que d
1
(f, g
) , donde > 0 es
cualquier n umero. Es decir, C es denso en L
2
. Lo mismo es valido
para la metrica d
2
(f, g) =
_
b
a
[f g[dt.
9o. [f(t, g)[ es integrable sobre [a, b] [c, d] si y solo si existe una de dos
integrales iteradas
_
[a,b]
_
_
[c,d]
[f[ds
_
dt o
_
[c,d]
_
_
[a,b]
[f[dt
_
ds.
Si f es integrable, entonces
_
fdtds =
_ __
fdt
_
ds =
_ __
fds
_
dt.
La ultima propiedad se llama el teorema de Fubini.
Denicion 9. Espacio lineal normado es un espacio / con la operacion
/ x |x| R
1
tal que
1. |x| 0, |x| = 0 x = 0
2. |x| = [[|x| C
3. |x
1
+x
2
| |x
1
| +|x
2
|.
8
Si en un espacio lineal tenemos una norma |x|, y denamos |x y| =
d(x, y), entonces d(x, y) es una metrica; esa metrica se llama la metrica
natural. Al reves, si tenemos una metrica d(x, y) e intentamos denir la
norma por |x| = d(x, 0), no siempre vamos a obtener una norma verdadera.
Ejemplo. Sea d una metrica tal que
d(x, y) =
_
0, x = y
1, x ,= y
La funcion d(x, 0) = 1 cuando x ,= 0, y, obviamente, no cumple propiedad
2 de la norma.
Una metrica d(x, y) s genera una norma en el caso cuando d(x, y) =
[[d(x, y).
Denicion 10. Espacio lineal normado y completo con respecto a la
metrica natural se llama un espacio de Banach.
Denicion 11. El producto escalar en un espacio real (complejo) es una
funcion real (compleja) de pares ordenadas x, y con propiedades
1. (x, y) = (y, x) ((x, y) = (y, x))
2. (x, y) = (x, y), R ((x, y) = (x, y), C)
3. (x
1
+x
2
, y) = (x
1
, y) + (x
2
, y)
4. (x, x) 0, (x, x) = 0 x = 0.
Teorema 3. Desigualdad de Schwarz.
[(x, y)[
2
(x, x) (y, y).
Demostracion. Consideremos solamente el caso real. Tenemos
0 (x +y, x +y) =
2
(y, y) + 2(x, y) + (x, x).
El determinante de la ultima expresion (con respecto a ) tiene que ser
negativo,
T = (x, y)
2
(x, x)(y, y) 0, q.e.d.
Ejercicio. Muestre que la desigualdad de Schwarz es valida en un espacio
complejo.
Seg un la desigualdad de Schwarz, tenemos
(x +y, x +y) = (x, x) + (y, y) + 2Re(x, y)
(x, x) + (y, y) + 2(x, x)
1/2
(y, y)
1/2
= (x, x)
1/2
+ (y, y)
1/2
2
.
Entonces la funcion (x, x)
1/2
cumple la desigualdad de triangulo y por eso
es una norma. Esa norma |x| = (x, x)
1/2
se llama la norma natural. Un
espacio con producto escalar completo en la norma natural se llama un
espacio de Hilbert.
Denicion 12. x y si (x, y) = 0.
Cuando x y, los vectores x y y satisfacen el teorema de Pitagoras:
|x + y|
2
= |x|
2
+ |y|
2
. En efecto, |x + y|
2
= (x + y, x + y) = (x, x) +
(y, y) + (x, y) + (y, x) = |x|
2
+|y|
2
.
Teorema 4. Si x
1
, ..., x
k
son ortogonales, x
j
,= 0, entonces el conjunto
x
j
es independiente.
Demostracion. Supongamos que
1
x
1
+... +
k
x
k
= 0; multiplicando por
x
i
tenemos
i
|x
i
|
2
= 0, entonces
i
= 0 i, q.e.d.
Denicion 13. La proyecci on de x sobre y, |y| , = 0, es
x
p
= (x, e)e, donde e = y|y|
1
.
Para cada vector x tenemos x = x
p
+z, donde z = xx
p
. Obviamente,
(z, y) = 0.
El proceso de ortogonalizacion de GramSchmidt.
Supongamos que el conjunto de vector es e
1
, ..., e
k
, ... (nito o innito)
es independiente. Construyamos un conjunto de vectores ortonormales, es
decir, ortogonales y tales que sus normas son iguales a uno.
Pongamos
1
= e
1
/|e
1
|,
g
2
= e
2
(e
2
,
1
)
1
,
2
= g
2
/|g
2
|,
10
...
g
k
= e
k

k1
i=1
(e
k
,
i
)
i
,
k
= g
k
/|g
k
|,
...
Obviamente, el conjunto de
k
es ortonormal, y las normas de g
k
no son
ceros porque en el caso contrario tendramos que e
j
son dependientes.
Supongamos que
j
es una base ortonormal en un espacio de di-
mension n. Obviamente,
x =
n
1
(x,
j
)
j
, |x|
2
=
n
1
[
j
[
2
, (x, y) =
n
j

j
,
donde
j
= (x,
j
),
j
= (y,
j
).
Ejemplos.
1. R
n
y C
n
son espacios de Hilbert con el producto escalar (x, y) =
n
i=1
i
.
2. C[a, b] con la norma |f| = max
[a,b]
[f[ es un espacio de Banach, pero
no existe el producto escalar que genera esa norma. En efecto, si la
norma es generada por un producto escalar, entonces
|x+y|
2
+|xy|
2
= 2(|x|
2
+|y|
2
) (la igualdad de paralelogramo) .
Tomemos a = 0, b = 1, x = 1, y = t; la parte izquierda es igual a 5, la
parte derecha, a 4.
3. L
2
[a, b] es un espacio de Hilbert con el producto escalar de la forma
(x, y) =
_
b
a
x ydt.
Ejercicios.
1. Consideremos el espacio C
n
con la norma |x| = max[x
1
[, ..., [x
n
[.
Muestre que eso es un espacio de Banach, pero no existe el producto
escalar que genera esa norma.
2. Muestre que en un espacio con producto escalar
(x, y) =
1
4
[|x +y|
2
|x y|
2
+i|x +iy|
2
|x iy|
2
],
donde la norma es natural.
1.2. TRANSFORMACIONES LINEALES ENESPACIOS DE DIMENSI
ONFINITA.11
1.2 Transformaciones lineales en espacios de di-
mensi on nita.
Supongamos que / es un espacio de Hilbert de dimension n. Considere-
mos otro espacio B, tambien de dimension nita m. La transformacion
lineal T : / x y B es, por la denicion, una funcion de / a B tal
que T(
1
x
1
+
2
x
2
) =
1
Tx
1
+
1
Tx
2
. Cuando B C, T se llama una
funcional lineal, cuando B ,= C, un operador lineal.
Teorema 1. (Riesz). Cada funcional lineal tiene la forma Tx = (x, f),
donde f / es unico.
Demostracion. Tomemos una base ortonormal
j
. Tenemos x =
n
j
, Tx =
n
j
T
j
= (x, f), donde f =
n
1
T
j

j
. Supongamos
que existen dos elementos f, g con la propiedad mencionada. Entonces
(x, f) = (x, g) para toda x. Tomemos x = f g, entonces |f g|
2
= 0 o
f = g, q.e.d.
Ahora consideremos el caso / = B = C
n
. Escojamos una base (no
necesariamente ortonormal) e
1
, ..., e
n
. Sea A un operador lineal de / a
B, entonces x =

i
i
e
i
, y = Ax =

i
i
e
i
. Pero Ax =

i
i
Ae
i
y Ae
j
=
n
i=1
a
ij
e
i
, entonces
y =
i
e
i
= Ax =
i,j
j
a
ij
e
i
o
i
=
j
a
ij
.
Eso signica que cada operador lineal es dado por la matriz (a
ij
), cuyos
elementos son denidos por la accion del operador sobre los elementos de
la base. Esa matriz depende, obviamente, de la base escogida.
Ejemplos.
1. A = 0, Ax = 0 x, a
ij
= 0 en cualquier base.
2. A = I, Ix = x, a
ij
=
ij
=
_
1, i = j
0, i ,= j
3. El operador del roto en el plano R
2
. Su matriz en la base (1,0), (0,1)
es dada por
(a
ij
) =
_
cos sin
sin cos
_
12
donde es el angulo del roto.
Supongamos que tenemos otra base e
t
i
. Cual es la matriz del ope-
rador A en esta base nueva? Tenemos x =

t
i
e
t
i
, y = Ax =

t
i
e
t
i
.
Existe una matriz C = (c
ij
) tal que e
t
i
=
n
j=1
c
ji
e
j
, entonces x =

i
t
i
e
t
i
=
t
i
j
c
ji
e
j
=

i
i
e
i
o
j
=

i
c
ji
t
i
. La igualdad y = Ax se convierte en
i
c
ji
t
i
e
j
=

j
j
Ae
j
=

j
i
c
ji
t
i
k
a
k
j
e
k
. De aqu tenemos A C
t
=
C
t
, donde A es la matriz (a
ij
),
t
,
t
son vectores con elementos
t
i
,
t
i
. La
matriz C, siendo una transformacion que convierte una base en otra, es no
degenerada, y entonces C
1
AC
t
=
t
. Entonces la matriz del operador A
en la base nueva tiene la forma C
1
AC.
Consideremos la igualdad Ax = y como una ecuacion para x con y
dado. Desde este punto de vista, el cambio de la base es un cambio de va-
riables. De aqu surge la siguiente idea: encontrar un cambio de variables
tal que nuestra ecuacion tenga una forma mas simple, por ejemplo, sea dia-
gonal. En este caso la ecuacion Ax = y adquirira la forma C
1
ACx = y,
donde C
1
AC = = diag
1
, ...,
n
, y el sistema de ecuaciones tomara
la forma
i
t
i
=
t
i
, es decir, degenerara en ecuaciones desconectadas y
triviales. Para encontrar la matriz C con esas propiedades, vamos a estudiar
las propiedades espectrales de A.
Denicion 1. Si x ,= 0 es tal que Ax = x, C, entonces (, x) se llama
un eigenpar de A; x es un eigenvector y un eigenvalor.
Obviamente, es un eigenvalor cuando y solo cuando det(AI) = 0.
Teorema 2. Sea A una matriz (n n). Si existen n eigenvectores inde-
pendientes, entonces existe una matriz C tal que C
1
AC es diagonal.
Demostracion. Consideremos la matriz C cuyas columnas son los eigen-
vectores indicados, C = (x
1
, ..., x
n
). Tenemos AC = A(x
1
, ..., x
n
) = (Ax
1
, ..., Ax
n
) =
(
1
x
1
, ...,
n
x
n
) = C, = diag (
1
, ...,
n
), q.e.d.
Ejemplos.
1. A =
_
3 1
1 3
_
,
1
= 2,
2
= 4, x
1
=
_
1
1
_
, x
2
=
_
1
1
_
.
2. A =
_
0 1
0 0
_
,
1,2
= 0, x
1
=
_
1
0
_
y esto es el unico eigenvector.
ONFINITA.13
En este caso no existe la matriz C.
Ejercicio. Encuentre la matriz C para la matriz de roto por el angulo .
Observacion. En el ejemplo 2 la multiplicidad del eigenvalor = 0 como
la raiz de la ecuacion det(AI) = 0 es igual a 2, sin embargo, hay solo un
eigenvector. En el caso general, la multiplicidad de como una raiz de la
ecuacion caracterstica se llama la multiplicidad algebraica, y la dimension
del espacio que cubre los eigenvectores correspondientes a este (es decir,
el n umero de los eigenvectores independientes) se llama la multiplicidad
geometrica.
Teorema 3. Si los eigenvalores
1
, ...,
n
todos son distintos, entonces los
eigenvectores son independientes.
Demostracion. El primer eigenvector x
1
no es cero, y por eso es inde-
pendiente. Supongamos que los primeros k1 vectores son independientes
y k vectores son dependientes, es decir,
1
x
1
+... +
k
x
k
= 0.
Multipliquemos esa igualdad por
k
,
1
x
1
+... +
k
k
x
k
= 0.
Actuemos por A de la izquierda,
1
x
1
+... +
k
k
x
k
= 0.
Sustrayendo la segunda formula de la primera, tenemos
1
(
k

1
)x
1
+... +
k1
(
k

k1
)x
k1
= 0,
pero eso signica que x
1
, ..., x
k1
son dependientes.
Denicion. El operador adjunto A
es un operador tal que (Ax, y) =

(x, A
y) x, y. A es autoadjunto si A = A
.
Ejercicio. Muestre que en una base ortonormal la matriz del operador
adjunto es dada por A
= A
T
.
Teorema 4. Sea A = A
. Entonces
14
1) Im(Ax, x) = 0,
2)
i
son reales,
3) eigenvectores correspondientes a diferentes eigenvalores son ortogo-
nales,
4) eigenvectores forman una base en el espacio,
5) A puede ser diagonalizada, es decir, existe Q tal que Q
1
AQ = ,
donde es diagonal, y este Q cumple Q
= Q
1
(Q es una matriz
unitaria).
Demostracion.
1) (Ax, x) = (x, A
x) = (x, Ax) = (Ax, x), q.e.d.

2) Ax = x, entonces (Ax, x) = (x, x) = (x, x); (x, x) es real y (Ax, x)
es real seg un 1), entonces es real.
3) Sea Ax = x, Ay = y, ,= , entonces
(x, y) = (x, y) = (Ax, y) = (x, Ay) = (x, y) (x, y) = 0.
4) Denicion. La norma |A| del operador A es, por la denicion, el
n umero
|A| = sup
x,=0
|Ax|
|x|
= sup
|x|=1
|Ax|.
Obviamente, en espacios de dimension nita la norma de cualquier
operador lineal existe.
Lema 1. Si A = A
, entonces |A| = sup

|x|=1
[(Ax, x)[.
Demostracion. Seg un la desigualdad de Schwartz
[(Ax, x)[ |Ax||x| |A||x|
2
,
entonces
def
= sup
|x|=1
[(Ax, x)[ |A|. ()
De otro lado, es facil checar que
4Re (Ax, y) = (A(x +y), x +y) (A(x y), x y),
ONFINITA.15
entonces
4[Re (Ax, y)[ |x +y|
2
+|x y|
2
= 2(|x|
2
+|y|
2
)
(aqu usamos la igualdad de paralelogramo). Tomemos |x| = |y| =
1, entonces [Re (Ax, y)[ ; ahora pongamos y = Ax/|Ax| :
[Re (Ax, Ax)
1
|Ax|
[ = |Ax| . ()
De () y () tenemos el lema.
Lema 2. Sea un valor propio de A y A = A
, entonces
m |A|, m = inf
|x|=1
(Ax, x).
Demostracion. Tenemos Ax = x, (Ax, x) = |x|
2
, q.e.d.
Lema 3. Sea A = A
y sea A no negativo, es decir, (Ax, x) 0x.

Entonces |A| es igual al eigenvalor maximal de A.
Demostracion. Seg un Lema 1 |A| = sup
|x|=1
(Ax, x). Pero la funcion
(Ax, x) es suave sobre el compacto |x| = 1 y por eso adquiere un
valor maximal, digamos, en el punto x
0
. Entonces |A| = (Ax
0
, x
0
)
def
= . Tenemos
0 |(AI)x
0
|
2
= |Ax
0
|
2
2(Ax
0
, x
0
) +
2
|x
0
|
2
= |Ax
0
|
2
2
0
porque |Ax
0
|
2
|A|
2
, y de aqu Ax
0
= x
0
, q.e.d.
Lema 4. Los n umeros m y |A| son los eigenvalores minimal y max-
imal de A si A = A
.
Demostracion. Tomemos B = AmI. Claro que B no es negativo
y |B| = |A| m. Entonces existe x
0
tal que Bx
0
= (|A| m)x
0
,
entonces Ax
0
= |A|x
0
, es decir, |A| es un eigenvalor (maximal).
Ahora tomemos B = A, m = sup
|x|=1
(Bx, x), y m es el eigenvalor
maximal de B, es decir, el eigenvalor minimal de A, q.e.d.
16
Usando Lemas 14, demostremos 4).
1
= |A| es el eigenvalor
maximal de A, Ax
1
=
1
x
1
, |x
1
| = 1. Consideremos el espacio
V
1
de los vectores ortogonales a x
1
. El producto escalar en todo
el espacio genera un producto escalar en V
1
, (y, y)
V
1
= (y, y). El
operador A actua de V
1
a V
1
; en efecto, si (x, x
1
) = 0, entonces
(Ax, x
1
) = (x, Ax
1
) =
1
(x, x
1
) = 0. Entonces A es denido en V
1
y es, obviamente, autoadjunto en este espacio. Consecuentemente,
existe x
2
, |x
2
| = 1, x
2
V
1
, tal que Ax
2
=
2
x
2
y
2
= max
x=1
xx
1
(Ax, x).
Repitiendo ese procedimiento n 1 veces, encontraremos n vectores
ortonormales x
1
, x
2
, ..., x
n
que forman una base.
5) La matriz Q que diagonaliza A tiene la forma Q = (x
1
, ..., x
n
). Obvi-
amente, Q
Q = I, q.e.d.
Teorema 5. El principio minimax de Courant. Sea A = A
,
1

2

...
n
sus eigenvalores. Entonces
k
= min
C
max
x=1
Cx=0
(Ax, x), donde Ces una matriz (k 1) n.
Demostracion. Diagonalicemos la matriz A, A = QQ
, =diag
(
1
, ...,
n
). Tomemos (Ax, x) = (QQ
x, x) = (y, y), donde y = Q
x. La
ecuacion Cx = 0 adquiere la forma CQy
def
= By = 0, B = CQ. Denamos
= min
C
max
x=1
Cx=0
(Ax, x) = min
B
max
y=1
By=0
n
i=1
i
[y
i
[
2
()
(|y| = 1 porque Q es unitaria). Tomemos B tal que y
1
= y
2
= ... = y
k1
=
0,
B =
_
_
_
_
_
1 0 ... 0
0 1 ... 0
. . ... .
0 0 ... 1
0
_
_
_
_
_
.
Entonces
max
|y|=1
n
i=k
i
[y
i
[
2
=
k
. ()
Ahora tomemos y
k+1
= ... = y
n
= 0; todava existen y tales que By = 0
y bajo esas restricciones los maximos en () solamente pueden reducirse.
ONFINITA.17
Entonces para tales y
min
B
max
y=1
By=0
k
i=1
i
[y
i
[
2
min
B
max
y=1
By=0
k
k
i=1
[y
i
[
k
( )
De () y ( ) =
k
, q.e.d.
y

A la restriccion de A sobre el espacio denido
por Bx = 0, donde B es una matriz (k n), rang B = k. (

A es un
operador lineal sobre un espacio vectorial de dimension n k, entonces
tiene n k valores propios). Entonces
j

j

j+k
, j = 1, 2, ..., n k,
donde

2
...

nk
son eigenvalores de

A,
1
...
n
son
eigenvalores de A.
Demostracion. Sean x
i
los vectores propios de

A, entonces
j
= max
B
x
= 0
(x, x
i
) = 0
i = 1, 2, . . . , j 1
|x| = 1
(Ax, x).
Pero seg un el principio de Courant, la parte derecha es mayor que o igual a
j+k
, porque Bx = 0 y (x, x
i
) = 0 forman j +k 1 restricciones, es decir,
pueden ser escritos como Cx = 0 donde C es (j +k 1) n. De otro lado,
por Teorema 5,
j
= min
C
max
B
x
= 0
(x, y
i
) = 0
i = 1, 2, . . . , j 1
|x| = 1
(Ax, x) max
B
x
= 0
(x, x
i
) = 0
i = 1, 2, . . . , j 1
|x| = 1
(Ax, x)
max
(x, x
i
) = 0
i = 1, . . . , j 1
|x| = 1
(Ax, x) =
j
,
donde y
i
son las las de la matriz C. De aqu tenemos la armacion.
18
1.3 Alternativa de Fredholm.
Sea A un operador de C
n
a C
m
.
Teorema 7 (unicidad). La solucion de Ax = b (si existe) es unica si y solo
si la solucion de Ax = 0 es x = 0, y esa solucion es unica.
Teorema 8 (existencia). La ecuacion Ax = b tiene una solucion si y solo
si (b, v) = 0 para toda v tal que A
v = 0.
Demostracion. Supongamos que Ax = b puede tener solucion unica.
Entonces Ax = 0 no puede tener mas soluciones que x = 0. Supongamos
que Ax = 0 tiene la unica solucion x = 0, y que Ax = b tiene dos soluciones
x
1
, x
2
. Tenemos A(x
1
x
2
) = 0, entonces x
1
= x
2
. Teorema 7 es probado.
Supongamos que Ax = b tiene una solucion. Entonces (Ax, v) = (b, v),
pero (Ax, v) = (x, A
v) = 0. Supongamos que (b, v) = 0v : A
v = 0
pero Ax = b no tiene soluciones. Consideremos el conjunto Ax para toda
x. Este conjunto, obviamente, es un espacio lineal y se llama el rango del
operador A, R(A) = Axx. Tomemos la proyeccion de b sobre el rango,
b
r
= bb
0
, donde b
0
R(A), (b
0
, Ax) = 0x. Entonces (A
b
0
, x) = 0 y A
b
0
,
siendo un vector ortogonal a todo el espacio C
n
, es cero. Por eso (b, b
0
) = 0
o (b
r
, b
0
) + (b
0
, b
0
) = 0, pero b
r
b
0
y entonces b
0
= 0. Eso signica que
b R(A), es decir, existe un x tal que Ax = b.
Observaci on. Denotemos por N(A
) el n ucleo del operador A
, es decir, el
conjunto de vectores v tales que A
v = 0. Alternativa de Fredholm signica

que el complemento ortogonal de R(A) es N(A
), [R(A)]
= N(A
).
Ejercicio. Pruebe la observacion anterior (ver teorema 23, cap. II).
1.4 El metodo de los cuadrados mnimos y matri-
ces pseudoinversas.
Si existe una solucion de Ax = b, entonces esta solucion realiza el mnimo
de |Axb|. Si la norma es euclideana, es decir, es generada por el producto
escalar, el problema
min
x
|Ax b|
1.4. EL M
ETODODE LOS CUADRADOS M
INIMOS YMATRICES PSEUDOINVERSAS.19

se llama el metodo de cuadrados mnimos, cuya solucion se llama la solucion
aproximada en este sentido. Mostremos que esa solucion aproximada siem-
pre existe. Hagamos la descomposicion de b, b = b
0
+ b
r
, b
r
R(A), b
0

N(A
). Tenemos
|Ax b
0
b
r
|
2
= |Ax b
r
|
2
+|b
0
|
2
|b
0
|
2
,
y el mnimo de la parte izquierda es exactamente |b
0
|
2
porque Ax = b
r
es soluble. Encontremos este x. Ax = b
r
es equivalente a Ax = b b
0
,
es decir, Ax b N(A
), A
Ax = A
b. Chequemos que existe la solucion

de la ecuacion A
Ax = A
b. La solucion existe cuando A
b es ortogonal
a toda v tal que (A
A)
v = 0. Obviamente, (A
A)
= A
A. Entonces
N((A
A)
) = N(A
A). Si v N(A
A), entonces Av N(A
). Pero
Av R(A) y R(A) es ortogonal a N(A
). El unico vector que pertence

simultaneamente a dos espacios mutuamente ortogonales es cero, entonces
Av = 0, y la condicion A
bN((A
A)
) es equivalente a A
bN(A). Esa
ultima condicion es satisfecha porque A
b R(A
) y R(A
)N(A), seg un
la alternativa de Fredholm. Nuestro x es unico si y solo si A
Ax = 0
implica x = 0; la primera igualdad signica que Ax = 0(Ax N(A
) y
Ax R(A)); si la ecuacion Ax = 0 no tiene soluciones no triviales, entonces
A
A es invertible. En este caso x = (A
A)
1
A
b es la solucion aproximada
en el sentido del metodo de los cuadrados mnimos. La matriz (A
A)
1
A
se llama la matriz pseudoinversa de MoorePenrose. En el caso cuando la

ecuacion Av = 0 tiene soluciones no triviales especiquemos la solucion por
la condicion xN(A) o x R(A
). Obviamente, tal x es unico.

Denicion. La matriz pseudoinversa A
t
de A es la matriz que da la
solucion xN(A) del problema A
Ax = A
b, x = A
t
b.
Ejemplo. Sea A =
_
1 1
1/2 1/2
_
.R(A) = const.
_
1
1/2
_
, R(A
) = const.
_
1
1
_
.A
=
_
1 1/2
1 1/2
_
, la ecuacion A
Ax = A
b tiene la forma
_
5/4 5/4
5/4 5/4
__
x
1
x
2
_
=
_
b
1
+b
2
/2
b
1
+b
2
/2
_
.
x pertence a R(A
), entonces x =
_
1
1
_
, =
1
5
(2b
1
+b
2
). Consecuente-
mente, A
t
b =
_
1
5
(2b
1
+b
2
)
1
5
(2b
1
+b
2
)
_
y A
t
=
_
2/5 1/5
2/5 1/5)
_
. Uno de los metodos
20
para encontrar la matriz pseudoinversa es la descomposicion de valores sin-
gulares. Este metodo se usa cuando la matriz no es autoadjunta. Para
empezar, vamos a ver que pasa en el caso A = A
.
y Q, matriz unitaria tal que A = QQ

1
, Q
1
=
Q
, = diag
1
, ...,
n
. Entonces A
t
= Q
t
Q
1
, donde
t
es la pseudoin-
versa a ,
t
= diag
1
j
,
j
,= 0; 0,
j
= 0.
Ejercicio. Muestre que
t
en efecto es dada por la formula anterior.
Demostracion. Por la denicion, x = A
t
b si A
Ax = A
b y (x, w) = 0
w : Aw = 0. Tenemos A
= (QQ
= QQ
= A, A
A = Q
2
Q
.
La condicion QQ
w = 0 es equivalente a Q
w = 0 porque [det Q[ =
1, y por lo mismo Q
2
Q
x = QQ
b es equivalente a
2
Q
x = Q
b.
La condicion (x, w) = 0 es equivalente a (QQ
x, w) = (Q
x, Q
w) = 0;
entonces nuestro problema es equivalente a lo siguiente: encontrar y tal
que
2
y = c, c = Q
b y (y, v) = 0 v : v = 0. Obviamente, y =
t
c, y
entonces x = Qy = Q
t
Q
1
b.
Consideremos el caso general, A es una matriz mn.
Teorema 8. 1. A = Q
1
2
, donde Q
1
y Q
2
son matrices unitarias (m
m) y (nn) que diagonalizan las matrices AA
y A
A, respectivamente, y
es la matriz diagonal (mn) con los elementos

ii
=
i
,
i
, i = 1, 2, ...,
min (m, n) son los eigenvalores de AA
.
2. La matriz pseudoinversa de A es dada por A
t
= Q
2
t
Q
1
, donde

t
es la matriz pseudoinversa de

, i.e. la matriz diagonal (n m) con los
elementos
t
ii
=
1
ii
=
1/2
i
,
ii
,= 0;
t
ii
= 0,
ii
= 0. Los n umeros
i
se
llaman los valores singulares de la matriz A.
Demostracion. Obviamente, A
A es no negativa. Entonces sus eigenval-

ores
1

2
...
n
son no negativos y la matriz Q
2
= (x
1
, ..., x
n
),
donde x
j
, (x
i
, x
j
) =
ij
, son eigenvectores correspondientes, diagonaliza
A
A, A
A = Q
2
Q
2
. Tenemos A
Ax
j
=
j
x
j
, AA
(Ax
j
) =
j
(Ax
j
), en-
tonces Ax
j
, j = 1, ..., n, son eigenvectores de AA
con los mismos eigen-

valores
j
. Sean
1
,
2
, ...,
k
> 0 y
k+1
, ...,
n
= 0, entonces y
i
=
1
i
Ax
i
, i = 1, ..., k forman un sistema ortonormal. En efecto, (y
i
, y
j
) =
1
j
(Ax
i
, Ax
j
) =
ij
. Tomemos estos eigenvectores, construyamos los que
faltan (y
k+1
, ..., y
m
) (tal que y
1
, ..., y
m
son todos los eigenvectores de AA
)
1.4. EL M
ETODODE LOS CUADRADOS M
INIMOS YMATRICES PSEUDOINVERSAS.21

y formemos la matriz Q
1
= (y
1
, ..., y
k
, y
k+1
, ..., y
m
). Supongamos que y
i
son
ortonormales.
Mostremos que los eigenvectores y
k+1
, ..., y
m
corresponden al eigenvalor
0. Supongamos que no es as, es decir, AA
y
i
=
i
y
i
,
i
,= 0, i > k.
Entonces A
y
i
,= 0 es un eigenvector de A
A con
i
=
i
,= 0. En-
tonces A
y
i
=
k
j=1
C
j
x
j
, AA
y
i
=
k
j=1
_
j
C
j
y
j
y AA
y
i
=
i
y
i
. Entonces
k
j=1
_
j
C
j
y
j
=
i
y
i
, es decir, el conjuto y
1
, ..., y
k
, y
i
es linealmente depen-
dientes y eso no es posible.
Consideremos el elemento (i, j) de la matriz Q
1
AQ
2
. Si i k,
(Q
1
AQ
2
)
ij
= (y
i
, Ax
j
) =
1
i
(Ax
i
, Ax
j
) =
1
i
(x
i
, A
Ax
j
) =
_
ij
. Si
i > k, AA
y
i
= 0, entonces A
y
i
N(A) y R(A
), consecuentemente
A
y
i
= 0 y (y
i
, Ax
j
) = (A
y
i
, x
j
) = 0, es decir, hemos probado 1. La
demostracion de 2 es casi una repetici on de la prueba del Teorema 7.
Ejemplos.
1. A =
_
_
_
1 1 2
2 1 3
1 0 1
_
_
_ en la base natural. Encuentre A en la base (1, 1, 0),
(0, 1, 1), (1, 0, 1) (la base natural es la base que consiste de vectores
(1, 0, 0), (0, 1, 0), (0, 0, 1)).
2. Sea A real y antisimetrica, A = A
. Muestre que los eigenvalores

son imaginarios.
3. Encuentre el rango y el n ucleo de la matriz A =
_
_
_
1 2
1 3
2 5
_
_
_ y su
adjunta.
4. El operador P proyecta ortogonalmente cada vector sobre un sub-
espacio lineal M. Encuentre los eigenvalores y eigenvectores.
5. Sean
1

2

3
los eigenvalores de A =
_
_
_
1 2 3
2 2 4
3 4 3
_
_
_. Muestre
que
2
0.
Sugerencia. Considere la restriccion 3x
1
+ 4x
2
+ 3x
3
= 0 y use
Teorema 6.
22
6. P es un proyector ortogonal sobre M. Cuando Px = b es soluble?
7. Aes positivo si (Ax, x) > 0 x ,= 0. Muestre que una matriz positiva
es invertible usando la alternativa de Fredholm.
8. Que pasa con los eigenvalores de una matriz real simetrica cuando los
elementos diagonales son aumentados? Demuestre que el eigenvalor
mnimo de la matriz A =
_
_
_
8 4 4
4 8 4
4 4 7
_
_
_ es menor que 1/3.
9. Encuentre A
t
para A =
_
3 1 2
1 1 2
_
.
10. Demuestre la armacion 2 del Teorema 8.
Captulo 2.
Operadores lineales en espacios de dimension innita.
En este captulo vamos a estudiar en detalle propiedades de los espa-
cios de Hilbert de dimension innita y dar una introduccion a la teora
de operadores lineales en espacios de Hilbert. Nuestra meta es clasicar
operadores cerrados, estudiar los espectros de unos operadores especcos,
obtener informacion general sobre los espectrosa de operadores adjuntos, y
exponer la teora de Riesz de operadores completamente continuos. En los
siguientes captulos vamos a aplicar esos resultados a operadores integrales
y diferenciales.
2.1 Espacios de Hilbert.
Recordamos que un conjunto cerrado es tal que contiene los lmites de
todas secuencias de Cauchy. Entonces un espacio cerrado es simplemente
un espacio completo.
Denicion. Un conjunto M de los elementos del espacio / se llama una
variedad lineal si de x, y M sale x +y M , C.
En un espacio de dimension nita, todas las variedades lineales son
subespacios, es decir, son por sus mismos espacios de Hilbert. En espacios
de dimension innita no es as; p.ej., C[a, b] es una variedad lineal en L
2
,
pero no es completo.
Denicion. Un conjunto es (relativamente) compacto si cada sucesion
contiene una subsucesion convergente (puede ser, a un elemento que no
pertenece al conjunto).
En un espacio de dimension nita, cada conjunto acotado es relativa-
mente compacto seg un el teorema de BolzanoWeierstrass. En un espacio
de dimension innita no es as. Por ejemplo, consideremos el espacio
2
23
24
que consiste de vectores x = (
1
, ...,
n
, ...) de dimension innita con el pro-
ducto escalar (x, y) =
i=1
i
, donde
i
son las coordenadas del vector y.
Consideremos el conjunto de los vectores e
i
= (0, ..., 1, 0, ...). Obviamente,
este conjunto es acotado, pero si lim
n
|e e
n
| = 0, entonces
[(e e
n
, e
j
)[ |e e
n
| |e
j
|

n
0
para toda j y e = 0. De otro lado, |e e
n
| = 1 en este caso, y por eso el
lmite de e
n
(y cualquiera subsucesion de e
n
) no existe. Indiquemos un
caso cuando una variedad lineal es cerrada.
Teorema 1. Sea M una variedad lineal y M
= y : (y, x) = 0x M.
Entonces M
es cerrado y M
=

M(

M es la cerradura de M, es decir,
la union de M y de los lmites de todas sucesiones de Cauchy de M).
Demostracion. Sea y
n
y, y
n
M
. Tenemos (y
n
, x) = 0x
M, [(y
n
y, x)[ = [(y, x)[ |y
n
y||x|

n 0, entonces (y, x) = 0,
q.e.d.
Denicion. El conjunto S es denso en el conjunto T si f T y >
0s S tal que d(s, f) < .
Ejemplos.
1. El conjunto de racionales es denso en R
1
.
2. El conjunto de vectores con coordenadas racionales es denso en R
n
.
3. Seg un la propiedad 8
de la integral de Lebesgue, C es denso en L

2
.
Teorema 2. Sea M un conjunto denso en /, entonces el unico vector que
es ortogonal a M es cero (es decir, el complemento ortogonal de M es 0).
Demostracion. Supongamos que existe x ,= 0 tal que (x, y) = 0y M.
Claro que x/|x| tambien tiene esa propiedad, entonces podemos suponer
que |x| = 1. Para > 0 suciente peque no tomemos x
tal que x
M
y |x x
| . Tenemos |x
|
2
= [(x x
, x
)[ |x
| , |x
| . Pero
|x
| = |x (x x
)| 1 |x x
| 1 y 1 absurdo.
Teorema 3. Los polinomios son densos en C[a, b], es decir, para cada
2.1. ESPACIOS DE HILBERT. 25
f C[a, b] y > 0p(t) =
n
j=0
j
t
j
tal que
max
[a,b]
[f(t) p(t)[ < .
Demostracion. Supongamos que a = 0, b = 1 (siempre podemos hacer el
cambio de variable t
t
=
ta
ba
). Consideremos los polinomios de Bernstein:
n,j
(t) =
_
n
j
_
t
j
(1 t)
nj
,
_
n
j
_
=
n!
j!(n j)!
Lema.
n
j=0
_
n
j
_
t
j
s
nj
= (t +s)
n
,
n
j=0
j
n
_
n
j
_
t
j
s
nj
= t(t +s)
n1
,
n
j=0
(
j
n
)
2
_
n
j
_
t
j
s
nj
= (1
1
n
)t
2
(t +s)
n2
+
t
n
(t +s)
n1
.
Demostracion. La primera igualdad es el binomio de Newton, la segunda
y la tercera pueden ser obtenidas calculando dos derivadas de la primera.
Entonces
n
j=0
n,j
(t) = 1,
n
j=0
j
n
n,j
(t) = t,
n
j=0
(
j
n
)
2
n,j
(t) = (1
1
n
)t
2
+
t
n
().
Tomemos p
n
(x) =
n
j=0
f(
j
n
)
n,j
(x) y denamos
w(f, ) = sup
[t[<
[f(t) f()[;
Obviamente, w 0 cuando 0. Demostremos que
[f(t) p
n
(t)[
9
4
w
_
f,
1
n
_
.
Tenemos
26
f(t)p
n
(t) =
n
j=0
(f(t)f(t
j
))
n,j
(t) =

[tt
j
[
+

[tt
j
[>
S
1
+S
2
, t
j
= j/n,
[S
1
[ w(f, )
[tt
j
[
n,j
(t) w(f, )
porque
n,j
0 y la suma completa de
n,j
es igual a 1 (ver ()). Si
[t t
j
[ > , entonces denamos un n umero entero k tal que k + 1 [
tt
j
[
y k [
tt
j
[. Tenemos
[f(t) f(t
j
)[ (k + 1)w(f, )
_
1 +
t t
j
_
w(f, ),
consecuentemente
[S
2
[ w(f, )
tt
j
[>
_
1 +
t t
j
n,j
(t)
w(f, )
_
1 +
(t t
j
)
2
2

n,j
(+)
_
Seg un (),
n
j=0
(t t
j
)
2
n,j
(t) =
t(1 t)
n

1
4n
porque x x
2
1/4
y
[S
2
[
_
1 +
1
4n
2
_
w(f, ), [f p
n
[ w(f, )
_
2 +
1
4n
2
_
.
Cuando = 1/
n, tenemos el teorema.
Corolario. Los polinomios son densos en L
2
(porque C es denso en L
2
).
2.2 Conjuntos que generan el espacio y bases.
Denicion. Espacio / de Hilbert se llama separable si existe un con-
junto denumerable f
1
, ..., f
n
, ... tal que las combinaciones lineales de los
elementos de este conjunto son densas en /. Es decir, > 0 f
/N
1
, ...,
N
: |f
N
k
f
k
| < . Dicen que el conjunto f
k
genera el
espacio.
Ejemplos.
2.2. CONJUNTOS QUE GENERAN EL ESPACIO Y BASES. 27
1. En C
n
cualquier conjunto de n vectores independientes genera el es-
pacio pues es una base.
2. En L
2
el conjunto 1, t, ..., genera L
2
, y L
2
es separable porque el
conjunto de polinomios con coecientes racionales genera el conjunto
de todos los polinomios y el conjunto primero es denumerable.
3. En
2
el conjunto de vectores e
n
= (0, 0, ..., 1, 0, ...) genera el espacio;
2
es separable.
En lo que sigue vamos a estudiar solo espacios separables. Recordemos
la denicion de una base.
Denicion. Un conjunto denumerable de vectores e
1
, ..., e
n
, ... se llama
una base si e
j
son independientes y para todo x / x =
i
e
i
con algunos
coecientes
1
, ...,
n
, ....
En un espacio de dimension nita cada conjunto de n vectores inde-
pendientes forma una base. No es as en un espacio de dimension innita,
aunque el conjunto generara el espacio.
Ejemplo. Consideremos el conjunto de vectores e
2
= (1, 1, 0, 0, ...), e
3
=
(1, 0, 1, ...), ..., e
n
= (1, 0, ...,
1
n
, 0, ...) en ell
2
. Este conjunto genera el espa-
cio; en efecto,
e
1
1
n
n
i=2
e
i
0, n .
De otro lado, supongamos que e
1
=
i=2
i
e
i
, entonces
2
=
3
= ... = 0 y
e
1
= 0, que es absurdo. Sin embargo,
Teorema 4. Un conjunto ortonormal que genera / es una base.
Demostracion. Tomemos k elementos de nuestro conjunto, e
1
, ..., e
k
, y
busquemos a
i
tales que la norma |x
k
1
a
i
e
i
| sea mnima. Tenemos
|x
k
i=1
a
i
e
i
|
2
= (x, x) (
a
i
e
i
, x) (x,
a
i
e
i
) + (
a
i
e
i
,
a
i
e
i
)
= |x|
2
+
(a
i
a
i
a
i
(x, e
i
) a
i
(x, e
i
) + (x, e
i
)(x, e
i
))
[(x, e
i
)[
2
= |x|
2
+
[(x, e
i
) a
i
[
2
[(x, e
i
)[
2
.
28
Claro que la ultima expresion es mnima cuando
[(x, e
i
) a
i
[
2
= 0
pues el primer y el tercer terminos no dependen de a
i
. Tambien tenemos
|x|
2
1
[(x, e
i
)[
2
0.
La ultima desigualdad se llama la desigualdad de Bessel.
Ahora bien, e
j
genera el espacio, entonces dando un > 0 tenemos
a
i
y N tales que |x
N
1
a
i
e
i
| < . Pero
|x
N
1
(x, e
i
)e
i
| |x
N
1
a
i
e
i
| < ,
y eso signica que
1
(x, e
i
)e
i
converge a x, es decir, e
i
forman una base; los
coecientes de la descomposicion con respecto a esa base son
i
= (x, e
i
).
Observacion. Obviamente, la desigualdad de Bessel es valida para cual-
quier conjunto ortonormal (a un en el caso cuando este conjunto no genera
/).
Teorema 5 (RieszFisher). Sea e
i
un conjunto innito ortonormal de
/. Entonces
(a) Si
n=1
[a
n
[
2
diverge, entonces
1
a
n
e
n
diverge.
(b) Si
1
[a
n
[
2
converge, entonces
1
a
n
e
n
converge a un g / y a
n
=
(g, e
n
).
Demostracion. Supongamos que

a
n
e
n
converge, entonces
> 0N : |
p
m+1
a
n
e
n
|
2
< m, p > N.
Pero la norma indicada es igual a
p
m+1
[a
n
[
2
, entonces

[a
n
[
2
converge, y
esto demuestre (a). Para mostrar (b), consideremos x
k
=
k
1
a
n
e
n
, entonces
|x
p
x
m
|
2
=
p
m+1
[a
n
[
2
y x
k
forman una sucesion de Cauchy. Sea g el lmite
de esa sucesion, entonces (g, e
n
) = lim
k
(x
k
, e
n
) = a
n
.
Corolarios. 1. La representacion x =
i
e
i
en una base ortonormal es
unica. En efecto, supongamos que x =
t
i
e
i
; entonces 0 =
1
(
t
i
i
)e
i
y
t
i
i
= (0, e
i
) = 0, q.e.d.
2. Sea e
i
un conjunto ortonormal, entonces la serie
1
[(x, e
i
)[
2
converge.
En efecto, esta serie es acotada seg un la desigualdad de Bessel y la sucesion
de las sumas parciales no es decreciente, q.e.d.
3. Sea e
i
una base ortonormal, entonces
|x|
2
=
1
[(x, e
i
)[
2
, (x, y) =
1
(x, e
i
)(y, e
i
).
Para probar esas igualdades, es necesario considerar las sumas parciales
de descomposiciones de x, y con respecto a e
j
y pasar al lmite cuando
el n umero de los terminos tiende a . La primera igualdad se llama la
igualdad de Parseval.
Denicion. La descomposicion x =

(x, e
i
)e
i
se llama serie de Fourier
del elemento x con respecto a la base e
i
.
Teorema 6 (el lema de RiemannLebesgue). Sea e
j
un conjunto orto-
normal innito, entonces [(x, e
j
)[ 0, j .
Demostracion. Surge inmediatamente del hecho de que
1
[(x, e
j
)[
2
con-
verge.
Teorema 7. Las siguientes armaciones son equivalentes para un conjunto
ortonormal e
j
:
(a) e
j
es una base,
(b) x =
(x, e
i
)e
i
x /,
(c) |x|
2
=
[(x, e
i
)[
2
x / (la igualdad de Parseval),
(d) x /, (x, e
i
) = 0 i x = 0,
30
(e) No existe x / tal que x, e
1
, ... es un conjunto ortonormal.
Demostracion. (e)(d). Supongamos que existe un x ,= 0 tal que
(x, e
i
) = 0i. Normalicemos este x, entonces el conjunto
x
|x|
, e
1
, ... es
un conjunto ortonormal, que es imposible.
(d)(b). Seg un Corolario 2,

[(x, e
i
)[
2
converge; seg un teorema 5
(x, e
i
)e
i
converge a un elemento g. Pero (g, e
i
) = (x, e
i
) seg un el mismo
teorema y g x = 0.
(b)(c). En efecto, |x
(x, e
i
)e
i
|
2
= |x|
[(x, e
i
)[
2
.
(c)(e). Supongamos que existe e, |e| = 1, tal que e, e
1
, ... es un con-
junto ortonormal. Entonces |e|
2
=
[(e, e
i
)[
2
= 0, que es absurdo. Cabe
notar que (b) es la denicion de la base.
Observacion. En temos (b), (c) la condicion x / puede ser sustituida
por la condicion x T donde T es denso en /. En temos (d), (e) eso no
es posible. En efecto, sea y /, y y / T. Entonces existe x T tal que
|y x| < para todo > 0. Seg un (b) para x T,
|x
N
i
e
i
| < ,
i
= (x, e
i
),
entonces
|y
N
i
e
i
| |y x| +|x
N
i
e
i
| = 2,
es decir, e
i
genera / y por eso es una base. Mostremos que (c) para
x T implica que e
i
forman una base. Tomemos y /, y / T y x T
tal que |y x| < . Denotenos y
n
=
n
1
(y, e
i
)e
i
. Tenemos |y y
n
|
|y x| + |x x
n
| + |x
n
y
n
|, x
n
=
n
1
(x, e
i
)e
i
; |x x
n
| para n
suciente grandes porque x T y cumple la igualdad de Parseval, y
|x
n
y
n
| |x y| <
seg un la desigualdad de Bessel. Entonces |y y
n
| < 3, y e
i
generan el
espacio.
Demostremos nuestra observacion sobre (d), (e). Consideremos un
ejemplo: / = R
2
, T es el conjunto de todos vectores con coecientes
racionales. Tomemos como la base dos vectores ortogonales cuyas pro-
yecciones sobre dos ejes son racionalmente no conmensurables, p.e., e
1
=
1
5
(
3,
2), e
2
=
1
5
(
2,
3). Obviamente, todos los vectores ortogo-

nales a e
1
tienen la forma Ce
2
, y por eso no pertenecen a T. Entonces el
unico vector que es ortogonal a e
1
y pertence a T es cero, pero e
1
no es una
base. En la misma manera, no existe un vector de T que es ortogonal a e
1
(temo (e)).
Teorema 8. Sea M una variedad lineal cerrada (es decir, un subespacio)
en /. Entonces para todo x / existe la unica descomposicion x = x
p
+z,
donde x
p
M, zM. El vector x
p
se llama la proyecci on de x sobre M.
Demostracion. El conjunto M, siendo un subespacio de un espacio de
Hilbert separable, es por su mismo un espacio de Hilbert, entonces contiene
el conjunto que genera M. Usando el proceso de ortogonolizacion de Gram
Schmidth, encontremos una base ortonormal en M,
e
1
, ..., e
n
, .... Denamos x
p
=
1
(x, e
i
)e
i
. Esta serie converge, porque
[(x, e
i
)[
2
converge seg un la desigualdad de Bessel. M es cerrada y por
eso x
p
M. Para z = x x
p
tenemos (z, e
k
) = 0k, entonces zM. Si
existe un otro par x
t
p
, z
t
con las mismas propiedades tal que x = x
t
p
+ z
t
,
entonces (x
t
p
, e
k
) = (x
p
, e
k
), y por eso x
t
p
= x
p
, consecuentemente z = z
t
.
Ejemplos. 1. El conjunto 1, t, ..., genera el espacio L
2
[1, 1]. Usando
el proceso de GramSchmidt, tenemos los polinomios de Legengre:
P
0
(t) = 1, P
n
(t) =
2
2
n
n!
d
n
dt
n
(t
2
1)
n
, n > 0.
Ejercicio. Muestre que P
n
(1) = 1,
|P
n
|
2
=
2
2n + 1
.
2. Consideremos el espacio L
2
[a, b] con el peso w(t) 0; el producto escalar
en este espacio es dado por
(x, y)
w
=
_
b
a
x ywdt.
Aplicando el proceso de GramSchmidt al mismo conjunto, tenemos
(a) Polinomios de Chebyshev; a = 1, b = 1, w = (1 t
2
)
1/2
,
T
n
(t) = cos (n arccost ).
32
(b) Polinomios de Jacobi; a = 1, b = 1, w = (1 + t)
(1 t)
,
, > 1,
P
n
=
(1)
n
2
n
n!
(1 +t)
(1 t)
d
n
dt
n
[(1 +t)
(1 t)
(1 x
2
)
n
]
3. Consideremos una funcion continua de dos variables, f(x, y). Seg un la
generalizacion del teorema de Weierstrass, esa funcion puede ser aproxima-
da por un polinomio en x, y,
f(x, y)
C
nm
x
n
y
m
.
(aqu el signo signica que f puede ser aproximada por la serie indicada
con cualquier precision). Haciendo el cambio de variables, x = cos , y =
sin , [0, 2], 0 < , tenemos
f( cos , sen ) = g(, )
C
nm
n+m
cos
n
sen
m
y
g(1, )
C
nm
cos
n
sen
m
=
(C
t
n
cos n +C
tt
n
sen n).
Eso signica que el conjunto de funciones cos n, sen n genera el espacio
C[0, 2] y por eso L
2
[0, 2]. Usando las formulas
cos =
1
2
(e
i
+e
i
), sen =
1
2i
(e
i
e
i
)
y el hecho de que cada funcion de L
2
[0, ] puede ser prolongada sobre
[, ] como una funcion par o impar, tenemos el siguiente resultado:
Espacio Base ortonormal
1.1.
1
2
e
in
, n = 0, 1, ...
1. L
2
[0, ]
1.2.
1
2
,
1
cos n,
1
sen n, n = 1, 2...
2. L
2
[0, ] 2.1.
1
,
_
2
cos n, n = 1, 2, ...
2.2
_
2
sen n, n = 1, 2, ...
3. L
2
[0, 2L] 3.1
1
2
e
in/
,
, n = 0, 1, ...
Entonces, por ejemplo,
1
2
a
0
+
n=1
_
a
n
cos n +
b
n
sen n
_
f() ()
en L
2
[0, 2], donde
a
0
=
1
2
_
2
0
fd, a
n
=
1
_
2
0
f cos nd, b
n
=
1
_
2
0
f sen nd.
Cuando () converge a f en C[0, 2]?. La respuesta es dada por el siguiente
Teorema 9 (DirichletJordan). Sea f diferenciable a trozos, es decir, f es
diferenciable sobre [0, 2] menos un conjunto nito de puntos en los cuales
existen derivadas laterales de f, entonces para todo t (0, 2) la serie de
Fourier converge a
1
2
[f(t
+
) + f(t
)] y para t = 0, 2 esta serie converge a

1
2
[f(0
+
) +f(2
)] (f(t
) = lim
t0
f()).
Demostracion. Lema. Sea Lipschitzcontinua en [0, b], entonces
lim
k
_
b
0
(t)
sen kt
t
dt =

2
(0
+
).
Demostracion. Tenemos
_
b
0
sen kt
t
dt =
_
b
0
[(+) (0)]
t
sen ktdt
. .
I
1
+(0)
_
b
0
sen kt
t
dt
. .
I
2
La integral I
1
es el coeciente de Fourier de la funcion ((t) (0))/t que
es continua y seg un el lema de RiemannLebesgue este coeciente tiende a
cero cuando k . Consideremos la integral
T(a) =
_

0
e
at
sen t
t
dt;
T(a) converge uniformemente en 0 a < pues
_
0
sen t
t
dt converge
y e
at
es monotona y acotada (ver [1]). Entonces T(a) es una funcion
continua y
I
2
= (0)
_
kb
0
sen t
t
dt

k
(0)T(0).
La derivada T(a) converge uniformemente en 0 < a
0
a < y para esos
a
T
t
(a) =
_

0
e
at
sen t dt =
1
1 +a
2
,
entonces T(a) = Carctan a. Obviamente, [T[
_
0
e
at
dt =
1
a
, a > 0, y
T() = 0, entonces C =

2
y T(0) =

2
, q.e.d.
34
Ahora probemos teorema 9. Consideremos la suma parcial de la serie de
Fourier en (),
F
n
=
n
i=1
_
a
i
cos it +
b
i
sen it)
_
+
1
2
a
0
=
1
_
2
0
_
n
i=1
cos (s t)i f(s) +
1
2
f(s)
_
ds
=
1
2
_
2
0
f(s)
sen
st
2
(2n + 1)
sen
(st)
2
ds;
seg un el lema
F
n
=
1
2
__
t
0
+
_
2
t
_
..., dt
f(t
)
2
+
f(t
+
)
2
, n .
Ejercicios.
1. Dicen que la sucesion x
n
converge a x debilmente (x
n
x) si
h /, (x
n
, h) (x, h), n . Muestre que x
n
x cuando
x
n
x. Investigue si el teorema inverso es valido. Muestre que si
x
n
x, |x
n
| |x|, entonces x
n
x.
Sugerencia. Considere la sucesion de los vectores que formen la
base, p.ej., e
i
(0, ...1, 0, ...) en
2
. Muestre que e
i
0. Considere la
expresion (x
n
x, x
n
x).
2. Sea L
2
[0, ). Verique si eso implica [(x)[

x
0.
3. Sea f =

f
k
e
ikt
, g =

g
k
e
ikt
. Encuentre la serie de Fourier para
h(t) =
_
2
0
f(t s)g(s)ds (la convolucion).
4. Encuentre la mejor aproximacion lineal para e
x
en [0, 1], i.e., encuen-
tre , tales que
_
1
0
[e
x
x[
2
dx sea mnima .
5. Encuentre los desarrollos de Fourier de la funcion x
2
a. en senos sobre [0, ],
2.3. FUNCIONALES Y OPERADORES EN ESPACIOS DE HILBERT.35
b. en cosenos sobre [0, ],
c. en senos y cosenos sobre [0, 2].
Calcule las sumas de las series
1
1
n
2
,
1
(1)
n+1
n
2
,
1
1
(2n 1)
2
.
2.3 Funcionales y operadores en espacios de Hilbert.
Denicion. El mapeo T : / x C se llama una funcional (lineal)
si T(x + y) = Tx + Ty x, y T(T), , C. El mapeo A :
/ x y / se llama un operador (lineal) si A(x + y) = Ax +
Ay x, y T(A), , C. Variedades lineales T(T) y T(A) son los
campos de denicion de T y A, respectivamente, los conjuntos R(T) =
Tx, x T(T), R(A) = Ax, x T(A) se llaman los rangos de T y A.
Denicion. La funcional (lineal) T (operador A) se llama acotada si
sup
|x|, =0
[Tx[
|x|
= sup
|x|=1
[Tx[
_
sup
|x|,=0
|Ax|
|x|
= sup
|x|=1
|Ax|
_
existe. Este supremo se denota |T|(|A|) y se llama la norma de T (de A).
Denicion. El funcional T (operador A) es continuo si cada sucesion
convergente de T(T)(T(A)) abajo la accion de T (de A) tambien es con-
vergente, es decir, x
n
x tenemos Tx
n
T
n
en C, (Ax
n
Ax en
/).
Teorema 10. La funcional T (operador A) es acotada si T(A) es continua.
Demostracion. Demostremos el teorema para funcionales; para operado-
res la demostracion es la misma. Supongamos que T es acotada, tenemos
[Tx
n
Tx[ = [T(x
n
x)[ |T||x
n
x| 0 cuando x
n
x.
Al reves, supongamos que T es continua y no es acotada, es decir, x
n
:
|Tx
n
| n|x
n
|. Entonces la sucesion y
n
=
x
n
n|x
n
|
0 pero |Ty
n
| =
36
|Tx
n
|
n|x
n
|
1, y eso contradice a la continuidad. Anotemos que existen fun-
cionales no acotadas.
Ejemplo. T(T) = f, f C(, ) L
2
(, ), Tf = f(0) (la
condicion f C es necesaria porque si solo f L
2
, entonces el valor pun-
tual de f no es denido: dos funciones que dieren sobre un conjunto de
medida cero son en el sentido de L
2
la misma funcion). Sea f =
_
n
e
nt
2
2
,
entonces |f|
2
= 1, pero Tf .
Teorema 11 (Riesz). Sea T una funcional acotada, T(T) = /, entonces
Tx = (x, f), donde f / es unico y |T| = |f|.
Demostracion. Tenemos x =
i
e
i
, donde e
i
forman una base ortonor-
mal,
i
= (x, e
i
); consideremos la sucesion x
n
=
n
i
e
i
, x
n
x, y la
sucesion Tx
n
=
n
i
Te
i
. Por la continuidad de T, Tx
n
Tx, entonces la
serie
f
i
, donde

f
i
= Te
i
, converge. Si la serie
1
Te
i
e
i
converge, en-
tonces f =
1
Te
i
e
i
y el teorema es probado. Demostremos esa ultima ar-
macion. Consideremos la sucesion
n
1
[f
i
[
2
S
n
y la sucesion F
n
=
n
1
f
i
e
i
.
Tenemos
TF
n
=
n
1
f
i
Te
i
=
n
1
[f
i
[
2
; [TF
n
[ |T||F
n
| = |T|(
n
1
[f
i
[
2
)
1/2
;
entonces (
n
1
[f
i
[
2
)
1/2
|T| y S
n
converge. Por el teorema de RieszFisher,
la serie para f converge; consecuentemente, Tx = (x, f). Anotemos que
la igualdad en la desigualdad de Schwartz tiene lugar solo cuando ambos
vectores son iguales, entonces |f| = |T|, q.e.d.
Teorema 12. Sea T una funcional (operador) acotada, T(T) denso en /.
Entonces existe y es unica la extension de T sobre todo el /, denotada

T
tal que

Tx = Tx, x T(T) y

T es acotada, |
T| = |T|. Esta extension se

llama la extension de T con respecto a continuidad.
Observacion. Cada operador T
t
tal que T
t
x = Tx, x T(T) se llama una
extension de T.
Demostracion. Sea x
n
tal que x
n
x, x / T(T) (supongamos que T
es un operador; la demostracion para funcionales es la misma). La sucesion
Tx
n
es una sucesion de Cauchy porque
|Tx
n
Tx
m
| |T||x
n
x
m
| 0 para n, m .
Entonces Tx
n
converge a, digamos, y. Denotemos

Tx = y. Mostremos que
y es bien denido, es decir, si x
t
n
x, entonces Tx
t
n
converge al mismo
elemento y. Pero Tx
t
n
Tx
n
0, n , entonces Tx
t
n
y. Con-
sideremos |
Tx| = lim
n
|Tx
n
|. Tenemos |Tx
n
| |T||x
n
|

n
|T||x|.
Entonces |
T| |T|, obviamente, |T| |
T| (
T es una extension), en-

tonces |
T| = |T|, q.e.d.
Teorema 13. (El principio de acotacion uniforme). Sea y
n
un conjunto
de vectores tal que sup
n
[(x, y
n
)[ < para cada x jo. Entonces existe un
n umero M tal que sup
n
x=1
[(x, y
n
)[ M < .
Demostracion. Notemos que es suciente probar que existe una bola
abierta B
r
= |x x
0
| < r tal que sup
n,xB
r
[(x, y
n
)[ M. En efecto, cada
elemento de esa bola tiene la forma x = x
0
+z, |z| = 1, 0 < r.
Tenemos
[(x, y
n
)[ = [(x
0
+z, y
n
)[ = [(x
0
, y
0
) +(z, y
n
)[ [(z, y
n
)[ [(x
0
, y
n
)[
o
[(z, y
n
)[
1
_
[(x
0
, y
n
)[ + sup
n,xB
r
[(x, y
n
)[
_
para toda , 0 < r, en particular, para = r/2. Ahora supongamos
que para toda M, r existe la bola tal que para un x = x
1
dentro de esa
bola [(x, y
n
)[ > M para alg un n
1
. Tomemos M = 1, r = r
0
, entonces
[(x
1
, y
n
1
)[ > 1, x
1
B
r
0
. Seg un la continuidad de la funcional (x, y
n
),
existe un r
1
tal que [(x, y
n
1
)[ > 1 para x B
r
1
= |x x
1
| < r
1
. Si en
B
r
1
tenemos [(x, y
n
)[ M n, x, entonces tenemos nuestra armacion. Si
no, existe x
2
en B
r
1
tal que [(x
2
, y
n
2
)[ > 2 para alg un n
2
, y existe una bola
B
r
2
= |xx
2
| < r
2
, B
r
2
B
r
1
, tal que [(x, y
n
2
)[ > 2, x B
r
2
. Tomemos
r
2
r
1
/2 (claro que eso siempre es posible). Continuando en esta manera,
38
en alg un paso tenemos nuestra armacion, existe una sucesion de los putos
x
p
que converge a un x
0
(los radios de las bolas son tales que r
n+1
r
n
/2)
tal que [(x, y
n
p
)[ > p, x B
r
p
(= |x x
p
| < r
p
. El punto x
0
pertenece
a todas las bolas, y por eso [(x
0
, y
n
p
)[ > p, y eso no es posible seg un la
suposicion.
Anotemos que un operador es continuo si es continuo en el punto x =
0 (ejercicio: demuestre esto). Consideremos un operador lineal A y una
sucesion x
n
, x
n
0. Para la sucesion Ax
n
tenemos tres posibilidades:
(a) Ax
n
0,
(b) Ax
n
f ,= 0,
(c) Ax
n
no tiene lmite.
En caso (a) A es continuo. En caso (b) tenemos Ax
n
f; entonces los
valores de A en cero son, por lo menos, un espacio de dimension uno. En
caso (c) tenemos: si x
n
x y Ax
n
y, entonces no existe un y
t
,= y tal
que A
t
x
n
y
t
y x
t
n
x. Los operadores que se encuentran en aplicaciones
son, por la mayora, de clases (a) o (c).
Denicion. El operador A es cerrable si x
n
0 Ax
n
0 o la sucesion
Ax
n
no tiene lmite.
Denicion. La cerradura

A de A es el operador tal que

Ax = lim
n
Ax
n
si
existe este lmite y x
n
x, x
n
T(A). Obviamente, la cerradura es un
operador lineal y es una extension de A.
Dencion. A se llama cerrado si para toda sucesion x
n
tal que x
n

T(A), x
n
x y Ax
n
f / tenemos Ax = f y x T(A).
Observaci on. Obviamente, la cerradura de un operador cerrable es cerra-
da.
Teorema 14. Sea A un operador cerrado, entonces N(A) es cerrado.
Demostracion. Sean x
n
N(A) y x
n
x. Entonces Ax
n
= 0 y por eso
existe el lmite lim
x
n
x
Ax
n
= 0. Por la denicion, x T(A), y Ax = 0, q.e.d.
Ejemplos.
1. Ax 0x = 0 x. |A| = 0, es un operador acotado.
2. Ax Ix = x x, |A| = 1, tambien es acotado.
3. / = L
2
[0, 1], Ax = tx(+). Calculemos la norma:
|Ax|
2
=
_
1
0
t
2
[x[
2
dt
_
1
0
[x[
2
dt = |x|
2
,
entonces |A| 1 y A es acotado. En realidad, |A| = 1.
Ejercicio. Demuestre la igualdad |A| = 1. (Sugerencia: considere
x
= 0, 0 t 1, x
= 1, 1 < t 1 y muestre que |Ax|/|x|

1 cuando 0).
4. / = L
2
[0, 1], Ax = f
0
(t)x donde f
0
es
a) una funcion continua. En este caso |A| = max
0t1
[f
0
(t)[ y A es
acotado.
b) f
0
= 1/t. A no es acotado. En efecto, consideremos
x
= 0, 0 t , x
= 1, < t 1; |x
|
2
= 1 ;
tenemos |Ax
|
2
=
_
1
t
2
dt = 1+1/ y |Ax
|/|x
| ,
0.
Denamos T(A) = x L
2
, x/t L
2
. Mostremos que A es ce-
rrado. En efecto, si x
n
x y
x
n
t
y, entonces x
n
ty = x y
x T(A), x/t = y.
Ejercicio. Calcule la norma en ej. 4a. Muestre que si
x
n
t
y,
entonces x
n
ty. (Sugerencia:
_
1
0
(
x
n
t
y)
2
dt =
_
1
0
(x
n
ty)
2
t
2
dt 0,
entonces
x
n
ty
t
0 casi siempre y t ,= 0 casi siempre).
5. / = L
2
(, ), Ax = x(t +h), h R. |A| = 1. (Demuestre!).
6. / = L
2
(0, 1], Ax =
_
t
0
x(s)ds. Calculemos la norma; y = Ax. [y(t)[
2
=
[
_
t
0
xds[
2
[
_
t
0
1
2
ds[ [
_
t
0
[x[
2
ds[ t|x|
2
,
|Ax|
2
=
_
1
0
[y[
2
dt
1
2
|x|
2
, |A| 1/
2.
A es acotado.
7. / = L
2
[0, 1], Ax = dx/dt. Este operador es bien denido sobre el
conjunto C
1
[0, 1], es cerrable, pero no es cerrado. En efecto, consi-
deremos f
t
2
+
2
. Las derivadas df
/dt = t/
t
2
+
2
convergen
40
en L
2
[1, 1] a sign t, pero el lmite de f
es [t[, y [t[ / C
1
[1, 1].
Obviamente, el hecho que estamos considerando [1, 1] en lugar de
[0, 1] no es importante. Mostremos que nuestro operador es cerrable.
Tenemos que probar que si f
k
0 y existe lim f
t
k
= y, entonces
y = 0.
Denicion. Sea una region abierta en R
n
, entonces g C
0
() si g es
innitamente diferenciable y g = 0 afuera de un conjunto compacto
t
.
Ejercicio. Muestre que C
0
() es denso en L
2
(). (Sugerencia: los poli-
nomios son densos en L
2
, entonces C
() es denso en L
2
. Entonces es
necesario que C
0
sea denso en C
, pero es casi obvio (ver el dibujo).)

Para toda g C
0
tenemos (f
t
k
, g) (y, g), y
(f
t
k
, g) =
_
1
0
f
t
k
gdt = f
k
g
_
1
0
_
1
0
f
k
g
t
dt = (f
k
, g
t
) 0.
Entonces (y, g) = 0 g C
0
y y = 0 por teorema 2.
Para describir la cerradura de nuestro operador, introduzcamos
Denicion. Sea f L
2
[0, 1], entonces la derivada de f (si existe) es una
funcion f
t
L
2
[0, 1] tal que (f, g
t
) = (f
t
, g)g C
0
[0, 1].
Observaci on. f
t
es unicamente denida, porque si hay dos, f
t
1
, f
t
2
, en-
tonces (f
t
1
f
t
2
, g) = 0g C
0
y f
t
1
= f
t
2
.
Teorema 15. Sea f L
2
, F =
_
t
0
f(s)ds, entonces F es continua y F
t
= f.
Demostracion. Tomemos una sucesion f
k
tal que f
k
C
0
y f
k
f
en L
2
. Tenemos
_
t
0
(f
k
f
m
)ds
_
t
0
[f
k
f
m
[
2
ds
_
t
0
1ds |f
k
f
m
|
2
[t[;
entonces
_
t
0
f
k
ds converge uniformemente; cada integral es una funcion con-
tinua y por eso el lmite es continuo. Pero el lmite es igual a
_
t
0
fds porque
[
_
t
0
(f
k
f)ds[
2
|f
k
f|
2
[t[ 0.
Mostremos que F
t
= f. Tenemos (g C
0
, F
k
=
_
t
0
f
k
ds)
(f, g) = lim (f
k
, g) = lim (F
k
, g
t
) = (F, g
t
)
(la segunda igualdad es integracion por partes, la tercera tiene lugar por un
teorema de calculo: si f
k
f uniformemente, entonces
_
b
a
f
k
ds
_
b
a
fds),
q.e.d.
Teorema 16. F
t
= 0 si y solo si F =const.
Demostracion. Si F =const, entonces F
t
= 0. Mostremos que el inverso
es verdad. Tenemos que probar que si F
t
= 0, entonces
_
1
0
F gdt = C
_
1
0
gdt
con una constante C. Consideremos la funcion
g
1
=
_
t
0
_
g(t) h(t)
_
1
0
g(s)ds
_
dt,
donde h C
0
(0, 1),
_
1
0
h(t)dt = 1. Obviamente, g
1
C
0
[0, 1] y
g
t
1
= g(t) h(t)
_
1
0
gdt.
Tenemos
(F, g) = (F, g
t
1
) + (F, h(t))
_
1
0
gdt = const.
_
1
0
gdt,
porque (F, g
t
1
) = (F
t
, g
1
) = 0.
Regresemos a nuestro ejemplo. El operador A = d/dt ahora signica la
derivada en L
2
.
Denamos T(A) = f L
2
, f
t
L
2
. Mostremos que d/dt con este
campo de denicion es cerrado. Supongamos que f
k
f y Af
k
y, f
k

T(A). Tenemos (f
t
k
, g) (y, g), pero (f
t
k
, g) = (f
k
, g
t
) (f, g
t
), en-
tonces f
t
= y L
2
, q.e.d.
Ejercicios.
42
1. Ax = x
t
, T(A) = x, x
t
L
2
, x(0) = 0. Muestre que este ope-
rador es cerrado. (Sugerencia: x
t
k
converge en L
2
x
k
converge
uniformemente).
2. Sea M una variedad lineal cerrada en /, x = x
p
+ z, donde x
p
es la
proyeccion de x sobre M. Sea Px = x
p
. Muestre que |P| = 1, P
2
=
P.
Denicion. A es binnvoco (11) si Af = Ag implica f = g.
Teorema 17. A es 11 si y solo si la ecuacion Ax = 0 solo tiene la solucion
trivial x = 0.
Demostracion. Ver teoremas 7, 83, cap. I.
Observaci on. Si A es 11, entonces el operador inverso A
1
tal que x =
A
1
y si Ax = y es bien denido. Obviamente, T(A
1
) = R(A), R(A
1
) =
T(A).
El problema principal de la teora de operadores es hacer conclusiones
generales sobre el problema Ax = f, es decir, contestar a las siguientes
preguntas:
1) Para cuales f existe la solucion? (es decir, que es R(A)?)
2) Es la solucion unica? (ya sabemos: s cuando y solo cuando Ax =
0 x = 0)
1. Depende la solucion continuamente de la parte derecha? (es decir,
es continuo A
1
?)
De aqu naturalmente surge la siguiente
Denicion. A es regular si
a) N(A) = 0,
b) R(A) = /,
c) A
1
es acotado.
Si R(A) ,= /, R(A) = /, entonces A es esencialmente regular. En este
caso A
1
puede ser prolongado por continuidad sobre todo /.
Denicion. Si A no es regular y no es regular esencialmente, entonces A
es singular.
Todos los operadores singulares pertenecen a una de las siguientes tres
clases:
I. Ax = 0 tiene soluciones no triviales (es decir, no existe A
1
).
II. Ax = 0 implica x = 0, pero A
1
no es acotado y R(A) = / (hay dos
posibilidades: R(A) = / o R(A) ,= /).
III. Ax = 0 implica x = 0, pero R(A) ,= /. A
1
puede ser acotado o no.
Para renar esta clasicacion, estudiemos operadores adjuntos.
A. Operadores acotados.
Teorema 18. Si A es acotado y T(A) = /, entonces existe y es unico el
operador acotado A
, que se llama el operador adjunto, tal que (Ax, y) =

(x, A
y)x, y /. El cumple |A
| = |A| y (AB)
= B
, A
= A.
Demostracion. La forma (Ax, y) para y jo es un funcional acotado,
entonces existe y es unico el elemento f tal que (Ax, y) = (x, f), por la
denicion pongamos f = A
y. Obviamente, A
es lineal. Tomemos y = Ax,

entonces (Ax, Ax) = |Ax|
2
= (x, A
Ax) |x||A
Ax| |x||A
||Ax|,
o |Ax| |A
||x|. Tomando x = A
y, obtenemos |A
y| |A||y|, q.e.d.
B. Operadores no acotados.
Denicion. Sea A un operador tal que T(A) es denso en /. Denamos
T
como un conjunto de elementos v tales que existe w tal que (w, u) =

(v, Au)u T(A). Pongamos por la denicion w = A
v, T(A
) = T
. El
par v, w se llama un par admisible.
Observaci on. La condicion de que T(A) es denso implica la unicidad de
w. En efecto, si (w
1
, u) = (w
2
, u) = (v, Au), entonces (w
1
w
2
, u) = 0 y
w
1
w
2
= 0 por el teorema 2. T(A
) no es vaco porque contiene, por lo

menos, el elemento cero.
Teorema 19. Si existe A
(es decir, T(/
) es denso), entonces A
es
44
una extension de A, A A
.
Demostracion. Por la denicion,
w = A
v si (w, u) = (v, A
u) u T(A
),
w = A
v si (w, u) = (v, Au) u T(A).

Si v T(A), entonces (v, A
u) = (Av, u) u T(A
) y v, Av es un par
admisible para A
, es decir, Av = A
v.
Teorema 20. Si T(A) es denso y A es cerrado, entonces T(A
) es denso
y A
es cerrado.
Demostracion. a) Mostremos que A
es cerrado. Supongamos que y

n

y, y
n
T(A
) y que A
y
n
z. Para todo x T(A) tenemos (y
n
, Ax) =
(A
y
n
, x) (z, x), pero (y
n
, Ax) (y, Ax), entonces (z, x) = (y, Ax) y
y, z es un par admisible, z = A
y.
Observaci on. No hemos usado el hecho que A es cerrado, entonces A
siempre es cerrado.
b) Mostremos que T(A
) es denso. Supongamos que no es as, es decir,

existe h ,= 0 tal que hT(A
). Consideremos el espacio // de los pares

x, y, x, y /, con el producto escalar (x
1
, y
1
, x
2
, y
2
) = (x
1
, x
2
) +
(y
1
, y
2
); obviamente es un espacio de Hilbert. Sea (A(
) la graca de
A
, es decir, (A
) = y, A
y, y T(A
) / /, entonces (A
) es
cerrado en / / porque A
es cerrado (Demuestre!). El complemento

ortogonal de (A
) en // es

= Ax, x, x T(A). En efecto, es
obvio que

(A
) y el complemento ortogonal a

es igual a

(A
) seg un
la dencion de A
. Pero

es cerrado (porque A es cerrado) y

=

o
= (A
. El par h, 0 es ortogonal a (A
), entonces h, 0

, y eso
es imposible.
Anotemos unas propiedades mas de los operadores adjuntos.
Teorema 21. a) Si A B, entonces A
.
b) Si A es cerrable, entonces (

A)
= A
.
c) Si A es cerrado y T(A) es denso en /, entonces existe A
(es decir,
T(A
) es denso) y A = A
.
Demostracion. a) Tenemos que probar que T(B
) T(A
) y B
y = A
y
para y T(B
). Supongamos que v, w es admisible para B, (v, Bu) =

(w, u) u T(B). Pero eso signica que este par es admisible para A
porque T(A) T(B) y Bu = Au cuando u T(A). Entonces T(B
)
T(A
). Por la misma razon, w = B
v = A
v, v T(B
).
b) A

A y por a) (

A)
. Mostremos que A
(

A)
. Supongamos
que v, w es un par admisible para A. Sea y T(

A), y / T(A), tomemos
y
n
y, y
n
T(A). Tenemos (v, Ay
n
) = (w, y
n
), lim Ay
n
=

Ay. Pasando
al lmite tenemos (v,

Ay) = (w, y), q.e.d.
c) Por teorema 19, A A
(T(A
) es denso seg un teorema 20). Como

en la demostracion del teorema 20,
= Ax, x, x T(A)
es el complemento ortogonal de (A
) = y, A
y, y T(A
) en //.
Pero
= A
x, x, x T(A
)
es el complemento ortogonal del mismo conjunto (A
) por la dencion de
A
. Entonces

y

son iguales, q.e.d.

Ahora volvamos a la clasicacion de operadores singulares. La res-
triccion de nuestras consideraciones a operadores cerrados nos va a facilitar
este problema.
Teorema 22. a) A es cerrado y existe A
1
, entonces A
1
es cerrado.
b) A es cerrado y A
1
es acotado, entonces R(A) es cerrado.
c) A es cerrado u T(A) = /, entonces A es acotado (el teorema de la
graca cerrada).
Demostracion. a) Sean f
n
tales que f
n
T(A
1
) y f
n
f; supongamos
que x
n
= A
1
f
n
x. Tenemos que probar que A
1
f = x. En efecto,
Ax
n
= f
n
, x
n
x; f
n
f, entonces x T(A) y Ax = f R(A) =
T(A
1
).
b) Sean f
n
R(A), f
n
f. Tenemos que probar que f R(A).
Tomemos x
n
tales que Ax
n
= f
n
; A
1
es acotado y por eso x
n
es una
sucesion de Cauchy. Denotemos x = lim x
n
. Tenemos x
n
x, Ax
n
f,
entonces Ax = f porque A es cerrado.
c) Seg un teorema 20, A
es cerrado y T(A
) es denso. Entonces
sup
yT(A
)
[(x, A
y)[
|y|
= sup
yT(A
)
[(Ax,
y
|y|
)[ |Ax|
para todo x / (porque T(A) = /). Seg un el principio de acotacion
uniforme,
sup
yT(A
)
|A
y|
|y|
< .
46
Entonces A
es acotado y T(A
) es denso, entonces A
puede ser prolongado

sobre todo el / por continuidad. Entonces A
= (

A
(ver teorema 21,

b)) es acotado, pero T(A) = / y A
= A (por teorema 21, c)), entonces

A es acotado, q.e.d.
Observaciones. 1. Un operador cerrado es regular o singular. E efecto,
supongamos que A es cerrado y esencialmente regular, R(A) ,= /, R(A) =
/. Pero eso es imposible porque R(A) es cerrado (teorema 22, b)).
2. Si un operador cerrado es de clase II, entonces R(A) ,= / y R(A) = /.
En efecto, A
1
no es acotado y si R(A) = /, entonces A
1
es acotado por
teorema 22, c, pues A
1
es cerrado por teorema 22, a.
De estas observaciones tenemos la clasicacion de operadores cerrados:
Clase (1). A es regular
Clase (2). Ax = 0 tiene soluciones no triviales
Clase (3). Ax = 0 implica x = 0, pero A
1
no es acotado y R(A) ,=
/, R(A) = /.
Clase (4). Ax = 0 implica x = 0, pero R(A) ,= /.
Todas estas posibilidades pueden realizarse aunque A sea continuo.
Ejemplos.
1. A = 0. Es acotado, entonces es cerrado. No es 11, no existe A
1
.
Clase (2).
2. Ax = x. Acotado, cerrado, es 11 (Ax = 0 x = 0), R(A) =
/, A
1
= A. Clase (1).
3. Ax = tx. Acotado, cerrado en L
2
[0, 1]; Ax = 0 x = 0, existe
A
1
.R(A) = f : f/t L
2
.R(A) ,= /, pero es denso. Clase (3).
4. Ax = x(t +h), h R, / = L
2
(, ). Acotado, invertible (A
1
f =
f(t h)), |A
1
| = 1, R(A) = /. Clase (1).
5. Ax =
_
t
0
x(s)ds, / = L
2
[0, 1]. Acotado, cerrado, Ax = 0 x = 0,
existe A
1
(A
1
= d/dt).R(A) = f, f
t
L
2
, f(0) = 0, R(A) ,=
/, R(A) = /. Clase (3).
6. / =
2
, x = (x
1
, ..., x
n
, ...), Ax = (0, x
1
, ..., ).|Ax| = |x|, entonces
|A| = 1. El rango del A es la cubierta lineal de los vectores e
2
, e
3
, ...
(e
i
= (0, 0, ...1, 0, ...)) y por eso R(A) ,= /. El operador inverso existe;
si y = (0, y
2
, ...), entonces A
1
y = (y
2
, ...), |A
1
| = 1. Clase (4).
2.4. OPERADORES ADJUNTOS, SIM
ETRICOS YAUTOADJUNTOS.47
7. Mostremos que operadores de clase (4) pueden tener inversos no aco-
tados. Sea / = l
2
, Ax = (0, x
1
/1
2
, ..., x
k
/(k)
2
, ...).R(A) pertenece
a la cubierta lineal de e
2
, e
3
, ..., pero no es cerrado (demuestre!).
|Ax|
2
|x|
2
(obvio); si x = e
1
, |Ax| = |x|, entonces |A| =
1.Ax = 0 solo cuando x = 0, entonces existe A
1
, pero no es acotado.
En efecto, si y = (0,
1
1
,
1
2
, ...), y
n
= (0,
1
1
,
1
2
, ...,
1
n1
, 0, ...), entonces
x
n
= A
1
y
n
= (1, 2, ..., n 1, 0, ...); y
n
y y |x
n
| . Clase (4).
2.4 Operadores adjuntos, simetricos y autoadjun-
tos.
Teorema 23. (R(A))
= N(A
).
Demostracion (compare con teorema 7, cap. I).
a) Mostremos que R(A)
N(A
). Sea z R(A)
, entonces (Ax, z) =
0 = (x, 0) para todo x T(A). Entonces z, 0 es un par admisible,
z T(A
) y A
z = 0.
b) Mostremos que N(A
) R(A)
. Sea z N(A
), A
z = 0 y (x, A
z) =
0 x (incluyendo x T(A)). Entonces (Ax, z) = 0 x R(A) y
z R(A)
.
Corolarios. 1. R(A) = (N(A
))
. En efecto, R(A) = (R(A))
(teorema
1, cap. II).
2. Sea R(A) cerrado, entonces R(A) = (N(A
))
. O en esta manera: si
R(A) es cerrado, entonces Ax = f tiene soluciones si y solo si (f, z) = 0
z : A
z = 0.
Denicion. A es autoadjunto si A = A
, es decir, T(A) = T(A
) y
Ax = A
x x T(A).
Denicion. A es simetrico si x, y T(A) tenemos (Ax, y) = (x, Ay) y
T(A) es denso en /.
Si el operador A es simetrico, pares de la forma y, Ay, y T(A), son
pares admisibles y A
y = Ay para tales y. Entonces A A
. De otro lado,
48
si A A
tenemos (Ax, y) = (x, A
y) = (x, Ay) para x, y T(A), entonces

A es simetrico. Eso signica
Teorema 24. A es simetrico si y solo si A A
.
Teorema 25. Sea A simetrico y A
simetrico, entonces A
es autoadjunto,
A
= A
.
Demostracion. A
es simetrico, entonces A
. De otro lado, A
A
, por teorema 21, a, A
, entonces A
= A
.
Ejemplos.
1. Ax = tx, x L
2
[0, 1]. Tenemos
(Ax, y) =
_
1
0
tx ydt =
_
1
0
xt ydt =
_
xA
ydt, A
y = ty.
Entonces A = A
y es autoadjunto. La ecuacion Ax = 0 tiene la

unica solucion x = 0, pero R(A) no es cerrado; la solucion de Ax = f
existe solo si f/t L
2
.
2. I
= I, (AI)
= A
I.
3. Ax =
_
t
0
x(s)ds, T(A) = L
2
[0, 1]. Tenemos
(Ax, y) =
_
1
0
dt y(+)
_
t
0
x(s)ds
=
_
1
0
x(s)ds
_
1
s
y(+)dt = (x, A
y),
A
y =
_
1
s
ydt.
A no es simetrico. R(A) = f, f
t
L
2
, f(0) = 0.Ax = 0 y A
x = 0
tienen solo la solucion x = 0; si f R(A), existe y es unica la solucion
de Ax = f dada por x = f
t
. A
1
no es acotado (clase (3)).
4. A I, donde A es del 3, ,= 0. Ax = x si y solo si x = 0.
En efecto,
1
_
t
0
xds = x, entonces x
t
existe y pertenece a L
2
y
1
x = x
t
, x(0) = 0; x = Ce
t/
y C = 0. Consideremos la ecuacion
no homogenea, Axx = f. Tenemos Ax = x+f, entonces f +x
es diferenciable y (f +x)[
t=0
= 0. Denotemos u = f +x, entonces
2.4. OPERADORES ADJUNTOS, SIM
u f = u
t
, u(0) = 0. Tenemos u =
1
e
t/
_
t
0
f()e
/
dt o
x = f/
2
e
t/
_
t
0
f()e
/
dt. Entonces para toda f L
2
existe y es unica la solucion o R(A I) = /. Obviamente, A
1
es
acotado y AI es regular (clase (1)).
5. a) A
1
= d/dt, T(A
1
) = x, x
t
L
2
.A
1
es cerrado, encontremos A
1
.
Los pares admisibles cumplen (x
t
, v) = (x, w)x T(A
1
), en partic-
ular, x C
0
(0, 1). Entonces w = v
t
y v, v
t
L
2
. Mostremos
que la formula de integracion por partes es valida para funciones de
L
2
cuyas derivadas pertenecen a L
2
(y por esto, tales funciones son
continuas).
Teorema 26. Sean x, y, x
t
, y
t
L
2
, entonces
_
1
0
(x
t
y +xy
t
)dt = xy[
1
0
.
Demostracion. Tomemos sucesiones
k
,
k
tales que
k
x
t
,
k

y
t
,
k
,
k
C
0
(0, 1). Entonces x
k

_
t
0

k
(s)ds + x(0) x, y
k

_
t
0

k
(s)ds + y(0) y (en efecto, p.ej.,
k
x
t
o
k
x
t
0.
Entonces la integral del lmite es una constante, y es igual al lmite de
las integrales como en la demostracion del teorema 15). Consideremos
la integral
_
1
0
(x
t
k
y
k
+x
k
y
t
k
)dt = x
k
y
k
[
1
0
.
De un lado, la parte derecha converge a xy[
1
0
(pues la convergencia de
x
k
, y
k
a x, y es uniforme seg un teorema 15). De otro lado, la parte
izquierda converge a
_
1
0
(x
t
y +xy
t
)dt, q.e.d.
Entonces para v, v
t
L
2
y x, x
t
L
2
tenemos
(x
t
, v) + (x, v
t
) = x v[
1
0
y v, v
t
es un par admisible si y solo si v(0) = v(1) = 0. Conse-
cuentemente, A
1
x = dx/dt, T(A
1
) = x, x
t
L
2
, x(0) = x(1) = 0.
La ecuacion A
1
v = 0 no tiene soluciones no triviales (pues v(0) =
v(1) = 0, pero la ecuacion A
1
x = 0 si tiene (x =const). R(A
1
) = /
y es cerrado, entonces A
1
x = f siempre tiene soluciones, pero no son
unicas porque x =
_
t
0
fds +C, C =const. Clase (2).
50
b) A
2
x = dx/dt, T(A
2
) = x, x
t
L
2
, x(0) = 0.A
2
= d/dt,
T(A
2
) = v, v
t
L
2
, v(1) = 0; R(A
2
) = /; las ecuaciones homo-
geneas A
2
x = 0, A
2
v = 0 solo tienen soluciones triviales y la solucion
de A
2
x = f existe para toda f y es unica, x =
_
t
0
fds. Clase (1).
c) A
3
x = dx/dt, T(A
3
) = x, x
t
L
2
, x(0) = x(1).A
3
= d/dt,
T(A
3
) = v, v
t
L
2
, v(0) = v(1); A
3
x = 0 tiene solucion no trivial,
x =const, lo mismo pasa con A
3
v = 0. Entonces A
3
x = f es soluble
si y solo si
_
1
0
fdt = 0 y la soluci on no es unica. Clase (2).
d) A
4
x = dx/dt, T(A
4
) = x, x
t
L
2
, x(0) = x(1) = 0, A
4
= d/dt,
T(A
4
) = v, v
t
L
2
, A
4
v = 0 v =const y la ecuacion Ax = f
es soluble si y solo si
_
1
0
fdt = 0; la solucion es unica y el operador
inverso es acotado. Clase (4).
Ejercicios.
1. Considere id/dt en los casos a)d), ejemplo 5. Muestre que es au-
toadjunto en c), simetrico en d) y no es simetrico en e) y b).
2. Considere d
2
/dt
2
con campos de denicion.
1) T
1
= x, x
t
, x
tt
L
2
2) T
2
= x, x
t
, x
tt
L
2
, x(0) = x(1) = 0
3) T
3
= x, x
t
, x
tt
L
2
, x
t
(0) = x
t
(1) = 0
4) T
4
= x, x
t
, x
tt
L
2
, x(0) = x(1) = x
t
(0) = x
t
(1) = 0
5) T
5
= x, x
t
, x
tt
L
2
, x(0) = x
t
(0) = 0.
Muestre que todos son cerrados. Encuentre los operadores adjuntos y
muestre que son simetricos en casos 2,3,4 y son autoadjuntos en casos
2,3. Estudie las ecuaciones no homogeneas y su solubilidad.
2.5 Espectro de operadores cerrados, simetricos
y autoadjuntos.
Denicion. Sea A cerrado. 1) Los n umeros complejos tales que AI
es regular se llaman valores regulares de A. El conjunto de todos los valores
regulares se llama el conjunto resolvente de A y se denota (A). Todos
que no pertenecen al (A) se llaman el espectro de A y se denota (A).
2) Si existe una solucion de Ax = x, x ,= 0, entonces se llama un
eigenvalor de A, y x se llama un eigenvector que corresponde a . El
2.5. ESPECTRODE OPERADORES CERRADOS, SIM
conjunto de eigenvalores se llama el espectro puntual de A y se denota
P((A). La dimension del espacio de eigenvectores que corresponden a se
llama la multiplicidad de .
3) Si la ecuacion Ax = x tiene solo la solucion trivial, pero (A)
1
no es
acotado, y R(A) ,= /, R(A) = /, entonces pertenece al espectro
continuo de A, C((A).
4) Si Ax = x no tiene soluciones no triviales, pero R(A) ,= /,
pertence al espectro residual de A, R((A). En este caso la variedad
lineal (R(A))
tiene dimension positiva que se llama de deciencia de

.
Teorema 27. Sea un punto de espectro residual con deciencia m.
Entonces

es un eigenvalor de A
de multiplicidad m.
Demostracion. Sea x T(A) y y en (R(A))
, entonces
((A)x, y) = 0 = (x, 0).
Eso signica que y, 0 es un par admisible para A y entonces y
T((A)
), (A)
y = A
y = 0, q.e.d.
Teorema 28. Sea A un operador simetrico, entonces (Ax, x) es real para
x T(A) y todos los eigenvalores son reales.
Demostracion. Tenemos (Ax, x) = (x, Ax) = (x, Ax) y (Ax, x) =
(Ax, x), x T(A). Entonces (Ax, x) es real. Si es un eigenvalor, en-
tonces Ax = x, (Ax, x) = (x, x) = |x|
2
, q.e.d.
Teorema 29. Si A es simetrico, entonces los espectros puntual y continuo
son reales.
Demostracion. Consideremos la ecuacion Au u = v. Tomemos
complejo, Im ,= 0, y u ,= 0. La parte imaginaria de la ecuacion
(u, Au) (u, u) = (u, v) es Im |u|
2
= Im (u, v) por el teorema an-
terior. Entonces v no puede ser igual a cero para u ,= 0 y Im ,= 0.
Entonces no es un eigenvalor y existe (A )
1
. Por la desigualdad de
Schwarz, [Im [|u|
2
= [Im (u, v)[ |u| |v|, pero u = (A)
1
v y
|(A)
1
v| (1/[Im [)|v|,
52
es decir, (A)
1
es acotado y pertence a (A) o a R((A), q.e.d.
Teorema 30. Sea A un operador autoadjunto, entonces su espectro es real
y el espectro residual es vaco.
Demostracion. Si R((A), entonces

(teo.
27). Pero A
= A y A
es autoadjunto, entonces

es real y es un eigenvalor
de A, que es imposible.
Ejemplos. 1. Ax =
_
t
0
xds. Si ,= 0, entonces (A)
1
es acotado (ej. 4
en la seccion anterior). Por eso ((A) = = 0. El n umero = 0 no es un
eigenvalor y 0 C((A) (porque R(A) ,= /, R(A) = /, A
1
no es acotado).
2. Ax = d/dt. a) T(A) = x, x
t
L
2
. La ecuacion Ax = x = 0 tiene
la solucion x = Ce
t
para toda , entonces ((A) = P((A) = C.
b) T(A) = x, x
t
L
2
, x(0) = 0.Ax x = 0, x(0) = 0, entonces x =
0, P((A) = . El operador (A)
1
es acotado, entonces ((A) = .
c) T(A) = x, x
t
L
2
, x(0) = x(1). Si Ax x = 0, x(0) = x(1),
entonces =
n
= 2ni, n = 0, 1, ..., el eigenvector correspondiente es
x
n
= Ce
2int
. Si ,= 2ni, es un calculo elemental probar que la solucion
de x
t
x = f satisface |x| const |f|, entonces (A)
1
es acotado y
((A) = P((A) = = 2ni.
d) T(A) = x, x
t
L
2
, x(0) = x(1) = 0. El problema x(0) = 0, x
t

x = f tiene la solucion x = e
t
_
t
a
e
f()d; para que sea x(1) = 0

tenemos que imponer la condicion
_
1
0
e
t
f(t)d = 0 (obviamente, e
t
es
la solucion de la ecuacion adjunta). Entonces R(A) = f L
2
, fe
t
.
Si f R(A), entonces |x| const |f| y (A )
1
es acotado. Tenemos
((A) = R((A) = C.
Ejercicios.
1. Clasique el espectro de id/dt con diferentes condiciones de frontera.
2. Lo mismo para d
2
/dt
2
.
3. Demuestre que si A es autoadjunto, entonces
(a) es regular si y solo si R(A) = /
(b) es un eigenvalor si y solo si R(A) ,= /.
2.6. OPERADORES COMPLETAMENTE CONTINUOS. 53
(c) C((A) si y solo si R(A) ,= / pero R(A) = /.
Solucion. Claro que podemos suponer que es real.
(a) Si es regular, entonces R(A) = /. Al reves, sea R(A) = /,
entonces N(A
) = R(A)
= 0, pero N(A
) = N(A).
Entonces no es un eigenvalor, y existe (A )
1
. Pero su campo
de denicion es / y, por el teorema de la graca cerrada, (A )
1
es acotado.
(b) Sea un eigenvalor y x el eigenvector correspondiente, Ax = x. El
conjunto N(A
) = N(A) no es vaco y por eso R(A)
=
N(A

) no es vaco. Entonces R(A) = N(A
,= /. Al
reves, sea R(A) ,= /, entonces N(A
= N(A)
,= / y
N(A) ,= 0, es decir, existe x tal que (A)x = 0.
(c) Si C((A), entonces por la denicion R(A) ,= / y R(A) =
/. Al reves, supongamos que R(A) = /, R(A) ,= /. Supong-
amos tambien que (A)
1
es acotado. Pero en este caso R(A)
es cerrado seg un la propiedad (b) de operadores cerrados (teo. 22).
Entonces x C((A).
2.6 Operadores completamente continuos.
Denicion. A es completamente continuo si A transforma conjuntos aco-
tados en conjuntos relativamente compactos.
Obviamente, un operador completamente continuo es continuo, pero no
al reves.
Ejemplo. A = I, este operador transforma la base ortonormal en la base
ortonormal, y esta no es compacta en un espacio de dimension innita.
Cada operador continuo con rango de dimension nita es completamente
continuo pues en un espacio de dimension nita cada conjunto acotado es
relativamente compacto.
Teorema 31. Sea A completamente continuo y x
n
una sucesion que
converge debilmente a x. Entonces Ax
n
Ax en /.
Demostracion. Supongamos que no es as, es decir, existe > 0 tal que
|Ax
t
n
Ax| para todo n (aqu x
t
n
es una subsucesion de x
n
). Seg un
54
el principio de acotacion uniforme, una sucesion que converge debilmente es
acotada (demuestre!). Entonces Ax
t
n
es relativamente compacta y existe
una subsucesion de este, x
tt
n
, tal que Ax
tt
n
y
tt
. Este y
tt
no puede ser igual
a y = Ax porque |Ax
tt
n
Ax| . Tenemos (Ax
tt
n
Ax, y
tt
Ax) |y
tt
Ax|
2
,= 0, y de otro lado (Ax
tt
n
Ax, y
tt
Ax) = (x
tt
n
x, A
(y
tt
Ax)) 0
porque x
tt
n
converge debilmente a x. Contradiccion.
Teorema 32. Sea A completamente continuo e invertible, dim / = .
Entonces A
1
no es acotado.
Demostracion. Sea e
k
una base ortonormal y x
n
= Ae
n
. Por el lema de
RiemannLebesgue, e
n
converge debilmente a cero, por eso x
n
0, pero
|e
n
| = 1. Entonces A
1
no es acotado.
Teorema 33. Si |A A
n
| 0 cuando n y A
n
son completamente
continuos, entonces A es completamente continuo.
Demostracion. Tomemos una sucesion acotada x
k
. A
n
son comple-
tamente continuos y por eso para cada n existe una subsucesion x
(n)
k
tal
que A
j
x
(n)
k
converge. Consideremos la sucesion diagonal x
(k)
k
. Claro que
A
j
x
(k)
k
converge para toda j. Tenemos
|Ax
(k)
k
Ax
(m)
m
| |Ax
(k)
k
A
j
x
(k)
k
| +|A
j
x
(k)
k
A
j
x
(m)
m
| +
+|A
j
x
(m)
m
Ax
(m)
m
|
|AA
j
|(|x
(k)
k
| +|x
(m)
m
|) +
+|A
j
(x
(k)
k
x
(m)
m
)|
La parte derecha converge a cero cuando j, k, m , entonces Ax
(k)
k
es
una sucesion de Cauchy, q.e.d.
Ahora estudiemos el espectro de operadores completamente continuos.
Teorema 34. Sea ,= 0, entonces R(A) es cerrado.
Demostracion. 1. Mostremos que si u N(A )
, entonces |(A
)u| c|u| para alg un n umero c > 0. Supongamos que no es as, es decir,
existe una sucesion u
n
tal que u
n
N(A)
, |u
n
| = 1, |(A)u
n
|
0. Entonces Au
n
u
n
0. La sucesion Au
n
tiene una subsucesion
Av
n
convergente y v
n
converge porque v
n
=
1
Av
n
. Denotemos w =lim
2.6. OPERADORES COMPLETAMENTE CONTINUOS. 55
v
n
, entonces Av
n
Aw y por eso Aw = w. Entonces w N(A). Pero
w N(A )
porque este ultimo es cerrado, consecuentemente w = 0.

Eso no es posible porque |v
n
| = 1.
2. Ahora sean f
n
una sucesion en R(A ), f =lim f
n
, y w
n
tales que
(A)w
n
= f
n
. Sean v
n
las proyecciones de w
n
sobre N(A)
, entonces
v
n
es una sucesion de Cauchy porque
|v
n
v
m
|
1
c
|(A)(v
n
v
m
)| =
1
c
|f
n
f
m
|;
v
n
converge a v y (A )v = f porque A es continuo. Entonces
f R(A), q.e.d.
Lema. Sea ,= 0, ((A). Entonces R(A) ,= /.
Demostracion. La armacion es obvia para C((A) o R((A). Sea
P((A); supongamos que R(A ) = /, entonces para toda y existe
un x tal que Ax x = y. Tomemos el eigenvector x
0
correspondiente a
y consideremos la sucesion x
n
tal que
Ax
0
x
0
= 0, Ax
1
x
1
= x
0
, ..., Ax
n
x
n
= x
n1
, ...
Mostremos que si x
0
,= 0, entonces x
n
es independiente. Supongamos
que no es as, es decir, x
0
, ..., x
n1
son independientes y x
0
, ..., x
n
son de-
pendientes, x
n
=
n1
i
x
i
. Aplicando A a esa igualdad tenemos
x
n
+x
n1
=
0
x
0
+
n1
i
(x
i
+x
i1
) o x
n1
=
n1
i
x
i1
porque x
n
=
i
x
i
. Entonces x
1
, ..., x
n1
tambien son dependientes y eso
contradice a la suposicion. Ahora tomemos y
m
= x
m
P
m1
x
m
, donde
P
m1
es el proyector sobre x
1
, ..., x
m1
. Obviamente, y
m
,= 0 si x
0
,= 0
y los vectores z
m
= y
m
/|y
m
| forman un sistema ortonormal. Los vectores
Az
m
convergen a cero por teorema 31, pero
(Az
m
, z
m
) = (
1
|y
m
|
Ax
m
1
|y
m
|
AP
m1
x
m
, z
m
) = (z
m
, z
m
) =
porque z
m
x
m1
, ..., x y Ax
m
= x
m
+ x
m1
. Entonces = 0 y eso
contradice la armacion.
Teorema 35. Sea ,= 0 y ((A), entonces

y
56
es un eigenvalor de A (porque A
= A).
Demostracion. Seg un el lema, R(A ) ,= / y R(A ) es cerrado
por teo. 34. Entonces / C((A). Si P((A) o P((A), entonces
[R(A)]
= N(A
) no es vaco y

. Mostremos
que A
es completamente continuo. Obviamente, AA
es completamente
continuo. Sea x
n
una sucesion acotada, entonces AA
x
t
n
es convergente
(x
t
n
es una subsucesion de x
n
). Tenemos
|A
(x
t
n
x
t
m
)|
2
= (AA
(x
t
n
x
t
m
), x
t
n
x
t
m
)
|AA
(x
t
n
x
t
m
)||x
t
n
x
t
m
|
const |AA
(x
t
n
x
t
m
)|

n,m
0
y A
es completamente continuo. Entonces = es un eigenvalor de

A = (A
.
Teorema 36. Sea ,= 0 tal que no es un eigenvalor de A, entonces
R(A) = / y (A)
1
es acotado.
Demostracion. Supongamos que R(A ) ,= /, entonces R(A )
no es vaco porque R(A ) es cerrado. Entonces existe y tal que y ,=

0 y (A

)y = 0. Seg un el teorema anterior, es un eigenvalor de
/, contradiccion. (A )
1
es acotado porque es cerrado (teo. 22a) y
T((A)
1
) = / (seg un teo. 22c).
Teorema 37. En un espacio de dimension innita = 0 ((A).
Demostracion. En efecto, supongamos que = 0 (A). Entonces A
1
es acotado y R(A) = /, pero eso es imposible seg un teo. 32.
Observacion. ((A) 0 = P((A) 0.
Teorema 38. La multiplicidad del eigenvalor del operador completa-
mente continuo es nita si ,= 0.
Demostracion. Sea ,= 0 un eigenvalor; supongamos que dim N(A
) = y tomemos las base ortonormal en N(A ). Denotemosla e
n
.
2.7. PROPIEDADES EXTREMALES DE OPERADORES ACOTADOS.57
Tenemos Ae
k
= e
k
o (Ae
k
, e
k
) = . Pero Ae
k
0, contradiccion.
Teorema 39. Sean
n
eigenvalores diferentes de A y
0
=lim
n
. Entonces
0
= 0.
Demostracion. Primero probemos que los eigenvectores correspondien-
tes a diferentes eigenvalores son independientes. Supongamos que no es
as, los primeros m 1 son independientes y x
m
=
m1
k
x
k
. Tenemos,
aplicando A y multiplicando por
m
,
m
x
m
=
m1
m
x
k
=
m1
k
x
k
o
m1
k
(
m

k
)x
k
= 0, es decir x
1
, ..., x
m1
son dependientes, con-
tradiccion.
Denotemos por P
m1
, como en la demostracion del lema, los proyectores
sobre x
1
, ..., x
m1
. Tomemos y
m
= x
m
P
m1
x
m
, y
m
,= 0. Como en
el lema, z
m
= y
m
/|y
m
| forman un sistema ortonormal y (Az
m
, z
m
) =
m
(z
m
, z
m
), Az
m
0, entonces
m
0. Sumando teoremas 3539, tene-
mos
Teorema 40 (Alternativa de Fredholm). El espectro del operador A com-
pletamente continuo puede contener puntos aislados del espectro puntual
m
,= 0 y el punto = 0. Las ecuaciones
(1)Ax x = 0 y (2)A
y = 0
para ,= 0 tienen o no tienen soluciones no triviales simultaneamente. La
ecuacion Ax x = f, ,= 0, tiene soluciones si y solo si f es ortogonal a
todas las soluciones de (2).
2.7 Propiedades extremales de operadores acota-
dos.
En esta seccion A es un operador acotado. Primero, por la desigualdad de
Schwarz, tenemos
M
A
= sup
|x|, =0
[(Ax, x)[
|x|
2
|A|.
58
Teorema 41. Sea ((A), entonces [[ |A|.
Demostracion. a) Si P((A), entonces = (Ax, x)/|x|
2
|A|.
b) Si R((A), entonces

y [
[ |A
|, es decir,
[[ |A| (las normas |A| y |A
| coinciden).
c) Si C((A), (A)
1
no es acotado y existe una sucesion x
n
tal que
|x
n
| = 1 y Ax
n
x
n
0. En efecto, existe y
n
tal que |(A)
1
y
n
|
n|y
n
| o, denotando x
n
= (A )
1
y
n
,
1
n
|(A )
x
n
|x
n
|
|. Entonces
= lim
n
(Ax
n
, x
n
) |A|.
Teorema 42. Sea A simetrico, entonces M
A
= |A|.
Demostracion. Es suciente mostrar que M
A
|A|, ver Lema 1 en la
demostracion del teorema 4, 4), cap. I.
Teorema 43. Sea A simetrico, entonces existe una sucesion x
n
tal que
|x
n
| = 1 y lim
n
(Ax
n
1
x
n
) = 0 donde
1
es |A| o |A|.
Demostracion. Seg un el teorema anterior, existe z
n
, |z
n
| = 1, tal que
lim
n
[(Az
n
, z
n
)[ = |A|. La forma (Az, z) es real (teo. 28) y entonces existe
x
n
z
n
tal que (Ax
n
, x
n
) |A| =
1
. Tambien tenemos
|Ax
n
x
n
|
2
= |Ax
n
|
2
+
2
1
|x
n
|
2
2
1
(Ax
n
, x
n
)
|A|
2
+
2
1
2
1
(Ax
n
, x
n
)
= 2
2
1
2
1
(Ax
n
, x
n
) 0, q.e.d.
Teorema 44. Sea A simetrico y completamente continuo, entonces uno de
los n umeros |A| y |A| es un eigenvalor de A.
Demostracion. La sucesion x
n
del teorema anterior es acotada y en-
tonces contiene una subsucesion y
n
tal que Ay
n
converge. Por eso
1
y
n
= Ay
n
tambien converge y existe su lmite
1
y tal que
1
y = Ay,
q.e.d.
Ejercicios.
2.7. PROPIEDADES EXTREMALES DE OPERADORES ACOTADOS.59
1. / =
2
, T(A) = x = (
1
, ...) :
j
,= 0 solo para un nito conjunto de
j. Ax = (
1
, 2
2
, ..., n
n
, ...). Muestre que A es simetrico, T(A) es
denso en
2
y A
es una extensi on de A con T(A
) = x = (
1
, ...) :
j
2
[
j
[
2
< . Muestre que A
es autoadjunto. Es A cerrado?
cerrable? Encuentre la cerradura.
2. / = L
2
[0, 1], T(A) = f, f
t
L
2
, f(1) = e
i
f(0), R, /f =
if
t
. Muestre que A es autoadjunto, encuentre las eigenfunciones y
eigenvalores.
3. Encuentre la derivada de f(t) = [t[ en L
2
[1, 1].
4. Sea a una variedad lineal cerrada y P
M
, el proyector sobre M. Cuan-
do P
M
es completamente continuo?
Captulo 3.
Ecuaciones integrales lineales
En este captulo vamos a aplicar los resultados del captulo anterior, al
caso de operadores integrales. Estos operadores, bajo de unas condiciones
bastante generales, son completamente contnuos, y por lo tanto su espec-
tro puede ser descrito por la teora de Riesz. Nosotros vamos a obtener
tambien algunas propiedades mas; la mayora de ellos es valida para op-
eradores completamente contnuos generales. Vamos a exponer tambien
un otro acceso a operadores integrales, el metodo de Schmidt, que reduce
un problema con operadores completamente continuos a un problema en
espacio de dimension nita. En las ultimas secciones vamos a estudiar
metodos aproximados y descomposicion de valores singulares; la ultima es
una generalizacion directa de dicho metodo para las matrices.
3.1 Operadores de HilbertSchmidt.
Consideremos un operador integral K en el espacio L
2
[a, b] que act ua seg un
la formula
y(t) = Kx(t)
_
b
a
k(t, s) (s)ds, a t b.
La funcion k(t, s) se llama el n ucleo del operador K. Obviamente, K es
lineal. Estudiemos primero los n ucleos separables.
Denicion. El n ucleo k(t, s) =
n
i=1
p
i
(t)q
i
(s), donde p
i
, q
i
L
2
[a, b], se
llama un n ucleo separable.
Es facil ver que el operador con un n ucleo separable es completamente
60
3.1. OPERADORES DE HILBERTSCHMIDT. 61
continuo. En efecto, para cada x L
2
tenemos
Kx =
n
1
C
i
p
i
(t), C
i
=
_
b
a
q
i
(s)x(s)ds,
y el rango de K es un conjunto de dimension nita. Tambien tenemos
|Kx| = |
n
1
C
i
p
i
|
n
1
[C
i
[|p
i
|
n
1
|p
i
|
_
b
a
[q
i
[[x[ds;
por la desigualdad de Schwarz
_
b
a
[q
i
[[x[ds |q
i
||x|
y |Kx| M|x|, donde M =
n
1
|p
i
||q
i
|. Entonces K es un operador
acotado con rango de dimension nita, y por eso es completamente continuo
(ver 6, cap. II).
Denicion. El n ucleo k(t, s) tal que
_
b
a
_
b
a
[k(t, s)[
2
dtds < se llama un
n ucleo de HilbertSchmidt y el operador K correspondiente a este n ucleo
se llame un operador integral de HilbertSchmidt.
Un operador de HilbertSchmidt es acotado. En efecto,
[y(t)[
2
=
_
b
a
k(t, s)x(s)ds
_
b
a
[k(t, s)[
2
ds
_
b
a
[x(s)[
2
ds
= |x|
2
_
b
a
[k(t, s)[
2
ds.
Entonces
|y|
2
=
_
b
a
[y[
2
dt |x|
2
_
b
a
_
b
a
[k(t, s)[
2
dsdt M
2
|x|
2
. ()
Mas que esto, un operador de HilbertSchmidt es completamente continuo.
Para demostrar esto, necesitamos el siguiente
Lema. Sea el conjunto
i
(t), i = 1, ..., n, ..., una base ortonormal en
L
2
[a, b] y el conjunto
i
(s), i = 1, ..., n, ... una base ortonormal en L
2
[c, d],
entonces el conjunto
i
(t)
j
(s), i, j = 1, ..., n, ... es una base ortonormal
en L
2
([a, b] [c, d]).
Demostracion. Obviamente, las funciones
i
(t)
j
(s) son ortonormales.
Mostremos que si (f,
i
(t)
j
(s)) = 0
i,j
, entonces f = 0. De aqu, seg un
62
teorema 7 (d), cap. II, surge que
i
j
forman una base. En efecto, de la
igualdad
_
b
a
_
_
d
c
f(t, s)
i
(t)dt
_

j
(s)ds = 0
i,j
surge que las funciones
i
(+) =
_
d
c
f(t, s)
i
(+)dt = 0
i
porque
j
forman
una base. La ultima igualdad signica que
i
= 0 en L
2
[a, b], es decir, casi
siempre. Entonces para casi todos t tenemos f(t, s) = 0 porque
i
tambien
forman una base. Entonces f(t, s) = 0 para casi todos t, s, es decir, en
L
2
([a, b] [c, d]), q.e.d.
Ahora mostremos que un operador de HilbertSchmidt es completa-
mente continuo. Sea
i
(t) una base en L
2
[a, b], entonces
i
(t)
j
(s) es
una base en L
2
([a, b] [a, b]) por el lema. Entonces
k(t, s) =
i,j
a
ij
i
(t)
j
(s), a
ij
=
_
b
a
_
b
a
k(t, s)
i
(t)
j
(s)dtds.
Por la igualdad de Parseval,
_
b
a
_
b
a
k(t, s)
n
i,j=1
a
ij
i
(+)
j
(s)
2
dtds =
i,j=n+1
[a
ij
[
2
. ()
La serie
[a
ij
[
2
converge, y por eso la parte derecha de la ultima igualdad
puede ser tan peque na como queremos; la cota de la norma de un operador
integral es dada por la norma del n ucleo en L
2
([a, b] [a, b]) (ver ()), y
por eso
|K K
n
|
2
_
b
a
_
b
a
k
n
1
a
ij
i

j
2
dtds < ,
donde K
n
es generado por el n ucleo
n
1
a
ij
i
(t)
j
(s) y es la cota de la
parte derecha en (), 0 cuando n . Por teorema 33, cap. II, K
es completamente continuo.
Consideremos unos ejemplos de ecuaciones que contienen operadores
integrales. Sus formas generales tienen los siguientes nombres:
Ku = f, Fredholm clase 1, (F1)
Ku = u, Fredholm clase 2, homogeneo ( C) (F2h)
Ku = u +f, Fredholm clase 2, no homogeneo (F2n)
En el caso cuando k(t, s) = 0 para s > t, el operador correspondiente,
Ku =
_
t
a
k(t, s)u(s)ds, se llama un operador de Volterra, y las ecuaciones
3.1. OPERADORES DE HILBERTSCHMIDT. 63
correspondientes se llaman ecuaciones de Volterra de clase 1 y 2 (homogeneo
y no homogeneo). Las denotaciones correspondientes son V 1, V 2h, V 2n.
Ejemplos. 1. a = 0, b = 1, k(t, s) = ts. Consideremos la ecuacion F2h :
_
1
0
tsu(s)ds = u, entonces u = Ct cuando ,= 0. Substituando en la
ecuacion, tenemos t
_
1
0
s
2
ds = t o = 1/3. Si = 0, entonces cada funcion
u tal que
_
1
0
usds = 0 es una solucion. Para cada funcion g L
2
[0, 1]
tenemos que g = (
3t, g)
3t + (g (
3t, g)
3t), entonces el conjunto

de eigenfunciones es completo en el sentido que cada funcion puede ser
descompuesta en la suma de dos; la primera en la direccion del eigenvector
que corresponde al eigenvalor no cero, y la segunda en la direccion ortogonal
a primera.
Consideremos F2n :
_
1
0
tsuds f(t) = u(t). Cuando ,= 0 tenemos
u =
1
(Ct f(t)); 0, substituando en la ecuacion, C(
1
3
) =
_
1
0
f(s)sds.
Si ,=
1
3
, u =
3t
(13)
_
1
0
sf(s)ds
f(t)
; si =
1
3
, la solucion existe solo
cuando
_
1
0
sf(s)ds = 0 y en tal caso u = Ct 3f(t), C es no determinado.
La ecuacion F1 tiene la forma
_
1
0
tsu(s) = f(t), entonces f(t) tiene que
tener la forma f = t, =const, para que la solucion exista, y en este caso
u = 2 +u
0
, donde u
0
es cualquier funcion que cumple
_
1
0
su
0
(s)ds = 0.
2. k(t, s) = sen t coss + cos s, a = 0, b = , ,= 0. Consideremos F2h :
_
0
k(t, s)u(s)ds = u(t). Si ,= 0, entonces u = C
1
sen t+C
2
cos t; tenemos
2
C
1
sen t +

2
C
2
cos t = C
1
sen t + C
2
cos t. Cuando ,= 1, tenemos
dos soluciones: C
2
= 0, =

2
, u = C
1
sen t y C
1
= 0, =

2
, u = C
2
cos
t. Cuando = 1, tenemos =

2
y u = C
1
sen t + C
2
cos t. Entonces en
el caso = 1 la multiplicidad del eigenvalor =

2
es igual a 2. Si = 0,
entonces cada funcion ortogonal a sen t y cos t es una solucion.
3. El n ucleo anterior con = 0. Cuando ,= 0, u = C sen t, pero sen t es
ortogonal a cos t y la solucion no existe. Si = 0, cada u tal que
_
0
u cos
sds = 0 es una solucion.
4. k(t, s) =
n
1
p
i
(t) q
i
(s), donde p
i
, q
i
son conjuntos independientes
(en el caso contrario podramos cambiar notaciones y obtener conjuntos
independientes). Consideremos F2h:
_
b
a
n
1
p
i
(t)q
i
(s)u(s)ds = u(t).
64
Si ,= 0, entonces u =
n
1
C
i
p
i
(t); substituando en la ecuacion tenemos
n
i=1
p
i
(t)
n
j=1
C
j
_
b
a
q
i
(s)p
j
(s)ds =
n
i=1
C
i
p
i
(t).
Entonces
n
j=1
a
ij
C
j
= C
i
, a
ij
=
_
b
a
q
i
(s)p
j
(s)ds = (p
j
, q
i
). ()
Consideremos el caso simetrico, q
i
(t) = p
i
(t); tenemos a
ij
= a
ji
. El n umero
= 0 no puede ser un eigenvalor del () porque p
i
son independientes, y el
determinante de la matriz a
ij
no es cero. En efecto, el siguiente lema es
valido.
Lema. Sean p
1
, ..., p
n
elementos del espacio de Hilbert. Entonces el
determinante de Gram de estos elementos, es decir,
G =
(p
1
, p
1
) (p
1
, p
2
) (p
1
, p
n
)

(p
n
, p
1
) (p
n
, p
2
) (p
n
, p
n
)
,
es cero cuando y solo cuando p
i
es un conjunto dependiente.
Demostracion. Sean p
1
, ..., p
n
dependientes, es decir, sea
1
p
1
+... +
n
p
n
= 0
para
j
no todas ceros. Entonces
n
i=1
1
(p
i
, p
j
) = 0 j y las colum-
nas de G son dependientes, entonces G = 0. Al reves, sea G = 0, en-
tonces sus columnas son dependientes y existen
j
no todas ceros tal que
n
i=1
i
(p
i
, p
j
) = 0 j o (
n
i=1
i
p
i
, p
j
) = 0 j. Entonces la combinacion lineal
n
n=1
i
p
i
, que pertenece a cubierta lineal de p
i
, es ortogonal a todos p
j
, y,
consecuentemente, es cero, q.e.d.
Regresemos a nuestro ejemplo. Aunque los eigenvalores de (), seg un
el lema, no pueden ser ceros, los eigenvalores de la ecuacion integral s
pueden. En efecto, cada funcion u tal que
_
b
a
u(t)p
i
(t)dt = 0, i = 1, ..., n, es
un eigenvector que corresponde a = 0.
Ejercicios.
3.2. LA SERIE DE NEUMANN. 65
1. Encuentre los eigenvalores de F2h para k(t, s) = t s, a = b, b = 1.
Estudie F2n.
2. Estudie la ecuacion F2n para k(t, s) = sen t sen s+ cos t cos s, a =
0, b = .
3. Lo mismo para k(t, s) = 1 [t s[, a = 1, b = 1. (Sugerencia:
diferencie la ecuacion y obtenga la ecuacion diferencial). Encuentre
eigenvalores.
4. Lo mismo para k(t, s) = e
[xs[
, a = 0, b = 1.
3.2 La serie de Neumann.
Reescribamos la ecuacion de Fredholm en la forma
u = Ku +g, =
1
, g =
1
f. ()
Si es peque no y g es peque no, entonces podemos suponer que la parte
derecha es una aproximacion de la solucion. Tratemos de usar iterac-
ciones:
u = K(Ku +g) +g =
2
K
2
u +Kg +g, ...,
u =
n
K
n
u +
n1
K
n1
g +... +gKg +g.
Si el termino primero de la parte derecha es peque no, entonces podemos
olvidarlo y suponer que la serie u = g +
n
K
n
g da la solucion. En
realidad, as es cuando la serie converge.
Teorema 1. Si la serie de Neumann
n
K
n
g converge, entonces u =
g +
n
K
n
g es la solucion de la ecuacion (), y esa solucion es unica
cuando [[|K| < 1.
Demostracion. Sea u = g +
n
K
n
g. El operador K es continuo (y
por eso acotado), y entonces podemos cambiar el orden de K y el signo de
suma. Tenemos
Ku = Kg +
n+1
K
n+1
g =
n
K
n
g = u g, q.e.d.
66
La serie de Neumann converge cuando [[|K| < 1. En efecto,
|
m
n=k
n
K
n
g|
m
k
[[
n
|K
n
g| =
m
k
[[
n
| K K
. .
n
g|
m
k
[[
n
|K|
n
|g|;
la parte derecha es una suma parcial de la progresion geometrica con la
razon [[|K|; esta converge cuando la razon es menor que 1. Mostremos
que la solucion es unica. En efecto, si u
1
y u
2
son soluciones, entonces
u
1
u
2
= K(u
1
u
2
) y |u
1
u
2
| [|K||u
1
u
2
|, esta desigualdad es
posible si y solo si u
1
= u
2
porque [[|K| < 1.
Ejemplos. 1. Consideremos ejemplo 1 de la seccion anterior, k(t, s) =
ts, 0 t, s 1. Los n ucleos iterados que corresponden a los operadores K
n
tienen la forma
k
n
(t, s) =
_
b
a

_
b
a
k(t, s
n1
)k(s
n1
, s
n2
)...k(s
1
, s)ds
1
...ds
n1
,
y en nuestro caso k
n
= ts(
1
3
)
n1
. La norma de K es acotada por 1/3, en
efecto, |K|
_
1
0
_
1
0
t
2
s
2
dsdt
1/2
= 1/3. Cuando [[ < 3, tenemos
u(t) = f(t) +
3
n1
_
1
0
tsf(s)ds = f(t) +
3t
3
_
1
0
sf(s)ds
(demuestre!).
2. La ecuacion de Volterra. a) Consideremos el caso V 2h :
u(t) =
_
t
a
k(t, s)u(s)ds.
Supongamos que el n ucleo es acotado, [k(t, s)[ M. La solucion de nuestra
ecuacion tiene que pertenecer a L
2
, entonces
p
_
b
a
[u[ds
b a|u| < .
De aqu surge [u[ [[
_
t
a
[k[[u[ds [[Mp. Substituyendo en la ecuacion,
tenemos
[u[ [[
_
t
a
[k[[[Mpds [[
2
M
2
p(t a) ... [[
n
M
n
p
(t a)
n1
(n 1)!
n
0.
3.3. OPERADORES DE HILBERTSCHMIDT AUTOADJUNTOS. 67
Entonces u = 0 y la ecuacion de Volterra no tiene eigenvectores.
b) V 1h :
_
t
0
k(t, s)u(s)ds = 0. Supongamos que k(t, s) es diferenciable.
Calculando la derivada con respecto a t, tenemos
_
t
0
k
t
u(s)ds +k(t, t)u(t) = 0.
Si k(t, t) no es igual a cero, estamos en el caso a) (dividiendo por k(t, t), y
denotando
1
k(t,t)
k(t,s)
t
k(t, s), = 1). Si k(t, t) tiene ceros, en general,
la solucion puede ser no trivial; p.ej.,
_
t
0
(t
u
3
s)u(s)ds = 0 para u(s) = s
2
.
c) V 2n, ,= 0. Chequemos si la serie de Neumann converge. Sea f tal que
m =
_
b
a
[f[dt, entonces
[Kf[ =
_
t
a
[K[[f[ds Mm, ..., [K
n
f[ M
n
m
(t a)
n1
(n 1)!
.
La serie de Neumann tiene la forma f+
n
K
n
f, la suma aqu es dominada
por
1
M
n
[[
n
m(t a)
n1
/(n1)!; la ultima serie converge uniformemente
y por eso la serie de Neumann converge en L
2
, es decir, la solucion existe
y es dada por ella. El hecho de que la solucion es unica es obvio.
Ejercicios.
1. Calcule la serie de Neumann para k(t, s) = sen t cos s, a = 0, b = ;
muestre que esta serie siempre converge.
2. Lo mismo para k(t, s) = e
ts
, a = 0, b = 1.
3.3 Operadores de HilbertSchmidt autoadjuntos.
Para empezar, obtengamos la forma explcita del operador adjunto a un
operador de HilbertSchmidt. Tenemos
(Ku, v) =
_
b
a
vKudt =
_
b
a
v(t)
_
b
a
k(t, s)u(s)dsdt
68
=
_
b
a
_
b
a
v(s)k(s, t)u(t)dsdt
=
_
b
a
u(t)K
v(t)dt = (u, k
v),
donde K
v =
_
b
a
k(s, t)v(s)ds. El n ucleo k(t, s) se llama simetrico si k(t, s) =
k(s, t). Obviamente, en este caso K = K
.
De los resultados 57 cap. II, tenemos las siguientes armaciones
sobre operadores de HilbertSchmidt con n ucleos simetricos:
1
. Los eigenvalores son reales.

2
. Las eigenfunciones que pertenecen a diferentes eigenvalores son or-

togonales.
3
. La multiplicidad de cada eigenvalor

n
,= 0 es nita.
4
. El unico punto lmite posible de los eigenvalores es cero.

5
. Seg un teorema 44, 7, cap. II, para un operador de HilbertSchmidt

simetrico existe la solucion del problema extremal
max
|u|=1
[(Ku, u)[. ()
Si la funcion
1
es la solucion de (), entonces
1
es un eigenvector
de K con eigenvalor
1
, [
1
[ = max
|u|=1
[(Ku, u)[ = |K|.
Consideremos el operador K
(2)
con el n ucleo
K
(2)
(t, s) = k(t, s) =
1
1
(t)
1
(s).
Obviamente,
K
(2)
u = Ku
1
1
(u,
1
).
El operador K
(2)
tiene las siguientes propiedades:
(a) Sobre las funciones u ortogonales a
1
, i.e. (u,
1
) = 0, el oper-
ador K
(2)
coincide con K, K
(2)
u = Ku.
(b) Sobre las funciones u colineares con
1
, u = c
1
, el operador
K
(2)
es cero, K
(2)
u = 0.
(c) El rango de K
(2)
es ortogonal a
1
. En efecto,
(Ku,
1
) = (u, K
1
) =
1
(u,
1
) o (K
(2)
u,
1
) = 0.
(d) Si u es una eigenfuncion de K
(2)
con el eigenvalor ,= 0, entonces
u es una eigenfuncion de K con el mismo eigenvalor. En efecto,
sea K
(2)
u = u, entonces K
(2) u
= u y u R(K
(2)
). Por (c),
(u,
1
) = 0 y por (a) K
(2)
u = Ku = u.
De las propiedades (a)(c), tambien por teorema 44, 7 , cap. II,
surge
6
. El problema extremal
max
|u|=1
[(K
(2)
u, u)[ ()
tiene una solucion, u =
2
, tal que K
(2)
2
=
2
2
y [
2
[ = |K
(2)
|.
Mas que esto, [
2
[ [
1
[.
Notemos que () puede ser reformulado como el problema
max
u=1
(u,
1
)=0
[(Ku, u)[.
En efecto, si
2
,= 0, entonces (
2
,
1
) = 0 (el rango de K
(2)
es ortogonal
a
1
y
2
, obviamente, pertenece al rango). Si
2
= 0, entonces K
(2)
es cero y u es cualquiera (u es la solucion de ()), por eso
2
puede
ser escogida en tal manera que (
2
,
1
) = 0. Pero si (u,
1
) = 0, por
(a) tenemos [(K
(2)
u, u)[ = [(Ku, u)[. En otras palabras: K
(2)
= KP
1
u,
donde P
1
u = u
1
(u,
1
), es decir, P
1
es el proyector sobre el subespacio
ortogonal a
1
, y sobre las funciones de este subespacio K
(2)
= K por (a).
En la misma manera, consideremos K
(3)
con el n ucleo
k
(3)
= k
1
1
(t)
1
(s)
2
2
(t)
2
(s),
etc. La solucion del problema
max
|u|=1
[(K
(n+1)
u, u)[ = [
n+1
[, ((n + 1))
donde el n ucleo de K
(n+1)
es k
(n+1)
(t, s) = k(t, s)
n
i=1
i
(t)
i
(s), da el
eigenvalor
n+1
y la eigenfuncion
n+1
y [
n+1
[ = |K
(n+1)
|. Este problema
puede ser reformulado como
max
|u| = 1
(u,
1
) = 0

(u,
n
) = 0
[(Ku, u)[ = [
n+1
[, [
n+1
[ [
n
[. ((n + 1))
70
Nuestro proceso puede acabarse despues de m pasos, i.e.,
m+1
= 0 y
k
(m+1)
(t, s) = 0 o puede continuarse al innito. Naturalmente, surgen dos
siguientes preguntas:
1. Todas las eigenfunciones que corresponden a los eigenvalores no triv-
iales pueden ser construidos en esta manera?
2. Forman las eigenfunciones una base?
Respuestas son dadas por los siguientes teoremas.
Teorema 2. Si g = Ku R(K), entonces g =
1
C
n
n
, C
n
= (g,
n
).
Demostracion. Consideremos la diferencia f
n
= u
n
1
C
k
k
. Esa funcion
es ortogonal a
1
, ...,
n
, por eso Kf
n
= K
(n+1)
f
n
y |K
(n+1)
f
n
| [
n+1
[|f
n
|
o
|K(u
n
1
C
k
k
)|
2
[
n+1
[
2
|u
n
1
C
k
k
|
2
= [
n+1
[
2
(|u|
2
1
[C
k
[
2
).
Seg un esa desigualdad,
|K(u
n
1
C
k
k
)| [
n+1
[|u|.
Pero
n+1
es cero o
n+1
0, n . Entonces
Ku =
k=1
C
k
K
k
=
k
(u,
k
)
k
=
1
(Ku,
k
)
k
porque K es autoadjunto y es posible cambiar el orden de K y del signo de
suma.
Teorema 3. El principio extremal ((n + 1)) da todos los eigenvalores no
ceros.
Demostracion. Supongamos que existe un eigenvalor ,=
n
, ,= 0 :
K = . Consideremos la descomposicion de K (obviamente, K
R(K)) en la serie con respecto a eigenfunciones del teorema anterior:
K =
1
(K,
n
)
n
=
1
(,
n
)
n
.
Seg un la propiedad 2
, (,
n
) = 0, entonces K = 0, contradiccion.
Teorema 4. El conjunto de todas las eigenfunciones (incluyendo tales que
corresponden al eigenvalor cero) es completo, es decir, para toda f L
2
[a, b]
tenemos la descomposicion f = h +
1
(f,
u
)
u
, donde h N(K).
Demostracion. Tomemos f L
2
. La serie
1
(f,
n
)
n
converge (porque
n
son ortonormales) a un elemento g L
2
. Tenemos K(g f) = 0
porque Kg y Kf tienen las mismas descomposiciones en series de Fourier
con respecto a
n
. Entonces h = g f N(K), q.e.d.
Ahora consideremos la ecuacion no homogenea y obtengamos las formulas
explcitas para la solucion.
Si la solucion de la ecuacion
Ku = u +f
existe, entonces u + f R(K) y u + f =
1
(a
n
+ b
n
)
n
, donde a
n
=
(u,
n
), b
n
= (f,
n
). Ademas, u + f = Ku =
n
a
n
n
. Igualando los
terminos de ambas series, obtenemos las condiciones necesarias para los
coecientes a
n
:
a
n
(
n
) = b
n
, n = 1, ...
Consideremos diferentes casos:
1
. ,= 0, ,=
n
para toda k. En este caso a
n
= b
n
/(
n
). La solucion
(si existe) es unica y dada por la formula
u =
f
+
1
Ku =
f
n
b
n
(
n
)
n
. (1)
Es un ejercicio simple checar que la ultima funcion satisface la ecuacion.
2
. ,= 0, =
m
y
m
tiene multiplicidad i + 1,
m
= ... =
m+i
. La
solucion existe si y solo si b
m
= ... = b
m+i
= 0 y es dada por
u =
f
+C
0
m
+C
1
m+1
+... +C
i
m+i
+
n,=m,...,m+i
n
b
n
(
n
)
n
(2)
72
donde C
0
..., C
i
son constantes arbitrarias.
3
. = 0 y 0 no es un eigenvalor. En este caso

u =
n
b
n
n
si
n
[
b
n
n
[
2
converge.
4
. = 0 pero 0 es un eigenvalor. La condicion necesaria para que la

solucion exista es (f,
0
) = 0 para toda
0
N(K); si esta condicion
se cumple, entonces u =

n
b
n
n
+
0
(es necesario tambien que

n
[
b
n
n
[
2
converga), aqu
0
es una funcion arbitraria del n ucleo N(K).
Ejercicio. Considere la ecuacion F2h para el n ucleo
k(t, s) = log [1 cos (t s)], 0 t, s 2.
Muestre que k(t, s) = log 2 + 2Re log [1 e
i(ts)
] y, entonces,
k(t, s) = log 2 2
n=1
cos nt cos ns
n
2
n=1
sen nt
sen ns
.
Muestre que
1
= 2 log 2,
n
= 2/(n1), n = 2, ... y
1
=cte,
n
= A
cos (n 1)t +B sen (n 1)t.
3.4 Principios extremales.
En la seccion anterior hemos visto que los valores absolutos de los eigen-
valores son soluciones de problemas extremales. Naturalmente surge la
pregunta: pueden los eigenvalores mismos ser obtenidos en esta mane-
ra?. Para dar la respuesta, dividamos todos los eigenvalores en negativos
y positivos,
1
,
2
, ...,
+
1
,
+
2
, ..., respectivamente, y ordenemos ellos tal
que
+
n+1

+
n
, [
n+1
[ [
n
[. Las eigenfunciones correspondientes a
n
denotemos por
n
. Consideremos la forma (Ku, u). Por el teorema 4 y la
desigualdad de Bessel,
(Ku, u) = (
i
(u,
i
)
i
, u) =
i
[(u,
i
)[
2
=
+
i
[(u,
+
i
)[
2
+
i
[(u,
i
)[
2
+
i
[(u,
+
i
)[
2

+
1
|u|
2
3.4. PRINCIPIOS EXTREMALES. 73
Entonces (Ku, u)/|u|
2

+
1
para toda u ,= 0 y esta desigualdad se con-
vierte en igualdad para u =
+
1
. Entonces
max
u,=0
(Ku, u)
|u|
2
=
+
1
.
En la misma manera,
max
(u,
+
1
) = 0

(u,
+
n
) = 0
u ,= 0
(Ku, u)
|u|
2
=
+
n+1
.
Analogicamente, (Ku, u)
1
|u|
2
y
min
u,=0
(Ku, u)
|u|
2
=
1
, min
(u,
1
) = 0

(u,
n
) = 0
u ,= 0
(Ku, u)
|u|
2
=
n+1
Ahora consideremos solo operadores con signo denido.
Denicion. El operador K es no negativo si (Ku, u) 0 u y positivo si
(Ku, u) > 0 u ,= 0.
Seg un la denicion, la forma (Ku, u) es real para operadores no negativos
o positivos, y por eso tales operadores tienen que ser simetricos. En efecto,
0 = 2iIm (Ku, u) = (Ku, u) (Ku, u) = (u, Ku) (Ku, u).
Un operador no negativo y simetrico cumple el siguiente
Teorema 5. (el principio minimax de Courant).
min
1
,...,
n
_
max
u
1
, ...,
n
u ,= 0
(Ku, u)
|u|
2
_
_
=
n+1
.
74
Demostracion (comp. con teorema 5, 2, cap.I). Denotemos la expresion
en parentesis en la parte izquierda por
n+1
. Del teorema 3 tenemos
max
u
1
, ...,
n
u ,= 0
(Ku, u)
|u|
2
=
n+1
,
entonces
n+1
=
n+1
para
j
=
j
y min
n+1

n+1
. Construyamos
una funcion u tal que u ,= 0, u
1
, ...,
n
y (Ku, u)/|u|
2

n+1
. Si
tal funcion existe para cada conjunto
1
, ...,
n
, entonces
n+1

n+1
y
min
n+1

n+1
. Tomemos u =
n+1
1
C
i
i
y C
i
tales que u
1
, ...,
n
.
Siempre existen las constantes C
i
con esta propiedad porque la condicion
u
1
, ...,
n
resulta en n ecuaciones para n + 1 constantes C
i
.
Tenemos
(Ku, u)
|u|
2
=
(
n+1
1
C
i
K
i
,
n+1
1
C
i
i
)
n+1
1
[C
i
[
2
=
n+1
i
[C
i
[
2
n+1
1
[C
i
[
2

n+1
n+1
1
[C
i
[
2
n+1
1
[C
i
[
2
=
n+1
, q.e.d.
Notemos unos metodos aproximados basados sobre los principios extremales.
1
. La procedura de RayleighRitz. La idea principal de este metodo

consiste en lo siguiente. En lugar de todo el espacio de Hilbert, supon-
gamos que u pertenece a la cubierta lineal de un conjunto nito de vec-
tores, digamos, v
1
, ..., v
n
, y resolvamos el problema extremal bajo de
esa suposicion. Para simplicidad, supongamos que v
j
son ortonormales,
u =
n
i=1
C
i
v
i
. Tenemos
(Ku, u)
|u|
2
=
n
i,j=1
C
i
k
ij

C
j
n
1
[C
i
[
2
, k
ij
= (v
i
, Kv
j
)
3.4. PRINCIPIOS EXTREMALES. 75
Seg un el principio minimax de Courant para las matrices, la forma bilineal
con la matriz (k
ij
) tiene eigenvalores dados por
k+1
= min
1
,...,
k
max
u Linv
1
, ..., v
n
u
1
, ...,
k
(Ku, u)
|u|
2
,
donde Linv
1
, ..., v
n
es la cubierta lineal del conjunto indicado, y, por teo-
rema 5,
k+1

k+1
. En 5 demostraremos que el problema de eigenvalores
de la matriz (k
ij
) coincide con las ecuaciones del metodo de Galerkin. Seg un
el ultimo,
k+1

k+1
cuando el conjunto v
1
, ..., v
n
tiende a una base.
2
. Iteraciones de Schwarz. Tomemos un elemento f

0
,= 0 tal que
Kf
0
,= 0. Claro que siempre existe un elemento con esa propiedad. De-
namos la sucesion f
n
= K
n
f
0
. Si f
n
= const. f
n1
, entonces f
n1
es
una eigenfuncion; si no, entonces en alg un sentido el cociente f
n
/f
n1
tiente a una constante, y esa ultima es un eigenvalor. Para formalizar
esa nocion, introduzcamos los n umeros a
k
= (f
i
, f
ki
); obviamente a
k
=
(K
i
f
0
, K
ki
f
0
) = (f
0
, K
k
f
0
). Por teorema 4, f
0
=
i
C
i
i
+h, h N(K), y
no todas C
i
son ceros (porque Kf
0
,= 0), entonces f
1
= Kf
0
=
i
C
i
i
, ...,
f
n
=

i
C
n
i

i
. Consecuentemente, a
k
= (f
0
, K
k
f
0
) =

i
[C
i
[
2
k
i
,= 0. Las
expresiones
k
= a
k
/a
k1
se llaman los cocientes de Schwarz.
Teorema 6. La sucesion
k
crece monotomicamente y es acotada por
1
,
entonces existe el lmite lim
k
k
=
1
.
Demostracion. Consideremos la funcion u = a
2k1
f
k
a
2k
f
k1
. Tenemos
(u, Ku) = a
2k1
(a
2k1
a
2k+1
a
2
2k
) 0. De aqu
a
2k
+ 1
a
2k
a
2k
a
2k1
o
2k+1

2k
pues a
2k1
> 0. Analogicamente, (u, u) = a
2k
(a
2k
a
2k2
a
2
2k1
) 0 y
a
2k
a
2k1
a
2k1
a
2k2
o
2k

2k1
.
Entonces
k
son monotonos. Tambien tenemos
2k

2k+1
=
(f
0
, K
2k+1
f
0
)
(f
0
, K
2k
f
0
)
=
(f
k
, Kf
k
)
(f
k
, f
k
)

1
, q.e.d.
76
Teorema 7. Si C
1
,= 0, entonces
k

1
. Si C
1
= ... = C
m1
= 0 y
C
m
,= 0, entonces
k

m
.
Demostracion. Por la denicion,
k+1
=
a
k+1
a
k
=
i
[C
i
[
2
k+1
i
i
[C
i
[
2
k
i
=
1
[[C
1
[
2
+[C
2
[
2
(
2
/
1
)
k+1
+...]
[[C
1
[
2
+[C
2
[
2
(
2
/
1
)
k
+...]
(aqu suponemos que la multiplicidad de
1
es uno; el caso general se
considere analogicamente), pero (
i
/
1
)
k
0 cuando k , entonces
k+1

1
. En la misma manera,
k+1

m
cuando C
1
= ... = C
m1
= 0.
Ejercicio. Demuestre que max
u,=0
(Ku,Ku)
(Ku,u)
=
1
para un operador de Hilbert
Schmidt positivo.
3.5 Metodos aproximados.
A. Regularidad de soluciones. Supongamos que el n ucleo iterado
k
2
(t, s) =
_
b
a
k(t, s
1
)k(s
1
, s)ds
1
es acotado y continuo. En este caso tenemos
los dos siguientes resultados (supongamos que Im k = 0, k(t, s) = k(s, t)) :
Teorema 8. Las eigenfunciones correspondientes a eigenvalores no ceros
son continuas.
Demostracion. Sea una eigenfuncion, entonces (t) =
_
b
a
k(t, s)
(s)ds y
[(t +t) (t)[ =
1
[[
[
_
b
a
[k(t +t, s) k(t, s)](s)ds[.
Por la desigualdad de Schwarz,
[(t +t) (t)[
1
[[
(
_
b
a
[k(t +t, s) k(t, s)[
2
ds)
1/2
||.
Tenemos
_
b
a
[k(t +t, s) k(t, s)[
2
ds = k
2
(t +t, t +t) k
2
(t +t, t) k
2
(t, t +t)
+ k
2
(t, t) 0, t 0.
3.5. M
ETODOS APROXIMADOS. 77
Entonces [(t +t) (t)[ 0 cuando t 0, q.e.d.
Teorema 9. La expansion con respecto a eigenfunciones converge uni-
formemente.
Demostracion. Seg un el teorema 4, para cada f L
2
tenemos f =
h +
j
(f,
j
)
j
donde Kh = 0. Entonces
[Kf K(
n
1
(f,
j
)
j
)[
2
= [Kf K[h +
n
1
(f,
j
)
j
][
2
= [
_
b
a
k(t, s)
_
f(s) h(s)
n
1
(f,
j
)
j
(s)
_
ds[
2
_
b
a
[k(t, s)[
2
ds|f h
n
1
(f,
j
)
j
|
2
.
Tenemos
_
b
a
[k(t, s)[
2
ds =
_
b
a
k(t, s)k(t, s)ds =
_
b
a
k(t, s)k(s, t)ds = k
2
(t, t),
k
2
es acotado (porque es continuo) y la norma |fh
n
1
(f,
j
)
j
| converge
a cero cuando n . Entonces
[Kf K(
n
1
(f,
j
)
j
)[ = [Kf
n
1
(f,
j
)K
j
[
= [Kf
n
1
(f,
j
)
j
j
[
= [Kf
n
1
(f,
j
j
)
j
[
= [Kf
n
1
(f, K
j
)
j
[
= [Kf
n
1
(Kf,
j
)
j
[
converge a cero, q.e.d.
Teorema 10. La solucion de F2n con f continua es continua (si existe)
78
cuando ,= 0.
u(t +t) u(t) =
1
_
b
a
(K(t +t, s) k(t, s))u(s)ds (f(t +t) f(t)).
El primer termino en la parte derecha, como en la demostracion del teorema
8, tiende a cero cuando t 0, lo mismo pasa con el segundo termino
porque f es continua.
B. El metodo de cuadraturas. En el caso cuando k(t, s) es continuo,
k
2
, es obviamente continuo. Entonces, si f es continua y ,=
n
, ,= 0, la
solucion es continua. Por eso tiene sentido hablar de los valores puntuales
del n ucleo y la solucion en los puntos de una red, digamos t
0
= s
0
=
a, t
i+1
= s
i+1
= s
i
+ , = (b a)/n, i = 1, ..., n. La integral puede ser
aproximada por su suma de Riemann, Ku
n
1
k(t, s
i
)u(s
i
). Tomando
nuestra ecuacion en los puntos t
j
, tenemos
n
1
u(s
i
)k(t
j
, s
i
) = (s
j
) +f(s
j
), j = 1, ..., n,
es decir, un sistema de ecuaciones lineales algebraicas para el vector u(s
1
), ..., u(s
n
).
La demostracion del hecho que la solucion de este sistema existe, es unica,
y es cerca de la solucion exacta esas estimaciones en el espacio C[a, b]. El
ultimo es un espacio de Banach, por eso no vamos a hablar sobre esas cosas.
El lector interesado puede obtener la informacion completa en el libro [2],
por ejemplo.
C. El metodo de Schmidt. El metodo de Schmidt es una forma al-
ternativa para obtener los resultados generales sobre los operadores com-
pletamente continuos (ver 6, cap. II), pero para operadores integrales.
De otro lado, este metodo es un instrumento muy comodo para obtener
justicaciones de muchos metodos aproximados. La idea principal de este
metodo es el hecho de que cualquier operador de HilbertSchmidt puede
ser aproximado por un operador con n ucleo degenerado (ver 1).
Consideremos la ecuacion (K )u = f, supongamos que [[ > 0.
Tomemos la descomposicion de K en la suma de dos operadores K =
K
t
+ K
tt
, donde K
t
es degenerado y K
tt
es tal que K
tt
es invertible.
Mostremos que eso siempre es posible. En efecto, la norma de K
tt
puede
3.5. M
ser hecha tan peque na como queremos, y el operador K
tt
es invertible
si [[
1
|K
tt
| < 1. Supongamos que K
tt
cumple esa desigualdad y con-
sideremos la ecuacion (K
tt
)u = f. Reescribiendo esa ecuacion como
u =
1
K
tt
u +
1
f, usemos el metodo de aproximaciones sucesivas; obten-

dremos u =
1
n=0
(K
)
n
n
f; la serie de Neumann converge y esta formula da
la unica solucion de nuestra ecuacion seg un teorema 1. Entonces (K
tt
)
es invertible, es decir, el operador (K
tt
)
1
es acotado. Supongamos
que el n ucleo de K
t
tiene la forma k
t
(t, s) =
n
j=1
j
(s)
j
(t); podemos es-
coger la aproximacion con respecto a funciones ortonormales, entonces,
podemos suponer que
j
forman un sistema ortonormal. Nuestra ecuacion
inicial adquiere la forma [K
t
+(K
tt
)]u = f; aplicando (K
tt
)
1
de la
izquierda, tenemos la ecuacion equivalente
u + (K
tt
)
1
K
t
u = (K
tt
)
1
f
def
= F
. ().
Calculemos la expresion (K
tt
)
1
K
t
u. Tenemos
K
t
u =
n
j=1
(u,
j
)
j
, (K
tt
)
1
K
t
u =
n
j=1
(u,
j
)
j
,
donde
j
= (K
tt
)
1
j
. Denotemos C
j
= (u,
j
), entonces () adquiere
la forma
u +
n
j=1
C
j
j
= F
, ()
y para obtener u es suciente saber solo los coecientes C
j
. Multiplicando
() por
m
escalarmente, tenemos el siguiente sistema para C
j
:
C
m
+
n
j=1
a
mj
C
j
= b
m
, a
mj
= (
j
,
m
), b
m
= (F
,
m
). (+)
Seg un las formulas de las series de Neumann para
j
, los coecientes a
mj
son holomorfos en
1
para [[ , y por eso el determinante de nuestro

sistema
D() =
1 +a
11
a
12
a
1n
a
21
1 +a
22
a
2n
...
a
n1
a
n2
1 +a
nn
es holomorfo en
1
para [[ , entonces D() tiene un n umero nito de

ceros para tales . Los ceros
n
de D() coinciden con los eigenvalores de
80
la ecuacion integral, y si ,=
m
, [[ , la solucion es unica y (K )
1
es acotado. Entonces la solucion de la ecuacion integral es reducida a la
solucion del sistema (+).
Teorema 11. Sean K y K
n
operadores completamente continuos y |K
n
K| 0 cuando n . Supongamos que ,= 0 no es un eigenvalor de

K. Entonces no es un eigenvalor de K
n
para n suciente grandes y la
solucion de la ecuacion (K
n
)u
n
= f converge a u cuando n .
Demostracion. Consideremos la ecuacion (K
n
)u
n
= f; esa es equi-
valente a (K )u
n
+ (K
n
K)u = f.(K ) es invertible, entonces la
ultima ecuacion es equivalente a
u
n
(K )
1
(K K
n
)u
n
= (K )
1
f.
El operador B
n
= (K)
1
(KK
n
) es acotado y su norma es tan peque na
como queremos, por eso (1B
n
) es invertible, entonces la solucion u
n
existe
y es unica, y no es un eigenvalor de K
n
. Probemos que
|(K
n
)
1
(K )
1
| 0, n .
Tenemos para u
n
la serie de Neumann
u
n
=
m=0
B
m
n
(K )
1
f = (K )
1
f +
m=1
B
m
n
(K )
1
f.
De otro lado, u
n
= (K
n
)
1
f y entonces
[(K
n
)
1
(K )
1
]f =
m=1
B
m
n
(K)
1
f.
De aqu
|[(K
n
)
1
(K )
1
]f|
m=1
|K K
n
|
m
|(K )
1
|
m+1
|f|
= |K K
n
||(K )
1
|
2
1
1 |K K
n
||(K )
1
|
|f|.
Obviamente, el primer factor converge a cero cuando n , q.e.d.
Teorema 12. Bajo de las mismas condiciones que en teorema 11, los
3.5. M
eigenvalores
k
del operador K son los lmites de los eigenvalores
(n)
k
de
los operadores K
n
.
Demostracion. Construyamos el determinante D
(n)
() para los operado-
res K
n
. Obviamente, los elementos de D
(n)
() convergen a los elementos
de D() cuando n . Sea
0
una raiz de D() afuera del crculo [[ =
y sea p su multiplicidad, entonces para un suciente peque no n umero
no hay otras raices de D() en el crculo del radio con el centro en
0
,
D()[
[
0
[=
,= 0. Sea q = min
[
0
[
D(). Tomemos N tal que cuando
n N tenemos [D() D
(n)
()[ < q, [
0
[ = . Por el teorema de
Rouche, D
()
tiene p races dentro del crculo [
0
[ = para n N.
Denotemos ellos por
n
1
...,
n
p
. Claro que [
n
j

0
[ < , pero es tan
peque no como queremos; entonces
n
j

0
, q.e.d.
Observacion. El teorema 12 no garantiza que los eigenvectores correspon-
dientes convergen a los eigenvectores del operador K. En realidad, eso no
es as en general (para contraejemplos, ver [3]).
D. Aproximacion del n ucleo por un n ucleo separable. En este
metodo en lugar de las ecuaciones con el n ucleo k(t, s) uno considera ecua-
ciones con el n ucleo k
n
(t, s) que es un n ucleo separable y converge a k
cuando n . Los problemas con k
n
son reducidos a ecuaciones alge-
braicas lineales; seg un teoremas 11 y 12 las soluciones correspondientes
convergen a soluciones de las ecuaciones iniciales cuando n .
E. El metodo de Galerkin. Consideremos una base ortonormal v
j
, j =
1, .... Denotemos por P
n
el proyector sobre v
1
, ..., v
n
. Claro que |P
n

1| 0, n . En lugar de la ecuacion (K )u = f consideremos la
ecuacion P
n
(K )P
n
u = P
n
f, es decir, proyectemos la ecuacion sobre la
cubierta lineal de v
1
, ..., v
n
y busquemos la solucion en la misma. Obvi-
amente, P
2
n
= P
n
, y para u
n
= P
n
u tenemos (P
n
K )u
n
= P
n
f
def
= f
n
.
Mostremos que |P
n
K K| 0, n . En efecto, |(P
n
K K)u| =
|(P
n
1)Ku| |P
n
1||K||u|. Seg un teoremas 11 y 12, u
n
converge
a la solucion exacta cuando n (estrictamente diciendo, as es cuando
la parte derecha es exactamente f; es un calculo elemental mostrar que el
teorema 11 es valido cuando f es cambiada por f
n
tal que f
n
f, n ).
Encontremos la forma explcita de las ecuaciones del metodo de Galerkin.
82
Tenemos u
n
=
n
1
C
i
v
i
, f
n
=
n
1
(f, v
i
)v
i
,
P
n
Ku
n
=
n
1
(Ku
n
, v
i
)v
i
=
n
i=1
n
j=1
(c
j
kv
j
, v
i
)v
i
=
n
i,j=1
(Kv
i
, v
j
)C
i
c
j
.
Entonces la ecuacion (P
n
K )u
n
= f
n
es equivalente a
n
i,j=1
(kv
j
, v
i
)c
j
v
i
i=1
C
i
v
i
=
n
i=1
(f, v
i
)v
i
;
de aqu,
n
j=1
(kv
j
, v
i
)c
j
C
i
= (f, v
i
), i = 1, ..., n. La matriz de este sistema
de ecuaciones lineales algebraicas es la misma que en el metodo de Rayleigh
Ritz (ver la seccion anterior, 1
).
F. El metodo de los cuadrados mnimos. Supongamos que estamos
trabajando en un espacio real y ,= 0 no es un eigenvalor de K. Tomemos
un conjunto ortonormal v
1
, ..., v
n
y busquemos u en la forma u =
n
i=1
C
i
v
i
,
donde C
i
son tales que la norma de la diferencia de (K)u y f sea mnima,
|
n
i=1
C
i
g
i
f|
2
min, g
i
(t) =
_
b
a
k(t, s)v
i
(s)ds v
i
(t).
Mostremos que las ecuaciones correspondientes para C
i
coinciden con las
ecuaciones del metodo de Galerkin, y, entonces, la solucion del problema
variacional converge a la solucion exacta cuando n .
Tenemos
T |
n
1
C
i
g
i
f|
2
=
n
i,j=1
C
i
C
j
(g
i
, g
j
) 2(f,
n
1
C
i
g
i
) +|f|
2
.
Las condiciones para el mnimo son T/C
i
= 0, i = 1, ..., n, o
n
i=1
C
i
_
b
a
g
m
(t)g
i
(t)dt =
_
b
a
f(t)g
m
(t)dt, m = 1, ..., n.
3.5. M
Es un calculo simple mostrar que estas ecuaciones coinciden con las ecua-
ciones del metodo de Galerkin para la ecuacion (K )
2
u = (K )f, y
la ultima es equivalente a la ecuacion inicial porque (K ) es invertible.
G. El principio variacional y la procedura de RayleighRitz para
la ecuacion no homogenea. Consideremos un operador A estrictamente
positivo, i.e., (Au, u)
2
|u|
2
. Supongamos que A es acotado, entonces
(Au, u) |A||u|
2
. Consideremos la forma
I(v) = (f, v) + (v, f) (Av, v).
Teorema 13. a) Si la ecuacion Au = f tiene una solucion u, entonces I(v)
tiene su valor maximal para v = u.
b) Si I(v) tiene un valor maximal para v = u, entonces u es la solucion de
Au = f.
Demostracion. Introduzcamos un nuevo producto escalar
[w, z] = (Aw, z).
Nuestro espacio es completo con respecto a la norma generada por este
producto escalar porque
2
|u|
2
(Au, u) |A||u|
2
(demuestre!). Mos-
tremos la parte a). Tenemos I(v) = (Au, v) + (v, Au) (Av, v) y
I(u) I(v) = (u, Au) (Au, v) (v, Au) + (Av, v) = (A(u v), u v)
= [u v, u v] 0,
y la igualdad tiene lugar si y solo si u = v. Entonces I(v) adquiere el
maximo para v = u.
b) Supongamos que I(v) adquiere el maximo para v = u. Entonces
I(u) I(u +) 0 , .
La parte izquierda es igual a 2Re [(Au, )(f, )]+
2
(A, ); esa expresion
no es negativa para todo si y solo si Re[(A, ) (f, )] = 0. La ultima
igualdad se cumple para toda , entonces Au = f, q.e.d.
La procedura de RayleighRitz consiste en lo siguiente: supongamos
que v pertenece a la cubierta lineal de v
1
, ..., v
n
y busquemos el maximo
de I(v) bajo de esta condicion. Tenemos v =
n
1
C
i
v
i
, I(v) = 2
i
C
i
(f, v
i
)
84
i,j
C
i
C
j
(Av
i
, v
j
) (consideremos el caso real). Las condiciones para el ma-
ximo son I/C
i
= 0, entonces
(f, v
i
) =
n
j=1
(Av
i
, v
j
)C
j
, i = 1, ..., n;
estas coinciden con las ecuaciones de Galerkin.
3.6 Operadores de HilbertSchmidt no simetri-
cos.
En esta seccion consideremos unos resultados sobre ecuaciones de Fred-
holm de clase 1 para operadores no simetrios. Lo que pasa es que unos
analogos de las formulas en el n de 3 pueden ser obtenidos en el caso no
simetrico usando la descomposicion de valores singulares (cf. 4 cap. I).
Consideremos los siguientes operadores
K
R
= KK
y K
L
= K
K
para un operador K de HilbertSchmidt. Los n ucleos correspondientes son
k
R
(t, s) =
_
b
a
k(t, s
1
)
k(s, s
1
)ds
1
y k
L
(t, s) =
_
b
a
k(s
1
, t)k(s
1
, s)ds
1
y son, obviamente, simetricos. Tenemos
(K
L
u, u) = |Ku|
2
, (K
R
, u, u) = |K
u|
2
,
entonces K
L
y K
R
son no negativos, y, por eso, tienen eigenvalores no
negativos y reales. Mostremos que estos eigenvalores coinciden. Sea v un
eigenvector de K
L
que pertenece al eigenvalor
2
, K
L
v =
2
v, entonces
u = Kv satisface
K
R
u = K
R
K
v
= KK
Kv = KK
L
v =
2
Kv =
2
u.
Al reves, sea u un eigenvector de K
R
con eigenvalor
2
, K
R
u =
2
u, en-
tonces v = K
u es un eigenvector de K
L
con el mismo eigenvalor. Mas que
esto, las multiplicidades de los eigenvalores son iguales tambien: si v
1
, ..., v
k
son eigenvectores independientes de K
L
que corresponden a
2
, entonces
Kv
1
, ..., Kv
k
son tambien independientes. En efecto, si los ultimos no son
3.6. OPERADORES DE HILBERTSCHMIDT NO SIM
ETRICOS. 85
independientes, entonces
1
Kv
1
+ ... +
k
Kv
k
= 0; actuando por K
ten-
emos
2
(
1
v
1
+ ... +
k
v
k
) = 0, y eso es imposible si
2
,= 0. Tomemos
el conjunto ortonormal de los eigenvectores del operador K
R
; denotemos
ellos por u
n
. Supongamos que K
R
u
n
=
2
n
u
n
.
n
se llaman los valores
singulares del K. Entonces el conjunto de v
u
=
1
n
K
u
n
forma el conjunto
ortonormal de los eigenvectores del operador K
L
. En efecto,
(v
m
, v
n
) =
1
n
(K
u
m
, K
n
) =

n
m
(u
m
, u
n
) =
mn
.
En la misma manera, si v
n
es el conjunto ortonormal de los eigenvectores
ortonormales de K
L
, entonces
1
n
Kv
n
es el conjunto ortonormal de los
eigenvectores de K
R
.
Teorema 13. Ky = 0 si y solo si (y, v
n
) = 0 n.
Demostracion. Supongamos que Ky = 0. Entonces (Ky, u
n
) = 0 o
(y, K
u
n
) =
n
(y, v
n
) = 0. Al reves, si (y, v
n
) = 0, entonces
(y, K
Kv
n
) = (K
Ky, v
n
) = 0
n
y y N(K
K) (por teorema 4). Entonces 0 = (K
Ky, y) = (Ky, Ky) =

|Ky|
2
, q.e.d.
Entonces, v
n
es una base para N(K)
. En efecto, sea x N(K)
y
(v
n
, x) = 0
n
, entonces Kx = 0, x N(K) y por eso x = 0. Ahora por
teorema 7, cap. II v
n
es una base.
Entonces para cada vector f tenemos la descomposicion
f = f
0
+
n
(f, v
n
)v
n
, f
0
N(K). ()
Teorema 14. Sea g R(K) (es decir, g = Kf), entonces
g =
n
(g, u
n
)u
n
=
n
(f, v
n
)
n
u
n
.
Demostracion. Tenemos por ()
g = Kf = Kf
0
+
n
(f, v
n
)Kv
n
= 0 +
n
(f, v
n
)
n
u
n
,
entonces g =
n
(g, u
n
)u
n
por la denicion de v
n
.
86
Analogicamente, tenemos los siguientes resultados:
Teorema 15. K
y = 0 si y solo si (y, u
n
) = 0
n
.
El conjunto u
n
es una base de N(K
y para cada f tenemos

f = f
t
0
+
n
(f, u
n
)u
n
, donde f
t
0
N(K
).
Teorema 16. Sea g R(K
) (es decir, g = K
f), entonces
g =
n
(g, v
n
)v
n
=
n
(f, u
n
)
n
v
n
.
Ahora consideremos la ecuacion F1n:
Ky = h. ()
La condicion necesaria para que la solucion exista es (h, z) = 0 para todo
z tal que K
z = 0. Denotemos esta condicion por (I). De () tenemos

(Ky, u
n
) = (h, u
n
) = (y, K
u
n
) =
n
(y, v
n
),
entonces y = y
0
+
n
(y, v
n
)v
n
= y
0
+
n
(h,u
n
)
n
v
n
, y
0
N(K).
La ultima serie converge cuando
n
1
2
n
[(h, u
n
)[
2
< (II).
Mostremos que (I) y (II) son sucientes para la existencia de la solucion.
En efecto, si la serie converge, tenemos
Ky = Ky
0
+
n
(h, u
n
)
n
Kv
n
= 0 +
n
(h, u
n
)u
n
.
Seg un (I), hN(K
) y por la formula despues del teorema 15
n
(h, u
n
)u
n
= h, q.e.d.
Ejemplo. Sea Ky =
_
t
0
y(s)ds, 0 t 1. El operador K no tiene eigen-
valores; el n ucleo correspondiente es
k(t, s) =
_
0, 0 t s 1,
1, 0 s t 1.
3.7. REGULARIZACI
ON. 87
El n ucleo k
L
(t, s) =
_
1
max (t,s)
ds
1
=
_
1 s, 0 t s 1,
1 t, 0 s t 1.
El problema de los eigenvalores para el operador K
L
tiene la forma
2
v =
_
t
0
(1 t)v(s)ds +
_
1
t
(1 s)v(s)ds
y es equivalente a
d
2
v
dt
2
+
1
2
v = 0, v
t
(0) = v(1) = 0.
De aqu
v
n
(t) =
2 cos (2n + 1)
t
2
,
2
n
=
4
(2n + 1)
2
2
, n = 0, 1, ...
Analogicamente, u
n
2 sen (2n + 1)
t
2
. La condicion (II) tiene la forma
0
(2n + 1)
2
2
4
[
_
1
0
h(t)
2sen (2n + 1)
t
2
dt]
2
<
y abajo esta condicion
y =
0
(2n + 1)[
_
1
0
h(t)sen (2n + 1)
t
2
cos (2n + 1)
t
2
.
Ejercicio. Muestre que |K| = [
1
[ para cualquier operador de Hilbert
Schmidt (
2
1
es el eigenvalor maximal de K
L
o K
R
).
3.7 Regularizaci on.
La formula para la solucion de la ecuacion F1n de la seccion anterior im-
plica que K
1
no es acotado aunque exista. Lo mismo es garantizado por
el teorema 32, 6, cap. II sobre operadores completamente continuos gen-
erales. Eso signica que si la parte derecha fuera cambiada un poco, la
solucion cambiara muy fuertemente. En las aplicaciones la parte derecha
siempre es una aproximacion, y de aqu surge el siguiente problema: encon-
trar una solucion aproximada de la ecuacion Ky = h dada por la formula
y
= R
h ( es un parametro) tal que R
sea acotado cuando ,= 0 y

y
y cuando 0. Obviamente, el operador R

0
no es acotado. La
88
solucion de este problema es dada por el siguiente teorema de regularizacion
(por la primera vez una version fue dada por Tijonov).
Teorema 17. Sea K un operador completamente continuo y N(K) = 0,
entonces el operador I +K
K, > 0, tiene inverso acotado y el operador

R
= (I +K
K)
1
K
es tal que
|R
Ky y| 0, 0 y |R
|
1
2
.
Observacion. La armacion signica que para toda h R(K)
|R
h K
1
h| 0, 0
(K
1
existe sobre R(K) porque N(K) = 0).
Demostracion. Mostremos que I +K
K es invertible. En efecto, sea

una solucion de +K
K = 0, entonces (, )+(K, K) = 0 y por eso

= 0. Entonces N(I + K
K) = 0. El operador K
K es completamente
continuo y no es un eigenvalor, entonces el rango de I +K
K es igual a
todo el espacio /, por eso (I +K
K)
1
existe y es acotado (teorema 36,
cap. II). Consideremos la ecuacion y
+ K
Ky
= A
h. Por el teorema
16,
g = A
h =
n
(g, v
n
)v
n
=
n
(h, u
n
)
n
v
n
.
Entonces y
n
+
2
n
(h, u
n
)v
n
y R
h =
n
+
2
n
(h, u
n
)v
n
.
Tenemos
|R
h|
2
=
n
+
2
n
2
[(h, u
n
)[
2
1
(2
)
2
n
[(h, u
n
)[
2
1
(2
)
2
|h|
2
por la desigualdad de Bessel y seg un la cota
z
+z
2
1
2
.
Consideremos la norma (N(K) = 0 y por eso v
n
es una base en /)
|R
Ky y|
2
=
n
[(R
Ky y, v
n
)[
2
=
m
+
2
m
(Ky, u
m
)(v
m
, v
n
) (y, v
n
)
2
=
n
__

2
n
+
2
n
_
1
_
2
[(y, v
n
)[
2
,
3.7. REGULARIZACI
ON. 89
porque (v
m
, v
n
) =
mn
y A
u
m
=
m
v
m
. Escojamos N tal que
N+1
[(y, v
n
)[
2
< y dividamos la suma en dos partes, a lo largo de n de 1 a N y de N +1
a . Existe un n umero
0
tal que para 0 <
0
y n = 1, ..., N tene-
mos [(

2
n
+
2
n
) 1]
2
< /|y|
2
porque

2
+
2
1 cuando 0 y es jo.
Entonces
|R
Ky y|
2

|y|
2
N
1
[(y, v
n
)[
2
+ 2, q.e.d.
Ejercicios.
1. Encuentre la solucion de
_
1
1
(t
2
2ts)u(s)ds u(t) = t
3
t, , R.
2. Encuentre los eigenvalores y las eigenfunciones de
_

0
k(t, s)u(s)ds = u(s), k(t, s) =
1
2
n
sen nt sen ns.
3. Encuentre la solucion de
_
1
0
k(t, s)u(s)ds u(t) = f(t), f(t) = t
k(t, s) =
_
t(s 1), 0 t s 1
s(t 1), 0 s t 1
4. Sea e
1
, ..., e
n
, ... una base ortonormal en / y sea
1
, ...,
n
... una
sucesion tal que
n
R,
n
0, n . Demuestre que el operador
Ax =
n
(x, e
n
)e
n
es autoadjunto y completamente continuo.
Captulo 4.
Introducci on a la teora de distribuciones
Usando la nocion de distribuciones y funciones de Green, es posible
reducir el problema regular de SturnLiouville a la ecuacion integral y de-
spues aplicar los resultados con respecto al espectro del operador integral
correspondiente al operador inicial diferencial. Este metodo casi no se usa
en aplicaciones pues es mucho mas f acil encontrar la forma explcita de
las eigenfunciones del problema de SturnLiouville que resolver la ecuacion
integral; sin embargo, para obtener conclusiones generales sobre el espec-
tro este metodo es indispensable cuando la ecuacion diferencial no admite
soluciones explcitas. En este captulo presentamos hechos principales de
la teora de distribuciones y el esquema general de dicha reduccion.
4.1 El espacio de distribuciones.
En muchos problemas de fsica matematica es util considerar problemas
con fuentes puntuales (las soluciones de los problemas de este tipo se lla-
man funciones de Green) pues las soluciones de los problemas generales son
dados por convoluciones de las funciones de Green y las partes derechas cor-
respondientes. Este hecho es muy natural pues la inuencia de un fuente
distribuido es la suma (o integral) de las inuencias puntuales distribuidas
en una manera apropiada (la ley de superposicion para problemas lineales).
Antes de la formacion de la teora de distribuciones, los problemas con
fuentes puntuales fueron resueltos en la manera siguiente: el fuente pun-
tual fue sustituido por una sucesion de funciones suaves que aproximaron el
fuente puntual, despues uno tuvo que tomar el lmite de las soluciones cor-
respondientes. La teora de distribuciones da un instrumento para resolver
problemas de este tipo directamente.
De otro lado, las ecuaciones diferenciales en la teora de distribuciones
se consideran en el sentido debil, es decir, como identidades integrales en
90
4.1. EL ESPACIO DE DISTRIBUCIONES. 91
la misma forma en que estas ecuaciones surgen de las leyes experimentales
de fsica. Eso abre la posibilidad de considerar soluciones de ecuaciones
diferenciales que contienen, por ejemplo, descontinuidades. Seg un la teora
clasica eso es imposible y, simultaneamente, soluciones de este tipo son del
interes principal desde el punto de vista de fsica. Como una teora consec-
utiva, la teora de distribuciones fue formada en 193050 en los trabajos de
Schwartz y Sobolev.
Empecemos con un ejemplo. Consideremos la funcion (x) tal que
= 0 para x ,= 0 y
_

(x)(x)dx = (0) (1)

para toda funcion (x) suave. Mostremos que no existe una funcion local-
mente integrable que cumple estas condiciones. Consideremos la familia de
funciones
a
(x) =
_
exp (
a
2
x
2
a
2
), [x[ < a,
0, [x[ a.
Claro que
a
(0) =
1
e
max
x
[
a
(x)[. Pero para cualquier funcion f(x) local-
mente integrable tenemos
f(x)
a
(x)dx
1
e
_
a
a
[f(x)[dx 0 cuando a 0
y
a
(0) =
1
e
,= 0. Ahora recordemos que si (x) es Lipschitzcontinua en
[b, b], entonces (ver Teorema 9, 2, cap. II)
lim
k
1
_
b
b
(x)
sin kx
x
dx = (0). (2)
Es decir, existen sucesiones tipo tales que (1) se cumple en lmite. Otros
ejemplos de sucesiones de este tipo son
f
k
=
_
k, 1/2
k
x 1/2
k
0, [x[ > 1/2
k
;
f
k
=
k
e
k
2
x
2
, etc.
Estas sucesiones sirvieron como aproximaciones de fuentes puntuales en el
pasado.
El hecho que (x) no puede ser escrita en la forma (1) tambien es natural
pues (x) no es una funcional acotada en L
2
(ver 3, cap. II), y, por lo tanto,
no puede ser representada como (, f) con f L
2
. Sin embargo, teniendo
(2) en mente, quisieramos usar funciones ordinarias como funcionales, es
92
decir, las distribuciones (funcionales) correspondientes a funciones ordinar-
ias tienen que ser dadas por integrales. Esa es la idea principal de la teora
de distribuciones: denir distribuciones tal que, en el caso cuando exis-
ten funciones ordinarias correspondientes, ellos tomaran la forma de los
productos escalares en L
2
. Pasemos ahora a exposicion formal.
Denicion. Dicen que la sucesion de funciones
n
C
0
(R
m
) converge en
T(R
m
) a si supp
n
, donde es una region acotada e independiente
de n, y
lim
n
max
x
[k[
n
x
k

[k[
x
k
= 0 k = (k
1
, ..., k
m
), [k[ = k
1
+... +k
m
,
x
k
= x
k
1
1
...x
k
m
m
El espacio C
0
con este concepto de convergencia se llama el espacio T de
las funciones de prueba. Obviamente, T es completo.
Denicion. El espacio de las funcionales lineales continuos sobre T (es
decir, funcionales T tales que T
n
T para
n
) se llama el espacio
de distribuciones y se denota T
t
.
Ejemplos. 1. Toda funcion f(x) localmente integrable dene la funcional
T tal que T =
_
fdx. Vamos a denotar la accion de esta funcional por
T =< f, >.
2. La funcional (xa), a =const, es dada por la formula < (xa), >=
(a). Claro que esta funcional es continua sobre T aunque no es continuo
sobre L
2
.
La denicion de distribuciones sobre T() donde es una region abierta
es una generalizacion obvia de la denicion anterior.
Denicion (topologa en T
t
). Dicen que la sucesion de distribuciones f
n
converge a la distribucion f si
< f
n
, >

n
< f, > T.
Observaci on. Esta denicion es en acuerdo con los ejemplos de sucesiones
tipo . T
t
es un espacio completo (una demostracion elemental es dada
en [4]).
Denicion. Sea G una region abierta, entonces f = 0 en G si < f, >= 0
para toda T(G), y f = g en G si f g = 0 en G. La union (
f
de todas
las regiones G donde f = 0 se llama el conjunto cero de f. El soporte de f
es el complemento de (
f
en R
m
.
Denicion. La distribucion f se llama regular si existe f(x) L
1
loc
tal
que < f, >=
_
f(x)(x)d
x
, T.
Observacion. Si f L
1
loc
, entonces
_
fd
x
dena una funcional lineal y
continua. En efecto,
< f,
k
>=
_
f
k
d
x

k
0 si
k

k
0 en T
seg un el teorema de Lebesgue. En realidad (ver [4]), la correspondencia
dentro las funciones localmente integrables y distribuciones es binnvoca,
es decir, si f L
1
loc
y f = 0 en T
t
, entonces f = 0 casi siempre.
Ejemplo. Formulas de SojotzkiSchwartzPlemelj. Consideremos la fun-
cional T
1
x
dada por < T
1
x
, >= v.p.
_

x
d
x
def
= lim
0
+
_
x
dx.
Mostremos que esta funcional es continua. Sea
n
0 en T, entonces
[ < T
1
x
,
n
> [ =
v.p.
_
R
R
n
(0) +x
t
n
(x)
x
dx
_
R
R
[
t
n
(x)[dx 2Rmax [
t
n
(x)[ 0, k .
(aqu supp
n
[R, R], x [R, R]). Mostremos que
lim
0
1
x +i
= i(x) +T
1
x
(4)
(esa es una de las formulas de SojotzkiSchwartz). Tenemos
lim
+0
_

x +i
dx = lim
+0
_
R
R
x i
x
2
+
2
(x)dx
= (0) lim
+0
_
R
R
x i
x
2
+
2
dx + lim
+0
_
R
R
x i
x
2
+
2
[(x) (0)]dx
= 2i(0) lim
+0
arctan
R
+
_
R
R
(x) (0)
x
dx
= i(0) + lim
0
_
_

R
+
_
R
_
(x) (0)
x
dx
94
= i(0) + lim
0
_
_

R
+
_
R
_
(x)
x
dx
= i(0) + v.p.
_
(x)
x
dx
En la misma manera,
lim
+0
1
x i
= i(x) +T
1
x
. (5)
Las formulas (4), (5) justican las siguientes denotaciones:
1
x +i0
def
= i(x) +T
1
x
;
1
x i0
def
= i(x) +T
1
x
.
Para denir propiedades de distribuciones, vamos a seguir el siguiente curso:
primero, obtener propiedades para funciones localmente integrables, se-
gundo, proclamar esas propiedades como propiedades de distribuciones,
tercero, mostrar que distribuciones obtenidas son en realidad funcionales
continuas sobre T.
Supongamos que f L
1
loc
, A es una matriz no degenerada, det A ,= 0.
Entonces
< f(Ay +b), > =
_
f(Ay +b)(y)dy =
1
[det A[
_
f(x)[A
1
(x b)]dx
=
1
[det A[
< f(x), [A
1
(x b)] > .
Denicion. Sea f T
t
, entonces la funcional f(Ay +b) es denida por
< f(Ay +b), (y) >=< f(x), [A
1
(x b)] > [det A[
1
.
Observacion. El hecho de que f(Ay +b) pertenece a T
t
es obvio.
Ejemplo. (x x
0
) es denida por < (x x
0
), >= (x
0
).
Denicion. Sea f T
t
, a C
, entonces af es la funcional denida por

< af, >=< f, a >.
Ejemplos. 1. a(x)(x) = a(0)(x).
2. xT
1
x
= 1.
Ejercicios.
1.
1
x
2
+
2
(x), 0. Demuestre.
2. Muestre que la serie
a
n
(x n) converge en T
t
para cualquiera
sucesion a
n
.
3. Muestre que
e
ixt
xi0

t
2i(x) en T
t
.
Ahora denamos las operaciones mas importantes sobre las distribuciones
la derivada y la integral . Anotemos que en realidad son las mismas
que en L
2
(ver 3, cap. II).
Denicion. La derivada f
t
de la distribucion f es denida por
< f
t
, >= < f,
t
>, T.
El hecho de que f
t
es lineal y continua es obvio.
Ejemplos. 1. Sea (x) la funcion de Heaviside,
(x) =
_
0, x < 0
1, x 0.
Entonces
t
= (x) (demuestre!).
2. <
t
, >=
t
(0).
Denicion. La primitiva
_
x
fdx de una distribucion f es una distribucion
que act ua seg un la formula
<
_
x
fdx,
t
>= < f, > T.
Notemos que la denicion da la formula de actuacion de la primitiva solo
sobre las derivadas. Entonces tenemos que, primero, mostrar que la primi-
tiva existe, y, segundo, denir la actuacion de la primitiva sobre todas las
funciones.
Supongamos que la primitiva existe,
F =
_
x
fdx y < F,
t
>= < f, > .
Consideremos la funcion
=
_
x
_
(x
t
) (x
t
)
_

()d
_
dx
t
,
96
donde (x) T y
_
(x)dx = 1. Obviamente, T y
(x) =
t
+(x)
_

()d.
Sea < F, >= C, entonces
< F, >=< F,
t
> +C
_
()d = < f, > + < C, > . (6)
La formula (6) dene, para cada C dado, una distribucion F (demuestre
que F es continua!). Mostremos que esa distribucion es una primitiva. En
efecto,
< F,
t
> = < f,
_
x
t
(x
t
) (x
t
)
_

t
()d
_
dx
t
> + < C,
t
>
= < f, >, q.e.d.
Entonces para cada C dado la primitiva existe y es dada por (6).
Observacion. 1. Para todas las distribuciones existen derivadas y primi-
tivas de cualquier orden. En el caso multidimensional
2
f
x
i
x
j
=

2
f
x
j
x
i
(demuestre!) y, en general, las derivadas no dependen del orden de la
derivacion.
2. La ecuacion u
t
= f, f T
t
(R
1
), tiene la solucion general dada por u =
F +C donde F es una primitiva de f (por ejemplo, < F, >= < f, >)
y C es una constante.
Ejemplos. 1. La solucion general de la ecuacion x
m
u = 0 es dada por
u =
m1
k=0
C
k
(k)
(x), donde C
k
son constantes arbitrarias. En efecto, es
obvio que u satisface la ecuacion (cheque!). De otro lado, si (x) T y
(x) T, = 1 cuando x supp , entonces
= (x)
m1
k=0
(k)
(0)
k!
x
k
+x
m
, x
m
_

m1
k=0
(k)
(0)
k!
x
k
_
T.
Tenemos
< u, > = < u, (x)
m1
(k)
(0)
k!
x
k
> + < u, x
m
>
=
m1
0
C
k
<
(k)
, >,
donde C
k
=
(1)
k
k!
< u, x
k
> (porque < u, x
m
>=< x
m
u, >= 0).
2. Sea L un operador diferencial, Lu = u
(m)
+a
1
(+)u
(m1)
+...+a
m
u, y sea
Z la solucion de LZ = 0 que satisface Z(0) = Z
t
(0) = ... = Z
(m2)
(0) = 0,
Z
(m1)
(0) = 1. Entonces c(x) = (x)Z(x) cumple Lc = (x). En efecto,
c
t
= Z
t
, ..., c
(m1)
= Z
(m1)
, c
(m)
= (x) + Z
(m)
. Entonces Lc =
LZ +(x) = (x).
Ejercicios.
1. Demuestre que
d
dx
ln[x[ = T(
1
x
),
d
dx
T
1
x
= T
1
x
2
, donde < T
1
x
2
, >=
vp
_
(x)(0)
x
2
dx.
2. Demuestre que las soluciones generales de las ecuaciones
xu
t
= 1 y xv
t
= T
1
x
son dados por
u = C
1
+C
2
(x) +ln[x[ y v = C
1
+C
2
(x) T
1
x
3. Demuestre que la funcional a(x)
t
(x), donde a C
1
(R), denida por
a(x)
t
(x) = a
t
(0)(x) +a(0)
t
(x), es una distribucion.
4. Demuestre que si f(x) es una distribucion y f(x + h) = f(x) para
toda h, entonces f = cte. (Sugerencia: muestre que lim
h0
f(x+h)f(x)
n
= f
t
(x)).
La convolucion de dos funciones f y g de T es denida por
f g =
_
f(x y)g(y)dy =
_
f(y)g(x y)dy.
98
Si T, entonces
< f g, > =
_ _
f(x y)g(y)(x)dydx
=
_ _
f(w)g(y)(y +w)dydw
= < f, < g,
w
>>,
w
= (y +w).
Denicion. Sea g, f T
t
y g tenga el soporte compacto. Entonces la
convolucion de f y g es denida por
< f g, >=< f, < g,
w
>>,
w
=
(y+w)
. (7)
Hay que probar, primero, que < g,
w
> T(R
1
w
) y, segundo, que (7) dene
una distribucion. En efecto, para w suciente grandes supp g supp
w
= 0
y < g,
w
>= 0. Consideremos la derivada
w
< g,
w
> = lim
.0
< g,
w+.
> < g,
w
>
= lim
.0
< g,

w+.
>
= < g,

w
w
>
porque g es continua. En la misma manera, existen todas las derivadas de
< g,
w
>. Mostremos que f g es contnua. Es suciente probar que si
n
0 en T, entonces < g,
n
(y +w) >0 en T.
Los soportes de
n
(x) pertenecen a un compacto K, entonces, obvia-
mente, los soportes de < g,
n
(y+w) > pertenecen a un compacto. Hay que
mostrar que < g,
n
(y+w) > converge uniformemente a cero. Supongamos
que no es as, entonces para un > 0 existe una sucesion
k
tal que
[ < g,
k
(y +w) > |
w=
k
> .
La sucesion
k
es acotada, entonces existe una subsucesion
t
k
conver-
gente. La sucesion
k
(y +
t
k
) converge uniformemente a cero, y por lo
tanto [ < g,
k
(y +
t
k
) > [ 0, contradiccion. Entonces < g,
n
(y + w) >
converge uniformemente a cero. Lo mismo pasa con las derivadas.
Ejercicio. Demuestre que

x
j
(f g) = (
f
x
j
) g = f (
g
x
j
).
Ahora sea L =
d
m
dx
m
+ a
1
d
m1
dx
m1
+ ... + a
m
y f la solucion fundamental,
Lf = (x y), entonces u = f g es la solucion de la ecuacion Lu = g si g
tiene el soporte compacto.
4.2. FUNCIONES DE GREENPARAECUACIONES DEL SEGUNDOORDEN.99
4.2 Funciones de Green para ecuaciones del se-
gundo orden.
Consideremos el operador diferencial
Lu = a
0
(x)u
tt
+a
1
(x)u
t
+a
2
(x)u,
donde a
0,1,2
son funciones continuas y reales en el intervalo [a, b] = I. Sea f
una funcion continua a trozos, entonces la funcion u que es continuamente
diferenciable y dos veces continuamente diferenciable a trozos se llama la
solucion de Lu = f, x I, si Lu = f en todos los puntos de continuidad de
f.
Teorema 1. Sea I un intervalo cerrado y a
0
(x) ,= 0, x I, entonces el
problema
Lu = f, u(x
0
) = , u
t
(x
0
) = , x I
tiene una y solo una solucion (aqu , son n umeros jos).
u
t
(x) = u
t
(a)+
_
x
a
u
tt
()d
, u(x) = u(a)+(xa)u
t
(a)+
_
x
a
(x)u
tt
()d. ()
Substituyendo en la ecuacion, obtenemos
u
tt
=
_
x
a
k(x, )u
tt
()d +F,
donde
k(x, ) =
[(x )a
2
(x) +a
1
(x)]
a
0
(x)
,
F(x) =
1
a
0
(x)
[f (x a)a
2
(x) a
1
(x) a
2
(x)]
(estamos suponiendo que x
0
= a). Entonces u
tt
satisface una ecuacion de
Volterra de clase 2; esa ecuacion tiene la unica solucion dada por la serie
de Neumann, y u, u
t
son dados por (), q.e.d.
Observacion. La condicion a
0
,= 0 es muy importante. En efecto, consid-
eremos el problema xy
tt
y
t
= 0, y(0) = y
t
(0) = 0. Este problema tiene las
100
soluciones y = Bx
2
para toda B.
Teorema 2 (la formula de Liouville). Sean u, v dos soluciones de Lu = 0,
entonces el wronskiano
W =
u v
u
t
v
t
satisface W = Ce
m(x)
, m
t
(x) = a
1
/a
0
.
Demostracion. De la igualdad vLu uLv = 0 tenemos
a
0
(vu
tt
uv
tt
) +a
1
(vu
t
uv
t
) = 0
o a
0
W
t
+a
1
W = 0, q.e.d.
Teorema 3. Sean u, v dos soluciones de Lu = 0, entonces u y v son
linealmente dependientes si y solo si W[u, v] = 0 en un punto x
0
.
Demostracion. Obviamente, si u y v son dependientes, entonces W = 0.
Supongamos que W(x
0
) = 0. Entonces existen dos constantes (no ambas
ceros) tales que C
1
u(x
0
)+C
2
v(x
0
) = 0, C
1
u
t
(x
0
)+C
2
v
t
(x
0
) = 0. La funcion
U = C
2
u +C
2
v es tal que U(x
0
) = U
t
(x
0
) = 0, por lo tanto U = 0 (porque
LU = 0), q.e.d.
Teorema 4. Existen dos soluciones u
1
, u
2
de Lu = 0 linealmente indepen-
dientes y tales que Au
1
+Bu
2
es la solucion general.
Demostracion. Sean u
1,2
tales que u
1
(x
0
) = 1, u
t
1
(x
0
) = 0, u
2
(x
0
) =
0, u
t
2
(x
0
) = 1 y Lu
1,2
= 0. El wronskiano W[u
1
, u
2
] no es cero, entonces u
1
y u
2
son independientes. Sea u una solucion de Lu = 0, u(x
0
) = , u
t
(x
0
) =
. Entonces u = u
1
+u
2
, q.e.d.
Consideremos la funcion (distribucion) f tal que Lf = (x ). En el
caso a
0,1,2
C
, no hay problemas con esa igualdad. Cuando los coe-

cientes solo son continuos, denamos f como una funcion que cumple
Lf = 0, x < y x > ; f es continua en x = ;
df
dx
x=
+
df
dx
x=
=
1
a
0
()
.
(aqu
= 0). Esa funcion f se llama la solucion fundamental del

operador L. Mostremos que la solucion fundamental existe. En efecto, sea
u(x) una soluciomn de la ecuacion Lu = 0. Supongamos que
f =
_
v(x), x > ,
u(x), x < .
De las condiciones para f tenemos
v() = u(), v
t
() = u
t
() +
1
a
0
()
, Lv = 0, x > .
Seg un el teorema 1, tal v siempre existe.
Ejercicio. Muestre que w =
_
b
a
f(x, )h()d cumple Lw = h.
Supongamos ahora que los coecientes cumplen a
0
C
2
, a
1
C
1
,
a
0
C
0
. El operador diferencial L
tal que (Lu, ) = (u, L
) para toda
u C
2
y C
0
[a, b] se llama el operador formalmente adjunto a L. Ob-
viamente, L
u = (a
0
u)
tt
(a
1
u)
t
+a
0
u. El operador L se llama formalmente
autoadjunto si L
= L (es decir, a
t
0
= a
1
(demuestre!)). Introduzcamos las
condiciones de frontera.
B
1
u
11
u(a) +
12
u
t
(a) +
11
u(b) +
12
u
t
(b),
B
2
u
21
u(a) +
22
u
t
(a) +
21
u(b) +
22
u
t
(b),
donde los vectores (
11
,
12,
11
,
12
) y (
21
,
22
,
21
,
22
) son reales e inde-
pendientes. Sean u, v C
2
, entonces
(Lu, v) =
_
( va
0
u
tt
+ va
1
u
t
+ va
2
u)dx
= (u, L
v) +J[
b
a
,
donde J = a
0
( vu
t
u v
t
) + u v(a
1
a
t
0
). El operador L con las condiciones
de frontera B
1,2
se llama simetrico si J = 0 para todas u, v C
2
tales que
B
1,2
u = B
1,2
v = 0 y L
= L.
Ejercicio. Demuestre que L tal que L
= L es simetrico si y solo si
a
0
(a)
11

12
21

22
= a
0
(b)
11

12
21

22
Si el operador L no es formalmente autoadjunto, entonces B
1,2
son formas
lineales en v(a), v(b), v
t
(a), v
t
(b) tales que, por la denicion, J[
b
a
= 0 para
todas u, v, tales que B
1,2
u = B
1,2
v = 0.
102
Mostremos que para el operador L con el campo de denicion T(L) =
u, Lu L
2
, B
1
u = B
2
u = 0 el operador L
con el campo de denicion

T(L
) = v, Lv L
2
, B
1
v = B
2
v = 0 es el operador adjunto. La de-
mostracion es muy parecida a las consideraciones correspondientes a la
derivada en L
2
. Primero, notemos que si u L
2
y Lu L
2
, entonces
u
t
, u
tt
L
2
y por eso B
1,2
u son bien denidos (en este caso u, u
t
son con-
tinuas). En efecto, a
0
,= 0, por eso
1
a
0
Lu L
2
,
a
2
a
0
u L
2
. Entonces
u
tt
+
a
1
a
0
u
t
L
2
y u
t
+
a
1
a
0
u L
2
pues u
tt
+bu
t
= (u
t
+bu)
t
b
t
u, b = a
1
/a
0
,
y b
t
u L
2
. Entonces u
t
L
2
, por eso
a
1
a
0
u
t
L
2
, entonces u
tt
L
2
.
Seg un la denicion del operador adjunto, busquemos pares g, h tales que
(Lu, g) = (u, h)u T(L). Si u C
0
, entonces (Lu, g) = (u, L
g)
(seg un la denicion de la derivada en L
2
), entonces los pares admisibles
cumplen h = L
g. Eso signica que g L

2
, L
g L
2
, entonces g
t
, g
tt
L
2
.
Tomemos un g que cumple la ultima condicion, e integremos por partes en
la forma (Lu, g) (eso es posible porque ahora u
t
, g
t
, u
tt
, g
tt
L
2
). Bajo (y
solo bajo) de las condiciones B
1
g = B
2
g = 0 tenemos (Lu, g) = (m, L
g),
q.e.d.
Construyamos la funcion de Green para el problema Lu = 0, B
1
u =
0, B
2
u = 0, bajo de la condicion que las condiciones de frontera son desco-
nectadas,
11
=
12
=
21
=
22
= 0. Supongamos que nuestro problema
no tiene soluciones no triviales. Entonces existe la solucion (x) tal que
L = 0, x I, B
1
= 0. En la misma manera, existe la solucion (x)
tal que L = 0, B
2
= 0 (por ejemplo, podemos suponer que (a) =
12
,
t
(a) =
11
, (b) =
21
,
t
(b) =
22
). Busquemos la funcion de
Green en la forma
g =
_
A, a x ,
B, x b.
La funcion g es contnua, entonces A()B() = 0. De la condicion para
la derivada tenemos
dg
dx
[
x=
+
dg
dx
[
x=
=
1
a
0
()
o A
t
() +B
t
() =
1
a
0
()
.
El determinante del sistema para A, B es igual a
t

t
= W[, ][
x=
W().
El wronskiano W ,= 0 porque y son independientes (en el caso contrario
el problema homogeneo tendra solucion no trival (cheque!)). Entonces
A =
()
a
0
()W()
, B =
()
a
0
()W()
.
Supongamos que h(x, ) es la funcion de Green del operador L
. Tenemos
_
b
a
(h (x, )Lg(x, ) g(x, )L
h(x, ))dx
=
_
b
a
h(x, )(x )dx
_
b
a
g(x, )(x )dx
= h(, ) g(, )
(este calculo es formal; demuestre que la expresion inicial en realidad es
igual a la expresion nal usando integracion por partes). De otro lado, la
misma integral cumple
_
b
a
hLg gL
hdx = J(g, h)[

b
a
= 0
y entonces
h(x, ) = g(, x).
Si L = L
, entonces g(x, ) es simetrica (las condiciones de frontera son

desconectadas, entonces B
1,2
= B
1,2
y h(x, ) = g(x, )).
Estudiemos el problema espectral para el operador autoadjunto. La
forma tradicional de un tal operador es
Lu = (pu
t
) +q, p > 0, p C
1
, q C
0
,
T(L) = u, Lu L
2
, B
1
u = B
2
u = 0, donde B
1,2
son desconectadas. El
problema espectral tiene la forma Lu = u, B
1,2
u = 0. Consideremos la
solucion tal que Lu = , (a) =
12
,
t
(a) =
11
. El n umero es un
eigenvalor si y solo si
21
(b) +
22
(b) = 0. ()
La solucion es una funcion analtica en (porque todas las funciones que
se encuentran en la serie de Neumann son analticas en ). Las races de ()
con respecto a , consecuentemente, son puntos aislados del eje real pues
() no puede ser una identidad porque no reales no pertenecen al espectro
del operador autoadjunto. A cada eigenvalor no puede corresponder mas
que una eigenfuncion. En efecto, supongamos que existe (x) tal que L =
, B
1
= 0. Entonces
11
(a) +
12
t
(a) = 0 y
11
(a) +
12
t
(a) = 0.
Por lo tanto, W[, ][
x=a
= 0, entonces y son dependientes.
104
Mostremos que L es acotado de abajo, es decir, (Lu, u) |u|
2
con
una constante (posiblemente negativa). Tenemos
(Lu, u) =
_
b
a
((pu
t
) u +qu u)dx
=
_
b
a
(p[u
t
[
2
+q[u[
2
)dx pu
t
u[
b
a
min p|u
t
|
2
+ min q|u|
2
pu
t
u[
b
a
. (1)
La funcion u T(L), entonces u C y |u|
2
=
_
b
a
[u[
2
dx = (b a)[u(x
0
)[
2
,
x
0
[a, b]. Tambien tenemos
[u(x
0
)[
2
[u(a)[
2
_
x
0
a
d
dx
u udx
_
x
0
a
(u u
t
+u
t
u)dx
2|u| |u
t
|
por la desigualdad de Schwarz. Entonces
1
b a
|u|
2
2|u||u
t
| [u(a)[
2
1
b a
|u|
2
+ 2|u||u
t
|. (2)
Analogicamente,
1
b a
|u|
2
2|u||u
t
| [u(b)[
2
1
b a
|u|
2
+ 2|u||u
t
|. (3)
Entonces de (1), usando las condiciones de frontera,
(Lu, u) m
1
|u
t
|
2
+m
2
|u|
2
+A[u(a)[
2
+B[u(b)[
2
, m
1
= min p > 0
con unas constantes A y B, y de (2) y (3)
(Lu, u) m
1
|u
t
|
2
+A
t
|u|
2
+B
t
|u||u
t
|
con unas constantes A
t
, B
t
y m
1
> 0. La expresion en la parte derecha
satisface
m
1
|u
t
|
2
+ A
t
|u|
2
+B
t
|u||u
t
|
= m
1
_
_
|u
t
| +
1
2
sgn B
t
[B
t
[
m
1
|u|
_
_
2
m
1
4
[B
t
[
m
1
|u|
2
+A
t
|u|
2
_
A
t
m
1
4
[B
t
[
m
1
_
|u|
2
, q.e.d.
Eso signica que existe un real tal que no es un eigenvalor de L.
Supongamos que cero no es un eigenvalor. En el caso contrario, escojamos
tal que ((L + )u, u) > 0 para u ,= 0 (por ejemplo, = + 1), y
consideremos el operador L+. El problema de eigenvalores tiene la forma
(L+)u = u, donde = +, y = 0 no es un eigenvalor. Entonces existe
la funcion de Green del problema (L + )u = 0, B
1,2
u = 0. Considerando
u como la parte derecha, tenemos
1
u =
_
b
a
g(x, )u()d. (4)
Esta ecuacion integral es equivalente a nuestro problema inicial. En efecto,
si u satisface Lu = u, B
1,2
u = 0, entonces u satisface (4). Al reves, si u
satisface (4), entonces u L
2
y las derivadas u
t
, u
tt
L
2
; entonces Lu = u
y B
1,2
u = 0( ,= 0! ). La ecuacion (4) es una ecuacion integral de Fred-
holm (homogenea, clase 2). Esa ecuacion tiene las siguientes propiedades:
1)
1
= 0 no es un eigenvalor. En efecto, si
1
= 0 fuera un eigenvalor,
entonces z =
_
b
a
g(x, )u()d seria cero; de otro lado, z es la solucion de
(L + )z = u, B
1,2
z = 0 y z = 0, entonces (L + ) = 0 = u y u = 0.
2) Seg un la teora de HilbertSchmidt, los eigenvalores de (4) son
1
n
y
1
n
0; el conjunto de
n
es denumerable (el n ucleo g(x, ) es simetrico!).
3) Las eigenfunciones correspondientes a
n
forman una base en L
2
(el
n ucleo N(K), donde K es el operador integral en (4) es vaco!).
Entonces los eigenvalores
n
=
n
cumplen
n
+ y las eigen-
funciones del operador L forman una base.
Ejercicios.
1. Considere el operador Lu = u
tt
+4u
t
3 con las condiciones de frontera
B
1
u = u
t
(a) + 4u(a) = 0, B
2
u = u
t
(b) + 4u(b) = 0. Demuestre que
L
u = u
tt
4u
t
3, B
1
u = u
t
(a) = 0, B
2
u = u
t
(b) = 0.
2. Demuestre que para cualquier operador L del segundo orden existe
una funcion s(x) tal que L
1
= sL es formalmente autoadjunto.
3. Construya la funcion de Green para el problema u
tt
= 0, u
t
(0) = u(1),
u
t
(1) = 0. Encuentre L
, B
1,2
y construya la funcion de Green para
el problema adjunto. Cheque que g(x, ) = h(, x).
4. Encuentre los eigenvalores y eigenfunciones del problema
u
tt
2u
t
u = u, u(0) = u(1) = 0.
106
Referencias.
1. E.C. Titchmarsh. Theory of Functions. Oxford, Oxford Univ. Perss,
1979.
2. R. Kress. Linear integral equations. Springer Verlag, 1989, Berlin.
3. S.G. Mikhlin. Variational methods in mathematical physics.
Macmillan, New York, 1964.
4. V.S. Vladimirov. Equations of mathematical physics. New York, M.
Dekker, 1971.

Cap

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cap

Transféré par

Droits d'auteur :

Formats disponibles

1

es un operador tal que (Ax, y) =

x) = (x, Ax) = (Ax, x), q.e.d.

, entonces |A| = sup

y sea A no negativo, es decir, (Ax, x) 0x.

x, x) = (y, y), donde y = Q

v) = 0. Supongamos que (b, v) = 0v : A

) el n ucleo del operador A

v = 0. Alternativa de Fredholm signica

ETODODE LOS CUADRADOS M

INIMOS YMATRICES PSEUDOINVERSAS.19

b. Chequemos que existe la solucion

b. La solucion existe cuando A

A), entonces Av N(A

). El unico vector que pertence

A es invertible. En este caso x = (A

se llama la matriz pseudoinversa de MoorePenrose. En el caso cuando la

). Obviamente, tal x es unico.

y Q, matriz unitaria tal que A = QQ

es la matriz diagonal (mn) con los elementos

A es no negativa. Entonces sus eigenval-

con los mismos eigen-

ETODODE LOS CUADRADOS M

INIMOS YMATRICES PSEUDOINVERSAS.21

. Muestre que los eigenvalores

de la integral de Lebesgue, C es denso en L

3). Obviamente, todos los vectores ortogo-

)] y para t = 0, 2 esta serie converge a

T| = |T|. Esta extension se

T| |T|, obviamente, |T| |

T es una extension), en-

= 1, 1 < t 1 y muestre que |Ax|/|x|

, pero es casi obvio (ver el dibujo).)

, que se llama el operador adjunto, tal que (Ax, y) =

es lineal. Tomemos y = Ax,

como un conjunto de elementos v tales que existe w tal que (w, u) =

) no es vaco porque contiene, por lo

(es decir, T(/

v si (w, u) = (v, Au) u T(A).

es cerrado. Supongamos que y

) es denso. Supongamos que no es as, es decir,

). Consideremos el espacio // de los pares

es cerrado (Demuestre!). El complemento

). Supongamos que v, w es admisible para B, (v, Bu) =

). Por la misma razon, w = B

) es denso seg un teorema 20). Como

son iguales, q.e.d.

puede ser prolongado

(ver teorema 21,

= A (por teorema 21, c)), entonces

. En efecto, R(A) = (R(A))

, es decir, T(A) = T(A

y = Ay para tales y. Entonces A A

tenemos (Ax, y) = (x, A

y) = (x, Ay) para x, y T(A), entonces

, por teorema 21, a, A

y es autoadjunto. La ecuacion Ax = 0 tiene la

tiene dimension positiva que se llama de deciencia de

f()d; para que sea x(1) = 0

) = N(A) no es vaco y por eso R(A)

porque este ultimo es cerrado, consecuentemente w = 0.

es completamente continuo. Obviamente, AA

es completamente continuo. Entonces = es un eigenvalor de

no es vaco porque R(A ) es cerrado. Entonces existe y tal que y ,=