Académique Documents
Professionnel Documents
Culture Documents
Jos D. Edelstein
Universidade de Santiago de Compostela
F SICA M ATEMTICA
Santiago de Compostela, febrero de 2011
feb-2011
1 / 37
conmutatividad:
elemento neutro:
elemento opuesto:
a (b |xi) = (a b) |xi,
composicin:
distributividad en V:
distributividad en :
elemento neutro:
Jos D. Edelstein (USC)
feb-2011
2 / 37
a1 = . . . = an = 0 .
feb-2011
3 / 37
Base lineal
Se denomina cardinalidad de un conjunto al nmero de elementos del mismo.
Si no hay lmite para el cardinal de un conjunto linealmente independiente,
decimos que V tiene dimensin lineal infinita.
Decimos que un subconjunto Bd V , forma una base lineal o de Hamel de
V , cuando es linealmente independiente y maximal (i.e., no est contenido en
ningn otro subconjunto linealmente independiente de V ).
La dimensionalidad depende del cuerpo sobre el que est construido el
espacio vectorial V .
Por ejemplo, si d < podemos mostrar que dim R V = 2 dim C V .
En efecto, si Bd = {|x1 i, . . . , |xd i} constituye una base del espacio vectorial
0
complejo V , entonces, B2d
= {|x1 i, i |x1 i, . . . , |xd i, i |xd i} forma una base del
mismo espacio vectorial, entendido como espacio vectorial real:
|xk i, i |xk i, k = 1, . . . , d, son vectores linealmente independientes en un
espacio vectorial real, pero no lo son en un espacio vectorial complejo.
Jos D. Edelstein (USC)
feb-2011
4 / 37
iQ (q) = (r , s) ,
MCD(r , s) = 1 .
feb-2011
5 / 37
Ejemplos
La recta real, x R, con la operacin usual de adicin x + y = z, y
multiplicacin por nmeros reales a x = y , es un espacio vectorial,
x |xi. El espacio vectorial y el cuerpo coinciden, V = = R.
El espacio vectorial R3 , dado por el conjunto de los triples ordenados de
nmeros reales, |xi = (x1 , x2 , x3 ). La generalizacin de este caso a un
cuerpo y dimensin arbitrarios se denomina producto cartesiano, n .
Una base est dada por B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}.
N , consta de tuplas, |ai = (a1 , a2 , . . .), con ai . Tiene dimensin
infinita, |ai + |bi = (a1 + b1 , a2 + b2 , . . .) y |ai = ( a1 , a2 , . . .).
i
M
N , consta de matrices infinitas, |Mi = {M j , i, j N}.
x R .
feb-2011
6 / 37
Subespacios vectoriales
Un subespacio de un espacio vectorial, es un subconjunto W V , que a su
vez es un espacio vectorial.
Llamamos propio a un subespacio de dimensin estrictamente menor que la
del espacio en el que est contenido.
Dado un subconjunto Xp V , llamamos variedad o envolvente lineal, lin(Xp ),
al mnimo subespacio vectorial que contiene a Xp .
Una consecuencia inmediata es que (eliminamos la notacin |xi por |xi)
lin(Xp ) = {|xi V / |xi = a1 |x1 i + . . . + ap |xp i} .
El adjetivo lineal lleva implcita la idea de que se trata de sumas de un nmero
finito de trminos, independientemente de que el conjunto Xp sea finito o no.
E.g. Sea X = {1, t, t 2 , . . . , t n , . . .} C ([0, 1]), lin(X ), es el espacio vectorial
de polinomios en la variable t.
La funcin et , por ejemplo, no pertenece a lin(X ).
Jos D. Edelstein (USC)
feb-2011
7 / 37
n
X
ai |xi i
|xi V ,
i=1
existe y es nica.
Demostracin: Sea B una base de V . Supongamos que existe un elemento
|xi V tal que |xi 6 lin(B). Entonces podramos ampliar B a B 0 = {B, |xi},
que sera linealmente independiente y mayor que B, pero B es maximal.
La unicidad se deja como un ejercicio trivial.
Decimos que un espacio V es la suma lineal de dos subespacios V1 y V2 ,
V = V1 V2 , cuando todo elemento |xi V puede ser escrito en forma nica
como |xi = |x1 i + |x2 i donde |x1 i V1 y |x2 i V2 .
Esta definicin se generaliza trivialmente a la suma directa de varios
espacios o subespacios vectoriales, V = V1 . . . Vn .
Jos D. Edelstein (USC)
feb-2011
8 / 37
Espacio mtrico
Un espacio mtrico es un par (X , d), dado por un conjunto de elementos, X ,
y una nocin de distancia entre ellos;
es decir, una funcin, d, definida sobre pares ordenados, |xi, |yi X , tal que
se verifican las propiedades siguientes:
d(|xi, |yi) = d(|yi, |xi),
simetra:
d(|xi, |xi) = 0,
auto-distancia nula:
positividad:
desigualdad triangular:
feb-2011
9 / 37
Espacio normado
Un espacio vectorial V sobre , se dice que es normado cuando existe una
aplicacin (norma),
|| || : |xi V |||xi|| R ,
tal que
|xi, |yi V y a ,
positividad:
unicidad de la norma del cero:
homogeneidad:
desigualdad triangular o de Minkowski:
feb-2011
10 / 37
1/p
n
X
|||xi||p = ||(a1 , . . . , an )||p :=
|aj |p
.
j=1
El espacio M
m de matrices m m cuyos elementos toman valores en ,
puede dotarse de una norma,
1/p
m X
m
X
|||Mi||p :=
|M i j |p
.
i=1 j=1
feb-2011
11 / 37
1/p
X
:= {|xi = (a1 , a2 , . . .) N / |||xi||p :=
|aj |p < } ,
j=1
con 1 p < .
Sobre un subespacio del espacio vectorial de las matrices infinitas, M
N,
podemos definir
1/p
Mp := {|Mi M
|M i j |p < } .
N / |||Mi||p =
i,j=1
feb-2011
12 / 37
1/p
|f (x)| dx
.
p
feb-2011
13 / 37
feb-2011
14 / 37
n
X
|vi i
i=1
converge a |vi.
P
La operacin i=1 para |vi i es posible porque en V hay una norma definida
( se puede definir en trminos de la distancia a cualquier elemento de V ).
Jos D. Edelstein (USC)
feb-2011
15 / 37
Sucesin de Cauchy
{|yn i}
1 V es una sucesin de Cauchy (o fundamental), si
lim |||yn i |ym i|| 0 ,
n,m
es decir, si > 0, N > 0 tal que |||yn i |ym i|| < , n, m > N.
Proposicin: Toda sucesin convergente en (V , || ||) es de Cauchy.
Demostracin: Se deduce de la desigualdad triangular,
|||xn i |xm i|| |||xn i |x0 i|| + |||x0 i |xm i|| 0 .
Sin embargo, no toda sucesin de Cauchy es convergente. Por ejemplo,
1 n
{|yn i}
Q es de Cauchy, pero
1 := 1 + n
lim |yn i = e
/Q.
feb-2011
16 / 37
Espacio completo
Un espacio normado, (V , || ||), se dice que es completo en la norma asociada
o de Banach, cuando toda sucesin de Cauchy es tambin convergente en V .
La relacin entre completo y cerrado puede llevar a confusin.
Un subconjunto no vaco, M (V , || ||), es completo, si toda sucesin de
Cauchy {|xn i}
1 M converge en M.
Proposicin: Si (V , || ||) es completo y M (V , || ||) es no vaco, entonces:
M completo M cerrado.
Demostracin:
[] Si {|xn i} M V , tal que |xn i |yi V (es completo), entonces por un
lado {|xn i} es de Cauchy y por otro est en M.
Luego si M es completo la sucesin converge en M, luego M es cerrado.
[] Dado M cerrado, si {|xn i} M es de Cauchy, debe converger en V (ya
que es completo) hacia |yi M, pero M = M, luego M es completo.
Jos D. Edelstein (USC)
feb-2011
17 / 37
Ejemplos
Q es el ejemplo clsico de conjunto no completo en la norma eucldea,
|| ||2 . Rn y Cn son completos y separables en la misma norma.
Sea V un espacio vectorial real (complejo) de dimensin finita. Hay un
isomorfismo entre este espacio y Rn (Cn ), que asocia a cada vector con
sus componentes en una determinada base.
En virtud de la completitud de Rn (Cn ), cualquier espacio vectorial de
dimensin finita sobre R (C) es automticamente completo y separable.
Sea (C[0, 1], || || ). El subconjunto P de polinomios en t [0, 1] es, a su
vez, un subespacio lineal normado.
El teorema de Weierstrass asegura que |fi C[0, 1], existe alguna
sucesin de polinomios, {|Pn i}
1 |fi en || ||
(P, || || ) no es completo y (C[0, 1], || || ) s lo es.
p es completo.
Lp [a, b] es completo.
Jos D. Edelstein (USC)
feb-2011
18 / 37
Complecin
e se denomina complecin de V si:
Sea V normado. El espacio normado V
e.
V es un subespacio de V
e , es decir V = V
e.
V es siempre denso en V
Dos V1 y V2 se dice que son isomorfos en norma, si un isomorfismo lineal
T : V1 V2 isomtrico: |||Txi||V2 = |||xi||V1 , |xi V1 .
Teorema: Todo V normado admite una nica (salvo isomorfismos en norma)
e en un espacio normado y completo.
complecin V
Demostracin: Se aaden a V clases de equivalencia de sucesiones de
e por
Cauchy sin lmite en V . La estructura lineal normada se extiende a V
continuidad. Ejemplos:
R es la complecin de Q.
(C[0, 1], || || ) es la complecin de (P[0, 1], || || ).
Lp [a, b] es la complecin de C[a, b] en la norma || ||p .
Jos D. Edelstein (USC)
feb-2011
19 / 37
(|xi, |xi) 0
homogeneidad:
hermiticidad:
Espacio con producto escalar es el par (V , (, )). Se dice que |vi, |wi V son
ortogonales, |vi |wi, si
(|vi, |wi) = 0 .
Se dice que S = {|v i}J V es ortogonal cuando todos sus elementos lo
son de a pares. Si adems (|v i, |v i)J = 1, S se denomina ortonormal.
Jos D. Edelstein (USC)
feb-2011
20 / 37
Entonces:
|||vi||2 = (|vi, |vi) = ((|v di) + |di, (|v di) + |di) = |||v di||2 + |||di||2 .
Jos D. Edelstein (USC)
feb-2011
21 / 37
Desigualdades
Corolario (Desigualdad finita de Bessel): Si {|v i}J es un subconjunto
ortonormal finito de (V , (, )), se tiene que
X
|||vi||2
|(|v i, |vi)|2 ,
|vi V .
J
1
|(|xi, |yi)| .
|||yi||
feb-2011
22 / 37
Ejemplos
n admite una estructura de espacio con producto escalar:
(|vi, |wi)
n
X
aj? bj ,
j=1
|vi = {a }N , |wi = {b }N .
feb-2011
23 / 37
Convergencia dbil
Definicin: Sea {|xn i}
1 una sucesin en (V , (, )). Decimos que converge
dbilmente a |xi, {|xn i}
1 * |xi si
(|yi, |xn i) (|yi, |xi)
|yi V .
{|xn i}
1 *x .
feb-2011
24 / 37
Espacios de Hilbert
Un espacio de Hilbert, H, es un par (V , (, )) completo en la norma asociada.
Ejemplos:
Rn , Cn y M
N son espacios de Hilbert.
2 y M
son espacios de Hilbert.
L2 (Rn ) y L2 [a, b] son espacios de Hilbert.
Sea M un subconjunto de un espacio de Hilbert H. Llamamos complemento
ortogonal de M en H, M , a
M {|vi H / |viM}
(M := H M) .
con
|v1 i M , |v2 i M ,
feb-2011
25 / 37
, I .
feb-2011
26 / 37
Teorema de Gramm-Schmidt
Teorema de Gramm-Schmidt: Sea {|vj i}jJ H un conjunto linealmente
independiente con J finito ({1, 2, . . . , n}) o infinito numerable (N). Entonces
{|uj i}jJ ortonormal tal que lin({|vj i}jJ ) = lin({|uj i}jJ ).
Demostracin: Por construccin explcita del modo siguiente:
|w1 i := |v1 i
|u1 i :=
|w2 i
|u2 i :=
|||w2 i||
|wm i
|||wm i||
|um i
|w1 i
|||w1 i||
|wm i := |vm i
m1
X
k =1
feb-2011
27 / 37
vj |ej i converge en H
j=1
|vj |2 converge en R .
j=1
feb-2011
28 / 37
|vi =
v |e i.
(|vi, |wi) =
v? w .
|| |vi||2 =
|v |2 .
I
Jos D. Edelstein (USC)
feb-2011
29 / 37
Si I es finito, |v i =
feb-2011
30 / 37
n
X
Pn
i=1
|v |2 0 ,
v |ei i}
n=1 es de Cauchy,
n>m.
m+1
v? w , entonces || |vi||2 =
|v |2 .
feb-2011
31 / 37
feb-2011
32 / 37
n J .
feb-2011
33 / 37
feb-2011
34 / 37
|xi =
ai |ei i
con
i=1
|ai |2 < .
i=1
feb-2011
35 / 37
H,
y
es
linealmente
independiente.
Tras aplicar el
0
mtodo de ortonormalizacin, el resultado a que se llega es
{|n i}
0 n (x) =
(2n n!
)1/2
ex
/2
Hn (x) ,
d n x 2
e
.
dx n
feb-2011
36 / 37
|||fi||2 =
+
X
|(|en i, |fi)|2 .
n=
1 x dn
e
(ex x n ) .
n! dx n
feb-2011
37 / 37