Resumen Espacios Vectoriales

Espacios Lineales
Jos D. Edelstein
Universidade de Santiago de Compostela
F SICA M ATEMTICA
Santiago de Compostela, febrero de 2011
Espacios vectoriales. Espacios normados. Espacios de Hilbert.
Jos D. Edelstein (USC)
Tema I: Espacios Lineales
feb-2011
1 / 37
Espacio vectorial o lineal

Un espacio vectorial sobre un cuerpo := {a, b, . . .}, es la terna formada por
un conjunto no vaco, V := {|xi, |yi, . . .},
una aplicacin suma, + : V V V y
y una aplicacin producto externo, : V V ,
que satisfacen las siguientes propiedades:
asociatividad:
|xi + (|yi + |zi) = (|xi + |yi) + |zi,

|xi + |yi = |yi + |xi,
conmutatividad:
|xi + |0i = |0i + |xi = |xi,
elemento neutro:
|xi + |xi = |0i,
elemento opuesto:
a (b |xi) = (a b) |xi,
composicin:
distributividad en V:
a (|xi + |yi) = a |xi + a |yi,
distributividad en :
(a + b) |xi = a |xi + b |xi,

1 |xi = |xi.
elemento neutro:
feb-2011
2 / 37
Independencia y dimensin lineales

A los elementos {|xi, |yi, . . .} de V se les llama vectores, mientras que a los
{a, b, . . .} se les denomina escalares.
Si R, diremos que V es un espacio vectorial real, mientras que si C,
hablaremos de un espacio vectorial complejo.
Un subconjunto de n vectores, Xn := {|x1 i, . . . , |xn i} V , se dice linealmente
independiente, si
a1 |x1 i + . . . + an |xn i = |0i
a1 = . . . = an = 0 .
Si no, decimos que Xn es un conjunto de vectores linealmente dependientes.

Sea V un espacio vectorial sobre el cuerpo . Si V contiene un conjunto de d
vectores linealmente independientes, y cualquier otro de d + 1 vectores es
linealmente dependiente, decimos que
dim V = d .
la dimensin lineal de V es d.
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.
feb-2011
4 / 37
Dimensin infinita y cardinalidad

En el caso de dimensin infinita, podemos afinar un poco ms, y comparar V
con algunos conjuntos conocidos de cardinalidad infinita, como los naturales
N, cuya cardinalidad coincide con la de los racionales Q, o los reales R, cuya
cardinalidad coincide con la de los complejos C.
La cardinalidad de N se denomina 0 (Georg Cantor, 1874).
Un conjunto es numerable cuando su cardinalidad coincide con la de N; i.e.,
es posible establecer una aplicacin uno a uno entre ambos conjuntos.
E.g., q Q, q = r /s, siendo r , s N primos relativos, podemos definir
iQ : Q N N ,
iQ (q) = (r , s) ,
MCD(r , s) = 1 .
Como N Q, card(N) card(Q) card(N N) = card(N); por lo tanto,

card(Q) = card(N) = 0 .
Sin embargo R no es numerable y decimos que su potencia es superior a la
de Q. La cardinalidad de R se denota 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}.
C n (R) funciones continuas de variable real n veces derivables. f (x) |fi

con x R y f (n) < . La suma se define punto por punto
|fi + |gi = |hi
f (x) + g(x) = h(x) ,
x R .
Claro est, podemos remplazar R por .

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 ).
feb-2011
7 / 37
Suma directa de espacios vectoriales

Proposicin: Si B es una base de V , entonces V = lin(B). Dicho de otra
manera, la descomposicin
|xi =
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 .
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:
d(|xi, |yi) > 0 si |xi =

6 |yi,
positividad:
desigualdad triangular:
d(|xi, |yi) d(|xi, |zi) + d(|zi, |yi)

|xi, |yi, |zi X .
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 ,
se verifican las siguientes propiedades:

|||xi|| 0,
positividad:
unicidad de la norma del cero:
|||xi|| = 0 |xi = |0i,

||a |xi|| = |a | |||xi||,
homogeneidad:
desigualdad triangular o de Minkowski:
|||xi + |yi|| |||xi|| + |||yi||.
Cuando queramos hacer referencia explcita a la norma, escribiremos para un

espacio normado, (V , || ||). Todo espacio normado es un espacio mtrico, en
el que la distancia viene definida por la norma:
d(|xi, |yi) = |||xi |yi|| .
feb-2011
10 / 37
Es importante destacar la diferencia entre norma y distancia. La definicin de

norma requiere un V , mientras que se puede definir una distancia sobre un
conjunto arbitrario.
An en el contexto de espacios vectoriales, una norma define una distancia
pero lo contrario no es cierto en general.
Ejemplos:
n (Rn Cn ) es un espacio lineal normado con la norma eucldea || ||p ,
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
Sobre N construimos los siguientes subespacios lineales normados

p
1/p
X
:= {|xi = (a1 , a2 , . . .) N / |||xi||p :=
|aj |p < } ,
j=1
:= {|xi = (a1 , a2 , . . .) N / |||xi|| := supn |an | < } .
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
Sea K un conjunto compacto de n ; el espacio vectorial, (C(K ), || || ), de

las funciones continuas, f : K , puede investirse de la norma
|||fi|| supK |f (x)| .
feb-2011
12 / 37
Convergencia: vecindad y punto de adherencia

C(K ) admite otras estructuras normadas, como por ejemplo (C(K ), || ||p ),
Z

|||fi||p
1/p

|f (x)| dx
.
p
Si relajamos el requisito de continuidad en el ejemplo anterior, llegamos

al espacio vectorial normado, Lp (K ), de funciones f que verifican
Z
1/p

p

||f ||p |f | dx < .
K
La introduccin de una norma permite definir una nocin de convergencia.

Una bola abierta de radio , B(|x0 i, ), es el conjunto de los |xi V , tal que
|||xi |x0 i|| < . Se llama tambin vecindad de |x0 i, y se denota O (|x0 i).
|xi V se denomina punto de adherencia de M V , si > 0, |zi M tal
que |zi O (|xi) (cualquier vecindad suya contiene al menos un punto de M).
feb-2011
13 / 37
Cerrados, densos y separables

Si |xi M, trivialmente es un punto de adherencia. Pero adems existen
puntos de adherencia en V que no pertenecen a M.
Por ejemplo, sea V = R y M = [0, 1); el punto 1 es de adherencia.
El conjunto formado por la unin de M con todos sus puntos de adherencia
se denomina clausura de M y se denota con M.
Decimos que M V es cerrado, si coincide con su clausura, M = M.
Sean M, N V . Decimos que M es denso en N cuando N M.
M V se dice que es siempre denso en V , cuando M = V .
Un espacio normado (V , || ||) se dice que es separable, cuando existe un
subconjunto numerable, siempre denso en V .
El ejemplo clsico de subconjunto siempre denso en R es Q. Dado que Q es,
adems, un conjunto numerable, R es un espacio normado separable.
feb-2011
14 / 37
Sucesin convergente y series en espacios normados

Se dice que una sucesin {|xn i}
1 V converge (fuertemente) a |x0 i V ,
simblicamente |xn i |x0 i, si
lim |||xn i |x0 i|| 0 .
Decimos que |x0 i es el lmite de la sucesin.

Lema: Dado un subconjunto M V y un vector |xi V , |xi es un punto de
adherencia de M, si y slo si {|xn i}
1 M, tal que |xn i |xi.
P
Sean |vi i (V , || ||). Se dice que la serie i=1 |vi i converge hacia |vi V , si
la sucesin de sumas parciales
|sn i =
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 ).
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.
Resulta til identificar aquellos espacios en los que se pueda asegurar la

convergencia de sucesiones de Cauchy.
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.
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.
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 .
feb-2011
19 / 37
Espacios lineales con producto escalar

La norma permite asociar un nmero positivo a cada |xi V .
Con el producto escalar podemos generalizar conceptos como ngulos,
proyecciones o perpendicularidad, propios de la geometra eucldea clsica.
El producto escalar sobre V es una aplicacin (, ) : V V , que cumple:
positividad:
linealidad:
(|xi, |xi) 0
(|xi, |xi) = 0 |xi = 0,
(|xi, |yi + |zi) = (|xi, |yi) + (|xi, |zi),

(|xi, a |yi) = a (|xi, |yi),
homogeneidad:
(|xi, |yi) = (|yi, |xi) .
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.
feb-2011
20 / 37
Norma inducida por un producto escalar

Dos conjuntos de vectores S1 , S2 (V , (, )) son mtuamente ortogonales,
S1 S2 , cuando
(|v1 i, |v2 i) = 0 , |v1 i S1 , |v2 i S2 .
Se sigue inmediatamente de las propiedades de linealidad del producto
escalar que lin(S1 ) lin(S2 ) S1 S2 .
p
En (V , (, )), la aplicacin |xi |||xi|| (|xi, |xi) define una norma.
Teorema (de Pitgoras generalizado): Si S = {|v i}J es un subconjunto
ortonormal finito en (V , (, )), entonces |vi V se cumple que
X
X
|||vi||2 =
|(|v i, |vi)|2 + |||vi
(|v i, |vi) |v i||2 .
J
Demostracin: Sea |di = |vi
(|v i, |vi) |v i, es fcil ver |v di |di.
Entonces:
|||vi||2 = (|vi, |vi) = ((|v di) + |di, (|v di) + |di) = |||v di||2 + |||di||2 .
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
Desigualdad de Schwarz: |xi, |yi V |(|xi, |yi)| |||xi|| |||yi||. Cuando

se satura la desigualdad, |xi = |yi para algn .
Demostracin: Sean |xi, |yi =
6 0. Tomando el subconjunto ortonormal finito
dado por un elemento {|yi/|||yi||}, y usando la desigualdad de Bessel,
|||xi|| |(|xi, |yi/|||yi||)| =
1
|(|xi, |yi)| .
|||yi||
Desigualdad triangular o de Minkowski: Dados |vi, |wi V ,

|||vi + |wi||2 = |||vi||2 + |||wi||2 + 2 Re(|vi, |wi) |||vi||2 + |||wi||2 + 2|(|vi, |wi)|
|||vi||2 + |||wi||2 + 2|||vi|| |||wi|| = (|||vi|| + |||wi||)2 .
feb-2011
22 / 37
Ejemplos
n admite una estructura de espacio con producto escalar:
(|vi, |wi)
n
X
aj? bj ,
|vi = (a1 , . . . , an ) , |wi = (b1 , . . . , bn ) .
j=1
2 admite el producto escalar:

X
?
(|vi, |wi)
a
b ,
|vi = {a }N , |wi = {b }N .
p es normado pero 6 (, ) que induzca la norma asociada, para p 6= 2.

C(K ), con K R compacto, admite el producto escalar:
Z
(|fi, |gi)
f (x)? g(x) dx .
K
2
L (R) con producto escalar (anlogamente para L2 [a, b]):

Z
(|fi, |gi)
f (x)? g(x) dx .
R
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 .
Teorema: Convergencia fuerte implica convergencia dbil. Es decir:

{|xn i}
1 |xi
{|xn i}
1 *x .
Demostracin: Para todo |yi V ,

|(|yi, |xn i) (|yi, |xi)| = |(|yi, |xn i |xi)| |||yi|| |||xn i |xi|| 0 .
La implicacin inversa no ocurre necesariamente.
Recordemos que todo espacio normado admite una nica extensin a un
espacio completo. Un espacio vectorial con producto escalar induce una
norma nica, y por tanto, tambin admite una nica complecin.
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) .
Teorema fundamental de la proyeccin ortogonal: Si M es un subespacio

lineal cerrado de H, entonces |vi H,
|vi = |v1 i + |v2 i
con
|v1 i M , |v2 i M ,
y tal descomposicin es nica. |v1 i es la proyeccin ortogonal de |vi sobre M.

feb-2011
25 / 37
Bases de un espacio de Hilbert

Sean dos subespacios lineales cerrados M, N H, diremos que H es suma
~ N (suma directa) y MN.
directa ortogonal de ellos, H = M N, si H = M
El teorema anterior afirma que M H cerrado, H = M M .
Sea S := {|f i}I , donde I es un conjunto finito o infinito de ndices. S es
base de H si es maximal, i.e., no es subconjunto propio de ningn conjunto
linalmente independiente de H.
En un espacio de Hilbert, podemos formar la matriz de productos escalares
de los elementos de una base
g = (|f i, |f i)
, I .
Un conjunto ortonormal de vectores S = {|e i} es una base ortonormal de H

si es maximal.
La matriz de productos escalares elementales es la delta de Kronecker,
(|e i, |e 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||
|w2 i := |v2 i (|u1 i, |v2 i) |u1 i
|wm i := |vm i
m1
X
(|uk i, |vm i) |uk i
k =1
El nuevo conjunto es ortogonal por construccin.

|wm i no se anula en virtud de la supuesta independencia lineal de {|vj i}jJ .
Es evidente que las variedades lineales generadas son las mismas.
feb-2011
27 / 37
Componentes covariantes y criterio de convergencia

Dada una base ortonormal, S = {|e i}I , de H, todo |vi H puede
expresarse como combinacin lineal finita o infinita
X
|vi =
v |e i .
I
Los coeficientes v pueden recuperarse calculando la proyeccin del vector

sobre el elemento de la base deseado,
v = (|e i, |vi) ,
y reciben el nombre de componentes covariantes de |vi en la base S.
Lema: Sea {|ej i}
j=1 un conjunto ortonormal de H. Entonces:
vj |ej i converge en H
j=1
|vj |2 converge en R .
j=1
Teorema de existencia de bases ortonormales: Todo espacio de Hilbert

H 6= {} posee alguna base ortonormal.
feb-2011
28 / 37
Caracterizacin de bases ortonormales

Teorema de caracterizacin de bases ortonormales: Sea S = {|e i}I
un conjunto ortonormal numerable de H y v := (|e i, |vi). Las siguientes
proposiciones son equivalentes:
S es base ortonormal de H.
lin S = H.
Si |vi |e i, I
|vi = |0i. Es decir, S = {|0i}.
(Desarrollo de Fourier) |vi H
|vi =
v |e i.
(Identidad de Parseval) |vi, |wi H
(|vi, |wi) =
v? w .
(Identidad de Parseval) |vi H
|| |vi||2 =
|v |2 .
I
feb-2011
29 / 37
Demostracin del teorema de caracterizacin de bases ortonormales

Sea S = {|e i}I conjunto ortonormal numerable de H y v := (|e i, |vi).
[1] Si S es base ortonormal de H, entonces lin S = H.
Teorema de la proyeccin ortogonal: un subespacio lineal S es denso en H si
y slo si S = {}. Si lin S 6= H, |wi S (tal que |||wi|| = 1). Entonces,
podemos aadir |wi a S, pero S es maximal.
[2] Si lin S = H, entonces si |vi |e i , I |vi = |0i; i.e., S = {|0i}.
X
[3] Si S = {|0i}, entonces |vi H |vi =
v |e i.
I
0
Si I es finito, |v i =
v |e i es tal que (|vi |v0 i) |e i |vi = |v0 i.
Si I es infinito, por la desigualdad finita de Bessel, para cualquier J I finito,

X
|(|e i, |vi)|2 |||vi||2
J
en I v |e i slo hay una coleccin finita, a lo sumo numerable, de

trminos no nulos.
feb-2011
30 / 37
Demostracin del teorema de caracterizacin de bases ortonormales

La sucesin de sumas parciales, {|wn i
|||wn i |wm i||2 =
n
X
Pn
i=1
|v |2 0 ,
v |ei i}
n=1 es de Cauchy,
n>m.
m+1
Podemos definir |v0 i limn |wn i H, (|vi |v0 i) |e i |vi = |v0 i.

X
X
[4] Si |vi H , |vi =
v |e i |vi, |wi H , (|vi, |wi) =
v? w .
I
[5] Si |vi, |wi H , (|vi, |wi) =
v? w , entonces || |vi||2 =
[6] Si |vi H , || |vi||2 =
|v |2 .
|v |2 , entonces S es base ortonormal de H.
Si no fuera as, |wi tal que S {|wi} sera

P ortonormal. Por lo tanto, |wi S,
lo que es absurdo porque 1 = |||wi||2 = I |w |2 = 0.
feb-2011
31 / 37
Espacios de Hilbert separables

La dimensin de H puede ser finita o infinita. Sea, pues, H de dimensin 0 .
Este es el caso de los espacios de Hilbert separables.
Un espacio topolgico, X , se llama separable si posee algn subconjunto
numerable, siempre denso en X .
E.g., Q es numerable y denso en R, por tanto R es separable. Lo mismo
puede decirse de Rn y de Cn . En C[a, b], los polinomios con coeficientes
racionales forman un subconjunto numerable y denso.
Si V es separable y, con respecto a la norma inducida por (, ) es un espacio
de Hilbert, diremos que (V , (, )) es un espacio de Hilbert separable.
En general nos restringiremos en adelante a espacios de Hilbert separables.
Teorema: Un espacio de Hilbert, H 6= {}, es separable si y slo si admite
una base ortonormal numerable (finita o infinita numerable).
Corolario: La dimensin de todos los espacios de Hilbert separables es o
bien finita e igual a d < o bien infinita e igual a 0 .
feb-2011
32 / 37
Teorema del Isomorfismo

Dos espacios de Hilbert sobre , H1 y H2 , son isomorfos si existe algn
isomorfismo lineal U : H1 H2 que conserva los productos escalares, i.e.,
(U|xi, U|yi)H2 = (|xi, |yi)H1 , |xi, |yi H1 .
Teorema del isomorfismo: Todo espacio vectorial de Hilbert separable H
sobre , es isomorfo a d si la dimensin de H es finita (d < ), y a 2 si
sta es infinita.
Demostracin: Sea {|en i}nJ una base ortonormal de H con J = {1, 2, .., d}
o J = N. La aplicacin lineal U : |vi H |xi = {(|en i, |vi)}nJ 2 define
el isomorfismo.
Comprobemos que es una biyeccin:
Es inyectiva porque
U |vi = U |wi (|en i, |vi) = (|en i, |wi) |vi |wi |en i
n J .
El nico vector ortogonal a toda la base es |0i H, i.e., |vi = |wi.

feb-2011
33 / 37
Teorema del Isomorfismo

Adems es sobreyectiva pues para cualquier coleccin finita de nmeros
2
= {P
n }n=J se tiene n = 0, excepto para n1 , . . . , np ; el vector
p
|vi = i=1 ni |eni i verifica U |vi := {(|eni i, v )} = {ni } 2 .
Si fuese infinito tambin define un nico
P elemento |vi H. Efectivamente,
por ser elemento de 2 debe cumplir jJ |j |2 < . Por el P
lema de
convergencia que vimos anteriormente, tenemos que |vi := jJ j |ej i H.
Por ltimo, la isometra se cumple por la identidad de Parseval
X
(U |vi, U |wi)2
(|en i, |vi)? (|en i, |wi) = (|vi, |wi)H .
nJ
En resumen, para cada dimensin existe un slo tipo de espacio de Hilbert

separable, salvo isomorfismo. En particular, L2 [a, b] es isomorfo a 2 .
A la luz del teorema del isomorfismo se entiende el criterio de convergencia
del lema, pues la condicin de la derecha no es ms que la de pertenencia a
2 de un elemento (1 , 2 , ...) 2 .
feb-2011
34 / 37
Algunas bases ortonormales importantes

Veamos algunos ejemplos de bases ortonormales de uso frecuente. Para
todas ellas la ortonormalidad es relativamente fcil de verificar. El punto
delicado es probar el hecho de que su variedad lineal es densa en H.
Base estndar de H = 2 : Una base numerable ortonormal es
{|ek i}
1 = {(1, 0, 0, . . .), (0, 1, 0, . . .), (0, 0, 1, . . .), . . .} .
|xi 2 ,
|xi =
ai |ei i
con
i=1
|ai |2 < .
i=1
Base de Legendre de H = L2 [1, +1]: Los polinomios de Legendre

r
1
1 dn
{|Pn i}0 n + Pn (x) ,

Pn (x) := n
(x 2 1)n ,
2
2 n! dx n
pueden obtenerse aplicando Gramm-Schmidt al conjunto de funciones
2
{x n }
0 L [1, +1], linealmente independiente pero no ortonormal.
feb-2011
35 / 37

Base de Hermite de H = L2 (R): Ahora, {x n }
0 6 H. Sin embargo, el
2
conjunto {x n ex /2 }
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) ,
llamadas funciones de Hermite, siendo {Hn (x)}

0 los polinomios de Hermite
Hn (x) = (1)n ex
d n x 2
e
.
dx n
Base de Fourier de H` = L2 [0, `]: el subconjunto de L2 (R) dado por las

funciones peridicas |fi f (x) = f (x + `),
2n
1
{|en i}nZ en (x) = ei ` x .
`
constituye una base ortonormal.

feb-2011
36 / 37

Toda funcin |fi H` es desarrollable en serie de Fourier relativa a la base
de funciones trigonomtricas
Z `
+
X
2n
1
ei ` x f (x) dx
|fi =
fn |en i
con
fn = (|en i, |fi) =
`
0
n=
y
|||fi||2 =
+
X
|(|en i, |fi)|2 .
n=
Base de Laguerre de H = L2 (R+ ), R+ = [0, ): Partiendo del conjunto

{x n ex/2 }
0 H, y por Gramm-Schmidt, llegamos a una familia ortonormal y
numerable {n (x)}
1 ,
|n i n (x) = ex/2 Ln (x) ,
siendo Ln los polinomios de Laguerre
Ln (x) =
1 x dn
e
(ex x n ) .
n! dx n
feb-2011
37 / 37

Resumen Espacios Vectoriales

Transféré par

Informations du document

Titre original

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

Resumen Espacios Vectoriales

Transféré par

Droits d'auteur :

Formats disponibles

Espacios Lineales

Espacios vectoriales. Espacios normados. Espacios de Hilbert.

Jos D. Edelstein (USC)

Tema I: Espacios Lineales

Espacio vectorial o lineal

|xi + (|yi + |zi) = (|xi + |yi) + |zi,

|xi + |0i = |0i + |xi = |xi,

|xi + |xi = |0i,

a (|xi + |yi) = a |xi + a |yi,

(a + b) |xi = a |xi + b |xi,

Tema I: Espacios Lineales

Independencia y dimensin lineales

Si no, decimos que Xn es un conjunto de vectores linealmente dependientes.

Tema I: Espacios Lineales

Tema I: Espacios Lineales

Dimensin infinita y cardinalidad

Como N Q, card(N) card(Q) card(N N) = card(N); por lo tanto,

Tema I: Espacios Lineales

C n (R) funciones continuas de variable real n veces derivables. f (x) |fi

f (x) + g(x) = h(x) ,

Claro est, podemos remplazar R por .

Tema I: Espacios Lineales

Tema I: Espacios Lineales

Suma directa de espacios vectoriales

Tema I: Espacios Lineales

d(|xi, |yi) > 0 si |xi =

d(|xi, |yi) d(|xi, |zi) + d(|zi, |yi)

Jos D. Edelstein (USC)

Tema I: Espacios Lineales

se verifican las siguientes propiedades:

|||xi|| = 0 |xi = |0i,

|||xi + |yi|| |||xi|| + |||yi||.

Cuando queramos hacer referencia explcita a la norma, escribiremos para un

Tema I: Espacios Lineales

Es importante destacar la diferencia entre norma y distancia. La definicin de

Jos D. Edelstein (USC)

Tema I: Espacios Lineales

Sobre N construimos los siguientes subespacios lineales normados

:= {|xi = (a1 , a2 , . . .) N / |||xi|| := supn |an | < } .

Sea K un conjunto compacto de n ; el espacio vectorial, (C(K ), || || ), de

Tema I: Espacios Lineales

Convergencia: vecindad y punto de adherencia

Si relajamos el requisito de continuidad en el ejemplo anterior, llegamos

La introduccin de una norma permite definir una nocin de convergencia.

Tema I: Espacios Lineales

Cerrados, densos y separables

Tema I: Espacios Lineales

Sucesin convergente y series en espacios normados

Decimos que |x0 i es el lmite de la sucesin.

Tema I: Espacios Lineales

Resulta til identificar aquellos espacios en los que se pueda asegurar la

Tema I: Espacios Lineales

Tema I: Espacios Lineales

Tema I: Espacios Lineales

Tema I: Espacios Lineales

Espacios lineales con producto escalar

(|xi, |xi) = 0 |xi = 0,

(|xi, |yi + |zi) = (|xi, |yi) + (|xi, |zi),

(|xi, |yi) = (|yi, |xi) .

Tema I: Espacios Lineales

Norma inducida por un producto escalar

Demostracin: Sea |di = |vi

(|v i, |vi) |v i, es fcil ver |v di |di.