Introducci

on

Podemos decir actualmente que el Analisis Funcional es la tendencia abstracta del Analisis, la cual comenzo a ser desarrollada por algunos matematicos europeos en los a
nos de las dos primeras decadas del pasado siglo XX.
Entre esos matematicos destacan Fredholm, Volterra, Hilbert, y Riesz. Inicialmente estos matematicos resolvieron problemas de ecuaciones integrales,
autovalores de operadores, y desarrollos ortogonales.
Tambien uno de los principales pioneros en el desarrollo de esta rama
de la Matematica, fue el polaco S. Banach el cual compagino en su libro
publicado en el a
no de 1932 y reeditado en 1987 con ttulo THEORY OF
LINEAR OPERATIONS [1] mucho de los principales resultados conocidos
hasta ese tiempo.
Nuestro proposito fundamental al redactar este libro, es desarrollar algunos topicos basicos del Analisis Funcional tratando digamos a un nivel
intermedio la teora de los espacios normados, la de los espacios de Banach,
y tambien la de los operadores lineales acotados.
Nuestro texto se desarrolla a traves de tres Captulos. El primer Captulo
el cual llamamos Espacios Normados se ha dividido en cuatro Secciones.
A nuestra primera Seccion se la ha denominado Definiciones y Resultados
Preliminares porque all damos algunas de las nociones de uso mas frecuente
en el Analisis Funcional, como el de conjunto absorbente, balanceado y convexo; capsula convexa, norma, espacio normado y algunas propiedades de
la norma. Tambien se dan algunos conceptos topologicos, habiendo definido
previamente la topologa fuerte de un espacio normado.
1

2
En la segunda Seccion se da inicialmente el concepto de sucesion en un
espacio normado, para despues pasar a caracterizar los elementos de la clausura de un subconjunto de un espacio normado como lmites de sucesiones
de elementos de este. Tambien, introduciendo previamente el concepto de
funcion continua de un espacio topologico (X, 1 ) en otro (Y, 2 ) se muestra,
un Teorema de Continuidad Global, y despues una consecuencia del mismo
como lo es el Teorema de Conservacion de Compacidad.
La Seccion 1.3 contiene una buena lista de Ejercicios propuestos como
Ejemplos y en cada uno de ellos hemos dado los detalles de la solucion. Finalmente, la u
ltima Seccion presenta una variedad de Ejercicios que el lector
debe resolver [en donde en algunos de ellos se introducen nuevos conceptos].
En el segundo Captulo trata sobre espacios de Banach. En la Seccion 2.1
se demuestra las desigualdades clasicas de Holder, y de Holder - Minkowsky
en la Seccion 2.2 se da la nocion de espacio de Banach dada por S. Banach
Entre otras Proposiciones y Resultado mostramos un Teorema de Caracterizacion para espacio de Banach. [Teorema 2.2.9].
En la Seccion 2.3 damos algunos Ejemplos de espacios de Banach. Entre
otros mostramos con respecto a una norma definida previamente la completitud de los espacios de sucesiones
lp (p 1);

c0 ;

y l .

Tambien en nuestra Seccion 2.4 ademas de definir espacio de Banach separable, damos una Demostracion del Lema de Riesz, y en (2.5) presentamos
nuestra lista de Ejercicios.
El tercer Captulo trata sobre operadores lineales acotados en la primera
Seccion, se ha motivado el concepto de acotacion de un operador lineal, de hecho de que toda transformacion lineal de Rn en Rm es acotada. Introduciendo
pues, para un operador lineal T las nociones de acotacion y continuidad se
muestra en la Proposicion 3.1.7 que:
T es acotado T es continuo.

3
Ahora bien, definiendo los espacios L(X, Y ) y, B(X, Y ) mostraremos en
el Teorema 3.1.11 que B(X, Y ) es un espacio de Banach en la norma:
kT k = sup
x6=0

kT (x)k
.
kxk

En la Seccion 3.2 especificamente en el Teorema 3.2.6, se muestra que en

DIMENSION FINITA TODAS LAS NORMAS SON EQUIVALENTES .
Tambien damos el importante concepto de operador cerrado.
La Seccion 3.3 da una lista de Ejemplos de operadores lineales acotados. Entre otros, destacan el operador de Fredholm; el operador Shift [a la
izquierda y a la derecha], y la proyeccion canonica. Mostramos como un Ejemplo tambien un Teorema de extension de operadores; y dando la Definicion
de operador compacto se muestra que el operador de Fredholm lo es.
Al final en la Seccion 3.4 presentamos nuestra lista de Ejercicios a resolverse.
Esperamos que este texto se de utilidad aquellos estudiantes que comienzan con el estudio de esta importante area de las Matematicas.

Indice general
Introducci
on

1. Espacios Normados
1.1. Definiciones y Resultados Preliminares.
1.2. Continuidad . . . . . . . . . . . . . . .
1.3. Ejemplos Resueltos . . . . . . . . . . .
1.4. Comentario final del Captulo 1 . . . .
1.5. Ejercicios Propuestos. . . . . . . . . . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

2. Espacios de Banach
2.1. Desigualdades clasicas en Analisis Funcional. . . . . . . . . .
2.2. Espacios de Banach. Teora Basica. Ejemplos y ejercicios. . .
2.3. Algunos Ejemplos de Espacios de Banach. . . . . . . . . . .
2.4. Separabilidad de un espacio normado y Ejemplos. El Lema de
Riesz. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.5. Comentario final del Captulo 2 . . . . . . . . . . . . . . . .
2.6. Ejercicios Propuestos . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.

7
7
21
37
62
63

71
. 71
. 78
. 98
. 115
. 119
. 120

3. Operadores Lineales Acotados

125
3.1. Nocion de acotacion de un operador lineal. El espacio de B(X, Y )125
3.2. Normas Equivalentes. Nocion de operador cerrado . . . . . . . 141
3.3. Algunos ejemplos de operadores lineales acotados . . . . . . . 153
3.4. Comentario final del Captulo 3 . . . . . . . . . . . . . . . . . 165
3.5. Ejercicios Propuestos . . . . . . . . . . . . . . . . . . . . . . . 166
Bibliografa

171

INDICE GENERAL

Captulo 1
Espacios Normados
1.1.

Definiciones y Resultados Preliminares.

Comenzaremos esta Seccion recordando el concepto de espacio vectorial,

por ser esta una de las mas importantes estructuras algebracas que son
objeto de estudio en el Analisis Funcional Lineal.
En lo que sigue, a menos que explcitamente se especifique lo contrario,
el smbolo F denotara el cuerpo de los n
umeros reales o complejos.
Definici
on 1.1.1 Sea X un conjunto no vaco (abstracto). Sup
ongase que
en el conjunto X X est
a definida una operaci
on llamada suma y en FX
otra operaci
on denominada multiplicaci
on por escalar, tal que si
(x, y) X X y (, x) F X el resultado de cada una de estas
operaciones sobre estos elementos es otro elemento de X denotado por x + y
y x respectivamente, y que adem
as se verifican las siguientes propiedades:
(P1 ) x + y = y + x,

x, y X [Propiedad Conmutativa].

(P2 ) x + (y + z) = (x + y) + z

x, y, z X [Propiedad Asociativa].

nico elemento en X denotado por 0 y tal que

(P3 ) Existe un u
x + 0 = 0 + x,

x X.

Este
elemento se llama el elemento neutro para la suma.
7

CAPITULO 1. ESPACIOS NORMADOS

nico elemento x X tal que:

(P4 ) Para cada x X, existe un u
x + (x) = (x) + x = 0.
El elemento x se llama el simetrico aditivo de x X
x X,

(P5 ) 1x = x,

(P6 ) (x) = ()x,

1 es la identidad de F

, F,

xX

(P7 ) ( + )x = x + x,

, F,

(P8 ) (x + y) = x + y,

F,

xX
x, y X.

Entonces, X se llama un espacio vectorial sobre el cuerpo F. Los elementos de X se llaman vectores.
Observaci
on 1.1.1 (a) Se supone que el lector de este libro est
a familiarizado con los hechos b
asicos de la teora de espacios vectoriales. De

todas formas recomendamos tener a la mano un libro de Algebra

Lineal
[por ejemplo [7] en el momento de leerlo.
(b) Las operaciones de suma y multiplicaci
on por escalar de un espacio
vectorial X inducen las funciones:
1 : X X X
y,
2 : F X X
definidas por:
1 (x, y) = x + y
2 (, x) = x
respectivamente.
Definici
on 1.1.2 Sea X un espacio vectorial. Un subconjunto no vaco S
de X se llama un subespacio vectorial de X si:
x + y S

x, y X,

, F.

As, si S es un subespacio vectorial de X, entonces, 0 S.

1.1. DEFINICIONES Y RESULTADOS PRELIMINARES.

Definici
on 1.1.3 Sean X un espacio vectorial, x0 X y F entonces, si
A es un subconjunto no vaco de X, definimos:
(a) x0 + A := {x0 + a : a A}
(b) x0 A := {x0 a : a A}
(c) A := {a : a A}

Si B es otro subconjunto no vaco de X entonces:

(d) A + B := {a + b : a A, b B}
Definici
on 1.1.4 Un subconjunto A de un espacio vectorial X se dice:
(a) Convexo: Si el segmento de recta x + (1 )y queda contenida
en A, x, y A, 0 1, esto es:
x + (1 )y A,

x, y A,

01

(b) Balanceado: Si A A, cuando || 1.

(c) Absorbente: Si para cada x X, existe un > 0 tal que x A.
Con el proposito de caracterizar los subconjuntos convexos de un espacio
vectorial damos la siguiente Definicion:
Definici
on 1.1.5 Sea X un espacio vectorial. Un x X se dice una combinacion convexa de los elementos x1 , x2 , . . . , xn de X si existen escalares
n
X
1 , 2 , . . . , n en R con i 0, i = 1, 2, . . . , n y
i = 1 tal que:
i=1

x =

n
X

i xi

i=1

Proposici
on 1.1.6 Un subconjunto K de un espacio vectorial X es convexo
si y solo si cualquier combinaci
on convexa de puntos de K es un punto de
K.

CAPITULO 1. ESPACIOS NORMADOS

10

Demostraci
on.
() Sean x, y K, entonces, por la hip
otesis el elemento
z = x + (1 )y K,
para 0 1. As, K es convexo.
() Sup
ongase que K es convexo y S := {x1 , x2 , . . . , xn } un n
umero
finito cualquiera de elementos de K.
Procederemos por inducci
on sobre n.
Si n = 1, es evidente.
Si n = 2, y 1 0, 2 0 tales que 1 + 2 = 1, entonces, es
claro que 0 1 1 y 0 2 1 y as
z = 1 x1 + 2 x2 K.
Sup
ongase que el resultado es cierto para n elementos x1 , x2 , . . . , xn en
K, esto es,

z = 1 x1 + 2 x2 + . . . + n xn K,

i 0,

Sea xn+1 K. Veamos que:

n
X

i = 1

i=0

r = 1 x1 + 2 x2 + . . . + n xn + n+1 xn+1 K, i 0,
Consideremos los casos siguientes:

n+1
X

i = 1

i=1

Caso 1. Cuando n+1 = 1, entonces, i = 0 para i = 1, 2, . . . , n, y as,

r K.
Caso 2. Cuando 0 n+1 < 1. Sea
i =

i
,
1 n+1

i = 1, 2, . . . , n

Entonces,

n
X
i=1

i =

n
X
i=1

n
X

i
i
= i=1
= 1
1 n+1
1 n+1

1.1. DEFINICIONES Y RESULTADOS PRELIMINARES.

11

Luego, por la hip

otesis de inducci
on:
n
X

i xi K

n
X

i xi + (1 (1 n+1 )) xn+1 K

i=1

y ya que K es convexo, entonces,

n+1
X
i=1

i xi = (1 n+1 )

i=1

lo cual concluye la demostraci

on.
2
A continuacion introducimos el importante concepto de capsula convexa.
Definici
on 1.1.7 Sea A un subconjunto no vaco de un espacio vectorial X.
La capsula convexa de A denotada por co(A) es:

co(A) :=

n
X
i=1

i xi : xi X, i 0 i = 1, 2, . . . , n,

n
X
i=1

i = 1

Es facil verificar usando la caracterizacion dada en la Proposicion anterior

que co(A) es un subconjunto convexo de X, y ademas es el convexo mas
peque
node X que contiene a A, esto es,
\
A
co(A) := A convexo

A A

Si A es un subconjunto no vaco de un espacio vectorial X es facil verificar

que el conjunto:
)
( n
X
i xi : i F, xi A, i = 1, 2, . . . , n
sp(A) :=
i=1

es un subespacio vectorial de A, y se llama el subespacio vectorial real generado por A. Note que co(A) sp(A).
A continuacion se introduce el importante concepto de norma sobre un
espacio vectorial.

CAPITULO 1. ESPACIOS NORMADOS

12

Definici
on 1.1.8 Sea X un espacio vectorial. Una funci
on,
|| || : X R
x | kxk

que verifique las siguientes propiedades:

(A1) ||x|| 0 y ||x|| = 0 x = 0.
(A2) ||x|| = || ||x||,

F,

(A3) ||x + y|| ||x|| + ||y||,

xX

x, y X,

se llama una norma sobre X. Al par (X, || ||) se le llama un espacio

normado.
La propiedad (A3) se llama la desigualdad triangular.
Toda norma verifica la importante desigualdad dada en la
siguiente proposicion.
Proposici
on 1.1.9 Sea (X, || ||) un espacio normado. Entonces,




||x|| ||y|| ||x y||,



x, y X

(1,1,11)

Demostraci
on.
Recordemos que si a > 0, entonces:
|x| a a x a.
As,




||x|| ||y|| ||x y|| ||x y|| ||x|| ||y|| ||x y||.



Expresando:
x = (x y) + y, entonces ||x|| = ||(x y) + y|| ||x y|| + ||y||
Luego, ||x|| ||y|| ||x y||.

1.1. DEFINICIONES Y RESULTADOS PRELIMINARES.

13

Expresando:
y = (y x) + x, entonces ||y|| ||y x|| + ||x||, luego
||y|| ||x|| ||y x|| = ||x y||, esto es, ||x y|| ||x|| ||y||, lo
que concluye la demostracion.
2
Con la finalidad de definir una topologa en el espacio vectorial (X, || ||),
recordaremos la definicion siguiente:
Definici
on 1.1.10 Sea X un conjunto no vaco. Una funci
on,
d : X X R
(x, y) | d(x, y)

se llama una metrica sobre X si verifica las siguientes propiedades:

(A1) d(x, y) 0

d(x, y) = 0 x = y

(A2) d(x, y) = d(y, x), x, y X

(A3)

d(x, y) d(x, z) + d(z, y), x, y, z X.

(Desigualdad triangular)

Al par (X, d) se le llama un espacio metrico.

Proposici
on 1.1.11 Sea (X, || ||) un espacio normado. La funci
on.
definida por

d : X X R
d(x, y) = ||x y||,

x, y X

es una metrica sobre X.

Demostraci
on.
Es facil verificar (A1) y (A2). Por otra parte como,
d(x, y) = ||x y|| = ||x z + z y||

||x z|| + ||z y|| = d(x, z) + d(z, y)

x, y, z X, obtenemos tambien que (A3) es cierta.

CAPITULO 1. ESPACIOS NORMADOS

14

As, todo espacio normado es un espacio metrico, con la metrica

d(x, y) = ||x y||,

x, y X.
2

Definici
on 1.1.12 Sea X un conjunto no vaco. Una colecci
on de subconjuntos de X se llama una topologa para X si se satisfacen las siguientes
propiedades:
(A1) , X .
(A2) Si {A }I[ , donde I es un conjunto de ndices de cardinalidad
A .
arbitraria,
I

(A3) Si {A }I , entonces

n
\

i=1

Ai .

Al par (X, ) se le llama un espacio topol

ogico. Los elementos de la
colecci
on se llaman conjuntos abiertos.
Si (X, ) es un espacio topol
ogico, un subconjunto B de X se llama
c
cerrado si su complemento B = X\B es abierto en X, esto es B c .
Definici
on 1.1.13 Sea (X, ) un espacio topol
ogico.
(a) Una vecindad de un x X es un subconjunto G de X, que contiene
alg
un abierto A que contiene a {x}, esto es,
xAG
(b) La topologa se dice Hausdorff (
o T2 ) si dados x, y X, existen
vecindades Vx de x y Vy de y tal que
Vx Vy = .
Definici
on 1.1.14 Sean (X, || ||) un espacio normado, y d la metrica inducida por la norma || ||. Sea x0 X, y r > 0 entonces,

1.1. DEFINICIONES Y RESULTADOS PRELIMINARES.

15

(a) La bola abierta de centro x0 y radio r es:



B(x0 , r) := x X : d(x, x0 ) = ||x x0 || < r
(b) La bola cerrada de centro x0 y radio r es:
B(x0 , r) :=

x X : d(x, x0 ) = ||x x0 || r

Definici
on 1.1.15 Sea (X, || ||) un espacio normado. Un subconjunto no
vaco A de X se dice abierto si para cada x A existe un rx > 0 tal que:
B(x, rx ) A.

El conjunto vaco lo consideramos como un abierto en X ya que inicialmente no existe ning

un elemento en el que niegue nuestra definici
on.
Proposici
on 1.1.16 Sea (X, || ||) un espacio normado. Entonces,
(a) X es un conjunto abierto.

(b) Si x0 X, y r > 0, entonces B(x0 , r) es un conjunto abierto.

(c) B(x0 , r) es un conjunto cerrado en X.
Demostraci
on.
(a) Evidente.
(b) Sea x1 B(x0 , r). Tomemos r1 = r d(x0 , x1 ), entonces r1 > 0 y si
z B(x1 , r1 ) vamos a tener que:
d(z, x0 ) = ||z x0 || = ||z x1 + x1 x0 ||
||z x1 || + ||x1 x0 ||
< r1 + ||x1 x0 ||
= r d(x0 , x1 ) + ||x1 x0 || = r

CAPITULO 1. ESPACIOS NORMADOS

16

Por tanto, B(x1 , r1 ) B(x0 , r) y as B(x0 , r) es abierto en X.

(c) Para verificar que B(x0 , r) es un conjunto cerrado, mostraremos entonces que:
c

B (x0 , r) :=

z X : d(z, x0 ) = ||z x0 || > r

c

es un conjunto abierto. En efecto, sea z0 B (x0 , r) y tomemos

c
r1 = d(x0 , z0 ) r > 0. Afirmamos que B(z0 , r1 ) B (x0 , r). En
efecto, sea z B(z0 , r1 ). Entonces,
||z0 x0 || = ||z0 z + z x0 || ||z0 z|| + ||z x0 ||,

como ||z0 x0 || = r1 + r, obtenemos:

r1 + r ||z0 z|| + ||z x0 || < r1 + ||z x0 ||

on.
esto es, ||z x0 || > r, lo que concluye la demostraci

Proposici
on 1.1.17 Sean (X, || ||) un espacio normado y la siguiente
colecci
on de subconjuntos de X

:=

E X : E es abierto en el sentido de la Definici

on 1.1.6

Entonces es una topologa para X y se llama la topologa

fuerte de X.
Demostraci
on.
Debemos verificar los axiomas (A1), (A2) y (A3) de la Definici
on 1.1.12.
La propiedad[
(A1) es evidente. Verificaremos
(A2).
Sea
{A
}

[
Ak . En efecto, si x
Ak , entonces
Veamos que
kI

kI

x Ak0 para alg

un ndice 0 . Como Ak0 es [
abierto, existe un rk0 > 0 tal
que B(x, rk0 ) Ak0 , y por tanto B(x, rk0 )
A . Verificaremos ahora
(A3). Sea {Ai }ni=1 , y x

n
\

i=1

Ai ; entonces x Ai , para i = 1, 2, 3, . . . , n,

1.1. DEFINICIONES Y RESULTADOS PRELIMINARES.

17

y por tanto existe i > 0, i = 1, 2, . . . , n tal que B(x, i ) Ai , i = 1, 2, . . . , n.

Sea = mn{1 , 2 , . . . , n }, entonces B(x, ) Ai , para i = 1, 2, . . . , n
n
\
Ai .
2
y por tanto B(x, )
i=1

Proposici
on 1.1.18 La topologa dada la Proposici
on 1.1.18 es Hausdorff (o T2 ).
Demostraci
on.
Sean x, y X, x 6= y, entonces d(x, y) = ||x y|| > 0. Tomese
||x y||
.
4
T
Afirmamos
que
B(x,
)
B(y, ) = . T
En efecto, si en caso contrario
T
B(x, ) B(y, ) 6= , existe un z B(x, ) B(y, ), luego
=

||x y|| = ||x z + z y|| ||x z|| + ||z y|| <

||x y|| ||x y||

+
4
4

lo cual es una contradicci

on.
Daremos ahora las siguientes definiciones:

Definici
on 1.1.19 Sean (X, || ||) un espacio normado y A X, entonces,
(a) El interior de A denotado por int(A) es:
int(A) :=

x A : existe un > 0 tal que B(x, ) A

(b) La frontera de A, denotada por A es:

A :=

x X : para cada r > 0, B(x, r)A 6= , B(x, r)A 6=

(c) El exterior de A denotado por ext(A) es:

ext(A) := int(Ac )

CAPITULO 1. ESPACIOS NORMADOS

18

Definici
on 1.1.20 Sean (X, || ||) un espacio normado y A X. Un
x0 X se llama un punto de acumulaci
on de A si cada vecindad de x0
contiene un punto de A diferente de x0
Nota 1.1.21 La Definici
on 1.1.20 expresa que si Vx0 es cualquier vecindad
de x0 en (X, || ||), entonces:
Vbx0 A 6=

donde Vbx0 := Vx0 \{x0 }. Ya que B(x0 , r) es una vecindad de x0 , para

cada r > 0, entonces x0 es un punto de acumulaci
on de A si y s
olo s
donde tambien

b 0 , r) A 6=
B(x

b 0 , r) := B(x0 , r)\{x0 }
B(x

Denotamos por:


0
A := x X : x es un punto de acumulaci
on de A
Definici
on 1.1.22 Un subconjunto A de un espacio normado (X, || ||) se
dice acotado si existe un M > 0 tal que:
kxk M, x A.
Es claro que B(x0 , r) y B(x0 , r) son subconjuntos acotados.
La siguiente Proposici
on nos permite caracterizar los subconjuntos cerrados en un espacio normado.
Proposici
on 1.1.23 Sean (X, || ||) un espacio normado y A X. Entonces,
A es cerrado A0 A.

1.1. DEFINICIONES Y RESULTADOS PRELIMINARES.

19

Demostraci
on.
() Sup
ongase que A es cerrado en (X, || ||) pero A0 6 A. Entonces,
existe alg
un x A0 tal que x 6 A. Luego x Ac y como A es cerrado, Ac es
abierto, por tanto existe un r > 0 tal que:
B(x, r) Ac .

Pero por otra parte, como x A0 ,

b r) A 6=
B(x,

se sigue entonces, que A Ac 6= lo cual es una contradicci

on. As, A0 A.
0
c
() Recprocamente, sea A A y x A . Entonces x 6 A y as tambien
por la hip
otesis x 6 A0 , luego existe un r > 0 tal que
b r) A =
B(x,

En consecuencia, B(x, r) Ac , con lo cual concluimos que Ac es abierto,

y as (Ac )c = A es cerrado.
2
Seguidamente damos la importante Definici
on de clausura de un subconjunto de un espacio normado.
Definici
on 1.1.24 Sean (X, || ||) un espacio normado y A X.
as peque
no de
La clausura de A denotada por A es el conjunto cerrado m
X que contiene a A, esto es, si:
F es otro cerrado en (X, || ||) tal que F A, entonces F A.
\

F ;
y que A es cerrado si y s
olo
F cerrado
F A
s A = A. Queremos ahora mostrar que A = AA0 . Para esto mostraremos
inicialmente lo siguiente:
Es claro que

Proposici
on 1.1.25 Sean (X, ||||) un espacio normado y A X. Entonces
0
A A es un conjunto cerrado.

CAPITULO 1. ESPACIOS NORMADOS

20
Demostraci
on.

Veamos que (A A0 )c es un conjunto abierto. Sea entonces

x (A A0 )c = Ac (A0 )c , luego x Ac y x (A0 )c , y as x 6 A y
x 6 A0 . De la Definici
on de A0 existe un  > 0 tal que B(x, ) A =
c
y as, B(x, ) A . Afirmamos ahora que B(x, ) (A0 )c . En efecto, sea
y B(x, ). Como B(x, ) es un conjunto abierto, existe un r > 0 tal que
B(y, r) B(x, ). Ahora bien, como B(x, ) A = , tambien
B(y, r) A = , y por tanto y 6 A0 , luego y (A0 )c . Como y es arbitrario
on.
en B(x, ) se concluye que B(x, ) (A0 )c , lo cual finaliza la demostraci
2
Proposici
on 1.1.26 Sean (X, ||||) un espacio normado y A X. Entonces
A = A A0
Demostraci
on.
Tenemos que:
A = A A0 A A A0 A

on anterior y A A0 A, se sigue
Como A A0 es cerrado por la proposici
que A A0 A. Por otra parte, si x A A0 , entonces x A
o x A0 . Si
0
x A, tambien x A, y si x A se tiene que
y as

b ) A 6= para cada  > 0

B(x,
b ) A 6= para cada  > 0
B(x,

Esto es, x (A)0 . Como A es un conjunto cerrado se sigue de la

Proposici
on 1.1.23 que x A.
Hasta aqu la primera secci
on del Captulo 1.

1.2. CONTINUIDAD

1.2.

21

Continuidad

Esta secci
on contiene algunas caracterizaciones de funci
on continua definida sobre un subconjunto de un espacio normado en otro. Tambien mostraremos un importante Teorema sobre continuidad global. [Teorema 1.2.16]
Inicialmente comenzamos dando la siguiente Definici
on:
Definici
on 1.2.1 Sea (X, || ||) un espacio normado. Una sucesi
on en X
es el rango de una funci
on:
f : N X
n | f (n) = xn

x
ermino n-esimo de la sucesi
on. Elrango lo denotamos
n sellama el t


por xn
y lo llamamos una sucesi
on en X. Si nk : k N es
n=1
 
un subconjunto de N tal que n1 < n2 . . . , entonces xnk
se llama una
k=1
 
subsucesi
on de la sucesi
on xn
n=1

Definici
on 1.2.2 Sean (X, || ||) un espacio normado y xn
una sun=1
 
es convergente a un x X si dado  > 0
cesion en X. Decimos que xn

existe un n0 N tal que:

n=1

||xn x|| < 

si
n n0
 
En caso contrario se dice que xn
no es convergente (
o divergente).
n=1
 
es convergente a x X, decimos tambien que x es el lmite
Si xn
n=1

de xn cuando n y escribimos,

lm xn = x en la topologa de la norma || ||

 Es
claro por el hecho de ser la topologa inducida por la norma T2 que si
xn
es convergente, su lmite es u
nico.
n=1

CAPITULO 1. ESPACIOS NORMADOS

22

Proposici
on 1.2.3 Sean (X, || ||) un espacio normado y
 
es acotada.
sucesi
on convergente en X, entonces xn

xn

una

n=1

n=1

Demostraci
on.
Veamos que existe un M > 0 tal que ||xn || M para n = 1, 2, . . . . Sea,
lm xn = x.

Entonces, dado = 1, existe un n0 N tal que:

||xn x|| < 1

n n0 ,

si

pero por la Proposici

on 1.1.10,




||xn || ||x|| ||xn x|| < 1,



si

n n0

Luego,

1 < ||xn || ||x|| < 1

si

n n0

esto es,

que

n n0 .

Sea M = max ||x1 ||, ||x2 ||, . . . , ||xn0 1 ||, 1 + ||x|| , entonces, es evidente

y as,

xn

||xn || < 1 + ||x||

||xn || M
es acotada.

para

si

n = 1, 2, 3, . . .
2

n=1

La siguiente Proposici
on nos muestra una propiedad muy importante de la
clausura de un conjunto: sus elementos son lmites de sucesiones de elementos
del conjunto, m
as especificamente:
Proposici
on 1.2.4 (Una Caracterizaci
on de A) Sean (X, || ||) un
espacio normado y A X. Entonces,

1.2. CONTINUIDAD

23

x A existe una sucesi

on

xn

n=1

tal que lm xn = x.
n
Demostraci
on.
() Sea x A = A A0 entonces, x A
o x A0 . Si x A basta tomar
xn = x para n = 1, 2, 3 . . . , y as lm xn = x.
n

Por otra parte, si x A0 entonces A debe de ser un conjunto infinito.

Entonces, dado  = 1 existe un x1 A tal que:
0 < ||x x1 || < 1

Sea A1 = A\{x1 }. Es claro que A1 A y A1 es infinito. Como x A0 ,

tambien x A01 [Por que?]. As, dado  = 12 existe un x2 A1 A
(x2 6= x1 ) tal que:
1
2
Consideremos ahora A2 = A\{x1 , x2 }. Nuevamente, A2 es infinito y
tambien x A02 . Luego, dado  = 13 existe un x3 A2 tal que:
0 < ||x x2 || <

1
3
este procedimiento obtenemos una sucesi
on de elementos

 Continuando
A tal que:
xn
0 < ||x x3 || <

n=1

0 < ||x xn || <

1
,
n

para

n = 1, 2, 3, . . .

1
= 0, se sigue entonces que lm xn = x, lo cual finaliza
Como lm
n n
n
nuestra demostraci
on.
 
 
A tal que lm xn = x. Entonces, si xn
consta
() Sea xn
n=1

n=1

de un n
umero finito de terminos solamente, entonces xn = x para n n0 .
Por tanto,
 x A, y as tambien x A.
Si

xn

n=1

consta de un n
umero infinito de terminos, entonces

CAPITULO 1. ESPACIOS NORMADOS

24


b ) xn
B(x,

n=1

6=

para cada

> 0,

y por tanto x A0 y en consecuencia x A.

Definici
on 1.2.5 Sean (X, 1 ) y (Y, 2 ) espacios topol
ogicos, y D X.
Una funci
on,
f : D Y
se dice continua en un x0 D, si dada una vecindad V de f (x0 ) en Y, existe
una vecindad U de x0 en X tal que si:
x U D = f (x) V.

Proposici
on 1.2.6 Sean (X, ||||1 ) y (Y, ||||2 ) espacios normados, D X,
y:
f : D Y
una funci
on. Las siguientes afirmaciones son mutuamente equivalentes:
(1) f es continua en x0 D.
(2) Dado  > 0 existe un = (x0 , ) > 0 tal que
||f (x) f (x0 )|| < 

si

||x x0 || <

(3) f es secuencialmente continua en x0 D, esto es, si

tal que:

xn x
si n , entonces f (xn ) f (x0 ) si n .

xn

n=1

1.2. CONTINUIDAD

25

Demostraci
on.
Sin perder generalidad podemos denotar las normas || ||1 y || ||2 por || ||
respectivamente.
(1) (2) Sean  > 0 y,


V := B(f (x0 ), ) := y Y : ||y f (x0 )|| < 

Entonces V es una vecindad de f (x0 ) en Y, luego por (1) existe una

vecindad U de x0 en X tal que si
x U D = f (x) V

Ahora bien, como U es una vecindad de x0 , existe un > 0 tal que

B(x0 , ) U,

luego,

B(x0 , ) D U D

es,

Por tanto, si x B(x0 , ) D, entonces x U D y as, f (x) V, esto

||f (x) f (x0 )|| < 

||x x0 || < .

si

(2) (1) Sea V una vecindad de f (x0 ) en Y, entonces V contiene alg

un
conjunto abierto que contiene a x. As, para alg
un  > 0
B(f (x0 ), ) V

Por (2) existe un > 0 tal que si

||x x0 || < ,

entonces

||f (x) f (x0 )|| < .

Tomando U := B(x0 , ) se sigue por lo anterior que si x U D,

entonces f (x) V.
(2) (3)

Sean y 
el par de n
umeros positivos dados por la hip
otesis

D tal que xn x0 si n entonces,

(2), y x0 D. Sea xn
n=1

para nuestro > 0 existe un n0 N tal que

CAPITULO 1. ESPACIOS NORMADOS

26

||xn x0 || <

n n0 ,

si

y en consecuencia por (1):

||f (xn ) f (x0 )|| < 

si

n n0 ,

esto es, f es secuencialmente continua en x0 D.

(3) (1) Sup
ongase que (3) es cierta, pero que f no es continua en
x0 D. Entonces, existe alguna vecindad V de f (x0 ) en Y tal que para cada
vecindad U de x0 en X existe un x0 U D con f (x0 ) 6 V. Sea,


1
Un := x X : ||x x0 || <
.
n


Entonces, Un := B x0 , n1 y as, Un es una vecindad de x0 para n = 1, 2, . . . .
Luego, existe un xn Un tal que f (xn ) 6 V para n = 1, 2, . . . , lo cual
contradice (3).
2
Consideremos ahora X y Y espacios vectoriales sobre el mismo cuerpo de
escalares F. Sea


X Y := (x, y) : x X, y Y .
En este conjunto X Y definimos las siguientes operaciones:

(O1) Suma: Si (x1 , y1 ) X Y y (x2 , y2 ) X Y, entonces,

(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 )
(O2) Multiplicaci
on por escalar: Si F y (x, y) X Y, entonces,
(x, y) = (x, y).
Proposici
on 1.2.7 El conjunto X Y tiene estructura de espacio vectorial
sobre F respecto de las operaciones (O1) y (O2).
Demostraci
on.
Es evidente que (O1) y (O2) est
an bien definidas sobre X Y. Se deja como
ejercicio verificar todas las propiedades de espacio vectorial.
2

1.2. CONTINUIDAD

27

Proposici
on 1.2.8 Sean (X, || ||1 ) y (Y, || ||2 ) espacios normados. La
funcion:

definida por:

|| || : X Y [0, +)
||(x, y)|| = ||x||1 + ||y||2

Es una norma sobre X Y. As, (X Y, || ||) es un espacio normado.

Demostraci
on.
Verificaremos que || || cumple con todas las propiedades de una norma.
(P1) Es claro que ||(x, y)|| 0, (x, y) X Y. Adem
as, si

||(x, y)|| = ||x||1 + ||y||2 = 0 entonces ||x||1 = 0 y ||y||2 = 0 y

as x = 0 y y = 0, por tanto (x, y) = (0, 0) y recprocamente.

(P2) En efecto,
||(x, y)|| = ||(x, y)|| = ||x||1 + ||y||2
= || ||x||1 + || ||y||2
= ||(||x||1 + ||y||2 )
= ||||(x, y)||

( F, (x, y) X Y )

(P3) [Desigualdad triangular]

||(x1 , y1 ) + (x2 , y2 )|| = ||(x1 + x2 , y1 + y2 )||
= ||x1 + x2 ||1 + ||y1 + y2 ||2
||x1 ||1 + ||x2 ||1 + ||y1 ||2 + ||y2 ||2
= ||x1 ||1 + ||y1 ||2 + ||x2 ||1 + ||y2 ||2
= ||(x1 , y1 )|| + ||(x2 , y2 )||

(x1 , y1 ), (x2 , y2 ) X Y, lo cual concluye la prueba.

Tenemos ahora la importante Proposici
on:

CAPITULO 1. ESPACIOS NORMADOS

28

Proposici
on 1.2.9 Sea (X, || ||) un espacio normado. Entonces, las funciones:
1 : X X X

definida por

1 (x, y) = x + y

y,
2 : F X X

definida por

2 (, x) = x

son continuas sobre X X y F X respectivamente.

Demostraci
on.
Observemos inicialmente que cuando Y = X la norma definida por la Proposici
on 1.2.7 de un elemento (x, y) X X es:
||(x, y)|| = ||x|| + ||y||
y cuando X = F y Y = X la norma de un elemento (, x) F X es:
||(, x)|| = || + ||x||
Sea (x0 , y0 ) X X. Veamos que dado > 0 existe un > 0 tal que:
||1 (x, y) 1 (0 , y0 )|| < 

si

||(x, y) (x0 , y0 )|| < .

En efecto,

||1 (x, y) 1 (0 , x0 )|| = ||x + y (x0 + y0 )||

= ||x x0 + y y0 ||
||x x0 || + ||y y0 || < + = 2 = 
Luego, basta tomar
Por otra parte,

2 .

1.2. CONTINUIDAD

29

||2 (, x) 2 (0 , x0 )|| = ||x 0 x0 ||

= ||x x0 + x0 0 x0 ||
= ||(x x0 ) + ( 0 )x0 ||
||(x x0 )|| + ||( 0 )x||
= || ||x x0 || + | 0 | ||x||
Restringiendo,
||x x0 || < 1

| 0 | < 1,

entonces, ya que:




||x|| ||x0 || ||x x0 || < 1,







|| |0 | | 0 | < 1



vamos a tener que ||x|| < 1 + ||x0 ||, y || < 1 + |0 |, luego

||2 (, x) 2 (0 , x0 )|| < (1 + |0 |)||x x0 || + | 0 |(1 + ||x0 ||)

< m + m = 2m

donde m = max{1 + |0 |, 1 + ||x0 ||}. As, tomando mn{1, 2m
} obtenemos que 2 es continua en (0 , x0 ).
2
ogicos, una funci
on:
Recordemos que si (X, 1 ) y (Y, 2 ) son espacios topol

f :XY
que es biyectiva (esto es, f es uno a uno y sobre) y bicontinua (bicontinua
significa que f y su inversa f 1 son continuas) se llama un homeomorfismo,
y en este caso X y Y se dicen homeomorfos.
Las operaciones de suma y multiplicaci
on por escalar de un espacio vectorial que es adem
as un espacio normado inducen dos homeomorfismos naturales, hecho que lo expresa la Proposici
on siguiente:

CAPITULO 1. ESPACIOS NORMADOS

30

Proposici
on 1.2.10 Sean (X, || ||) un espacio normado, a X y
F, ( 6= 0). Entonces, las funciones:
Ta : X X,

definida por

Ta (x) = x + a

y
M : X X,

definida por

M (x) = x

on y M el operador
son homeomorfismos. Ta se llama el operador de traslaci
de multiplicaci
on.
Demostraci
on.
Dejamos como un ejercicio verificar la continuidad y biyectividad de Ta y
M . El inverso de Ta es Ta y el inverso de M es M1/ . As, tenemos el
diagrama:

Ta
X

M 1

Ta 1

donde
Ta 1 (x) = Ta (x) = x a
y
Ma 1 (x) = M1/a (x) =

1
x, (a 6= 0).
a

ogicos, T2 , D1 X y
Sean (X, 1 ), (Y, 2 ) y (Z, 3 ) espacios topol
D2 Y. Consideremos el diagrama:

1.2. CONTINUIDAD

31
f
D1

D2
g

g f
Z

donde f es una funci

on definida sobre D1 tal que su rango f (D1 ) D2 y
g es una funci
on definida sobre D2 a valores en el espacio Z. As, podemos
construir la compuesta de g y f denotada por g f y definida como:
(g f )(x) = g(f (x))

(x D1 ).

Tenemos entonces la siguiente Proposici

on
Proposici
on 1.2.11 Si f es continua en un x0 D1 y g tambien lo es en
f (x0 ), entonces g f es continua en x0 .
Demostraci
on.
Sea V una vecindad de (g f )(x0 ) en Z, entonces como g es continua en f (x0 )
y (g f )(x0 ) = g(f (x0 )) existe una vecindad W de f (x0 ) en Y tal que si:
y W D2 ,

entonces

g(y) V.

Tambien, como f es continua en x0 , existe una vecindad U de x0 en X

tal que si:
entonces
f (x) W,
x U D1 ,

pero tambien f (x) D2 , as f (x) W D2 y en consecuencia g(f (x)) V,

lo cual concluye la demostraci
on.
Definici
on 1.2.12 Sean X y Y conjuntos no vacos, D X y
f : D Y
una funci
on. Sea H Y. La imagen inversa de H denotada por f 1 (H) es:


1
f (H) := x D : f (x) H

CAPITULO 1. ESPACIOS NORMADOS

32

Es claro de la Definici
on anterior que si B Y,
D := f 1 (B) f 1 (B c ).
Proposici
on 1.2.13 Sean X y Y conjuntos no vacos, D X y
f : D Y
una funci
on. Sup
ongase que dado B Y existe un B1 X tal que:
B1 D := f 1 (B),
entonces,
B1 c D := f 1 (B c )
Demostraci
on.
Ya que
f 1 (B) f 1 (B c ) := D := D B1 D B1 c

y por hip
otesis tenemos que B1 D := f 1 (B), se sigue que:
B1 c D := f 1 (B c ).

Ahora podemos mostrar el siguiente teorema:

Teorema 1.2.14 Sean (X, 1 ) y (Y, 2 ) espacios topol
ogicos T2 , y D X.
Sea
f : D Y
una funci
on. Las siguientes afirmaciones mutuamente equivalentes:
(1) f es continua sobre D.
(2) Dado G 2 , existe un G1 1 tal que
G1 D := f 1 (G)
(3) Dado un cerrado H en Y, existe un cerrado H1 en X tal que:
H1 D := f 1 (H)

1.2. CONTINUIDAD

33

Demostraci
on.
(1) = (2) Sea G 2 , esto es, G es abierto en Y. Si f 1 (G) = ,
tomamos G1 = .
Por otra parte, si f 1 (G) 6= , existe un x0 D tal que f (x0 ) G y
como G es abierto en Y y f es continua en x0 , existe Ux0 vecindad de x0 en
X tal que si:
x Ux0 D,

f (x) G.

entonces

Sin perder generalidad podemos suponer que Ux0 es abierto en X. Repitamos

este procedimiento para cada x f 1 (G), y sea
[
G1 :=
Ux
xf 1 (G)

entonces, G1 es abierto en X y adem

as:

G1 D :=

Ux D

xf 1 (G)

:=

(Ux D)

xf 1 (G)

:= f 1 (G)
lo cual finaliza la demostraci
on.
(2) = (1) Sean x0 D y V una vecindad de f (x0 ) en Y. Entonces,
existe un abierto G en Y tal que
f (x0 ) G V.
Por la hip
otesis (2) existe un G1 abierto en X tal que:
G1 D := f 1 (G),

y ya que f (x0 ) G, entonces x0 f 1 (G) := G1 D, luego, x0 G1 .

As, G1 es vecindad de x0 en X y si:
x G1 D,

entonces

f (x) G V,

CAPITULO 1. ESPACIOS NORMADOS

34
esto es, f es continua en x0 D.

(2) = (3) Sea H cerrado en Y y tomemos G := H c . Entonces, G es

abierto en Y y as por la hip
otesis (2) existe un abierto G1 en X tal que:
G1 D := f 1 (G)
se sigue por la Proposici
on 1.2.13 que:
G1 c D := f 1 (Gc )
:=

f 1 (H)

Tomando H1 := G1 c obtenemos (3).

(3) = (2) Se deja como un ejercicio.
Corolario 1.2.15 Sean (X, 1 ) y (Y, 2 ) espacios topol
ogicos T2 , y
f : X Y
una funci
on. Entonces:
(1) f es continua sobre X f 1 (G) es abierto en X para cada abierto
G en Y.
(2) f es continua sobre X f 1 (H) es cerrado en X para cada cerrado
H en Y.
Demostraci
on.
Tomar D := X y usar el Teorema anterior.
Definici
on 1.2.16 Sean (X, ) un espacio topol
ogicos y A X, [A 6= ].
Una colecci
on {A }I de subconjuntos abiertos de X se llama cubrimiento
de A si:
A

en donde I es un conjunto de ndices de cardinalidad arbitraria.

1.2. CONTINUIDAD

35

Definici
on 1.2.17 Sean (X, ) un espacio topol
ogico y A X [A 6= ].
Entonces, A se dice compacto si cada cubrimiento de A, contiene un subcubrimiento finito, esto es, si dado {A }I un cubrimiento de A, existe un
n
umero finito de los A , digamos
A1 , A2 , . . . , An
tal que:
A

n
[

Ai .

i=1

El Teorema cl
asico de Heine - Borel expresa que un subconjunto no vaco
n
on de
de R (n 1) es compacto es cerrado y acotado. La demostraci
este Teorema se propone en nuestra lista de ejercicios.
Teorema 1.2.18 Sean X y Y espacios normados. Sea
f : D Y
una funci
on continua, donde D X compacto. Entonces, f (D) es compacto
en Y.
Demostraci
on.
Sea {A }I un cubrimiento de f (D) mostraremos que existe un n
umero de
los A digamos A1 , A2 , . . . , An tal que:
f (D)

n
[

Ai .

i=1

En efecto, ya que A es abierto en Y, y f : D Y es continua, entonces

de acuerdo al Teorema 1.2.14 existe un abierto B en X tal que:
B D = f 1 (A ).
Afirmamos ahora que la colecci
on {B }I es un
S cubrimiento de D. EfecA luego, existe alg
un
tivamente, sea x D entonces, f (x) f (D)
I

subndice 0 I tal que f (x) A0 y as x f 1 (A0 ) = B0 D, y en

consecuencia x B0 . Se sigue, que la colecci
on {B }I , donde

CAPITULO 1. ESPACIOS NORMADOS

36

otesis es comB D = f 1 (A ) ( I) es un cubrimiento de D, que por hip

pacto, por tanto existe un n
umero finito de los B , digamos B1 , B2 , . . . , Bn
n
S
tal que D
Bi . Veamos ahora que:
i=1

f (D)

n
[

A i

D Bi = f 1 (Ai ), i = 1, 2, . . . , n.

donde

i=1

En efecto, sea y f (D). Entonces, existe un i (i = 1, 2, . . . , n) tal que

x Bi D = f 1 (Ai ).

As, y = f (x) Ai . Como y es arbitraria en f (D) concluimos que:

f (D)
y por tanto, f (D) es compacto.

n
[

Ai

i=1

Nota 1.2.19 Sea (X, k k) un espacio normado, D X compacto y

f : D C
una funci
on continua. De acuerdo al Teorema anterior f (D) es compacto,
luego por el Teorema cl
asico de Heine - Borel f (D) es en particular acotado
en C. Por tanto, existe una constante M > 0 tal que:
|f (x)| M

x D.

1.3. EJEMPLOS RESUELTOS

1.3.

37

Ejemplos Resueltos

Esta secci
on contiene una importante lista de ejemplos resueltos que serviran de complemento para un mejor entendimiento de la teora desarrollada
en las Secciones 1.1 y 1.2. En algunos de estos ejemplos, cuando sea necesario, se introduce el concepto que nos ayudar
a a demostrar lo que se exige en
el mismo.
Ejemplo 1.3.1 Sea


n
R := x = (x1 , x2 , . . . , xn ) : xi R, i = 1, 2, . . . , n .
En Rn definimos las siguentes operaciones:
(O1) Suma: Si x = (x1 , x2 , . . . , xn ) Rn y, y = (y1 , y2 , . . . , yn ) Rn , la
suma de x y y denotada por x + y se define como:
x + y = (x1 , x2 , . . . , xn ) + (y1 , y2 , . . . , yn )
=

(x1 + y1 , x2 + y2 , . . . , xn + yn )

(O2) Multiplicaci
on por escalar: Si F y x = (x1 , x2 , . . . , xn ) Rn ,
definimos:
x =

(x1 , x2 , . . . , xn )

= (x1 , x2 , . . . , xn ).
Es claro que (O1) y (O2) est
an bien definidas y el lector puede mostrar que se verifican todas las propiedades (A1), (A2), . . . , (A8) de la
Definici
on 1.1.1. As, Rn es un espacio vectorial sobre F.
Ejemplo 1.3.2 Sea la funci
on:
k k : Rn [0, +)
definida por:
kxk =

n
X
i=1

|xi |2

!1/2

x = (x1 , x2 , . . . , xn ) Rn .

CAPITULO 1. ESPACIOS NORMADOS

38

Entonces, k k es una norma sobre Rn . En efecto, verificaremos los axiomas

(A1), (A2) y (A3) de la Definici
on 1.1.9.
(A1) Es claro que kxk 0, x Rn . Por otra parte si:
kxk =

n
X
i=1

|xi |2

!1/2

= 0 = |xi | = 0
= xi = 0

i = 1, 2, . . . , n
i = 1, 2, . . . , n

= x = 0,
y recprocamente.
(A2) Si F, entonces:
kxk =

n
X
i=1

|xi |2

!1/2

n
X
i=1

= ||

||2 |xi |2

n
X
i=1

|xi |2

= ||kxk

!1/2

!1/2
(x = x1 , x2 , . . . , xn Rn )

(A3) Para verificar la desigualdad triangular inicialmente verificaremos

la siguiente desigualdad:
Si x = (x1 , x2 , . . . , xn ) Rn y, y = (y1 , y2 , . . . , yn ) Rn entonces:


n
X



 xi yi  kxkkyk.


i=1

En efecto si x = 0
o y = 0 la desigualdad es evidente.
Sup
ongase entonces que x 6= 0 y, y 6= 0. Definamos la funci
on:
: R R

por,
(t) =

n
X
i=1

(xi t + yi )2

(1.3.3).

1.3. EJEMPLOS RESUELTOS

39

Desarrollando el miembro a la derecha de (1.3.3) vamos a obtener que:

(t) =

n
X

(xi t + yi )2

i=1

n
X

(xi 2 t2 + 2xi yi t + yi 2 )

i=1

n
X

xi 2

i=1

= kxk2 t2 + 2

t2 + 2

n
X

xi y i

i=1

n
X
i=1

xi yi

t+

n
X

yi 2

i=1

t + kyk2

As,
0 (t) =

n
X
i=1

(xi t + yi )2 = kxk2 t2 + 2

n
X
i=1

xi yi

t + kyk2 ,

entonces, la representaci
on gr
afica de (t) es una par
abola que est
a situada
por arriba del eje de abcisas o intersecta este eje en un s
olo punto.
Por tanto:
!2
n
X
xi yi 4kxk2 kyk2 0
4 = 2
i=1

esto es,
2

n
X
i=1

y as,

4kxk2 kyk2



n
X



xi yi  kxk2 kyk2



i=1

en consecuencia:

xi yi

!2

CAPITULO 1. ESPACIOS NORMADOS

40

kx + yk =

n
X

(xi yi )

i=1

n
X

(xi 2 + 2xi yi + yi 2 )

i=1

n
X

xi + 2

i=1

= kxk2 + 2

n
X

xi yi +

i=1

n
X
i=1

n
X

yi 2

i=1

xi yi + kyk2



n
X



2
kxk + 2 
xi yi  + kyk2


i=1

kxk2 + 2kxkkyk + kyk2 = (kxk + kyk)2

extrayendo raices cuadradas en ambos miembros obtenemos que:
kx + yk kxk + kyk

( x, y Rn )

Rn con la norma euclidiana k k2 que tambien es denotada por k k2 es

denotado por l2 n . As,
l2 n := (Rn , k k).
Ejemplo 1.3.3 Sea la funci
on:
k k1 : Rn [0, +)
definida por:
kxk1 =

n
X
i=1

|xi |

(x = (x1 , x2 , . . . , xn ) Rn )

entonces, kk1 define una norma sobre Rn verificaremos los Axiomas (A1), (A2)
y (A3) de la Definici
on 1.1.9.
n
P
|xi | 0 ya que |xi | 0 para i = 1, 2, . . . , n.
(A1) kxk1 =
Adem
as, si,

i=1

1.3. EJEMPLOS RESUELTOS

kxk1 =

n
X
i=1

41

|xi | = 0 = |xi | = 0

para

= xi = 0

para

i = 1, 2, . . . , n
i = 1, 2, . . . , n

= x = 0
y recprocamente
(A2) Si F, vamos a tener que:
kxk1 =

n
X
i=1

|xi | =

n
X
i=1

= ||

|||xi |

n
X
i=1

= ||kxk1
(A3)

|xi |
(x = (x1 , x2 , . . . , xn ) Rn )

[Desigualdad triangular]

kx + yk =

n
X
i=1

|xi + yi |

n
X
i=1

(|xi | + |yi |) =

n
X
i=1

|xi | +

n
X
i=1

= kxk1 + kyk1

para x = (x1 , x2 , . . . , xn ) Rn ; y = (y1 , y2 , . . . , yn ) Rn .

As, Rn con la norma k k1 es denotado por l1 n . Por tanto,
l1 n := (Rn , k k1 ).
Ejemplo 1.3.4 Sea
definida como:

k k : Rn [0, +)

kxk = sup |xi |

1in

(x = (x1 , x2 , . . . , xn ) Rn ).

|yi |

CAPITULO 1. ESPACIOS NORMADOS

42

Verificaremos que k k define una norma sobre Rn . En efecto:

(A1) Es claro que si:

kxk = sup |xi | = 0 = |xi | = 0

1in

= xi = 0

para

i = 1, 2, . . . , n

= x = 0
y recprocamente
(A2) Para F,
kxk = sup |xi | =
1in

sup (|||xi |)

1in

= || sup |xi |
1in

(x = (x1 , x2 , . . . , xn ) Rn )

= ||kxk
(A3)

[Desigualdad triangular]

kx + yk = sup |xi + yi |
1in

sup (|xi | + |yi |)

1in

sup |xi | + sup |yi |

1in

1in

= kxk + kyk
para x = (x1 , x2 , . . . , xn ) Rn ; y = (y1 , y2 , . . . , yn ) Rn .
As, Rn dotado de la norma k k se denota por l n , esto es,
l n := (Rn , k k ).

1.3. EJEMPLOS RESUELTOS

43

Ejemplo 1.3.5 Sean X un espacio vectorial, k k y k| |k dos normas sobre

X. Decimos que k k y k| |k son equivalentes si existen constantes a > 0 y
b > 0, tales que:
akxk k|x|k bkxk

( x X).

Sea el conjunto:
N :=

kk : kk

es una norma sobre X .

Mostraremos que esta Definici

on de normas equivalentes induce una relaci
on
de equivalencia sobre N y que es denotada por 00 ; esto es, 00 es reflexiva,
simetrica y transtiva.
(a) 00 es reflexiva, lo cual es evidente tomamos a = b = 1
(b) 00 es simetrica. En efecto, si k k N y k| |k N , tales que
k k k| |k, entonces existen a > 0 y b > 0 tales que:
akxk k|x|k bkxk

x X.

De aqu, vamos a obtener que:

b1 k|x|k kxk

xX

kxk a1 k|x|k

x X,

y tambien que:
por tanto

b1 k|x|k kxk a1 k|x|k

y as k| |k k k.

x X,

(c) Sean k k1 , k k2 y k k3 elementos de N tales que k k1 k k2 y

k k2 k k3 . Veamos que k k1 k k3 . En efecto, ya que
k k1 k k2 = existen a1 > 0 y b1 > 0 tales que :
a1 kxk1 kxk2 b1 kxk1 x X
y k k2 k k3 = existen

a2 > 0 y b2 > 0 tales que :

CAPITULO 1. ESPACIOS NORMADOS

44

a2 kxk2 kxk3 b2 kxk2 x X,

as, vamos a obtener que:
kxk3 b2 kxk2 b1 b2 kxk1 x X,
y que:
a1 a2 kxk1 kxk2 kxk3 x X.
En consecuencia:
a1 a2 kxk1 kxk3 b1 b2 kxk2 x X,
on.
esto es, k k1 k k3 y concluye nuestra demostraci
Ejemplo 1.3.6 Las normas de los espacios l1 n , l2 n y l n son equivalentes,
donde de los Ejemplos 1.3.2, 1.3.3 y 1.3.4 sabemos que:
l1 n := (Rn , k k1 ),

l2 n := (Rn , k k2 ),

l n := (Rn , k k )

donde:

kxk1 =

n
X
i=1

|xi |,

kxk2 =

n
X
i=1

|xi |2

!1/2

kxk = sup |xi |.

1in

Mostraremos que k k1 k k2 y tambien que k k2 k k luego por el

Ejemplo 1.3.5 tendremos que k k1 k k .
(1,3,7) k k1 k k2 . En efecto, como:
|xi |2 |xi |2 + |x2 |2 + . . . + |xn |2

para i = 1, 2, . . . , n

entonces,
n
X
i=1

luego

|xi | nkxk,

x Rn ,

1.3. EJEMPLOS RESUELTOS

1
kxk1 kxk,
n

45

x Rn .

Por otra parte como:

|x1 |2 + |x2 |2 + . . . + |xn |2 (|x1 | + |x2 | + . . . + |xn |)2

vamos a tener que:

kxk kxk1 ,

as,

x Rn

1
kxk1 kxk kxk1 ,
n
(1,3,8) k k2 k k . Efectivamente,

x Rn .

kxk2 = |x1 |2 + |x2 |2 + . . . + |xn |2 n kxk 2

esto es,
1
kxk kxk ,
n

( x Rn ).

Tambien,
2

kxk =

sup |xi |

1in

2

= |xio |2 |x1 |2 + |x2 |2 + . . . + |xn |2 = kxk2

luego,

en consecuencia,

kxk kxk,

x Rn

1
kxk kxk kxk,
n

x Rn .

Ejemplo 1.3.7 Sea (X, k k) un espacio normado. De acuerdo a nuestra

Definici
on 1.1.5 (a), la bola abierta de centro x0 y radio r > 0 es:


B(x0 , r) := x X : kx x0 k < r

CAPITULO 1. ESPACIOS NORMADOS

46

B(x0 , r) es un conjunto convexo. En efecto, sean x, y B(x0 , r) y

0 1. Entonces, ya que:
x + (1 )y x0 = (x x0 ) + (1 )(y x0 )

vamos a tener que

kx + (1 )y x0 k = k(x x0 ) + (1 )(y x0 )k
||kx x0 k + |1 |ky x0 k
< r + (1 )r = r

esto es, el segmento de recta x + (1 )y x0 B(x0 , r). Por tanto,

B(x0 , ) es convexo.
Ejemplo 1.3.8 Sea (X, k k) un espacio normado y A X convexo. Entonces, A es tambien un subconjunto convexo de X. En efecto, sean x, y A
y 0 1. Mostraremos que x + (1 )y A. Efectivamente,
  ya que
on 1.2.3 dado > 0 existen sucesiones
x, y A por la Proposici
 
A tales que:
y yn

xn

n=1

n=1

kxn xk <

n n1

si

y,

si
n n2 .
2
Sea n0 = max(n1 , n2 ). Entonces, si n n0 :
kyn yk <

kxn + (1 )yn x (1 )yk = k(xn x) + (1 )(yn y)k

k(xn x)k + k(1 )(yn y)k
= ||kxn xk + |1 |kyn yk
<


2

+ (1 )

=
<
2
2

1.3. EJEMPLOS RESUELTOS

47

esto es, x + (1 )y A.
As, en virtud del Ejemplo 1.3.7 y 1.3.8 concluimos que si (X, k k) es un
espacio normado, entonces B(x0 , ) es un subconjunto cerrado y convexo de
X.
Ejemplo 1.3.9 Dibujar en los espacios l2 2 , l1 2 y l 2 la bola cerrada de
centro 0 = (0, 0) y radio r = 1.
Soluci
on
1,3,9(a) Tenemos que l2 2 := (R2 , k k). As,
B(0, 1) :=
:=

(x, y) R : k(x, y)k 1

2

(x, y) R : x + y 1
2

y sabemos de la geometra analtica que la representaci

on gr
afica de este
conjunto es el que muestra la figura siguiente:
Y

A ]
[

(0, 1)

(1, 0)

(1, 0)
X

(0, 1)
F ig 1,3,9 (a)

Note que la frontera de B(0, 1) no contiene ning

un segmento de recta,
como se observa en la Fig 1.3.9(a)
1,3,9(b) Ya que l1 2 := (R2 , k k) entonces,

CAPITULO 1. ESPACIOS NORMADOS

48

B(0, 1) :=

(x, y) R : k(x, y)k1 1

:=

(x, y) R : |x| + |y| 1

2

cuya representaci
on gr
afica es la siguiente:
Y

(1, 0)

B
]

A
[

(0, 1)

(1, 0)
X

(0, 1)
F ig 1,3,9 (b)

Observe de la Fig 1.3.9(b) que la frontera de B(0, 1) si contiene segmentos

de recta.
1,3,9(c) Ya que l 2 := (R2 , k k ) vamos a obtener que:
B(0, 1) :=
:=
:=

(x, y) R : k(x, y)k 1

(x, y) R : sup{|x|, |y|} 1

(x, y) R : |x| 1 y |y| 1

2

y cuya representaci
on gr
afica la muestra el dibujo siguiente:

1.3. EJEMPLOS RESUELTOS

49

Y
A
[

(1, 1)

B
]

(1, 1)

(1, 1)

(1, 1)
F ig 1,3,9 (c)

Note que la frontera de esta bola tambien contiene segmento de recta.

Ejemplo 1.3.10 Sea

C([a, b]) := f : [a, b] R,

f es continua sobre [a, b] .

Es claro que C([a, b]) es un conjunto no vaco. Definamos en C([a, b]) las
siguientes operaciones:
(O1) Suma:
(f + g)(x) = f (x) + g(x)

(x [a, b], f, g C([a, b]))

(O2) Multiplicaci
on por escalar:
(f )(x) = f (x)

( F, x [a, b], f C([a, b]))

Entonces (O1) y (O2) estan bien definidas y el lector puede verificar las
Propiedades (A1), (A2), . . . , (A8) de la Definici
on 1.1.1. Por tanto, C([a, b])
es un espacio vectorial.
De acuerdo a nuestra Nota 1.2.19 existe una constante M > 0 tal que:
|f (x)| M

( x [a, b])

Sea entonces la funci

on:
k ku : C([a, b]) R

CAPITULO 1. ESPACIOS NORMADOS

50
definida por:

kf ku := sup |f (x)|
x[a,b]

es evidente ahora que:

0 kf ku < +,

f C([a, b]).

para cada

As, k ku est
a bien definida sobre C([a, b]). Mostraremos tambien que k ku
es una norma sobre C([a, b]). En efecto,
(A1)
kf ku = sup |f (x)| = 0 |f (x)| = 0,

x [a, b]

f = 0.
(A2) Si F y f C([a, b]), entonces:
kf ku = sup |(f )(x)| =
x[a,b]

sup |||f (x)|

x[a,b]

= || sup |f (x)|
x[a,b]

= || kf ku
(A3) [Desigualdad triangular]. Sean f, g C([a, b]). Entonces, ya que:
kf + gku := sup |f (x) + g(x)|
x[a,b]

dado > 0 existe un x0 [a, b] tal que:

kf + gku < |f (x0 ) + g(x0 )| + |f (x0 )| + |g(x0 )| +
< kf ku + kgku +
como es arbitrario, obtenemos que:
kf + gku kf ku + kgku

1.3. EJEMPLOS RESUELTOS

51

Ejemplo 1.3.11 Consideremos la funci

on:

definida por

k k1 : C([a, b]) R

kf k1 :=

Zb
a

|f (x)|dx.

Entonces, ya que f C([a, b]) tambien |f | C([a, b]) donde:

|f |(x) = |f (x)|, x [a, b].

Las propiedades que mencionaremos a continuaci

on de la integral de Riemann permiten demostrar que kk1 define tambien una norma sobre C([a, b]).
(a) Si f C([a, b]) y f 0, entonces
Zb
a

f (x)dx 0

(b) Si f C([a, b]) y es no negativa sobre [a, b] y si adem

as
Zb

f (x)dx = 0,

entonces f (x) = 0, x [a, b].

(c) Si R, entonces
Zb

f (x)dx =

Zb

f (x)dx

(d) Si f, g C([a, b]) y f (x) g(x) x [a, b], entonces

Zb
a

f (x)dx

Zb
a

g(x)dx

CAPITULO 1. ESPACIOS NORMADOS

52

(e) Si f, g C([a, b]) entonces

Zb
Zb
Zb
(f (x) + g(x))dx =
f (x)dx + g(x)dx.
a

Ejemplo 1.3.12 En el espacio C([0, 1]) las normas:

kf ku := sup |f (x)|
x[a,b]

y
kf k1 :=

Z1
0

|f (x)|dx

no son equivalentes. Efectivamente, si kku y kk1 fueran equivalentes deberian

existir constantes a1 > 0 y a2 > 0 tales que:

a1 kf ku kf k1

f C([a, b])

(B)

kf k1 a2 kf ku

f C([a, b])

(A)

La desigualdad (A) siempre es cierta ya que |f (x)| kf ku x [a, b],

f C([a, b]) y entonces
kf k1 =

Z1
0

|f (x)|dx

Z1
0

kf ku dx = kf ku

f C([a, b]).

Ahora bien (B) no siempre es cierta. En efecto, sean:

fn (x) =

n n2 x

si
si



x 0, n1

1
,1
n

entonces fn C([a, b]) para n = 1, 2, 3, . . . , y por otra parte:

kfn ku := sup |fn (x)| := sup |n n2 x| = n
x[0,1]

x[0,1]

1.3. EJEMPLOS RESUELTOS

53

kfn ku =

Z1
0

Zn
Zn
|fn (x)|dx =
(n n2 x)dx + 0dx
0

Zn
0

ndx

= 1n

Zn

n2 xdx

1
2n2

= 1

1
1
=
2
2

para n = 1, 2, . . . Por tanto, no existe ninguna constante a2 > 0 tal que

a2 n

1
2

para

n = 1, 2, . . .

Ejemplo 1.3.13 Consideremos el espacio vectorial C([0, 1]) dotado de la

norma k ku . Sea,
1



Z2
Z1
M := f C([0, 1]) :
f (t)dt f (t)dt .
0

1
2

Entonces, M es un subconjunto convexo y cerrado de C([0, 1]). En efecto:

(a) M es convexo. Sean f, g M y 0 1. Veamos que el

segmento de recta f + (1 )g M. Efectivamente:

CAPITULO 1. ESPACIOS NORMADOS

54

Z2
Z1
(f (t) + (1 )g(t))dt (f (t) + (1 )g(t))dt
0

1
2

Z2
0

Z2
Z1
Z1
f (t)dt + (1 )g(t)dt f (t)dt (1 )g(t)dt
0

1
2

1
2

1
1
Z2
Z1
Z2
Z1

= f (t)dt f (t)dt + (1 ) g(t)dt g(t)dt

0

1
2

1
2

= (1) + (1 )(1) = 1
As, M es convexo.

 
(b) M es cerrado. Sea entonces, fn
M

tal que

n=1

fn f C([0, 1])

si

en

k ku .

Veamos que f M. En efecto, como la convergencia es uniforme sobre

[0, 1] vamos a tener que:
1

Z2
0

fn (t)dt

Z2

f (t)dt

si

fn (t)dt

Z1

f (t)dt

si

y
Z1
1
2

1
2

luego
1

Z2
0

fn (t)dt

Z1
1
2

fn (t)dt

Z2
0

f (t)dt

Z1
1
2

f (t)dt

si

1.3. EJEMPLOS RESUELTOS

55

esto es,
1

Z2
0

f (t)dt

Z1

f (t)dt =

Z2

lm

1
2

fn (t)dt

Z1
1
2

lm 1 = 1

fn (t)dt

Por tanto, f M y as M es cerrado.

Ejemplo 1.3.14 Sea X un espacio vectorial. Un subconjunto no vaco K
de X se llama un cono si:
xK y 0

x K.

entonces

Note que 0 K y este elemento se llama el vertice del cono.

Mostraremos que un cono K de X es convexo x+y K, x, y K.
En efecto:
(a) (=) Sup
ongase que K es un cono que es adem
as un subconjunto
convexo de X. Entonces, por la convexidad de K :
1
1
x+ y K
x, y K,
2
2
luego por ser K un cono obtenemos que:
x+y = 2

1
1
x+ y
2
2

K.

(b) (=) Sea K un cono de X tal que x + y K, x, y K. Entonces,

para 0 1 :

xK
(1 )y K

Luego por nuestra hip

otesis:

xK
y K.

x + (1 )y K.

CAPITULO 1. ESPACIOS NORMADOS

56

Ejemplo 1.3.15 Sean (X, k k) un espacio normado, A X y

f : A R

una funci
on acotada [esto es, existe una constante M > 0 tal que
|f (x)| M, x A]. Sean a A y > 0. Definamos:


0
0
(a, f, ) = sup |f (x) f (x )| : x, x B(a, ) A .

Como f es una funci

on acotada se sigue que (a, f, ) es un n
umero
finito, y es claro que si 0 < 1 < 2 entonces,
0 (a, f, 1 ) (a, f, 2 )

as, manteniendo a fijo y haciendo que 0+ va a existir

lm (a, f, ).

0+

El valor de este lmite lo llamaremos la oscilaci

on de f en a y lo denotamos
por 0(f, a). As,
0(f, a) =

lm (a, f, )

0+

Demostrar que si f : A R es una funci

on acotada, entonces f es
continua en un a A 0(f, a) = 0. En efecto:
(a) (=) Sea f continua en a A entonces, por la Proposici
on 1.2.5.
Dado > 0 existe un 0 > 0 tal que:

|f (x) f (a)| <

si
x B(a, 0 ) A
4
y
|f (x0 ) f (a)| <

si

x0 B(a, 0 ) A

luego:
|f (x) f (x0 )| = |f (x) f (a) + f (a) f (x0 )|
|f (x) f (a)| + |f (a) f (x0 )|
<

+ =
4 4
2

1.3. EJEMPLOS RESUELTOS

57

As,



0
0
(a, f, 0 ) = sup |f (x) f (x )| : x, x B(a, 0 ) A <
2
luego, como (a, f, ) es creciente vamos a obtener que si:
0 < < 0
entonces,

<
2

(a, f, ) (a, f, 0 )
y en consecuencia:
0 lm+ (a, f, ) < ,
0

para

> 0,

esto es,
0(f, a) = lm+ (a, f, ) < ,

para > 0

por tanto:
0(f, a) = 0
(b) (=) Sea 0(f, a) = 0. Entonces, de la definici
on de 0(f, a) dado
> 0 existe un 0 > 0 tal que:


(a, f, 0 ) = sup |f (x) f (x )| : x, x B(a, 0 ) A

<

si 0 < < 0 , y en consecuencia:

|f (x) f (a)| <

si

kx ak < 0

y as f es continua en x = a.
Ejemplo 1.3.16 Sean I = [a, b] y J = [c, d] intervalos cerrados de R.
Demostraremos que I y J son homeomorfos, esto es, existe una funci
on
f : I J

que es bicontinua y biyectiva [En este ejemplo consideramos a R dotado de

la metrica usual d(x, y) = |x y| x, y R]. En efecto, consideremos el
siguiente gr
afico:

CAPITULO 1. ESPACIOS NORMADOS

58
Y
d

Q(b, d)

P (a, c)

F ig 1,3,16 (a)

Observe que la pendiente de la recta que pasa por los puntos P (a, c) y
Q(b, d) es:
m=
Definamos ahora la funci
on:

dc
.
ba

f : [a, b] [c, d]
por:
f (x) = c + m(x a)
= c+

dc
(x a)
ba

Es claro que f C([a, b]) y es adem

as inyectiva por ser una funci
on
lineal.
Mostraremos ahora que f ([a, b]) := [c, d]. En efecto, sea y [c, d] entonces:

luego,

cyd
0 y c d c,

1.3. EJEMPLOS RESUELTOS

y ya que

59

1
ba
=
> 0, entonces
m
dc
ba
ba
(y c)
(d c) = b a,
0
dc
dc

as, tambien

aa+
por tanto,

x = a+

ba
(y c) b
dc

ba
(y c) [a, b] y adem
as:
dc

ba
a+
(y c)
dc

ba
a+
(y c) a
dc


dc ba
(y c)
= c+
ba dc
dc
= c+
ba

= c+yc
= y.
As, f es tambien sobreyectiva y por tanto existe su inversa
f 1 : [c, d] [a, b]
que es tambien una funci
on lineal y por tanto continua. En consecuencia,
[a, b] y [c, d] son homeomorfos.
Note que:
f = Tc M dc Ta
ba

donde Tc , M dc , Ta son los operadores de translaci

on y multiplicaci
on defiba
nidos en la Proposici
on 1.2.10.
Ejemplo 1.3.17 Sean (X, k k) un espacio normado, x0 , y0 X y r > 0.
Entonces, B(x0 , ) y B(y0 , ) son conjunto homeomorfos. En efecto, consideremos la funci
on:
f : B(x0 , ) B(y0 , )
definida por:

CAPITULO 1. ESPACIOS NORMADOS

60

f (x) = (Ty0 M r Tx0 )(x)

r
= y0 + (x x0 ).

Es claro que f es una funci

on continua por ser composici
on de funciones
continuas y evidentemente es 1 1. Mostraremos a continuaci
on que f es
sobreyectiva, esto es,
f (B(x0 , )) := B(y0 , r)
o equivalentemente:

f (B(x0 , )) B(y0 , r)

(A)

B(y0 , r) f (B(x0 , ))

(B)

Efectivamente:
(A) Sea z f (B(x0 , )), entonces, existe un x B(x0 , ) tal que
z = f (x)
Como
r
f (x) = y0 + (x x0 ),

entonces
r



kf (x) y0 k = (x x0 )

r
 
=   kx x0 k

esto es,

z = f (x) B(y0 , r).

r
kx x0 k

<

r
= r

1.3. EJEMPLOS RESUELTOS

61

(B) B(y0 , r) f (B(x0 , )). Efectivamente, sea z B(y0 , r). Veamos

que existe un x B(x0 , ) tal que
f (x) = z.
esto es,
r
y0 + (x x0 ) = z.

Al despejar x de esta u
ltima ecuaci
on obtenemos que:

x = x0 + (z y0 ).
r
Por tanto,




kx x0 k = (z y0 )
r

 
=   kz y0 k
r

Se sigue que:

kz y0 k
r

<

r = .
r

x = x0 + (z y0 ) B(x0 , ). Por otra parte:

r



f (x) = f x0 + (z y0 )
r


r

= y0 +
x0 + (z y0 ) x0

r
= y0 + z y0
= z

por tanto f es sobreyectiva. As, existe la inversa de f ,

f 1 : B(y0 , r) B(x0 , )

CAPITULO 1. ESPACIOS NORMADOS

62
definida por

f 1 (x) = x0 + (z y0 )
r
y es continua, y concluimos la demostraci
on.

1.4.

Comentario final del Captulo 1

Para la Demostraci
on de la Proposici
on 1.1.6 nos hemos ayudado de la
dada en [10] de la Proposici
on 1 de la secci
on 1.5 del Tema 1. La de los
Teoremas 1.2.14 y 1.2.18 hemos seguido las Pruebas de los Teoremas 22.1 y
22.5 del libro [2] de An
alisis Matem
atico.
Puede consultar tambien el lector el buen texto de Matem
aticas para la
Economa [12], el cual en su Captulo 1 muestra una lista de Ejercicios sobre
conjuntos convexos.
Las nociones de funci
on de variaci
on acotada y, absolutamente continua
usadas en nuestros Ejercicios 1.4.18 y 1.4.19 respectivamente, pueden consultarse en el Captulo 1 de [11].
Queremos mencionar tambien que en el Captulo 2 de [3] se muestra una
numerosa lista de Ejemplos de espacios normados.

1.5. EJERCICIOS PROPUESTOS.

1.5.

63

Ejercicios Propuestos.

Esta secci
on contiene una lista de ejercicios propuestos a resolverse con
las nociones te
oricas dadas en las Secciones 1.1 y 1.2. Cuando la soluci
on del
ejercicio requiera el uso de un nuevo concepto no dado en dichas Secciones,
este sera introducido en el enunciado del ejercicio mismo.
A continuaci
on pues presentamos los ejercicios.
Ejercicios 1.5.1 Sean X un espacio vectorial, A y B subconjuntos convexos de X. Demostrar que los conjuntos:
A + B,

A B,

AB

tA (t R, t 6= 0)

son subconjunto convexos de X

Ejercicios 1.5.2 Sean X un espacio normado y A un subconjunto no vaco
de X. Demostrar que co(A) [ver la Definici
on 1.1.7] es un subconjunto convexo de X y adem
as:
\
A
co(A) := A convexo
( I, I conjunto de ndices)

A A
Es co(A) tambien convexo?
Ejercicios 1.5.3 Calcular la c
apsula convexa de los siguientes conjuntos:
(a)
(b)

A := (2, 2) (3, 4]


2
2
2
A := (x, y) R : 4 x + y 9


(x, y) R2 : y = 2x + 1 (x, y) R2 : y = 3x

(c)

A :=

(d)



A := (x, y) R3 : x2 + y 2 + z 2 = 9

(e)


 

A := (x, y) R2 : y + 2x 1 0 (x, y) R2 : y 3x 0

CAPITULO 1. ESPACIOS NORMADOS

64
Cu
al es en cada caso co(A)?

Ejercicios 1.5.4 Sea (X, kk) un espacio normado. Demostrar que B(0, )
y B(0, ) son conjuntos absorbentes, balanceados y convexos [ver la Definici
on
1.1.4 y el ejercicio resuelto 1.3.7 y 1.3.9]
Ejercicios 1.5.5 Es B(x0 , ) un conjunto absorbente?
Ejercicios 1.5.6 Sea X un espacio vectorial y A un subconjunto no vaco
de X. Demostrar que el conjunto:
[
A
||1

es balanceado y se llama la c
apsula balanceada de A.
Ejercicios 1.5.7 Sean X un espacio vectorial y K un subconjunto no vaco
de X. Un elemento x K se llama un punto extremal de K si:
x = y + (1 )z.
Donde

0 < < 1, y, z X, con y 6= z, entonces:

y 6 K

z 6 K.

Dar un ejemplo justificando su respuesta de un conjunto K tal que:

(a) No tenga puntos extremales
(b) Tenga un n
umero finito de puntos extremales
(c) Tenga una infinidad de puntos extremales
Ejercicios 1.5.8 Un espacio normado (X, k k) se dice extrictamente convexo si la frontera de la bola unitaria no contiene ning
un segmento de recta,
esto es, si x, y X, kxk = kyk = 1, x 6= y, entonces,
kx + (1 )yk < 1

si

0<<1

[ver el Ejemplo 1.3.9].

Demostrar que (X, k k) es extrictamente convexo x, y X, con
kxk = kyk = 1, (x 6= y), entonces k 12 (x + y)k < 1

1.5. EJERCICIOS PROPUESTOS.

65

Ejercicios 1.5.9 Un espacio normado (X, k k) se dice estrictamente normado si:

x, y X, x 6= 0, y 6= 0 con kx + yk = kxk + kyk,
entonces existe un > 0 tal que:
x = y.
Demostrar que un espacio normado (X, k k) es estrictamente normado
(X, k k)

 es estrictamente convexo.
y
y
y
y
x
x
Sugerencia: (=) kxk + kxk = kxk + kyk kyk + kxk , x, y X, x 6= 0, y 6= 0
Ejercicios 1.5.10 Un espacio normado (X, k k) se dice uniformemente
convexo, si la bola cerrada unitaria de X es un conjunto uniformemente
convexo, esto es,
dado > 0 existe un > 0 tal que x, y X con kxk = kyk = 1 y
kx yk , entonces:


1

(x + y) 1 .
2

Demostrar que un espacio normado

convexo
 uniformemente

 (X, k k) es
X y yn
X con
para cada par de sucesiones xn
n=1

kxn k = kyn k = 1 para n = 1, 2, 3, . . . y que:

1

= 1
(x
lm
+
y
)
n
n

n 2

n=1

entonces,

lm kxn yn k = 0

Ejercicios 1.5.11 Demostrar que todo espacio normado uniformemente

convexo es estrictamemente convexo.
Ejercicios 1.5.12 Sean k k1 y k k2 dos normas definidas sobre el mismo
espacio vectorial X. Demostrar que:

CAPITULO 1. ESPACIOS NORMADOS

66
(a) La expresi
on:

kxk = kxk1 + kxk2

es una norma sobre X.
(b) Es

kxk = kxk1 kxk2 una norma sobre X?

Ejercicios 1.5.13 (a) Sea



0
0
C ([a, b]) := f : [a, b] R : f (x) existe y es continua sobre [a, b] .
En C 0 ([a, b]) definimos las siguentes operaciones:
(O1) Suma:
(f + g)(x) = f (x) + g(x)

(x [a, b])

(O2) Multiplicaci
on por escalar:
( K, x [a, b]).

(f )(x) = f (x)

Se puede verificar que respecto de (O1) y (O2) C 0 ([a, b]) es un

espacio vectorial sobre K. Demuestre que la expresi
on:
kf k = |f (a)| + kf 0 ku
donde
kf 0 ku = sup |f 0 (x)|
x[a,b]

[ver Ejemplo 1.3.10], es una norma sobre C 0 ([a, b])

(b) Demostrar que:
kf ku [1 + (b a)]kf k


Rx 0
Sugerencia: f (x) = f (a) + f (t)dt
a

(f C 0 ([a, b])).

1.5. EJERCICIOS PROPUESTOS.

67

Ejercicios 1.5.14 Sea

X0 :=

f C 0 ([a, b]) :

Zb

f (x)dx = 0

(a) Demostrar que la expresi

on:
kf k = sup |f 0 (x)|
x[a,b]

es una norma sobre el subespacio X0 .

(b) Es tambien k k una norma sobre C 0 ([a, b])?
Ejercicios 1.5.15 Sean X = C([0, 1]) y fn (x) =
Se pide:

 x n
2

para n = 1, 2, . . .

(a) Demostrar que fn 0 si n en k k1 de X. [Ver Ejemplo

1.3.11]
(b) Demostrar tambien que fn 0 si n en k ku de X.
Ejercicios 1.5.16 Sea X = C([0, 1]) y fn (x) = xn para n = 1, 2, . . . Se
pide:
(a) Demostrar que fn 0 si n en k k1 .
(b) Demostrar tambien que fn 0 si n en k ku de X.
Ejercicios 1.5.17 Sea
 I = [a, b]. Una partici
on de I es un subconjunto
finito de puntos P = t0 , t1 , . . . , ti1 , ti , . . . , tn de [a, b] tal que:
a = t0 < t1 < . . . < ti1 < ti < . . . < tn = b
y

n
[

i=1

Sea

[ti1 , ti ] = I.

CAPITULO 1. ESPACIOS NORMADOS

68

:=
Una funci
on:

P : P es una partici
on de [a, b] .

f : [a, b] R
se dice que es de variaci
on acotada sobre [a, b]
si:
V (f ) := sup

Denotemos por:

k
X
i=1

en el sentido de Jordan [11]

|f (ti ) f (ti1 )| < .



BV [a, b] := f : [a, b] R, f es de variaci
on acotada sobre [a, b] .
Entonces, respecto de las operaciones usuales de suma y multiplicaci
on por
escalar BV [a, b] tiene estructura de espacio vectorial sobre K [K = R
o C].
Definamos:

por:

k kBV [a,b] : BV [a, b] R

kf kBV [a,b] = |f (a)| + V (f ).

Demostrar que k kBV [a,b] es una norma sobre BV [a, b]

Ejercicios 1.5.18 Una funci
on:
f : [a, b] R
se dice absolutamente continua sidado > 0 existe un > 0 tal que:
n
n
P
|f (ci ) f (di )| < donde [ci , di ]
es cualquier sucesi
on de interi=1

n
P

i=1

|ci di | <
valos no solapados en [a, b] tal que
i=1

solapados significa que cualesquiera de estos dos intervalos tienen a

1.5. EJERCICIOS PROPUESTOS.

69

lo sumo un elemento en com

un .
Se pide:

(a) Demostrar que toda funci

on absolutamente continua es continua.
(b) Sea


AC([a, b]) := f : [a, b] R, f es absolutamente continua sobre [a, b]
Demostrar que AC([a, b]) es un espacio vectorial sobre K respecto de
las operaciones usuales de suma y multiplicaci
on por escalar.
(c) Demostrar que AC([a, b]) BV [a, b].
(d) Dar un ejemplo de una funci
on f BV [a, b] tal que f 6 AC([a, b]).
Ejercicios 1.5.19 Sean (X, kk) un espacio normado y x0 X. Demostrar
que X y B(x0 , ) son conjuntos homeomorfos.
Ejercicios 1.5.20 Es posible establecer un homeomorfismo entre el crculo:


2
2
2
A := (x, y) R : x + y = 1
y la elipse:

B :=

(u, v) R : 4u + 9v = 1 .
2

70

CAPITULO 1. ESPACIOS NORMADOS

Captulo 2
Espacios de Banach
Introducci
on

2.1.

Desigualdades cl
asicas en An
alisis Funcional.

En esta secci
on mostraremos las desigualdades de Holder-Minkowski y
Minkowski.
Para preparar la demostraci
on de esas desigualdades previamente introducimos el concepto de conjugados arm
onicos y mostraremos un Lema previo
Definici
on 2.1.1 Dos n
umeros reales p y q se dicen conjugados arm
onicos
si:
1 1
+ = 1.
p > 1,
q>1
y
p q
Observe que:
1 1
+ = 1 (p 1)(q 1) = 1 (p 1)q = p (q 1)p = q.
p q
Los conjugados arm
onicos, tambien se llaman exponentes conjugados [
o ndices conjugados]
Lema 2.1.2 Sean p y q
Entonces,

conjugados arm
onicos; a 0 y b 0.
ab

ap bq
+
p
q
71

CAPITULO 2. ESPACIOS DE BANACH

72

Demostraci
on.
Caso 1.- Si a = 0
o b = 0, la demostracion es evidente.
Caso 2.- Cuando a > 0 y b > 0. Entonces, debe de cumplirse alguna de
las siguientes afirmaciones:
a>b

a<b

a = b.

p1
Consideremos la funci
on gr
afica
on potencial f (x) = x . La representaci

y para a > b es la que muestra la figura siguiente:
de esta funci
on para f 
[0,a]

Y
y = f (x) = xp1

R1

b
R2
0

Fig 2.1.3

Observe de la Figura 2.1.3 que:

ab A(R1 ) + A(R2 ).
Tenemos que:
A(R1 ) =

Za
0

p1

a
xp 
ap
dx =
=
.
p 0
p

Por otra parte, haciendo xp1 = y, obtenemos que:

1

x = y p1 = y q1

2.1. DESIGUALDADES CLASICAS

EN ANALISIS
FUNCIONAL.

73

por tanto,
A(R2 ) =

Za

q1

En consecuencia,
ab

b
y q 
bq
dy =
=
.
q 0
q

ap bq
+ .
p
q

Las demostraciones para los casos a < b

o a = b son semejantes y se dejan
como ejercicio.
Como una consecuencia del lema anterior obtenemos la importante desigualdad de Holder-Minkowski.
Corolario 2.1.3 (Desigualdad de Holder-Minkowski) Sean p y q conjugados arm
onicos, x = (x1 , x2 , . . . , xn ) Fn y y = (y1 , y2 , . . . , yn ) Fn .
Entonces,
!1/p
!1/q
n
n
n
X
X
X
|xi yi |
|xi |p
|yi |q
i=1

i=1

i=1

Demostraci
on.
Caso 1.- Cuando x = 0
o y = 0 se obtiene una igualdad evidente.
Caso 2.- Cuando x =
6 0, y 6= 0. Sean,
=

n
X
j=1

|xj |

!1/p

n
X
j=1

|yj |

.1/q

Entonces 6= 0 y 6= 0. Sean
xj 0 =

xj
,

yj =

yj

j = 1, 2, . . . , n

Luego
|xj 0 |p =
y as,

|xj |p
p

|yj 0 |q =

|yj |q
q

j = 1, 2, . . . , n

CAPITULO 2. ESPACIOS DE BANACH

74

n
X
j=1

|xj 0 |p =

n
X
j=1

|yj 0 |p =

n
P

|xj |p

j=1

n
P

j=1

|yj |q

p
= 1
p

q
= 1
q

Ahora bien por el Lema 2.1.1, tomando a = |xj 0 | y b = |yj 0 | obtenemos

que:
|xj 0 |p |yj 0 |q
+
|xj 0 ||yj 0 |
p
q
y as,
n
X
j=1

|xj 0 ||yj 0 |

n
P

j=1

|xj 0 |p
p

n
P

|yj 0 |q

j=1

1 1
+ = 1,
p q

en virtud de que p y q son conjugados arm

onicos. En consecuencia,

n
X
j=1

|xj 0 yj 0 | =

n
X
j=1

esto es,
n
X
j=1


n 
n 
  y 
X
X


x
x
y


j
j
j
j


|xj 0 ||yj 0 | =
    =
 

j=1
j=1

|xj yj | =

n
X
j=1

|xj |p

!1/p

Ahora, tenemos el importante corolario:

n
X
j=1

|yj |q

!1/q

Corolario 2.1.4 (Desigualdad de Minkowski) Sean p > 1,

x = (x1 , x2 , . . . , xn ) Fn , y = (y1 , y2 , . . . , yn ) Fn . Entonces
n
X
j=1

|xj + yj |p

!1/p

n
X
j=1

|xj |p

!1/p

n
X
j=1

|yj |p

.1/p

2.1. DESIGUALDADES CLASICAS

EN ANALISIS
FUNCIONAL.

75

Demostraci
on.
1 1
Sea q > 1 tal que + = 1. Entonces,
p q
|xj + yj |p = |xj + yj |p1 |xj + yj | |xj + yj |p1 |xj | + |xj + yj |p1 |yj |
y ahora aplicando la desigualdad de Holder-Minkowski para:

a = |xj |

a = |yj |

b = |xj + yj |

p1

Vamos a obtener que:

n
X
j=1

|xj + yj |

n
X
j=1

|xj ||xj + yj |

n
X

j=1

n
X

j=1

|xj |p
|yj |

p1

!1/p

!1/p

n
X
j=1

n
X
j=1

b = |xj + yj |p1

|yj ||xj + yj |p1

|xj + yj |q(p1)

n
X

|xj + yj |

n
X

j=1

q(p1)

!1/q

!1/q

de donde se obtiene que:

n
X
j=1

|xj + yj |p

n
X
j=1

|xj + yj |q(p1)

!1/q

j=1

|xj |p

!1/p

n
X
j=1

esto es,
n
X
j=1

|xj + yj |p

!1/p

n
X
j=1

|xj |p

!1/p

n
X
j=1

|yj |p

!1/p

|yj |p

!1/p

CAPITULO 2. ESPACIOS DE BANACH

76

Proposici
on 2.1.5 Sea p > 1. La funci
on
k kp : Fn R
definida por:
kxkp =

n
X
i=1

|xi |p

!1/p

(x = (x1 , x2 , . . . , xn ) Fn )

es una norma sobre Fn , adem

as:
lm kxkp = kxk

Demostraci
on.
Es f
acil verificar los Axiomas (A1) y (A2) de la Definici
on 1.1.9. La desigualdad tri
angular es la desigualdad de Minkowski mostrada anteriormente
en el Corolario 2.1.4.
Mostraremos ahora que:
lm kxkp = kxk .

Para esto recordaremos inicialmente que:

si

|x| < 1,

si

x > 0,

lm xn = 0

y,
1

lm x n = 1

y consideremos los siguientes casos:

Caso 1.- Cuando x = (x1 , x2 , . . . , xm , xm+1 , . . . , xn ) donde
x1 = x2 = . . . = xm = 1
y
|xj | < 1,
Entonces, kxk = 1 y

j = m + 1, . . . , n.

2.1. DESIGUALDADES CLASICAS

EN ANALISIS
FUNCIONAL.

kxkp =

n
X
i=1

|xi |p = |x1 |p + . . . + |xm |p + |xm+1 |p + . . . + |xn |p

mveces

z }| {
= 1 + . . . + 1 +|xm+1 |p + . . . + |xn |p
= m+

n
X

j=m+1

|xj |p

luego,
kxkp =

m+

j=m+1

y as,

lm kxkp =

=
esto es,

n
X

lm

m+

|xj |

n
X

!1/p

j=m+1

|xj |p

!1/p

lm m p = 1

lm kxkp = 1 = kxk .

Caso 2.- Cuando kxk 6= 1. Definimos:

y =

x
kxk

entonces kyk = 1, y as por el Caso 1:

lm kykp = 1,

esto es,


x
= 1 = lm kxkp = kxk .
lm
p kxk
p
p

77

CAPITULO 2. ESPACIOS DE BANACH

78

2.2.

Espacios de Banach. Teora B

asica. Ejemplos y ejercicios.

En la teora de espacios
etricos un espacio metrico (X, d) se dice com m

pleto si cada sucesi

on xn
X tal que
1

lm

n,m

d(xn , xm ) = 0

es convergente a un x X. Ahora bien, sabemos que si (X, kk) es un espacio

normado, entonces X es un espacio metrico con la metrica inducida por la
norma k k de X, esto es,
d(x, y) = kx yk

(x, y X).

En esta secci
on introducimos la noci
on de espacio de Banach. Previamente
damos la siguiente Definici
on y mostramos una Proposici
on b
asica.
 
Definici
on 2.2.1 Sean (X, k k) un espacio normado y xn
una su1
 
cesi
on en X. Decimos que xn
es de Cauchy si:
1

lm

n,m

d(xn , xm ) =

lm

n,m

kxn xm k = 0

esto es, es dado > 0 existe un n0 = n0 () N tal que:

d(xn , xm ) = kxn xm k <

si

m, n n0 .

Proposici
on 2.2.2 Sean (X, k k) un espacio normado y

cesi
on en X. Entonces,
 
 
es de Cauchy, entonces xn
es acotada.
(a) Si xn
(b) Si

xn

xn

una su-

es de Cauchy y esta sucesi

on contiene alguna subsucesi
on
 
es tambien convergente.
convergente, entonces xn
1


2.2. ESPACIOS DE BANACH. TEORIA BASICA.
EJEMPLOS Y EJERCICIOS.79
Demostraci
on.

tal que:

luego





kxn k kxm k kxn xm k < 1



(a) Como

xn


1

es de Cauchy, dado = 1 existe un n1 = n1 (1) N

1 < kxn k kxm k < 1

m, n n0 ,

si

m, n n0 ,

si

entonces, tomando m = n0 , n > n0 y



M = max 1 + kxn0 k, kx1 k, kx2 k, . . . , kxm k se obtiene que:

(b) Sea
que

xn k

kxn k M

para

n = 1, 2, 3, . . .

una subsucesi
on de la sucesi
on de Cauchy

lm xnk = x

nk

en la norma

kk

de

xn

tal

X.

Entonces, dado > 0 existe un k1 N tal que:

xn x <
si
nk k 1
k

2
 
Por otra parte como xn
es de Cauchy dado > 0 existe un n1 N

tal que

kxn xm k <

si

m, n n1

Sean n0 = max(k1 , n1 ), n > n0 y nk > n0 entonces

CAPITULO 2. ESPACIOS DE BANACH

80

kxn xk = kxn xnk + xnk xk

kxn xnk k + kxnk xk
<

+ = .
2 2

Introduciremos ahora la importante noci

on de espacio de Banach.
Definici
on 2.2.3 Un espacio normado (X, k k) se llama un espacio de
Banach si cada sucesi
on de Cauchy en X es convergente a un elemento
x X.
En este Captulo estudiaremos algunos ejemplos de espacios de Banach,
los cuales mencionamos en la siguiente lista:
(a) Los espacios lp n (p > 1), l1 n y l n .
(b) Los espacios de funciones C([a, b]), BV ([a, b]) y C 0 ([a, b]).
(c) Los espacios de sucesiones lp (p 1), l y c0 .
Antes de estudiar la completitud de los mencionados espacios, mostraremos las siguientes Proposiciones:
Proposici
on 2.2.4 Sean (X, k k) un espacio de Banach y Y un subespacio
de X. Entonces,
(a) Si Y es cerrado en X, entonces Y es tambien un espacio de Banach.
(b) Si Y es un espacio de Banach, entonces Y es cerrado [en si mismo.]
Demostraci
on.
 
 
(a) Sea xn
una sucesi
on de Cauchy en Y. Entonces, xn
es
1

tambien de Cauchy en X. Como (X, k k) es de Banach, existe un x X tal

que xn x si n y como Y es cerrado concluimos que x Y. As,
(Y, k k) es un espacio de Banach.
(b)

Evidente.


2.2. ESPACIOS DE BANACH. TEORIA BASICA.
EJEMPLOS Y EJERCICIOS.81
Proposici
on 2.2.5 Sean (X, kk) un espacio de Banach y kk1 otra norma
sobre X tal que k k1 k k. [Ver el Ejemplo 1.3.5]. Entonces, (X, k k1 ) es
tambien un espacio de Banach.
Demostraci
on.
 
una sucesi
on de Cauchy en X respecto de la norma k k1 . EnSea xn
1

tonces, como k k1 k k existen constantes a > 0 y b > 0 tales que:

akxk1 kxk bkxk1

en particular vamos a tener que:

( x X)

akxn xm k1 kxn xm k

(B)

kxn xm k bkxn xm k1
(A)
 
Se sigue de la desigualdad (A) que xn
es de Cauchy respecto de la
1

norma k k, y ya que (X, k k) es completo existe un x X tal que xn x

si n .
De (B) se obtiene tambien que xn x si n en k k1 . Por tanto,
(X, k k1 ) es un espacio de Banach.
Proposici
on 2.2.6 Sean (X, k k1 ) y (Y, k k2 ) espacios de Banach. Entonces, el espacio normado X Y es tambien un espacio de Banach [ver
Proposici
on 1.2.7].
Demostraci
on.
De acuerdo a la Proposici
on 1.2.7 la norma en X Y es:
k(x, y)k = kxk1 + kyk2
((x, y) X Y ).


una sucesi
on de Cauchy en X Y. Entonces, dado
Sea entonces, xn , yn
1

> 0 existe un n0 N tal que:

k(xn , ym ) (xm , ym )k = k(xn xm , yn ym )k

= kxn xm k1 + kyn ym k2 <

CAPITULO 2. ESPACIOS DE BANACH

82

si n, m n0 . De aqui, es claro que:

kxn xm k1 <
si n, m n0 . Se sigue entonces que

y


kyn ym k2 <
  
xn
y yn
son sucesiones de
1

Cauchy en (X, k k1 ) y (Y, k k2 ) respectivamente. Como (X, k k1 ) y (Y, k k2 )

son completos, existe un x X y, y Y tal que:
y,

xn x

si

yn y

si

As, (x, y) X Y y es f
acil verificar que:
(xn , yn ) (x, y)

si

en (X Y, k k). As, (X Y, k k) es un espacio de Banach.

Con el prop
osito de establecer una caracterizaci
on para los espacios de
Banach, introducimos las siguientes definiciones:
Definici
on 2.2.7 Sea (X, k k) un espacio normado. Una expresi
on del
tipo:

xn

n=1

se llama una serie formal en X. Tambien diremos que la serie

xn es

n=1

convergente en (X, k k) si la sucesi

on de sumas parciales
sn =

n
X

xk

k=1

es convergente en X.

Definici
on 2.2.8 Sea (X, k k) un espacio normado y
X. Decimos que

n=1

n=1

xn es absolutamente convergente si:

xn una serie en


2.2. ESPACIOS DE BANACH. TEORIA BASICA.
EJEMPLOS Y EJERCICIOS.83

X
n=1

kxn k < .

Tenemos entonces la siguiente caracterizaci

on para los espacios de Banach.
Teorema 2.2.9 Sea (X, kk) un espacio normado. Entonces, (X, kk) es un
espacio de Banach cada serie absolutamente convergente es convergente.
Demostraci
on.
=)

Sea

xn una serie de X absolutamente convergente. Entonces,

n=1

dado > 0 existe un k0 N tal que:

m
X

n=k+1

kxn k <

m > k k0 .

si

As, para m > k k0 vamos a tener que:

X
m
X

k

xn
xk
ksk sm k =

n=1

k=1

X

m

x
=
n


n=k+1

m
X

n=k+1

kxn k < .

Luego, la sucesi
on de sumas parciales de la serie formal

xn es de

n=1

Cauchy en (X, k k) que es completo, por tanto esta es convergente.

=) Sup
ongase que cada serie 
formal
 de X que es absolutamente con-

vergente es convergente. Sea S :=

xn

Se sigue entonces que:

1
Dado = , existe un xn1 S tal que:
2

una sucesi
on de Cauchy en X.

CAPITULO 2. ESPACIOS DE BANACH

84

xn1 xl < 1

2

l n1 .

si



1
Sea S1 := S {x1 , x2 , . . . , xn1 }. Entonces, dado = 2 existe un xn2 S1
2
y as n2 > n1 tal que:




xn2 xl < 1
si
l n2 .
22

 
Continuando este procedimiento, obtenemos una subsucesi
on xnk
de
1
 
tal que:
S := xn
1




xn x l < 1
si
lk
2k
k
en donde l se identifica con nl y k es fijo, con k = 1, 2, 3, . . . .
Definamos ahora:

Es evidente que:

yk = xnk xnk1

donde

x nk =

k
X

xn0 = 0.

yi

i=1

y as, por la construcci

on anterior:





kyk k = xnk xnk1
<

1
2k1

k = 1, 2, 3, . . . .

Luego,

X
k=1

se sigue de aqui que la serie

kyk k

X
k=1

1
2k1

< ,

yk es absolutamente convergente, luego por

 

P
yk es convergente, esto es, la subsucesi
on xnk
de la
la hip
otesis
k=1

k=1


2.2. ESPACIOS DE BANACH. TEORIA BASICA.
EJEMPLOS Y EJERCICIOS.85


sucesion S =
xn
es convergente y luego por la Proposici
on 2.2.2(b)
1
 
es tambien convergente y esto finaliza la demostraci
on.
xn
1

Ahora, nuestro pr
oximo objetivo es construir un cierto espacio de Banach
de uso frecuente en el An
alisis Funcional: el espacio cociente. Para esto,
inicialmente recordaremos la siguiente Definici
on:

Definici
on 2.2.10 Sea X un conjunto no vaco. Una relaci
on entre los
elementos de X, denotada con el smbolo se llama una relaci
on de
equivalencia sobre X si verifica las siguientes propiedades:
(P1) x x, x X [Reflexiva]
(P2) Si x y entonces y x [Simetrica]
(P3) Si x y, y z entonces x z [Transitiva]


La noci
on de relaci
on de equivalencia ya fue usada para la soluci
on

del Ejercicio 1.3.5

As si es una relaci
on de equivalencia sobre X y x X, entonces
la clase de equivalencia de x X, denotada por [x] es:


[x] := y X : x y
y el conjunto cociente de X determinado por esta relaci
on de equivalencia
y denotado por X/ es:


X/ := [x] : x X .
Observe que X/ es una subcolecci
on de P(X).
Ahora bien, sean X un espacio vectorial y M un subespacio (no necesariamente cerrado) de X. Definamos:
x y x y M, (x, y X).

CAPITULO 2. ESPACIOS DE BANACH

86

Entonces, es f
acil verificar que es una relaci
on de equivalencia sobre
X. Note que en este caso, la clase de equivalencia de un x X, es:
[x] := x + M.
El conjunto cociente determinado por esta relaci
on de equivalencia es denotado por: X/M.
Definiremos en X/M las siguientes operaciones:
(O1) Suma:
(x, y X)

[x] + [y] = [x + y]
(O2) Multiplicaci
on por escalar:

( F, x X)

[x] = [x]

Mostraremos a continuaci
on que (O1) y (O2) est
an bien definidas.
En efecto:
(O1)

Sup
ongase que:
[x] = [x0 ]

y,

[y] = [y 0 ]

esto es,
x + M = x0 + M
y,
y + M = y0 + M
entonces,
x + y + M = x0 + y 0 + M.
Efectivamente, como x0 [x] y, y 0 [y] entonces:
x0 = x + m1

(m1 M )

y 0 = y + m2

(m2 M ),


2.2. ESPACIOS DE BANACH. TEORIA BASICA.
EJEMPLOS Y EJERCICIOS.87
luego
x0 + y 0 + M = x + m1 + y + m2 + M
= x + y + m1 + m2 + M
= x+y+M
[x + y] = [x0 + y 0 ].

As,
(O2)

Sup
ongase que:
[x0 ] = [x].

Entonces,
(x0 + M ) = (x + M )
Luego, x0 [x] entonces,
x0 = (x + m1 )

(m1 M )

As,
x0 + M = (x + m1 ) + M
= x + m1 + M
= x + M
esto es,

[x0 ] = [x]

y por tanto (O2) est

a tambien bien definida.
A continuaci
on tenemos la siguiente Proposici
on y los detalles de la demostraci
on los dejamos al lector.

CAPITULO 2. ESPACIOS DE BANACH

88

Proposici
on 2.2.11 Sean X un espacio vectorial y M un subespacio de X.
El conjunto cociente X/M es un espacio vectorial respecto a las operaciones
(O1) y (O2). El elemento neutro para la adici
on (O1) es todo el subespacio
M ya que:
[0] := M

(0 M ).

Cuando adem
as X es un espacio normado y M es un subespacio cerrado de
X obtenemos el siguiente:
Teorema 2.2.12 Sean (X, k k) es un espacio normado y M un subespacio
cerrado de X. Entonces, la expresi
on:


[x] := nf kx + mk
(x M )
2.2.10

mM

define una norma sobre el espacio cociente X/M.

Demostraci
on.
Es claro que que la ecuaci
on 2.2.10 est
a bien definida sobre X/M y que
adem
as,

esto es,

0 kx + M k kxk

(x X)





kx + M k =
[x] o, kxk .

A continuaci
on mostraremos que 2.2.10 satisface las propiedades de una
norma. En efecto:


(A1)(=) Si
[x] = 0, entonces dado > 0 existe un m0 M tal
que:
kx + mk = kx (m)k <

esto es,

tambien

B(x, ) M 6=
b ) M 6=
B(x,


2.2. ESPACIOS DE BANACH. TEORIA BASICA.
EJEMPLOS Y EJERCICIOS.89
luego, ya que es arbitrario vamos a tener que x M 0 . Por otra parte, como
M es cerrado x M. (ver la Proposici
on 1.1.23). Por tanto,
[x] = x + M = M = [0].
(=) Si [x] = [0], entonces x [0] = M y por tanto x M. As,


[x] = nf kx + mk kx + (x)k = k0k = 0

mM

y en consecuencia
[x] = 0.
(A2) Consideremos los siguientes casos:
Caso 1: Cuando = 0. Entonces,












0[x] = [0x] = [0] = 0 = 0 [x] .






Caso 2: Sea 6= 0. Entonces,

k(x + M )k = kx + M k =

nf kx + mk

mM





m

= nf

x
+
mM





0
(x + m )
= nf


0
m M

nf || kx + m0 k

m0 M

= || nf
kx + m0 k
0
m M

= || kx + M k
Por tanto,
(A3)

k(x + M )k = || kx + M k

( F, x X)

[Desigualdad triangular]. Mostraremos que:

[x] + [y] kxk + kyk
(x, y X).

CAPITULO 2. ESPACIOS DE BANACH

90

Como [x] + [y] := [x + y], basta demostrar que:

[x + y] [x] + [y] ,


o equivalentemente que:




[x + y] [x] + [y] +

para > 0

arbitrario.

En efecto, de la Definici
on de
[] vamos a tener que dado > 0 existen
m1 , m2 M tales que:



kx + m1 k <
[x] + 2



ky + m2 k <
[y] + 2

Luego

Pero como,

Haciendo

kx + m1 k + ky + m2 k <
[x] + [y] +

kx + m1 k + ky + m2 k
x + y + m1 + m2

m = m1 + m2 M obtenemos que:






x + y + m kx + m1 k + ky + m2 k < [x] + [y] +

y en consecuencia,

[x + y] < [x] + [y] +

para > 0 arbitrario. Por tanto,

[x + y] [x] + [y] .


2.2. ESPACIOS DE BANACH. TEORIA BASICA.
EJEMPLOS Y EJERCICIOS.91
Para el caso cuando X = R2 dotado de la norma Euclidiana y,
M = {(x, y) R2 : y = x}

entonces, la clase de equivalencia de un elemento z = (x0 , y0 ) R2 , es el que

muestra en la Figura siguiente:
[z] := z + M

(x

0,

y0

y
y0

M = {(x, y) R2 : y = x}

x0

Figura 2.2.1

Note tambien de la Figura 2.2.1 que:

[z] = nf kz + mk = d(z, M ),

mM

donde d(z, M ) es la distancia de z = (x0 , y0 ) a la recta y = x.

A continuaci
on enunciamos y mostramos el importante:
Teorema 2.2.13 Sean (X, k k) un espacio de Banach y M subespacio ceb = X/M es un espacio de
rrado de X. Entonces, el espacio cociente X
Banach con la norma:




[x] = nf kx + mk
x X, [x] := x + M

mM

CAPITULO 2. ESPACIOS DE BANACH

92

Demostraci
on.


Sea [xn ]
una sucesi
on de Cauchy en X/M. Entonces, dado > 0
n=1

existe un n0 = n0 () N tal que:

[xn ] [xm ] <




de aqu existe una subsucesi

on [xnk ]




[xn ] [xn ] < 1
k+1
k
2k

n, m n0 ,

si


de

k=1

para

[xn ]

tal que

n=1

k = 1, 2, 3, . . .

Haciendo yk = xnk vamos a tener que,

[yk ] [yk+1 ] < 1
para

2k

k = 1, 2, 3, . . .

Como

[yk ] [yk+1 ] = yk + M (yk+1 + M ),

entonces en particular, para k = 1,
1
ky1 y2 + M k < ,
2
luego de la Definici
on de k[]k en el espacio cociente X/M existe un elemento
digamos m2 M tal que:
ky1 y2 + m2 k <

1
2

esto es,

Sea z1 = y1 ,

1
ky1 (y2 m2 )k < .
2
z2 = y2 m2 entonces,
1
kz1 z2 k < .
2


2.2. ESPACIOS DE BANACH. TEORIA BASICA.
EJEMPLOS Y EJERCICIOS.93
Tambien, para k = 2
ky2 y3 + M k <

1
,
22

por tanto, existe un m3 0 M tal que

ky2 y3 + m3 0 k <

1
22

esto es,
1
.
22
m3 = m2 + m3 0 M obtenemos que:

kz2 + m2 y3 + m3 0 k <
Haciendo

z3 = y3 m3 donde

kz2 z3 k <

1
.
22

 
Continuando este procedimiento, obtenemos una sucesi
on zn
X tal
n=1

que

kzn zn+1 k <

1
2n

para

n = 1, 2, 3, . . . .

donde
z n = y n mn
zn+1 = yn+1 mn+1
mn , mn+1 M. Por tanto,
kzn zn+p k = kzn zk+1 + zn+1 zn+2 + . . . + zn+p1 zn+p k
kzn zn+1 k + kzn+1 zn+2 k + . . . + kzn+p1 zn+p k
<

1
1
1
1
+
+
.
.
.
+
<
0
2n 2n+1
2n+p1
2n1

si

n ,

CAPITULO 2. ESPACIOS DE BANACH

94
 
se sigue entonces que zn

n=1

es una sucesi
on de Cauchy en (X, k k) que

es de Banach, por tanto existe un z X tal que:

lm zn = z

en la norma

kk

de

X.

Ahora bien, como:

kz + M (zn + M )k = kz zn + M k kz zn k 0

si

se sigue que
zn + M z + M

si

yn + M z + M

si

n en X/M

Por otra parte, como zn = yn mn (mn M ) vamos a tener tambien que

n en X/M.

Como
 y n = x kn
aunque inicialmente yk = xnk no se pierde generalidad usando ahora

esta notaci
on
se tiene tambien que:

As,

xkn + M z + M

si

n en X/M

xnk + M z + M
si
k en X/M,


es una sucesi
on de Cauchy en X/M que conen conclusi
on, [xn ]
n=1

tiene una subsucesi

on convergente en X/M. Por tanto,
xn + M z + M

en

X/M si n

lo cual concluye la demostraci

on.
En la demostraci
on del Teorema anterior En donde se usa la hip
otesis
que M es cerrado?
El siguiente resultado solamente algebraico nos da la dimensi
on del espacio cociente X/M cuando dimX < .


2.2. ESPACIOS DE BANACH. TEORIA BASICA.
EJEMPLOS Y EJERCICIOS.95
Proposici
on 2.2.14 Sea X un espacio vectorial con dimX = n y, M un
subespacio de X con dimX = m. Entonces,
dimX/M = n m
Demostraci
on.
Sea
BM :=

l1 , l 2 , . . . , l m

una base de M y, extend

amosla a una base de BX , esto es,


BX := l1 , l2 , . . . , lm , lm+1 , . . . , ln .
Afirmaci
on 1. Una base para el espacio cociente X/M es:


BX/M := [lm+1 ], [lm+2 ], . . . , [ln ] .
En efecto, sup
ongase inicialmente que:
m+1 [lm+1 ] + m+2 [lm+2 ] + . . . + n [ln ] = [0] = M

(2.2.12)

Mostraremos que m+1 = m+2 = . . . = n = 0.

Efectivamente, por (2.2.12) vamos a obtener que:
m+1 lm+1 + m+2 lm+2 + . . . + n ln M,

y as, existen escalares no todos nulos 1 , 2 , . . . , m en F tal que:

m+1 lm+1 + m+2 lm+2 + . . . + n ln =

m
X
i=1

o tambien,
m
X
i=1

esto es,

i l i

n
X

i=m+1

i li = 0

i li

CAPITULO 2. ESPACIOS DE BANACH

96
m
X

n
X

i li +

i=1

Haciendo:

i =
obtenemos que:

i=m+1

i li

= 0

i si 1 i m
i si m + 1 i n
n
X

i li = 0

i=1

y en consecuencia 

ya que BX := l1 , l2 , . . . , lm , . . . , ln
es una base de X,
1 = 2 = . . . = n = 0 y as en particular
m+1 = m+2 = n = 0.
Sea ahora

[x] X|M

(x X). Entonces,

x = x0 + m

(x0 X, m M )

Luego, x x0 M. Por tanto,

[x] = [x0 ].
Ahora bien, al tener que x = x0 + m, obtenemos que:

x = x +m =

n
X

i li + m

i=1

m
X
i=1

Luego,

i l i + m

n
X

i=m+1

i li


2.2. ESPACIOS DE BANACH. TEORIA BASICA.
EJEMPLOS Y EJERCICIOS.97

[x] =
como

m
P

i=1

"

m
X

i li + m +

i=1

m
P

"

n
X

i li

i=m+1

i li + m M, entonces
i li + m = [0], y en consecuencia
i=1
  n

m
P
P
i li + m +
i li
[x] =
i=1

= [0] +

n
P

i=m+1

n
P

i li

i=m+1

i=m+1

i li

n
P

i=m+1

i [li ].

CAPITULO 2. ESPACIOS DE BANACH

98

2.3.

Algunos Ejemplos de Espacios de Banach.

En esta Secci
on daremos algunos ejemplos de espacios de Banach que son
de uso frecuente en el An
alisis Funcional.
Los ejemplos de espacios de Banach que estudiremos van a ser del tipo:
(a) Espacios de Banach de dimensi
on finita.
(b) Espacios de Banach de sucesiones.
(c) Espacios de Banach de funciones.
Suponemos que para el desarrollo de la presente Secci
on el lector est
a familiarizado con el hecho fundamental del An
alisis de que el conjunto de los
n
umeros reales es un espacio de Banach con la metrica inducida por el valor
absoluto. Comenzaremos pues con nuestros Ejemplos:
Ejemplo 2.3.1 Sea p > 1. Sabemos de la Proposici
on 2.1.5 que la expresi
on:
kxkp :=

n
X
i=1

|xi |

!1/p

x = (x1 , x2 , . . . , xn ) F

n
define una norma sobre Fn . Mostraremos a continuaci
 onque F es un espacio

de Banach dotado de esta norma. En efecto, sea

xk

Cauchy en (Fn , k kp ). Entonces, dado > 0 existe

que:

kxk xm kp <

si

k=1
un k0

k, m n0 .

Sean
xk = (x1 (k) , x2 (k) , . . . , xn (k) )
xm = (x1 (m) , x2 (m) , . . . , xn (m) )

una sucesi
on de

= k0 () N tal

2.3. ALGUNOS EJEMPLOS DE ESPACIOS DE BANACH.

99

entonces,
n
X

kxk xm kp =

i=1

|xi (k) , xi (m) |p

!1/p

<

k, m n0

si

de esta desigualdad se sigue que:

si
k, m n0
i = 1, 2, . . . , n.
|xi (k) xi (m) | <


Se sigue que xi (k)
es de Cauchy en K, para i = 1, 2, . . . , n y, ya que
k=1


(k)
es convergente a un
(K, | |) es completo, esta sucesi
on xi
k=1

xi K, i = 1, 2, . . . , n. Sea x = (x1 , x2 , . . . , xn ). Entonces, x K n . Por

otra parte, dado > 0 existe un ki N i = 1, 2, . . . , n tal que:
|x1 (k) x1 |

<

|x2 (k) x2 |

<

si

k k1

si

k k2

si

k kn

np

np

|xn (k) xn |

<

np

Sea k0 = max{k1 , k2 , . . . , kn }. Entonces, para k k0 vamos a obtener

que:

kxk xkp =

n
X
i=1

|xi

(k)

xi | < n

p
n

= p

lo cual muestra que (K n , k kp ) es un espacio de Banach.

Al par (K n , k kp ) se denota por lp n . As,
lp n = (K n , k kp ).

si

k k0

CAPITULO 2. ESPACIOS DE BANACH

100

Ejemplo 2.3.2 En nuestro Ejemplo 1.3.4 hemos demostrado que la expresi

on


n
kxk = sup |xi |
x = (x1 , x2 , . . . , xn ) R
1in

define una norma sobre Rn . Tambien k k define una norma sobre Cn .

n
Mostraremos entonces
 que (F , k k ) es un espacio de Banach.
En efecto, sea

xk

k=1

una sucesi
on de Cauchy en (Fn , kk ). Entonces,

dado > 0 existe un k0 = k0 () N tal que:

kxk xm k <

k, m n0 .

si

Como en nuestro Ejemplo anterior:

xk = (x1 (k) , x2 (k) , . . . , xn (k) )
xm = (x1 (m) , x2 (m) , . . . , xn (m) )
y
xk xm = (x1 (k) x1 (m) , x2 (k) x2 (m) , . . . , xn (k) xn (m) ),
luego
kxk xm k = sup |xi (k) xi (m) | <

si

1in

k, m n0

se sigue de esta desigualdad que:

|xi (k) xi (m) | <
si
k, m n0 ,
i = 1, 2, . . . , n.


es de Cauchy para i = 1, 2, . . . , n en (K n , | |), el cual es
As, xi (m)
m=1

completo. Por tanto, existe xi K tal que:

xi = lm xi (m) ,
m

i = 1, 2, . . . , n.

2.3. ALGUNOS EJEMPLOS DE ESPACIOS DE BANACH.

101

Entonces, x = (x1 , x2 , . . . , xn ) Fn y, tomando k n0 y haciendo que

m vamos a tener que:
|xi (k) xi |

para

i = 1, 2, . . . , n,

en consecuencia
kxk xk = sup |xi (k) xi |

k n0 .

si

1in

Al par (Fn , k k ) se le denota por l n . As,

l n = (Fn , k k ).

Observe que cuando F = R tenemos como casos particulares los espacios

dados en los Ejemplos 1.3.2 y 1.3.4.
A continuaci
on mostraremos nuestros Ejemplos de espacios de Banach
de sucesiones.
Ejemplo 2.3.3 Sea p 1. Definamos el conjunto:
p

l :=



xn

n=1

: xn F y

i=1


|xi | < .
p

En l y en F l definimos las siguientes operaciones:

p

(O1) Dados

xn

n=1

(O2) Dados F y

 
l y yn
lp :
p

xn

n=1

n=1

xn

 
+ yn

n=1

n=1

xn + yn

n=1

lp :

xn

n=1

xn

n=1

Es claro que (O2) est

a bien definida en F lp . Por otra parte, ya que:
|xn + yn | |xn | + |yn |

n = 1, 2, 3, . . .

CAPITULO 2. ESPACIOS DE BANACH

102
se sigue por ser p 1 que:

|xn + yn |p (|xn | + |yn |)p

2p max(|xn |p , |yn |p )
de donde:

|xn + yn |p <

n=1

As, (O1) est

a bien definida en l . Es f
acil verificar tambien usando la desigualdad

de Minkowski para el caso p > 1 y el criterio de comparaci
on para series

de n
umeros reales que la expresi
on:
 

xn

n=1 p

|xn |p

n=1

!1/p

(p 1)

define una norma sobre lp .Mostraremos

a continuaci
on que (lp , k kp ) es

una sucesi
on de Cauchy en (lp , k kp ).
un espacio de Banach. Sea xn
n=1

Entonces:

x1
x2

:=
:=




(1)

(1)

(1)

(2)

(2)

(2)

x1 , x 2 , x 3 , . . .
x1 , x 2 , x 3 , . . .




....... ....... ...............

xn
xm

:=
:=




x1

(n)

x1

(m)

, x2

(n)

, x2

, x3

(m)

(n)

, x3

,...

(m)

,...

2.3. ALGUNOS EJEMPLOS DE ESPACIOS DE BANACH.

103

Ahora bien, de nuestra hip

otesis dado > 0 existe un n0 N tal que:
kxn xm kp

X
j=1

|xj (n) xj (m) |p < p

m, n n0

si

luego,
|xj (n) xj (m) |p < p

m, n n0 , j = 1, 2, 3, . . . .


(n)
se sigue de esta u
ltima desigualdad, que la sucesi
on xj
es de Cauchy
si

n=1

en F, para j = 1, 2, 3, . . . . Como (F, | |) es completo, existe un u

nico zj F
tal que:
lm xj (n) = zj ,

 
Sea x := zj

j=1

j = 1, 2, 3, . . .

 
x := zj
lp . En efecto, ya que nuestra sucesi
on

Afirmaci
on 1:
j=1
 
inicial xn
es de Cauchy, entonces por la Proposici
on 2.2.2(a) es acon=1

tada. As, existe un M > 0 tal que:

kxn kp =

X
j=1

|xj (n) |p

!1/p

Entonces, para cada k N,

k
X
j=1

|xj (n) |p

!1/p

para

kxn kp M

y ahora haciendo que n obtenemos que:

k
X
j=1

|zj |p

!1/p

n = 1, 2, 3, . . .

CAPITULO 2. ESPACIOS DE BANACH

104

y en consecuencia como k es arbitrario

kxkp =
 
esto es, x := zj
lp .

X
j=1

|zj |p

!1/p

j=1

Afirmaci
on 2: lm xn = x en k kp . En efecto, usando nuevamente el
 n

es de Cauchy:
hecho de que xn
n=1

kxn xm kp p =

X
j=1

|xj (n) xj (m) |p < p

m, n n0

si

Luego, en particular
k
X
j=1

|xj (n) xj (m) |p < p

si

k N fijo

m, n n0 ,

As, manteniendo n fijo, pero con n n0 y haciendo que m vamos a

tener que:
k
X
j=1

|xj (n) zj |p < p ,

kN

fijo

Por tanto ahora haciendo que k se obtiene que

kxn xkp =

X
j=1

|xj (n) zj |p

!1/p

<

si

n n0

lo cual finaliza la Demostraci

on.
Ejemplo 2.3.4 Sea el conjunto:
( 
)

l :=
: xn F, y sup |xn | <
xn
n=1

nN

2.3. ALGUNOS EJEMPLOS DE ESPACIOS DE BANACH.

105

Es facil verificar que este conjunto es un espacio vectorial sobre F respecto de

las operaciones usuales de suma y multiplicaci
on por escalar para sucesiones.
Ademas, la expresi
on
 


xn
= sup |xn |


nN

n=1

define una norma sobre l . Mostraremos a continuaci

l dotado de
onque

esta norma es un espacio de Banach. En efecto, sea xk

una sucesi
on
k=1

de Cauchy en l . Entonces, dado > 0 existe un n0 N tal que:

kxk xm k <

como

xk :=

xm :=

x1

(k)

x1

(m)

si

, x2

(k)

, x2

k, m n0

, . . . , xn

(k)

(m)

, . . . , xn

(k)

(m)

,...

(m)

,...

entonces, con k y m fijos,

xk x m =

xj

xj

j=1

y por tanto,
kxk xm k = sup |xj (k) xj (m) | <
jN

si

k, m n0

y en consecuencia
|xj (k) xj (m) | <

si

k, m n0 ,

j = 1, 2, . . .
(2.3.5)


es de Cauchy
se sigue de esta u
ltima desigualdad que la sucesion xj (k)
k=1

en F para j = 1, 2, 3, . . . y ya que (F, | |) es completo, existe un xj F tal

que:
xj = lm xj (k)
j = 1, 2, 3, . . .
(2.3.6)
k

CAPITULO 2. ESPACIOS DE BANACH

106
 
sea x := xj
.
j=1

Afirmaci
on 1:

 
l . En efecto, tomando m = n0 en
x :=
xj
j=1

(2.3.5) vamos a tener que:

|xj (k) xj (n0 ) | <

si

k n0 ,

j = 1, 2, 3, . . .

y ahora haciendo que k y usando (2.3.6) obtenemos que:

|xj xj (n0 ) | <
para
j = 1, 2, 3, . . .


(n0 )
(n0 )
Ahora bien, como xn0 := x1 , x2 , . . . , l , entonces
sup |xj (n0 ) | <
jN

y ya que
|xj | |xj xj (n0 ) | + |xj (n0 ) |

j = 1, 2, 3, . . .

entonces
kxk = sup |xj | sup |xj xj (n0 ) | + sup |xj (n0 ) |
jN

jN

jN

<
Afirmaci
on 2:
se obtiene que:

lm xm = x en k k . En efecto, de (2.3.5) y (2.3.6)

|xj xj (m) | <

donde

m n0

j = 1, 2, 3, . . .

Luego
kx xm k = sup |xj xj (m) | <
jN

lo cual finaliza la Demostraci

on.

m n0

2.3. ALGUNOS EJEMPLOS DE ESPACIOS DE BANACH.

Ejemplo 2.3.5 Sea
(
c :=

xn

107

: xn F y existe lm xn .
n

n=1

Entonces, c es un espacio vectorial sobre F respecto de las operaciones usuales

de suma y multiplicaci
on por escalar. Adem
as, ya que toma sucesi
on convergente es acotada se sigue c es un subespacio vectorial de l .
Afirmaci
on: (c, k k ) es un espacio de Banach.
Para mostrar esta Afir


on 2.2.4 (a) .
macion basta demostrar que c es cerrado en l . ver Proposici
 
Sea, entonces xn
una sucesi
on en c tal que xn x l si n en
n=1

k k . Mostraremos que x c. Sean

x1
x2

:=
:=




(1)

(1)

(1)

(2)

(2)

(2)

x1 , x 2 , . . . , x i , . . .
x1 , x 2 , . . . , x i , . . .

........ ........ ................

xn

:=

x1

(n)

, x2

(n)

, . . . , xi

(n)

,...

........ ........ ................

x

:=

y1 , y2 , . . . , yi , . . .

Afirmaci
on 1: lm xi (n) = yi
i = 1, 2, 3, . . . .
n
En efecto, como lm xn = x, dado > 0 existe un n0 N tal que:
n


 (n)


si
n n0
kxn xk = sup xi yi  <
iN

en consecuencia

CAPITULO 2. ESPACIOS DE BANACH

108


 (n)

 xi y i  <



si

n n0

i = 1, 2, 3, . . .

lo cual muestra nuestra Afirmaci

on 1.
Afirmaci
on 2:

Sea Ln = lm xi

(n)

. La sucesi
on de lmites Ln
n=1
 
es de Cauchy en (F, | |). En efecto, como xn
es convergente en l ,
i

n=1

entonces esta es de Cauchy en l , por tanto, dado > 0 existe un n1 N

tal que


 (n)

(m)
kxn xm k = sup xi xi  <
si
n, m n1
iN

y en consecuencia



 (n)
xi xi (m)  <



si

n, m n1 ,

i = 1, 2, 3, . . .

y as tambien cuando i vamos a obtener que:





Ln Lm  <
si
n, m n1



y en consecuencia por la completitud de (F, | |) existe un u

nico L F tal
que:
lm Ln = L.

Afirmaci
on 3: lm yi = L esto mostrar
a que
i

 
c y completa la Demostraci
on .
x := yi
n

i=1

En efecto, como lm Ln = L, entonces dado > 0 existe un n1 N tal

n
que:

si
n n1
3
Por otra parte, usando nuevamente el hecho de que:
|Ln L| <

lm xn = x

2.3. ALGUNOS EJEMPLOS DE ESPACIOS DE BANACH.

109

en k k , entonces dado > 0 existe n2 N tal que:

kxn xk = sup |xi (n) yi | <
iN

si

n n2

y en consecuencia

si
n n2 ,
i = 1, 2, . . .
3
Tomando entonces n0 = max(n1 , n2 ) vamos a obtener al fijar este n0 que:
|xi (n) yi | <

y
|xi (n0 ) yi | <
i = 1, 2, . . .
3
3
para
n = 1, 2, . . . , entonces
Tambien, ya que lm xi (n) = Ln
i




 (n )

(n0 )
si
i i0
lm xi
= Ln0 xi 0 Ln0  <
i
3
|Ln0 L| <

Por tanto,

|yi L| |yi xi (n0 ) | + |xi (n0 ) Ln0 | + |Ln0 L|

<
Ejemplo 2.3.6 Sea
(
c0 :=

xn

+ + =
3 3 3


n=1

, xn F

si

i i0
)

lm xn = 0 .

Entonces, c0 es un espacio vectorial respecto de las operaciones usuales de

suma y multiplicaci
on por escalar. La expresi
on:
 


= sup |xn |
xn


n=1

nN

define tambien una norma sobre c0 .

esto
Afirmaci
on: (c0 , k k ) es un espacio de Banach. En efecto,
 para

basta demostrar que (c0 , k k ) es cerrado en l . En efecto, si xn

c0
n=1

tal que xn x := (y1 , y2 , . . .) l si n en k k , entonces, siguiendo

CAPITULO 2. ESPACIOS DE BANACH

110

un proceso semejante a el dado en la Demostraci

on del Ejemplo (1.3.7) vamos
a ver que Ln = 0 para n = 1, 2, 3, . . . y as:
L = lm Ln = 0
n

Luego, por la Afirmaci

on 3:
lm yi = 0

 
y en consecuencia x := yi
c0 .
i=1

Ejemplo 2.3.7 (C([a, b]), kku ) es un espacio de Banach ver el Ejemplo (1.3.10) para

recordar la Definici
on del espacio C([a, b]) y de la norma k ku .
 
una sucesi
on de Cauchy en C([a, b]). Entonces,
En efecto, sea fn
n=1

dado > 0 existe un n0 N tal que:

kfn fm ku = sup |fn (x) fm (x)| <

x[a,b]

si

m, n n0 .

Se sigue de esta desigualdad que:

|fn (x) fm (x)| <
si
m, n n0
x [a, b]
(1)


y por tanto la sucesi
on fn (x)
es uniformemente de Cauchy en (F, | |).

Sea

n=1

f (x) = lm fn (x)
n

Por la unicidad del lmite f es evidentemente una funci

on definida sobre el
intervalo [a, b] a valores en F.
Afirmaci
on 1: fn f si n en k ku . En efecto, tomando n n0
y haciendo que m de (1) se obtiene que
|fn (x) f (x)| <

2.3. ALGUNOS EJEMPLOS DE ESPACIOS DE BANACH.

111

Luego,
kfn f ku = sup |fn (x) f (x)| <

si

x[a,b]

n n0

Afirmaci
on 2: f C([a, b]). En efecto, sea x0 [a, b]. Como
fn0 C([a, b]), dado > 0 existe un > 0 tal que:




fn0 (x) fn0 (x0 ) <
si
0 < |x x0 | <

 3
Por otra parte como:
f (x) f (x0 ) = f (x) fn0 (x) + fn0 (x) fn0 (x0 ) + fn0 (x0 ) f (x0 )
entonces,


 
 




 
 


f (x) f (x0 ) f (x) fn0 (x) + fn0 (x) fn0 (x0 ) + fn0 (x0 ) f (x0 )


 
 


<

+ + =
3 3 3

on.
si 0 < |x x0 | < , lo cual concluye la Demostraci

Ejemplo 2.3.8 (BV ([a, b]), k kBV ) es un espacio de Banach ver el

Ejercicio (1.4.18) para recordar la Definici

on del espacio BV ([a, b]) .
En efecto, tenemos inicialmente que si f BV ([a, b]) entonces,
kf kBV = |f (a)| + V (f ),

donde,

V (f ) = sup

 
Sea entonces, fn

k
X
i=1

|f (ti ) f (ti1 )|.

una sucesi
on de Cauchy en BV ([a, b]). Sin perder


generalidad podemos suponer que fn (a) = 0 para n = 1, 2, 3, . . . . Por que?
As, dado > 0 existe un n0 N tal que:
n=1

CAPITULO 2. ESPACIOS DE BANACH

112




fn fm

BV





= (fn fm )(a) + V (fn fm )
= V (fn fm )
= sup

como P0 =

k
X
i=1

|(fn fm )(ti ) (fn fm )(ti1 )|

<
si
m, n n0

a, x, b (a < x < b) es una partici
on de [a, b] y adem
as









(fn fm )(b) (fn fm )(a) (fn fm )(x) (fn fm )(a) +








+ (fn fm )(b) (fn fm )(x)
vamos a tener entonces que

<

fn (x)

si

m, n n0

es una sucesi
on uniformemente

n=1

de Cauchy x [a, b] en (F, | |) que es completo. Sea

f (x) = lm fn (x).
n

Tomando ahora n n0 y haciendo que m en (2.3.11) obtenemos que:

f n fm

BV

= sup

k
X
i=1

|(fn f )(ti ) (fn f )(ti1 )| <

y as fn f si n en k kBV
Por otra parte, como kfn0 kBV M < para alg
un M > 0, entonces,
kf kBV kf fn0 kBV + kfn0 kBV < + M <

y en consecuencia f BV ([a, b]).

2.3. ALGUNOS EJEMPLOS DE ESPACIOS DE BANACH.

113

Ejemplo 2.3.9 En nuestro Ejercicio (1.4.14) hemos definido el espacio C 0 ([a, b]).
El lector puede mostrar que la expresi
on
kf k0 = kf ku + kf 0 ku

(f C 0 ([a, b]))

define tambien una norma sobre C 0 ([a, b])

0
0
Afirmaci
 on: (C ([a, b]), k k ) es un espacio de Banach. Efectivamente,
una sucesi
on de Cauchy en C 0 ([a, b]). Entonces, dado > 0
sea fn
n=1

existe un n0 N tal que:

0











0
fn fm = fn fm + (fn fm )






u
u





0


0


=
f n fm + f n fm
u

<

en consecuencia,




fn fm <


2
u

0

0
fn fm <


2
u

m, n n0

si

si

m, n n0

si

m, n n0 .

 
y
Se sigue de cada una de estas desigualdades que las sucesiones fn
n=1
 
son sucesiones de Cauchy en C([a, b]) que es completo. As, existen
fn 0
n=1

funciones f C([a, b]) y g C([a, b]) tales que:

fn f

si

uniformemente sobre [a, b]

fn 0 g

si

uniformemente sobre [a, b].

114

CAPITULO 2. ESPACIOS DE BANACH

Se sigue entonces del Teorema 4 - 8 en [13] que f es derivable sobre [a, b] y

adem
as
g = f0
Por tanto, f C 0 ([a, b]) y esto culmina la Demostracion.

2.4. SEPARABILIDAD DE UN ESPACIO NORMADO Y EJEMPLOS. EL LEMA DE RIESZ.115

2.4.

Separabilidad de un espacio normado y

Ejemplos. El Lema de Riesz.

En An
alisis Funcional la noci
on de separabilidad de un espacio normado
tiene su motivaci
on en esa propiedad que presenta el conjunto de los N
umeros
Reales de que cada elemento de este conjunto es el lmite de una sucesi
on
de n
umeros racionales. Aqu en esta Secci
on, se introduce esta noci
on y se
muestra que (lp , k kp ) (1 p < ) es separable y tambien que (l , k k )
no lo es. Tambien se muestra el Lema de Riesz.
Definici
on 2.4.1 Un espacio normado (X, k k) se dice separable si existe
un subconjunto A de X tal que:
(a) A es numerable.
(b) A es denso en X

esto es, dado > 0 y x X existe un a A



tal que 0 < kx ak < .

En nuestro Ejemplo (2.3.3) se mostr
o que (lp , k kp ) (1 p < ) es un
espacio de Banach. En el siguiente Ejemplo se muestra la separabilidad de
(lp , k kp ).
Ejemplo 2.4.2 (lp , kkp ) es separable (1 p < ). En efecto, mostraremos
p
p
la existencia de
 unsubconjunto D en l que es numerable y denso en l sea

lp . Decimos que este x lp es del tipo racional si

n=1

xn Q para n = 1, 2, 3, . . . .
para el caso en que xn C, entonces

xn = an +ibn donde an Q y bn Q para n = 1, 2, 3, . . . . . Si adem
as
 
xn 6= 0 para un n
umero finito de subncides n decimos que x = xn
es
entonces x =

xn

del tipo racional finito y lo denotamos por (TRF) sea,



 
p
l : x es (TRF) .
D := x = xn
n=1

n=1

CAPITULO 2. ESPACIOS DE BANACH

116

Es claro que D es numerable [Por qu

a continuaci
on que
e?]mostraremos

D es denso en lp . En efecto, sea x = xn

lp y > 0 entonces, de la

Definici
on de l ,

k=1

n=1

|xk | < . Por tanto, existe un n0 N tal que:

p

k=n0 +1

 
Sea y = yk
D tal que:
k=1

|yk xk | <
p

|xk |p <

2n0

p
.
2

para

k = 1, 2, . . . , n0

y adem
as
yk = 0

k n0 + 1.

si

Luego

kx ykp =

n0
X
k=1

|xk yk | +

k=n0 +1

|xk | < n0

p
2n0

p
= p
2

y en consecuencia
kx ykp <

por tanto, D es denso en lp .

Para nuestro pr
oximo Ejemplo necesitamos usar el siguiente resultado de
la Teora de Conjuntos: la colecci
on P(N) es no numerable, esto es,
card P(N)

= 2N0 = N .

Ejemplo 2.4.3 (l , k k ) no es separable. Sup

ongase lo contrario, esto
es, (l , k k ) es separable. Sea entonces, D un subconjunto de l que es
numerable y denso en l . Sean F1 , F2 P(N) tal que F1 6= F2 entonces,
XF1 B(N) y XF2 B(N) donde


B(N) := f : N R : f es una funci
on acotada .

2.4. SEPARABILIDAD DE UN ESPACIO NORMADO Y EJEMPLOS. EL LEMA DE RIESZ.117

B(N) es un espacio vectorial respecto de las operaciones usuales de suma
Este
y multiplicaci
on por escalar y la expresi
on:
kf ku = sup |f (n)|
nN

define una norma sobre B(N).

Adem
as,

kXF1





XF2 ku sup XF1 (n) XF2 (n) = 1 si n F1 \F2
o n F2 \F1 .
nN

1
Ahora bien, sea F P(N) y = . Entonces
4

l . Por otra
XF (n)
n=1


parte, como Q es denso en l , existe una sucesi
on dF (n)
D tal que:
n=1


 1

kXF dF k = sup XF (n) dF (n) < ,
4
nN
en consecuencia

1
1
kdF1 dF2 k . En efecto, si kdF1 dF2 k <
4
4

vamos a tener que:

kXF1 XF2 ku = kXF1 dF1 + dF1 dF2 + dF2 XF2 ku

kXF1 dF1 ku + kdF1 dF2 ku + kdF2 XF2 ku
<

1 1 1
3
+ + =
<1
4 4 4
4

lo cual es una contradicci

on. En efecto, significaria que la transformaci
on
: P(N) D
definida por (F ) = dF es 1-1, lo cual contradice la no numerabilidad de
P(N).
A continuaci
on mostraremos el importante Lema de Riesz.

CAPITULO 2. ESPACIOS DE BANACH

118

Lema 2.4.4 (de Riesz) Sean (X, kk) un espacio normado y, M un subespacio vectorial cerrado de X tal que M 6= {0}. Sea 0 < < 1. Entonces,
existe un x S(0, 1) tal que:
Demostraci
on.

kx x k

x M.

Sea x1 X|M. Entonces,

d = d(x1 , M ) = nf kx1 mk > 0
mM

ya que M es un subconjunto propio y cerrado del espacio metrico X. Por otra

parte como 0 < < 1, entonces
d < d
y as,
d

en consecuencia, existe un m1 M tal que:

d<

d
d < kx1 m1 k < .

x1 m1
. Es claro que, kx k = 1 y as x S(0, 1). En
kx1 m1 k
consecuencia, si m M vamos a tener que,

Sea x

x1 m1



1
x1 m1 mkx1 m1 k
=
kx mk =

m
kx1 m1 k


kx1 m1 k

M

z
}|
{


1
x1 m1 + mkx1 m1 k
=


kx1 m1 k

d =
d

Por tanto
d(x , M ) = nf kx mk .
mM

2.5. COMENTARIO FINAL DEL CAPITULO 2

2.5.

119

Comentario final del Captulo 2

La literatura actual sobre la teora de espacios de Banach es bastante

extensa. El texto [1] mencionado en nuestra Introducci
on, es un material de
gran utilidad al estudiante que comienza y desea adem
as continuar con el
estudio de esta teora.
En el Captulo 1 de [8] se muestra una buena lista de Ejemplos de espacios
de Banach con su respectivas Demostraciones.
La Demostraci
on de Lema de Riesz fue tomada de [6] Captulo 1.
La noci
on de espacio normado separable puede verse tambien en [8]
Captulo 1.

CAPITULO 2. ESPACIOS DE BANACH

120

2.6.

Ejercicios Propuestos

Ejercicios 2.6.1 Sea x = (x1 , x2 , . . . , xn ) Rn , con xi 0

Sean

x1 + x2 + . . . + xn
A(x) =
=
n
G(x) =

n
Y

x1 x 2 . . . x n =

i=1

n
P

i = 1, 2, . . . , n.

xi

i=1

xi

n
!1/n

Demostrar que:
G(x) A(x).

Esta
expresi
on se llama la Desigualdad Media Aritmetica - Geometrica.
Ejercicios 2.6.2 Sean X un espacio vectorial y D X convexo y no vaco.
Decimos que una funci
on
f : D R

es:
(a) Convexa si:

f (tx + (1 t)y) tf (x) + (1 t)f (y)

x, y D, t [0, 1]

(b) Estrictamente convexa si:

f (tx+(1t)y) < tf (x)+(1t)f (y)

x, y D, con x 6= y, t [0, 1]

(c) f es c
oncava si:

f (tx + (1 t)y) tf (x) + (1 t)f (y)

x, y D, t [0, 1]

2.6. EJERCICIOS PROPUESTOS

121

(d) f es estrictamente c
oncava si:
x, y D, con x 6= y, t [0, 1]

f (tx+(1t)y) > tf (x)+(1t)f (y)

Demostrar que:
(e) f es convexa f es c
oncava.

(f ) f es estrictamente convexa f es estrictamente c

oncava.
(g) Si f es convexa y c 0 entonces cf es convexa.
(h) Si f es estrictamente convexa y c > 0 entonces cf es estrictamente
convexa.
(i) Si f es c
oncava y c 0 entonces cf es c
oncava.
(j) Si f es estrictamente c
oncava y c > 0 entonces cf es estrictamente
concava.
Ejercicios 2.6.3 Sean fi : D R
xas. Demostrar que la funci
on:

i = 1, 2, . . . , m, funciones conve-

g : D R

definida por
g(x) =

m
X

fi (x)

i=1

es convexa.

(x D)

Ejercicios 2.6.4 Demostrar que cualquier combinaci

on lineal no negativa
de funciones convexas es una funci
on convexa.
Ejercicios 2.6.5 Demostrar que la funci
on:

definida por

es convexa.

f : R2 R
f (x, y) = |x| + |y|

CAPITULO 2. ESPACIOS DE BANACH

122

Ejercicios 2.6.6 Sea f : D R una funci

on c
oncava.
Demostrar que:
!
n
n
X
X
i f (xi ) f
i xi
i=1

donde

xi D,

i=1

i = 1, 2, . . . , n

i (0, 1)

tal que

n
P

i = 1.

i=1

Ejercicios 2.6.7 Usando el Ejercicio (2.5.6) demostrar la Desigualdad Logartmica de Jensen:

!
n
n
X
X
1
1
log ai log
ai
n
n
i=1
i=1
donde

ai (0, +)

i = 1, 2, . . . , n.

Ejercicios 2.6.8 Demostrar la Desigualdad Media Aritmetica - Geometrica

usando la Desigualdad Logartmica de Jensen.
Ejercicios 2.6.9 Sean (X, k k) un espacio normado y
cesi
on en X tal que:




xn+2 xn+1

Demostrar que

xn

n=1

1
xn+1 xn


2

para

xn

n = 1, 2, . . . .

es de Cauchy en (X, k k).

Ejercicios 2.6.10 Sea C([1, 1]) dotado de la norma:

kf k2 =
Demostrar que

Sugerencia:

C([1, 1]), k k2

Z1
0

|f (t)|2 dt

no es un espacio de Banach

Considere la sucesi
on:

n=1

una su-

2.6. EJERCICIOS PROPUESTOS

123

0 si 1 t 0

1
nt si 0 < t <
fn (t) =
n

1 si
t1
n

Ejercicios 2.6.11 Demostrar que un espacio normado (X, kk) es completo

B (0, 1) es completa.
Ejercicios 2.6.12 Sean


(a) X1 := f C([1, 1]) : f (0) = 0
(b)

X2 :=

f C([1, 1]) :

R1

f (x)dx = 0

Demostrar que X1 y X2 son subespacios cerrados de

Ejercicios 2.6.13 Sean
Sea la expresi
on:

C([0, 1]), kku

n=1

f C([0, 1])

Demostrar que:
kk

(b)

(X, k k)

es una norma sobre

C([0, 1]), k ku .

 
y tn
una sucesi
on en [0, 1].

 n
X
1
kf k = kf ku +
|f (tn )|2 ,
4
n=1

(a)

C([0, 1])

es un espacio de Banach.

Ejercicios 2.6.14 Demostrar que la expresi

on:
X
 X





1
0


|xn |
xn  +
1+
kxk = 2
n
n=1
n=2

CAPITULO 2. ESPACIOS DE BANACH

124
donde

x :=

xn

espacio de Banach.

n=1

l1 define una norma sobre l1 Es (l1 , k k0 ) un

n
2n

l1 . Hallar kxk0 .
n=1
 

P
n
n
= 2 y as x :=
l1 .
n
2n n=1
n=1 2

Ejercicios 2.6.15 Sea x :=

Sugerencia:

Ejercicios 2.6.16 Demostrar que la expresi

on:
kxk0 =

X
1
|xn |
n
2
n=1

es una norma sobre c0 . Es (c0 , k k0 ) un espacios de Banach?

Ejercicios 2.6.17 Son de acuerdo al Teorema (2.2.10) c|c0 y l |c espacios
de Banach?
Ejercicios 2.6.18 En el espacio cociente l /c hallar:




[(1, 1, 1, 1, . . .)] .

Ejercicios 2.6.19 Demostrar que (c, k k ) y (c0 , k k ) son separables.

Ejercicios 2.6.20 Demostrar que (C([a, b]), k ku ) es separable.
Sugerencia: Usar el Teorema de Stone-Weirstrass.
Ejercicios
on
  2.6.21 Sea (X, k k) un espacio de Banach. Una sucesi
X se llama una Base de Schauder de X, si para cada x X
xn
n=1
 
R tal que:
existe una u
nica sucesi
on n
n=1

x =

X
n=1

n xn

en la norma k k.

Demostrar que todo espacio de Banach con una base de Schauder es separable.

Captulo 3
Operadores Lineales Acotados
3.1.

Noci
on de acotaci
on de un operador lineal. El espacio de B(X, Y )

Con el prop
osito de motivar la noci
on de operador lineal acotado recordamos
previamente algunos hechos del algebra lineal matricial


Definici
on 3.1.1 Sean X y Y espacios vectoriales sobre el mismo cuerpo de escalares F .
Una funci
on

T : X Y

se llama una transformaci

on lineal si:
(P1) Es aditiva, esto es:

T (x + y) = T (x) + T (y),

x, y X

(P2) Es homogenea, esto es:

T (x) = T (x)

F, x X

Observemos de (P 1) y (P 2) que T : X Y es lineal

T (x + y) = T (x) + T (y),
125

, F, x, y X

CAPITULO 3. OPERADORES LINEALES ACOTADOS

126

de elementos de F de la forma:

a12 . . . a1n

a22 . . . a2n

am2 . . . amn


se llama una matriz de orden m n esto es, m filas y n columnas y se

Definici
on 3.1.2

denota por:

Mmn

Un arreglo

a11

a21

..
.

am1

A = (aij )mn .

Sea



:= A = (aij )mn : A es una matriz de orden m n .

Se sabe que este conjunto Mmn es un espacio vectorial sobre F respecto de

las operaciones usuales de suma de matrices y, multiplicaci
on por escalar.
Adem
as, si A Mmn la funci
on:
definida por

T : Rn Rm
T (x) = Ax

donde Ax representa el producto de la matriz A con el vector

x := (x1 , x2 , . . . , xn ) Rn escrito como un vector columna, esto es,

x1

x2

x :=
.
..
.

xn

Es una transformaci
on lineal.
A continuaci
on tenemos el importante Teorema:

 DE ACOTACION
DE UN OPERADOR LINEAL. EL ESPACIO DE B(X, Y )127
3.1. NOCION
Teorema 3.1.3

Representaci
on Matricial De Una Transformaci
on Lineal

Sea
T : Rn Rm
una transformaci
on lineal. Entonces, existe una u
nica matriz que denotamos por A(T ) Mmn tal que:

A(T ) :=

c11

c12

. . . c1n

c21

c22

. . . c2n

..
.
cm1 cm2 . . . cmn

donde los elementos cij han de determinarse y, tal que

T (x) = A(T )x,

x Rn

Demostraci
on.

Existencia. Sea B :=
mos

e1 , e 2 , . . . , e n

la base can
onica de Rn . llame-

T (e1 ) := w1 := (c11 , c21 , . . . , cm1 )

T (e2 ) := w2 := (c12 , c22 , . . . , cm2 )
...

... ... ... ............

T (en ) := wn := (c1n , c2n , . . . , cmn ).

CAPITULO 3. OPERADORES LINEALES ACOTADOS

128

Sea A(T ) la matriz de orden m n cuyas columnas son w1 , w2 , . . . , wn . Note

que wj escrito como una matriz columna es:

wj :=

c1j
c2j
..
.
cmj

(j = 1, 2, . . . , n)

Luego,

A(T )ej :=

c11

c12

. . . c1j

. . . c1n

c21

c22

. . . c2j

. . . c2n

..
.

..
.

cm1 cm2 . . . cmj . . . cmn

0
0
..
.
1
..
.
0
0

As, si x Rn con x := (x1 , x2 , . . . , xn ) entonces,

:= wj

(j = 1, 2, . . . , n)

 DE ACOTACION
DE UN OPERADOR LINEAL. EL ESPACIO DE B(X, Y )129
3.1. NOCION

n
P

T (x) := T

j=1

xj e j

:=

n
P

T (xj ej ) :=

j=1

n
P

xj T (ej )

j=1

:=

n
P

xj w j

j=1

:=

n
P

xj A(T )ej

j=1

:=

n
P

A(T )xj ej

j=1

:= A(T )

n
P

xj ej

j=1

:= A(T )x
Unicidad.

Sea B(T ) otra matriz tal que

T (x) := B(T )x

x Rn .

Por la existencia de A(T ) vamos a tener que:

T (x) := A(T )x

x Rn

y en consecuencia
(B(T ) A(T ))x := 0
Sea C(T ) := B(T ) A(T ),

x Rn .

entonces

C(T )x := 0

x Rn

en particular tomando x := ej (j = 1, 2, . . . , n), obtenemos que

C(T )ei := 0,

i = 1, 2, . . . , n

por tanto la i-esima columna de C(T ) es el vector cero y, en conclusi

on:

130

CAPITULO 3. OPERADORES LINEALES ACOTADOS



C(T ) := 0

[ B(T ) := A(T )] .

Sabemos del Ejemplo (1.2.3) que si x := (x1 , x2 , . . . , xn ) Rn y

y := (y1 , y2 , . . . , yn ) Rn entonces,
 n

X


 kxk kyk.
x
y
i
i


i=1

desigualdad conocida como la desigualdad de Cauchy - Schwarz ser

Esta
a usada
para la Demostraci
on de la siguiente:

Proposici
on 3.1.4

Sea
T : Rn Rm

una transformaci
on lineal. Entonces, existe una constante M > 0 tal que
kT (x)k M kxk,

x Rn

Demostraci
on.

Sea A(T ) = (cij )mn

que:

la matriz u
nica dada por el Teorema (3.1.3) tal

T (x) := A(T )x,

x Rn

Sean x := (x1 , x2 , . . . , xn ) Rn y, T (x) = y := (y1 , y2 , . . . , ym ) Rm .

Entonces, al calcular el producto matricial A(T )x vamos a obtener que:

 DE ACOTACION
DE UN OPERADOR LINEAL. EL ESPACIO DE B(X, Y )131
3.1. NOCION

y1

c11 x1 + c12 x2 + . . . + c1n xn

n
P

c1j xj

j=1

y2

c21 x1 + c22 x2 + . . . + c2n xn

n
P

c2j xj

j=1

... ... ...

ym =

... .........

cm1 x1 + cm2 x2 + . . . + cmn xn =

n
P

cmj xj .

j=1

En consecuencia,
2

 2
n

X
 


 yi  = 
c
x
ij j 
 


j=1

n
X

cij 2

j=1

kxk2

(i = 1, 2, . . . , n).

Por tanto,

|yi |

m
n X
X

kT (x)k2

m
n X
X

m
X
i=1

esto es,

i=1

i=1

cij

j=1

cij 2

j=1

kxk2

kxk2

y as,
kT (x)k M kxk
donde:

X Rn

v
uX
m
u n X
t
cij 2 .
M =
i=1

j=1

Tenemos as, la importante Definici

on:

Definici
on 3.1.5 Sean (X, k k1 ) y (Y, k k2 ) espacios normados. Una
transformaci
on lineal

132

CAPITULO 3. OPERADORES LINEALES ACOTADOS

T : X Y
se dice acotada si existe un M > 0 tal que:
kT (x)k2 M kxk1 ,

x X.

En lo sucesivo una transformaci

on lineal ser
a referida como un operador
lineal y, una transformaci
on lineal acotada como un operador lineal acotado.
En lo que sigue tambien sin perder generalidad, las normas k k1 y k k2 de
X y Y respectivamente ser
an denotadas por k k.
Definici
on 3.1.6

Sean X y Y espacios normados. Un operador lineal

T : X Y

se dice continuo en un x0 X si dado > 0 existe un > 0 tal que:

kT (x) T (x0 )k <

si

kx x0 k <

Proposici
on 3.1.7 Sea T : X Y un operador lineal. Las siguientes
afirmaciones son mutuamente equivalentes:
(1) T es un operador lineal acotado.
(2) T es continuo sobre X.
(3) T es continuo en el elemento 0 X.
(4) T es continuo en alg
un x0 X.
Demostraci
on.
(1) (2) Sean T un operador lineal acotado y, x0 X, x0 arbitrario.
Veamos que dado > 0 existe un > 0 tal que:
kT (x) T (x0 )k <

si

kx x0 k <

En efecto, como T es un operador lineal acotado vamos a tener que:

kT (x) T (x0 )k = kT (x x0 )k M kx x0 k < M <

 DE ACOTACION
DE UN OPERADOR LINEAL. EL ESPACIO DE B(X, Y )133
3.1. NOCION



y as podemos tomar
T (0) = 0 por ser T lineal .
M
(2) (1) Sea T continuo sobre X. Entonces, dado > 0 existe un > 0
tal que:
T (B(0, )) B(T (0), ) := B(0, ).
Sea x X, x 6= 0. Entonces, el elemento:
y =

x
B(0, )
2 kxk

y en consecuencia por la continuidad de T en 0 vamos a tener que:




x
T
<

2 kxk

y por tanto

kT (x)k <
tomando M =

2
kxk,

2
concluimos que:

kT (x)k M kxk,

xX

(2) (3) Es evidente.

(3) (2) Sea x0 X, x0 6= 0. Como T es continuo en el 0 X, dado
> 0 existe un > 0 tal que:
kT (x)k <

si

kxk <

as, si kx x0 k < , entonces kx x0 0k < , y por tanto,

kT (x x0 ) T (0)k = kT (x) T (x0 )k < .
(3) (4) Es evidente.
(4) (3) Veamos que dado > 0 existe un > 0 tal que:
kT (y)k <

si

kyk <

En efecto, como T es continuo en alg

un x0 X (x0 6= 0) dado > 0 existe
un > 0 tal que:

CAPITULO 3. OPERADORES LINEALES ACOTADOS

134

kT (x) T (x0 )k <

si

kx x0 k <

kT (x x0 ) T (0)k <

si

kx x0 0k < .

esto es,

Sea y = x x0 . Entonces, vamos a obtener que:

kT (y)k <

si

kyk <

La funci
on f : B(x0 , ) B(0, ) definida por f (x) = x x0

es un homeomorfismo .
A continuaci
on definimos los conjuntos L(X, Y ) y, B(X, Y ).

Definici
on 3.1.8
es:

Sean X y Y espacios normados. El conjunto L(X, Y )



L(X, Y ) := T : X Y T es un operador lineal

y B(X, Y ) es:


B(X, Y ) := T : X Y T es un operador lineal acotado .
Ahora bien, en L(X, Y ) [y por tanto tambien en B(X, Y )] definimos las siguientes operaciones:
(01) Suma:
(T + S)(x) = T (x) + S(x),

xX

(02) Multiplicaci
on por escalar:
(T )(x) = T (x),

F, x X

 DE ACOTACION
DE UN OPERADOR LINEAL. EL ESPACIO DE B(X, Y )135
3.1. NOCION
Mostraremos a continuaci
on que (01) y (02) est
an bien definidos en L(X, Y )

suponiendo inicialmente que L(X, Y ) 6=
(01) (T + S)(x + y) = T (x + y) + S(x + y)
= T (x) + T (y) + S(x) + S(y)
x, y X

= (T + S)(x) + (T + S)(y),

(T + S)(x) = T (x) + S(x)

= T (x) + S(x)
= (T (x) + S(x)),

xX

(02) (T )(x + y) = T (x + y)
= (T (x) + T (y))
= (T )(x) + (T )(y),

x, y X

(T )(x) = T (x) = ()T (x) = ()T (x)

= (T )(x)

, F,

x X.

Ademas, ya que T y S son operadores lineales acotados:

k(T + S)(x)k = kT (x) + S(x)k kT (x)k + kS(x)k
M1 kxk + M2 kxk = (M1 + M2 )kxk,

xX

CAPITULO 3. OPERADORES LINEALES ACOTADOS

136
y

k(T )(x)k = kT (x)k = ||kT (x)k ||M kT (x)k,

x X,

tenemos as, la Proposici

on:
Proposici
on 3.1.9 Los conjuntos L(X, Y ) y B(X, Y ) son espacios vectoriales respecto de las operaciones (01) y (02).
Demostraci
on.
Se deja como un Ejercicio
Proposici
on 3.1.10

La funci
on:
k ku : B(X, Y ) [0, )

definida por:
kT ku = sup
x6=0

es una norma.

kT (x)k
kxk

Demostraci
on.
Observemos inicialmente que como T B(X, Y ) existe un M > 0 tal que:
kT (x)k M kxk,

xX

As, si x 6= 0,
kT (x)k
M
kxk

por tanto,
sup
x6=0

kT (x)k
M <
kxk

y este supremo lo denotamos por kT ku .

El lector puede verificar los Axiomas (A1) y (A2) de la norma. Verificaremos la desigualdad triangular. Para esto, basta verificar que:

 DE ACOTACION
DE UN OPERADOR LINEAL. EL ESPACIO DE B(X, Y )137
3.1. NOCION

kT + Sku < kT ku + kSku + ,

>0

En efecto, como:
kT + Sku = sup
x6=0

kT (x) + S(x)k
kxk

entonces, dado > 0 existe un x0 X, x0 6= 0 tal que:

kT + Sku <

kT (x0 ) + S(x0 )k
+ ,
kx0 k

luego,

kT + Sku <

kT (x0 ) + S(x0 )k
kT (x0 )k kS(x0 )k
+
+
+
kx0 k
kx0 k
kx0 k
< kT ku + kSku +

en consecuencia:
kT + Sku kT ku + kSku ,

S, T L(X, Y )

Teorema 3.1.11 Sean X un espacio normado y Y un espacio de Banach.

Entonces, (B(X, Y ), k ku ) es un espacio de Banach.
Demostraci
on.
 
una sucesi
on de Cauchy en (B(X, Y ), k ku ). Entonces, dado
Sea Tn
n=1

> 0 existe un n0 = n0 () N tal que:

kTn Tm ku = sup
x6=0

kTn (x) Tm (x)k

<
kxk

si

m, n n0

Luego,
kTn (x) Tm (x)k kxk si

m, n n0

x X.

CAPITULO 3. OPERADORES LINEALES ACOTADOS

138

Se sigue de esta u
ltima desigualdad que

Tn (x)

es una sucesi
on de Cau-

n=1

chy en Y para cada x X que es completo y, por tanto esta sucesi

on es
convergente.
Sea
T : X Y
definida por:
T (x) = lm Tn (x)
n

(x X).

Es f
acil verificar que T es 
una transformaci
on lineal. Afirmamos que T es

acotada. En efecto, como Tn

es de Cauchy en (B(X, Y ), k ku ) es
n=1

acotada, esto es, existe un M > 0 tal que:

kTn ku M

para n = 1, 2, 3, . . .

en consecuencia,
kT (x)k = k lm Tn (x)k =

lm kTn (x)k
lm kTn ku kxk

M kxk

xX

As, T B(X, Y ). Por otra parte, haciendo que m y tomando n n0

vamos a tener que:
kTn (x) T (x)k kxk,

x X,

luego, si x 6= 0 :

y por tanto:

kTn (x) T (x)k

kxk

kTn T ku = sup
x6=0

kTn (x) T (x)k

kxk

si

n n0 .

 DE ACOTACION
DE UN OPERADOR LINEAL. EL ESPACIO DE B(X, Y )139
3.1. NOCION
Culminaremos esta Secci
on dando una Definici
on y despues estableceremos
una Observaci
on
Definici
on 3.1.12

Sea T L(X, Y ). Entonces,

(a) El n
ucleo de T denotado por N (T ) es:
N (T ) :=

x X : T (x) = 0 .

Obs
as T es acotado, entonces N (T ) es cerrado en
ervese que si adem
X inicialmente la linealidad de T, garantiza que N (T ) es un

subespacio vectorial de X . [Ver tambien Corolario 1.2.15(b) y la Proposici
on 3.1.7]

(b) El Rango
o la imagen denotado por R(T ) es:


R(T ) := y Y : y = T (x), x X
esto es,

R(T ) = T (x)

Observaci
on 3.1.1
(a) Sean X, Y, Z espacios normados. Un diagrama del tipo siguiente:
X

donde T y A son operadores lineales acotados, son de utilidad en la

Teora de optimizaci
on y permiten resolver ciertos problemas de minimizaci
on. El lector interesado en esto puede consultar el trabajo [9]

CAPITULO 3. OPERADORES LINEALES ACOTADOS

140

(b) El lector puede verificar como un Ejercicio que:

sup
x6=0

kT (x)k
= sup kT (x)k =
kxk
kxk1

sup kT (x)k

kxk = 1

y este valor com

un es el que hemos denotado por kT ku . En lo que sigue
a denotada por kT k.
la norma k ku de un operador lineal T ser
(c) Si Y = F [F = R
o C], entonces el operador lineal acotado:
T : X F
se llama un funcional lineal acotado y es designado generalmente con
la letra f
(d) El espacio de Banach B(X, F) es denotado por X ? y se llama el dual
topol
ogico de X. As,
X



:= f : X F, f es un funcional lineal acotado .

Uno de los Teoremas m

as importantes del An
alisis Funcional el Teorema de Hanh - Banach [a demostrarse mas adelante] afirma que si X
es un espacio normado X 6= {0} y x0 X, x0 6= 0, entonces existe un
f X ? tal que:
kf k = 1

f (x0 ) = kx0 k.

Como una consecuencia del Teorema de Hanh - Banach obtenemos que:

si

X 6= 0 X ? 6= {0}.

 DE OPERADOR CERRADO141
3.2. NORMAS EQUIVALENTES. NOCION

3.2.

Normas Equivalentes. Noci

on de operador
cerrado

En esta Secci
on se mostrar
a un resultado bastante importante en An
alisis
Funcional: el que expresa que en un espacio normado de dimensi
on finita dos
normas cualesquiera definida sobre el son equivalentes.
Tambien se introducir
a la noci
on de operador cerrado, el cual es esencial para la Demostraci
on de un Teorema que mostraremos m
as adelante: El
Teorema del Grafo cerrado.
Comenzaremos nuestra Secci
on recordando la siguiente Definici
on:
Definici
on 3.2.1 Sean (X, k k) un espacio normado. Un subconjunto no
vaco A de X se llama secuencialmente compacto si toda sucesi
on de puntos
de A contiene una subsucesi
on convergente a un elemento de A.
la Demostraci
on de los siguientes Teoremas pueden consultarse en [ ]
Teorema 3.2.2 Sea (X, k k) un espacio normado. Entonces, un subconjunto A de X es compacto es secuencialmente compacto
Teorema 3.2.3
compacto y:

Sean (X, kk) y (Y, kk) espacios normados. Sean D X

f : D Y

una funci
on continua. Entonces, existen puntos x1 , x2 D tales que:
kf (x1 )k = sup kf (x)k
xD

y
kf (x2 )k = nf kf (x)k.
xD

Tenemos ahora la siguiente Proposici

on:
Proposici
on 3.2.4 Sea (X, k k) un espacio normado con dimX < .
Entonces, existen una norma:
k k1 : X [0, )

CAPITULO 3. OPERADORES LINEALES ACOTADOS

142

y una constante M > 0 tal que:

kx yk M kx yk1

x, y X

(3.2.5)

Demostraci
 on.

Sean B := e1 , e2 , . . . , en una base (algebraica) de X y x X. Entonces,

existen escalares i F

i = 1, 2, . . . , n tal que x =

n
P

i ei . Definamos:

i=1

k k1 : X [0, )
por
kxk1 =

n
X

|i |.

i=1

Es claro que k k1 esta bien definida y satisface los Axiomas (A1 ) y (A2 ) de
la Definici
on de norma. Por otra parte, si y es otro elemento de X, entonces
n
P
i ei luego,
y =
i=1

kx + yk1 =

n
X
i=1

|i + i |

n
X
i=1

|i | +

n
X
i=1

|i | = kxk1 + kyk1

x, y X

Tambien:


n
n
P

P

kx yk =
(

)e
|i i |kei k
i
i
i


i=1

i=1

Tomando, M =

n
P

i=1

n
P

i=1

kx yk1 kei k

n
P

i=1

kei k kx yk1

x, y X

kei k > 0 obtenemos nuestra desigualdad (3.2.6)

 DE OPERADOR CERRADO143
3.2. NORMAS EQUIVALENTES. NOCION
Proposici
on 3.2.5 Sean (X, k k) un espacio normado y, k k1 la norma
dada por la Proposici
on anterior. El conjunto,


S1 := x X : kxk1 = 1
es secuencialmente compacto

Demostraci
on.
 
Sea xk
una sucesi
on de puntos de S1 . Mostraremos que esta contiene
k=1
 
que es convergente en kk1 a un x S1 . En efecto,
una subsucesi
on xkj
j=1

como xk S1 , entonces
xk =

n
X

(i)

k ei

donde

i=1

n
X
i=1

|k (i) | = 1

k = 1, 2, 3, . . .

Ahora bien, consideremos el siguiente esquema:

1 (1) 1 (2) . . . . . . 1 (n)

2 (1) 2 (2) . . . . . . 2 (n)
...

...

... ... ...

...

...

... ... ...

(3.2.6)

k (1) k (2) . . . . . . k (n)

...

...

Entonces, como |k (i) | < 1

... ... ...

i = 1, 2, . . . , n, k = 1, 2, 3, . . .

se sigue entonces que cada sucesi

on columna las indicamos en nuestro esquema

(3.2.6) con una

CAPITULO 3. OPERADORES LINEALES ACOTADOS

144

(1)

, k

k=1

(2)

, . . . . . . , k

k=1

(n)

k=1

es acotada, luego por el Teorema de Bolzano - Weirstrass cada una de estas

contiene una subsucesi
on:


(i)
,
i = 1, 2, . . . , n
kj
j=1

que se convergente a un i F

1, 2, . . . , n. Sea x

kxkj xk1 =
as, xkj x

si

i=1

i ei .

i=1

Entonces, x X y adem
as

n
X

n
P

|kj (i) i | 0

si

k k1 . Por otra parte:



n
n
 (i) 
P
P

|i | =
lm kj 
en

i=1 j

i=1



n 

P
(i) 

= lm

k
 j 
j
i=1

lm 1 = 1

on.
lo cual muestra que x S1 y culmina la Demostraci
Teorema 3.2.6 En un espacio vectorial X con dimX < todas las
normas son equivalentes.
Demostraci
on.
Sean k k una norma definida sobre X y, k k1 la norma sobre X dada

por la Proposici
on 3.2.4. Consideremos k k . Ya que la norma k k es

 S1
k k1 continua ver la Proposici
on 3.2.4 y S1 es compacto, entonces por
el Teorema 3.2.3 existen x1 , x2 S1 tales que:

 DE OPERADOR CERRADO145
3.2. NORMAS EQUIVALENTES. NOCION

kx1 k = sup kxk > 0

xS1

kx2 k = nf kxk > 0

xS2

y en consecuencia
kx1 k kxk kx2 k,

x S1 .

x
S1 , por tanto:
Ahora bien, si x X, x 6= 0 entonces
kxk1


x

kx2 k,
kx1 k
kxk1

luego

kx2 kkxk1 kxk kx2 kkxk1

xX

tomando a = kx2 k > 0 y b = kx2 k > 0 obtenemos que kk kk1 . Por otra
parte si k| k| es otra norma definida sobre X, entonces por el procedimiento
anterior k| k| k k1 y, as por el Ejercicio 1.3.5.
k k k| k|
y culmina la Demostraci
on.
Proposici
on 3.2.7
Entonces,

Sean X y Y espacios normados con dimX < .

L(X, Y ) := B(X, Y )

Demostraci
on.


Sea B := e1 , e2 , . . . , en una base de X y x X. Entonces,
x =

n
X
i=1

i ei , i F, i = 1, 2, . . . , n.

Sea T L(X, Y ). Por la linealidad de T vamos a tener que:

CAPITULO 3. OPERADORES LINEALES ACOTADOS

146

T (x)

= T

n
P

i ei

i=1

n
P

T (i ei )

i=1

n
P

i T (ei ).

i=1

Luego

n
n

P
P

T
(e
)
ki T (ei )k
kT (x)k =
i
i


i=1

i=1

n
P

i=1

Sea M =

max

i=1,2,...,n

kT (ei )k. Es claro que:

kT (x)k M

n
X
i=1

|i | = M kxk1

|i |kT (ei )k.

xX

y as, en virtud del Teorema anterior

kT (x)k M kxk

x X,

y por tanto T B(X, Y ).

Sean X y Y espacios vectoriales y, T : X Y un operador lineal. El
inverso de T supuesta su existencia es el operador lineal
definido por

T 1 : Y X

x = T 1 (y) y = T (x).

La siguiente Proposici
on establece una caracterizaci
on para la continuidad de
1
T
Proposici
on 3.2.8 Sean X y Y espacios normados y, T B(X, Y ) tal
que T es inyectivo esto es, T (x1 ) = T (x2 ) x1 = x2 . Entonces, el

operador lineal

 DE OPERADOR CERRADO147
3.2. NORMAS EQUIVALENTES. NOCION

T 1 : T (X) Y es acotado existe un k > 0 tal que

kT (x)k kkxk,

xX

Demostraci
on.
Observemos inicialmente que la inyectividad de T garantiza la existencia del
inverso T 1 : T (X) X y es tambien un operador lineal.
) Sup
ongase que T 1 es un operador lineal acotado. Entonces, existe
0
un k1 > 0 tal que:
kT 1 (y)k k1 0 kyk,

y T (X).

Luego, existe un x X tal que y = T (x). Por tanto,

esto es,

y as tambien,

kT 1 T (x)k k1 0 kT (x)k
kxk k1 0 kT (x)k
kT (x)k

tomando k =

1
kxk
k1 0

1
obtenemos que:
k1 0
kT (x)k k1 kxk,

xX

) Reciprocamente, si kT (x)k kkxk para alg

un k > 0 y x X,
entonces, llamando y = T (x) vamos a tener que x = T 1 (y) y por tanto

esto es,

kyk kkT 1 (y)k

1
kyk,
y T (X)
k
y en consecuencia T 1 B(Y, X).
Introduciremos ahora la noci
on de operador cerrado.
kT 1 (y)k

148

CAPITULO 3. OPERADORES LINEALES ACOTADOS

Definici
on 3.2.9 Sean X y Y espacios normados y, D un subespacio
vectorial de X. Un operador lineal

se llama cerrado si

xn

n=1

T : D Y
D tal que

xn x X

si

y,
T (xn ) y

si

entonces x D y, y = T (x).
Un operador lineal que es cerrado se llama un operador cerrado. Es obvio
que si D := X y, T : X Y es un operador lineal acotado entonces
T es cerrado. El recproco no siempre es cierto. En
 efecto, para mostrar
un Ejemplo que lo daremos como una Proposici
on que ilustra esta Afirmaci
on, mencionaremos un Teorema que es demostrado usualmente en los
cursos de An
alisis Real.
El Teorema dice lo siguiente:
Teorema 3.2.10 Sean I = [a, b], fn : I R una sucesi
on de
funciones y, f : I R una funci
on. Sup
ongase que:
fn f

si

puntualmente sobre I.

Sup
ongase tambien que fn es derivable sobre I
fn 0 g

si

n N y que adem
as

uniformemente sobre I

donde g : I R es una funci

on. Entonces, f es derivable sobre I y adem
as:
f 0 = g.
Note que el Teorema (3.2.10) fue usado en la soluci
on de nuestro Ejemplo
(2.3.9).
Recordemos tambien que C([a, b]) es un espacio de Banach con la norma
uniforme:

 DE OPERADOR CERRADO149
3.2. NORMAS EQUIVALENTES. NOCION

kf ku = sup |f (x)|
x[a,b]

y que


0
C ([a, b]) := f : [a, b] R tal que f existe y es continua sobre [a, b]
0



es un espacio vectorial. Tomando k ku 

, este se convierte en un
C 0 ([a,b])

espacio normado. El lector puede verificar que (C 0 ([a, b]), k ku ) no es necesariamente cerrado en C([a, b]). Tenemos ahora nuestra Proposici
on:
Proposici
on 3.2.11

El operador lineal:
T : C 0 ([0, 1]) C([0, 1])

definido por
T (f ) = f 0
es cerrado, pero no es acotado [f 0 representa la funci
on derivada de f ].
Demostraci
on.
Verificaremos
inicialmente que T es cerrado. En efecto, sea


fn

n=1

C 0 ([0, 1]) tal que:

fn f C([0, 1])

si n en k ku

y
T (fn ) = fn 0 g C([0, 1]) si n en k ku
Debemos ver que f 0 C 0 ([0, 1]) y que T (f ) = g. En efecto, de acuerdo al
Teorema (3.2.10) f es derivable sobre [0, 1] y adem
as:
f 0 = g.

CAPITULO 3. OPERADORES LINEALES ACOTADOS

150

Por otra parte, como la convergencia es uniforme y, las fn 0 son continuas,

se sigue que f 0 es continua y as f C 0 ([0, 1]). As, hemos demostrado
f C 0 ([0, 1]) y T (f ) = g. Lo cual muestra que T es cerrado.
Veamos ahora
  que T no es acotado. Para verificar esto, consideraremos la
sucesi
on

fn

n=1

C 0 ([0, 1]) donde:

fn (t) = tn .
Entonces, de la Definici
on de T vamos a tener que,
T (fn )(t) = fn 0 (t) = ntn1

(n N, t [0, 1]).

Luego,
kT k = sup
f 6=0

kT (fn )ku
sup n =
kfn ku
nN

lo cual muestra que T no es acotado.

De los cursos b
asicos de C
alculo sabemos que si D R y f : D R es
una funci
on [y = f (x)] el grafo de f denotado por G(f ) es el conjunto:


2
G(f ) := (x, y) R : x D, y = f (x)

el cual puede dibujarse usando tecnicas del C

alculo Diferencial. Este
hecho
nos motiva la siguiente Definici
on:
Definici
on 3.2.12
vectorial de X. Sea

Sean X y Y espacios normados y D un subespacio

T : X Y
un operador lineal. El grafo de T denotado por G(T ) es:


G(T ) := (x, y) X Y : x D, y = T (x) .
Es claro por la linealidad de T, que el elemento (0, 0) G(T ). Restringiendo
las operaciones de espacio vectorial de X Y sobre G(T ), este toma estructura de espacio vectorial. As, al restringir la norma de X Y sobre G(T ),

 DE OPERADOR CERRADO151
3.2. NORMAS EQUIVALENTES. NOCION
tambien se transforma en un espacio normado [La norma que estamos considerando en X Y es:
k(x, y)k = kxk + kyk,

(x, y) X Y ].

Sabemos por la Proposici

on (2.2.6) que si X y Y son espacios de Banach,
entonces X Y es tambien un espacio de Banach con la norma
k(x, y)k = kxk + kyk.
Por tanto, si G(T ) es cerrado en X Y, el es tambien un espacio de Banach.
Teorema 3.2.13
vectorial de X. Sea

Sean X y Y espacios normados y, D un subespacio

T : D Y
un operador lineal. Entonces
G(T ) es cerrado T es un operador cerrado
Demostraci
on.

) Sea

xn

n=1

D tal que:

xn x X

T (xn ) y

si

n .

Mostraremos que x D y, y = T (x). En efecto, de nuestra hip

otesis:
k(xn , T (xn )) (x, y)k = k(xn x, T (xn ) y)k
= kxn xk + kT (xn ) yk

+ =
2 2

si

n n0

as,
(xn , T (xn )) (x, y)

si

n .

CAPITULO 3. OPERADORES LINEALES ACOTADOS

152

Como (xn , T (xn )) G(T ) y G(T ) es cerrado, entonces (x, y) G(T ). Por
tanto, x D y, y = T (x).

) Sea

(xn , yn )

n=1

G(T ) tal que:

(xn , yn ) (x, y)

si

n .

Entonces, por la norma considerada en X Y vamos a tener que:

xn x X

si

y,
yn = T (xn ) y

si

Como T es un operador cerrado, vamos a tener que x D y adem

as
y = T (x). Por tanto, (x, y) G(T ) y as G(T ) es cerrado en X Y.

3.3. ALGUNOS EJEMPLOS DE OPERADORES LINEALES ACOTADOS153

3.3.

Algunos ejemplos de operadores lineales

acotados

Esta Secci
on contiene algunos Ejemplos de operadores lineales acotados.
Entre otros, mencionaremos el operador de Fredholm, la proyecci
on can
onica
y el operador Shift.
Tambien se da la noci
on de operador compacto y, un Teorema de extension de operadores.
Para tratar nuestro primer Ejemplo que ser
a el operador de Fredholm,
damos inicialmente la siguiente Definici
on:
Definici
on 3.3.1

Una funci
on continua:
k : [a, b] [a, b] R

tal que
M (b a) < 1
donde
M =

sup

k(x, y)

(x,y)[a,b][a,b]

se llama una funci

on con un n
ucleo aceptable de Fredholm.
Ejemplo 3.3.2 Sea K : [a, b] [a, b] R una funci
on con un n
ucleo
aceptable de Fredholm. Sea
K : C([a, b]) C([a, b]),
el operador lineal, definido como:
K(x)(s) =

Zb
a

k(s, t)x(t)dt

(x C[a, b]).

Este
K se llama el operador de Fredholm.
Observemos inicialmente que K(x) define una funci
on continua definida
sobre [a, b] [El lector puede verificar f
acilmente la linealidad y homogeneidad

CAPITULO 3. OPERADORES LINEALES ACOTADOS

154

 
de K]. En efecto, sean s [a, b] y sn
[a, b] tal que sn s si n .
n=1

Entonces, ya que f es una funci

on continua sobre [a, b] [a, b], dado > 0
existe un > 0 tal que:
|k(x, y) k(x0 , y 0 )| <

k(x, y) (x0 , y 0 )k < .

si

Ahora bien, como sn s si n para nuestro > 0 existe un n0 N tal

que:
|sn s| <

si

n n0 .

Por otra parte como:

k(sn , t) (s, t)k = k(sn s, 0)k = |sn s| <

si

n n0

entonces,
|k(sn , t) k(s, t)| <
en consecuencia,

(b a)kxku

(x 6= 0)

b

R

Rb

|K(x)(sn ) K(x)(s)| =  k(sn , t)x(t)dt k(s, t)x(t)dt
a


b

R

=  (k(sn , t) k(s, t))x(t)dt
a

Rb
a

|k(sn , t) k(s, t)| |x(t)|dt

kxku
< kxku

Rb
a

|k(sn , t) k(s, t)|dt

(b a) =
(b a)kxku

si n n0 , lo cual muestra la continuidad de K(x).

3.3. ALGUNOS EJEMPLOS DE OPERADORES LINEALES ACOTADOS155

Por otra parte

kK(x)ku =

sup |K(x)(s)| =

s[a,b]

b

R


sup  k(s, t) x(t)dt

s[a,b]

sup

Rb

s[a,b] a

|k(s, t)| |x(t)|dt

M (b a)kxku
< kxku

(x C([a, b]))

[M (b a) < 1]

x C([a, b])

lo cual muestra que K es un operador lineal acotado y que

kKk = sup
x6=0

Ejemplo 3.3.3

kK(x)ku
kxku
< sup
= 1.
kxku
x6=0 kxku

Sea
K : C([a, b]) C([a, b])

el operador de Fredholm. La transformaci

on
K n : C([a, b]) C([a, b])
definida por:
K n (x) = K n1 (K(x)),

n N, n > 1

es tambien un operador de Fredholm.

Basta demostrarlo para k = 2 y luego usar inducci
on sobre n. [si n = 1,
convenimos que K 0 = I, donde I denota la identidad de C([a, b]) en C([a, b])].
En efecto,

CAPITULO 3. OPERADORES LINEALES ACOTADOS

156

K 2 (x + y) = K(K(x + y)) = K(K(x) + K(y))

= K(K(x)) + K(K(y))
= K 2 (x) + K 2 (y)
y,
K 2 (x)

= K(K(x))

= K(K(x))
= K(K(x))
x, y C([a, b]), F.

= K 2 (x),
Por otra parte
K 2 (x)(s) = K(K(x))(s) =

Rb

k(s, t) K(x)(t)dt

Rb

k(s, t) x1 (t)dt

donde

x1 (t) = K(x)(t). As, K 2 es un operador de Fredholm.

Ejemplo 3.3.4

Sea
K : C([a, b]) C([a, b]),

el operador de Fredholm. Entonces, I K donde I denota el operador identidad de C([a, b]) en C([a, b]) es un operador lineal acotado. Ahora bien, nos
planteamos la siguiente pregunta:
Dada una funci
on y C([a, b]), Existe alguna funci
on x C([a, b]) tal
que:
(I K)(x) = y?.
Observe que

3.3. ALGUNOS EJEMPLOS DE OPERADORES LINEALES ACOTADOS157

(I K)(x) = y x(s)

k(s, t)x(t)dt = y(s).

a

La ecuaci
on
(I K)(x) = y
se llama la ecuaci
on integral de Fredholm. Existe una u
nica soluci
on para
dicha ecuaci
on y es la funci
on
x =

Kn

n=0

donde la serie

(y)

[k 0 = I]

K n define un operador lineal acotado de C([a, b]) en

n=0

C([a, b]).

Ejemplo 3.3.5 Sean (X, k k) un espacio de Banach y, M un subespacio

cerrado de X. Sabemos por el Teorema (1.2.13) que el espacio cociente
b = X/M es un espacio de Banach con la norma:
X
k[x]k = nf kx + mk
mM

(x X, [x] := x + M ).

Sea la transformaci
on
: X X/M
definida por:
(x) = [x].
Se puede verificar facilmente que es un operador lineal. Adem
as,
k(x)k = k[x]k = nf kx + mk kxk
mM

x X,

lo cual muestra que es acotado.

Al operador lineal acotado tambien se le llama la proyecci
on can
onica.

158

CAPITULO 3. OPERADORES LINEALES ACOTADOS

Ejemplo 3.3.6 Sea p 1. De acuerdo a nuestro Ejemplo (2.3.3) sabemos

que lp es un espacio de Banach con la norma
k(xn )
n=1 kp =

X
n=1

|xn |p

!1/p

Sea p = 2, y consideremos el diagrama siguiente:

Sd

l2

l2

Si

l2

donde Sd y Si son transformaciones definidas de la manera siguiente: Si

(x1 , x2 , . . . , ) l2 entonces,
Sd ((x1 , x2 , x3 , . . .)) = (0, x1 , x2 , x3 , . . .)
y,
Si ((x1 , x2 , x3 , . . .)) = (x2 , x3 , x4 , . . .).
as
Es f
acil verificar que Sd y Si son operadores lineales. Adem
2

kSd ((x1 , x2 , x3 , . . .))k2 =

esto es,
kSd (x)k2 = kxk2 ,

X
n=1

 

|xn | =
xn

x =

n=1 2

xn

As, Sd es un operador lineal acotado y kSd k = 1

Tambien:

n=1

l2 .

3.3. ALGUNOS EJEMPLOS DE OPERADORES LINEALES ACOTADOS159

kSi ((x1 , x2 , x3 , . . .))k2 =

luego,
kSi (x)k2 kxk2 ,

X
n=2

|xn |


x =

Se puede verificar tambien que:

xn

X
n=1

n=1

|xn |2

l2 .

kSi k = 1.

Estos operadores Sd y Si son llamados el operador Shift a la derecha y el

operador Shift a la izquierda respectivamente
Ejemplo 3.3.7 Sean X y Y espacios de Banach. Sabemos por la Proposicion (2.2.6) que X Y es tambien un espacio de Banach con la norma:


k(x, y)k = kxk + kyk,
(x, y) X Y .
Ahora bien, consideremos el diagrama:

X Y

Px

Py

donde Px y Py son transformaciones definidas como:

Px ((x, y)) = x
y
Py ((x, y)) = y

CAPITULO 3. OPERADORES LINEALES ACOTADOS

160

as,
Es f
acil verificar que Px y Py son operadores lineales. Adem
kPx ((x, y))k = kxk kxk + kyk = k(x, y)k
kPy ((x, y))k = kyk kyk + kxk = k(x, y)k
Por tanto, Px y Py son operadores lineales acotados y:
kPx k 1
kPy k 1
Note que:
Px ((x, y)) + Py ((x, y)) = x + y
Ejemplo 3.3.8 Sea a = t1 < t2 < . . . < tn1 < tn = b una partici
on del
intervalo I = [a, b]. Sea T la transformaci
on siguiente:
T : C([a, b]) Rn
T (f ) = (f (t1 ), f (t2 ), . . . , f (tn )).
Es claro que T es un operador lineal y:
2

kT (f )k =
Por otra parte, como

n
X
i=1

|f (ti )|2 .

|f (ti )| kf ku , i = 1, 2, . . . , n, entonces

kT (f )k2 nkf ku 2

n N, n fijo

f C([a, b]). As, T es un operador lineal acotado y:

kT k n
Ejemplo 3.3.9 [un Teorema de extensi
on para operadores lineales acotados]
Sean V un espacio normado, W un espacio de Banach y, V0 un subespacio
vectorial de V. Sea

3.3. ALGUNOS EJEMPLOS DE OPERADORES LINEALES ACOTADOS161

T0 : V0 W
un operador lineal acotado. Entonces, existe un u
nico operador lineal acotado
T : V0 W
tal que:
T | V 0 = T0
y as T es una extensi
on de T0 a V0 . Adem
as
kT kV0 = kT0 kV0
donde kT kV0 y kT0 kV son las normas de los operadores T y T0 calculadas
respecto de las bolas unitaras de V0 y V0 respectivamente. En lo que sigue
estas normas las denotaremos por kT k y kT0 k
Demostraci
on.

(a) Existencia Sea x V0 . Entonces, existe una sucesi

on

xn

n=1

V0

tal que kxn xk 0 si n . Ahora bien, ya que T0 es acotado

vamos a tener que:

kT0 (xn ) T0 (xm )k = kT0 (xn xm )k kT0 kkxn xm k 0

si n, m
as, la sucesi
on

kxn xm k 0

T0 (xn )

si

n, m

ya que

(xn )
n=1

es de Cauchy en W que por hip

otesis es

n=1

un espacio de Banach y por tanto, es convergente a un u

nico elemento
de W. Definamos una transformaci
on
T : V0 W
por

es convergente

162

CAPITULO 3. OPERADORES LINEALES ACOTADOS

T (x) = lm T0 (xn )
n

Notemos que T (x) es independiente

on elegida en V0 que
  de la sucesi
converja a x. En efecto, sea yn
otra sucesi
on en V0 tal que
n=1

yn x si n . Entonces xn yn 0 si n y en consecuencia
por la continuidad de T0 :
lm T0 (xn ) = lm T (yn ).

Es f
acil verificar la linealidad de T y que T |V0 = T0 [Por que ?]
b) Unicidad Sea
S : V0 W
otro operador lineal acotado tal que:
S|V0 = T0
Afirmamos que S = T. En efecto, sea x V0 y

xn

n=1

V0 tal que

on
xn x si n . Entonces, por la continuidad de S y de la Definici
de T obtenemos que:
S(x) = lm S(xn ) = lm T0 (xn ) = T (x)
n

por tanto S = T.
Mostraremos ahora que:
kT k = kT0 k
En efecto, recordemos inicialmente que:

3.3. ALGUNOS EJEMPLOS DE OPERADORES LINEALES ACOTADOS163

kT0 k =

sup
x V0
x 6= 0

kT0 (x)k
kxk

y
kT k

sup
x V0
x 6= 0

kT (x)k
kxk

Ahora
 bien, es claro que kT0 k kT k. Por otra parte, si x V0 y
xn
V0 tal que xn x si n , entonces
n=1

T (x) = lm T0 (xn )
n

Luego,
kT (x)k = k lm T0 (xn )k =

lm kT0 (xn )k
lm kT0 kkxn k

y en consecuencia, como lm kxn k = kxk obtenemos que:

n

kT (x)k kT0 kkxk

esto es,
kT k =

sup
x V0
x 6= 0

kT (x)k
kT0 k
kxk

Ejemplo 3.3.10 [Noci

on de operador compacto]
Sean X y Y espacios normados. Un operador lineal
T : X Y

CAPITULO 3. OPERADORES LINEALES ACOTADOS

164

se dice compacto, si para cada sucesi

on acotada xn
X la sucesi
on
n=1


contiene una subsucesi
on convergente. Un operador
de im
agenes T (xn )
n=1

lineal que es compacto se llama un operador compacto.

A continuaci
on mostraremos que el operador de Fredholm:
K : C([a, b]) C([a, b])

donde
K(x)(s) =

Zb

k(s, t)x(t)dt

es
operador compacto. [Ver el Ejemplo 3.3.10]. En efecto, sea

 un
C([a, b]) tal que:
xn
n=1

kxn ku M

para

n = 1, 2, 3, . . .


Mostraremos que la sucesi
on de im
agenes K(xn )
tiene las siguientes
n=1

propiedades:
(P 1) Es uniformemente acotada, esto es, existe una constante C > 0 tal
que:
kK(xn )ku C

para

n = 1, 2, 3, . . .

(P 2) Es equicontinua, esto es, dado > 0 existe un > 0 tal que:

|K(xn )(s) K(xn )(s0 )| <

si

|s s0 | <

para n = 1, 2, 3, . . .

y asen consecuencia
por el Teorema de Ascoli - Arzela quedar
a demostrado

contiene una subsucesi
on convergente.
que K(xn )
n=1

Verificaremos entonces (P 1) y (P 2)
(P 1) Como K es acotado,

3.4. COMENTARIO FINAL DEL CAPITULO 3

kK(xn )k kKkkxn ku kKkM <

165

para

n = 1, 2, 3, . . .

(P 2) Como k(s, t) es una funci

on uniformemente continua, dado > 0
existe un > 0 tal que:
|k(s, t) k(s0 , t)| <
Luego:

M (b a)

|s s0 | <

si




 b



R
Rb
0
0
K(xn )(s) K(xn )(s ) =  k(s, t)xn (t)dt k(s , t)xn (t)dt




a

 b

R

=  (k(s, t) k(s0 , t))xn (t)dt
a

3.4.

Rb
a

|k(s, t) k(s0 , t)||xn (t)|dt

M (b a) =
M (b a)

para n = 1, 2, 3, . . .

Comentario final del Captulo 3

Podemos decir que [1] es de mucha utilidad para comenzar el estudio con
sus origenes y aplicaciones de la teora de Operadores Lineales Acotados.
Para la Demostraci
on de la identidad
L(X, Y ) := B(X, Y )

(Proposici
on 3.2.7)

Hemos seguido a la dada en [8] de su Proposici

on 14 y mostrada en el
Captulo 1.
La noci
on de Operador de Fredholm fue tomada de [4] en el Captulo 3.
El concepto de Operador Compacto se tom
o de [5] en el Captulo 3.

CAPITULO 3. OPERADORES LINEALES ACOTADOS

166

3.5.

Ejercicios Propuestos

Esta Secci
on contiene una lista de Ejercicios que permiten complementar la Teora desarrollada anteriormente. Cuando la soluci
on del Ejercicio
requiera el uso de un concepto [no dado en la Teora desarrollada en las
Secciones previas] el mismo ser
a dado en el Ejercicio.
Presentamos a continuaci
on nuestros Ejercicios.
Ejercicios 3.5.1

Sea T B(X, Y ). Demostrar que si:



M (T ) := nf M : kT (x)k M kxk, x X

entonces,
M (T ) = kT k
Ejercicios 3.5.2 Sea T B(X, Y ). Demostrar lo afirmado en la Observaci
on 3.1.11(b), esto es,
sup
x6=0

Ejercicios 3.5.3

kT (x)k
= sup kT (x)k = sup kT (x)k
kxk
kxk1
kxk=1
on:
Sea A = (ai,j )mn Mmn . Demostrar que la funci
k k : Mmn R

definida por:
kAk =

n,m
X

i,j=1

|ai,j |

!1/2

es una norma sobre Mmn

Ejercicios 3.5.4

Sea T L(Rn , Rm ). Demostrar que

kT k kA(T )k

3.5. EJERCICIOS PROPUESTOS

Ejercicios 3.5.5

167

Dar un Ejemplo de un T L(Rn , Rm ) tal que:

kT k < kA(T )k

[Sugerencia: Considere el operador lineal T : R2 R2 definido por:

x
x
T = A
y
y

donde

A =

cos sen
sen

cos

Interpretar geometricamente el operador T.]

Ejercicios 3.5.6

Sea T : X Y un operador lineal. Demostrar que:

T es 1 1 N (T ) = {0}

Ejercicios 3.5.7

Sean X y Y espacios normados tales que:

dimX =

Y 6= {0}.

Demostrar que existe un operador lineal T : X Y que no es acotado

Ejercicios 3.5.8 Verificar que las siguientes transformaciones definen
operadores lineales acotados. Estimar kT k
a) T : Mmn Mmn

T (A) = At B

donde At denota la transpuesta de la matriz A y, B es una matriz fija

en Mmn .

b) T : C([0, 1]) R

T (f ) =

c) T : C 0 ([0, 1]) C([0, 1])

x fijo

R1

f (t)dt

T (f )(x) = xf 0 (x) donde x [0, 1],

CAPITULO 3. OPERADORES LINEALES ACOTADOS

168
1

d) T : l l

e) T : l1 c0



1p
T
xn
=
|xn |
2n
n=1
  
 
T
xn
= xn
n=1

n=1

n=1


  
1
f (0)
T (f ) = f
n
n=1

f ) T : C([0, 1]) c0
Ejercicios 3.5.9

 

Considere el diagrama:

l2

Sd

l2

Si

l2

donde Sd y Si son operadores lineales acotados dados en el Ejemplo 3.3.6.

Demostrar que:
a) Sd es 1 1 pero no es sobre.
b) Si es sobre pero no es 1 1.
c) Si Sd = I.
d) Sd Si 6= I.
e) Cu
al es N (Sd Si ) ?.
f ) Cu
al es el n
ucleo de Si ?.
Ejercicios 3.5.10
grama

Sean X, Y y Z espacios normados. Considere el dia-

3.5. EJERCICIOS PROPUESTOS

169

Y Z

L
T
X

donde T B(X, Y ), A B(X, Z) y, Y Z es el espacio normado definido

en la Proposici
on 1.2.8. El operador lineal L est
a definido como:


L(x) = T (x), A(x) ,
x X.
Demostrar que:

a) L B(X, Y Z) y que adem

as
kLk kT k + kAk
b) L es 1 1 N (T ) N (A) = {0}
Ejercicios 3.5.11 Dos espacios normados X y Y, se dicen isomorfos si
existe un operador T B(X, Y ) que es biyectivo y que adem
as
1
T B(X, Y ).
Demostrar que si X y Y son isomorfos con X siendo adem
as un espacio
de Banach, entonces Y es tambien un espacio de Banach.

CAPITULO 3. OPERADORES LINEALES ACOTADOS

170

Ejercicios 3.5.12 Dos espacios normados X y Y se dicen isometricamente isomorfos si existe un operador lineal T : X Y tal que:
T (X) = Y

y adem
as

kT (x)k = kxk, x X

Demostrar que si X y Y son isometricamente isomorfos entonces son isomofos.

Ejercicios 3.5.13 Se preserva siempre la separabilidad de un espacio
de Banach a traves de un isomorfismo isometrico?
Ejercicios 3.5.14 Consideremos el espacio vectorial Rn (n 2) dotado
de la norma usual Y. Sea:
M :=

(x1 , x2 , . . . , xn ) R

n
X
i=1
n

xi = 0 .

Demostrar que M es un subespacio cerrado de R , construir espacio cociente

Rn /M y hallar k[(1, 1, 1, . . . , 1)]k
Ejercicios 3.5.15

Resolver las siguientes ecuaciones integrales:

1

R2 1
5s
a)
= x(s)
s t x(t)dt
6
0 2
b) s = x(s)

Rs
0

(t s)x(t)dt

Ejercicios 3.5.16

Sean X y Y espacios normados y:



K(X, Y ) := T : X Y, T es un operador compacto .

Demostrar que:

a) K(X, Y ) es un subespacio vectorial cerrado de B(X, Y ).

b) Si Y es un espacio de Banach, es K(X, Y ) un espacio de Banach?
Ejercicios 3.5.17 Sean S un operador compacto y T un operador lineal
acotado. Sup
ongase que las composiciones S T y T S estan bien definidas.
Demostrar que ambas composiciones definen operadores compactos.

Bibliografa

171

172

CAPITULO 3. OPERADORES LINEALES ACOTADOS

Bibliografa
[1] Banach, S. Theory of Linear Operations, English translation by
F.Jellett, London, United Kingdom, 1987.
[2] Bartle, Robert. The elements of Real Analysis second edition. John
Wiley and sons. 1976
[3] Bollob
as, Bela. Linear Analysis An Introductory Course. Cambridge University Press. 1990.
[4] Davis, Martin. A first course in Functional Analysis. Gordon and
Breach. 1966.
[5] De Vito, Carl L. Functional Analysis and Linear Operator
Theory. Addison - Wesley publishing company. 1990
[6] Diestel, Joseph. Sequences and Series In Banach Spaces. Springer - Verlag. New York, Inc. 1984

[7] Grossman, Staley I. Algebra

Lineal con Aplicaciones. Mc. Graw Hill. Interamericana de Mexico S.A. 1992
[8] Habala, Pert; H
ajek, Pert; Zizler, V
aclav. Introduction to Banach
Spaces. matfypress, vydavatelstvi Matematicko - fyzik
alni fakulty univerzity Karlovy. 1996
[9] Leon M. Luis R. Minimizaci
on en Espacio de Hilbert y Espacios
de Banach. Trabajo de Ascenso. Merida - Venezuela. 2000
[10] Mazon Ruz, Jose M. C
alculo Diferencial. Teora y Problemas.
Mc Graw - Hill. Iteramaricana de Espa
na S.A. 1997
173

174

BIBLIOGRAFIA

[11] Merentes, N. y Rivas, S. El Operador de Composici

on en Espacios de Funciones con alg
un tipo de Variaci
on Acotada. Escuela Venezolana de Matem
aticas, Asociaci
on Matematica Venezolana.
Centros de Estudios Avanzados - I.V.I.C. Caracas. 1996
[12] Perez-Grasa, Isabel; Minguill
on C., Esperanza; Jarne J., Gloria. Matem
aticas para la Economa. Programaci
on matem
atica y sistemas din
amicos. Mc Graw - Hill. Iteramericana de Espa
na S.A.U.
2001
[13] White, A.J. Real Analysis an introduction. Addison - Wesley publishing company, Inc. 1968