Académique Documents
Professionnel Documents
Culture Documents
21 de mayo de 2009
Indice general
I Espacios Metricos 7
1. Espacios Metricos 8
2. Conceptos Topologicos 14
3. Lmites y Continuidad 17
6. Isomorfismos 33
7. Espacios Vectoriales 38
8. Espacios Normados 45
11.Funcionales Lineales 62
17.Series de Fourier 93
2
INDICE GENERAL 3
A. La Triyeccion 115
Repaso
def
2. (xn ) es de Cauchy
Th
3. (xn ) converge (xn ) es de Cauchy.
Th
4. (xn ) converge su lmite es unico.
def
5. (xn ) es acotada R > 0 tal que
not
n 1, |xn | < R {xn |n 1}
es un conjunto acotado.
Th
6. (xn ) es de Cauchy (xn ) es acotada (pero no en el otro sentido).
7. NOTA: Sea A R:
def
(i) A es acotado por abajo
C1 R tal que x A, C1 x
C2 R tal que x A, x C2
4
(ii) Sea 6= , f : R es una funcion acotada
def
Im(f ) es un conjunto acotado
th
R < 0 tq x |f (x)| < R
def
(iii) sup A = mas pequena de las cotas superiores, si A es acotado por
arriba y + si no.
def
Si sup A A se llama maximo de A, i.e. en este caso max A =
sup A <
Si sup A / A se escribe @ max A
def
nf A = mas grande de las cotas inferiores de A, si A es acotado por
abajo y si no.
Si nf A A se le llama mnimo de A (en este caso mn A = nf A)
Si nf A / A, entonces @ mn A.
Ejercicios
1. Pruebe que (xn ) es de Cauchy y que converge usando las definiciones
n+1
(xn ) =
2n + 21
n + sin n
(xn ) =
2n + 3
2
2n 7
(xn ) =
5n2 + 8
3n2 1
(xn ) =
n2 + n + 1
cos2 n
(xn ) =
1 + n2
2
4n + 3n
(xn ) =
2n2 + 1
2. Pruebe que:
3. Pruebe que sin y cos son funciones acotadas. Tienen maximo y mnimo?
|x + 5| < 12 x
x + 1
x 1 > 1
7. Grafique el conjunto A:
A = {(x, y) R2 | |x + y 1| + |x 2y 3| = 5}
A = {(x, y) R2 | |x2 3y + 1| = 1}
A = {(x, y) R2 | |x + y 1| + |y x2 | 5}
6
Parte I
Espacios Metricos
7
Captulo 1
Espacios Metricos
Ejemplos
1. Si para x, y R ponemos d(x, y) = |x y|, entonces d es una distancia en
R, llamada distancia natural o usual. Con la misma definicion para d se
obtiene una metrica en C, siende en este caso |x y| el modulo de x y.
xN
y1
y2 N
... = (y1 , y2 , ..., yN ) K
y=
yN
8
y ponemos: v
uN
uX
d2 (x, y) = t |xk yk |2
k=1
N
X
d1 (x, y) = |xk yk |
k=1
v
uN
uX
p
dp (x, y) = t |xk yk |p , 1 p <
k=1
3. Sea X 6= y (
1 si x 6= y
d(x, y) =
0 si x = y
para x, y X, entonces (X, d) es un espacio metrico. A d se le llama
metrica discreta.
K
= {(xn ) K
| (xn )es acotada}
9
Entonces, si ponemos para (xn ), (yn ) K
p :
v
u
uX
dp ((xn ), (yn )) = t
p
|xk yk |p , 1 p <
k=1
Ejercicios
p
1. Si para x, y R se pone d(x, y) = |x y|, pruebe que (R, d) es un
espacio metrico.
o tambien
d(x, z) d(x, y) + d(y, z)
10
2. Si d(x, y) = (x y)2 , es (R, d) un espacio metrico?
8. Sean N 2; ak , bk , ck R, k 1, ..., N .
Pruebe que
es la desigualdad de Holder.
En particular v v
N
X
uN
uX
uN
uX
|xk yk | t 2
|xk | t |yk |2
k=1 k=1 k=1
11
la desigualdad de Holder.
En particular v v
X u u
uX uX
|xk yk | t |xk |2 t |yk |2
k=1 k=1 k=1
la desigualdad de Cauchy-Schwarz.
11. Pruebe que x = (x1 , ...xN ) KN ,
N
!2 N
X X
|xk | N |xk |2
k=1 k=1
12
19. Pruebe que:
(a) en la definicion de metrica se puede omitir (M1), ya que resulta de
(M2), (M3) y (M4)
(b) (M3) y (M4) pueden ser obtenidos de (M2) y de (M5)
13
Captulo 2
Conceptos Topologicos
NOTA: B
er (a) es la union disjunta de Br (a) y Sr (a)
Ejemplos
1. En (R, d), donde d es la distancia usual (d(x, y) = |x y|),
er (a) = [a r, a + r],
B
Sr (a) = {a r, a + r}.
Conceptos Topologicos
Definicion 4. Sea (X, d) un espacio metrico. Sean M X, M 6= ; A, B X
14
2. M = {x M | xes punto interior de M} = interior de M.
3. A es abierto si A = o si A = A. Es decir que A es abierto si todos sus
puntos, de tenerlos, son punos interiores de A.
Dicho de otro modo A es abierto si
15
Pruebe que las dos definiciones son equivalentes!
Si Ma = {x X | x es punto de acumulacion de M}, al conjunto M =
M Ma se le llama clausura de M .
Ejercicios
1. Grafique S1 ((0, 0)), la esfera unidad en (R2 , dp ), para p {1, 1,5, 2, 3} y
para d . Como se comporta S1 ((0, 0)) dibujado para dp si p 1+ y si
p +?.
2. Describa en C[0, ] = (c[0, ], d ), los conjuntos S2 (cos), B2 (cos), B
e2 (cos).
4. Pruebe que toda bola abierta es un abierto y que toda bola cerrada es un
cerrado.
5. Pruebe que si (X, d) es un espacio metrico y M X, entonces:
(a) Ma es cerrado,
(b) M es cerrado,
(c) M es cerrado M = M ,
(d) a M r > 0 Br (a) contiene al menos un punto de M ,
(e) F X es cerrado y M F M F , (M es el mas pequeno cerrado
que contiene a M ),
(f ) si A B X entonces Aa Ba , y ,por ende A B,
(g) A B = A B,
(h) A B A B.
6. Sea (X, d) un espacio metrico. Sean A, M X no vacos. Supongamos
que A es abierto. Pruebe que:
(a) A M = A M = ,
(b) M = M M , donde M = {x X | xes un punto de frontera deM
= frontera de M (x X es punto de frontera de M si r > 0, Br (x)
contiene al menos un punto de M y al menos un punto de CM ),
(c) M es abierto M es la union de bolas abiertas.
7. Pruebe que en R, si a, b R, a < b, [a, b] no es abierto, [a, b[, ]a, b] no son
abiertos ni cerrados; {a} no es abierto, {a} es cerrado, [a, b] es cerrado y
]a, b[ es abierto.
8. Realice los ejercicios indicados en los numerales 4, 5 y 8 de la definicion 4.
16
Captulo 3
Lmites y Continuidad
l = lm o f (x) l
xx 0
xx0
ssi
> 0 > 0 tal que 0 < dx (x, x0 ) < dy (f (x), l) <
(en esta definicion esta implcito que x D(f )).
Si ademas x0 D(f ) y si f (x0 ) = l, se dice entonces que f es continua en x0 .
NOTA:
Para que f sea continua en x0 se requiere que
x0 X, f es continua en x0 .
f 1 (B) = {x X | f (x) B}
17
1. Si F : A B es inyectiva, existe F 1 : B A, la funcion inversa de
F definida as: D(F 1 ) = Im(F ), Im(F 1 ) = D(F ), F 1 (y) = x ssi
F (x) = y.
Entonces
x B (x0 ) x f 1 (B)
por lo que
B f 1 (B).
Basta entonces tomar
r = .
18
Existe entonces r > 0 tal que Br (x0 ) f 1 (B).
Por lo tanto
x Br (x0 ) x f 1 (B) f (x) B = B (y0 ).
Esto quiere decir que
dx (x, x0 ) < r dy (f (x), y0 ) <
Basta entonces tomar
= r.
Ejercicios
1. Sea (X, d) un espacio metrico. Sea A X, A 6= . Pruebe que:
A es abierto A es la union de bolas abiertas.
2. Pruebe que si (X, d) es un EM con la metrica discreta, entonces A X,
A es abierto y cerrado a la vez.
3. Describa M si:
(a) M = Q en R
(b) M = Q + iQ en C
(si A, B R, A + iB = {x + iy | x A, y B} C)
(c) M = {z C | |z| < 1}, en C
19
8. Pruebe que (X,d) es separable ssi existe A X, un conjunto numerable
tal que
> 0 y A B (x).
20
Captulo 4
Sucesiones convergentes, de
Cauchy y acotadas
Sucesiones
Notemos que si X 6= , los elementos de X 2 , X 3 , X 4 , X 5 , etc. son pares,
tros, cuadruples, quntuples, etc. de elementos de X.
En general (x1 , x2 , ..., xN ) X N , N 1, es un N-tuple ordenado de elemen-
tos de X.
Es decir que a la entrada o casillero numero 1 de (, , ..., ) le asignamos el
elemento x1 , a la numero 2 el elemento x2 , ..., etc. y al casillero numero N le
asignamos el elemento xN .
Esto quiere decir que al tomar un elemento (x1 , x2 , ..., xN ) de X N , lo que
hacemos es asociar a cada entero k {1, 2, ..., N }, un elemento xk de X.
Pero esto es lo que hace una funcion
x : {1, 2, ..., N } X, n 7 x(n) = xn .
Por ello a cada elemento de X N lo podemos ver como una funcion
x : {1, 2, ..., N } X, n 7 xn .
Si en vez de {1, 2, ..., N }, tomamos como domimio de la funcion a N, es decir si
tomamos funciones
x : N X, n 7 xn ;
a cada funcion de este tipo le asociamos un -tuple (x1 , x2 , ...), llamado en
realidad no as sino sucesion de elementos de X.
Al conjunto de sucesiones de elementos de X lo notaremos X y a la sucesion
(x1 , x2 ) la notaremos (xn ).
(xn ) X quiere decir que (xn ) puede ser vista como una funcion
x : N X, n 7 xn .
Sucesiones convergentes
Para una funcion f : R R y un numero l R, tenamos que
l = lm f (x),
x
21
si l poda ser aproximado con los valores f (x) con la presicion que se deseara.
Para ello bastaba tomar x suficientemente grande. Esto se escribe
l = lm f (x) > 0 R > 0 tal que x > R() |l f (x)| < (4.1)
x+
l = lm f (x) > 0 R > 0 x D(f ), x > R() d(l, f (x)) < (4.3)
x+
Esto se nota
l = lm an o an l o an l,
n
n
Sucesiones de Cauchy
Dada la importancia de las sucesiones convergentes y lo inutilizable de la
definicion para averiguar si una sucesion numerica es convergente (puesto que
se requerira adivinar cual es el lmite y recien ah ver si > 0 N...), se vio
la necesidad de hallar criterios de convergencia de facil aplicacion.
Estos son en general condiciones suficientes que garantizan la convergencia
de una sucesion, sin conocer su lmite.
22
Por ejemplo:
(1) Una sucesion no decreciente y acotada por arriba es convergente;
(2) Una sucesion no creciente y acotada por abajo es convergente.
Cauchy descubrio el siguiente criterio:
A las sucesiones que cumplen esta propiedad se las llama ahora sucesiones de
Cauchy. Algo extraordinario es que esta condicion no es solo suficiente sino
tambien necesaria para la convergencia de sucesiones numericas. Se tiene pues
el:
(an )es de Cauchy > 0 N N tal que n, m > N () d(an , am ) <
(4.6)
pero no al reves.
(Para probar : halle un espacio metrico y una sucesion que sea de Cauchy
pero que no converja).
NOTA IMPORTANTE: la convergencia o no de una funcion o, en par-
ticular, de una sucesion, as como el ser o no de Cauchy, depende del espacio
metrico donde se trabaje.
Una sucesion, digamos (an ) Y , puede ser convergente en un espacio (X, d1 )
y divergente en otro espacio (Y, d), Y X).
El lector puede probar el siguiente:
23
2. (an ) es convergente en (Y, d) (an ) es convergente en (X, d).
3. (an ) es convergente en (Y, d) : (an ) es convergente en (X, d).
Si converge en (Y, d) hacia l, en (X, d) tambien converge a l.
NOTA:
1. En la definicion de sucesion de Cauchy (4.6) se puede poner
en vez de
n, m > N () d(an , am ) < .
Esto se debe a la simetra de d y a que
Conjuntos Acotados
Recordemos que si A R, se dice que A es acotado si A es acotado por
arriba (c2 R tal que x A, x < c2 ) y A es acotado por abajo (i.e. c1 R
tal que x A, c1 < x). Por ello:
1. A es acotado c1 , c2 R tales que c1 < c2 y x A, c1 < x < c2 .
2. A es acotado c1 , c2 R tal que c1 < c2 y x A, x ]c1 , c2 [.
3. A es acotado a R, r > 0 x A, a r < x < a + r.
4. A es acotado a R, r > 0 tales que x A, x ]a r, a + r[.
5. A es acotado a R, r > 0 tales que x A, x Br (a).
6. A es acotado a R, r > 0 tales que A Br (a).
7. A es acotado R > 0 tal que x A, R < x < R.
8. A es acotado R > 0 tal que x A, |x| < R.
9. A es acotado R > 0 tal que x A, x Br (0).
10. A es acotado R > 0 tal que A Br (0).
Sugerimos al lector divertirse verificando estas equivalencias.
Por ejemplo, si conocemos c1 y c2 tome a = c1 +c 2
2
el punto medio del intervalo
c2 C1
]c1 , c2 [ y r = 2 , la mitad de la longitud de ]c1 , c2 [.
Si reemplazamos R con un conjunto no vaco X, dotado de una metrica d,
podemos usar (6) para generalizar el concepto de conjunto acotado:
24
Definicion 12. Sean (X, d) un espacio metrico, A X. Entonces
NOTA:
D(A) = sup{d(x, y) | x, y A}
(b) (an ) X es una sucesion acotada ssi {an | n 1} es acotado en (X, d).
NOTA:
25
(a) f : X es acotada
ssi existe a X, r > 0 tales que Im(f ) Br (a), ssi a X, r > 0 tales
que x D(f ), f (x) Br (a).
NOTA:
3. El espacio metrico (R, d), donde d es la distancia usual dada por d(x, y) =
|x y|, es especial en el sentido que (xn ) es de Cauchy (xn ) es conver-
gente.
A los espacios que cumplen con esta propiedad se los llama completos. Su
nombre se explica porque una sucesion (xn ) que sea de Cauchy, no converge si
al conjunto X le falta un punto l que sera el lmite de (xn ). Una sucesion
de Cauchy es casi convergente, entonces tenemos la siguiente:
Subsucesiones
Si (nk ) N es una sucesion estrictamente creciente y si para X 6= , (xn )
X a la composicion de x : N X; n 7 xn con n : N N k 7 nk , que se
nota (xnk ), se le llama subsucesion de (xn ) y se escribe (abreviadamente, si se
quiere) (xnk ) (xn ). Notemos que al ser (nk ) estrictamente creciente, se tiene
que
k 1 k nk .
Ejemplos
26
Ejercicios
Sea (X, d) un espacio metrico.
1. Sea (xn ) X convergente. Sea l = lmn xn . Pruebe que toda sub-
sucesion de (xn ) converge hacia l.
2. Sea (xn ) X una sucesion de Cauchy que posee una subsucecion (xnk )
convergente. Sea l = lmk xnk . Pruebe que l = lmn xn .
3. Sea (xn ) X . Pruebe que
(xn ) es convergente (xn ) es de Cauchy (xn ) es acotada
(xn ) es convergente : (xn ) es de Cauchy : (xn ) es acotada
4. Suponga conocido que(R, d) es completo. Pruebe que(R2 , d2 ) es completo.
5. Sea (X, dx ), (Y, dy ) dos espacio metricos completos. Si
1
d((x, y), (u, v)) = max{3dx (x, u), dy (y, v)},
5
pruebe que (X Y, d) es completo.
D = {d | d : X 2 R es una metrica,
10. Para x, y R sea d(x, y) = | arctan x arctan y|. Pruebe que (R, d) es un
espacio metrico incompleto.
11. Pruebe que si a < b, [a, b[, ]a, b] y ]a, b[ con la distancia usual d, dada por
d(x, y) = |x, y|, son incompletos y que ([a, b], d) es completo.
27
Captulo 5
2. M es cerrado [(xn ) M , xn l l M ].
Para n N tomamos = n1 y xn = x( n1 ) M .
Entonces
1
n 1, 0 d(xn , x) < ,
n
de donde por el teorema del Sanduche,
lm d(xn , x) = 0,
n
y por lo tanto
xn x, con (cn ) M .
(a) x M x M Ma = M x M .
28
(b) x
/ M . Como
(xn ) M tal que xn x
entonces
Probemos que x Ma :
Sea r > 0. Debemos hallar
Basta tomar
y(r) = xn con n > N (r)
(como (xn ) M , y(n) M , y como x
/ M , xn 6= x).
2. () Supongamos que M es cerrado.
Sea (xn ) M . Supongamos que xn l. P.D. l M .
Por (1) () tenemos que l M .
Como M es cerrado, sabemos que M = M , entonces l M .
() Supongamos que
[(xn ) M , xn l l M ].
P.D. M M .
Sea x M . P.D. x M .
Por (1) ():
Por la hipotesis, x M .
29
1. El subespacio (Y, d) es un espacio metrico completo Y es un conjunto
cerrado en (X, d).
Nota: 1. no requiere que (X, d) sea completo, pero de serlo podemos escribir:
(Y, d) es completo Y es cerrado en (X, d).
Teorema 19. (de la funcion continua.) Sean (X, dx ), (Y, dy ) dos espacios
metricos. Sea f : X Y una funcion y sea a D(f ) D(f )a . Entonces
30
Nota: Recordemos que:
(i)
f es continua en a 0 > 0 > 0 tal que
dx (x, a) < (0 ) dy (f (x), f (a)) < 0
(ii)
xn a en (X, dx ) limn dx (xn , a) = 0
1 > 0 N1 tal que
n > N1 (1 ) dx (xn , a) < 1
(iii)
f (xn ) f (a)en (Y, dy ) limn dy (f (xn ), f (a)) = 0
2 > 0 N2 tal que
n > N2 (2 ) dy (f (xn ), f (a)) < 2 .
31
Ejercicios
1. Sea a < b. Pruebe que ] , b], [a, b] y [a, +[ son completos, mientras
que ] , b[, [a, b[, ]a, b[, ]a, b] y ]a, [ son incompletos, con la distancia
usual en todos los casos.
es decir (
(n) k 2 si 1 k n
xk = .
0 si k > n
32
Captulo 6
Isomorfismos
33
3. En resumen, un isomorfismo entre espacios vectoriales es una biyeccion
lineal entre ellos.
Definicion 22. Sean (X1 , d1 ), (X2 , d2 ) dos espacios metricos. Ellos son iso-
morfos (en tanto que espacios metricos) si : X1 X2 biyectiva y tal que:
NOTA:
Ejemplos
|u v|
1. Sea X1 = [0, 1], d1 (x, y) = |x y|; X2 = [a, b], d2 (u, v) =
.
ba
Ver que si ponemos (x) = a + (b a)x entonces : X1 X2 es un
isomorfismo.
En efecto, es obviamente biyectiva y
x, y X1 ,
1
d2 ((x), (y)) = |[a + (b a)x] [a + (b a)y]|
ba
= |x y|
= d1 (x, y).
34
entonces es un isomorfismo de los espacios metricos (P2 , d) y (R3 , d1 ),
donde
3
X
d1 (u, v) = |uk vk |,
k=1
si
u1 v1
u = u2 , v = v2 .
u3 v3
M = M Ma = M (Ma \ M ) = M (M \ M ).
Para cerrar M le anadamos los puntos que le faltan para ser cerrado, que son
los del conjunto
M \ M = Ma \ M = M \ M.
Esos puntos se toman de X, el universo donde estamos trabajando.
Analogamente, si un espacio metrico (X, d) es incompleto, quiere decir que
existe al menos una sucesion de Cauchy (que es una excelente candidata a ser
convergente), que no converge. Por que?.
Porque en el conjunto X no existe un elemento que sera el lmite de dicha suce-
sion. Por eso decimos que el espacio es incompleto.
Si deseamos completarlo, deberamos anadirle los elementos que seran los lmites
de las sucesiones de Cauchy que no convergen. Pero de donde tomarlos, si X ya
es el universo entero donde trabajamos?.
El teorema del subespacio completo nos da la respuesta en el caso en que
el espacio incompleto sea (Y, d) un subespacio de un espacio completo (X, d).
Basta cerrar el conjunto Y en (X, d) y (Y , d) sera el completado buscado.
Pero si el espacio incompleto no esta inmerso en un espacio completo mas
grande, esta va no es posible. Como proceder en este caso?. Es posible hallar
una solucion al problema de completar un espacio incompleto, digamos (X, d)?.
La respuesta, sorprendentemente, es afirmativa: se lo logra construyendo un
espacio paralelo (X1 , d1 ) que sea completo y que contenga un subespacio denso
(Y, d1 ) que sea isomorfo a (X, d).
Como Y = X1 en (X1 , d1 ), de alguna manera se replica la idea enunciada antes
para un subespacio incompleto de un espacio completo.
35
De hecho tenemos el
Teorema 23. (del Completamiento de un espacio metrico). Sea (X, d) un espa-
cio metrico incompleto. Entonces existe (X1 , d1 ), un espacio metrico completo
en el cual existe un subconjunto no vaco Y denso en (X1 , d1 ) (es decir que si
Y es la clausura de Y en (X1 , d1 ), entonces X1 = Y ), de modo que (X,d) es
isomorfo a (Y, d1 ). Al espacio (X1 , d1 ) se le llama completamiento o com-
pletado de (X, d) y es unico, salvo isomorfismos.
Es decir que si existe otro espacio, digamos (X2 , d2 ), que sea completo y posea
un subconjunto W denso en (X2 , d2 ) y tal que (X, d) sea isomorfo a (W, d2 ),
entonces los espacios (X1 , d1 ) y (X2 , d2 ) son isomorfos.
Demostracion. Existencia: Sea Xc = {(xn ) X | (xn ) es de Cauchy en(X, d)}.
Para (xn ), (yn ) Xc pongamos:
def
(xn ) (yn ) lm d(xk , yk ) = 0.
k
d1 ((x
d n ), (yn )) = lm d(xn , yn ).
d
n
36
Sean : X Y y : X W isomorfismos y supongamos que
X1 = Y , la clausura de Y en (X1 , d1 ),
X2 = W , la clausura de W en (X2 , d2 ).
Sea 0 : Y W , 0 = 1 .
Obviamente 0 es un isomorfismo entre (Y, d1 ) y (W, d2 ).
Sea u X1 = Y .
Entonces
(un ) Y tal que d1 (un , u) 0.
Sea vn = 0 (un ), n N.
Como (un ) converge, entonces (un ) es de Cauchy en (X1 , d1 ), y como 0
es una isometra, (vn ) es de Cauchy en (X2 , d2 ).
Pero este espacio es completo, entonces
v X2 tal que d2 (vn , v) 0.
Sea (u) = v.
Pruebe el lector que esta bien definida (no depende de la sucesion (un )
tomada para cada u X1 ) y que : X1 X2 es un isomorfismo.
Esto concluye el esquema de demostracion del teorema.
Ejercicios
1. Sea (Q, d), con la distancia usual d. Pruebe que es incompleto y que (R, d)
es un completado de (Q, d).
2. Sea a < b. Halle dos completados distintos para (]a, b], d), donde d es la
distancia usual. (Por ejemplo tome X1 = [0, 1], X2 = [1, 3] y halle d1 y d2
convenientes).
3. Pruebe que si (X1 , d1 ) y (X2 , d2 ) son isomorfos, entonces
(X1 , d1 ) es completo (X2 , d2 ) es completo.
Definicion 24. Sean (X, dx ), (Y, dy ) dos espacios metricos. Una funcion
: X Y es un homeomorfismo si es biyectiva y bicontinua, es
decir que tanto como 1 son continuas.
4. Pruebe que:
(a) (X, dx ) e (Y, dy ) son isomorfos (X, dx ) e (Y, dy ) son homeomorfos.
(b) De un ejemplo de 2 espacios homeomorfos, el uno completo y el otro
no. (lo que implica que en (a) la recproca no siempre tiene lugar,
dado el resultado del ejercicio 3).
5. Pruebe que C[0, 1] y C[a, b] son isomorfos.
6. Sea (X, d) un espacio metrico. Sea d = d/(1 + d). Pruebe que
es completo.
(X, d) es completo (X, d)
37
Captulo 7
Espacios Vectoriales
+ : X 2 X, (x, y) 7 x + y
: K X X (, x) 7 x.
(M1) Asociatividad: , K, x X, ( x) = () x.
(M2) El 1 es neutro multiplicativo: x X, 1 x = x.
(D) Distributividades:
(D1) K, x, y X, (x + y) = x + y
(D2) , K, x X, ( + ) x = x + x.
NOTAS:
38
(1) (C) , K, x, y X, x + y X
N 2, 1 , ..., N K, x1 , ..., xN X, 1 x1 + ... + N xN X.
(2) (S) (X, +) es un grupo aditivo abeliano.
(3) El neutro aditivo , llamado tambien vector cero, es unico. En efecto:
u, v X, u + v = u v = .
(4) x X, su inverso aditivo x es unico. Ademas u = (1) u.
(5) x X, 0 x = y K, = .
(un ) = (uk ).
6. El super ejemplo:
Sean 6= , (F(, K) = {f : K | D(f ) = . (F(, K), +, ) es un
espacio vectorial sobre K si para f, g (F(, K) y K ponemos:
f : K, x 7 ( f )(x) = f (x).
39
7. Sea N {1, 2, 3}. Sea V = {v | v = AB es una flecha dibujada en E N ,
que es el segmento dirigido AB con inicio en A E N y fin en B E N }.
Dadas u, v V pondremos kuk y kvk a la longitud de u y v, respectiva-
mente. Entonces escribiremos
u = v kuk = kvk,
Notamos ~0, llamado vector cero, a la clase de los segmentos cuyo inicio y
fin coinciden.
Obviamente k~0k = 0 y los elementos de ~0 no tienen direccion ni sentido.
En V N se define la suma
+ : V N V N V N (~u, ~v ) 7 ~u + ~v = w
~
: R V N V N , (, ~u) 7 ~u = w,
~
Subespacios Vectoriales
Dado un espacio vectorial (EV) sobre K(X, +, ) y un subconjunto no vaco Y
de X, nos preguntamos si Y, con las restricciones naturales de + y , se convierte
en espacio vectorial. Es decir nos preguntamos si (Y, + |y2 , |KY ) es un EV.
La respuesta es que no siempre es as, pero tenemos el siguiente:
Teorema 25. del Subespacio Vectorial: Sea (X, +, ) un EV sobre K y sea
Y X; Y 6= . Entonces (Y, + |y2 , |KY ) es un EV sobre K ssi:
(CS) para Y: x, y Y , x + y Y
(CM) para Y: K, x Y , x Y .
40
En este caso al tro (Y, + |y2 , |KY ) se le nota simplemente (Y, +, ) y se le
llama subespacio vectorial de (X, +, ). Por simplicidad se dice Y es SEV de
X.
NOTA:
1. Es facil probar que se cumplen las propiedades (S), (M) y (D). En partic-
ular:
2. Si
/ Y obviamente (Y, +, ) no es un subespacio vectorial.
Combinaciones lineales
Definicion 26. En un EV (X, +, ) sobre K. Dados N 1, 1 , ..N K,
v1 , ..., vN X, al vector 1 v1 + ... + N vN se le llama combinacion lineal de
v1 , ..., vN con coeficientes o pesos 1 , ..., N .
Se nota
XN
k vk = 1 v1 + ... + N vN
k=1
41
NOTA: Es facil ver que v1 , ..., vN son l.i. ssi:
N
X
(1 , ..., N ) KN , k vk = 1 = 2 = ... = N = 0
k=1
Dimension
Definicion 29. Si para un EV sobre K, (X, +, ), X 6= {} existe un N N de
modo que v1 , ..., vN X l.i. y cualquier subconjunto de X que contenga N + 1
vectores sea l.d. se dice que X es de dimension finita y que N es la dimension
de X, lo que se nota
dim(X) = N.
En caso contrario se dice que X es de dimension infinita y se escribe
dim(X) = .
Por definicion dim({}) = 0 y tambien es considerado de dimension finita.
NOTA: Si dim(X) = N N, entonces N es el maximo numero de vectores
l.i. que podemos hallar en X y por otra parte es el mnimo numero de vectores
necesarios para generar todo X.
Nos preguntamos, dado un EV (X, +, ), si existe B X de modo que
X = Gen(B) es decir si x X puede escribirse como una combinacion lineal
de elementos de B. Obviamente siempre existe un tal B (basta tomar B = X).
Pero si adicionalmente queremos que la representacion de cada x X como
combinacion lineal de elementos de B sea unica, necesitaremos que B sea l.i.
(Pruebelo!).
En este caso diremos que B es una base de Hamel de X. Tenemos la
Definicion 30. B X es una base de Hamel de X ssi
1. B es l.i. y
2. X Gen(B).
NOTA:
1. En este caso
N
X
x X !N 1 !1 , ..., N K, !v1 , ..., vN B tales que x = k vk
k=1
42
Propiedades de los EV de dimension finita
Teorema 31. Sea (X, +, ) un EV sobre K de dimension finita N N {0}.
Si Y X es un SEV propio de X (i.e. Y 6= X), entonces
Pruebelo!.
Definicion 32. Si B = {v1 , ...vN } X es una base de Hamel de X, como
N
X
x X! KN tal que = (1 , ..., N ), x = k vk ,
k=1
Ejercicios
1. Para n 1 pruebe que RN y CN son espacios vectoriales sobre R y C,
respectivamente, de dimension N.
2. Pruebe que si (V, +, ) es un espacio vectorial sobre K {R, C}:
(a) 0x = x V ;
(b) = K;
(c) (1)x es el inverso aditivo de x, x V ;
(d) Notamos al neutro aditivo. Pruebe que este es unico (i.e. que u, v
V tal que u + v = u v = ).
3. Describa Gen({(1, 1, 1), (0, 0, 1)}) en R3 (el espacio generado por esos dos
vectores).
4. Diga cual de los siguientes subconjuntos de R3 es un subespacio vectorial
de R3 y el por que de su respuesta.
(a) {(x1 , x2 , x3 ) | x1 = x2 , x3 = 0}
43
(b) {(x1 , x2 , x3 ) | x2 = x3 + 1}
(c) {(x1 , x2 , x3 ) | x1 , x2 , x3 0}
(d) {(x1 , x2 , x3 ) | 2x1 3x2 + 5x3 = k} donde k es constante.
5. Sea PN (K) = {p : K K | p es un polinomio de grado N }, N
0. Pruebe que PN (K) es un espacio vectorial sobre K {R, C} y que
{e0 , e1 , ..., eN } es una base (llamada canonica) de PN (K) : ek (t) = tk
k 0.
6. Sea V un espacio vectorial sobre K de dimension N N, y sea B =
{v1 , ..., vN } una de sus bases. Halle una base de V visto como espacio
vectorial real y calcule su dimension.
7. Sea X un EV sobre K; Y y Z dos subespacios vectoriales (SEV) de X.
Pruebe que Y Z tambien lo es, y de ejemplos cuando Y Z lo es y
cuando no lo es.
8. Sea X un EV y sea M 6= , M X. Pruebe que Gen(M ) es un SEV de
X.
9. Sea MM N (K) el conjunto de matrices de M filas y N columnas definidas
para K {R, C}. Pruebe que MM N (K) es un EV sobre K.
Halle una base.
De ejemplos de SEVs de este EV.
Si S = {A MN N | M es simetrica } y si T = {A MN N | A es
singular }, diga si S y T son SEVs de MN N . (M, N N).
10. Sea X un EV sobre K y sea Y X un SEV de X. Sea para x X,
b = {x + y | y Y }
x
Pruebe que X/Y = {b x | x X} es una particion de X (i.e. los elementos
de X/Y son 2 e 2 disjuntos y su union es X).
Sea, para x, y X, K:
x + y; x
b ] yb = x[ x
b = d
Pruebe que (X/Y, ], ) es un EV sobre K, al que llamaremos espacio
cociente de X sobre Y, y a su dimension dim(X/Y ) =: codimY (en X),
codimension de X en Y.
Note que si ponemos x y y Y tal que x = z + y, entonces es
una relacion de equivalencia y sus clases de equivalencia son justamente
los elementos de X/Y .
11. Sea X = R3 . Halle X/Y si
(a) Y = R3
(b) Y = {0, 0, 0}
(c) Y = Gen({(1, 1, 0)}).
12. Pruebe que el conjunto de soluciones de la EDO ay 00 + by 0 + cy = 0, con
a, b, c R dados es un EV.
13. Sea M = {f c[a, b] | 2f (a) + 3f (b) = k}. Para que valores de k, M es un
EV?.
44
Captulo 8
Espacios Normados
Ejercicios
que en KN , k kp son normas (p [1, ]), si para p [1, [,
1. Pruebe q
PN
kxkp = p k=1 |xk |p y kxk = max1kN |xk |.
45
Pruebe que d es una metrica y que no esta asociada a ninguna norma.
5. Sea (X, k k) un EVN. Sea M X. Pruebe que
M es acotado R > 0 tal que M BR ().
(Recuerde que M es acotado si su diametro D(M) es finito).
6. Sean X = {(xn ) R | (xn ) converge }, X0 = {(xn ) K | xn 0}.
Sea c = (X, k k ), co = (X0 , k k ).
Pruebe que X y X0 son SEV de K
y que X0 es cerrado en l (K) =
(K , k k ) por lo que c0 es completo. (Suponga conocido que l (K) es
de Banach)
7. Sea Y = {(xn ) K | n N tal que xn = 0 n > N }.
Pruebe que Y es un SEV de K
pero no es cerrado en l (K).
As, (Y, k k ) no es completo.
8. Sean (X, kkx ), (Y, kky )pdos EVN, ambos sobre K {R, C}. Para (u, v)
X Y sea k(u, v)kp = p kukpx + kvkpy , si 1 < p < , y sea k(u, v)k =
max{kukx , kvky }. Pruebe que:
(a) Para p [1, ], (X Y, k kp ) es un EVN.
(b) Sean (un ) X , (vn ) Y , a X, b Y . Entonces p [1, ]
13. Sea (X, kk) un EVN que posee una base de Schauder. Pruebe que (X, kk)
es separable.
14. Pruebe que para l (K), si ponemos para n N, en = (kn )k1 entonces
(en ) es una base de Schauder.
15. Sea (X, kk) un EVN. Sea Y X un SEV cerrado. Para x b X/Y definido
en el ejercicio 10 del captulo 7, si ponemos kb
xk0 = nf xbx kxk, entonces
(X/Y, k k0 ) es un EV.
46
16. Pruebe que k k es una funcion continua y que
47
Captulo 9
Definicion 37. Sean (X, k kx ), (Y, k ky ) dos EVN, ambos sobre K {R, C}.
Ellos son isomorfos (en tanto que EVNs), si existe : X Y , u 7 (u)
biyectiva, lineal (i.e. es un isomorfismo de X e Y en tanto que conjuntos y en
tanto que espacios vectoriales) y tal que
u X, kukx = k(u)ky
NOTAS:
Si dx y dy son las metricas asociadas a k kx y k ky , respectivamente, los
espacios metricos (X, dx ) y (Y, dy ) tambien son isomorfos, con la misma
biyeccion , que por la definicion 37 es una isometra.
Si (X, k k) es un EVN y si Y X es un SEV, (Y, k ky ) es un EVN que
lo notaremos (Y, k k) y diremos que es un SEVN de (X, k k).
Teorema 38. del Completamiento. Si (X, kk) es un EVN incompleto, existe
un espacio de Banach (X1 , k k1 ) y un isomorfismo de (X, k k) a (V, k k1 )
que es un SEVN de (X1 , k k1 ) tal que V = X1 . El espacio (X1 , k k1 ) es unico,
salvo isomorfismos.
Es decir que si (X2 , k k2 ) de Banach y un isomorfismo de (X, k k) a
(W, k k2 ), donde (W, k k2 ) es un SEVN de (X2 , k k2 ) tal que W = X2 ,
entonces (X1 , k k1 ) y (X2 , k k2 ) son isomorfos.
Demostracion. Es similar a la del Teorema del Completamiento de los espacios
metricos: (X1 , ], ) es un EV si para (x
d n ), (yn ) X1 , K, ponemos
d
(x
d d def \
n ) ] (yn ) = (xk + yk )
(x d \
n ) = (xk )
Ver que ] y estan bien definidas (no dependen de los representantes escogidos
y satisfacen las propiedades de EV).
Si para (x
d n ) ponemos
k(x
d n )k1 = lm kxk k, entonces k k1 : X1 R
k
48
es una norma, (X1 , k k1 ) es de Banach, etc.
49
En efecto, si ponemos V = max1xN kvk k, entonces V > 0 y
XN N
(nj )
X
lm kynj yk = lm
k vk bk vk
j j
k=1 k=1
XN
(n )
= lm
(k j bk )vk
j
k=1
N
X
lm |k bk | kvk k
j
k=1
N
(nj )
X
V lm |k bk |
j
k=1
(n )
V lm
k j b
= 0
j 1
por (9.7). Por (9.6) y (9.7), dada la unicidad del lmite tenemos que y = y
como j N k (nj ) k1 = 1, por la continuidad de la norma tenemos que tambien
kbk1 = 1 y por ende b 6= .
PN
En resumen k=1 = y = con (b1 , ..., bn ) 6= (0, ..., 0). Esto es imposible
dada la dependencia lineal de {v1 , ..., vN }
Teorema 41. Completitud de los EVN de dimension finita. Sea (X, kk)
un EVN y sea Y un SEV de X de dimension N < . Entonces (Y, k k) es de
Banach y por lo tanto Y es cerrado en (X, k k).
En particular, si dim X es finita, entonces (X, k k) es de Banach.
Demostracion. Sea = {v1 , ..., vN } Y una base de Y.
Sea (yn ) Y una sucesion de Cauchy.
Debemos hallar y Y tal que kyn yk 0.
n
(n) N
PN (n)
Sea, para n N, K tal que yn = k=1 k vk .
(n)
Probemos que k {1, ..., N }, (k )n1 es de Cauchy en K.
Como (yn ) es de Cauchy, 0 > 0 N0 tal que n, m > N0 (0 ) kyn ym k < .
Sea n, m 1:
N
(n) (m) (n) (m)
X
|k k | |j j |
j=1
= k(n) (m) k1
N
lema? 1
( (m) )vj
X (n)
j j
c
j=1
N N
1
X (n) X (m)
= j vj (j vj
c
k=1 k=1
1
= kyn ym k <
c
si n, m > N0 (c). Basta entonces tomar N = N0 (c)
(n)
Al ser (k )n1 de Cauchy en K, para k {1, ..., N }; como K es completo,
50
existen a1 , ..., aN K tales que
(n)
k {1, ..., N }, |k ak |n
0
PN
Sea y = k=1 ak vk .
Nos queda por probar que kyn yk 0 ya que y Y , obviamente.
n
Si ponemos V = max1kN kvk k tenemos que
N N
X
(n)
X
0 lm kyn yk = lm
k vk ak vk
n n
k=1 k=1
N
X
(n)
= lm
(k ak )vk
n
k=1
N
(n)
X
V lm |k ak |
n
k=1
N
(n)
X
= V lm |k ak |
n
k=1
= 0
NOTA:
1. (9.9)
51
Entonces:
N
X
kxka = k k vk ka
k=1
N
X
|k |kvk ka
k=1
N
X
Va |k |
k=1
= Va kk1
N
() Va
X
k vk
cb
k=1 b
= skxkb
52
(1.2) Por el absurdo: supongamos que A no es acotado (i.e. x0 = X,
R > 0 A 6 BR (x0 )).
Sea x0 A. Sea R1 = 1. Entonces x0 BR1 (x0 ) A 6 BR1 (x0 )
x1 A tal que d(x0 , x1 ) 1.
Sea R2 = d(x0 , x1 ) + 1. x0 , x1 BR2 (x0 ) A 6 BR2 (x0 ) x2 A
tal que d(x0 , x2 ) R2 .
Como R2 2 y R2 > d(x0 , x1 );
53
Como A es acotado en (X, k k), existe R > 0 tal que x A, kxk < R.
Como (xn ) A entonces n 1 kxn k < R.
Por el lema ?, n 1
N
(n) 1
X (n)
1
R
k k1
k vk
= kxn k < =: r
c
c c
k=1
dim X es finita B
f1 () es compacta.
54
Teorema 49. (Invarianza de la Compacidad.) Sea (X, dx ), (Y, dy ) dos
espacios metricos y f : X Y una funcion continua. Sea A X no vaco.
Entonces:
Demostracion. Sea (yn ) f (A). Debemos hallar una subsucesion (ynk ) (yn )
y l Y tales que lmk dy (ynk , l) = 0.
Como n 1 yn f (A), tomamos xn A tal que yn = f (xn ).
Como (xn ) A y A es compacto, existen (xnk ) (xn ) y a A tal que
lmk dx (xnk , a) = 0.
Sea l = f (a). Probemos que lmk dy (ynk , l) = 0.
En efecto:
Lema 51. (Lema de Riesz.) Sea (X, k k) un EVN y sean Y, Z dos SEV de
X tales que Y Z, Y 6= Z e Y es cerrado. Entonces:
55
Entonces kz k = 1. Ademas y Y , kz yk .
En efecto: Sea y Y :
1
kz yk =
(v y ) y
kv y k
1
= kv y kv y kyk
kv y k
1
= kv yek
kv y k
1
a
kv y k
a
>
a/
= 0
Ejercicios
1. De ejemplos de subespacios de l2 y de l que no sean cerrados.
2. Halle el mayor c > 0 dado por el lema ?, si:
(a) X = R2 , v1 = (1, 0), v2 = (0, 1);
(b) X = R3 , v1 = (1, 0, 0), v2 = (0, 1, 0), v3 = (0, 0, 1);
(c) X = R2 , v1 = (1, 1), v2 = (1, 1);
(d) X = R3 , v1 = (0, 1, 1), v2 = (1, 0, 1), v3 = (1, 1, 0).
3. Sea Xm EV sobre K y sea N = {k k : X R | k k es una norma} para
k ka , k kb N pongamos k ka k kb k ka y k kb son equivalentes.
Pruebe que es una relacion de equivalencia en N .
4. Sin usar el Th. de las normas equivalentes pruebe que en RN , N 1, son
equivalentes k k2 y k k y que para toda norma k k en RN existen
a, b > 0 tales que x RN kxk bkxk2 y akxk2 kxk. Pruebe ademas
que x RN , 1N kxk1 kxk2 kxk1 .
56
10. Pruebe que si en un EVN (X, k k), dim(X) = N < , en el lema de Riesz
se puede tomar ]0, 1[.
57
Captulo 10
Operadores Lineales
Acotados
Definicion 54. Sean X,Y dos EV, ambos sobre K {R, C}. Una funcion T :
X Y , x 7 T x se llama operador lineal si D(T ) es un SEV de X y si:
(
(A) x1 , x2 D(T ), T (x1 + x2 ) = T x1 + T x2
(L)
(H) K, x D(T ), T ( x) = T x
NOTA:
1.
2. Im(T ) es SEV de Y.
6. Si T : X Y es lineal, entonces:
58
(a)
def
T 1 Y X T es inyectivo
[T u = T v u = v] u, v D(T )
[T u = 0 u = ] u D(T )
N (T ) = {}
u, v D(T ), [u 6= v T u 6= T v]
Definicion 55. Sean (X, k kx ), (Y, k ky ) dos EVN, ambos sobre K {R, C}.
Un operador lineal T : X Y es acotado ssi
NOTA:
1.
kT xky
(10,1) c 0 tal que x D(T ) \ {}, c (10.2)
kxkx
c 0 u D(T ) para el cual kukx = 1, kT uky (10.3)
c
es acotado por arriba. (Lo es por toda c 0 tal que (10.1), o (10.2) o
(10.3)).
En este caso sup es por definicion la menor de tales c. Ponemos
def kT xky
kT k = sup = sup kT uky = mn{c 0 | (10,1)}
xD(T )\{} kxkx uD(T ), kukx =1
(10.4)
A kT k se le llama norma de T. Veremos luego por que.
59
Teorema 56. Sean (X, k kx ), (Y, k ky ) dos EVN, ambos sobre K {R, C}.
Sea l(X, Y ) = {T : X Y | D(T ) = X}, T es lineal y acotado. Entonces:
Teorema 58. Sean (X, k kx ), (Y, k ky ) dos EVN, ambos sobre K {R, C} y
T : X Y lineal.
Entonces son equivalentes las tres propiedades siguientes:
(a) T es acotado;
(b) T es continuo;
(b) N (T ) es cerrado.
Teorema 60. Sean (X, kkx ) un EVN y (Y, kky ) un espacio de Banach, ambos
sobre K. Sea T : D(T ) X Y lineal y acotado. Entonces
Ademas kT k = kTek.
Ejercicios
1. Para los operadores siguientes T : X Y , pruebe que son lineales y diga
si son acotados. De serlo, calcule kT k. Si no lo es, demuestrelo.
(a) I : X X, x 7 Ix = x
(b) : X Y, x 7 x =
(c) D : C[a, b] C[a, b], x 7 Dx = x0
Rt
(d) J : C[a, b] C[a, b], x 7 y, y(t) = a
x(s)ds
(e) T : C[a, b] C[a, b], x 7 y, y(t) = tx(t)
(f ) T : (KN , k kq ) (KM , k kp ), x 7 T x = Ax;
donde A MM N (K); p, q 1
Rb
(g) T : C[a, b] C[c, d], x 7 T x, (T x)(t) = a k(s, t)x(s)ds, donde
k c([a, b] [c, d]) es una funcion no negativa.
xk xk+1 + xk+2
(h) T : l l , (xn ) 7
k!
R1
(i) T : C[0, 1] C[0, 1], x 7 T x, (T x)(t) = t 0 x(s)ds
60
R
(j) T : C[, ] C[, ], x 7 T x, (Tx )(t) = sin x( )d
Rt
(k) Tk : C[1, 1] C[1, 1], x 7 Tk y, (Tk x)(t) = 1 s|s|k x(s)ds, k N
61
Captulo 11
Funcionales Lineales
Tenemos que
= sup |f (u)|
uD(f ),kuk=1
NOTA:
1. X es un EV sobre K (SEV de {f : X K | f es funcion y D(f ) = X})
2. A(X ) =: X se le llama segundo dual algebraico de X o bidual alge-
braico de X.
3. La funcion
def
C : X X , x 7 gx ; gx : X K, f 7 gx (f ) = f (x)
62
Ejemplos
Rb
1. f : C[a, b] R, x 7 f (x) = a x(t)dt es obviamente lineal.
Veamos que es acotado. Sea x c[a, b]:
Z Z
b b
|f (x)| = x(t)dt |x(t)|dt
a a
Z b
kxk dt = (b a)kxk
a
Por consiguiente kf k = b a
Entonces f es acotada y kf k 2.
Por otro lado si u : [a, b] R es continua, f (a) = 1, f (b) = 1 y f es
creciente, tenemos que kuk y
|f (a)| = (1) + 1 = 2 kf k
de donde kf k = 2.
Vemos que f esta dado si conocemos los valores f (bk ), k {1, ..., N }.
def
Por ello, dado KN , podemos definir f poniendo f (bk ) = k y usamos
(11.1) para hallar f(x) para cualquier x X. Se tiene entonces una biyeccion
: KN X 7 f .
63
Si tomamos en KN la base canonica E = {e1 , ..., eN }, e1 = (1, 0, .., 0), ...
, ek = (0, ..., 0, 1, 0, ..., 0), ...,eN = (0, ..., 0, 1), y para k {1, ..., N } ponemos
fk = (ek ), es decir
(
1 si k = j
fk (bj ) = kj = (11.2)
0 si no
Por otra parte tenemos el siguiente lema para verificar la igualdad en espacios
vectoriales de dimension finita:
1. x X, [x = f (x) = 0 f X ]
2. u, v X, [u = v f (u) = f (v) f X ]
1. () es obvio.
() Sea x X tal que f X f (x) = 0. P.D. x = 0
Sea = [x]B .
Entonces k {1, ..., N }
XN N
X
fk (x) = fk (x) j bj = j fk (bj ) = j = 0
j=1 j=1
64
(b) Inyectividad. Sea x X tal que Cx = . P.D. x = 0.
Cx = f X (Cx)(f ) = (f ) = 0
f X f (x) = 0 x = 0
Ejercicios
1. Sea (X, k k) un EVN. Pruebe que k k no es lineal
2. Para X = (KN , k k2 ), N 2 sea a KN y sea fa : X R, x 7 fa (x)
PN
definido por fa (x) = k=1 ak xk , si x = (x1 , ..., xN ).
Pruebe que f es lineal, acotado y que kf k = kak2 .
Rb
3. Sea f : C[a, b] R, x 7 f (x) = a (t)x(t)dt, donde c[a, b] y (t) > 0
t [a, b].
Pruebe que f C[a, b] y halle kf k.
a+b
4. Sea f : C[a, b] R, x 7 f (x) = x(a) x + x(b).
2
Pruebe que f c[a, b] y halle kf k.
P
5. Sea f : l2 (R) R, (xn ) 7 f ((xn )) = k=1 ak xk , donde (am ) l2 (R).
Pruebe que f es lineal, continua y que kf k = k(am )k2 .
R1
6. Halle kf k si fn : C[1, 1] R, x 7 fn (x) = 1 tn x(t)dt, n N.
7. Para x c[a, b] sean f1 (x) = maxatb |f (x)|, f2 (x) = mnatb |f (x)|.
Son f1 y f2 lineales? Son acotados?.
8. Sean n N, fn : l (R) R, (xm ) 7 fn ((xm )) = xn . Diga si f es lineal y
acotado. Si lo es calcule kfn k.
a+b
9. Sean X = {x c[a, b] | x0 c[a, b]}, J = [a, b], c = .
2
Sea C 1 [a, b] = (X, k k), con kxk = kxk + kx0 k .
Pruebe que k k es una norma en el EV X.
Sea f : X R, x 7 f (x) = x0 (c). Pruebe que f es lineal y que es acotado
en C 1 [a, b]. Calcule kf k. Demuestre que f no es acotado en (X, k k ).
1 3 2
10. Halle el nucleo de T : R3 R2 , x 7 T x = Ax, A =
2 1 0
65
13. Sea X un EV de dim N < , Y X un SEV de dim(N 1).
(a) Halle f X tal que Y = N (f ). Ver que es unico, salvo una constante
multiplicativa.
(b) Sea x0 X \ Y . Halle f X tal que f (x0 ) = 1 y f (x) = 0 x Y .
14. Sea X un EV de dim N < y sea Y X un SEV propio (Y 6= X). Sea
f Y . Halle fe X tal que fe |y = f .
15. Sea f : Y R3 R, x 7 f (x) = 4x1 3x2 , Y = {(x1 , x2 , 0) | x1 , x2 R}.
Halle todas las extensiones lineales fe a R3 .
66
Captulo 12
Definicion 64. Sea (X, k kx ) un EVN sobre K {R, C}. Un funcional lineal
f : D(f ) X K, x 7 f (x) es acotado ssi
Definicion 65.
X 0 = L(X, K) = (l(X, K), k k)
se llama dual topologico de X.
Aqu l(X, K) = {f X | f es acotado}; X = {f : X K | D(f ) =
X y f es lineal}
NOTA:
= sup |f (u)|
uD(f ),kukx =1
67
(b) l(X, K) = X (toda funcional lineal es acotado).
(c) Tiene lugar el lema de la igualdad:
(i) x X, [x = 0 f (x) = 0 f X ]
(ii) u, v X, [u = v f (u) = f (v) f X ]
Ejemplo
Sea N 1.
Si p, q ]1, [ y p1 + 1q = 1 (se dice entonces que p y q son exponentes conjuga-
dos), entonces el dual topologico de (KN , k kp ), que lo notamos (KN , k kp )0 , es
isomorfo a (KN , k kq ).
En particular para p = q = 2, k k2 es la norma usual de RN y, en este caso,
(KN , k k2 )0 ' (KN , k k2 ).
NOTA: Hemos puesto ' en vez de es isomorfo a. En la practica, abusando
algo del lenguaje, se dice es en vez de es isomorfo a y se pone = en vez de '.
Los resultados obtenidos para caracterizar al dual topologico en espacios de
dimension finita, motivan la busqueda de resultados analogos para espacios de
dimension finita.
En particular es de gran utilidad hallar un EVN que sea isomorfo al dual
topologico X 0 de un EVN (X, k kx ) dado. Se tienen los siguientes resultados:
K
| |xk |p < }, p [1, [
P
p = {(xn ) K
K
= {(xn ) K
| (xn )es acotada}.
p P
Para (xn ) K
p , k(xn )kp =
p p p
k=1 |xk | , l = (Kp , k kp ).
Para (xn ) K
, k(xn )k = sup{|xk | | k N}, l
= (K
, k k ).
c0 = ({(xn ) K | xn n
0}, k k ) (es SEVN de l , obviamente).
Entonces:
1. (l1 )0 ' l
4. (c0 )0 ' l1
NOTA:
68
Ejercicios
1. Demuestre el resultado del ejemplo: (KN , k kp )0 ' (KN , k kq ) si N N,
p, q ]1, [, p1 + 1q = 1.
M a = {f l(X, K) | f (x) = 0 x M }
69
Parte II
Espacios Eucldeos y de
Hilbert
70
Captulo 13
Espacios Eucldeos
Definicion 68. Sea X un espacio vectorial sobre K {R, C}. Una funcion
NOTA:
1. Si para x, y X ponemos
kxk = < x, x >
d(x, y) = kx yk = < x y, x y >
entonces kk es una norma y d es una distancia, llamadas norma asociada
a < , > y metrica asociada a < , >. (Demostraremos mas tarde que
kk es una norma).
71
4. Se tiene que x, y, z X y K:
5. Se tiene que x, y, z X, , K:
kk : X [0, [
< , >: X 2 K
72
def
2. xB < x, b >= 0 b B(se dice x es ortogonal a B).
def
3. AB < a, b >= 0 a A b B(se dice A es ortogonal a B).
NOTA:
1. xy yx
2. 0x x X
3. xB xb b B
4. AB ab a A, b B
Ejercicios
1. Pruebe que el par (X, < , >) es un espacio eucldeo si:
(a) X = RN , N 1, K = R,
PN
< x, y >= k=1 xk yk ,
x = (x1 , ..., xn ), y = (y1 , ..., yN ).
(b) X = CN , N 1, K = C,
PN
< x, y >= k=1 xk yk ,
x = (x1 , ..., xn ), y = (y1 , ..., yN ).
(c) X = c[a, b] = {x : [a, b] K | x es continua}; x, y X
Z b
< x, y >= x(t)y(t)dt si K = R
a
Z b
< x, y >= x(t)y(t)dt si K = C
a
P
(d) X = l2 (K) = {(xn ) K | k=1 |xk |2 < }; (xn ), (yn ) X
X
< (xn ), (yn ) >= (xk )(yk ) si K = R
k=1
X
< (xn ), (yn ) >= (xn )(yn ) si K = C
k=1
73
(a) x1 , x2 X \ {}, x1 x2 {x1 , x2 } es linealmente independiente.
(b) El resultado de (a) es valido para N vectores x1 , ..., xN con n 2,
xi xj si i 6= j.
5. Sean (X, < , >) un espacio eucdeo; Y X un subespacio vectorial
de X denso en X (i.e. Y = X) y M X un subconjunto total (i.e.
Gen(M ) = X). Sean u, v, w X. Entonces:
(a)
u= ux x X
uy y Y
uz z M
(b)
74
Captulo 14
Desigualdades de Cauchy-
Schwarz-Bunakovski y
Triangular
2
0 kx yk
< y, x >
= < x, x > 2 < x, y >
kyk
2 | < x, y > |2
= kxk 2
kyk
75
2 2
de donde |< x, y >|2 kxk kyk , y tambien (C.S.B.).
2. La igualdad se obtiene ssi y = o kx yk = 0,
es decir ssi [y = 0 o x y = ] ssi {x, y} es l.d.
de donde (N4).
2. () Supongamos que se da la igualdad. P.D.
Entonces
(14,1) Re < x, y > | < x, y > |,
Sabemos que x C, Rez |z|,
por lo tanto
de donde
| < x, y > | = kxk kyk.
Por la parte 2. del teorema se tiene entonces que
y = o [y 6= y K tal que x y = ]
76
por lo que
Im < x, y >= 0,
y, por ende,
< x, y >= Re < x, y > [0, [.
Finalmente, como
kx + yk = ky + yk
= k( + 1)yk
= ( + 1)kyk
= kyk + kyk
= kxk + kyk.
k kp con p [1, [ o k k
77
Demostracion. Sea p [1, ]. Sea (x0 , y0 ) X 2 . P.D.
k < x, y > < x0 , y0 > k 0.
(x,y)(x0 ,y0 )
(
kxk k(x, y)kp
Notemos que x, y X,
kyk k(x, y)kp
Sea > 0. Debemos hallar > 0 tal que
k(x, y) (x0 y0 )k < | < x, y > < x0 , y0 > | <
Sea (x, y) X 2 tal que k(x, y) (x0 , y0 )kp < 1.
Notemos que como
k(x, y) (x0 , y0 )k = k(x x0 , y y0 )k, kx x0 k 1 y ky y0 k 1.
| < x, y > < x0 , y0 > | = | < x, y > < x0 , y > + < x0 , y > < x0 , y0 > |
= | < x x0 , y > + < x0 , y y0 > |
| < x x0 , y > | + | < x0 , y y0 > |
kx x0 k kyk + kx0 k ky y0 k,
por la desigualdad (C.S.B.)
kx x0 k(ky y0 k + ky0 k) + kx0 k ky y0 k,
por kyk = ky y0 + y0 k ky y0 k + ky0 k,
< (1 + kx0 k + ky0 k)k(x, y) (x0 , y0 )kp ,
pork(x, y) (x0 , y0 )kp < 1
< , pork(x, y) (x0 , y0 )kp <
1 + kx0 k + ky0 k
Basta entonces tomar = mn 1, .
1 + kx0 k + ky0 k
78
NOTA: la unicidad significa que, si existe otro espacio de Hilbert (H2 , <
, >2 ) y si H2 posee un subespacio vectorial W tal que W = H2 y (X, < , >) es
isomorfo a (W, < , >2 ), entonces (H, < , >1 ) y (H2 , < , >2 ) son isomorfos.
< (x
d [ def
n ), (ym ) > = lm < xk , yk > .
k
Ejercicios
1. Que significa la desigualdad (C-S-B) en R2 ?. Y en R3 ?. De otra de-
mostracion de (C-S-B) en estos casos.
79
Captulo 15
Aproximacion de un punto
con elementos de un
convexo
80
2. A cada xt , con t [0, 1] se le llama combinacion convexa de x0 y x1 .
x0 , x1 M, [x0 , x1 ] M.
NOTAS:
Teorema 77. del Vector Minimizante. Sea (X, < , >) un espacio eucldeo
y M 6= un conjunto convexo y completo (con la metrica d asociada a k k, la
norma asociada a < , >). Entonces
z Y ; es decir v Y ; z v.
Demostracion. Ibidem.
M = {x X | x y y M } = {x X |< x, y >= 0 y M }
81
1. M es un SEV cerrado de X.
2. Si ponemos M = (M ) , entonces M M .
3. Si M = Y un SEV de X, entonces Y Y = {0}.
4. Si X = H un espacio de Hilbert y si M = Y un subespacio vectorial cerrado
de H, entonces Y = Y .
Demostracion. 1 y 2 los proponemos como ejercicio.
3 ver Kreyszig, pag 149.
NOTA:
1. Si Y es un subespacio vectorial de X, el aniquilador Y se lo llama com-
plemento ortogonal de Y.
2. Si X = H un espacio de Hilbert y si Y es un subespacio vectorial cerrado
de H, entonces H es la suma directa de Y y Y , i.e. H = Y Y .
Recordemos que en Algebra Lineal si X es un EV y si Y,Z son dos espacios
vectoriales de X, se dice que X es la suma directa de Y y Z y se escribe
X = Y Z, si
x X !y Y, tales quex = y + z.
y1 , y2 Y, z1 , z2 Y tales que z = x1 + z1 = y2 + z2 .
Entonces
y1 y2 = z2 z1 Y Y
(porque Y y Y son SEV de H).
Pero 3 del Teorema anterior nos da que
y1 y2 = z2 z1 = 0
de donde y1 = y2 y z1 = z2
82
Py (H) = Y (i.e. Im(Py ) = Y ), Py (Y ) = Y , Py (Y ) = {}
Py2 = Py (i.e. Py es idempotente)
Py |y es la identidad de Y a Y
x = u1 u2 = u1 = u2 .
x = x X x y y X < x, y >= 0 y X.
< x, y >= 0 y X
x = < x, y >= 0 y M
la respuesta inmediata es que basta que M sea denso en X pero resulta que este
requisito se puede debilitar aun mas.
Si A X es total (es decir si Gen(A) es denso en X) se tiene que
x = < x, y >= 0 y M.
En resumen tenemos el
Teorema 80. del Vector Cero. Sea (X, < , >) un espacio euclideo, sea
x X, M X un subconjunto denso en X (i.e. M = X), sea A X un
subconjunto de X total en X (i.e. Gen(A) = X). Entonces:
83
Demostracion. x = < x, y >= 0 y M es obvio, por lo que en los tres
casos nos basta probar la recproca.
(i) Supongamos que < x, y >= 0 y X. Probemos que x = .
Basta tomar y = x, entonces < x, x >= 0, y por ende x = .
(ii) Supongamos que < x, v >= 0 v M .
Por (i) basta probar que y X, < x, y >= 0.
Sea y X. Como X = M , existe (vn ) M tal que vn y.
Como n 1 vn M , entonces: < x, vn >= 0 ; n 1.
En esta ultima igualdad tomamos lmn y por la continuidad del pro-
ducto escalar tenemos que:
(iii) Por (ii) bassta probar que < x, v >= 0 v Gen(A), suponiendo que
< x, w >= 0 w A.
Sea v Gen(A). Entonces existen n 1; w1 , ..., wn A y 1 , ..., N K,
PN
tales que v = k=1 k wk . Por lo tanto
N
X N
X
< x, v >=< x, k wk >= k < x, wk >= 0
k=1 k=1
84
V = {}.
Sea x V . Entonces x V . Como A V , x A, por lo que x A ,
de donde x = . Por lo tanto V = {}.
Finalmente V V V V V = {}.
Ejercicios
1. Sea H de HIlbert, M H un conjunto convexo, y 6= . Sea (xn ) M
tal que
lm kxn k = nf kxk.
n xM
sea X
M {x CN | zk = 1}.
85
9. Sea (X, < , >) un espacio euclideo. A X, B X, no vacos. Pruebe
que:
(a) A B B A ;
(b) A = A
10. Sea (H, < , >) de Hilbert, Y H un SEV de H. Pruebe que
Y es cerrado Y = Y
86
Captulo 16
Conjuntos y Sucesiones
Ortogonales
N
X
k < vk , vj >= 0
k=1
(por la linealidad de < , > respecto a la primera variable)
j < vj , vj >= 0
(los demas sumandos son 0 porque M es ortogonal)
j = 0
(porque < vj , vj >= kvj k2 6= 0, ya quevj 6= 0)
87
Definicion 85. Una sucesion (vk ) X es ortogonal si
m, n 1, m 6= n < vm , vn >= 1.
x Y < x, y >= 0 y B
88
() Sea z Y . P.D. < x, z >= 0
Sea B una base de Hammel de PY. Entonces existen N 1, y1 , ..., yN B,
N
1 , ..., N K tales que z = k=1 k yk .
Entonces
N
X N
X
< x, y >=< x, k yk >= k < x, yk >= 0
k=1 k=1
El Problema de la Proyeccion
Dado un subespacio completo Y de un espacio eucldeo (X, < , >), sabemos
que x X !y Y tal que z = x y Y y que y es la mejor aproximacion
de x con elementos de Y.
Desearamos poder calcular ese vector y para un x dado la solucion es sencilla
si Y es un SEV de dimension finita, digamos n, y si Y esta dotado de una base
ortogonal {e1 , ..., en }.
Sean 1 , ..., n K tal que el y buscado se exprese mediante
n
X
y= j ej
j=1
se tiene que
n
X
yn = Pyn x, zn Yn , kyn k2 = | < x, ek > |2 .
k=1
89
Queda por verificar la ultima igualdad:
n
X n
X
2
kyn k = < < x, ej > ej , < x, ek > ek >
j=1 k=1
n X
X n
= < x, ej > < x, ek >jk
j=1 k=1
Xn
= < x, ek > < x, ek >
k=1
Xn
= | < x, ek > |2 .
k1
Teorema 90. (Desigualdad de Bessel) Sea (X, < , >) un espacio eucldeo,
(en ) X una sucesion ortonormal. Entonces
X
x X, | < x, ek > |2 kxk2 .
k=1
n 1 yn zn , x = yn + zn
De donde
kxk2 kyn k2 n 1
(porque kzn k2 0).
Por el lema anterior
n
X
kyn k2 = | < x, ek > |2 kxk2 n 1. ()
k=1
90
Teorema 91. (Metodo de Gram-Schmidt) Sean (X, < , >) un espacio
eucldeo; N N; v1 , ..., vN , N vectores ortonormales e1 , ..., eN , tales que
Ejercicios
1. Pruebe que todo EV eucldeo de dimension finita, posee una base ortonor-
mal.
N
X
kx < x, ek > ek k = mn kx yk,
yYn
k=1
91
5. Sean (X, < , >) un espacio eucldeo y (en ) X una sucesion ortonor-
mal. Pruebe que
X
x, y X, | < x, ek >< y, ek > | kxk kyk,
k=1
92
Captulo 17
Series de Fourier
Sea (X, < , >) un espacio euclideo de dimension N < . Entonces siempre
podemos hallar una base ortonormal B = {e1 , ..., eN }. (Basta ortogonalizar
cualquier base {v1 , ..., vN } usando el metodo de Gram-Schmidt).
Entonces cualquier vector x X puede escribirse
N
X
x= < x, ek > ek
k=1
93
2. Supongamos que converge
N
X
k ek =: s.
k=1
Entonces
k N k =< s, ek >,
por lo que se puede escribir
N
X
s= < s, ek > ek .
k=1
PN
3. x H, k=1 < x, ek > ek , la serie de Fourier de x respecto a (ek ),
converge.
Pn Pn
Demostracion. 1. Sean, para n 1, sn = k=1 k ek y vn = k=1 |k |2 .
Por definicion de serie
X n
X
k ek = lm sn , |k |2 = lm n .
n n
k=1 k=1
94
2. Sea k 1. Entonces
n
X
n k, < sn , ek >=< j ej , ek >= k
j=1
3. Resulta
P de 1 con (2k ) = (<2 x, ek >), ya
Pque por la desigualdad de Bessel
2
k=1 | < x, ek > | kxk , la serie k=1 | < x, ek > | converge.
Pn
Vimos que en caso de espacios de dimension finita x = k=1 < x, ek > ek y
nos gustara saber si algo analogo acurre y bajo que condiciones en losP
espacios
n
de dimension infinita. Nos preguntamos entonces: cuando x = s = k=1 <
x, ek > ek ?.
Obviamente que no siempre. Veamoslo en el siguiente ejemplo:
Ejemplo 93. Si (fn ) es ortonormal y si ponemos (en )n1 = (fn+1 ) = (f2 , f3 , ...)
y x = f1 tendremos que
n
X n
X
s= < x, ek > ek = < f1 , fk+1 > fk+1 = 0 6= f1 = x
k=1 k=1
Teorema 94. Sea H de Hilbert y sea (en ) H una sucesion ortonormal. En-
tonces
n
X
x X, x = < x, ek > ek {ek | k 1} es total.
k=1
Lema 95. Sean (X, < , >) un espacio euclideo, 6= un conjunto infinito
de ndices y {ew X | w } una familia ortonormal. Sea x X. Entonces
{w |< x, ek >6= 0} es finito o numerable.
95
Definicion 96. Dado un espacio de Hilbert H y {ew H | w } una familia
ortonormal infinita, para x H numeramos el conjunto
Ejercicios
1. Sea H de Hilbert y (en ) H una sucesion
P ortonormal.
Pruebe que si para (k ) H, la serie k=1 k ek converge, entonces
X
X
|k |2 = k k ek k
k=1 k=1
P
2. Sea (X, < , >) un espacio eucldeo y (xn ) X tal que k=1 kxn k <
.
PnPruebe que (sn ) es de Cauchy en (X, < , >) si ponemos (sn ) =
( k=1 xk ).
3. Sea H un espacio de Hilbert y (xn ) H . Pruebe que
X
X
< xk converge
k=1 k=1
96
5. (Lema del Vector Cero) Demuestre el lema:
Sea (X, < , >) un espacio eucldeo, Y X denso en X y M X total
(i.e. Gen(M ) = X). Sean x, u, v X. Entonces:
97
Captulo 18
Teoremas de la
Representacion de Riesz
|f (x)|
kf kx0 = sup = sup |f (u)| = mn{c 0 | x X, |f (x)| ckxkx }
x6=0 kxkx kuk=1
x0 = f (x0 ) = 0 f X 0
x0 = f (x0 ) = 0 f X
Teorema 99. (del Vector Cero para Dimension Infinita) Sea X un es-
pacio vectorial de dimension infinita. Sea x0 X. Entonces
x0 = f (x0 ) = 0 f X
98
() Supongamos que f (x0 ) = 0 f X.
Probemos, por el absurdo, que x0 = 0. Supongamos entonces que x0 6= 0.
Sea e1 = x0 . Podemos entonces hallar B X, una base de Hamel de X
tal que eq B.
Entonces x X
N
X
!N 2, !e2 , e3 , ..., eN B, !1 , 2 , ..., N K tales quex = k ek
k=1
Sea g : X K, x 7 g(x) = 1 .
Entonces g es lineal (i.e. g X ); y g(x0 ) = g(e1 ) = 1.
Pero esta contradice la suposicion de que f X , f (x0 ) = 0.
Para el caso de que (X, kkx ) sea un EVN, este resultado se mejora sustancial-
mente pues en vez de X basta tomar X 0 = {f : X K | f es lineal y acotado}.
Caracterizar X 0 para un EVN puede ser complicado aun para conocidos espacios
como se vio en secciones anteriores.
Sin embargo, cuando en vez de un EVN (X, k kx ) cualquiera, se tiene un
espaico de Hilbert (H, < , >), la caracterizacion del dual topologico H 0 resulta
sencilla gracias al famoso teorema siguiente:
99
(b) x N (f ), < x, zf >= f (x) = 0, i.e. zf N (f ) .
(c) Por (a) y (b) se deberia tener N (f ) 6= {}. Y as es, en efecto:
f 6= N (f ) 6= H y, por lo tanto N (f ) 6= {}. (ya que N (f ) es
un SEV cerrado de H y por 2 de la Nota que sigue al Th. Propiedades
de M , el aniquilador de M, se tiene que H = N (f ) N (f ) ).
Tomemos entonces z N (f ) \ {} y busquemos zf de la forma zf = z,
con K por determinar:
Como se debe tener f (x) =< x, zf > x H, tomando, en partcular
x = z, se debe tener
0 = < vx , z >
= < f (x)z f (z)x, z >
= f (x)kzk2H f (z) < x, z >
f (z)
f (x) = < x, z >
kzk2H
f (z)
= < x, z>
kzk2H
= < x, zf >
NOTA:
1. Como en la demostracion de la existencia, en el caso f 6= tomamos un
z N (f ) \ {} arbitrario y por la unicidad de zf veamos que zf y z son
colineales, entonces {zf } es una base de N (f ) y, por ende,
dimN (f ) = 1
100
2. En el caso dimH = N < , este resultado es obvio, ya que f puede ser
visto como el operador lineal f : H K, y como f 6= , dimIm(f ) = 1,
por lo tanto la igualdad conocida N = dimN (f ) + dimIm(f ), nos da el
resultado.
Definicion 101. Sean X, Y dos EV ambos sobre R (resp. C). Una funcion
h : X Y K se llama forma o funcional bilineal (sesquilineal) si es lineal
respecto a la primera variable [i.e. x1 , x2 X, y Y, R o C, h(x1 +
x2 , y) = h(x, y) + h(x2 , y), h(x1 , y) = h(x, y)]
y es lineal (resp. semilineal) respecto a la segunda variable. [i.e. x X, y1 , y2
Y, R (resp K), h(x, y1 + y2 ) = h(x, y1 ) + h(x, y2 ), y h(x, y1 ) = h(x, y1 )
(resp. h(x, y1 ) = h(x, y1 ))].
Definicion 102. Sean X,Y dos EVN sobre K {R, C}. Sea h : X Y K
una forma bilineal o sesquilineal, segun el caso.
1.
|h(x, y)|
khk = sup = sup |h(x, y)|.
x6=, y6= kxkx kyky kuk=1, kvky =1
2.
(x, y) X Y, |h(x, y)| khkkxkx kyky
Teorema 103. (de la Representacion de Riesz II) Sean (H1 , < , >1 )
y (H2 , < , >2 ) dos espacios de Hilbert, ambos sobre K {R, C}. Sea h :
H1 H2 K una forma bilineal (o sesquilineal si K = C) acotada. Entonces
101
Demostracion. (Idea) Para definir S debemos determinar Sx para x H1 .
Sean x X y la funcion fx : H2 K, y 7 fx (y) = h(x, y).
Entonces fx H 0 2 el dual topologico de H2 .
El Th. de la Representacion de Riesz I nos dice entonces que
Ejercicios
1. Pruebe 1 y 2 de la Nota que sigue a la definition 102.
5. Resuelva los ejercicios con que inicia la demostracion del Th. de la Rep-
resentacion de Riesz I.
6. Pruebe que el dual topologico de l2 (C) es isomorfo a l2 (C).
102
Captulo 19
El Operador Adjunto de
Hilbert
Entre los operadores lineales continuos, clase aparte la constituyen los oper-
adores autoadjuntos, por sus propiedades en diversos aspectos como en Teora
Espectral. Para estudiarlos necesitamos los siguientes conceptos:
Definicion 104. Sean (H1 , < , >1 ) y (H2 , < , >2 ) dos espacios de Hilbert
ambos sobre K {R, C}. Sea T L(H1 , H2 ). Al operador T L(H2 , H1 ) tal
que
< T x, y >2 =< x, T y >1 (x, y) H1 H2 (19.1)
se le llama operador adjunto de Hilbert del operador T.
NOTA:
1. Lo que sigue es valido si K {R, C} pero lo redactaremos para el ca-
so K = C. Para R = R es similar y debemos entender bilineal donde
este sesquilineal y = si R, etc.
2. La definicion tiene sentido solo si existe T . Esto esta garantizado por el
siguiente teorema.
Teorema 105. (Existencia del Adjunto de Hilbert) T de la definicon
precedente existe, es unico y
kT k = kT k.
NOTA:
Ponemos kT k en vez de kT kL(H2 ,H1 ) y kT k en vez de kT kL(H1 ,H2 ) , para
simplificar la escritura.
Demostracion. Se basa en el Th. de la Representacion de Riesz II aplicando a
la forma sesquilineal
h : H2 H1 K, (y, x) 7 h(y, x) =< y, T x >2
que es acotada (Pruebelo! ) y cuya norma khk = kT k (verifquelo! ), lo que nos
garantiza que T L(H2 , H1 ) tal que kT k = khk y
h(y, x) =< T y, x >1 (y, x) H2 H1
T es el operador buscado.
103
Antes de enunciar y probar algunas propiedades del operador adjunto, veamos
el siguiente lema, que sera util aqu y en lo sucesivo:
Lema 106. Sea X un espacio vectorial y sea (Y, < , >) un espacio eucldeo,
ambos sobre R {R, C}. Sea Q : X Y un operador lineal. Entonces, si
: X Y es el operador cero:
1.
Q = < Qx, y >= 0 (x, y) X Y
2. Si X = Y y K = C, entonces
2. Si X = Y y K = C, entonces
2. () es obvio.
() Por 1, para (x, y) X Y arbitrario, probemos que < Qx, y >= 0.
Como < Qu, u >= 0 u X tenemos que:
(a) Si u = x + y 0 =< Q(x + y), x + y >=< Qx, x > + < Qy, y >
+ < Qx, y > + < Qy, x >
(b) Si u = ix + y 0 =< Q(ix + y), ix + y >=< Qx, x > + <
Qy, y > +i < Qx, y > i < Qy, x >
Como < Qx, x >=< Qy, ( y >= 0, de (a) y de (b) multiplican-
< Qx, y > + < Qy, x >= 0
do por (i) obtenemos: , de donde
< Qx, y > < Qy, x >= 0
< Qx, y >= 0.
104
Teorema 108. (Propiedades del Operador Adjunto de Hilbert)
Sean (H1 , < , >1 ) y (H2 , < , >2 ) dos espacios de Hilbert ambos sobre
K {R, C}; S, T L(H1 , H2 ), K. Entonces:
2. (S + T ) = S + T
3. (T ) = T
def
4. T = (T ) = T
5. kT T k = kT T k = kT k2 = kT k2
6. T T = T =
7. Si H1 = H2 , (ST ) = T S
105
5. Vemos que T T L(H1 , H1 ), T T L(H2 , H2 ) y, por la desigualdad de
Cauchy-Schwarz-Bunakovski (C-S-B):
kT T k = kT k2
Finalmente, como T = T ,
6. Es inmediato, por 5.
7. Sean (y, x) H2 H1 = H H
(H = H1 = H2 , < , >=< , >1 =< , >2 ).
de donde (ST ) = T S .
Sea T : KN KM ,
x 7
y = Tx un operador lineal (acotado por estar
definido en un espacio de dimension finita).
Sea A = (T
e1 T
e2 ... T
e
N ) la matrix canonica asociada (T x = A x ), A
T T
T
MM N (K); e1 = (1 0 ... 0) , e2 = (0 1 ... 0) , ..., eN = (0 0 ... 1) .
Sea B MN M (K) la matrix canonica asociada a T .
Notemos que < u,
x >1 = u T
x, <
v ,
y >1 = v T
y , viendo a los miembros
de la derecha como productos de matrices con u y v T las transpuestas de
T
u
y v , respectivamente.
106
Lema 110.
T
B=A
C=D
x T C
y =
x T D
y
x KN
y KM
Sean
x KN ,
y KM . Como:
< T
x,
y >2 =< A
x,
x )T
y >2 = (A
y =
x T AT
y ;y
x , T
<
y >1 =<
x , B
y >1 =
x )T B
y =
x T B
y,
Al ser iguales los primeros miembros de estas dos expresiones, lo seran tambien
los ultimos, es decir:
x KN ,
y KM ,
x T AT
y =x B
y . El lema 111 nos
da entonces que
AT = B,
de donde B = AT .
Definicion 112. Sean (H, < , >) un espacio de Hilbert sobre K {R, C},
y T L(H, H) =: L(H). Se dice que T es autoadjunto o hermitiano si
T = T.
1.
T es autoadjunto < T x, x > R x H
2.
K = C y < T x, x > R x H T es autoadjunto
S T es autoadjunto ST = T S
kT n T k 0.
n
Entonces es autoadjunto.
107
Demostracion. 1. Supongamos que T es autoadjunto. Sea x H. Entonces
(ST ) = T S
= T S ya que S y T son autoadjunto
entonces
0 kT T k kT T nk + kT n T nk + kT n T k
= kT T nk + 0 + kT n T k n 1
Ejercicios
1. Redacte detalladamente la demostracion del Th. de existencia del operador
adjunto de Hilbert.
Lema 114. Sea X un espacio vectorial normado, (Y, < , >) un espacio
eucldeo, ambos sobre K {R, C}. Sea Q L(X, Y ).
Sean U X y V Y tales que U = X, V = Y ; L X y M Y tales
que Gen(L) = X, Gen(M ) = Y . (i.e. U y V son densos y L y M son
totales en X e Y, respectivamente). Entonces:
108
a)
b)
kT n T k 0 kT n T k 0
109
(a) S + T es autoadjunto
(b) T n es autoadjunto n 1.
110
Parte III
Teora Espectral
111
Captulo 20
Propiedades espectrales de
los Operadores Lineales
Acotados
Se resumen en el siguiente:
Teorema 115. Sea X un espacio de Banach complejo. Sea T : X X un
operador lineal acotado. (i.e. T L(X, X) =: L(x)). Entonces:
1. El conjunto resolvente de T, (T ), es abierto en C.
2. El espectro de T, (T ), es cerrado en C.
3. (T ) es compacto y (T ) B
ekT k () (i.e. (T ), || kT k).
1. Si (T ) = es abierto.
Si (T ) 6=, para 0 (T ), se prueba que
Br (0 ) (T )
si se toma
1
r=
k(T 0 I)1 k
.
2. Resulta de 1.
3. Sea C tal que || > kT k. Probemos que (T ).
1 k
1 1 1 1X 1
(T I) = I T = T
k=0
112
que converge por el lema con S = 1 T , kSk = ||
1
kT k < 1.
Al ser (T ) cerrado y acotado en C, entonces es compacto.
NOTA:
NOTA:
Ejercicios
1. Sea X un EVN complejo. Sea I : X X el operador identidad. Halle
p (I) y los correspondientes espacios propios, as como (I) y I1 .
2.
(a) p (T ) p (T1 )
(b) p (T ), si E (T ) y E (T1 ) son los espacios propios de T y T1
correspondientes a , E (T ) E (T1 )
(c) r (T1 ) r (T )
(d) c (T ) c (T1 ) p (T1 )
(e) (T1 ) (T ) r (T )
113
7. Sea X un EVN, T L(X, X). Sea V X un subespacio vectorial invari-
ante para T. Pruebe que V tambien es invariante para T.
114
Apendice A
La Triyeccion
La Recta Real
Tomando en E 1 un punto 0 al cual le asociamos el numero 0 y si a todo
numero a le asociamos el punto A situado a una distancia |a| del punto 0, a un
115
lado de 0 si a > 0 y el otro lado si a < 0 se establece la biyeccion
G : R E 1 , a 7 G(a) = A
El Plano Cartesiano
Si en el espacio geometrico E 2 escogemos un segmento de recta UL como
unidad de longitud podemos escoger dos rectas perpendiculares entre si que se
cortan en un punto 0 (por simplicidad digamos que la una es horizontal y la
otra es vertical), y con ellas construir dos rectas reales. Convengamos en que
el numero 1 esta representado geometricamente por un punto I situado a la
derecha de O en la recta horizontal y por un punto J situado encima de 0 en la
recta vertical.
Todo punto A E 2 esta asociado con un punto A1 de la recta horizontal
definido como el corte de esta recta con la recta vertical que pasa por A y con
un punto A2 de la recta vertical definida como el corte de esta con la recta
horizontal que pasa por A.
Si a1 es la coordenada de A1 en la recta real horizontal y si a2 es la coordenada
de A2 en la recta real vertical entonces se define el par ordenado (a1 , a2 ) R2
al que llamaremos coordenadas de A.
Por el contrario, dados (a1 , a2 ) R2 , si A1 es el grafico de a1 en la recta
real horizontal y A2 es el grafico de a2 en la recta real vertical, el corte A de la
recta horizontal que pasa por A2 y la recta vertical que pasa por A1 , define la
funcion biyectiva G : R E 2 , (a1 , a2 ) 7 G(a1 , a2 ) = A
El punto A = G(a1 , a2 ) se llama grafico o representacion geometrica de
(a1 , a2 ).
Gracias al plano cartesiano podemos trasladar de E 2 a R2 el concepto de
distancia, poniendo para (a1 , a2 ), (b1 , b2 )
116
Es facil probar que
p
d((a1 , a2 ), (b1 , b2 )) = |a1 b1 |2 + |a2 b2 |2 ,
El Espacio Cartesiano
De manera analoga, si tomamos en el espacio geometrico E 3 un segmento
de recta UL como unidad de medida de la longitud de un segmento de recta
cualquiera. Escogemos un punto 0 y un plano que pasa por 0 (por simplicidad
supongamos que es horizontal) y construyamos con el un plano cartesiano. Luego
tomemos la recta que pasa por 0 y es perpendicular al plano y construyamos
con ella una tercera recta real, con el punto K correspondiente al numero 1, por
encima del plano.
117
> 0 y es el sentido contrario al de ~u si < 0.
Por definicion R, ~0 = ~0
Obviamente 0 ~u = ~0, ~u E. Con estas definiciones es facil verificar que:
~u, ~v , w
~ V y , R:
(S4) Existencia del inverso aditivo: ~u tal que ~u + (~u) = ~0 (de hecho
~u = (1)~u).
118
Vectores en los espacios E 1 , E 2 , E 3 : Los Espacios V
E E 1 , E 2 , E 3 es un conjunto de puntos. Dados dos puntos A, B E,
podemos dibujar una flecha con inicio en A y la punta o fin en B que la notaremos
~ y la llamaremos vector.
AB
Si A 6= B, el vector AB ~ tiene como caractersticas o propiedades:
1. su direccion (que es la de todas las rectas paralelas a la recta que pasa por
A y B, en particular esta ultima)
2. su sentido (puesto que tiene un inicio y un fin; as AB tiene el sentido
contrario al de BA); y,
~ que de paso vemos que coincide con la
3. su longitud (la del segmento AB,
del segmento BA, que es la
longitud
de BA), llamada modulo o norma
~ y que se nota
del vector AB
AB~
.
Llamaremos vector cero al vector cuyo inicio y fin coinciden y lo notaremos ~0.
~ = P~P , etc.
As ~0 = AA
Obviamente ~0 no tiene direccion ni sentido y
~0
= 0. Notaremos como V k al
La Triyeccion RN E N V N
Supongamos que en E E 1 , E 2 , E 3 esta dado un segmento UL como unidad
de longitud y que hemos definido ya una recta real, un plano cartesiano o un
espacio cartesiano, segun el caso.
La biyeccion V N E N : Dado un vector cualquiera ~a V V 1 , V 2 , V 3 ,
obviamente existe un unico punto A E tal que ~a = 0A. Se define as la funcion
V E, ~a 7 A, que es biyectiva. Su inversa es : E V , A 7 (A) = OA. ~
Como ya tenemos la biyeccion G : RN E N se puede definir lo que llamaremos
triyeccion RN E N V N , que es el conjunto de trios ordenados (a, A, OA) ~
~ ~
para n = 1, ((a1 , a2 ), A, OA) para n = 2 y ((a1 , a2 , a3 ), A, OA) para n = 3,
donde A = G(a) para n = 1, A = G(a1 , a2 ) para n = 2 y A = (a1 , a2 , a3 ) para
n = 3.
119
NOTA: Obviamente G : RN V N es tambien biyectiva, as como su
inversa.
Su utilidad consiste en que toda buena propiedad en uno de estos tres espa-
cios, RN , E N , V N , se traslada automaticamente a los otros dos.
Vimos por ejemplo que la distancia geometrica dg definida en E, da origen nat-
ural a la distancia en R, R2 , R3 .
Obviamente tambien se puede definir la distancia entre dos vectores ~a y ~b, que
sera el numero
def
(a1 , a2 ) = ( G)1 ( ( G)(a1 , a2 ))
Es facil probar que
(a1 , a2 ) = ( a1 , a2 )
Analogamente, para N = 3, con una definicion analoga se tiene que si
(a1 , a2 , a3 ), (b1 , b2 , b3 ) R3 y si R:
(a1 , a2 , a3 ) = (a1 , a2 , a3 )
R2 y R3 con las operaciones + y que acabamos de definir cumplen con las
propiedades analogas a (S1), ... (S4), (M1), (M2), (D1), (D2) por lo que los tros
(R2 , +, ) y (R3 , +, ) son espacios vectoriales.
Para V V 1 , V 2 , V 3 definimos la norma kk : V R, donde k~uk es la
longitud o norma del vector ~u.
Podemos trasladar este concepto a los espacios E N o RN , N 1, 2, 3 corre-
spondientes.
def
Por ejemplo, si (a1 , a2 ) R2 podremos k(a1 , a2 )k = k~ak, donde ~a =
~ donde A es el grafico de (a1 , a2 ).
G((a1 , a2 )) = OA, p
Es facil probar que: k(a1 , a2 )k2 = |a1 |2 + |a2 |2 .
def
Analogamente
para (a1 , a2 , a3 ) R3 tendremos que si k(a1 , a2 , a3 )k2 =
~
OA
, donde A es el grafico de (a1 , a2 , a3 ), entonces
p
k(a1 , a2 , a3 )k2 = |a1 |2 + |a2 |2 + |a3 |2
120
Es inmediata la verificacion de que las propiedades (N1), (N2), (N3) y (N4) que
vimos para la norma de los vectores, se cumplen tambien para kk2 : RN R,
n 1, 2, 3.
En el caso N = 1, si a R, kak = |a|, obviamente.
Ahora bien, en V hemos definido el producto interno o producto escalar
h, i : V V R. Esta definicion puede trasladarse a RN .
Por ejemplo, para N = 2 dados (a1 , a2 ), (b1 , b2 ) R2 , pondremos
def
E
D
h(a1 , a2 ), (b1 , b2 )i = OA, OB ,
Valga decir que en estos casos se cumplen las propiedades (E1), (E2), (E3)
y (E4) que vimos para el producto escalar en V , las cuales se pueden verificar
tambien utilizando las formulas (1) y (2) que acabamos de escribir.
Smbolos A la triyeccion R-E-V la representaremos con los smbolos RN
E V N.
N
121