Apuntes Analisis Funcional

Apuntes del Curso
Análisis Funcional I
Dictado por
Amado Reyes
AT X: Luis E. Rojas
Apuntes y digitación en L E
Universidad Autónoma de Santo Domingo (UASD)

Facultad de Ciencias
Escuela de Matemática
República Dominicana
Copyright
c 2017 Amado Reyes/LR. Todos los derechos reservados
Abril 2017
Índice
1. Espacios Métricos 2
1.1. Espacios Métricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1. Sucesiones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2. Completación de Espacios Métricos . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3. Espacios Métricos Compactos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4. Funciones Continuas en Espacios Métricos . . . . . . . . . . . . . . . . . . . . . . . 15
1.4.1. Teorema de Ascoli-Arzelà . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.4.2. Teorema del Punto Fijo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2. Espacios Normados 21
2.1. Espacios Vectoriales Normados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1.1. Espacios de Banach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.2. Operadores Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3. Principio de la Acotación Uniforme . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.4. Teorema de la Función Abierta y de la Gráca Cerrada . . . . . . . . . . . . . . . . 36
2.4.1. Teorema de la Función Abierta . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.4.2. Teorema de Banach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
2.4.3. Teorema de la Gráca Cerrada . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.5. Teorema de Hahn-Banach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.5.1. Funcionales Lineales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
2.5.2. Teorema de la extensión de Hahn-Banach . . . . . . . . . . . . . . . . . . . . 39
2.6. Espacios Duales y Reexivos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
2.7. Las Topologías Débil y Débil-* . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
2.8. Operadores Adjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2.8.1. Teorema de F. Riesz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3. Operadores compactos 57
3.1. Propiedades Básicas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
3.2. Teoría Espectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.2.1. Introducción . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
3.2.2. Clasicación del Espectro . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
4. Espacios de Hilbert 67
4.1. Teorema de Representación de Riesz . . . . . . . . . . . . . . . . . . . . . . . . . . 74
4.2. Operador Autoadjunto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
1
Unidad 1
Espacios Métricos
1.1. Espacios Métricos

Denición 1.1
Sea X un conjunto dado, una distancia o métrica sobre X es una función d : X × X → R con
las propiedades siguientes:
1. No negatividad: d(x, y) ≥ 0 y d(x, y) = 0 si y solo si x = y ∀x, y ∈ X

2. Simetría: d(x, y) = d(y, x) ∀x, y ∈ X
3. Desigualdad triangular: d(x, z) ≤ d(x, y) + d(y, z) ∀x, y, z ∈ X
Observación.
Dado un conjunto X y una métrica d denida sobre él, se denota como espacio métrico a la pareja1 :
(X, d)
Ejemplo 1.
Si X = Rn , x = (x1 , x2 , . . . , xn ) ∈ Rn , y = (y1 , y2 , . . . , yn ) ∈ Rn , y si denimos la función
d : Rn × Rn → R por:
  21
Xn
d(x, y) = |x − y| =  (xi − yi )2 
i=1
∴ X = R con esta función , es un espacio métrico.

n 2
Observación.
En un espacio métrico (X, d) denimos la función distancia entre dos subconjuntos A y B de X por:
d(A, B) = inf d(x, y)

x∈A
y∈B
1 Si no hay confusión, se estila omitir d, y por tanto, se puede referir a X como el espacio métrico.
2 Se puede probar que en realidad la función d es una métrica sobre Rn .
2
3 UNIDAD 1. ESPACIOS MÉTRICOS
Nota. Si A = {x} entonces d(A, B) = d(x, B) = inf d(x, y)

y∈B
Nota. Si A es un conjunto en un espacio métrico (X, d), entonces el diámetro de A se dene3

como:
diam(A) = sup d(x, y)
x,y∈A
Denición 1.2
Un conjunto A en un espacio métrico (X, d) se dice ser acotado si diam(A) < ∞.
Denición 1.3
Si (X, d) es un espacio métrico, entonces dado x ∈ X y > 0 (jos), el conjunto:
B(x, ) = {y ∈ X : d(x, y) < }
se llama bola abierta con centro x y radio .

También se dice que B(x, ) es un -entorno de x.
Ejemplo 2.
p
d : R2 × R2 → R, x = (x1 , x2 ), y = (y1 , y2 ), d(x, y) = (x1 − y1 )2 + (x2 − y2 )2
Si y está en la bola de centro x, radio , entonces:
p
(x1 − y1 )2 + (x2 − y2 )2 <
(x1 − y1 )2 + (x2 − y2 )2 < 2 ,

Así que y está realmente contenido en el disco de centro x y radio > 0.

x
3 Se trata del diámetro del círculo más pequeño que contiene a A.
Análisis Funcional I UASD Amado Reyes

1.1. Espacios Métricos 4
Nota. El conjunto B(x, ) = {y ∈ X : d(x, y) ≤ } se llama Bola cerrada de centro x y radio .

x
1.1.1. Sucesiones
Nota. Una sucesión o secuencia sobre el conjunto X, es una función s : N → X y se representa
{s1 , s2 , . . .} = {sn : n ∈ N} o simplemente {sn }.
También se usa la notación alterna (s1 , s2 , . . .) = (sn ).
Denición 1.4
Sea (X, d) un espacio métrico, una sucesión {xn } en X (es decir {xn } ⊂ X), se dice convergente
si existe un punto x ∈ X tal que d(xn , x) → 0 cuando n → ∞.
Decimos que {xn } converge a x cuando n → ∞ y se denota lim xn = x o xn → x.
n→∞
El punto x se llama límite de la sucesión {xn }.
Recordar. Una sucesión {xn } en (X, d) converge a x, si todo -entorno de x contiene casi todos
los términos de la sucesión, es decir, todos los términos excepto un número nito de ellos.
Recordar. Un conjunto E ⊂ X, espacio métrico, se dice ser abierto si para cada x ∈ E existe
una bola B(x, ) (con > 0) que está contenida en E .
Recordar. Sea D ⊂ X, espacio métrico, dado un punto x ∈ X, éste se dice un punto límite (o de
acumulación) para D si toda bola B(x, ) contiene puntos de D diferentes a x.
Nota. Se puede probar que x es un punto límite para D si y sólo si existe una sucesión {xn } en
D − {x} que converge a x.
Recordar. El interior de un conjunto E ⊂ X, espacio métrico, es el conjunto de puntos x ∈ E

tales que siempre existe un -entorno de x contenido en E .
Recordar. Sea (X, d) un espacio métrico, si E ⊂ X entonces la clausura de E, E , es el conjunto
de puntos x ∈ X tales que todo -entorno de x interseca a E .
Denición 1.5
Sea (X, d) un espacio métrico, una sucesión {xn } ⊂ X se dice ser de Cauchy o Fundamental,
si d(xn , xm ) → 0 cuando n, m → ∞ (con n, m ∈ N).

Teorema 1.6
Sea (X, d) un espacio métrico, entonces si {xn } es una sucesión convergente a un punto x ∈ X,
entonces {xn } es una sucesión de Cauchy.
Prueba
Por la desigualdad triangular de la métrica, se tiene que:
d(xn , xm ) ≤ d(xn , x) + d(x, xm )
Ahora, cuando n → ∞ ⇒ d(xn , x) → 0 ya que {xn } converge a x. Así mismo, cuando

m → ∞ ⇒ d(x, xm ) → 0 porque {xm } converge a x. Por tanto, cuando n, m → ∞:
:0 :0
lim d(xn , xm ) ≤ lim

d(x , x)
n
+ lim
d(x,
x
m)
n,m→∞ n→∞ m→∞
⇒ lim d(xn , xm ) = 0
n,m→∞
Así d(xn , xm ) → 0 cuando n, m → ∞.

∴ {xn } es de Cauchy. 2

Observación.
Sea X = (0, 1], {xn } = { n1 }. Del Análisis Real, se sabe que {xn } = { n1 } es de Cauchy; sin embargo,
esta sucesión no converge4 en X.
Denición 1.7
Si toda sucesión de Cauchy converge en X, espacio métrico, entonces decimos que el espacio
métrico es completo.
Denición 1.8
Un subconjunto Y de un espacio métrico X se llama secuencialmente compacto si toda
sucesión {yn } en Y tiene una subsucesión {ynk } que converge a un punto y de Y; es decir,
d(ynk , y) → 0 cuando nk → ∞, para algún y ∈ Y.
Denición 1.9
Un subconjunto Y de X se dice ser denso en X, si su clausura Y = X.
4 La sucesión se acerca a 0∈R pero 0∈

/ X = (0, 1].

Denición 1.10
Decimos que Y es denso en ninguna parte (nada denso), si Y no tiene puntos interiores.
Denición 1.11
Un espacio X se dice ser separable5 si contiene un subconjunto denso Y contable.
Ejemplo 3 (Casos de Espacios Métricos).
1. Considere el espacio de sucesiones de números reales o complejos, donde cada elemento x es

de la forma x = (x1 , x2 , x3 , . . .) tal que sup |xn | < ∞, este es el conjunto de sucesiones acotadas.
n
Este conjunto con la métrica dada por d(x, y) = sup |xn −yn | es un espacio métrico, denotado
n
por `∞ .
Si {xn } es una sucesión de `∞ ({xn } ∈ `∞ ), donde cada elemento xn = (xn1 , xn2 , xn3 , . . .),
entonces la misma converge a un elemento y ∈ `∞ si y solo si:
lim xnk = yk ∀k
n→∞
xn = (xn1 , xn2 , xn3 , . . .) → (y1 , y2 , y3 , . . .)
2. Considere el espacio de sucesiones de números reales o complejos, donde cada elemento x es

∞
de la forma x = (x1 , x2 , x3 , . . .) con la condición que |xn | < ∞.
X
n=1
Este conjunto se llama `1 (son sucesiones). Si denimos una métrica como:
∞
X
d(x, y) = |xn − yn |
n=1
entonces (`1 , d) es un espacio métrico.

3. Considere el espacio c ⊂ `∞ de todas las sucesiones x = (xn1 , xn2 , xn3 , . . .) para los cuales
existe lim xn . Este es el subespacio de `∞ de las sucesiones convergentes. El subespacio de c
n→∞
que consiste de las sucesiones en `∞ que convergen a cero, se denota por c0 .
4. El espacio s consistiendo en todas las sucesiones x = (x1 , x2 , x3 , . . .) con componentes reales.
Sea y = (y1 , y2 , y3 , . . .) otra sucesión. Entonces denimos:
∞
1 |xn − yn |
,
X
d(x, y) = n
·
n=1
2 1 + |xn − yn |
Con esta métrica (s, d) es un espacio métrico.

5 Como Q=R y Q es denso y contable, entonces R es separable.

5. El espacio `p consistiendo en todas las sucesiones x = (x1 , x2 , x3 , . . .) tales que:

∞
X
|xn |p < ∞
n=1
∞
! p1
Denimos: d(x, y) = , 1 ≤ p < ∞,
X
|xn − yn |p
n=1
Con esta métrica el espacio (`p , d) es un espacio métrico.
6. Sea C[a,b] el espacio de todas las funciones continuas en [a, b]. Si f y g son continuas en [a, b],
denimos:
d(f, g) = max |f (t) − g(t)|,
a≤t≤b
Con esta métrica el espacio (C[a,b] , d) es un espacio métrico.

Esta métrica se llama la métrica del máximo. Convergencia de una sucesión de funciones
continuas en esta métrica signica que la sucesión converge uniformemente en [a, b].
De aquí que a esta métrica también se le llama métrica uniforme.
7. Sea L (X, Ω, µ) el conjunto de funciones integrables en X respecto al espacio de medida
(X, Ω, µ). Dicho espacio, está conformado por
Z la función medida µ : Ω → [0, ∞), donde
Ω es una σ -álgebra. Si denimos p(f, g) = |f (x) − g(x)|dµ. Note que p(f, g) puede ser
X
cero sin que f y g sean iguales, entonces p no dene una distancia! Sería una pseudo métrica.
Lo mismo ocurre con L p (X, Ω, µ) el conjunto de funciones cuya potencia p de su valor absoluto
es integrable: si f ∈ L p (X, Ω, µ) entonces:
Z
|f (x)|p dµ < ∞
X
Z p1
p
p(f, g) = |f (x) − g(x)| dµ
X
Sea [f ] la clase o conjunto de todas las funciones de L p (X, Ω, µ) que tienen la misma integral
(p-integral) que f .
Este procedimiento separa a L p (X, Ω, µ) en clases de equivalencia, donde f y g son equivalentes
si están en la misma clase.
Sea Lp (X, Ω, µ) el conjunto de las clases de equivalencia en las cuales queda dividida L p (X, Ω, µ).
Z p1
En L (X, Ω, µ) denimos la distancia d([f ], [g]) =
p p
|f (x) − g(x)| dµ . Como se puede
X
comprobar, (Lp , d) es un espacio métrico.

Denición 1.12
Dos métricas d y d̂ sobre un espacio X se dicen ser equivalentes si existen constantes positivas
α y β tales que:
α d̂(x, y) ≤ d(x, y) ≤ β d̂(x, y) ∀x, y ∈ X
Observación.
Sea n ∈ N (jo), si X = Rn y se denen las siguientes métricas para x, y ∈ X:
  12
n n
ˆ y) =
X X
2
d(x, y) =  |xi − yi | , d̂(x, y) = sup |xi − yi |, d̂(x, |xi − yi |
1≤i≤n
i=1 i=1
Entonces estas métricas son equivalentes. Veamos que d y d̂ son equivalentes6 :
!  
n
X
sup |xi − yi |2 ≤ |xi − yi |2  ⇒ d̂(x, y) ≤ d(x, y)
1≤i≤n
i=1
no depende de i
  z }| {
n n
!2
X X
 |xi − yi |2  ≤ sup |xj − yj |
1≤j≤n
i=1 i=1
!
= n sup |xj − yj |
1≤j≤n
√
d(x, y)2 ≤ n d̂2 (x, y) ⇒ d(x, y) ≤ n d̂(x, y)
√
⇒ |{z}
d̂ (x, y) ≤ d(x, y) ≤ n d̂(x, y) 2

| {z√ }
α=1 β= n
Denición 1.13
Un espacio topológico (X, T) se dice ser metrizable si existe una métrica d sobre X tal que la
topología M generada por la métrica coincida con la topología T original en X (M = T ).
Ejemplo 4.
Considere el espacio topológico (X, T) donde T es la topología discreta sobre X. Denamos ahora
sobre X una métrica d:
6 Se pueden probar las otras equivalencias.


 0
 si x=y
d(x, y) =
 1 si x 6= y ∀x, y ∈ X

Notemos que las bolas abiertas en X, son de la forma: B(x, ) = {y ∈ X : d(x, y) < }
Si ≤ 1, B(x, ) = {x}, para todo otro valor de (es decir para > 1) se tiene
B(x, ) = {y ∈ X : d(x, y) < } = X

Sabemos que todo subconjunto de X en la topología discreta son abiertos y sabemos que cualquiera
de ellos se obtiene por la unión de elementos del tipo {x}. Por tanto, estos conjuntos unitarios
forman una base para la topología métrica. Entonces la topología métrica M es igual a la topología
discreta T original7 . Por tanto (X, T) es metrizable.
Observación.
1. Sean (X, d1 ), (X, d2 ), . . . , (X, dn ) espacios métricos con distancias d1 , d2 , . . . , dn denidas sobre
el mismo conjunto X. Las bolas abiertas en estos espacios pueden tener formas diferentes,
pero si d1 , d2 , . . . , dn son métricas equivalentes, entonces generan la misma topología en X.
2. Sean (X1 , d1 ), (X2 , d2 ), . . . , (Xn , dn ) espacios métricos. El producto cartesiano X1 × X2 × . . . ×
Xn tiene por elementos n m-uplas. Si X es el producto cartesiano, entonces si x ∈ X :
n
x = (x1 , x2 , . . . , xn ), xi ∈ Xi y d(x, y) =
X
di (xi , yi )
i=1
n
es una métrica sobre X = Xi .
Y
i=1
Si c1 , c2 , . . . , cm son números reales positivos cualesquiera, entonces la métrica dc (x, y) =
m
ci di (xi , yi ) es equivalente a la métrica d.
X
i=1
3. Sea {(xi , yi )} una sucesión innita de espacios métricos. Sea X el producto cartesiano X1 ×
∞
Xi los elementos de X son de la forma: x = (x1 , x2 , . . .).
Y
X2 × . . . =
i=1
∞
1 dn (xn , yn )
Denimos d(x, y) = , la cual es una métrica.
X
2n 1 + d (x , y )
i=1 n n n
7 Por esto la métrica trivial se llama discreta.

1.2. Completación de Espacios Métricos 10
1.2. Completación de Espacios Métricos
Denición 1.14
Sean (X, d) y (X̂, d̂) dos espacios métricos. Una función σ : X → X̂ se dice ser una isometría
si d̂(σ(x), σ(y)) = d(x, y), ∀x, y ∈ X (cuando existe una transformación σ que preserva la
distancia entre dos espacios métricos). También decimos que σ es un embebimiento de (X, d)
en (X̂, d̂) porque vía σ todo X entra en X̂.
Ahora, si σ es sobreyectiva, entonces decimos que los espacios (X, d) y (X̂, d̂) son isométricos.
Teorema 1.15
Sea (X, d) un espacio métrico. Entonces existe un espacio métrico (X̂, d̂) con la siguientes
propiedades:
(i) (X̂, d̂) es completo.

(ii) Existe un embebimiento σ de X en X̂
(iii) σ(X) es denso en X̂
ˆ ˆ
Si (X̂, d̂) es otro espacio métrico con estas propiedades (anteriores), entonces es isomorfo a
(X̂, d̂). Llamamos a (X̂, d̂) la completación del espacio métrico (X, d).
Teorema 1.16
Sea {Fn } una sucesión monótona decreciente de conjuntos cerrados no vacíos en un espacio
métrico completo (X, d). Si la sucesión de diámetros diam(Fn ) converge a cero, entonces
∞
existe uno y solo un punto x tal que x ∈ Fn .
\
n=1

Prueba
∞
Supongamos que existen dos puntos x e y que pertenecen a Fn . Entonces:
\
n=1
d(x, y) ≤ diam(fn ). Ahora, lim d(x, y) ≤ lim diam(fn ), lo que implica que d(x, y) ≤ 0, y
n→∞ n→∞
por tanto d(x, y) = 0, es decir x = y
∞
Así que Fn o es vacía o tiene sólo un punto.
\
n=1
∞
Para probar que fn no es vacía consideramos dos casos:
\
n=1
(i) Cuando hay innitos conjuntos distintos, es decir, existe una subsucesión innita {Fnk }
tal que Fnk 6= Fnk+1 ∀k ∈ N
(ii) Cuando hay un número nito de conjuntos distintos, en otras palabras
∃n0 ∈ N tal que Fn = Fn0 ∀n ≥ n0
∞
Supongamos que (ii) se cumple. Entonces cualquier punto x ∈ Fn0 está también en Fn .
\
n=1
∞
Pero sabemos que en Fn existe un punto si no es vacío. Pero si asumimos que x ∈ Fn0 ,
\
n=1
∞
solo x estará en Fn ; ya que d(fn0 ) = 0.
\
n=1
Supongamos ahora que (i) se cumple. Entonces podemos elegir una subsucesión
/ Fnk+1 Entonces d(xnk , xnj ) ≤ diam(Fnk ) si j ≥ k → ∞.
{xnk } tal que xnk ∈ Fnk , pero xnk ∈
Puesto que diam(Fnk ) → 0 cuando k → ∞, la subsucesión {xnk } es una sucesión de Cauchy
y por ser Fnk cerrado, la sucesión tiene un limite en Fnk , sea x ∈ fnk el límite de {xnk }. Así
∞
que x ∈
\
Fn
n=1
∞
Esto muestra que Fn no es vacía, y por la primera parte tiene un único elemento.
\
2

n=1
Denición 1.17 Primera y Segunda Categoría

Un espacio métrico se dice ser de la primera categoría si se puede escribir como la unión
contable de conjuntos nada densos. Si un espacio métrico no es de la primera categoría,
entonces decimos que es de la segunda categoría.
Teorema 1.18 de la Categoría de Baire

Un espacio métrico completo es un espacio de la segunda categoría.

1.3. Espacios Métricos Compactos 12
Prueba
∞
Sea X es un espacio métrico completo, supongamos que puede escribirse como X =
[
{Xj }
j=1
(unión contable), donde Xj es nada denso. Así que cada Xj (j ∈ N) no tiene puntos interiores.
Fijemos en X una bola B(x0 , 1). Ahora puesto que X1 no contiene (enteramente) a la bola
B(x0 , 1), existe un punto x1 ∈ B(x0 , 1) tal que x1 ∈ / X1 . Pero entonces hay también una bola
B(x1 , r1 ) tal que B(x1 , r1 ) ⊂ B(x0 , 1) y B(x1 , r1 ) ∩ X1 = ∅. Podemos asumir r1 < 12 . De igual
manera, existe un punto x2 tal que B(x2 , r2 ) ⊂ B(x1 , r1 ) y B(x2 , r2 ) ∩ X2 = ∅. Pongamos
r2 < 13 . Procediendo de esta manera obtenemos una sucesión monótona decreciente de bolas
cerradas cuyo diámetro tiende a cero, con B(xn , rn ) ∩ Xj = ∅ si 1 ≤ j ≤ n y rn → 0. Así
que por el teorema anterior existe un punto x que pertenece a todas las bolas cerradas, pero
x∈ / Xj ∀j ≥ 1. Entonces x ∈ / ∪ Xj = X una contradicción! Así que X no puede escribirse
j
como la unión contable de conjuntos nada densos, es decir, X no es de la primera categoría.
∴ X es de la segunda categoría. 2

1.3. Espacios Métricos Compactos

Observación.
Un subconjunto Y de un subconjunto Z de un espacio X (Y ⊂ Z ⊂ X), se dice ser denso en Z, si
Z ⊂ Y. Si Z tiene un subconjunto contable que es denso en Z entonces decimos que Z es separable.
Teorema 1.19
Un subconjunto secuencialmente compacto de un espacio métrico es un conjunto cerrado.
Prueba
Sea K un subconjunto secuencialmente compacto de un espacio métrico X. Suponga que {xn }
es una sucesión en K que converge a y ∈ X. Ahora por ser K secuencialmente compacto, la
sucesión {xn } tiene una subsucesión {xnk } que converge en K digamos que el punto x ∈ K.
Ahora si {xn } y {xnk } ambas convergen debe ser el mismo límite por tanto x = y es decir
y ∈ K. Entonces tenemos que una sucesión convergente {xn } en K, converge a un elemento
de K.
∴ K es cerrado. 2


Teorema 1.20
Un subconjunto secuencialmente compacto de un espacio metrico es acotado.
Prueba
Si un subconjunto secuencialmente compacto K de un espacio métrico X no fuere acotado,
entonces contiene él mismo una sucesión {xn } tal que d(xn , z) → ∞ cuando n → ∞ siendo z
un punto jo dado en K. Entonces si {xnk } es una subsucesión de {xn } entonces d(xnk , y) → ∞
cuando n → ∞ para toda y ∈ K. Asi que {xn } no tiene una subsucesión convergente en K,
contradice el hecho de que K es secuencialmente compacto!
∴ K es acotado. 2

Teorema 1.21
Un subconjunto secuencialmente compacto de un espacio métrico es separable.
Prueba
Dado un entero positivo n y un punto x ∈ K, sea Bn (x, n1 ) = {y ∈ X : d(x, y) < n1 }, la
bola abierta de radio n1 y centro x. La colección de esas bolas variando x en K forman un
cubrimiento para K. Por ser K compacto existe un subcubrimiento nito para K. Sea Sn el
conjunto de los centros de las bolas de este subcubrimiento nito. Así que {Bn } es un n1
cubrimiento para Sn ; de aquí que cada punto z ∈ K está a una distancia menor o igual a n1
de cada punto de Sn . Así que la unión contable S de todos los conjuntos Sn es contable y
puesto que cada elemento de K estará tan cerca de puntos de S como se quiera, S es denso
en K. Entonces hemos encontrado un conjunto contable y denso en K.
∴ K es separable. 2

Teorema 1.22
Un subconjunto de un espacio métrico es compacto si y solo si es secuencialmente compacto.

1.3. Espacios Métricos Compactos 14
Prueba
Supongamos que un subconjunto K de un espacio métrico X es compacto. Supongamos que
K no es secuencialmente compacto, entonces existe una sucesión {xn } en K tal que no
tiene puntos de acumulación en K. Esta sucesión contiene una subsucesión innita de
elementos mutuamente distintos. Denotemos esta subsucesión por {yn }. Ahora, puesto que
cada punto ym no es punto límite de {yn }, y puesto que yn 6= ym si n 6= m, existe una bola
B(ym , rm ) tal que B(ym , rm ) ∩ K no contiene ninguno de los puntos yn , con n 6= m. Note que
la sucesión de bolas {B(ym , rm )} junto al conjunto K − {yn } forman un cubrimiento abierto
de K. De este cubrimiento no podemos extraer un subcubrimiento nito para K, por tanto
K no sería compacto, contrario a la hipótesis! El problema estuvo en suponer que K no era
secuencialmente compacto.
Entonces K es secuencialmente compacto.
Supongamos que K es secuencialmente compacto. Sea {Ej }∞
j=1 la familia de
∞
conjuntos abiertos en un cubrimiento para K, es decir, Ej .
[
K =
j=1
n n
Supongamos que para cualquier entero positivo n, Ej no es igual a K, es decir,
[ [
Ej
j=1 j=1
n
no cubre K. Así, debe existir una sucesión {xn } en K tal que xn ∈ Ej . Sea {xnk } un
[
/
j=1
n
subsucesión de {xn } que converge a un punto y ∈ K . Ahora, por ser K − Ej cerrado
[
j=1
y contiene todos los puntos xm con m ≥ n, es claro que y pertenece a este conjunto. Pero
∞ ∞
entonces y ∈ K − ( Ej ); lo que indica que y ∈ Ej , esto contradice el hecho que {Ej }∞
[ [
/ j=1
j=1 j=1
cubren K. Así que los {Ej }nj=1 cubren K para algún n.
∴ K ha de ser compacto. 2

Los últimos cuatro teoremas se pueden resumir de la siguiente manera:

Corolario 1. Un subconjunto compacto de un subespacio métrico es cerrado, acotado y separable.
Denición 1.23
Un subconjunto K de un espacio métrico X es llamado totalmente acotado si para cualquier
> 0 existe un número nito de bolas B(xi , ), xi ∈ K tal que cubren K. Estas bolas se dicen
que forman un -cubrimiento para K.

Teorema 1.24
Sea X un espacio métrico completo. Un subconjunto cerrado K es compacto si y solo si es
totalmente acotado.
Prueba
Supongamos que K es compacto, entonces para cualquier > 0 la colección de bolas
{B(x, )} donde x corre sobre K, es un cubrimiento para K (o se dice que forma un
cubrimiento abierto de K). Ahora por ser K compacto, podemos extraer un subcubrimiento
nito {B(xi , )| i = 1 . . . n} para K. Entonces por denición, K es totalmente acotado.
Supongamos ahora que K es cerrado y totalmente acotado. Sea {yn } una sucesión de puntos
en K. Tenemos un 1-cubrimiento nito de K; {B(x1 , 1), B(x2 , 1), B(x3 , 1), . . . , B(xm , 1)}.
Por lo menos una de las bolas {B(xi , 1)} contiene una subsucesión innita, {yn1 } de la
sucesión original {yn }. Luego tomamos un 12 -cubrimiento de K y extraemos una subsucesión
{yn2 } de {yn1 }. La subsucesión {yn2 } estará completamente contenida en una de las bolas
del 21 -cubrimiento. Procediendo de esta manera, podemos extraer una subsucesión en el
paso m-ésimo, {ynm } el cual es subsucesión de {ynm−1 }. La subsucesión diagonal formada
(y11 , y22 , y33 , . . .) es una sucesión de Cauchy, y por ser X completo, su límite existe en X.
Ahora, este límite también pertenece a K, ya que K es cerrado. Hemos mostrado que la
sucesión {yn } contiene una subsucesión convergente: la subsucesión diagonal {ynn }.
∴ K es secuencialmente compacto. 2

1.4. Funciones Continuas en Espacios Métricos

Recordar. El concepto de continuidad secuencial: Si f : X → Y , entonces f es continua si para
toda sucesión de X, {xn } tal que xn → x entonces f (xn ) → f (x).
En términos de espacios métricos podemos decir: f es continua en y0 si y solo si para cualquier
sucesión {xn } en X, espacio métrico, tal que:
d(xn , y0 ) → 0 cuando n → ∞ entonces f (xn ) → f (y0 ) cuando n → ∞
Observación.
Una función f denida sobre un conjunto Y de un espacio métrico X, se dice ser continua en un
punto y0 ∈ Y si para cualquier > 0, ∃ δ(, x) > 0 tal que
|f (x) − f (y0 )| < ∀x ∈ Y ∩ B(y0 , δ)
Si f es continua en cada uno de sus puntos, entonces decimos que f es continua en Y.

Una función f se dice ser uniformemente continua sobre Y si ∀ > 0
existe δ() > 0 tal que |f (y) − f (x)| < siempre que x, y ∈ Y, d(x, y) < δ

1.4. Funciones Continuas en Espacios Métricos 16
Teorema 1.25
Si f es una función continua sobre un conjunto compacto Y de un espacio métrico X entonces
f es uniformemente continua sobre Y.
Prueba
Si la armación fuese falsa, entonces existe un > 0 y sucesiones {yn }, {xn } en Y tales que:
|f (yn ) − f (xn )| ≥ (∗)
con d(yn , xn ) → 0 cuando n → ∞. Pero por otro lado, existen subsucesiones {ynk } y {xnk }
que convergen a puntos y y x respectivamente, los cuales pertenecen a Y.
Puesto que d(x, y) ≤ d(y, ynk ) + d(ynk , xnk ) + d(xnk , x) → 0 cuando k → ∞, entonces:
d(x, y) ≤ 0 ⇒ d(x, y) = 0, por tanto x = y

De aquí:
|f (ynk ) − f (xnk )| ≤ |f (ynk ) − f (y)| + |f (x) − f (xnk )| → 0
cuando n → ∞. Esto contradice (∗)!
∴ f es uniformemente continua. 2

Teorema 1.26
Una función real y continua sobre un subconjunto compacto Y de un espacio métrico X es
acotada y alcanza su máximo y su mínimo.
Prueba
Sea M = sup f entonces existe una sucesión {yn } tal que f (yn ) → M . Ahora por ser Y
Y
compacto, existe una subsucesión de {yn }, {ynk } la cual converge a un punto y ∈ Y, siendo
así y por ser f continua f (ynk ) → f (y) < ∞; por lo que M < ∞, ya que f (y) = M . Así que
f alcanza su máximo en Y.
Sea m = inf f . Entonces existe una sucesión {yn } tal que f (yn ) → m. Por la compacidad
Y
de Y existe una subsucesión {ynk } de {yn } que converge a y ∈ Y. Ahora, la continuidad de f
nos dice que f (ynk ) → f (y) < ∞; por lo que m > −∞, ya que f (y) = m. Así que f alcanza
su mínimo en Y. 2


Denición 1.27
Una familia {fα } de funciones denidas sobre un conjunto Z de un espacio métrico, se dice
ser uniformemente acotada si existe una constante c tal que |fα (x)| ≤ c, ∀α y ∀x ∈ Z.
Denición 1.28
Una familia {fα } de funciones continuas denidas sobre un subconjunto Z de un espacio
métrico (X, d) se dice ser equicontinua si:
∀ > 0, existe δ > 0 tal que |fα (x) − fα (y)| < si d(x, y) < δ ∀x, y ∈ Z ∀α
1.4.1. Teorema de Ascoli-Arzelà

Observación.
Para cualquier espacio métrico compacto X, denotemos por C(X) el espacio de todas las funciones continuas
sobre X. En este espacio de funciones introducimos la métrica:
d(f, g) = max |f (x) − g(x)|, ∀f, g ∈ C(X)

x∈X
Nota. Se puede probar que la función d : C(X) × C(X) → R es una métrica y que C(X) con esta
métrica es un espacio métrico completo.
Denición 1.29
Un subconjunto K de un espacio métrico X se dice ser relativamente compacto o
condicionalmente compacto si su clausura, K, es compacto.
Teorema 1.30 de Ascoli-Arzelà

Sea C una familia de funciones uniformemente acotada y equicontinua sobre un espacio
métrico compacto X. Entonces toda sucesión de funciones de C tiene una subsucesión que es
uniformemente convergente sobre X a una función continua.

Prueba
Sea {fn } una sucesión de funciones en C . Tratemos de encontrar una subsucesión de {fn }
que converge, digamos sobre S , donde S es un conjunto separable de X. Para esta parte de
la prueba usamos un argumento estándar, el de la diagonal. Pongamos los elementos de S
como {x1 , x2 , . . .}. Entonces la sucesión numérica {fn (x1 )} es acotada y por tanto, tiene una
subsucesión convergente {f1n (x1 )}. Así mismo, la sucesión {f1n (x2 )} es acotada, por lo que
tiene una subsucesión convergente {f2n (x2 )}. Notemos que la sucesión de funciones {f2n }
siendo una subsucesión de {f1n }, converge en x1 y x2 . Procediendo de esa manera obtenemos
una colección contable de sucesiones de la sucesión original:
f11 f12 f13 . . .
f21 f22 f23 . . .

f31 f32 f33 . . .
.. .. ..
. . .
Donde la sucesión en la n-ésima la converge en x1 , x2 , . . . xn , y cada la es una subsucesión
de la que está encima de ella. Así la sucesión diagonal converge en cada punto de S .
La prueba estará completa si mostramos que la convergencia es uniforme. Sea {gn } = {fnn }
la subsucesión diagonal construida más arriba, y que converge en cada punto del conjunto S .
Sea > 0 dado, y elijamos δ > 0 tal que por la equicontinuidad de la sucesión original con
d(x, y) < δ se tiene que |gn (x) − gn (y)| < 3 ∀x, y ∈ X y cada entero positivo n. Fijamos
un M > 0 tal que δ > M1 y de tal suerte que el subconjunto SM ⊂ S sea denso en X, en el
sentido que SM corresponde a un δ -cubrimiento para X. Puesto que {gn } converge en cada
punto de SM , existe N > 0 tal que ∀n, m > N, |gn (s) − gm (s)| < 3 , ∀s ∈ SM . Fijemos un
x ∈ X. Entonces x está cercano en menos de δ de algún s ∈ SM , así que si n, m > N :
|gn (x) − gm (x)| = |gn (x) − gn (s) + gn (s) − gm (x)| ≤ |gn (x) − gn (s)| + |gn (s) − gm (x)|
= |gn (x)−gn (s)|+|gn (s)−gm (s)+gm (s)−gm (x)| ≤ |gn (x)−gn (s)|+|gn (s)−gm (s)|+|gm (s)−gm (x)|
Por la elección de δ y la equicontinuidad de {fn }, el primer término, así como el tercero son
menores que 3 ; la misma suerte corre el segundo término por la elección de N . Así que dado
> 0 hemos mostrado un N tal que para cada x ∈ X, y n, m > N , se tiene que:

|gn (x) − gm (x)| < + + =
3 3 3
Es decir, en X, la subsucesión {gn } de {fn } es uniformemente de Cauchy, y como converge
es uniformemente convergente. Sea f el límite de {gn }, es decir, {gn } → f uniformemente,
entonces:
|f (x) − f (y)| = |f (x) − gn (x) + gn (x) − gn (y) + gn (y) − f (y)| ≤

|f (x) − gn (x)| + |gn (x) − gn (y)| + |gn (y) − f (y)| ≤ + + =
3 3 3
Por lo que f es continua. 2


Teorema 1.31
Sea X un espacio métrico compacto. Una familia K de funciones de C(X) es relativamente
compacta en C(X) si y solo si K es tanto uniformemente acotada como equicontinua.
Prueba
El teorema de Ascoli-Arzelá prueba que si K es uniformemente acotada y equicontinua,
entonces cualquier sucesión de funciones {fn } en K , tiene una subsucesión que converge en
la métrica de C(x) a un elemento de C(x). De aquí se sigue que la clausura de K , K , es
secuencialmente compacta y por tanto compacta. Así que K es relativamente compacta.
Supongamos, al revés, que K es relativamente compacta. Ahora, todo conjunto
secuencialmente compacto es acotado; así que K es un conjunto acotado en C(X); pero
esto es equivalente a que K sea una familia uniformemente acotada de funciones. Ahora,
para probar que K es equicontinua, tomemos un -cubrimiento de K por un número nito
de bolas cuyos centros son funciones f1 , f2 , . . . , fn . Entonces para cualquier f ∈ K existe un
fj con 1 ≤ j ≤ h, tal que d(f, fj ) < . Esto signica que |f (x) − fj (x)| < , ∀x ∈ X. Puesto
que cada una de las funciones f1 , f2 , . . . , fn es uniformemente continua, y si f es una función
continua sobre un compacto, es también uniformemente continua en dicho compacto; existe
un δ > 0 tal que |fj (y) − fj (z)| < si d(y, z) < δ, ∀y, z ∈ X, ∀j, 1 ≤ j ≤ h.
Si combinamos las dos últimas expresiones, tenemos |f (y) − f (z)| < si d(y, z) < δ .
Esto prueba la equicontinuidad de la familia K . 2

1.4.2. Teorema del Punto Fijo
Denición 1.32
Una función T de un subconjunto X0 de un espacio métrico (X, d) en X, T : X0 → X, se
llama una contracción sobre X0 si existe un número θ con 0 < θ < 1, tal que:
d(T(x), T(y)) ≤ θ d(x, y), ∀x, y ∈ X0
Denición 1.33
Un punto z para el cual Tz = T(z) = z se llama un punto jo8 para T : X0 → X.
Teorema 1.34 del Punto Fijo

Sea T una función de un espacio métrico completo en sí mismo, T : X → X. Si T es una
contracción, entonces existe un único punto jo z tal que Tz = z .
8 De ahora en adelante, escribiremos Tz en lugar de T(z). No confundir con Tz .

Prueba
Fijemos un x0 ∈ X y denamos inductivamente una sucesión mediante Txn = xn+1 para
n = 0, 1, 2, . . . Entonces:
d(xn+1 , xn ) = d(Txn , , Txn−1 ) ≤ θd(xn , xn−1 ) =
θd(Txn−1 , Txn−2 ) ≤ θ · θd(xn , xn−1 ) = θ2 d(xn , xn−1 )

≤ θn d(x1 , x2 ) ⇒ d(xn+1 , xn ) ≤ θn d(x1 , x0 )
Consideremos d(xn+p , xn ) :
d(xn+p , xn ) ≤ d(xn+p , xn+p−1 ) + d(xn+p−1 , xn ) ≤ . . . ≤ d(xn+p , xn+p−1 ) + . . . + d(xn+1 , xn )
≤ θn+p−1 d(x1 , x0 ) + θn+p−2 d(x1 , x0 ) + θn+p−3 d(x1 , x0 ) + . . . + θn d(x1 , x0 )
= d(x1 , x0 )(θn+p−1 + θn+p−2 + θn+p−3 + . . . + θn )
= d(x1 , x0 )θn (θp−1 + θp−2 + θp−3 + . . . + θ0 )
1
≤ θn d(x1 , x0 )( )
1−θ
θn
Así, d(xn+p , xn ) < d(x1 ,0 ), llamemos k = d(x1 ,0 )
1−θ
θn
⇒ d(xn+p , xn ) < k
1−θ
cuando n → ∞, d(xn+p , xn ) → 0
Por tanto, la sucesión es un sucesión de Cauchy, pero X es completo, por tanto el límite de
{xn } existe, digamos z ; entonces: d(xn , z) → 0 cuando n → ∞.
Proponemos que de ser así, entonces Tz = z , es decir z es un punto jo:
d(Tz, z) ≤ d(Tz, xn ) + d(xn , z) = d(Tz, Txn−1 ) + d(xn , z) → 0
cuando n → ∞. Por tanto d(Tx, z) = 0 y Tz = z .

Debemos probar ahora que el punto jo es único: supongamos que y es también un punto jo
para T. Entonces: d(y, z) = d(Ty, Tz) ≤ θd(y, z), así que d(y, z) ≤ θd(y, z)
Por tanto (1 − θ)d(y, z) = 0 ⇒ d(y, z) = 0 , es decir y = z 2


Unidad 2
Espacios Normados
2.1. Espacios Vectoriales Normados
Denición 2.1
Un espacio vectorial X se dice ser un Espacio Vectorial Topológico si:
1. Se ha denido una topología sobre X
2. Las operaciones de suma y multiplicación por escalares son continuas, donde:
+:X×X→X
si x, y ∈ X, entonces +(x, y) = x + y ∈ X
·:K×X→X
Si λ ∈ K, x ∈ X ⇒ ·(λ, x) = λ · x ∈ X
Observación.
Si A y B son subconjuntos de un espacio vectorial X, entonces:
A + B = {a + b : a ∈ A, b ∈ B}
Así mismo, si λ ∈ K (R o C), entonces:
λA = {λa : a ∈ A}
Denición 2.2
Sea X un espacio vectorial sobre el campo K (R o C), una norma sobre X es una función
k.k : X → R tal que satisface las condiciones siguientes:
1. kxk ≥ 0 y kxk = 0 si y solo si x = 0 (No negatividad de la norma)

2. Si x ∈ X y λ ∈ K, entonces kλkk = |λ| ·kxk (homogeneidad de la norma)
3. Si x, y ∈ X, entonces kx + yk ≤ kxk +kyk (desigualdad triangular de la norma)
21
2.1. Espacios Vectoriales Normados 22
Denición 2.3
Un espacio vectorial normado es aquel sobre el cual se ha denido una norma.
Denición 2.4
Una espacio de Fréchet es un espacio vectorial métrico X con las propiedades siguientes:
1. d(x, y) = d(x − y, 0)
2. X es completo
Observación.
Todo espacio (vectorial) normado puede ser visto como un espacio métrico mediante la
métrica inducida por la norma, en la forma siguiente:
d(x, y) = kx − yk , ∀ x, y ∈ X
Así, kxk = d(x, 0), ∀ x ∈ X

Debemos comprobar que efectivamente d denida de esta manera, es una métrica:
1. d(x, y) = kx − yk, entonces d(x, y) ≥ 0, y además, d(x, y) = 0 si kx − yk = 0, pero
kx − yk = 0 si y solo si x − y = 0 si y solo si x = y
2. Si d(x, y) = kx − yk = (−1)(−x + y) = | − 1| ·ky − xk = ky − xk = d(y, x)

3. d(x + y, 0) = kx + yk ≤ kxk +kyk = d(x, 0) + d(y, 0) ⇒ d(x + y, 0) ≤ d(x, 0 + d(y, 0)

Ahora, d(x, z) = kx − zk = kx − y + y − zk = (x − y) + (y − z) ≤ kx − yk +ky − zk
⇒ d(x, z) ≤ d(x, y) + d(y, z)
Así que la distancia d(x, y) = kx − yk es una métrica sobre X. Pero toda métrica incluye una
topología sobre X; así que esta métrica induce una topología que llamamos la
topología inducida por la norma. 2
Observación.
Debemos comprobar que bajo esta topología inducida por la norma, las operaciones de suma y
multiplicación por escalares del espacio vectorial X son continuas.
Debemos probar que si λn → λ, µn → µ, kxn − xk → 0, kyn − yk → 0, entonces:

(λn xn + µn yn ) − (λx + µy) → 0 (n → ∞)
Donde {xn }, {yn } son sucesiones en X y {λn }, {µn } son sucesiones en K.

Veamos:
(λn xn + µn yn ) − (λx + µy) = (λn xn − λx) + (µn yn − µy)
≤ kλn xn − λxk +kµn yn − µyk

= kλn xn − λx − λn x + λn xk +kµn yn − µy − µn y + µn yk

= (λn xn − λn x) + (λn x − λx) + (µn yn − µn y) + (µn y − µy)

23 UNIDAD 2. ESPACIOS NORMADOS
≤ kλn xn − λn xk +kλn x − λxk +kµn yn − µn yk +kµn y − µyk

= λn (xn − x) + (λn − λ)x + µn (yn − y) + (µn − µ)y
= |λn | ·kxn − xk + |λn − λ| ·kxk + |µn | ·kyn − yk + |µn − µ| ·kyk
:0 :0 :0 :0
⇒ (λn xn + µn yn ) − (λx + µy) ≤ |λn | · kx − |λ
n − λ| ·kxk + |µn | · ky n − yk +
|µ
n − µ| ·kyk

n xk +
⇒ Por tanto, cuando n → ∞

(λn xn + µn yn ) − (λx + µy) → 0
Así que las operaciones de suma y multiplicación por escalares son continuas en la topología
inducida por la norma. Por tanto, X es un espacio vectorial topológico. 2

Observación.
Un espacio vectorial métrico con una métrica d, se dice ser un espacio vectorial normado si existe
una norma k·k tal que d(x, y) = kx − yk.
Si es este el caso entonces d(x, y) = d(x − y, 0), d(λxλy) = |λ| · d(x, y).
n
|xi − yi |
Por ejemplo: R , x = (x1 , x2 , . . .), d(x, y) =
X
n
i=1
1 + |xi − yi |
n
X λkxi − yi k
d(λx, λy) =
i=1
1 + λkxi − yi k
Nota. Algunas distancias no provienen de una norma, sin embargo, todo Espacio Vectorial Normado
es un Espacio Métrico.
Denición 2.5
m
Una serie es una bi-sucesión {xm , xn }.
X
n=1
m
Sea {xn } una sucesión en un espacio vectorial normado X y sea Sm = xn . Si la sucesión
X
n=1
∞
{Sm } tiene un límite s, entonces decimos que la serie xn converge y su suma es s.
X
n=1
∞
Escribimos: s =
X
xn
n=1
∞ ∞
Si kxn k < ∞, entonces decimos que la serie xn es absolutamente convergente.
X X
n=1 n=1

2.1.1. Espacios de Banach
Denición 2.6
Un espacio vectorial normado y completo es un espacio de Banach.
Observación.
Un conjunto A en un espacio vectorial normado X, es acotado si y solo si existe k > 0 tal que
kxk ≤ k, ∀x ∈ A
Donde kxk ≤ k ⇒ kx − 0k = d(x, 0) ≤ k
Denición 2.7
Dos normas k·k1 y k·k2 sobre un mismo espacio normado X se dicen ser equivalentes si existen
constantes positivas α y β tales que:
α kxk1 ≤ kxk2 ≤ β kxk1
Teorema 2.8
∞
Sea X un espacio de Banach y sea {xn } ⊂ X, si la serie xn es absolutamente convergente
X
n=1
entonces es convergente.
Prueba
m
Sea Sm = xn , entonces:
X
n=1

m k m m
X X X X
kSm − Sk k =
x n − x n
=
x n
≤ kxn k
n=1 n=1 n=k+1 n=k+1
m
Pero como la serie converge absolutamente
X
kxn k → 0 (m > k → ∞)
n=k+1
⇒ kSm − Sk k → 0 (m, k → ∞)
Así que la sucesión {Sm } es de Cauchy, pero como X es completo, {Sm } tiene límite s.
∞ ∞
Así xn = s < ∞, es decir, la serie xn converge.
X X
2

i=1 i=1

Ejemplo 5 (Casos de Espacios Normados).
1. Los espacios Lp (X, Ω, µ), 1 ≤ p ≤ ∞ son espacios vectoriales normados.

Comentario: L p (X, Ω, µ) es el espacio de todas las funciones medibles de potencia p integrables
con respecto a la medida µ.
Z
f ∈ L (X, Ω, µ) si y solo si
p
|f (x)|p dµ < ∞
X
Si se dene:
Z p1
p
kf kp = |f (x)| dµ
X
Entonces, habría problemas para denir una norma, debido a que si f = g c.t.p. entonces:
Z p1 Z p1
p p
kf kp = |f (x)| dµ = kgkp = |g(x)| dµ
X X
Si denimos h = f − g , entonces:
Z p1
p
khkp = |h(x)| dµ
X
Z p1
p
= kf − gkp = |f (x) − g(x)| dµ
X
Por otro lado, por las propiedades de la norma de una función:
kuk ≥ 0 y kuk = 0 si y solo si u = 0(función cero) ⇒ khkp = 0(función cero)

Pero h no es la función cero. Así que no se puede denir una norma, solamente una
semi-norma, una semi-métrica. Para obtener espacios normados, en lugar de manejar funciones
se manejarán clases de funciones:
[f ] = {g ∈ L p (X, Ω, µ) : f = g c.t.p}
[h] = {g ∈ L p (X, Ω, µ) : h = g c.t.p}

Se dene entonces: [f ] = kgk ∀g ∈ [f ]

Ahora con esta denición, tal como ocurrió en espacios métricos, se construye el espacio
µ), 1 ≤ p ≤ ∞ a partir de L p (X, Ω, µ), esta vez con una norma asociada. Cuando
Lp (X, Ω,
se tenga [f ] = 0 ⇒ [0] lo que quiere decir la función cero y todas las que dieren de la
función cero en un conjunto de medida cero.

Por tanto, con esta nueva denición los espacios Lp (X, Ω, µ) son espacios vectoriales normados1 ,
donde los elementos de Lp (X, Ω, µ) son clases de equivalencia, tal que en caso que f = g ctp,
entonces f y g pertenecen a la misma clase. Es decir, los elementos de Lp (X, Ω, µ) ya no
son funciones como en L p (X, Ω, µ) sino clases de funciones. La suma en Lp (X, Ω, µ) viene
como [f ] + [g] = [f + g] y el producto por escalar: λ[f ] = [λf ].
Z p1
Se tiene entonces [f ] p = , 1 ≤ p < ∞, la cual sí representa una norma,
p
|f (x)| dµ
X
como se dijo anteriormente.
Z p1
Es de notar que usualmente se escribe kf kp = |f (x)| dµ , pero realmente se reere a
p
X
la norma p de la clase [f ], es decir [f ] p

Para p = ∞, kf k∞ = [f ] ∞ = ess sup |f (x)| = inf{c : |f (x)| ≤ c, c.t.p.}

X
Nota. Las desigualdades de Hölder y Minkowski se obtienen del curso de Teoría de la Medida
e Integración.
2. Los espacios `p , 1 ≤ p < ∞ son espacios vectoriales normados (espacios de sucesiones), las
operaciones de espacio vectorial vienen dadas por:
x + y = (x1 , x2 , . . .) + (y1 , y2 , . . .) = (x1 + y1 , x2 + y2 , . . .)
∞
! p1
y λx = λ(x1 , x2 , . . .) = (λx1 , λx2 , . . .) La norma es kxkp =
X
|xn |p , 1≤p<∞
n=1
para p = ∞, kxk∞ = sup |xn |.
n
3. El espacio C(X) de las funciones continuas sobre X, donde X es un espacio métrico compacto,
es un espacio vectorial normado con las operaciones de espacio vectorial:
(f + g)(x) = f (x) + g(x), ∀x ∈ X
y (λf ) = λf (x), ∀x ∈ X, ∀λ ∈ K campo (R o C) La norma viene dada por:
kf kC(X) = max |f (x)|
x∈X
Cabe destacar que no se usa supremo porque X es compacto, y una función continua sobre
un compacto alcanza su máximo y su mínimo en X.
En este caso también el espacio es de Banach.
4. El espacio s, aún cuando es completo, no es un espacio vectorial normado ya que la métrica
sobre s no satisface la condición d(λx, λy) = |λ| · d(x, y). Recordemos que:
∞
1 |xi − yi |
dado x ∈ s y x = (x1 , x2 , . . .) ⇒ d(x, y) =
X
·
i=1
2i 1 + |xi − yi |
Así que el espacio s no es de Banach (no cumple con la condición de normado, así que no es
espacio vectorial normado), pero es de Fréchet (espacio métrico completo y espacio vectorial,
aunque no normado).
1 El espacio Lp (X, Ω, µ) métrico es completo por demostración del Teorema de Riesz-Fischer.

5. Sean Xi , i = 1, 2, . . . n espacios vectoriales. La suma directa X es un espacio vectorial cuyos

elementos x tienen la forma x = (x1 , x2 , . . . , xn ), donde xi ∈ Xi y las operaciones son:
x + y = (x1 , x2 , . . . , xn ) + (y1 , y2 , . . . , yn ) = (x1 + y1 , x2 + y2 , . . . , xn + yn )
λx = λ(x1 , x2 , . . . , xn ) = (λx1 , λx2 , . . . , λxn )
n
El espacio X se escribe como: X =
X
Xi
i=1
Si x ∈ X, entonces X es un espacio normado con cualquiera de las normas siguientes:

n
a) kxkX = kxi ki , donde kxi k nos dice que Xi es un espacio vectorial normado.
X
i=1
Nota. No necesariamente cada norma k·ki tenga relación con la otra, por eso se usa el
subíndice.
b) kxkX = max kxi ki
1≤i≤n
  21
n
c) kxkX =  kxi ki 2 
X
i=1
Nota. Se puede probar que las normas a), b) y c) de X son equivalentes
2.2. Operadores Lineales
Denición 2.9
Sean X y Y espacios vectoriales y T una transformación de DT ⊂ X a Y (T : DT ⊂ X → Y)
T se llama una función, una transformación o un operador con dominio2 DT y codominio Y
Si T(x) = Tx = y entonces y se llama la imagen de x por T, y x se llama la pre-imagen de y
por T. Si A ⊂ DT ⊂ X entonces T(A) = {y ∈ Y : Tx = y, x ∈ A}.
Observación.
El operador T : DT ⊂ X → Y se dice lineal si DT es un subespacio de un espacio vectorial X, y si
para todo x, y ∈ DT :
T(x + y) = Tx + Ty
T(λx) = λTx, ∀x ∈ DT , λ ∈ K
Nota. T0 = 0 si T es lineal, fíjese: T0 = T(2.0) = 2T0 ⇒ T0 = 2T0
⇒ −1T0 = 0 ⇒ T0 = 0
Observación.
Una transformación lineal y continua es una transformación que además de ser lineal es continua
como una función. Es decir, si {xn } ⊂ DT y xn → x entonces Txn → Tx.
2D = D(T) : Dominio de T
T

2.2. Operadores Lineales 28
Teorema 2.10
Sean X, Y espacios vectoriales normados. Una transformación lineal T de X en Y es continua
si y solo si es continua en un punto.
Prueba
Asumamos que T : X → Y es continua. Por tanto T es continua en un punto.
Supongamos ahora que T : X → Y es continua en un punto z ∈ X. Sea {xn } una sucesión en
X tal que converge a un punto x ∈ X, es decir, xn → x. Entonces xn − x + z → z . Ahora,
T(xn − x + z) = Txn − Tx + Tz → Tz
Así que Txn − Tx → 0 ⇒ Txn → Tx, así T es continua en x ∈ X

∴ T es continua en todo x ∈ X. 2

Observación.
Sean X e Y espacios vectoriales normados, y sea T una transformación lineal de X en Y. Si existe
una constante k tal que ∀x ∈ X:
(∗)kTxkY ≤ kkxkX se cumple
decimos que T es una transformación lineal y continua. El ínmo de los valores de k para los cuales
la relación (*) se cumple se llama la norma de T y se denota por kTk. Es claro que la relación:
(∗∗)kTxkY ≤ kTk ·kxkX
Si kxkX 6= 0, entonces podemos escribir:

kTxkY
≤ kTk
kxkX
kTxkY
Entonces: kTk = sup
kxk6=0 kxkX
1
kTxkY kxkX
·kTxkY
kTk = sup = sup kxkX
kxk6=0 kxkX kxk6=0
kxkX

x
= sup T = sup kTxk

kxk6=0 kxkX kxk=1
Y
kTxkY
kTk = sup o kTk = sup kTxk
kxk6=0 kxkX kxk=1

Teorema 2.11
Una transformación lineal T de un espacio vectorial normado X es continua si y solo si es
acotada.
Prueba
Supongamos que T es acotada y sea {xn } una sucesión en X tal que xn → 0 cuando n → ∞,
entonces Txn → 0. Así que T es continua en 0 (cero), por lo que es continua en todas partes.
Supongamos que T es continua. Entonces, si T no fuere acotada para cualquier entero positivo
x0n
n, existe un punto x0n tal que kTx0n k > nkx0n k. Pongamos ahora xn = . Es claro que
nkx0n k
xn → 0 pero kTxn k > 1 así que kTxn k 6→ 0. Por lo que T no sería continua, contrario al
supuesto.
∴ T es acotada. 2

Observación.
El espacio de todas las transformaciones lineales T de un espacio vectorial X a un espacio vectorial
Y se puede poner bajo la estructura de un espacio vectorial con las operaciones de:
1. Suma, si T y S son transformaciones lineales de X a Y, entonces:
(T + S)(x) = Tx + Sx, ∀x ∈ X
2. Multiplicación por escalares:
(λT)(x) = λTx, ∀x ∈ X, ∀λ ∈ K (C o R)
Denotamos por L (X, Y) al espacio vectorial de todas las transformaciones lineales de X e Y.

Denotamos por B(X, Y) al subespacio de L (X, Y), formado por todas las transformaciones lineales
y continuas (acotadas) de X a Y.
Nota: Si X = Y, entonces L (X, Y) = L (X) y B(X, Y) = B(X)

2.2. Operadores Lineales 30
Teorema 2.12
Sean X e Y espacios vectoriales normados. Entonces B(X, Y) es un espacio vectorial normado
con la norma para las T, kTk, como se denió antes.
Prueba
La primera condición para la norma:
kTxk
Si kTk = sup , entonces kTk ≥ 0, ahora,
kxk6=0 kxk
k0xk 0
Si T = 0, es claro que kTk = sup = = 0 ⇒ kTk = 0,
kxk6=0 kxk kxk
kT k
Ahora, si kTk = 0 ⇒ sup x = 0 ⇒ kxkY = 0, ∀x ∈ X
kxk6=0 kxk
⇒ Tx = 0, ∀x 6= 0 ⇒ T = 0
La segunda parte o condición para la norma:
Si T ∈ B(X, Y) y λ ∈ K entonces:
kλTxkY kTxk
kλTk = sup = sup |λ|
kxk6=0 kxkX kxk6=0 kxk
kTxk
= |λ| · sup = |λ| ·kTk
kxk6=0 kxk
⇒ kλTk = |λ| ·kTk

La tercera condición para la norma:
Si T y S ∈ B(X, Y) entonces:

(T + S)x kTx + Sxk kTxk +kSxk
kT + Sk = sup = sup ≤ sup
kxk6=0 kxk kxk6=0 kxkX kxk6=0 kxk

kTxk kSxk kTxk kSxk
= sup + ≤ sup + sup = kTk +kSk
kxk6=0 kxk kxk kxk6=0 kxk kxk6=0 kxk
⇒ kT + Sk ≤ kTk +kSk
kTxkY
Así, kTkB(X,Y) = sup es una norma para los elementos de B(X, Y).
kxk6=0 kxkX
De esta manera B(X, Y) es un espacio vectorial normado. 2

Denición 2.13
Una sucesión {Tn } de transformaciones (operadores) lineales acotados (continuos), de un
espacio vectorial normado X a un espacio vectorial normado Y, se dice ser uniformemente
convergente si existe un operador lineal y acotado T de X a Y tal que kTn − TkB(X,Y) → 0
cuando n → ∞. Decimos que {Tn } es uniformemente convergente a T.

Teorema 2.14
Si X es un espacio vectorial normado y Y es un espacio de Banach, entonces B(X, Y) es un
espacio de Banach.
Prueba
Sea {Tn } una sucesión de Cauchy en B(X, Y). Por tanto {Tn } es una sucesión acotada, es
decir, existe una constante k tal que kTn xk ≤ kkxk
, ∀x, ∀n ≥ 1
Notemos que kTn x − Tm xkY = (Tn − Tm )x ≤ (Tn − Tm ) B(X,Y) ·kxkX

Cuando n, m → ∞,kTn − Tm k → 0. Por tanto, kTn x − Tm xk → 0 cuando n, m → ∞. Así
que la sucesión {Tn x} es una sucesión de Cauchy en Y. Por ser Y completo, existe el límite
de {Tn x}, es decir: lim Tn x existe. Pongamos, como Tx = lim Tn x
n→∞ n→∞
Veamos que T : X → Y es lineal:
a) Si x1 , x2 ∈ X, entonces:
T(x1 + x2 ) = lim Tn (x1 + x2 ) = lim (Tn x1 + Tn x2 ) =

n→∞ n→∞
lim Tn x1 + lim Tn x2 =
n→∞ n→∞
Tx1 + Tx2 ⇒ T(x1 + x2 ) = Tx1 + Tx2

b) Si x ∈ X y λ ∈ K, entonces:
T(λx) = lim Tn (λx) = lim λTn x = λ lim Tn x

n→∞ n→∞ n→∞
= λTx ⇒ T(λx) = λTx

De a) y b) T : X → Y es un operador lineal.
Veamos que T : X → Y es acotado.
Sabemos que los Tn : X → Y son operadores acotados. Por tanto, existe k tal que
kTn xk ≤ kkxk
Ahora, lim kTn xk ≤ k lim kxk = kkxk ⇒ kTxk ≤ kkxk ⇒ T es acotado.

n→∞ n→∞
Ahora, puesto que {Tn } es de Cauchy, dado > 0, existe n0 tal que
kTm − Tn k < si m ≥ n ≥ n0 . Así, ∀x ∈ X, tenemos:
kTm x − Tn xk < kxk
Ahora, haciendo m → ∞, tenemos kTx − Tn xk < kxk

kTx − Tn xk (T − Tn )(x (T − Tn )(x
⇒ <⇒ < ⇒ sup <
kxk kxk kxk6=0 kxk
⇒ kT − Tn kB(X,Y) < , n ≥ n0
Así que Tn : X → Y converge a T : X → Y con la norma de B(X, Y).
Por tanto, B(X, Y) es completo, es decir, de Banach. 2


2.3. Principio de la Acotación Uniforme 32
Denición 2.15
Sea X un espacio de Banach, y sea denida de una multiplicación: · : X × Y → X tal que:
·(x, y) = x · y , entonces:
1. X es un anillo (no necesariamente con identidad) con las operaciones x + y, x · y .

2. kx · yk ≤ kxk ·kyk
Con estas condiciones X se llama un Álgebra de Banach.
Ejemplo 6.
Si X es un espacio métrico compacto. Entonces C(X) es un Álgebra de Banach con las operaciones:
1. (f + g)(x) = f (x) + g(x), ∀x ∈ X, ∀f, g ∈ C(X)
2. (f · g)(x) = f (x) · g(x), ∀x ∈ X, ∀f, g ∈ C(X)
Ejemplo 7.
Si X es un espacio de Banach entonces B(X, X) = B(X) es un álgebra de Banach con las
operaciones:
1. (T + S)(x) = Tx + Sx, ∀x ∈ X, ∀T, S ∈ B(X, X)
2. (ST )(x) = S(Tx), ∀x ∈ X, ∀S, T ∈ B(X)
Recordemos que si: x ∈ X, g, f ∈ C(X) ⇒ (f · g)(x) = f (x) · g(x) = f (x) · g(x)

Nota. Dado que kTk = sup kTxk y kTxk ≤ kTk ·kxk, se tiene que:
kxk=1

kS · Tk = sup (ST )(x) = sup S(Tx)
kxk=1 kxk=1

≤ sup kSk ·kTxk
kxk=1
= kSk · sup kTxk = kSk ·kTk

kxk=1
⇒ kS · Tk ≤ kSk ·kTxk
Nota. B(x) tiene una identidad I dada por Ix = x.
2.3. Principio de la Acotación Uniforme
Teorema 2.16 de Banach-Steinhaus o Principio de la Acotación Uniforme

Sea J un conjunto de índices de cardinalidad arbitraria y sea {Aα }α∈J una colección de
elementos de L (X, Y), donde X es de Banach. Si supkAα Xk < ∞, entonces supkAα k < ∞.
α α

Prueba
Asumamos inicialmente que {An }n∈N cumple con la condición, excepto que n es un índice de
conjunto contable de índices (luego se extiende al caso general). Así que A1 , A2 , . . . cumple
con la condición del teorema. Para la prueba es suciente apoyarse en lo siguiente: para
determinados x0 ∈ X y δ > 0 existe k > 0 tal que kAn xk ≤ k, ∀n, ∀x ∈ B(x0 , δ).
Establezcamos la propiedad: sea x un vector tal que kxk ≤ δ . Siendo así, kAn xk =
An (x + x0 − x0 ) = An (x + x0 ) − An x0 ) . Sabemos que kx + x0 − x0 k = kxk ≤ δ , por

tanto x + x0 ∈ B(x0 , δ). De aquí que An (x + x0 ) < k para cada n, note que x0 ∈ B(x0 , δ),

por lo que kAn x0 k < k , así que kA

n xk < 2k, ∀x ∈ X tal que kxk ≤ δ . Ahora,
sea x ∈ X y
kxk δx kxk
δ·x kxk
consideremos la relación kAn xk = · An = · An ≤ 2k, ∀n

δ kxk δ kxk δ
kxk kAn xk 2k
⇒ kAn xk ≤ 2k, ∀n ⇒ ≤ , ∀n
δ kxk δ
kAn xk 2k 2k 2k
⇒ sup ≤ , ∀n. Por tanto, kAn k ≤ , ∀n ⇒ supkAn k ≤ <∞
kxk6=0 kxk δ δ n δ
Procedamos a probar que la condición señalada es verdadera. Supongamos que no existe un
k > 0 tal que kAn xk < k, ∀n ∀x ∈ B(x0 , δ), es decir, supongamos que para cualquier entorno
S de cualquier punto y ∀a ∈ R, existe n0 ∈ N x0 ∈ S tal que kAn0 x0 k > a. Ahora, puesto
que f (x) = kAn0 xk es una función real y continua, debe haber todo un entorno de x0 tal
que f (x) > a. Podemos asumir que dicho entorno está todo contenido en S ; es decir, que
existe un entorno, digamos, Sa ⊂ S y tal que kAn0 xk > a para todo x ∈ Sa . Supongamos
a = 1 y que existe un entorno cerrado de x0 tal que kAn1 xk > 1, para un entero n, más
aún, podemos suponer que diam(S1 ) < 1. Repetimos el proceso para a = 2, y obtenemos un
conjunto cerrado S2 , S2 ⊂ S1 ⊂ S , tal que diam(S2 ) < 12 , tal que para un n2 :
kAn2 xk > 2, ∀x ∈ S2 . Continuando de esta manera tenemos una sucesión de conjuntos
cerrados
\ {Sk } monónotamente decrecientes (encajados) y siendo X de Banach, debe existir un
Sk , lo que implica que Ank y > k, ∀k . De aquí que esto es contrario a supkAn xk < ∞.

y∈
n
De aquí que la propiedad queda realmente establecida. Pasemos al caso general del conjunto
J de índices. Supongamos que {Aα }α∈J satisface la condición del teorema, es decir,
supkAα xk < ∞ y supongamos que supkAα k = ∞. Esto implica que existen
α α
A1 , A2 , . . . , An , . . ., tales que: kA1 k > 1,kA2 k > 2, . . .; pero como el teorema se cumple para
cuando el conjunto de índice es contable, pero hemos probado que para un conjunto contable
de operadores con supkAn xk < ∞ debe ocurrir supkAn k < ∞.
n n
Por tanto ocurre siempre que si supkAα xk < ∞ entonces supkAα k < ∞. 2

α α

2.3. Principio de la Acotación Uniforme 34
Denición 2.17
Una sucesión {Tn } de operadores lineales y acotados de un espacio normado X a un espacio
normado Y, se dice ser fuertemente convergente si para cualquier x ∈ X, lim Tn x existe. Si
n→∞
existe un operador lineal y acotado T tal que lim Tn x = Tx entonces decimos que {Tn } es
n→∞
fuertemente convergente a T.
Nota. Tenemos que:

Si {Tn } converge uniformemente a T, dado > 0, existe N () tal que
∀n ≥ N, kTn − TkB(x,y) < , se mide en la norma del espacio B(x, y)
Si {Tn } converge fuertemente a T, dado > 0, existe N () tal que

∀n ≥ N, kTn x − TxkY < , se mide en la norma de las imágenes en Y
Sabemos que, dado {Tn }, entonces kTn x − Txk = (Tn − T)x ≤ kTn − Tk ·kxk < kxk

| {z }
<
⇒ kTn x − Txk < 0 = kxk
Observación.
Convergencia uniforme implica convergencia fuerte.

Teorema 2.18
Sea X un espacio de Banach y Y un espacio vectorial normado. Si una sucesión {Tn } de
operadores lineales y acotados de X en Y es fuertemente convergente, entonces existe un
operador lineal y acotado T tal que {Tn } es fuertemente convergente a T.
Prueba
Para todo x ∈ X la sucesión {Tn x} es acotada, por ser convergente {Tn x}. Ahora el principio
de acotación uniforme implica que:
existe k ≥ 0, kTn k ≤ k, ∀n ≥ 1
siendo k constante; así que:
kTn xk ≤ kTn k ·kxk ≤ k ·kxk
Denamos:
Tx = lim Tn x Note que si z = αx + βy ⇒
n→∞
T(αx + βy) = Tz = lim Tn (z) = lim Tn (αx + βy)

n→∞ n→∞
= lim Tn αx + lim Tn βy
n→∞ n→∞
= α lim Tn x + β lim Tn y = αTx + βTy

n→∞ n→∞
⇒ T(αx + βy) = αTx + βTy Así se prueba linealidad de T

Sabemos que kTn xk ≤ kkxk. Tomando límites: kTxk ≤ kkxk; es decir T es acotado.
La denición de T nos dice que {Tn x} es fuertemente convergente a T en B(X, Y). 2


2.4. Teorema de la Función Abierta y de la Gráca Cerrada 36
2.4. Teorema de la Función Abierta y de la Gráca Cerrada

Lema 1. Sea A un operador lineal y acotado del espacio de Banach X sobre el espacio de Banach
Y. Entonces la imagen por A de la esfera unitaria en X contiene una esfera en el origen en Y.
Prueba
Sea Sn = {x : kxk < 21n }, S1 = {x : kxk < 21 } y S0 = {x : kxk < 1}
∞
Es claro que X = ∪ kS1 , Pero puesto que A : X → Y es sobreyectiva:
k=1
∞ ∞ ∞
Y = A(X) = A( ∪ kS1 ) = ∪ kA(S1 ) ⇒ Y = ∪ kA(S1 )
k=1 k=1 k=1
Por ser Y completo (de Banach) y espacio métrico, no puede ser de la primera categoría. Así
que A(S1 ) no es un conjunto nada denso; de aquí que A(S1 ) contiene alguna esfera, digamos
Bp = {y : ky − pk < η} donde η es un número positivo. Por tanto A(S1 ) − p contiene una
esfera B0 = {y : kyk < η}. Ahora,
A(S1 ) − p ⊂ A(S1 ) − A(S1 ) ⊂ 2A(S1 ) = A(S0 ) ⇒ A(S1 ) − p ⊂ A(S0 )
Entonces A(S0 ) contiene una bola en el origen de Y, B0 .

1
Ahora, A es lineal, por tanto: A(Sn ) = A(S0 ), lo cual contiene una bola con centro en el
2n
η
origen y radio n . De todos modos debemos proceder a probar que A(S0 ) contiene una bola
2
de radio η2 y centro en el origen. Sea y un punto arbitrario de Y con kyk < η2 . Ahora, puesto
que y ∈ A(S1 ) podemos escoger x1 ∈ S1 tal que: y − A(x1 ) < 4
η
Así mismo, podemos elegir x2 ∈ S2 tal que: y − A(x1 ) − A(x 2 ) < η8

n
continuando de esta manera, podemos elegir xn ∈ Sn tal que < 2k+1 (*)
X
η

y − A(xk )
k=1
n
Por la forma de la sucesión de esferas, se tiene que kxk k < 2k , por lo que la serie xk es
X
1
k=1
n
absolutamente convergente y por tanto convergente, sea x = xk su límite. Es claro, que
X
  k=1
∞ ∞ ∞
x ∈ S0 . Más aún A(x) = A 
X X X
xk  = A(xk ) ⇒ A(x) = A(xk )
k=1 k=1 k=1
De la expresión (*) tenemos que: y = A(x), por lo que y ∈ A(S0 ).
Así que: {y : kyk < η2 } ⊂ A(S0 ). Así, la imagen de la bola unitaria S0 en X, A(S0 ) contiene
una bola: {y : kyk < η2 }, con centro en el origen en Y. 2


2.4.1. Teorema de la Función Abierta
Teorema 2.19 de la Función Abierta

Sean X e Y espacios de Banach y sea A un operador lineal y acotado de X sobre Y. Entonces
A lleva conjuntos abiertos de X sobre conjuntos abiertos en Y.
Prueba
Sea U un conjunto abierto en X e y un punto cualquiera de A(U). Ahora como A es
sobreyectiva, existe un punto x ∈ U tal que A(x) = y . Por ser U abierto, existe una esfera S
que contiene a x y está toda contenida en U.
Asumamos que x es el centro de U.
Ahora, S − x es una esfera con centro en el origen en X ,y por el lema (anterior) A(S − x)
es una esfera con centro en el origen en Y que contiene a y ; por lo que todo y ∈ A(U) es
factible de estar en una bola que lo contiene, por lo que A(U) contiene dicha bola, es decir,
A(U) = V es abierto en Y. 2

2.4.2. Teorema de Banach
Teorema 2.20 de Banach

Sean X e Y espacios de Banach y sea A una función lineal y acotada y uno-a-uno (inyectiva)
de X sobre Y. Entonces A−1 es una función lineal y acotada.
Prueba
Por el teorema de la función abierta y A es biyectiva, continua y abierta, implica que A es
un homeomorsmo. Por lo que A−1 es continua y lineal. 2

Denición 2.21
Sea T un operador lineal de un espacio vectorial X en un espacio vectorial Y, con dominio
DT . La gráca, GT , de T es el conjunto de puntos (x, Tx) ∈ X × Y, donde x varía en DT . Si
GT es un conjunto cerrado en el producto cartesiano X × Y, entonces decimos que T es un
operador cerrado.

2.5. Teorema de Hahn-Banach 38
2.4.3. Teorema de la Gráca Cerrada
Teorema 2.22 de la Gráca Cerrada

Sean X e Y espacios de Banach y sea T un operador lineal de X en Y (con X = DT ). T es
cerrado si y solo si es acotado (continuo).
Prueba
Supongamos que T es acotado y GT la gráca de T. Debemos probar que el operador T es
cerrado por lo que GT es cerrado como conjunto X × Y. Sea (x, y) ∈ GT . Entonces existe
{xn } ⊂ X, tal que xn → x y Txn → y . Pero Txn → Tx; por lo que y = Tx; así que
(x, Tx) = (x, y) ∈ GT ; así que (x, y) ∈ GT también (x, y) ∈ GT , por lo que GT es cerrada.
Supongamos ahora que GT es cerrada. Por ser X e Y de Banach, GT cerrada, es de Banach.
Consideremos la función f : GT → X, dada por f ((x, Tx)) = x. Es claro que esta función es
inyectiva y lineal ( una de las normas ordenado es (x, y) = kxk +kyk ).

para un par

Además,
f es continua,
ya que: f ((x, Tx)) = kxk ≤ (x, Tx) ,

⇒ f [(x, Tx)] ≤ | · | (x, Tx)
Así que podemos aplicar el teorema
−1 de Banach
−1para
inferir que f : X → GT es continua.
−1
Finalmente kTxk

≤ (x, Tx) = f (x) ≤ f
·kxk
⇒ kTxk ≤ f ·kxk; así que T es acotada.
−1
2

| {z }
k
Observación.
Sea T un operador lineal de un espacio vectorial X en un espacio vectorial Y, con dominio DT ⊂ X.
Un operador lineal S de X en Y es denominado extensión de T si DT ⊂ DS y Tx = Sx, ∀x ∈ DT .
2.5. Teorema de Hahn-Banach

2.5.1. Funcionales Lineales
Vimos que el conjunto de operadores lineales de un espacio vectorial X a un espacio vectorial
Y, forman un espacio vectorial denotado por L (X, Y). Si Y = K(C o R), entonces T : X → K y
llamaremos a T una funcional lineal. Normalmente las funcionales se denotan con letras minúsculas
(f : X → K).
Recordar. Si X, Y son espacios vectoriales normados (normed linear spaces) y T : X → Y es un

operador lineal y acotado, entonces existe un k ≥ 0 tal que para todo x ∈ X:
kTxkY ≤ kkxkX < ∞
En este caso T ∈ B(X, Y).

Si f : X → K es acotada o continua, entonces T se llama una funcional lineal y acotada.
Obviamente si f : X → K es una funcional lineal y continua, entonces ∀x ∈ X existe un k > 0 tal
que:
f (x) = |f (x)| ≤ kkxk
K X

Observación.
Sea X un espacio vectorial normado, entonces {f : f (x) ∈ K, ∀x ∈ X} dado que f es una funcional
lineal y continua, se llama el espacio dual de X. El espacio dual de X se denota normalmente por
X∗ . Por tanto X∗ = {f |f : X → K, f es lineal y continua } = B(X, K).
Es claro que X∗ es un espacio vectorial normado con la siguiente norma:
|f (x)|
kf kX∗ = sup <∞
x6=0 kxk
Teorema 2.23
Si X es un espacio vectorial normado entonces X∗ es un Espacio de Banach.
Prueba
Sabemos que B(X, Y) es de Banach si Y es de Banach, pero si K es R o C es de Banach. Por
lo cual X∗ = B(X, K) es de Banach. 2

Ejemplo 8.
1. Si X es un espacio vectorial normado, entonces la función k·k : X → R es una funcional.

2. El producto escalar sobre Rn dene una funcional f : Rn → R dada por:
n
xi · αi , donde α = (α1 , α2 , . . . , αn ) jo.
X
f (x) = x · α =
i=1
Z b
3. Si X = C[a,b] , una funcional f se dene por f (x) = x(t)dt, x ∈ C[a,b]
a
4. Sobre X = C[a,b] , para un t0 jo de [a, b] denamos f (x) = x(t0 ).

f : C[a,b] → K
∞
5. Dado X = `2 , para a = (ai ) ∈ `2 jo, pongamos f (x) = xi ai donde x = {xi } ∈ `2 ,
X
i=1
f dene una funcional sobre X = `2 .
6. SeaZ f ∈ Lp (X, Ω, µ) y g ∈ Lq (X, Ω, µ), siendo g ja, entonces la relación dene una funcional
si f (x)g(x)du, teniendo 1
p
+ 1
q
=1
X
2.5.2. Teorema de la extensión de Hahn-Banach

Recordar (Lema de Zorn). Sea X un conjunto parcialmente ordenado con la propiedad de que
todo subconjunto totalmente ordenado tiene una cota superior, entonces X contiene un elemento
maximal.

Teorema 2.24 de Hahn-Banach

Sea X un espacio vectorial real y µ un subespacio, supongamos que tenemos una funcional ρ
la cual es subaditiva sobre X y que ρ(αx) = αρ(x) siempre que α ≥ 0 y x ∈ X. Si f es una
funcional lineal sobre µ y f (x) ≤ ρ(x) sobre µ, entonces existe una funcional lineal g sobre
X que es una extensión de f a X, y tal que g(x) ≤ ρ(x) sobre X.
Prueba
Supongamos que µ 6= X, ya que si µ = X no hay nada que probar.
Tomemos un z ∈ µc y x, y ∈ µ, entonces f (x − y) = f (x) − f (y) ≤ ρ(x − y) =
| {z }
por ser f lineal
ρ(x + z − y − z) = ρ((x + z) + (−y − z)) ≤ ρ(x + z) + ρ(−y − z))

Así que para cada x de µ: −ρ(−y − z) − f (y) ≤ ρ(x + z) − f (x)
Ahora S = sup{−ρ(−y − z) − f (y)} ≤ ρ(x + z) − f (x) ≤ sup{ρ(x + z) − f (x)}
y∈µ | {z } x∈µ
no depende de y
Por tanto, S ≤ sup{ρ(x + z) − f (x)}, así que existe un real t tal que ∀y ∈ µ
x∈µ
−ρ(−y − z) − f (y) ≤ t ≤ ρ(y + z) − f (y)
Pongamos M z = {x + αz : x ∈ µ, α ∈ R}. Así que si ω ∈ M z tenemos ω = x + αz

(representación única). Denamos la función h : M z → R por h(ω) = f (x) + αt. Así que h
es lineal sobre M z y por tanto una extensión lineal de f . Se extiende de µ a M z . Pongamos
ahora un y = αx , α 6= 0. Entonces:
x x
h(ω) = f (x) + αt ≤ f (x) + αρ( + z) − f ( )
α α
= f (x) + ρ(x + αz) − f (x) = ρ(x + αz)
⇒ h(ω) ≤ ρ(ω) sobre M z
Si M z = X, terminamos, de lo contrario tenemos que repetir el procedimiento.
Usemos el Lema de Zorn para continuar el proceso. Sea P el conjunto de todos los pares
ordenados (µ0 , h0 ) donde µ0 es un subespacio conteniendo a µ y h0 es una extensión de f a µ0 ,
tal que h0 < P en µ0 .
Ordenemos parcialmente a P deniendo: (µ0 , h0 ) ≤ (µ00 , h00 ) si y solo si µ0 ⊂ µ00 y h0 = h00
sobre µ0 .
Sea ahora: S = {(µα, hα)} un subconjunto totalmente ordenado de P . Entonces S tiene una
cota superior dada por ( µα, H ) donde H = hα para α ∈ µ.
[
α
El Lema de Zorn garantiza que se tiene un elemento maximal (µ, H ).
Debemos mostrar que µ = X. Supongamos que µ 6= X entonces por la parte primera de
la prueba podemos extender (µ, H ) de tal suerte que (µz , Hz ) ≥ (µ, H ), pero (µ, H )
es maximal, así que debe ocurrir que µz = µ pero esto contradice el hecho que µz ⊃ µ
estrictamente.
Así que la suposición de que µ 6= X es falsa y la prueba se completa, es claro que g = H 2


Corolario 2. Toda funcional lineal acotada, denida sobre un subespacio de un espacio vectorial
X puede ser extendida linealmente preservando la norma al espacio total.
Prueba
Se tiene que por ser f acotada |f (x)| ≤ kf k ·kxk (*),
∀x ∈ M , el cual es un subespacio de X. Por Hahn-Banach, existe un g tal que
g(x) ≤ kf k · kxk , ∀x ∈ X. Ahora si ponemos −x en lugar de x en la última expresión,
tenemos g(−x) = −g(x) ≤ kf k ·kxk ⇒ −g(x) ≤ kf k ·kxk ⇒ g(x) ≥ −kf k ·kxk (**)
Teniendo en cuenta (*) y (**), vemos que −kxk ·kf k ≤ g(x) ≤ kf k ·kxk
es decir, |g(x)| ≤ kf k ·kxk , ∀x ∈ X
Teniendo en cuenta que g(x) = f (x) ∀x ∈ M , considere:
|f (x)| |g(x)|
kf k = sup y kgk = sup ,x ∈ M ⇒
x6=0 kxk x6=0 kxk
|g(x)| |f (x)|
kgk = sup = sup = kf k
x6=0 kxk x6=0 kxk
∴ kgk = kf k
2

Teorema 2.25
Sea Y un subespacio vectorial de un espacio vectorial X, y sea x0 ∈ X tal que:
inf ky − x0 k = d > 0. Entonces existe x∗ ∈ X∗ tal que x∗ (x0 ) = 1, kx∗ k = d1 ,
y∈Y
x (y) = 0, ∀y ∈ Y.
∗

Prueba
Denotemos por Y1 , el espacio vectorial generado por Y y x0 ; puesto que x0 ∈ / Y
cada punto x ∈ Y1 , tiene la forma x = y + λx0 , donde y ∈ Y1 , y el escalar λ
está unívocamente determinado. Consideremos la funcional lineal z ∗ sobre Y1 , dada
por z ∗ (y + λx0 ) = λ
Si λ 6= 0, entonces ky + λx0 k = λ( λy + x0 ) = |λ| · λy + x0 ≥ |λ| · d

| {z }
x
|z ∗ (x)| 1 |z ∗ (x)| 1
⇒ kxk ≥ |λ| · d ⇒ kxk ≥ z ∗ (x) · d ⇒

≤ ⇒ sup ≤
kxk d kxk6=0 kxk d
1
⇒ kz ∗ k ≤ , ∀x ∈ Y1
d
Ahora, para obtener la otra desigualdad, sea {yn } una sucesión en Y, con la propiedad de
que kx0 − yn k → d, n → ∞. Entonces:
1
1 = z ∗ (x0 − yn ) ≤ kz ∗ k ·kx0 − yn k → kz ∗ k · d ⇒ kz ∗ k ≥
d
Así que kz ∗ k = 1
d
si cambiamos z ∗ por x∗ tenemos:
1
x∗ (x0 ) = z ∗ (0 + x0 ) = 1, kx∗ k = y x∗ (y) = z ∗ (y + 0x0 ) = 0 ∴ x∗ (y) = 0, ∀y ∈ Y
d
2

Corolario 3. Sea X un espacio vectorial normado. Para todo x 6= 0 existe un x∗ ∈ X∗ con

kx∗ k = 1, x∗ (x) = kxk ≥ 0
Prueba
En el contexto del teorema anterior, si Y = {0} entonces existe un z ∗ ∈ X∗ tal que
1
kz ∗ k = , z ∗ (x) = 1
kxk
1
Tomemos: x∗ = kxk z ∗ ⇒ kx∗ k = kxk ·kz ∗ k = kxk · = 1 ⇒ kx∗ k = 1
kxk
Además: x∗ (x) = kxk · z ∗ (x) = kxk ⇒ x∗ (x) = kxk 2

Corolario 4. Sea X un espacio vectorial normado y suponga que x∗ (x) = 0, ∀x∗ ∈ X∗ . Entonces
debemos tener x = 0.
Prueba
Si x 6= 0, entonces existe x∗ ∈ X∗ tal que x∗ (x) > 0; pero estamos asumiendo que
x∗ (x) = 0, ∀x∗ ∈ X∗ ; esto es una contradicción ya que el corolario anterior asegura la
existencia de un x∗ (x) > 0 si x 6= 0 por tanto si x∗ (x) = 0, ∀x∗ ∈ X∗ es porque x = 0. 2


Corolario 5. Si y, z son puntos distintos de un espacio vectorial normado X, entonces existe un

x∗ ∈ X∗ tal que x∗ (y) 6= x∗ (z). (La funcional x∗ separa puntos en X∗ ).
Prueba
En el corolario penúltimo pongamos x = y − z , entonces x∗ (x) = x∗ (y − z) = x∗ (y) − x∗ (z) =
kxk > 0, por ser y y z distintos. Así, x∗ (y) − x∗ (z) > 0 ⇒ x∗ (y) 6= x∗ (z). 2

2.6. Espacios Duales y Reexivos

Observación.
Sean X y Y espacios vectoriales normados, vimos que el conjunto de funcionales lineales continuas
sobre X es un espacio vectorial normado y completo, denotado por X∗ . Así mismo, denimos el
espacio dual a X∗ como el conjunto de funcionales lineales y continuas sobre X∗ ; el espacio dual a
X∗ se denota por X∗∗ . También se dice que X∗∗ es el espacio doble dual de X.
X∗ : X → R, x∗ (x) ∈ R
X∗∗ : X∗ → R, x∗∗ (x∗ ) ∈ R, x∗ ∈ X∗
Estudiando la relación entre X y X∗∗ :

Si ponemos x̃(x∗ ) = x∗ (x), (x → x̃), donde x̃ ∈ X∗∗ , x∗ ∈ X∗ ; esto establece una
correspondencia inyectiva entre elementos x ∈ X con elementos x̃ ∈ X∗∗ . Así que con la denición de
la funcional x̃ estamos estableciendo un embebimiento-k de X en X∗∗ . Ahora, si kxk = kkxk = kx̃k,
entonces decimos que k es un isomorsmo isométrico de X sobre X̃.
Teorema 2.26
Sea X un espacio vectorial normado. Entonces X es isométricamente isomorfo a un subespacio
X̃ del doble dual de X, X∗∗ .

2.6. Espacios Duales y Reexivos 44
Prueba
Denotemos por x los elementos de X y por x∗ los elementos de X∗ . Denamos una funcional
lineal x̃ sobre X∗ , por x̃(x∗ ) = x∗ (x), aquí x ∈ X, x∗ ∈ X∗ , x̃ ∈ X∗∗ .
Así, cada x∗ ∈ X∗ tiene asociado un valor de x∗ en x ∈ X. Ahora, veamos que x̃ es también
continua:
|x̃(x∗ )| = |x∗ (x)| ≤ kx∗ k ·kxk

|x̃(x∗ )|
⇒ ≤ kxk (x∗ : X → R)
kx∗ k
|x̃(x∗ )|
kx̃k = sup ∗
≤ kxk
kx∗ k6=0 kx k
⇒ kx̃k ≤ kxk, así x̃ : X∗ → R es acotada.
Sea ahora X̃ la imagen de X bajo la función h : X → X̃. Debemos probar que h es

una isometría. Sabemos por un corolario al teorema de Hahn-Banach que existe un y ∗ ∈ X∗
tal que y ∗ (x) = kxk y ky ∗ k = 1.
Entonces: ∗ ∗
|x̃(x )| |x̃(y )| ∗
∗
kx̃k = sup ∗
≥ = |x̃(y )| = y (x) = kxk
kx∗ k6=0 kx k ky ∗ k
⇒ kx̃k ≥ kxk
Por tanto, kx̃k = kxk , x̃ ∈ X̃, x ∈ X
Así X y X̃ son isométricamente isomorfos vía la isometría h : X → X̃ 2

Nota. Estamos diciendo que X y X∗∗ se relacionan de la forma siguiente:

X es equivalente algebráica y topológicamente a X̃ ⊂ X∗∗ .
Si h : X → X∗∗ es sobreyectiva, es decir, si X̃ = X∗∗ , entonces, se dice que X es un espacio vectorial
normado reexivo.
Ejemplo 9.
Ejemplos de espacios duales:
1. El espacio dual de Rn en Rn
Para cada x = (x1 , x2 , . . . , xn ) ∈ Rn , pongamos f ∈ (Rn )∗ ; ésta tiene la representación
n
xk γk , donde γk = f (ek ) y ek es el k-ésimo vector de la base canónica para Rn .
X
f (x) =
k=1
f es lineal y por ser Rn de dimensión nita, f es acotada. Ahora:
  12   21
n
X n
X n
X n
X
|f (x)| = | xk γk | ≤ |xk γk | ≤  x2j   γk2 
k=1 k=1 j=1 k=1
  21   21
n
X n
X
= kxk  γk2  ⇒ |f (x)| ≤ kxk  γk2  = kxk ·kγk
k=1 k=1

  21   12   21
n n n
|f (x)|  X |f (x)|  X X
⇒ ≤ γk2  ⇒ sup ≤ γk2  ⇒ kf k ≤  γk2  = kγk
kxk k=1 kxk6
= 0 kxk k=1 k=1
Por otro lado, tomemos un x igual a γ = (γ1 , γ2 , . . . , γn ) ∈ Rn

|f (γ)|
|f (γ)| ≤ kf k ·kγk ⇒ ≤ kf k ⇒
kγk
 1
n
X
 γk2    12
n
k=1 X
  21 ≤ kf k ⇒  γk2  ≤ kf k ⇒ kγk ≤ kf k
n
X k=1
 γk2 
k=1
⇒ kf k = kγk; por ser γ ∈ Rn nos dice que el dual de Rn es Rn .

2. El espacio dual de `1 es `∞
∞
Una base para `1 es {ek }. Entonces cada x ∈ `1 tiene la representación única x = xk e k .
X
k=1
∞
Tomemos f ∈ (`1 )∗ , puesto que f es lineal y acotada, f (x) =
X
xk γk , γk = f (ek )
k=1
Ahora, notemos:
|γk | = |f (ek )| ≤ kf k ·kek k = kf k
Entonces |γk | ≤ kf k. Ahora:
sup |γk | ≤ kf k, entonces γ ∈ `∞
k
∞
Considere ahora, |f (x)| = | xk γk | con x ∈ `1
X
k=1
 
  p1
∞ ∞
recordar: x ∈ `p ⇒ kxk = 
X  X 
≤ sup |γj | |xk | = sup |γj | ·kxk p |xk |p  
j j
 
k=1 k=1
|f (x)|
⇒ |f (x)| ≤ sup |γj | ·kxk ⇒ ≤ sup |γj |
j kxk j
|f (x)|
⇒ sup ≤ sup |γj | ⇒ kf k ≤ sup |γj |
kxk6=0 kxk j j

Por tanto: kf k = sup |γk | recordar: kyk∞ = sup |yk |
k k
⇒ kf k = kγk∞ . Así que (`1 )∗ ≈ `∞ . Así el dual de `1 es `∞
3. El espacio dual de `p es `q , 1 < p < ∞, 1
p
+ 1
q
=1
∞
Una base para ` es {ek }, así toda x ∈ ` tiene la representación única x = xk ek . Tomemos
X
p p
k=1

2.6. Espacios Duales y Reexivos 46
cualquier f ∈ (`p )∗ ; así sabemos que f es lineal y continua. Ahora

∞
X
f (x) = xk γk , γk = f (ek )
k=1
Sea q el exponente conjugado de p y consideremos una sucesión:

xn = {xk } con:
(n)

|γk |q
k≤n y γk 6= 0


γ

(n) k
xk =

k>n o

 0 γk = 0
∞ n n
|γk |q
Así que f (xn ) =
X (n)
X X
xk γk = γ
k = |γk |q
k=1 k=1
γ
k

k=1
n
X
⇒ f (xn ) = |γk |q
k=1
Además,
  p1
n
X (n)
|f (x)| ≤ kf k ·kxn k = kf k ·  |xk |p 
k=1
 1  1
n p
q p n p
q p
X |γk | X |γk | 
= kf k ·  | |  = kf k · 
k=1
γk k=1
|γk |
  p1   p1
n n
X q−1 p X
= kf k ·  |γk |  = kf k ·  |γk |(q−1)p 
k=1 k=1
  p1   p1
n n
X q X
= kf k ·  |γk |(q−1) q−1  = kf k ·  |γk |q 
k=1 k=1
  p1   p1
n
X n
X Xn
⇒ |f (x)| ≤ kf k ·  |γk |q  ⇒ |γk |q ≤ kf k ·  |γk |q 
k=1 k=1 k=1
 1
Xn
 |γk |q    1q
n
k=1 X
⇒  p1 ≤ kf k ⇒  |γk |q  ≤ kf k
n
X k=1
 |γk |q 
k=1

  1q
∞
Si hacemos n → ∞, tenemos: 
X
|γk |q  ≤ kf k
k=1
Notemos ahora:
  p1   1q
∞
X ∞
X ∞
X ∞
X
|f (x)| = | xk γk | ≤ |xk γk | ≤  |xk |p  ·  |γk |q 
k=1 k=1 k=1 k=1
  1q   1q
∞ ∞
X |f (x)|  X
⇒ |f (x)| ≤ kxkp ·  |γk |q  ⇒ ≤ |γk |q 
k=1
kxk k=1
  1q
∞
X
⇒ kf k ≤  |γk |q  ⇒ kf k ≤ kγkq ∴ kf k = kγkq
k=1
Así que (`p )∗ = `q , es decir, el dual de `p es `q .

4. El espacio dual de Lp es Lq , p1 + 1q = 1
Si f ∈ LZp (X, Ω, µ) y g ∈ Lq (X, Ω, µ), donde g es ja, entonces la expresión:
F (f ) = f (x)g(x)dx dene una funcional lineal y continua sobre Lp (X, Ω, µ). Es claro que
X
F : Lp → R es una funcional lineal y continua.
Note: Z Z
1 1
|F (f )| = | (f · g)dx| ≤ |f · g|dx ≤ kf kp ·kgkq , + = 1
X X p q
|F (f )| |F (f )|
⇒ ≤ kgkq ⇒ sup ≤ kgkq ⇒ kF k ≤ kgkq
kf kp kf k6=0 kf k
Por otro lado,

Z tomemos
Z un f como f = |g| sgn g (función signo)
q−1
Note que |f |p dx = ||g|q−1 sgn g|p dx

X X
Z Z
q−1 p
q q
|g|1 dx < ∞, ya que p =

= |g| dx =
X X q−1
Así que f ∈ Lp (X, Ω, µ). Por otro lado,
f · g = |g|q−1 sgn g · g = |g|q−1 · |g| = |g|q

| {z }
⇒ f · g = |g|q
Z Z
Ahora, F (f ) = f · gdx = |g|q dx =
X X
Z p1 + 1q Z p1 Z 1q
q p q
= |g| dx = |f | dx · |g| dx
X X X
= kf kp ·kgkq ⇒ F (f ) = kf kp ·kgkq

2.7. Las Topologías Débil y Débil-* 48
|F (f )|
⇒ = kgkq ⇒ kF k = kgkq
kf kp
Puesto que F ∈ (Lp (X, Ω, µ))∗ nos dice que la correspondencia entre los elementos de (Lp )∗
y los elementos de Lq (X, Ω, µ) es un isomorsmo isométrico. Por tanto: (Lp )∗ = Lq
Observación.
1. Si X e Y son isomórcamente isométricos y Y es reexivo entonces X es reexivo.

2. Un subespacio vectorial cerrado de un espacio de Banach reexivo es reexivo.
3. Un espacio de Banach es reexivo si y solo si su dual es reexivo.
2.7. Las Topologías Débil y Débil-*

Considere un espacio vectorial normado X. Entonces la norma dene una distancia y ésta a su
vez induce una topología sobre X. Considere, además el espacio dual de X, X∗ , el cual consiste
en todas las funcionales lineales y continuas sobre X. La topología débil sobre X es la topología
menos na de todas en X (se puede decir la más pequeña), tal que todas las funcionales lineales y
continuas sobre X sean o permanezcan continuas. La topología original inducida por la norma se
llama topología fuerte sobre X. Así, si T es la topología de la norma Tω es la topología débil.
Note: T ⊃ Tω
Sea X un espacio vectorial normado y X∗ su dual. Si f ∈ X∗ , podemos denir la norma de f por

|f (x)|
kf k = sup , esto convierte a X∗ en un espacio vectorial normado. Es claro que la norma de
kxk6=0 kxk
X∗ induce una topología sobre X∗ , la topología de la norma. Sea X∗∗ el espacio dual de X∗ , X∗∗
consiste en todas las funcionales lineales y continuas sobre X∗ . La topología débil sobre X∗ es la
topología menos na sobre X∗ , tal que las funcionales lineales y continuas sobre X∗ , sean continuas.
De todas las funcionales lineales y continuas sobre X∗ , están las que son atadas a elementos de X,
de la forma:
(4) x∗∗ (x∗ ) = x∗ (x)

La topología débil-* (débil estrella) sobre X∗ es la topología menos na (o más pequeña) de tal
suerte que las funcionales lineales y continuas de la forma (4) sean continuas. Si denotamos la
topología de la norma sobre X∗ por T , la topología débil sobre X∗ por Tω , y la topología débil-*
sobre X∗ por Tω ∗ se tiene que T ⊃ Tω ⊃ Tω∗
Denición 2.27
Los conjuntos abiertos de la topología débil se llaman débilmente abiertos, y los cerrados
se llaman débilmente cerrados. Así mismo, para la topología débil-*, los abiertos se llaman
débil-* abiertos, y los cerrados se llaman débil-* cerrados.

Denición 2.28
Sea X un espacio vectorial normado. Una sucesión {xn } en X se dice ser
débilmente convergente si existe un elemento x ∈ X tal que lim x∗ (xn ) = x∗ (x), ∀x∗ ∈ X∗ .
n→∞
Llamemos a x ∈ X el límite débil de la sucesión {xn } y decimos que {xn } converge débilmente
a x ∈ X.
Denición 2.29
Un conjunto K de un espacio vectorial normado X se dice ser
débilmente secuencialmente compacto si toda sucesión {Xn } en K contiene una subsucesión
que es débilmente convergente a un punto de K .
Denición 2.30
Una sucesión {xn } de un espacio vectorial normado X se dice ser una sucesión
débilmente de Cauchy si {x∗ (xn )} es una sucesión de Cauchy para todo x∗ ∈ X∗ .
Denición 2.31
Un espacio vectorial normado X se dice ser débilmente completo si toda sucesión {xn }
débilmente de Cauchy tiene un límite en X.
Observación.
Un conjunto K de un espacio vectorial normado X, se dice débilmente cerrado si el límite débil de
toda sucesión {xn } ⊂ K débilmente convergente está en K .

2.7. Las Topologías Débil y Débil-* 50
Teorema 2.32
Sea {xn } una sucesión débilmente convergente en un espacio vectorial normado X. Entonces
1. {xn } es acotada
2. El límite débil x pertenece al subespacio cerrado generado por {x1 , x2 , . . . , xn }
3. kxk ≤ lim kxn k
n→∞
Prueba
1. kxn k = sup |x∗ (xn )| < ∞, ya que x∗ (xn ) es una sucesión convergente de números
kx∗ k=1
reales.
2. Asumamos que no es cierta la armación. Entonces debe existir x∗ ∈ X∗ tal que
x∗ (xn ) = 0, ∀n ≥ 1. Pero sabemos que {x1 , x2 , . . . , xn } genera un espacio que es mayor
que el espacio cuyo único elemento es el cero. De ahí, que debe haber un x tal que
x∗ (x) 6= 0. Por lo que es imposible que x∗ (xn ) = 0, ∀n ≥ 1, ya que {xn } converge
débilmente a x. Por lo que la armación (2) es cierta.
3. Sabemos que x∗ (x) = lim x∗ (xn ). Ahora,
n→∞
|x∗ (x)| = lim |x∗ (xn )| ≤ lim kx∗ k ·kxn k = lim kx∗ k ·kxn k = kx∗ k lim kxn k

n→∞ n→∞ n→∞ n→∞
|x∗ (x)| |x∗ (x)|

⇒ |x∗ (x)| ≤ kx∗ k lim kxn k ⇒ ≤ lim kx n k ⇒ kxk = sup ≤ lim kxn k
n→∞ kx∗ k n→∞
∗
kx∗ k6=0 kx k n→∞
∴ kxk ≤ lim kxn k

n→∞
2

Observación.
1. Sea X un espacio vectorial normado, si el espacio dual de X (X∗ ), es separable entonces X

es separable.
2. Sean X, Y isométricamente isomorfos, espacios vectoriales normados. Si Y es reexivo entonces
X es reexivo.
3. Un subespacio vectorial cerrado de un espacio de Banach reexivo, es reexivo
4. Un espacio de Banach es reexivo si y solo si su dual es reexivo
5. Sea X un espacio de Banach reexivo. Un conjunto K ⊂ X es débilmente secuencialmente
compacto si y solo si es tanto acotado como débilmente cerrado
6. Sea X un espacio normado separable. Entonces toda sucesión acotada de funcionales lineales
y continuas en X∗ tienen una subsucesión débilmente convergente.

Teorema 2.33
Un espacio vectorial normado reexivo es débilmente completo.
Prueba
Sea {xn } una sucesión débilmente de Cauchy en X, entonces lim x∗ (xn ) existe ∀x∗ ∈ X∗ .
n→∞
Sabemos que {xn } es acotada, entonces por la observación anterior existe una subsucesión
convergente {xnk }, esta converge a un elemento x ∈ X. Pero entonces
lim x∗ (xn ) = lim x∗ (xnk ) = x∗ (x), ∀x∗ ∈ X∗

n→∞ n→∞
Por tanto, lim x∗ (xn ) = x∗ (x), es decir, {xn } es débilmente convergente a un elemento x ∈ X.
n→∞
Así X es débilmente completo. 2

2.8. Operadores Adjuntos
Denición 2.34
Sean X e Y espacios vectoriales normados y T ∈ B(X, Y). El adjunto de T, T∗ , es un operador
de Y ∗ a X∗ denido por (T∗ y ∗ )(x) = y ∗ (Tx).
| {z }
Teorema 2.35
La correspondencia T → T∗ es un isomorsmo isométrico de B(X, Y) a B(Y∗ , X∗ )
Prueba
Tomemos cualquier y ∗ ∈ Y∗ , entonces es claro que T∗ y ∗ es una funcional lineal sobre X, más
aún, |(T∗ y ∗ )(x)| ≤ kT∗ y ∗ k ·kxk ≤ kT∗ k ·ky ∗ k ·kxk < ∞. Así que T∗ y ∗ es acotada o continua.
Así que T∗ y ∗ ∈ X∗
Ahora, kTxk = sup y ∗ (Tx) . Notemos que kT∗ k = sup kT∗ y ∗ k = sup sup |T∗ y ∗ (x)|

ky ∗ k=1 ky ∗ k=1 ky ∗ k=1 kxk=1
= sup sup |y ∗ (Tx)| = sup kTxk = kTk ⇒ kT∗ k = kTk

ky ∗ k=1 kxk=1 kxk=1
2


2.8. Operadores Adjuntos 52
Ejemplo 10.
Z t
1. Consideremos A : L 2
[0,1] →L 2
[0,1] . Calcular A . Donde Ax(t) =
∗
x(τ )dτ
0
Solución:
Z 1 Z t
f (Ax(t)) = y(t) x(τ ) dτ dt
0 0
Z 1 Z t
= y(t) x(τ ) dτ dt
0 0
En lugar de integrar respecto a t en la integral exterior, integremos con respecto a τ :
Z 1 Z t Z 1 Z 1
y(t) x(τ ) dτ dt = x(τ ) y(t) dt dτ
0 0 0 τ
Renombrando las variables:
Z 1 Z 1
∴ f (Ax(t)) = x(t) y(τ ) dτ dt
0 t
| {z }
A∗ y(t)
Así que:
Z 1
∗
A y(t) = y(τ ) dτ
t
2. A : L2 [0,1] → L2 [0,1] donde Ax(t) = t x(t)

Solución: Z 1
f (Ax(t)) = y(t)(t x(t)) dt
0
Z 1
f (Ax(t)) = x(t)(t y(t)) dt ⇒ A∗ y(t) = t y(t)
0
Z 1
3. A : L2 [0,1] → L2 [0,1] donde Ax(t) = t x(s)ds
0
Solución: !
Z 1 Z 1 Z 1 Z 1
f (Ax(t)) = y(t) t x(s) ds dt = t y(t) x(s) ds dt
0 0 0 0

 
Z 1 Z 1 Z 1
= x(s)  t y(t) dt ds ⇒ A∗ y = t y(t) dt
0 0 0
| {z }
4. A : `1 → `1 x = (x1 , x2 , . . .) y = (y1 , y2 , . . .)
Ax = (x1 , x2, . . . , xn , 0, 0, 0, . . .)
Solución:
∞
X ∞
X
f (Ax) = y Ax = (y1 , y2 , . . . , yn , . . .) · (x1 , x2, . . . , xn , 0, 0, 0, . . .)
k=1 k=1
n
X n
X
= y k xk = (x1 , x2 , . . . , xn , . . .) · (y1 , y2 , . . . , yn , 0, 0, 0, . . .)
k=1 k=1
∞
X
= x · Ay ⇒ A∗ y = Ay = (y1 , y2 , . . . , yn , 0, 0, 0, . . .)
k=1
5. A : `1 → `1
Ax = (λ1 x1 , λ2 x2 , . . .), λ ∈ R, |λn | ≤ 1
Solución:
∞
X ∞
X
f (Ax) = y · Ax = (y1 , y2 , . . .) · (λ1 x1 , λ2 x2 , . . .)
k=1 k=1
∞
X ∞
X ∞
X
= yk λk xk = xk λk yk = x · Ay
k=1 k=1 k=1
∗
⇒ A y = (λ1 y1 , λ2 y2 , . . .) = Ay
6. A : `1 → `1 x = (x1 , x2 , . . .)
Ax = (0, x1 , x2 , . . .)
Solución:
∞
X ∞
X
f (Ax) = y · Ax = (y1 , y2 , . . .) · (0, x1 , x2 , . . .)
k=1 k=1
∞
X ∞
X
= yk+1 xk = (x1 , x2 , . . .) · (y2 , y3 , . . .)
k=1 k=1
∞
X
= x · A∗ y ⇒ A∗ y = (y2 , y3 , . . .)
k=1
Teorema 2.36
Sean X, Y, Z espacios vectoriales normados y T ∈ B(X, Y), S ∈ B(Y, Z). Entonces (ST)∗ =
T∗ S ∗ . El adjunto de la identidad I ∈ B(X, X) = B(X) es la identidad en B(X∗ , X∗ ) = B(X∗ )

Prueba
Tomando en cuenta que:
T : X → Y, S : Y → Z, ⇒ ST : X → Z, (ST)∗ : Z∗ → X∗ y (T∗ y ∗ )(x) = y ∗ (Tx)
Sea z ∗ ∈ Z∗ . Entonces, para cualquier x ∈ X, se tiene:
[(ST)∗ z ∗ ](x) = z ∗ [(ST)x] = z ∗ (S(Tx)) = (S ∗ z ∗ )(Tx) = [(T∗ S ∗ )z ∗ ](x)
⇒ (ST)∗ z ∗ = (T∗ S ∗ )z ∗ ⇒ (ST)∗ = T∗ S ∗

Ahora,
(I ∗ x∗ )(x) = x∗ (Ix) = x∗ (x) ⇒ I ∗ x∗ = x∗
2

Observación.
Denotemos por X̃, Ỹ las imágenes bajo los embebimientos naturales K1 y K2 de X e Y en X∗∗ e
Y∗∗ respectivamente. Si T ∈ B(X, Y), entonces T̃ ∈ B(X̃, Ỹ) dado por T̃x̃ = ỹ , donde y = Tx. Si
S es un operador lineal denido de DS ⊂ X∗∗ a Y∗∗ tal que X̃ ⊂ DS y S x̃ = T̃x̃, ∀x̃ ∈ X̃ entonces
llamamos a S una extensión de T. Si X̃ = DS , entonces S = T.
Note que:
T : X → Y, T∗∗ : X∗∗ → Y∗∗ , T̃ : X̃ → Ỹ, K1 (X) = X̃, K2 (Y) = Ỹ, S : DS → Y∗∗
Teorema 2.37
Sean X e Y espacios vectoriales normados y sea T ∈ B(X, Y). El segundo adjunto
T∗∗ : X∗∗ → Y∗∗ es una extensión de T. Si X es reexivo entonces T∗∗ = T.
Prueba
Sean x ∈ X, y ∗ ∈ Y∗ . Entonces: (T∗∗ x̃)(y ∗ ) = x̃(T∗ y ∗ ) = (T∗ y ∗ )(x) = (y ∗ )(Tx) = Tx(y
f ∗)
= T̃x̃(y ) ⇒ T = T̃ (siempre que use x̃).
∗ ∗∗
Es decir, T∗∗ es una extensión de T̃ y por tanto una extensión de T. 2

Teorema 2.38
Sea X un espacio de Banach y Y un espacio vectorial normado. Un operador lineal
T ∈ B(X, Y) tiene una inversa acotada, T−1 si y solo si T∗ tiene una inversa acotada, (T∗ )−1 .
En este caso se tiene, (T∗ )−1 = (T−1 )∗ .

Prueba
Supongamos que T−1 existe, entonces:
I ∗ = (T T−1 )∗ = (T−1 )∗ T∗ , donde I ∗ es la identidad en B(Y ∗ ). Así mismo:
I ∗ = (T−1 T)∗ = T∗ (T−1 )∗ es la identidad en B(X ∗ ).
Así que (T∗ )−1 existe y es igual a (T−1 )∗ .
En el otro sentido, supongamos que (T∗ )−1 es un operador acotado B(X ∗ , Y∗ ). Entonces
(T∗ )−1 existe y está en B(Y∗∗ , X∗∗ ). Ahora, T∗∗ es una extensión de T y es inyectiva, falta
probar que T es sobreyectiva, es decir, T(X) = Y. Supongamos que T(X) 6= Y entonces
T(x) 6= Y, esto signica que existe un y ∗ ∈ Y∗ tal que y ∗ 6= 0 y y ∗ (Tx) = 0, ∀x ∈ X. Por
tanto (T∗ y ∗ )(x) = 0, ∀x ∈ X entonces T∗ y ∗ = 0, contradiciendo el hecho de que T∗ ha de ser
inyectiva. Por tanto T(X) = Y, por lo que T−1 existe. 2

2.8.1. Teorema de F. Riesz

Lema 2 (de F. Riesz). Supongamos que X es un espacio vectorial normado y X0 = X0 un subespacio
propio de X. Entonces ∀ > 0, existe x ∈ X, kx k = 1, tal que kx − x0 k ≥ 1 − ∀x0 ∈ X0
Teorema 2.39 de F. Riesz

En un espacio normado X, las siguientes condiciones son equivalentes:
1. La bola unitaria cerrada B(0, 1) es compacta.

2. X tiene dimensión nita.
Prueba
1) -> 2)
Supongamos que dimX = ∞, y sea x1 ∈ X con kx1 k = 1 y construimos X1 =< {x1 } >
(espacio vectorial generado por {x1 }). Este es un subespacio propio y cerrado de X. Por el
lema de Riesz existe x2 ∈ X\X1 con kx2 k = 1 y kx2 − x1 k ≥ 21 . Sean X2 =< {x1 , x2 } >,
por tanto existe x3 ∈ X\X2 , con kx3 k = 1 y kx3 − x1 k ≥ 12 ; y así sucesivamente. Obtenemos
una sucesión {xn } ⊂ B(0, 1) tal que kxn − xm k ≥ 12 ∀n, m ∈ N. Así que {xn } no puede tener
subsucesión convergente alguna, por lo que B(0, 1) no puede ser compacto.
2) -> 1)
Por Bolzano-Weierstrass en Rn , todo conjunto cerrado y acotado es compacto. 2


Teorema 2.40 de Alaoglu

La bola unitaria cerrada S ∗ = {f : kf k ≤ 1} de X ∗ es compacta en la topología débil-*.
Prueba
Si f ∈ S ∗ , entonces |f (x)| ≤ kf k ·kxk = kxk, es decir, |f (x)| ≤ kxk, por lo que
−kxk ≤ f (x) ≤ kxk; los valores de f (x) están entre −kxk y kxk para cada x ∈ X; así,
Y . Pongamos Ix = [−kxk ,kxk]. Entonces cada f ∈ S corresponde a un
∗
f (x) ∈ [−kxk ,kxk]
punto en P = Ix , ya que P es por denición el conjunto de todas las funciones f sobre X
x∈X
tales que f (x) ∈ Ix . Así que podemos ver a S ∗ como un subconjunto de P , y la denición de
la topología para P prueba que la topología que S ∗ hereda como un subespacio de P es la
topología débil-* de S ∗ . Por ser P compacto, S ∗ será compacto si es un subespacio cerrado
de P .
Sea f un punto de clausura de S ∗ en P . Entonces f es una correspondencia de X en R. Puesto
que |g(x)| ≤ kxk para todo q ∈ S ∗ , y puesto que la evaluación en x es una función continua
sobre P , tenemos que |f (x)| ≤ kxk. Sean x, y, z tres puntos de X tales que z = αx + βy . Para
cada > 0, el conjunto N = {g ∈ P : |g(x)−f (x)| < , |g(y)−f (y)| < , |g(z)−f (z)| < }
Es un subconjunto abierto de P que contiene a f . Puesto que f es un punto de clausura de S ∗ ,
podemos encontrar un g en S ∗ ∩N . Puesto que este g es lineal, tenemos g(z) = αf (x)+βg(y).
De aquí se sigue que:
|f (z) − αf (x) − βf (y)| < (1 + |α| + |β|)
Como esta desigualdad se cumple para todo > 0, tenemos que f (z) = αf (x) + βg(y), y
entonces f es lineal sobre X. Así, f está en S ∗ , y por tanto S ∗ es cerrado. 2


Unidad 3
Operadores compactos
3.1. Propiedades Básicas
Denición 3.1
Sean X e Y espacios normados. Un operador T : X → Y es compacto o
completamente continuo si es lineal y la imagen de todo conjunto acotado en X es
relativamente compacto (tiene clausura compacta).
Lema 3. Propiedades:
1. Todo operador compacto T : X → Y es acotado y por tanto continuo.
2. Si dim(X) = ∞, el operador identidad no es compacto.
Prueba
1. Puesto que S = {x ∈ X : kxk = 1} es acotado, T(S) es compacto y por tanto acotado.
Así, kTk = sup kTxk < ∞. Por lo que T es acotado.
kxk=1
2. La bola unitaria cerrada B = {x ∈ X : kxk ≤ 1} es acotada. Ahora, si dimX = ∞,

B no puede ser compacto, así que I(B) = B = B, lo cual no es compacto. Por tanto,
I : X → X no es un operador compacto.
2

57
3.1. Propiedades Básicas 58
Teorema 3.2
Sea T : X → Y lineal. Son equivalentes los enunciados siguientes:
1. T es compacto
2. Dada cualquier sucesión {xn }n∈N acotada en X, la sucesión imagen {Txn } tiene alguna
subsucesión convergente.
3. Dada cualquier sucesión {xn } ⊂ B(0, 1), {Txn } tiene alguna subsucesión convergente.
Prueba
1) -> 2)
Si T es compacto y {xn } es acotada, la clausura de {Txn } es compacta. Por tanto {Txn }
tiene una subsucesión convergente.
2) -> 3)
Directamente a partir de 2), ya que {xn } es acotada por estar toda metida en B(0, 1)
3) -> 1)
Sea M un subconjunto acotado de X y {yn } una sucesión arbitraria en T(M ). Entonces existe
una sucesión {xn } en M tal que Txn = yn , ∀n. Por estar M acotado, {xn } es una sucesión
acotada, por lo que existe un r > 0, tal que kxn k < r, ∀n
.
Se tiene que r xn = r kxn k < r r = 1 ⇒ r xn < 1
−1 −1 −1 −1
Por hipótesis {T(r−1 xn )} tiene una subsucesión convergente, digamos {T(r−1 xnk )}. Puesto
que Txnk = r T(r−1 xnk ) la subsucesión {Txnk } = {ynk } es convergente, por tanto T(M ) es
| {z }
T es lineal
relativamente compacto y así T(M ) es compacto. Así T lleva un conjunto acotado M a uno
relativamente compacto T(M ); por tanto T : X → Y es compacto. 2

Teorema 3.3
Sea T : X → Y lineal y dim(T(x)) < ∞. Entonces:
1. Si T es acotado y de rango nito, entonces T es compacto.

2. Si dimX < ∞, entonces T es compacto.
Prueba
1. Sea {xn } acotada en X. De la desigualdad kTxn k ≤ kTk ·kxn k se deduce que {Txn } es
acotado. Ahora, por ser dimT(X) < ∞, {Txn } es relativamente compacto, de ahí, que
{Txn } debe tener una subsucesión convergente por tanto T es compacto.
2. Recuerde dimT(x) ≤ dimX < ∞ (por algebra lineal). Por la parte (1) dimT(x) < ∞
indica que es de rango nito y por tanto T es compacto.
2


59 UNIDAD 3. OPERADORES COMPACTOS
Observación.
Todo operador compacto se puede descomponer en la suma de dos operadores, donde uno tiene
rango nito y el otro tiene norma menor que cualquier número positivo.
Teorema 3.4
El conjunto {T : X → X : T es lineal y compacto} es un subespacio L (X, X) ≡ L (X).
Prueba
Dados S, T operadores compactos y α, β ∈ K, consideremos una sucesión {xn } acotada en X.
Por ser T compacto {Txn } tiene una subsucesión convergente, {Txnk }, si aplicamos S a {xnk },
entonces {Sxnk } tiene una subsucesión convergente {Sxnkj } por ser S compacto. Puesto que
ambas subsucesiones {Txnkj } y {Sxnkj } son convergentes, entonces {α{Txnkj } + β{Sxnkj }}
converge, {(αT + βS){xnkj }} converge. 2

Teorema 3.5
Sea T : X → X un operador compacto y S : X → X un operador lineal y acotado. Entonces
TS y ST son compactos.
Prueba
Sea B ⊂ X, B es acotado, entonces S(B) es acotado y T(S(B)) = TS(B) es relativamente
compacto por ser T compacto; así TS lleva el conjunto acotado B a un conjunto relativamente
compacto TS(B); por tanto TS es compacto.
Ahora, sea {xn } una sucesión acotada en X. Entonces, por ser T compacto {Txn } tiene
una subsucesión convergente, {Txnk }. Por otro lado, como S es acotado (continuo), S(Txnk )
converge. Así que si {xn } es acotada {STxn } tiene una subsucesión convergente {STxnk };
Por tanto ST es compacto. 2


Teorema 3.6
Sea {Tn } una sucesión de operadores lineales y compactos de X a Y, donde Y es un espacio
de Banach y X es un espacio vectorial normado. Si {Tn } converge uniformemente, es decir,
existe T tal que kTn − Tk → 0 cuando n → ∞; entonces T es compacto.
Prueba
Sea {xn } una sucesión acotada en X. Por ser T1 compacto, existe una subsucesión, digamos
{x1n } tal que {T1 x1n } es convergente. Asi mismo por ser T2 compacto, existe una subsucesión
{x2n } de {x1n } tal que {T2 x2n } es convergente; así sucesivamente, existirá una subsucesión
{xmn } de de {xm−1 n } tal que {Tm xmn } es convergente. Por el método de la diagonal, la
sucesión {Tm xmn } es convergente. Si elegimos la subsucesión diagonal {yn } = {xnn } ∀n,
entonces {Tn yn } es convergente, por ser {yn } una subsucesión acotada existe c > 0 tal que
kyn k ≤ c ∀n. Ahora, puesto que {Tn } converge uniformemente, se deduce que ∀ > 0 existe
N1 tal que kTn − Tk < siempre que n ≥ N1 .
Ahora, puesto que {Tn yn } converge, {Tk yj } con k > j también es convergente.
Eso quiere decir que ∀ > 0, existe N2 tal que Tp yk − Tp yj < siempre que k, j ≥ N2
(por la denición de límites).
Entonces:

Tyj − Tyk = Tyj + (−Tp yj + Tp yj ) + (−Tp ym + Tp ym ) − Tyk

= (Tyj − Tp yj ) + (Tp yj − Tp ym ) + (Tp ym − Tyk )

≤ Tyj − Tp yj ) + Tp yj − Tp ym + Tp ym − Tyk
Como convergencia uniforme implica convergencia fuerte, se tiene que:
Tyj − Tyk < + + = ⇒ Tyj − Tyk < ∀j, k ≥ M (max n)

3 3 3
La sucesión de las imágenes de las diagonales es convergente. Por tanto T debe ser compacto.
T aplicado a una subsucesión de una sucesión acotada, si cualquiera es mayor que el otro,
por ej si j > k entones {Tyk } converge entonces {Tyj } también converge. Entonces si
{xn } es acotada entonces {Txn } tiene una subsucesión {Txnj } la cual converge, por tanto
T es relativamente compacto. La clave fue demostrar la cercanía o convergencia de los
elementos basado en las diagonales donde cada una era subsucesión convergente de la anterior.
Tyj − Tyk < ∀j, k ≥ M (puede ser el máximo de los N)

Nota.
Indica que {Tyj } es de Cauchy, pero cada Tyj ∈ Y, y por ser Y de Banach {Tyj } converge.
Así T : X → Y es compacto. 2


Ejemplo 11.
Sean x = (x1 , x2 , x3 , . . .) ∈ `2 , T : `2 → `2 , Tx = (x1 , x22 , x33 , . . .)
Y sea {Tn } una sucesión de operadores Tn : `2 → `2 ∀n, denidos por:
x2 x3 xn
Tn x = (x1 , , , . . . , , 0, 0, 0, . . .)
2 3 n
  12
∞
Como ∀x ∈ `2 : |xk |2 , se puede ver que Tn es lineal mostrando que:
X
kxk`2 = 
k=1
Tn (x + y) = Tn x + Tn y y que Tn (αx) = αTn x
y acotado mostrando que:

  21
n n
X xk 2  2
X xk 2
kTn xk =  ( ) ⇒ kTn xk = <∞
k=1
k k=1
k2
Ahora Tn es acotado y de rango nito, por lo que Tn es compacto. Así {Tn } es una sucesión de
operadores compactos. Además,
∞
(T − Tn )x 2 = kTx − Tn xk2 =
X 1
|x |2
2 j
j=n+1
j
1 1 1 1 1 1
Como 2
+ 2
+ 2
+ ... ≤ 2
+ 2
+ + ...
(n + 1) (n + 1) (n + 1) (n + 1) (n + 2) (n + 3)2
∞ ∞ ∞
X 1 1 X 1 X 1
⇒ 2
2
|xj | ≤ 2
2
|xj | ≤ 2
|xj |2 = 2
kxk`2 2
j=n+1
j (n + 1) j=n+1 (n + 1) j=1 (n + 1)
2 1
kxk`2 2

⇒ (T − Tn )x ≤ 2
(n + 1)

(T − Tn )x 1
⇒ ≤
kxk`2 (n + 1)
Aplicando supremo a ambos lados:
1
⇒ kT − Tn k ≤ ⇒ kT − Tn k → 0 (n → ∞)
(n + 1)
− T o Tn → T en la norma de operadores
u
∴ Tn →
Así, {Tn } es una sucesión de operadores compactos que converge uniformemente al operador T;
por tanto cada Tn : `2 → `2 es compacto.

Teorema 3.7
Sea T : X → Y un operador compacto. Si {xn } ⊂ X tal que xn →
− x en X, entonces {Txn } ⊂ Y
d
f
es tal que Txn →
− Tx en Y.
Prueba
Sea yn = Txn y y = Tx. Sea g ∈ Y ∗ y denimos f : X → K(R o C) como:
f (z) = g(Tz), ∀z ∈ X
Note: que f es lineal y además acotada:
|f (z)| ≤ kgk ·kTzk ≤ kgk ·kTk ·kzk
Se tiene que g es acotada porque es una funcional lineal y continua denida sobre los
elementos de Y, T es acotado por ser operador compacto, z es un elemento de X.
|f (z)|
≤ kgk ·kTk
kzk
Tomando supremos a ambos lados:
|f (z)|
sup ≤ kgk ·kTk ⇒ kf k ≤ kgk ·kTk < ∞ ∴ f ∈ X∗
kzk6=0 kzk
Puesto que {xn } → − x debe tenerse que f (xn ) → f (x); por tanto, por la denición de f :
d
g(Txn ) → g(Tx) por lo que Txn → − Tx; es decir, yn → − y.

d d
f
Supongamos que yn → 6 y , entonces existe una subsucesión {ynk } de {yn } tal que ynk − y ≥ η ,

−
para algún η > 0.
Ahora bien, puesto que {xn } converge débilmente, está acotada. Así que también estará
acotada una subsucesión {xnk }. Esta subsucesión se elige como los xnk tales que Txnk = ynk .
Por ser T compacto, la subsucesión {Txnk } = {ynk } tiene una subsucesión convergente (por
ser conjunto relativamente compacto). Sea {ỹj } la subsucesión de {ynk } que converge en
Y. Pongamos ỹj → ỹ . Puesto que {yn } converge débilmente (a y ), mientras que tiene una
subsucesión {ỹj } que converge fuertemente (a ỹ ), entonces los límites deben ser iguales ỹ = y .

kyn − yk = yn + (−ynk + ynk ) − y = (yn − ynk ) + (ynk − y)

≤ yn − ynk + ynk − y) < + =
2 2
Por lo que {yn } es de Cauchy, y así {yn } converge a y (o ỹ ) fuertemente.
f
En otras palabras yn →− y . Así que ynk − y < , ∀nk ≥ N , es decir, {yn } converge en la

f
norma a y (yn →
− y ). 2


Teorema 3.8
Si T : X → Y es compacto, entones T∗ es también compacto.
Nota. En otras palabras, si un operador lineal y acotado es compacto entonces su adjunto también
lo es.
3.2. Teoría Espectral

3.2.1. Introducción
Esto surge debido a que se presenta la necesidad de resolver ecuaciones de la forma:
(1) Ax = λx, A : X → X, ∀λ ∈ K (R, C)
De (1) tenemos que Ax − λx = 0 ⇒ (A − λI)x = 0

¾ tiene (A − λI) inverso en todo x?
En general Ax = λx es un problema de valores propios en dimensión nita, donde A : Rn → Rn ,
λ se llama valor propio y x 6= 0 se llama vector propio.
Denición 3.9
Decimos que λ ∈ C(R) es un punto regular de A : X → X, si existe Rλ (A) = (A − λT)−1 y
es un operador acotado denido en un subconjunto denso en X.
Denición 3.10
El operador Rλ (A) = (A − λI)−1 se llama operador resolvente denido en A : X → X. El
conjunto ρ(A) = {λ ∈ C(R) : λ es un punto regular de A} se llama
conjunto resolvente de A.
Nota. Se llama espectro de A al conjunto σ(A) = K\ρ(A) (el complemento de ρ(A) en C o R).
3.2.2. Clasicación del Espectro

1. Un punto λ ∈ C es un valor propio de A o pertenece al espectro puntual de A, λ ∈ σp (A)
si no existe (A − λI)−1 . Cada valor de λ es un valor propio, y el vector correspondiente, se
llama vector propio.
2. Un punto λ ∈ C(R) pertenece al espectro continuo de A, σc (A), si Rango (A − λI) es denso
en X, (A − λI)−1 existe, pero no es acotado.
3. Un punto λ ∈ C(R) pertenece al espectro residual de A, σr (A), si (A − λI)−1 existe, pero
está denido en un conjunto no denso en X.

3.2. Teoría Espectral 64
Nota.
C = ρ(A) ∪ σ(A)
C = ρ(A) ∪ σp (A) ∪ σc (A) ∪ σr (A)
Ejemplo 12.
Considere el operador A : R3 → R3 dado por:
Sea x = (x1 , x2 , x3 ), entonces A(x1 , x2 , x3 ) = (x1 + x2 , x3 , x2 ) ⇒
A(1, 0, 0) = (1, 0, 0)
A(0, 1, 0) = (1, 0, 1)
A(0, 0, 1) = (0, 1, 0)
 
1 0 0
⇒ [A] = 1 0 1 (representación matricial del operador A)
 
0 1 0
Debemos buscar los valores propios de A ([A]).

([A] − λI)x = 0, ¾ λ ?, x 6= 0
 
1−λ 0 0
[A] − λI =  1 −λ 1
 
0 1 −λ
 
1−λ 0 0
⇒ det  1 −λ 1 = 0
 
0 1 −λ
⇒ λ3 − λ2 − λ + 1 = 0
⇒ λ1 = −1, λ2 = 1, λ3 = 1 son los valores propios de [A] y por tanto A.
σp (A) = {−1, 1}
Ejemplo 13.
Considere A : C[0,1]
2 2
→ C[0,1] dado por:
d2 ϕ
Aϕ = 2 , ϕ ∈ C 2 [0, 1]
dx
Si ϕ(x) = sen cx, entonces:
d
A(sen cx) = (c cos cx) = c2 sen cx
dx
⇒ A(sen cx) = c2 sen cx

Aϕ = c2 ϕ
Aquí ϕ es un vector propio y c2 es un valor propio para A.

Ejemplo 14.
Considere A : C[0,1] → C[0,1] dado por:
Ax(t) = µ(t)x(t), donde µ(t) es una función ja. Pero note que:
(A − λI)x(t) = Ax(t) − λx(t)
= µ(t)x(t) − λx(t) = (µ(t) − λ)x(t)

⇒ (A − λI)x(t) = (µ(t) − λ)x(t)
⇒ (A − λI)−1 (A − λI)x(t) = (A − λI)−1 (µ(t) − λ)x(t)
⇒ Ix(t) = (A − λI)−1 (µ(t) − λ)x(t)
⇒ x(t) = (µ(t) − λ)(A − λI)−1 x(t)
x(t)
⇒ = (A − λI)−1 x(t)
µ(t) − λ
El operador inverso existe pero no es acotado, porque en la medida que t corra de 0 a 1 algún
valor de µ(t) − λ podría ser cero. Pudieran haber puntos de t en el intervalo [0, 1] que indenan al
operador.
Por ejemplo, si µ(t) = t ⇒ si t = λ entonces ocurriría una indenición. Los valores de λ que
hacen que (A − λI)−1 no sea acotado constituyen el espectro continuo de A. Estos valores están
obviamente en el intervalo [0, 1].
De esta manera: σc (A) = [0, 1], con el ejemplo de µ(t) = t
Ejemplo 15.
Sea T : `2 → `2 (dimensión innita), el operador dado por:
T(x1 , x2 , x3 , . . .) = (0, x1 , x2 , x3 , . . .) (operador de traslación)

El operador inverso:
T−1 (x1 , x2 , x3 , . . .) = (x2 , x3 , . . .) ⇒ T−1 = (T − 0I)−1 (para ponerlo en formato A − λI)
Note: el rango de T no es denso en `2 (por el primer cero que resulta de aplicar el operador a un
elemento x = (x1 , x2 , x3 , . . .) de `2 ), por lo que el operador T−1 aún cuando existe no está denido
sobre un conjunto denso en X = `2 .
Así para λ = 0, (T − 0I)−1 existe, pero no está denido en un conjunto denso `2 .
Así λ = 0 es del espectro residual de T, σr (T).
Observación.
Vemos que si A : X → X es un operador lineal, acotado sobre el espacio normado X, entonces se
presenta el problema de determinar x ∈ X tal que:
Ax = λx, λ ∈ K(C)
Esa expresión se puede poner como:

(A − λI)x = 0
La pregunta es si esa ecuación tiene solución diferente de cero.
Si (A − λI)−1 no existe, la ecuación tiene solución diferente de cero y los valores λ para los cuales
esto ocurre se llaman valores propios de A.

3.2. Teoría Espectral 66
Aquellos valores de λ para los cuales (A − λI)−1 existe, pero no es acotado, se dice que pertenecen
al espectro continuo de A.
Aquellos valores de λ para los cuales (A − λI)−1 existe, pero no está denido en un conjunto denso
en X, se dice que pertenecen al espectro residual.
Los otros valores de λ para los cuales (A − λI)−1 existe, es acotado y está denido en un conjunto
denso de X, se dice que pertenecen al conjunto resolvente de A.
Observación.
1. Vectores propios correspondientes a valores propios distintos, son linealmente independientes.

2. Si X es de Banach, T : X → X es lineal y λ ∈ ρ(T) y si T es cerrado o acotado, entonces el
operador resolvente, Rλ (T) está denido en todo X y es acotado.
3. Si T es un operador lineal sobre X (espacio vectorial normado), es decir T ∈ L (X) y
λ, µ ∈ ρ(T). Entonces:
a) Rµ − Rλ = (µ − λ)Rµ Rλ
b) Rλ S = SRλ , ∀S ∈ L (X) y con ST = TS
c) Rλ Rµ = Rµ Rλ
4. σ(T) = σ(T∗ )
5. Si T ∈ L (X) y el polinomio P (λ) = an λn + an−1 λn−1 + . . . + a1 λ + a0
Entonces P (σ(T)) = σ(P (T)) = σ(an Tn + an−1 Tn−1 + . . . + a1 T + a0 I) (donde Tn signica
componer el operador T consigo mismo n veces). Esto se cumple no solo para funciones en
forma de polinomios sino para cualquier función uniformemente continua.
6. El espectro σ(T) de un operador T ∈ L (X), donde X es de Banach complejo, es un conjunto
cerrado. Si el espectro es cerrado, entonces el complemento del espectro, que es el resolvente
es abierto.
7. Si T es un operador lineal de X a X, es decir T ∈ L (X), entonces σ(T) 6= ∅
8. El espectro σ(T) de T ∈ L (X) es compacto y está contenido en la bola cerrada B(0,kTk)
fuera del espectro tenemos el conjunto resolvente.

Unidad 4
Espacios de Hilbert
Denición 4.1
Sea X un espacio vectorial sobre un campo K(C, R), digamos que es sobre C. Un
producto interior sobre X es una función h, i : X × X → C, y cumple las propiedades
siguientes:
1. hx + y, zi = hx, zi + hy, zi, ∀x, y, z ∈ X
2. hαx, yi = αhx, yi, ∀x, y ∈ X, α ∈ C
3. hx, yi = hy, xi, ∀x, y ∈ X
4. hx, xi ≥ 0, hx, xi = 0, si y solo si x = 0
Denición 4.2
Un espacio con producto interior es un espacio vectorial X sobre el cual se ha denido un
producto interior.
Observación.
Considere la función k·k : X → R denida por kxk = hx, xi. Esta función se dice que es una
p
norma (se puede vericar) que proviene del producto interior.
Lema 4. Sea X un espacio con producto interior, entonces para todo x, y ∈ X se cumple la
desigualdad:
|hx, yi| ≤ kxk ·kyk Cauchy-Schwarz
67
68
Prueba
Note que la desigualdad se cumple si x = 0 o y = 0. Supongamos que x 6= 0 y y 6= 0.
Entonces, ∀α ∈ C, se tiene que:
0 ≤ kx − αyk2 = hx − αy, x − αyi
= hx, x − αyi − hαy, x − αyi

= hx − αy, xi − hαx − αy, yi
= hx, xi − αhy, xi − αhx, yi − αhy, yi
= hx, xi − αhx, yi − α[hy, xi − αhy, yi]
⇒ 0 ≤ hx, xi − αhx, yi − α[hy, xi − αhy, yi]
Esto debe cumplirse para todo α. Así que, en particular, debe cumplirse para α = hy,xi
hy,yi
hx, yi hx, yi hx, yi

⇒ 0 ≤ hx, xi − hx, yi − [hy, xi − hy,yi]

hy, yi hy, yi hy,
yi

hx, yi2 hx, yihy, xi hx, yi2

⇒ 0 ≤ hx, xi − − +
hy, yi hy, yi hy, yi
|hx, yi|2
⇒ 0 ≤ hx, xi − ⇒ 0 ≤ hy, yihx, xi − |hx, yi|2
hy, yi
⇒ |hx, yi|2 ≤ hy, yihx, xi = kyk2 kxk2
∴ |hx, yi| ≤ kxk ·kyk
2

Observación.
Sea k·k : X → R dada por kxk = hx, xi, es una norma sobre X, espacio con producto interior.
p
1. kxk ≥ 0 y kxk = 0 si y solo si x = 0

kxk2 = hx, xi ≥ 0 y que hx, xi = 0 si y solo si x = 0
2. kαxk = |α| ·kxk
p p p
kαxk = hαx, αxi = |α|2 hx, xi = |α| · hx, xi = |α| ·kxk
⇒ kαxk = |α| ·kxk
3. kx + yk ≤ kxk +kyk
kx + yk2 = hx + y, x + yi = hx, x + yi + hy, x + yi
= hx + y, xi + hx + y, yi = hx, xi + hy, xi + hx, yi + hy, yi
= hx, xi + hx, yi + hy, xi + hy, yi = kxk2 + 2Rehx, yi +kyk2 ≤ kxk2 + 2|hx, yi| +kyk2
≤ kxk2 + 2kxk ·kyk +kyk2 = (kxk +kyk)2 ⇒ kx + yk2 ≤ (kxk +kyk)2
∴ kx + yk ≤ kxk +kyk

69 UNIDAD 4. ESPACIOS DE HILBERT
Observación.
Sabemos que toda norma induce una métrica vía: d(x, y) = kx − yk , ∀x, y ∈ X
Así que la norma del producto interior induce una métrica sobre el espacio con producto interior:
p
d(x, y) = kx − yk = hx − y, x − yi
Esto nos provee de una topología con la cual podemos hablar de abiertos, cerrados, continuidad,
convergencia, etc.
Denición 4.3
Un espacio con producto interior, el cual es completo con respecto a la norma inducida por
el producto interior, se llama un Espacio de Hilbert.
Nota. Las propiedades del producto interior nos permiten obtener las relaciones siguientes:
1. hαx + βy, zi = αhx, zi + βhy, zi, ∀x, y, z ∈ X, α, β ∈ C
2. hx, αyi = hαy, xi = αhy, xi = αhx, yi, ∀x, y ∈ X, α ∈ C
3. hx, αy + βzi = hαy + βz, xi
= hαy, xi + hβz, xi = hαy, xi + hβz, xi = αhx, yi + βhx, zi
Vimos que un espacio de Hilbert es un espacio con producto interior y completo en la norma
p
kxk = hx, xi
Denición 4.4
Si H es un espacio con producto interior, entonces decimos que x, y ∈ H son ortogonales si
ocurre que hx, yi = 0, se dice que x⊥y .
Teorema 4.5 Ley del Paralelogramo

Si H es un espacio con producto interior, entonces ∀x, y ∈ H se cumple que:
kx + yk2 +kx − yk2 = 2(kxk2 +kyk2 )
Esto se llama la ley del paralelogramo.

70
Prueba
kx + yk2 +kx − yk2 = hx + y, x + yi + hx − y, x − yi
= (hx + y, xi + hx + y, yi) + (hx − y, xi − hx − yyi)
hy,xi)
= [(hx, xi +
hx,yi
+ (
+ hy, yi)] + [(hx, xi −
hy,xi)

− (
hx,yi

− hy, yi)]
= hx, xi + hy, yi + hx, xi + hy, yi = 2hx, xi + 2hy, yi = 2kxk2 + 2kyk2
∴ kx + yk2 +kx − yk2 = 2(kxk2 +kyk2 )
2

Teorema 4.6
Sea H un espacio con producto interior. Si {xn } y {yn } son sucesiones en H tales que existen
x, y ∈ H con xn → x y yn → y , entonces hxn , yn i → hx, yi es decir, el producto interior es
una función continua.
Prueba
Debemos probar que |hxn , yn i − hx, yi| → 0 cuando n → ∞.
|hxn , yn i − hx, yi| = |hxn , yn i − hxn , yi + hxn , yi − hx, yi| = |hxn , yn − yi + hxn − x, yi|
:0 :0
≤ kxn k · ky n − yk + kx −xk ·kyk → 0 (n → ∞)

n
⇒ |hxn , yn i − hx, yi| → 0 (n → ∞)

⇒ |hxn , yn i → hx, yi| (n → ∞)
Así que h, i : H × H → R es continua. 2

Nota. Si H es un espacio con producto interior y si A es un subconjunto de H tal que x ∈ H (jo),

hx, ai = 0, ∀a ∈ A, entonces decimos que x es ortogonal a A y escribimos x ⊥ A.
Observación (Teorema de Pitágoras en Espacios de Hilbert).

Si x ⊥ y , entonces:
kx + yk2 = kxk2 +kyk2
*0 *0
hx + y, x + yi = hx, x + yi + hy, x + yi = hx, xi +
hx,yi hy,xi + hy, yi

+
= hx, xi + hy, yi = kxk2 +kyk2

Es decir, kx + yk2 = kxk2 +kyk2

Teorema 4.7
Sea H un espacio de Hilbert y Y un subespacio de H. Entonces:
1. Y es completo si y solo si Y es cerrado en H.
2. Si Y es de dimensión nita, entonces Y es completo.
3. Si H es separable, así lo es Y. Más aún, todo subconjunto de un espacio con producto
interior separable, es separable.
Nota. Los espacios de Hilbert son de Banach, ya estudiados.
Denición 4.8
Dados dos vectores x, y de un espacio vectorial V, el segmento que une estos dos puntos se
dene como z = αx + (1 − α)y, 0 ≤ α ≤ 1.
Denición 4.9
Un conjunto A se dice ser convexo, si para dos puntos cualesquiera, el segmento de recta que
los une está todo en A, es decir, si x, y ∈ A y 0 ≤ α ≤ 1, entonces z = αx + (1 − α)y ∈ A.
Teorema 4.10
Sea H un espacio con producto interior y A 6= ∅, un subconjunto convexo de H entonces para
cada x ∈ H, es decir, jando el x primero, existe un único y ∈ A tal que:
δ = inf kx − yk = kx − yk
y∈A
Nota. Los espacios Lp son de Banach, pero el único que es de Hilbert es L2

Ejemplo 16.
Espacios de Hilbert:
1. El espacio euclídeo Rn , con el producto interior:
hx, yi = x1 y1 + x2 y2 + . . . + xn yn , donde x = (x1 , x2 , . . . , xn ), y = (y1 , y2 , . . . , yn )
q
1
⇒ hx, xi = x21 + x22 + . . . + x2n
2
2. El espacio unitario, Cn , con el producto interior: hz, ξi = z1 ξ1 + z2 ξ2 + . . . + zn ξn ,

donde z = (z1 , z2 , . . . , zn ), ξ = (ξ1 , ξ2 , . . . , ξn )
Note que: C2 = C × C y si (z, ξ) ∈ C2 ⇒ z = (a + bi) ∈ C y ξ = (c + di) ∈ C
⇒ C2 ≈ (a, b, c, d) ∈ R4 , por lo que C2 es isomórfo a R4 . p
√
En este caso, hz, zi 2 = kzk = z1 z1 + z2 z2 + . . . + zn zn = |z1 |2 + |z2 |2 + . . . + |zn |2
1

72
3. El espacio L2 [a,b] (conjunto de la clase de funciones cuyo cuadrado es integrable en el intervalo

Z b
real cerrado [a, b] ), con el producto interior hx, yi = x(t)y(t)dt, ∀x, y ∈ L2 [a,b] (si L2 se
a
toma como espacio vectorial en C, sino no hace falta colocarlo así).
! 21 ! 21
Z b Z b
kxk = hx, xi = x(t)x(t)dt = |x(t)|2 dt
a a
También se puede usar L2 sobre un conjunto más general, digamos Ω ⊂ Rn , en vez de [a, b]:
L2 (Ω) = {f : Ω → R}
Z 12
hf, gi = f (x)g(x)dx
Ω
Z 12 Z 12
hf, f i = kf k = f (x)f (x)dx = |f (x)|2 dx
Ω Ω
4. El espacio `2 , con el producto interior:

∞
X
hx, yi = xk y k
k=1
Con x = (x1 , x2 , . . . , xn , . . .), y = (y1 , y2 , . . . , yn , . . .)

  12
  12
∞
X X∞
hx, xi = kxk =  xk xk  =  |xk |2 
k=1 k=1
Denición 4.11
Un espacio vectorial X se dice ser la suma directa de los subespacios Y, Z, es decir X = Y ⊕Z,
si cada elemento x ∈ X se puede escribir de la forma única x = y + z , donde y ∈ Y y z ∈ Z.
Nota. El subespacio Y se llama Complemento Algebráico de Z y recíprocamente.

Nota. Tenemos interés en representar un Espacio de Hilbert como la suma directa de un subespacio
Y, cerrado, y lo que se llama el complemento de Y, Y⊥ = {z ∈ H : z ⊥ Y}
Nota. Se puede probar que si Y es un subespacio cerrado de H y Y⊥ es su complemento ortogonal,

entonces:
H = Y ⊕ Y⊥
Si x ∈ X, entones x = y + y ⊥
Si tenemos esa descomposición de H, entonces podemos denir un operador P : H → Y, dado por:
P (x) = y, x∈H

Así mismo:
P1 : H → Y ⊥ , P1 (x) = y ⊥ , x ∈ H
Si y ∈ Y ⊂ H, entonces P (y) = y
Entonces, si x ∈ H (x = y + y ⊥ )
P (x) = y ⇒ P (P (x)) = P (y) ⇒ P 2 (x) = P (y) = P (x) ⇒ P 2 = P

P (x) kyk
kP k = sup = sup <∞
kxk6=0 kxk kxk6=0 kxk
P : H → Y es un operador acotado o continuo.
Denición 4.12
El operador P : H → Y se llama una proyección sobre Y si ocurre que:
1. ∀x ∈ H, P (x) = y ∈ Y
2. P 2 = P
3. P es un operador lineal
4. P es acotado
Observación.
Sea H un espacio con producto interior, un conjunto ortogonal en H es un conjunto cuyos elementos
son ortogonales dos a dos, es decir, si A es un subconjunto ortogonal de H, entonces:
Si a1 6= a2 , se tiene que ha1 , a2 i = 0.
Si ha, ai = 1, pero ha1 , a2 i = 0, a1 6= a2 , decimos que el conjunto ortogonal es ortonormal (kak = 1).
Nota. En un espacio con producto interior, un conjunto de vectores ortogonales está formado por
vectores linealmente independientes.
Sea A = {x1 , x2 , . . . , xn , . . .}, un subconjunto de vectores ortogonales dos a dos. Sean α1 , α2 , . . . , αn , . . .
escalares, y tomemos 0 = α1 x1 + α2 x2 + . . . + αn xn + . . .
Efectuemos ahora, el producto:
0 = h0, xk i = α1 hx1 , xk i + α2 hx2 , xk i + . . . + αk hxk , xk i + . . .
Como son ortogonales, todos los productos se anulan excepto el k -ésimo término:
⇒ 0 = αk kxk k2 ⇒ αk = 0, k = 1, 2, . . .
Así que x1 , x2 , . . . son linealmente independientes.

Como H es un espacio vectorial, entonces, si x ∈ H, existen escalares α1 , α2 , α3 , . . ., tales que:
x = α1 x1 + α2 x2 + . . . + αn xn + . . . ,

4.1. Teorema de Representación de Riesz 74
donde x1 , x2 , . . . son ortogonales (ortonormales).

Tomemos los productos:
hx, xk i = α1 hx1 , xk i + α2 hx2 , xk i + . . . + αk hxk , xk i + . . .
⇒ hx, xk i = αk kxk k2 = αk (1) = αk

norma=1
| {z }
∴ hx, xk i = αk
Observación.
Si H es un espacio con producto interior, Y es un subconjunto ortonormal de H, e y ∈ H. Entonces:
n
|hy, xi i|2 ≤ kyk2 (Desigualdad de Bessel)
X
i=1
Nota. Si ponemos αi = hy, xi i, entonces:

2

X∞
X∞ X∞

0 ≤
y − α x
i i
= hy − α x
i i , y − α i xi i
i=1 i=1 i=1
∞
X ∞
X ∞
X ∞
X
= hy, yi − hy, αi xi i − h αi xi , yi + h αi xi , α i xi i
i=1 i=1 i=1 i=1
∞
X ∞
X ∞ X
X ∞
= kyk2 − αi hxi , yi − αi hy, xi i + αi αj hxi , xj i
i=1 i=1 i=1 j=1
∞
X ∞
X ∞
X
2
= kyk − αi αi − αi αi + αi αi
i=1 i=1 i=1
∞
X ∞
X
2 2
= kyk − αi αi = kyk − |αi |2
i=1 i=1
∞
X
⇒ 0 ≤ kyk2 − |hy, xi i|2
i=1
∞
X
∴ |hy, xi i|2 ≤ kyk2
i=1
4.1. Teorema de Representación de Riesz

Nota. Del teorema de Riesz se desprende que por cada funcional lineal y continua que se tenga
sobre H, hay un elemento de H que la determina; otra manera de expresarlo es que las únicas
funcionales lineales y continuas que se tenga sobre H van a ser aquellas que vienen dadas por
un producto escalar. Como consecuencia, se tendrán tantas funcionales lineales y continuas como
elementos tenga H. Esto implica que H y H∗ son isomórcamente isométricos (H ≈ H∗ ).
Anteriormente se había dicho que x̃(x∗ ) = x∗ (x), en cuyo caso, a cada funcional denido sobre X∗

se le estaba asociando un x. Se había dicho en ese caso, que esas no eran todas las funcionales
lineales que se podían denir sobre X∗ , sino que se podrían tener otras funcionales lineales denidas
de otra manera. Pero en los espacios de Hilbert según el teorema de Representación, no ocurre eso,
sino que las únicas funcionales lineales y continuas que se tienen sobre H, son las que determinan
los propios elementos de H, teniendo jo uno y haciendo variar los otros. Si eso es así, tomando
el dual de H ≈ H∗ arroja H∗ ≈ H∗∗ = H, es decir que H es reexivo. Como se trata de un espacio
de Hilbert H arbitrario, entonces los espacios de Hilbert siempre son reexivos.
Teorema 4.13 de Riesz o de la Representación

Toda funcional lineal y continua f sobre un espacio de Hilbert H puede ser representada en
términos del producto interior, más precisamente, si f : H → K, entonces existe un elemento
jo z ∈ H para cada f ∈ H∗ , de tal manera que f (x) = hx, zi, donde z depende de f , en
otras palabras, z está unívocamente determinada por f , y tiene norma kzk = kf k.
Prueba
Si f = 0, entonces es suciente tomar a z = 0.
Supongamos que f 6= 0. Ahora, si x ∈ H es del espacio nulo de f , entonces f (x) = hx, zi = 0,
lo que quiere decir que x y z son ortogonales, entonces z ⊥ N (f ), como N (f ) es un subespacio
cerrado (anteriormente se demostró que si se tenía un operador lineal A : X → Y, N (A) es
cerrado) y si f 6= 0, entonces N (f ) 6= H. Por tanto, N (f )⊥ 6= {0}. Así que N (f )⊥ contiene
algún z0 6= 0.
Pongamos u = f (x)z0 − f (z0 )x, x ∈ H arbitrario.
Apliquemos f en ambos lados:
f (u) = f (x)f (z0 ) − f (z0 )f (x) = 0, así que u ∈ N (f ); pero por ser z0 ⊥ N (f ) se debe tener
0 = hu, z0 i = hf (x)z0 − f (z0 )x, z0 i; de aquí que:
0 = f (x)hz0 , z0 i − f (z0 )hx, z0 i
⇒ f (x)hz0 , z0 i = f (z0 )hx, z0 i

f (z0 )
⇒ f (x) = hx, z0 i
kz0 k2
f (z0 )
Si ponemos z = · z0 , se tiene:
kz0 k2
f (z0 ) kz0 k2
f (x) = hx, · zi
kz0 k2 f (z0 )
Como f (z0 ) ∈ R ⇒ f (z0 ) = f (z0 ) ⇒

2
f (z
0) kz0k

f (x) = 2 · hx, zi = hx, zi
kz
0k
f (z
0 )
∴ f (x) = hx, zi

Prueba
La expresión obtenida f (x) = hx, zi, z jo y ∀x ∈ H, muestra la representatividad de f
mediante z .
Probamos, ahora, que para cada f : H → K, existe un único z ∈ H que la representa:
Supongamos, entonces que f (x) = hx, z1 i y f (x) = hx, z2 i, z1 , z2 jos en H y ∀x ∈ H.
⇒ f (x) − f (x) = hx, z1 i − hx, z2 i = 0
⇒ hz1 , xi − hz2 , xi = hz1 − z2 , xi = hx, z1 − z2 i = 0, ∀x ∈ H

Esto debe ser cierto para x = z1 − z2 .
Así que hz1 − z2 , z1 − z2 i = kz1 − z2 k2 = 0
⇒ kz1 − z2 k = 0 ⇒ z1 − z2 = 0 ⇒ z1 = z2
Así que dado f : H → K, existe un único z , tal que f (x) = hx, zi, ∀x ∈ H.
Ahora debemos probar que kf k = kzk
Note que:
kzk2 = hz, zi = f (z) ≤ kf k ·kzk
⇒ kzk2 ≤ kf k ·kzk ⇒ kzk ≤ kf k
Por otro lado, |f (x)| = |hx, zi| ≤ kxk ·kzk
|f (x)|
⇒ ≤ kzk (∗)
kxk
|f (x)|
Ahora, sup ≤ kzk
kxk6=0 kxk
⇒ kf k ≤ kzk (∗∗)
(*) y (**) implican que kf k = kzk 2
2

Nota. Como conclusión: toda funcional que va de un espacio H de Hilbert a R(o K) puede ser
representada por un elemento jo z(f ) ∈ H. Por tanto se dene f (x) = hx, zi, ∀x ∈ H

Lema 5. Si hv1 , wi = hv2 , wi para todo w en un espacio con producto interior H, entonces v1 = v2 .
En particular, si hv1 , wi = 0, ∀w ∈ H, signica que v1 = 0.
Prueba
Sabemos que ∀w ∈ H, se tiene hv1 , wi = hv2 , wi
⇒ hv1 − v2 , wi = hv1 , wi − hv2 , wi = 0 ⇒ hv1 − v2 , wi = 0

Debe cumplirse para w = v1 − v2 ⇒ hv1 − v2 , v1 − v2 i = kv1 − v2 k2 = 0
⇒ kv1 − v2 k = 0 ⇒ v1 − v2 = 0 ⇒ v1 = v2
En particular, si hv1 , wi = 0, ∀w ∈ H, entonces debe cumplirse para w = v1 , así que

hv1 , v1 i = 0
⇒ kv1 k2 = 0 ⇒ kv1 k = 0 ⇒ v1 = 0
2

Denición 4.14
Sean X, Y espacios vectoriales sobre el mismo campo K. Entonces una forma sesquilineal
sobre X × Y es una función
h:X×Y →K
tal que ∀x1 , x2 ∈ X y y1 , y2 ∈ Y y ∀α, β ∈ K se tiene:
(i) h(x1 + x2 , y) = h(x1 , y) + h(x2 , y) y ∈ Y
(ii) h(x, y1 + y2 ) = h(x, y1 ) + h(x, y2 ) x ∈ X
(iii) h(αx, y) = αh(x, y)
(iv) h(x, βy) = βh(x, y)
Observación.
Si K = R entonces es lineal en ambos argumentos y la forma se dice ser lineal sobre X × Y.

Observación.
Sean X, Y espacios normados y si existe un número c tal que ∀x, y :
|h(xy)| ≤ ckxk ·kyk
|h(x, y)|
entonces se dice que h es acotado, y el número: khk = sup se llama norma de h.
kxk6=0 kxk ·kyk
kyk6=0
El siguiente teorema es una extensión del Teorema de Riesz.

Lema 6. Sea h(x, y) una funcional bilineal, h(x, y) es lineal en x y h(x, y) es lineal en y , a su vez
denida en H × H, donde H es un espacio de Hilbert. Asuma que:
|h(x, y)| ≤ Ckxkkyk (C > 0)
|h(x, x)| ≥ ckxk2 (c > 0)

para todo x, y ∈ H. Entonces, para toda funcional lineal acotada x∗ ∈ H existe un punto único
z ∈ H tal que x∗ (x) = h(x, z) ∀x ∈ H.
Teorema 4.15 de Lax-Milgram

Sean H1 , H2 espacios de Hilbert y h : H1 × H2 → K una forma sesquilineal acotada. Entonces
h tiene una representación h(x, y) = hSx, yi donde S : H1 → H2 es un operador lineal y
acotado. S está únicamente determinado por h y tiene por norma kSk = khk.

Prueba
Notemos que h(x, y) es lineal en y . Fijemos x, entonces el teorema de Riesz nos asegura
que para cada y , existe z tal que h(x, y) = hy, zi, por tanto, h(x, y) = hz, yi, y el
elemento z es único, pero depende del elemento jo x ∈ H. Esto signica la existencia de
un operador S : H1 → H2 , dado por por z = Sx, así que si cambiamos z por Sx, tenemos que:
h(x, y) = hSx, yi
El operador S : H1 → H2 debe ser lineal, es decir: S(αx1 + βx2 ) = αSx1 + βSx2
La denición de S nos dice que:
hS(αx1 + βx2 ), yi = h(αx1 + βx2 , y) = αh(x1 , y) + βh(x2 , y)
= αhSx1 , yi + βhSx2 , yi = hαSx1 , yi + hβSx2 , yi = hαSx + βSx2 , yi

⇒ S(αx1 + βx2 ) = αSx1 + βSx2 ∴ S : H1 → H2 es lineal.
Veamos si S es acotado:
1
|hSx, yi| |hSx, Sxi| kSxk2

khk = sup ≥ sup = sup
kxk6=0 kxk ·kyk kxk6=0 kxk ·kSxk kxk6=0 kxk · kSxk

kyk6=0 kyk6=0 kyk6=0
kSxk
⇒ khk ≥ sup = kSk ∴ khk ≥ kSk (∗)
kxk6=0 kxk
Así, puesto que khk < ∞, se tiene que kSk < ∞, es decir, S es acotado.
Por otro lado:
|hSx, yi| kSxk · kyk

khk = sup ≤ sup
kxk6=0 kxk ·kyk kxk6=0 kxk · kyk

kyk6=0 kyk6=0
kSxk
⇒ khk ≤ sup = kSk ∴ khk ≤ kSk (∗∗)
kxk6=0 kxk
Así que por (*) y (*) nos dice que khk = kSk.
Asumamos que existe otro operador T : H1 → H2 tal que ∀x ∈ H1 y y ∈ H2 , se tenga:
h(x, y) = hSx, yi = hTx, yi
Así que hSx, yi − hTx, yi = 0 ⇒ hSx − Tx, yi = 0
⇒ Sx − Tx = 0 ⇒ Sx = Tx, ∀x ∈ H ⇒ S = T
2


4.2. Operador Autoadjunto 80
4.2. Operador Autoadjunto
Denición 4.16
Sea T : H1 → H2 un operador lineal y acotado, donde H1 , H2 son espacios de Hilbert. Entonces
el operador adjunto a T, T∗ , es el operador:
T∗ : H2 → H1
y es tal que ∀x ∈ H1 , y ∈ H2 , hTx, yi = hx, T∗ yi
Teorema 4.17
El operador T∗ , adjunto a T existe, es único y es un operador lineal acotado, si T es lineal
acotado, con norma kTk = kT∗ k
Teorema 4.18
Sean H1 , H2 espacios de Hilbert, S : H1 → H2 y T : H1 → H2 son operadores lineales acotados
y α un escalar cualquiera. Entonces se tiene:
(i) hT∗ y, xi = hy, Txi
(ii) (S + T)∗ = S ∗ + T∗
(iii) (αT∗ ) = αT∗
(iv) (T∗ )∗ = T
(v) kT∗ Tk = kTT∗ k = kTk2
(vi) T∗ T = 0 si y solo si T = 0
(vii) Si H1 = H2 = H, (ST)∗ = T∗ S ∗
Observación.
Un operador lineal acotado T : H → H sobre un espacio de Hilbert H, se dice ser:
(i) Autoadjunto o Hermítico si T∗ = T
(ii) Unitario si T es biyectivo y T∗ = T−1
(iii) Normal si TT∗ = T∗ T

Teorema 4.19
Sea T : H → H un operador acotado sobre un espacio de Hilbert H. Entonces:
(i) Si T es autoadjunto entonces hTx, xi es un número real, ∀x ∈ H
(ii) Si H es complejo y hTx, xi es real, ∀x ∈ H, el operador T es autoadjunto
Prueba
(i) Si T es autoadjunto, entonces ∀x ∈ H,
hTx, xi = hx, Txi = hTx, xi
⇒ hTx, xi = hTx, xi ⇒ hTx, xi ∈ R
(ii) Si hTx, xi ∈ R, ∀x ∈ H, entonces:
hTx, xi = hTx, xi = hx, T∗ xi = hx, T∗ xi
⇒ hTx, xi = hx, T∗ xi ⇒ hTx, xi − hx, T∗ xi = 0

⇒ hTx, xi − hT∗ x, xi = 0 ⇒ hTx − T∗ x, xi = 0
⇒ Tx − T∗ x = 0 ⇒ Tx = T∗ x, ∀x ∈ H
∴ T = T∗
Es decir, T es autoadjunto.
2

Teorema 4.20
El producto o composición de dos operadores lineales, acotados y autoadjuntos S y T sobre
un espacio de Hilbert H es autoadjunto si y solo si los operadores conmutan, es decir, si y
solo si ST = TS .
Prueba
Supongamos que ST = TS . Entonces TS = T∗ S ∗ = (ST)∗
Pero ST = TS , así que TS = (ST)∗ = (TS)∗
⇒ TS = (TS)∗ ⇒ TS es autoadjunto. Lo mismo con ST
Supongamos que ST es autoadjunto:
Entonces ST = (ST)∗ = T∗ S ∗ = TS ⇒ ST = TS conmutan. 2


4.2. Operador Autoadjunto 82
Teorema 4.21
Sea {Tn } una sucesión de operadores lineales, acotados y autoadjuntos sobre un espacio de
Hilbert H. Supongamos que {Tn } converge, digamos Tn → T en la norma de operadores, es
decir, kTn − Tk → 0 cuando n → ∞, entonces el operador límite, T, es un operador lineal
acotado y autoadjunto sobre H.
Prueba
Sabemos de la teoría de operadores en espacio de Banach que el límite uniforme de operadores
lineales y acotados, es un operador lineal y acotado. Nos queda probar que T es autoadjunto.
Debemos probar que T∗ = T.
Ahora, kTn ∗ − Tk = (Tn − T)∗ = kTn − Tk
Por otro lado,
kT − T∗ k = T − T∗ + (Tn − Tn ) + (Tn ∗ − Tn ∗ )

= (T − Tn ) + (Tn − Tn ∗ ) + (Tn ∗ − T∗ )

≤ kT − Tn k +kTn − Tn ∗ k +kTn ∗ − T∗ k
: 0
(Tn − T)∗

= kT − Tn k + kT
n −
T

n k +
= kT − Tn k +kT − Tn k
Así que:
kT − T∗ k ≤ 2kT − Tn k
Tomando límite cuando n → ∞:
⇒ kT − T∗ k = 0 ⇒ T − T∗ = 0 ⇒ T = T∗
Es decir T es autoadjunto. 2

Teorema 4.22
Sea H un espacio de Hilbert y U : H → H y V : H → H operadores unitarios. Entonces:
(i) U es isométrico, es decir kUxk = kxk , ∀x ∈ H
(ii) kUk = 1 siempre que H 6= {0}
(iii) U−1 es unitario
(iv) UV es unitario
(v) V es normal
(vi) Un operador lineal y acotado T sobre un espacio de Hilbert complejo H, es unitario si
y solo si T es isométrico y sobreyectivo.

Bilbliografía recomendada
0. Friedman, Avner. Foundations of Modern Analysis.

1. Rudin, Walter. Análisis Funcional.
2. Reed, Michael and Simon, Barry. Functional Analysis - Methods of Modern Mathematical
Physics.
3. Bachman, George and Narici, Lawrence. Functional Analysis.
4. Kolmogorov, A. y Fomin, S. Elementos de la Teoría de Funciones y del Análisis Funcional.
83
Prácticas
PRÁCTICA No 0
1. Sea d una métrica sobre X. Determine los valores de k para los cuales i) k.d y ii) d + k son
métricas sobre X.
2. Determine si la función d : R × R → R denida por d(x, y) = |x2 − y 2 | es una métrica sobre
R. Si no lo es, entonces diga si existe un subconjunto de R en el cual sí lo sea.
3. Sea (X, d) un espacio métrico cualquiera. Pruebe que la función D : X × X → R denida

d(x, y)
por D(x, y) = es también una métrica sobre X.
1 + d(x, y)
4. Pruebe que la clausura B(x0 , t) de una bola abierta B(x0 , t) en un espacio métrico puede ser
distinta de la bola cerrada B(x0 , t).
5. Pruebe que un espacio métrico X es separable si y solo si existe Y ⊂ X numerable tal que
∀ > 0, ∀x ∈ X, existe y ∈ Y tal que d(x, y) < .
6. Si d1 y d2 son métricas equivalentes sobre X, pruebe que las sucesiones de Cauchy en (X, d1 )
y (X, d2 ) son las mismas.
7. Sea f : R → R una función estrictamente creciente. Pruebe que la función:
D(x, y) = |f (x) − f (y)| es una métrica sobre R, pero D no es equivalente a | · |.
8. Sea M ⊂ `∞ el subespacio de las sucesiones con un número nito de términos no nulos.

Pruebe que M no es completo.
9. Pruebe que todo espacio con la métrica discreta es completo.
10. Si (X1 , d1 ) y (X2 , d2 ) son espacios métricos isométricos, y si (X1 , d1 ) es completo; pruebe que
(X2 , d2 ) también es completo.
84
PRÁCTICA No 1
1. Si `∞ = {x = (x1 , x2 , . . .) : xn ∈ C, kxk∞ = sup |xn | < ∞}, el espacio de todas las sucesiones
n∈N
innitas, complejas y acotadas. Pruebe que (`∞ ,k·k∞ ) es un espacio vectorial normado y
completo.
2. Sea C0 = {x = (x1 , x2 , . . .) : xn ∈ C, xn → 0, cuando n → ∞}, el espacio de todas las
sucesiones innitas y complejas que convergen a cero. Pruebe que C0 es un espacio cerrado
de `∞ (en la norma k·k∞ del ejercicio anterior).
∞
! p1
3. Sea 0 < p < ∞, y dena `p = {x = (x1 , x2 , . . .) : xn ∈ C, kxkp = < ∞},
X
|xn |p
n=1
a) Pruebe que `p es un espacio vectorial normado; b) ¾ Es (`p ,kxkp ) un espacio vectorial
normado con 1 ≤ p < ∞?
4. Sea 1 < p < ∞ y 1
p
+ 1
q
= 1,
a ) Pruebe que para números cualesquiera x, y ≥ 0, se tiene

xp y q
x·y ≤ + (Desigualdad de Young)
p q
b ) Pruebe que si x1 , x2 , . . . , xk ∈ C y y1 , y2 , . . . , yk ∈ C entonces:

1)
  p1   1q
k k k
(Desigualdad de Holder)
X X X
| xj · y j | ≤  |xj |p  ·  |yj |p 
j=1 j=1 j=1
2)
  p1   p1   p1
k k k
(Desigualdad de Minkowski)
X X X
 |xj + yj |p  ≤  |xj |p  + | + yj |p 
j=1 j=1 j=1
85
|x − y|
5. Sea | · | la distancia euclídea usual en R. Dena d(x, y) = , x, y ∈ R
1 + |x − y|
a ) Pruebe que d dene una métrica en R.
b ) Pruebe que las dos métricas denidas por |·| y d producen los mismos conjuntos abiertos.
6. ¾ Cuáles condiciones debe satisfacer una función continua u = f (v) denida sobre R para que
en la recta real se pueda dar una métrica por medio de la igualdad d(x, y) = |f (x) − f (y)|?
¾ Es R completo con esta métrica?
7. En un conjunto X de todas las posibles sucesiones de números reales, denotemos, para
los elementos x = (x1 , x2 , . . . , xk , . . .) y y = (y1 , y2 , . . . , yk , . . .), mediante k0 (x, y) el índice
mínimo para el cual xk 6= yk . Demostrar que:
a)
para


 0, x=y

d(x, y) = 1 es una métrica en X

 , para x 6= y
k0 (x, y)

b ) Si en X dos bolas tienen un punto en común, una de ellas comprende a la otra.

8. Pruebe que un subespacio cerrado F de un espacio métrico completo X es completo.
2x − 1
9. Pruebe que f (x) = , x ∈ (0, 1), es un homeomorsmo de (0, 1) en R
x(x − 1)
10. Pruebe que en un espacio métrico X
a ) Una sucesión convergente tiene un único punto límite.
b ) Toda sucesión convergente es una sucesión de Cauchy.
c ) Si una sucesión de Cauchy tiene una subsucesión convergente, entonces la sucesión
completa es convergente.
86
PRÁCTICA No 2
1. Demostrar que el conjunto Lp [a,b] es normado, si
! p1
Z b
∀x ∈ Lp [a,b] , kxk = |x(t)|p dt , 1≤p<∞
a
2. En el conjunto C[0,1] . Consideremos un subconjunto L de funciones x(t) tales que x(1) = 0.

Demostrar que L es un subespacio de C[0,1] .
3. Demostrar que toda sucesión de Cauchy en un espacio normado es acotada.
4. Sea {xn } ⊂ X una sucesión de Cauchy y {xnk } una subsucesión convergente. Demostrar que
toda la sucesión {xn } es convergente.
5. Sobre un espacio vectorial se dan dos normas equivalentes. En una de ellas X es un espacio
de Banach. Demostrar que X es un espacio de Banach también en la otra norma.
6. Demostrar que todo espacio normado de dimensión nita n es isomorfo a Rn .
7. Sean X, Y espacios vectoriales, A : X → Y un operador lineal, y x1 , x2 , . . . , xn ∈ DA un
sistema de elementos linealmente independientes. Demostrar que el sistema Ax1 , Ax2 , . . . , Axn
es linealmente independiente.
8. Sea A : C[0,1] → C[0,1] un operador dado por Ax(t) = t2 x(t); demostrar que A es un operador
acotado y de su norma.
9. Demostrar que el núcleo, N (A), de un operador lineal acotado A : X → Y es un subespacio
de X
10. Sean X, Y espacios normados, A : X → Y un operador lineal tal que N (A) es un subespacio
de X. ¾ Se desprende de aquí que A es un operador acotado?
87
PRÁCTICA No 3
1. Considere la sucesión {xn (t)}, −1 ≤ t ≤ 1, donde:

 0,
 −1 ≤ t ≤ 0
xn (t) = n · t, 0 < t ≤ n1
1
 1, <t≤1

n
Pruebe que {xn (t)} es una Sucesión de Cauchy en la métrica de L2 [−1,1]

2. Sea V el conjunto de todas las funciones con segundas derivadas continuas denidas sobre
d2 u
el intervalo [0, L] y satisfaciendo la ecuación diferencial − k 2 = 0, k > 0. Pruebe
dx2
que el conjunto V es un espacio vectorial y que un elemento típico de V tiene la forma
u = αekx + βe−k
3. Computar la norma L2 y la norma sup de las funciones siguientes en los intervalos indicados:
a)
u(x) = sen πx − x, sobre 0 ≤ x ≤ 1
b) (
100 sen πx, 0 ≤ x ≤ 0.01
u(x) =
0, 0.01 ≤ x ≤ 1
4. Considere el operador de integración denido por

Z t
T y(t) = y(s) ds
0
de C[0,1] en sí mismo. Pruebe que el operador es continuo.

5. Considere la transformación T : R3 → R3 denida por T(x) = (x1 + x3 , x2 − x1 , x3 ) donde
x = (x1 , x2 , x3 ). Pruebe que T es continuo.
6. Determine si la transformación T : C[0,1] → C[0,1] es lineal:


 u0 ,
 u(t) ≥ u0
Tu = u(t), −u0 < u(t) < u0
 −u0 ,

u(t) ≤ −u0 ,
Donde u0 > 0 es un número real.

d
7. Sea D = el operador de derivada sobre el espacio P de polinomios en una variable real t.
dt
Suponga que la transformación T está denida sobre P por T p(t) = t · p(t), para cualquier
p(t) ∈ P . Pruebe que DT = TD + I
8. Sean X, Y espacios de Banach, An , A ∈ L (X, Y), n ∈ N y An → A cuando n → ∞

fuertemente sobre un subespacio de X (DAn ⊂ X). ¾ Se desprende de esto que An → A,
cuando n → ∞ fuertemente?
88
9. Sean X, Y espacios normados, An ∈ L (X, Y), n ∈ N y An → 0 fuertemente cuando n → ∞.
¾ Se desprende de aquí que An → 0 cuando n → ∞ según la norma del espacio L (X, Y)?
10. Sean X, Y espacios normados, xn , x ∈ X con xn → x cuando n → ∞. An , A ∈ L (X, Y) con
An → A cuando n → ∞. Demostrar que An xn → Ax cuando n → ∞
89
PRÁCTICA No 4
1. Pruebe que los operadores:
Z t
a ) A : C[0,1] → C[0,1] , dado por Ax(t) = x(τ )dτ
0
Z t
b) A : L 2
[0,1] →L 2
[0,1] , dado por Ax(t) = x(τ )dτ
0
c ) A : C[0,1] → C[0,1] , dado por Ax(t) = t2 x(0)
son lineales y acotados. Halle sus normas.
2. Pruebe que el núcleo de un operador lineal acotado T : X → Y es un subespacio vectorial
del espacio X.
3. Sean X, Y espacios de Banach; An , A ∈ L (X, Y); y An → A fuertemente sobre un subespacio
de X (DAn ⊂ X). ¾ Se desprende de esto que An → A en la norma de operadores?
4. Sean X, Y espacios normados, An ∈ L (X, Y), y An → 0 fuertemente. ¾ Se desprende de aquí
que An → 0 en la norma L (X, Y)?
5. Sea X un espacio vectorial; A : X → X un operador lineal que satisface la relación
I + λ1 A + λ2 A2 + . . . + λn An = 0 para ciertos λi ∈ R. Pruebe que el operador A−1 existe.
6. Sea X un espacio vectorial; A, B : X → X operadores con D(A) = D(B) = X que satisfacen

las relaciones AB + A + I = 0 y BA + A + I = 0. Pruebe que el operador A−1 existe.
7. Pruebe que un operador lineal acotado A : X → Y es cerrado si y solo si D(A) es cerrado en
X
8. Sea A : X → Y un operador lineal acotado, y también R(A) = Y y el operador A−1 existe.

Pruebe que A−1 es lineal.
9. Pruebe que las siguientes funcionales son lineales y continuas. Halle sus normas:
Z 1
a ) f (x) = t x(t) dt, x ∈ L1 [−1,1]
−1
Z 1
b ) f (x) =
1
t− 3 dt, x ∈ L2 [0,1]
0
c ) f (x) = x1 + x2 , x = (x1 , x2 , . . .) ∈ `2
d ) f (x) = lim xn , x = (x1 , x2 , . . .) ∈ C
n→∞
10. Sea X un espacio normado real, f una funcional lineal denida sobre X. Pruebe que f es
continua si y solo para cualquier k ∈ R, los conjuntos:
{x ∈ X : f (x) < k} y {x ∈ X : f (x) > k} son abiertos en el espacio X
11. Sea f una funcional lineal denida sobre un espacio normado X; además, para cualquier
sucesión {xn } ⊂ X tal que xn → 0 para n → ∞, el conjunto {f (xn )} es acotado.
Pruebe que f ∈ X∗
90
12. Sea X un espacio de Banach, fn ∈ X∗ , y sean que para cualquier x ∈ X
existe lim fn (x) = f (x). Pruebe que f ∈ X∗ .
n→∞
13. Pruebe que si un espacio normado X es de dimensión nita, entonces el espacio X∗ también
lo es.
14. Sea X un espacio normado; fn , f ∈ X∗ , y fn → f . Pruebe que fn → f débilmente−∗
15. Sea X un espacio normado; xn ∈ X. Pruebe que la sucesión {xn } converge en X si y solo si
{xn } converge débil y uniformemente en la bola {f ∈ X∗ : kf k ≤ 1}
16. Sea X un espacio de Banach y reexivo, con f ∈ X∗ . Pruebe que:
existe x ∈ X, x 6= 0 tal que f (x) = kxk ·kf k
17. Pruebe que en un conjunto de un espacio de Banach, toda sucesión débilmente convergente,
es débilmente de Cauchy.
18. Pruebe que un conjunto en un espacio de Banach es débilmente acotado si y solo si es acotado.
19. Sean X, Y espacios normados; α, β ∈ K, A, B ∈ L (X, Y). Pruebe que:
(α A + β B)∗ = α A∗ + β B ∗
20. Halle el operador conjugado en cada caso:

Z t
(i) Ax(t) = x(τ )dτ ; A : L2 [0,1] → L2 [0,1]
0
(ii) Ax(t) = t x(t); A : L2 [0,1] → L2 [0,1]
(iii) Ax = (x1 , x2 , . . . , xn , 0, 0, . . .); A : `1 → `1
Z 1
(iv) Ax(t) = t x(s)ds; A : L2 [0,1] → L2 [0,1]
0
Z 1
(v) Ax(t) = t x(t)dt; A : L2 [0,1] → L2 [0,1]
0
(vi) Lo mismo que los anteriores pero `2 → `2 y C0 → C0
91
PRÁCTICA No 4b
Z 1
1. Probar que el espacio H = C[0,1] con el producto interior hx, yi = x(t) y(t) dt es un
0
pre-Hilbert espacio, es decir, es Espacio Vectorial con Producto Interno pero no es completo.
2. Sea H un espacio de Hilbert. Probar que si H contiene una sucesión ortonormal que es
completa (todo elemento x ∈ X se puede expresar como una combinación lineal de los
elementos de la sucesión), entonces H es separable.
3. Si {Tn } es una sucesión de operadores lineales acotados en un espacio de Hilbert H y Tn → T,
pruebe que Tn ∗ → T∗
4. Si S y T son operadores lineales, acotados y autoadjuntos en un espacio de Hilbert, y α, β ∈ R;
pruebe que T̃ = αS + βT es autoadjunto.
5. Sea H un espacio vectorial y h una forma sesquilineal sobre H × H. Esta forma se dice ser
positivapsemidenida si h(x, x) ≥ 0, ∀x ∈ H. Pruebe que bajo estas condiciones
ρ(x) = h(x, x) dene una semi-norma sobre H.
92

Apuntes Analisis Funcional

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Apuntes Analisis Funcional

Transféré par

Droits d'auteur :

Formats disponibles

Apuntes del Curso

Universidad Autónoma de Santo Domingo (UASD)

1.1. Espacios Métricos

1. No negatividad: d(x, y) ≥ 0 y d(x, y) = 0 si y solo si x = y ∀x, y ∈ X

∴ X = R con esta función , es un espacio métrico.

d(A, B) = inf d(x, y)

Nota. Si A = {x} entonces d(A, B) = d(x, B) = inf d(x, y)

Nota. Si A es un conjunto en un espacio métrico (X, d), entonces el diámetro de A se dene3

B(x, ) = {y ∈ X : d(x, y) < }

se llama bola abierta con centro x y radio .

(x1 − y1 )2 + (x2 − y2 )2 < 2 ,

3 Se trata del diámetro del círculo más pequeño que contiene a A.

Análisis Funcional I UASD Amado Reyes

Nota. El conjunto B(x, ) = {y ∈ X : d(x, y) ≤ } se llama Bola cerrada de centro x y radio .

Recordar. El interior de un conjunto E ⊂ X, espacio métrico, es el conjunto de puntos x ∈ E

Análisis Funcional I UASD Amado Reyes

d(xn , xm ) ≤ d(xn , x) + d(x, xm )

Ahora, cuando n → ∞ ⇒ d(xn , x) → 0 ya que {xn } converge a x. Así mismo, cuando

Así d(xn , xm ) → 0 cuando n, m → ∞.

4 La sucesión se acerca a 0∈R pero 0∈

Análisis Funcional I UASD Amado Reyes

Ejemplo 3 (Casos de Espacios Métricos).

1. Considere el espacio de sucesiones de números reales o complejos, donde cada elemento x es

xn = (xn1 , xn2 , xn3 , . . .) → (y1 , y2 , y3 , . . .)

2. Considere el espacio de sucesiones de números reales o complejos, donde cada elemento x es

entonces (`1 , d) es un espacio métrico.

Con esta métrica (s, d) es un espacio métrico.

Análisis Funcional I UASD Amado Reyes

5. El espacio `p consistiendo en todas las sucesiones x = (x1 , x2 , x3 , . . .) tales que:

Con esta métrica el espacio (C[a,b] , d) es un espacio métrico.

Análisis Funcional I UASD Amado Reyes

α d̂(x, y) ≤ d(x, y) ≤ β d̂(x, y) ∀x, y ∈ X

Entonces estas métricas son equivalentes. Veamos que d y d̂ son equivalentes6 :

6 Se pueden probar las otras equivalencias.

Análisis Funcional I UASD Amado Reyes

B(x, ) = {y ∈ X : d(x, y) < } = X

7 Por esto la métrica trivial se llama discreta.

Análisis Funcional I UASD Amado Reyes

1.2. Completación de Espacios Métricos

(i) (X̂, d̂) es completo.

Análisis Funcional I UASD Amado Reyes

∃n0 ∈ N tal que Fn = Fn0 ∀n ≥ n0

Denición 1.17 Primera y Segunda Categoría

Teorema 1.18 de la Categoría de Baire

Análisis Funcional I UASD Amado Reyes

1.3. Espacios Métricos Compactos

Análisis Funcional I UASD Amado Reyes

Análisis Funcional I UASD Amado Reyes

Los últimos cuatro teoremas se pueden resumir de la siguiente manera:

Análisis Funcional I UASD Amado Reyes

1.4. Funciones Continuas en Espacios Métricos

d(xn , y0 ) → 0 cuando n → ∞ entonces f (xn ) → f (y0 ) cuando n → ∞

|f (x) − f (y0 )| <  ∀x ∈ Y ∩ B(y0 , δ)

Si f es continua en cada uno de sus puntos, entonces decimos que f es continua en Y.

Análisis Funcional I UASD Amado Reyes

|f (yn ) − f (xn )| ≥  (∗)

d(x, y) ≤ 0 ⇒ d(x, y) = 0, por tanto x = y

Análisis Funcional I UASD Amado Reyes

1.4.1. Teorema de Ascoli-Arzelà

d(f, g) = max |f (x) − g(x)|, ∀f, g ∈ C(X)

Teorema 1.30 de Ascoli-Arzelà

Análisis Funcional I UASD Amado Reyes

f11 f12 f13 . . .

f21 f22 f23 . . .

Nota. Si A es un conjunto en un espacio métrico (X, d), entonces el diámetro de A se dene3

B(x, ) = {y ∈ X : d(x, y) < }

se llama bola abierta con centro x y radio .

(x1 − y1 )2 + (x2 − y2 )2 < 2 ,

Nota. El conjunto B(x, ) = {y ∈ X : d(x, y) ≤ } se llama Bola cerrada de centro x y radio .

B(x, ) = {y ∈ X : d(x, y) < } = X

Denición 1.17 Primera y Segunda Categoría

|f (x) − f (y0 )| < ∀x ∈ Y ∩ B(y0 , δ)

|f (yn ) − f (xn )| ≥ (∗)

kTm x − Tn xk < kxk

Ahora, haciendo m → ∞, tenemos kTx − Tn xk < kxk