Analisis Matematico

Lokenath Debnath - Piotr Mikusinski
Joe Garca
Introduccin a los Espacios de

Hilbert con aplicaciones
Abril, 2015
Anlisis Matemtico
Maestra en Enseanza de la Matemtica (jofregaar@hotmail.com).
Copyright Joe Garca

Correo Electrnico: jofregaar@hotmail.com
Maestra en Enseanza de la Matemtica
Escuela Politcnica del Ejrcito
ndice general
Captulo 1
Espacios vectoriales normados
1.1
1.2
1.3
1.4
1.5
1.6
Espacios Vectoriales
2
Espacios Normados
8
Espacios de Banach 36
Aplicaciones lineales 52
Contraccin de aplicaciones y el teorema del punto fijo de Banach
Ejercicios 73
68
Espacios vectoriales normados
Introduccin
En este captulo se repasan los resultados de topologa que intervienen en la teora de funciones
reales de varias variables reales. En el espacio Rn (n > 1) no hay un orden natural, como ocurre en
R, y para establecer los resultados bsicos de su topologa no sirven os mtodos y tcnicas basados
en el orden que se suelen utilizan en la recta real. Por ello es preciso acudir a los mtodos generales
de la topologa de los espacios mtricos.
En Rn la distancia eucldea se define en trminos de la norma eucldea. Generalmente las distancias
que intervienen en Anlisis Matemtico proceden, en forma similar, de una norma y por ello se
introduce en este captulo la nocin general de norma en un espacio vectorial sobre el cuerpo de los
nmeros reales, haciendo nfasis en el caso especial de que la norma proceda de un producto escalar.
La estrecha relacin que hay entre la estructura algebraica y la estructura topolgica de los espacios
normados hace que su topologa tenga propiedades especiales que en general no tienen las topologas
de los espacios mtricos.
Se supone que el lector conoce los conceptos bsicos de topologa en el contexto de los espacios
mtricos y slo se insiste en algunos aspectos particulares de la topologa de los espacios normados
como la caracterizacin de las normas equivalentes y sus consecuencias en relacin con la nocin de
conjunto acotado y de espacio completo, hechos que no tienen contrapartida en el contexto de las
distancias equivalentes.
En este captulo, al repasar algunos de los resultados generales de la topologa de los espacios mtricos
se hace nfasis en el manejo de las sucesiones. En un espacio normado las sucesiones se pueden
someter a operaciones algebraicas y esto hace que sean una herramienta terica muy adecuada para
establecer resultados donde intervienen simultneamente la estructura algebraica y la topologa del
espacio. Tambin se insiste en los dos ingredientes bsicos que garantizan la convergencia de una
sucesin: La condicin de Cauchy cuando el espacio es completo, y la existencia de un nico punto
de aglomeracin cuando la sucesin est contenida en un compacto. Los espacios mtricos completos
se caracterizan mediante la validez del principio de encaje mtrico que sirve para insistir en la tcnica
de las sucesiones, y en la nocin de dimetro de un conjunto.
1.1. ESPACIOS VECTORIALES
1.1
Espacios Vectoriales
Consideramos ambos espacios vectoriales reales y complejos. El cuerpo de los nmeros reales se denota por
R y el cuerpo de los nmeros complejos C. Elementos de R o C se llaman escalares. A veces es conveniente
dar una definicin o declarar un teorema sin especificar el campo de escalares. En este caso utilizamos F,
que indica ya sea R o C. Por ejemplo, si F se utiliza en un teorema, esto significa que el teorema es cierto
para ambos campos escalares R y C.
Definicin 1.1 Espacio vectorial
A un espacio vectorial nos referimos a un conjunto no vaco E con dos operaciones:

(x, y) 7 x + y
(, y) 7 x
para E E E, llamado adicin

para F E E, llamado producto por escalares
de tal manera que las siguientes condiciones se cumplen para todo x, y, z E y , F:

1.
x + y = y + x;
2.
(x + y) + z = x + (y + z);
3.
Para cada x, y E existe un z E tal que x + z = y;
4.
(x) = ()x;
5.
( + )x = x + x;
6.
(x + y) = x + y;
7.
1x = x.
Los elementos de E se llaman vectores. Si F = R, entonces E se llama un espacio vectorial real, y si

F = C, E se llama un espacio vectorial complejo.
A partir de (3) se deduce que por cada x E existe una zx E tal que x + zx = x. Vamos a demostrar que
existe exactamente un elemento z E tal que x + z = x para todo x E. Ese elemento se denota por 0 y
llamado el vector cero.
Sea x, y E. Por (3), existe un w E tal que x + w = y. Si x + zx = x para algunos zx E, entonces, por (1)
y (2),
y + zx = (x + w) + zx
= (x + zx ) + w
= x+w
= y.
Esto demuestra que, si x + z = x para algunos x E, entonces y + z = y para cualquier otro elemento y E.
Todava tenemos que demostrar que tal elemento es nico. En efecto, si z1 y z2 son dos de estos elementos,
entonces z1 + z2 = z1 y z1 + z2 = z2 . Por lo tanto, z1 = z2 .
Un argumento similar muestra que el vector z en (3) es nico para cualquier par de vectores x, y E.
La solucin nica z de x + z = y se denota por y x. De acuerdo con la definicin del vector cero, tenemos
x x = 0. El vector 0 x se denota por x.
Utilizamos 0 para designar tanto el escalar 0 y el vector cero; esto no causar ninguna confusin. Debido a
(2), el uso de parntesis en expresiones con ms de un signo ms se puede evitar. Las siguientes propiedades
siguen fcilmente de la definicin de los espacios vectoriales:
Si 6= 0 y x = 0, entonces x = 0.
Si x 6= 0 y x = 0, entonces = 0.
0x = 0 y (1)x = x.
1.1
El conjunto {0} es un espacio vectorial. Los cuerpos escalares R y C son los ms simples espacios
vectoriales no triviales. R es un espacio vectorial real; C puede ser tratado como un espacio vectorial
real o complejo. stos son algunos ejemplos sencillos de espacios vectoriales:
RN
C
= {(x1 , ..., xN ) : x1 , ..., xN R}.

= {(z1 , ..., zN ) : z1 , ..., zN C}.
{(z1 , z2 , z1 + z2 ) : z1 , z2 C}.
1.2
Sea X es un conjunto no vaco arbitraria y sea E un espacio vectorial. Denotemos por F el espacio
de todas las funciones de X en E. Entonces F se convierte en un espacio vectorial si la adicin y
multiplicacin por escalares se definen de la siguiente manera natural:
( f + g)(x) =
f (x) + g(x).
( f )(x) = f (x).
El vector cero en F es la funcin que asigna el vector cero de E a cada elemento de X.
Algunos de los ejemplos ms importantes e interesantes de los espacios vectoriales son los espacios de
funciones. Nos vamos a encontrar con algunos de ellos en la primera parte de este libro como ejemplos
ilustrativos y luego en la segunda parte como escenario natural para aplicaciones.
Tenga en cuenta que los espacios RN y CN pueden ser definidos como espacios funcionales:
RN es el espacio de todas las funciones de valores reales definidas en {1, ..., N}.
CN es el espacio de todos compleja funcin con valores definidos en {1, ..., N}.
Un subconjunto E1 de un espacio vectorial E se llama subespacio vectorial (o simplemente subespacio si
para cada , F y x, y E1 el vector x + y est en E1 ). Tenga en cuenta que un subespacio de un
espacio vectorial es un espacio vectorial propio. De acuerdo con la definicin, un espacio vectorial es un
subespacio de s mismo. Si queremos excluir este caso, decimos que un subespacio adecuado, es decir, E1
es un subespacio adecuado de E si E1 es un subespacio de E y E1 6= E.
1.3
Sea un subconjunto abierto de R. Los siguientes son subespacios del espacio de todas las funciones
de a C:
C () es el espacio de todas las funciones complejas valoradas continuas definidas en .

C k () es el espacio de todas las funciones complejas valoradas definidas en con derivadas
parciales continuas de orden k.
C () es el espacio de las funciones infinitamente diferenciables definidas en .

P () es el espacio de las funciones infinitamente diferenciables definidas en .
Si E1 y E2 son subespacios de un espacio vectorial E y E1 E2 , entonces E1 es un subespacio de E2 . Por
ejemplo, el espacio de todos los polinomios de N variables es un subespacio de C (RN ), que a su vez es
un subespacio de C k (RN ) o C (RN ). La interseccin de subespacios de un espacio vectorial es siempre un
subespacio, pero el mismo no es cierto para la unin de subespacios.
1.4
Si el conjunto X en el ejemplo 1.1 es el conjunto C de todos los enteros positivos, entonces el espacio
correspondiente es un espacio de sucesiones. La adicin y multiplicacin por escalares se define
entonces como
(x1 , x2 , ...) + (y1 , y2 , ...) = (x1 + y1 , x2 + y2 , ...),
(x1 , x2 , ...) = (x1 , x2 , ...).
El espacio de todas las sucesiones de nmeros complejos es un espacio vectorial. El espacio de todas
las sucesiones complejas delimitadas es un subespacio adecuado de ese espacio. El espacio de todas
las sucesiones convergentes de nmeros complejos es un subespacio adecuada del espacio de todas
las sucesiones delimitadas.
Utilizamos la notacin (xn ) o (x1 , x2 , ...) para denotar una sucesin cuyo n-simo trmino es xn , y {xn : n N}
para denotar el conjunto de todos los elementos de la sucesin. Tenga en cuenta que {xn : n N} puede ser
un conjunto finito a pesar de que (xn ) es una sucesin infinita.
En la mayora de los ejemplos, la verificacin de que un conjunto es un espacio vectorial es fcil o trivial.
En el siguiente ejemplo, la tarea es mucho ms difcil.
1.5
Denotamos por ` p , para p 1, el espacio de todas las sucesiones infinitas (zn ) de nmeros complejos
p
tales que
n=1 |zn | < .
Vamos a demostrar que ` p es un espacio vectorial. Sea ` p un subconjunto de un espacio vectorial, es decir, el
espacio de todas las sucesiones de nmeros complejos, es suficiente mostrar que si (xn ), (yn ) ` p y C,
entonces (xn + yn ) ` p y (xn ) ` p . Para comprobar la segunda propiedad basta con sealar que
|xn | p = || p |xn | p < .
n=1
n=1
p
La condicin
n=1 |xn + yn | se sigue inmediatamente de la desigualdad de Minkowski (Hermann Minkowski (1864-1909)):
! 1p
! 1p
|xn + yn | p
|xn | p
|yn | p
n=1
n=1
! 1p
n=1
La prueba de la desigualdad de Minkowski se basa en la desigualdad de Holder (Otto Ludwig Hlder (18591937)). Ambas desigualdades se prueban a continuacin.
Teorema 1.1 Desigualdad de Hlder
1
p
Sean p > 1, q > 1 y
+ 1q = 1. Si (xn ) ` p y (yn ) `q , entonces

! 1p
|xn yn | |xn |
n=1
! q1
|yn |
n=1
n=1
Demostracin
Sin prdida de generalidad podemos suponer que

n=1 |xn | 6= 0 y n=1 |yn | 6= 0. En primer lugar observamos
que
1
xp
1
1
x+
p
q
para 0 x 1. Sean a y b nmeros no negativos tales que a p bq . Entonces 0

tenemos
q
ab p
ap
bq
1 y por lo tanto
1 ap 1
+ .
p bq q
Puesto que qp = 1 q, obtenemos

ab1q
1 ap 1
+ .
p bq q
Multiplicando ambos lados por bq , obtenemos

ab
a p bq
+ .
p
q
(1.1)
Hemos demostrado (1.1) asumiendo a p bq . Un argumento similar muestra que (1.1) se verifica tambin si
bq a p . Por lo tanto la desigualdad puede ser utilizado para cualquier a, b 0. Mediante (1.1) con
a=
|x j |
(nk=1 |xk | p )
1
p
y b=
|y j |
1
(nk=1 |yk |q ) q
(1.2)
donde n N, obtenemos
|x j |
|y j |
(nk=1 |xk | p )
1
p
(nk=1 |yk |q )
|x j | p
|y j |q
1
1
+
n
n
p k=1 |xk | p q k=1 |yk |q
1
q
para cualquier 1 j n. Mediante la adicin de estas desigualdades para j = 1, ..., n, obtenemos

nk=1 |x j ||y j |
1
(nk=1 |xk | p ) p
(nk=1 |yk |q ) q
1 1
+ = 1,
p q
que, al permitir que n , da la desigualdad de Hlder.
Teorema 1.2 Desigualdad de Minkowski
Sea p 1. Si (xn ), (yn ) ` p , entonces

! 1p
|xn + yn |
! 1p
n=1
|xn |
! 1p
|yn |
n=1
n=1
Demostracin
Para p = 1, es suficiente utilizar la desigualdad triangular para el valor absoluto. Si p > 1, entonces existe
un q tal que 1p + q1 = 1. Luego, por la desigualdad de Hlder, tenemos
|xn + yn | p =
n=1
|xn + yn ||xn + yn | p1
n=1
|xn ||xn + yn | p1 + |yn ||xn + yn | p1
n=1
n=1
! 1p
! q1
|xn + yn |q(p1)
|xn | p
n=1
n=1
! 1p
|yn | p
n=1
que, al permitir que n , da la desigualdad de Holder.

Puesto que q(p 1) = p,
|xn + yn |
n=1
! 1p
|xn |
! 1p
|yn | p
n=1
lo que da la desigualdad de Minkowski.
n=1
! 1q
|xn + yn |
n=1
|xn + yn |q(p1)
n=1
! 1q
.
1.6
Sean E1 , ..., En espacios vectoriales sobre el mismo campo escalar F. Definimos

E = {(x1 , ..., xn ) : x1 E1 , x2 E2 , ..., xn En }
con las operaciones
(x1 , ..., xn ) + (y1 , ..., yn ) = (x1 + y1 , ..., xn + yn ),
(x1 , ..., xn ) = (x1 , ..., xn ).
Entonces E es un espacio vectorial, que se llama el producto cartesiano o simplemente el producto de
espacios E1 , ..., En . El espacio del producto se denota por E = E1 ... En .
Esta idea se puede generalizar a una familia arbitraria de espacios vectoriales. Sea J un conjunto de ndices,
y sea E j un espacio vectorial de todas las j J . El espacio del producto
E = Ej
jJ
se define como el espacio de todas las funciones x : J jJ tal que x( j) X j para cada j J . Las
operaciones en el espacio vectorial en E se definen como en el ejemplo 1.1.
S
Sean x1 , ..., xk elementos de un espacio vectorial E. Un vector x E se denomina combinacin lineal de los
vectores x1 , ..., xk si existen escalares 1 , ..., k tal que
x = 1 x1 + ... + k xk .
Por ejemplo, cualquier elemento de RN es una combinacin lineal de los vectores
e1 = (1, 0, 0, ..., 0),
e2 = (0, 1, 0, ..., 0),
..., eN = (0, 0, ..., 0, 1).
Del mismo modo, cualquier polinomio de grado k es una combinacin lineal de los monomios 1, x, x2 , ..., xk .
Una coleccin finita de vectores {x1 , ..., xk } se llama linealmente independiente si 1 x1 + ... + k xk implica
1 = 2 = ... = k = 0.
Una coleccin infinita de vectores A se llama linealmente independiente si cada subcoleccin finita de A es
linealmente independiente.
Una coleccin de vectores que no es linealmente independiente se llama linealmente dependientes.
Tambin podemos decir que A es linealmente independiente si un vector x en A es una combinacin lineal
de un nmero finito de vectores a partir de A diferente de x.
Los vectores e1 , ..., eN , mencionados anteriormente, son linealmente independientes. Tambin los monomios
1, x, x2 , ..., xk , ... son linealmente independientes.
Tenga en cuenta que la independencia lineal puede depender del campo escalar. Por ejemplo, los nmeros 1
e i (i representa el nmero imaginario i = 1) representan los vectores linealmente independientes en el

espacio C sobre el campo de los nmeros reales. Por otra parte, 1 e i no son independientes en C sobre el
campo de los nmeros complejos.
1.2. ESPACIOS NORMADOS
Sea A un subconjunto de un espacio vectorial E. Por subespecio generado A denotamos el conjunto de todas
las combinaciones lineales finitas de vectores de A , es decir,
spanA = {1 x1 + ... + k xk : x1 , ..., xk A , 1 , ..., k F, k N}.
Es fcil comprobar que spanA es un subespacio vectorial de E. Este subespacio se llama el espacio generado
por A . Es el ms pequeo subespacio vectorial E que contiene A .
Un conjunto de vectores B E se llama base de E si B es linealmente independiente y el spanB = E.
Si existe una base finita en E, entonces E se llama espacio vectorial finito dimensional. De lo contrario, decimos que E es de dimensin infinita. Se puede demostrar que, para un espacio E de dimensin finita dado,
el nmero de vectores en cualquier base de E es el mismo. Si, por ejemplo, E tiene una base que consiste de
exactamente n vectores, entonces cualquier otra base tiene exactamente n vectores. En tal caso n se llama la
dimensin de E y escribimos dim(E) = n.
Los siguientes son ejemplos de conjuntos de vectores que son bases en R3 :
A = {(1, 0, 0), (0, 1, 0), (0, 0, 1)},

B = {(0, 1, 1), (1, 0, 1), (1, 1, 0)},
C = {(1, 2, 3), (1, 3, 5), (3, 2, 3)}.
(1.3)
(1.4)
(1.5)
Tenemos que dim(R3 ) = 3, y en general dim(RN ) = N. Los espacios C (), C k ((RN ), C (RN ) son de
dimensin infinita. Tenga en cuenta que la dimensin del espacio vectorial real CN es 2N, mientras que la
dimensin del espacio vectorial complejo CN es N.
1.2
Espacios Normados
En general, no tiene sentido preguntar cul es la magnitud de un vector en un espacio vectorial. El concepto
de norma es una generalizacin abstracta de la longitud de un vector. Se define axiomticamente, es decir,
cualquier funcin de valor real que satisface ciertas condiciones se llama una norma.
Definicin 1.2 Norma
Una funcin x 7 kxk de un espacio vectorial E en R se llama norma siempre que cumplan las
siguientes condiciones:
1.
kxk = 0 implica x = 0;
2.
kxk = ||kxk para cada x E y F;
3.
kx + yk kxk + kyk para cada x, y E.
La condicin (3) se llama desigualdad triangular. Puesto que

0 = k0k = kx xk kxk + k xk = 2kxk,
tenemos kxk 0 para cada x E. Tenga en cuenta que (2.) implica que k0k = 0. La desigualdad
|kxk kyk| kx yk,
que sigue a partir de (2.) y (3.), se utiliza a menudo.
1.7
La funcin
kzk =
q
|z1 |2 + ... + |zN |2 ,
z = (z1 , ..., zN ) CN
define una norma en CN . Esta norma se denomina la norma euclidiana. Los siguientes son tambin
normas sobre CN :
kzk = |z1 | + ... + |zN |,
(1.6)
kzk = max{|z1 |, ..., |zN |}.
(1.7)
1.8
Sea un subconjunto cerrado y acotado de RN . La funcin k f k = max | f (x)| define una norma en
x
C ().
1.9
Sea z = (zn ) ` p . La funcin definida por kzk =
|zn | p
! 1p
es una norma en ` p para cualquier
n=1
p 1. Tenga en cuenta que la desigualdad de Minkowski es, de hecho, la desigualdad triangular para
esta norma.
1.10
Para toda norma se tiene la segunda desigualdad triangular:

|kxk kyk| kx yk
para todo x, y X.
Solucin
De la desigualdad triangular se tiene que
kxk = kx y + yk kx yk + kyk
kxk kyk kx yk
kyk = ky x + xk ky xk + kxk
kyk kxk ky xk
por lo que se obtiene la desigualdad

|kxk kyk| kx yk
10
1.11
Sea k k una norma en un espacio vectorial E. Sea a un nmero positivo. Demostrar que la funcin
x 7 akxk tambin es una norma en E.
Solucin
Tenemos a > 0 de modo que akxk 0 y akxk = 0 si y slo si kxk = 0. El segundo axioma sostiene porque
akbxk = a|b|kxk = |b|akxk.
Finalmente de la desigualdad triangular se sigue
akx + yk a(kxk + kyk) akxk + akyk
1.12
Comprobar que en los casos siguientes se cumplen los axiomas de norma, es decir, la norma est
definida correctamente:
El espacio `1 de las sucesiones x = (x1 , x2 , ...), con xi nmeros reales y que satisfacen la
1.
condicin
|xk | < +, con la norma kxk1 = |xk |.

k=1
k=1
El espacio `2 de las sucesiones x = (x1 , x2 , ...), con xi nmeros reales y que satisfacen la
"
# 12
2.
condicin
|xk |2 < +, con la norma kxk2 =
|xk |2
k=1
k=1
El espacio ` p de las sucesiones x = (x1 , x2 , ...), con xi nmeros reales y que satisfacen la
"
# 1p
3.
condicin
|xk | p < +, con la norma kxk p =
|xk | p
k=1
k=1
El espacio ` de las sucesiones x = (x1 , x2 , ...), con xi nmeros reales tales que son acotados,
con la norma kxk = sup |xk | para k N.
4.
Solucin
1.
Como x `1 entonces
|xk | < +, luego nuestro candidato a norma est bien definido ya que no
k=1
es infinito, sino que ser un nmero real.

Ahora vamos a comprobar que se cumplen los axiomas de norma:
Si kxk1 = 0 si y slo si x = 0.
Si kxk1 = 0, entonces
|xk | = 0 pero esto significa que la suma de infinitos nmeros positivos

k=1
es cero, y esto slo puede ocurrir cuando todos los nmeros son 0, de esto obtenemos que xk = 0
para todo k N luego x = 0.
Por otro lado si x = 0, entonces xk = 0 para todo k N, por lo tanto
|xk | = 0 y kxk1 = 0.
k=1
11
kxk1 = ||kxk1 para cualquier x `1 y para cualquier R.
kxk1 =
|xk |
k=1
|||x|
k=1
= || |xk |
k=1
= ||kxk1 .
Debemos probar que kx + yk1 kxk1 + kyk1 para cualesquiera x, y `1 :
kx + yk1 =
|xk + yk |
k=1
(|xk | + |yk |)
k=1
|xk | + |yk |
k=1
k=1
= kxk1 + kyk1 .
Para resolverlo hemos utilizado la desigualdad triangular para el valor absoluto.
2.
Ver que esta norma est bien definida es muy fcil es simplemente por la definicin del espacio `2 .
Vemos ahora que se cumplen los axiomas de norma:
kxk2 = 0 si y slo si x = 0.
# 21
"
|xk |2
Si kxk2 = 0, entonces
= 0 pero esto significa que la suma de infinitos nmeros po-
k=1
sitivos es cero, y esto slo puede ocurrir cuando todos los nmeros son 0, de esto obtenemos que
xk = 0 para todo k N, luego x = 0.
"
# 12
Por otro lado si x = 0, entonces xk = 0 para todo k N. Por lo tanto
|xk |2
= 0 y kxk2 = 0.
k=1
Probaremos que kxk2 = ||kxk2 para cualquier x `2 y para cualquier R:

"
kxk2 =
# 12
|xk |
k=1
"
=
# 12
||2 |xk |2
k=1
"
= ||
|xk |2
k=1
= ||kxk2 .
# 12
12
Debemos probar que kx + yk2 kxk2 + kyk2 para cualesquiera x, y `2 :

"
# 12
|xk + yk |2
kx + yk2 =
k=1
"
# 12
|xk |2
"
+
k=1
# 12
|yk |2
k=1
= kxk2 + kyk2 .
En este paso tercero hemos utilizado la desigualdad de Minskowski.
3.
Esta norma est bien definida, por la definicin del espacio ` p . Vemos ahora que se cumplen los
axiomas de norma:
"
kxk p = 0 si y slo si x = 0. Si kxk p = 0, entonces
|xk | p
# 1p
= 0 pero esto significa que la
k=1
suma de infinitos nmeros positivos es cero, y esto slo puede ocurrir cuando todos los nmeros
son 0, de esto obtenemos que xk = 0 para todo k N luego x = 0.
"
# 1p
Por otro lado si x = 0, entonces xk = 0 para todo k N. Por lo tanto
|xk | p
= 0 y kxk p = 0.
k=1
Probaremos que kxk p = ||kxk p para cualquier x ` p y para cualquier R:

"
kxk p =
# 1p
|xk |
k=1
"
# 1p
||
|xk |
k=1
"
# 1p
|xk | p
= ||
k=1
= ||kxk p .
Debemos probar que kx + yk p kxk p + kyk p para cualesquiera x, y ` p :
"
kx + yk p =
# 1p
|xk + yk |
k=1
"
# 1p
|xk |
"
+
k=1
# 1p
|yk |
k=1
= kxk p + kyk p .
En este paso tercero hemos utilizado la desigualdad de Minskowski.
4.
Esta norma est bien definida ya que el espacio ` , esta formado por las sucesiones x = (x1 , x2 , ...)
que estn acotadas.
Vemos ahora que se cumplen los axiomas de norma:
13
kxk = 0 si y slo si x = 0. Si kxk = 0, entonces sup |xk | = 0 puesto que |xk | 0 para todo
k N sabemos que |xk | sup |xk | = 0 entonces tenemos que |xk | = 0 para todo k N, luego
x = 0.
Por otro lado si x = 0, entonces |xk | = 0 para todo k N. Como sup |xk | = 0, entonces kxk k = 0.
kxk = ||kxk para cualquier x ` y para cualquier R:
kxk = sup |xk |
= sup |||xk |
= || sup |xk |
= ||kxk .
Debemos probar que kx + yk kxk + kyk para cualesquiera x, y ` :
kx + yk = sup |xk + yk |
sup(|xk | + |yk |)
sup |xk | + sup |yk |
= kxk + kyk .
En este paso tercero hemos utilizado la desigualdad triangular para el valor absoluto.
1.13
Comprobar que en los casos siguientes se cumplen los axiomas de norma, es decir, la norma est
definida correctamente:
1.
El espacio C ([a, b]), de las funciones continuas sobre [a, b], con la norma kxk = max |x(t)|.
t[a,b]
2.
El espacio C k ([a, b]), de las funciones diferenciables continuamente k veces sobre [a, b], con
k
la norma kxk = max |x(i) (t)|.

i=0 t[a,b]
3.
El espacio B ([a, b]), de las funciones acotadas sobre [a, b], con la norma kxk = sup |x(t)|.
t[a,b]
4.
El espacio C ([a, b]), de las funciones continuas sobre [a, b], con la norma kxk p =
Z b
1p
p
|x(t)| dt donde 1 p < .
a
5.
El espacio V ([a, b]), de las funciones de variacin acotada sobre [a, b], con la norma kxk =
n
|x(a)| + V[a,b] (x), donde definimos V[a,b] (x) =
sup
V (x) con V (x) =
P([a,b])
|x(tk ) x(tk1 )|
k=1
y P([a, b]) es el conjunto de todas las particiones del intervalo [a, b].
Solucin
1.
Esta norma est bien definida ya que por definicin del espacio C ([a, b]), si x C ([a, b]), la funcin
x es continua en un compacto luego por tanto ser acotada, es decir kxk < +. Vemos ahora que se
cumplen los axiomas de norma:
14
kxk = 0 si y slo si x = 0. Si kxk = 0 implica que kxk = max |x(t)| = 0. Como |x(t)| 0
t[a,b]
para todo t [a, b], entonces x(t) = 0 en [a, b].

Por otro lado si x = 0, implica que |x(t)| = 0 para todo t [a, b], como max |x(t)| = 0, entonces
t[a,b]
kxk = 0.
kxk k = ||kxk para cualquier x C ([a, b]) y para cualquier R:
kxk =
max |x(t)|
t[a,b]
max |||x(t)|
t[a,b]
= || max |x(t)|
t[a,b]
= ||kxk .
Debemos probar que kx + yk kxk + kyk para cualesquiera x, y C ([a, b]):
kx + yk =
=
max |(x + y)(t)|

t[a,b]
max |x(t) + y(t)|

t[a,b]
max (|x(t)| + |y(t)|)

t[a,b]
max |x(t)| + max |y(t)|

t[a,b]
t[a,b]
= kxk + kyk .
2.
Ver que esta norma est bien definida es anlogo al numeral anterior. Vemos ahora que se cumplen
los axiomas de norma:
k
kxk = 0 si y slo si x = 0. Si kxk = 0 implica que kxk =
max |x(i) (t)| = 0, en particular

t[a,b]
i=0
max |x(t)| = 0, entonces x(t) = 0 en [a, b].

t[a,b]
k
Por otro lado si x = 0, implica que |x(i) (t)| = 0 para todo t [a, b] y i = 0, ..., k. Como max |x(i) (t)| =
i=0 t[a,b]
0, entonces kxk = 0.
kxk k = ||kxk para cualquier x C k ([a, b]) y para cualquier R:
k
kxk =
max |x(i) (t)|

t[a,b]
i=0
k
max |||x(i) (t)|
i=0 t[a,b]
k
= || max |x(i) (t)|

i=0 t[a,b]
= ||kxk.
15
Debemos probar que kx + yk kxk + kyk para cualesquiera x, y C k ([a, b]):

k
kx + yk =
max |(x(i) + y(i) )(t)|

t[a,b]
i=0
k
max |x(i) (t) + y(i) (t)|

t[a,b]
i=0
k
max (|x(i) (t)| + |y(i) (t)|)

t[a,b]
i=0
k
max |x(i) (t)| + max |y(i) (t)|

t[a,b]
t[a,b]
i=0
i=0
= kxk + kyk.
3.
Esta norma est bien definida ya que por definicin del espacio B ([a, b]), si x B ([a, b]), la funcin
x est acotada. Vemos ahora que se cumplen los axiomas de norma:
kxk = 0 si y slo si x = 0. Si kxk = 0 implica que kxk = sup |x(t)| = 0 como |x(t)| 0
t[a,b]
para todo t [a, b], entonces x(t) = 0 en [a, b].

Por otro lado si x = 0, implica que |x(t)| = 0 para todo t [a, b]. Como sup |x(t)| = 0, entonces
t[a,b]
kxk = 0.
kxk k = ||kxk para cualquier x B ([a, b]) y para cualquier en R:
kxk =
sup |x(t)|
t[a,b]
sup |||x(t)|
t[a,b]
= || sup |x(t)|
t[a,b]
= ||kxk .
Debemos probar que kx + yk kxk + kyk para cualesquiera x, y B ([a, b]):
kx + yk =
sup |(x + y)(t)|

t[a,b]
sup |x(t) + y(t)|

t[a,b]
sup (|x(t)| + |y(t)|)

t[a,b]
sup |x(t)| + sup |y(t)|

t[a,b]
t[a,b]
= kxk + kyk .
4.
Esta norma est bien definida ya que por definicin del espacio C ([a, b]), si x C ([a, b]), la funcin
x es continua en un compacto luego por tanto ser acotada. Vemos ahora que se cumplen los axiomas
de norma:
16
kxk p = 0 si y slo si x = 0. Si kxk p = 0, entonces
Z
1p
|x(t)| dt
= 0, de donde
Rb
a
|x(t)| p dt =
0 como el integrando es mayor o igual que cero y es una funcin continua, entonces |x(t)| p = 0
para todo t [a, b], entonces |x(t)| = 0 en [a, b] y x = 0.
Z b
1p
p
p
|x(t)|
Por otro lado si x = 0, entonces |x(t)| = 0 para todo t [a, b]. Por lo tanto
=0y
a
kxk p = 0.
Probaremos que kxk p = ||kxk p para cualquier x C ([a, b]) y para cualquier R:
Z b
1p
p
kxk p =
|x(t)| dt
a
Z
=
1p
|| |x(t)| dt
1p

Z b
p
p
|x(t)| dt
= ||
a
= ||kxk p .
Debemos probar que kx + yk p kxk p + kyk p para cualesquiera x, y C ([a, b]):
Z b
1p
p
kx + yk p =
|x(t) + y(t)| dt
a
Z
1p
|x(t)| dt
Z
+
|y(t)|
1p
= kxk p + kyk p .
En esta propiedad hemos utilizado la desigualdad de Minskowski.
5.
Esta norma est bien definida por ser las funciones de variacin acotada. Vemos ahora que se
cumplen los axiomas de norma:
Si kxk = 0 si y slo si x = 0.
n
Si kxk = 0, entonces kxk = |x(a)| + sup |x(tk ) x(tk1 )| = 0 entonces |x(a)| = 0.

k=1
Por otro lado como sup |x(tk ) x(tk1 )| = 0 esto nos dice que x es una funcin constante en
k=1
el intervalo [a, b], pero como x(a) = 0, entonces x = 0.

Por otro lado si x = 0, entonces |x(t)| = 0 para todo t [a, b] y kxk = 0.
kxk = ||kxk para cualquier x V ([a, b]) y para cualquier R.
n
kxk = |x(a)| + sup |x(tk ) x(tk1 )|

k=1
n
= |||x(a)| + sup |||x(tk ) x(tk1 )|

k=1
n
= || |x(a)| + sup |x(tk ) x(tk1 )|

k=1
= ||kxk.
17
Debemos probar que kx + yk1 kxk1 + kyk1 para cualesquiera x, y V ([a, b]). Probaremos
primero que:
V (x + y) V (x) + V (y)
Fijamos una particin P([a, b]).
n
V (x + y) =
|x(tk ) + y(tk ) x(tk1 ) y(tk1 )|

k=1
n
|x(tk ) x(tk1 )| + |y(tk ) y(tk1 )|

k=1
k=1
V (x) + V (y).
Luego tomando supremos en P([a, b]), tenemos que:
V[a,b] (x + y) V[a,b] (x) + V[a,b] (y).

Por tanto
kx + yk = |x(a) + y(a)| + V[a,b] (x + y)
|x(a)| + |y(a)| + V[a,b] (x + y)
|x(a)| + V[a,b] (x) + |y(a)| + V[a,b] (y)
= kxk + kyk.
Definicin 1.3 Espacio normado
Un espacio vectorial con una norma se llama espacio normado.

Es posible definir diferentes normas en el mismo espacio vectorial. Por lo tanto, para definir un espacio
normado necesitamos especificar tanto el espacio vectorial y la norma. Decimos que un espacio normado es
un par (E, k k), donde E es un espacio vectorial y k k es una norma definida en E. Algunos espacios vectoriales son tradicionalmente equipados con las normas estndar. Por ejemplo, cuando decimos el espacio
normado RN nos referimos a la norma euclidiana
q
kxk = x12 + ... + xN2 .
Del mismo modo, las normas establecidas en los ejemplos 1.2 y 1.2 son estndar. Si queremos considerar
diferentes normas en esos espacios, tenemos que decir algo como considerar el espacio ... con la norma
definida por ...
Tenga en cuenta que un subespacio vectorial de un espacio normado es un espacio normado con la misma
norma restringida al subespacio.
El valor absoluto es una norma en R. Puede ser utilizado para definir la convergencia, ya que el valor
absoluto de la diferencia de dos nmeros es la distancia entre los nmeros y la convergencia es conseguir
ms cerca del punto lmite. La norma tiene un papel similar. Mientras que kxk puede interpretarse como la
magnitud de x, kx yk proporciona una medida de la distancia entre x y y.
18
1.14
Todo espacio vectorial normado (X, k kX ) se transforma en un espacio mtrico por medio de la
distancia definida de la siguiente forma:
d(x, y) = ky xk
x, y X
Solucin
1.
d(x, y) = ky xk 0 x, y X
2.
d(x, y) = 0
3.
d(x, y) = ky xk = k (x y)k = | 1|kx yk = kx yk = d(y, x) x, y X
4.
d(x, z) = kz xk = kz y + y xk kz yk + ky xk = d(y, z) + d(x, y) x, y, z X
ky xk = 0
por definicin de norma
yx = 0
x=y
1.15
Demostrar que la siguiente funcin define una mtrica sobre R:

d(x, y) = |x y|,
Solucin
Puesto que |x y| = |y x|, la simetra es satisfecha. Tenga en cuenta que
|x y| = 0
xy = 0
x = y,
la primera propiedad est satisfecha. Para mostrar la desigualdad triangular, sean x, y, z R. Tenemos
d(x, y) = |x y| = |(x z) + (z y)| |x z| + |z y| = d(x, z) + d(z, y)
Por tanto la funcin define una mtrica.
1.16
Demostrar que la funcin

(
0, si x = y,
d(x, y) =
1, si x =
6 y.
es una mtrica en cualquier conjunto no vaco X. (Esto se denomina la mtrica discreta en X).
Solucin
(1) y (2) se siguen directamente de la definicin. Para (3), supongamos que x, y, z X.
Si x = y, entonces d(x, y) d(x, z) + d(z, y) es clara.
Si x 6= y, entonces o bien z 6= x o z 6= y:
Si z 6= x, entonces d(x, y) = 1 = d(x, z) d(x, z) + d(z, y).
Si z 6= y, entonces d(x, y) = 1 = d(y, z) d(x, z) + d(z, y).
19
1.17
Sea X = R2 como el conjunto de puntos en el plano. Demostrar que para x, y X con x = (x1 , x2 ) y
y = (y1 , y2 ),
q
d(x, y) = (x1 y1 )2 + (x2 y2 )2
es una mtrica en X, tambin conocida como la mtrica euclidiana en R2 .
Solucin
1.
Probamos (1)
d(x, y) = 0
2.
q
(x1 y1 )2 + (x2 y2 )2 = 0
x1 = y1
x2 = y2
x = y.
Probamos (2)
q
(x1 y1 )2 + (x2 y2 )2
q
=
(y1 x1 )2 + (y2 x2 )2
d(x, y) =
= d(x, y).
3.
Sean x = (x1 , x2 ), y = (y1 , y2 ), y z = (z1 , z2 ) en R2 . Tenga en cuenta que la funcin cuadrtica
+ t + tiene un signo constante si y slo si 2 4 0, que es equivalente a || 2 .

Ahora observe que la siguiente funcin (de t) nunca es negativa:
t 2
F(t) = [(x1 z1 )t + (z1 y1 )]2 + [(x2 z2 )t + (z2 y2 )]2 .

Pero F(t) = t 2 + t + donde
2
2
= (x1 z1 ) + (x2 z2 ) ,
= 2[(x1 z1 )(z1 y1 ) + (x2 z2 )(z2 y2 )],
= (z y )2 + (z y )2 .
1
Por lo tanto, debemos tener || 2 . Pero

q
= 2 [(x1 z1 )2 + (x2 z2 )2 ][(z1 y1 )2 + (z2 y2 )2 ]

= 2d(x, z)d(z, y),
as
|(x1 z1 )(z1 y1 ) + (x2 z2 )(z2 y2 )| d(x, z)d(z, y).
Por lo tanto,
[d(x, y)]2 = (x1 y1 )2 + (x2 y2 )2
= [(x1 z1 ) + (z1 y1 )]2 + [(x2 z2 ) + (z2 y2 )]2
(x1 z1 )2 + (x2 z2 )2 + 2d(x, z)d(z, y) + (z1 y1 )2 + (z2 y2 )2
= [d(x, z)]2 + 2d(x, z)d(z, y) + [d(z, y)]2
= [d(x, z) + d(z, y)]2 .
20
Por lo tanto, d(x, y) d(x, z) + d(z, y), que completa la demostracin de (3).
1.18
Sea X = R2 . Demostrar que para x = (x1 , x2 ), y = (y1 , y2 ) X, la funcin de

(
|x1 y1 |,
si x2 = y2 ,
d(x, y) =
|x1 | + |x2 y2 | + |y1 |, si x2 6= y2 .
es una mtrica en X.
Solucin
Antes, comprobamos que (1) - (3) se cumplan, tenga en cuenta que si x = (x1 , x2 ) y y = (y1 , y2 ), entonces
tenemos la desigualdad |x1 y1 | d(x, y). Esta desigualdad ser til en la prueba de (1) - (3).
1.
Supongamos d(x, y) = 0. Si x2 6= y2 , entonces tenemos

d(x, y) = |x1 | + |x2 y2 | + |y1 | = 0
lo que implica |x2 y2 | = 0 o x2 = y2 , que es una clara violacin a nuestra hiptesis. As que debemos
tener x2 = y2 . En este caso, tenemos
d(x, y) = |x1 y1 | = 0
lo que implica x1 = y1 . En otras palabras, tenemos x = y.
2.
Observamos que
d(x, y) =
(
|x1 y1 |,
si x2 = y2
|x1 | + |x2 y2 | + |y1 |, si x2 6= y2

(
|y1 x1 |,
si y2 = x2
|y1 | + |y2 x2 | + |x1 |, si y2 6= x2
= d(y, x).
Sea x = (x1 , x2 ), y = (y1 , y2 ), y z = (z1 , z2 ). Examinamos dos casos:
a)
Si x2 = y2 , entonces
d(x, y) = |x1 y1 |
|x1 z1 | + |z1 y1 |
d(x, z) + d(z, y).
b)
Si x2 6= y2 , entonces z2 6= x2 o z2 6= y2 . Sin prdida de generalidad, se asume z2 6= x2 . Entonces

d(x, y) = |x1 | + |x2 y2 | + |y1 |
|x1 | + |x2 z2 | + |z2 y2 | + |y1 |
(
(|x1 | + |x2 z2 | + |z1 |) + |z1 y1 |,
si
(|x1 | + |x2 z2 | + |z1 |) + (|z1 | + |z2 y2 | + |y1 |), si

= d(x, z) + d(z, y).
y2 = z2
y2 6= z2
21
1.19
Sea X el conjunto de las funciones continuas de [a, b] a R. Para todo x, y X se define d(x, y) como
d(x, y) = max{|x(t) y(t)| : t [a, b]}.
Demuestre que (X, d) es un espacio mtrico.
Solucin
Comprobamos que se cumple la definicin:
1.
2.
Note que d(x, y) = max{|x(t) y(t)| : t [a, b]} = 0 si y slo si para cualquier t [a, b] tenemos
|x(t) y(t)| = 0, lo que implica x(t) = y(t). As d(x, y) = 0 si y slo si x(t) = y(t) para todo t [a, b],
es decir, x = y.
Probamos la simetra:
d(x, y) = max{|x(t) y(t)| : t [a, b]}
= max{|y(t) x(t)| : t [a, b]}
= d(y, x).
3.
Sea x, y, z X. Para cualquier s [a, b] tenemos

|x(s) y(s)| |x(s) z(s)| + |z(s) y(s)|
max |x(t) z(t)| + max |z(t) y(t)|.

t[a,b]
t[a,b]
Puesto que s fue tomado en forma arbitraria en [a, b], tenemos

max |x(t) y(t)| max |x(t) z(t)| + max |z(t) y(t)|,
t[a,b]
t[a,b]
o d(x, y) d(x, z) + d(z, y).
t[a,b]
1.20
Sea X el conjunto de las funciones continuas de [a, b] en R. Para x, y X se define d(x, y) por
Z b
d(x, y) =
|x(t) y(t)|dt.
Demostrar que (X, d) es un espacio mtrico.

Solucin
1.
La clave detrs de la prueba del primer axioma, es la siguiente propiedad ab | f (t)|dt = 0 si y slo
si f (t) = 0 para todo t [a, b] proporcionando que f (x) es una funcin continua. De ah que para
cualquier x, y X, tenemos
R
Z b
d(x, y) =
|x(t) y(t)|dt = 0
lo que implica x = y.
|x(t) y(t)| = 0
para todo t [a, b],
22
Para cualquier x, y X, tenemos
2.
Z b
d(x, y) =
|x(t) y(t)|dt
Z b
|y(t) x(t)|dt
= d(y, x).
Para cualquier x, y X, tenemos
3.
Z b
d(x, y) =
|x(t) y(t)|dt
Z b
(|x(t) z(t)| + |y(t) z(t)|)dt
Z b
|x(t) z(t)|dt +
Z b
|y(t) z(t)|dt
= d(x, z) + d(y, z).
1.21
Consideremos el espacio c con la norma k k . Sea ei la sucesin cuyos trminos son todos 0 excepto
el i-simo que es 1. Explicar si se puede escribir toda sucesin x = (i ) c como
x = i ei .
i=1
Solucin
La respuesta es No. Basta considerar la sucesin constante
(1, 1, 1, ...) = (1) c
Est claro que
n
1ei = (1, ..., 1, 0, 0, ...).
i=1
Por tanto

n

(1, 1, 1, ...) 1ei = k(1, 1, 1, ...) (1, ..., 1, 0, 0, ...)k = 1

i=1
Luego

n

lm (1, 1, 1, ...) 1ei = 1.
n

i=1
23
Si fuera
(1, 1, 1, ...) = ei
i=1
por definicin de serie

n
(1, 1, 1, ...) = lm
ei
n
i=1
luego debera ser

n

lm (1, 1, 1, ...) 1ei = 0.
n

i=1
1.22
Las funcin suma + : X X X es uniformemente continua y la funcin producto por un escalar

: F X X es continua y si F fijo entonces la funcin x x es uniformemente continuas.
Solucin
Para la funcin suma alcanza con ver que
k(x + y) (x0 + y0 )k = k(x x0 ) + (y y0 )k
kx x0 k + ky y0 k
Ahora para la funcin producto por un escalar

kx 0 x0 k kx x0 k + k( 0 )x0 k
= ||kx x0 k + | 0 |kx0 k <
y por ltimo si F es fijo, entonces

kx x0 k ||kx x0 k <
24
1.23
Notamos por H el conjunto de las sucesiones x = {xn } de los nmeros reales tales que |xn | 1 para
n = 1, 2, ...
Muestre que d(x, y) =
2n |xn yn | define una mtrica en H .
n=1
Para x, y H y k N definimos Mk = max{|x1 y1 |, ..., |xk yk |}.

Demuestre que
2k Mk d(x, y) Mk + 2k .
Solucin
Como
d(x, y) =
2n |xn yn |
n=1
2n (|xn | + |yn |)
n=1
2n+1
n=1
= 2
la funcin es finita y las series convergen absolutamente. Mostramos la desigualdad del tringulo, porque
las otras propiedades son obvias. Tenemos, desde la desigualdad del tringulo, para el valor absoluto
d(x, z) =
2n |xn zn |
n=1
2n (|xn zn | + |zn yn |)
n=1
n=1
n=1
2n |xn zn | + 2n |zn yn |
= d(x, z) + d(z, y).

Probamos 2k Mk d(x, y):
2k Mk 2k
|xn yn |
n=1
2n |zn yn |
n=1
2n |zn yn |
n=1
= d(x, y).
25
Probamos d(x, y) Mk + 2k :
d(x, y) =
n=1
n=k+1
2n |zn yn | +
2n |zn yn |
k
max{|x1 y1 |, ..., |xk yk |} 2n+1 +

n=1
2n+1
n=k+1

1
Mk 1 k + 2k
2
Mk + 2k+1 .
Definicin 1.4 Convergencia en un espacio normado
Sea (E, kk) un espacio normado. Se dice que una sucesin (xn ) de elementos de E converge a algunos
x E, si para cada > 0 existe un nmero M de tal manera que por cada n M tenemos kxn xk < .
En tal caso, escribimos lm xn = x o simplemente, xn x.
n
Esta definicin se vuelve ms simple si se utiliza la convergencia de los nmeros reales: xn x en E

medios kxn xk 0 en R. La convergencia en un espacio normado tiene las propiedades bsicas de la
convergencia en R:
Una secuencia convergente tiene un lmite nico.
Si xn x y n (n , son escalares), entonces n xn x.
Si xn x y yn y, entonces xn + yn x + y.
Estas propiedades pueden ser probadas de la misma manera como en el caso de la convergencia en R.
Una norma en un espacio vectorial E induce una convergencia en E. En otras palabras, si tenemos un espacio
normado E, entonces automticamente una convergencia definida en E. En la prctica, a menudo frente a
una situacin diferente: tenemos un espacio vectorial E con una convergencia dada y queremos saber si
podemos encontrar una norma en E, que defina la convergencia. No siempre es posible. Los dos ejemplos
siguientes ilustran el problema. En la primera, la convergencia puede ser descrita por una norma. En la
segunda, se demuestra que la convergencia dada no puede ser definido por una norma.
1.24 Convergencia uniforme
Considere el espacio C () de todas las funciones continuas definidas en un conjunto cerrado y acotado RN . Decimos que la sucesin f1 , f2 , ... C () converge uniformemente a f si para todo
> 0 existe una constante n0 tal que | f (x) fn (x)| < para todo x y todo n n0 . Es fcil ver
que la norma en el Ejemplo 1.2 define la convergencia uniforme, es decir, la sucesin fn converge
uniformemente a f si y slo si k fn f k = max | fn (x) f (x)| 0 cuando n . Por esta razn,
x
esta norma se llama la norma de convergencia uniforme.
26
1.25 Convergencia puntual
Sea f1 , f2 , ... C ([0, 1]), el espacio de todas las funciones continuas en el intervalo [0, 1]. Decimos
que la sucesin ( fn ) es de convergente puntual a f si | fn (t) f (t)| 0, cuando n , para cada
t [0, 1]. Vamos a demostrar que no hay ninguna norma en C ([0, 1]), que define la convergencia
puntual. Supongamos, por el contrario, que k k es una norma en C ([0, 1]) tal que
k fn f k 0
si y slo si
fn (t) f (t) para cada t [0, 1]
(1.8)
Considere la secuencia de funciones g1 , g2 , ... definido por
0 t 2n ,
2 t,
gn (t) =
2 2nt, 2n t 21n ,
0,
de otra manera
(ver Figura 1.1). Puesto que gn 6= 0, tenemos kgn k =

6 0 para todos n N. Si definimos fn = kggnn k ,
entonces k fn k = 1 para todos n N, y por lo tanto la sucesin fn no es convergente a 0 (la funcin
cero) con respecto a la norma k k. Por otra parte, es fcil ver que fn (t) 0 para cada t [0, 1]. Esta
contradiccin muestra que no puede existir una norma que satisface (1.8).
Definicin 1.5 Equivalencia de las normas
Dos normas definidas en el mismo espacio vectorial se llaman equivalentes si definen la misma convergencia. Ms precisamente, las normas k k1 y k k2 sobre E son equivalentes si para cualquier
sucesin (xn ) en E y cualquier x E,
kxn xk1 0
si y slo si kxn xk2 0.
1.26
Las siguientes normas sobre R2 son equivalentes:

p
k(x, y)k2 = |x| + |y|,
k(x, y)k1 = x2 + y2 ,
k(x, y)k3 = max{|x|, |y|}.
Vamos a demostrar que dos normas en un espacio vectorial finito dimensional son equivalentes. La prueba
requiere algunos preparativos. Primero probamos un criterio til para la equivalencia de las normas. La
condicin en el siguiente teorema, se utiliza a menudo como una definicin de la equivalencia de las normas.
27
Teorema 1.3 Equivalencia de las normas
Sean k k1 y k k2 normas en un espacio vectorial E. Entonces k k1 y k k2 son equivalentes si y slo

si existen nmeros positivos y de tal manera que
kxk1 kxk2 kxk1 ,
x E.
Demostracin
Es evidente que la condicin anterior implica la equivalencia de las normas k k1 y k k2 . Supongamos ahora
que las normas son equivalentes, es decir, kxn xk1 0 si y slo si kxn xk2 0. Supongamos que no
hay > 0 tal que kxk1 kxk2 para cada x E. Luego, para cada n N, existe xn E tal que
1
kxn k1 > kxk2 .
n
Definimos
1 xn
yn =
.
n kxn k2
1
Entonces kyn k2 = 0. Por otra parte, kyn k1 nkyn k2 n. Esta contradiccin muestra que existe un
n
nmero con la propiedad requerida. La existencia del nmero puede ser probado de una manera similar.
2
El siguiente lema establece una propiedad crucial para la prueba de la equivalencia de las normas sobre
espacios de dimensin finita.
Si x1 , ..., xn son elementos linealmente independientes de un espacio normado E, entonces
existe una constante c > 0 de tal manera que
Lema 1.1
k1 x1 + ... + n xx k c(|1 | + ... + |n |)
(1.9)
para todos los 1 , ..., n R

Demostracin
Puesto que (1.9) se cumple para cualquier c si |1 | + ... + |n | = 0, podemos asumir que |1 | + ... + |n | > 0.
Entonces (1.9) es equivalente a
k1 x1 + ... + n xn k c siempre que |1 | + ... + |n | = 1.
(1.10)
La funcin f : Rn R definida por

f (1 , ..., n ) = k1 x1 + ... + n xn k
es continua. Dado que el conjunto B = {(1 , ..., n ) Rn : |1 | + ... + |n | = 1} est cerrado y limitado,
f alcanza un mnimo en B. Tenga en cuenta que el mnimo no puede ser 0, porque entonces tendramos
1 x1 + ... + n xn = 0 para algunos |1 | + ... + |n | = 1, lo que contradice la independencia lineal de x1 , ..., xn .
Por lo tanto,
c=
mn
(1 ,...,n )B
f (1 , ..., n ) =
lo cual prueba (1.10).
mn
(1 ,...,n )B
k1 x1 + ... + n xn k > 0,
28
Teorema 1.4
Si E es de dimensin finita, entonces cualquiera de las dos normas sobre E son equivalentes.
Demostracin
Sea E un espacio vectorial de dimensin finita, y sea {e1 , ..., en } una base en E. Vamos a demostrar que una
norma arbitraria k k en E es equivalente a la norma k k0 definida por
k1 e1 + ... + n en k0 = |1 | + ... + |n |.
Utilizamos Teorema 1.2. Primera note que
k1 e1 + ... + n en k |1 |ke1 k + ... + |n |ken k
max{ke1 k, ..., ken k}(|1 | + ... + |n |).
Por lo tanto, para cualquier x E,
kxk kxk0 ,
donde = max{ke1 k, ..., ken k}. La existencia de una constante > 0 tal que
kxk0 kxk,
para cualquier x E, se sigue inmediatamente del Lema 1.2.
1.27
Sean | |1 y | |2 dos normas sobre un espacio vectorial E, y supongamos que existe una constante
C > 0 tal que para todo x E tenemos |x1 | C|x2 |. Sea f1 (x) = |x|1 . Demostrar en detalle: Dada ,
existe tal que si x, y E y |x y2 < , entonces | f1 (x) f1 (y)| < .
Solucin
Dada > 0, sea = C . Entonces |x y|2 < implica |x y|1 < . La desigualdad del tringulo de la norma
implica |x|1 |y|1 |x y|1 y |y|1 |x|1 |x y|1 de modo que ||x|1 |y|1 | |x y|1 y por lo tanto
| f1 (x) f1 (y)| |x y|1 < ,
como era de demostrar.
Un espacio normado (E, k k) se convierte en un espacio mtrico si definimos una mtrica por d(x, y) =
kx yk. La convergencia definido por la norma y la convergencia definido por esta mtrica es el mismo. La
mtrica en E define una topologa en E y por lo tanto todas las nociones topolgicas, es decir, las nociones
que se pueden definir en trminos de conjuntos abiertos. No es necesario definir la mtrica primero y luego
la topologa utilizando esa mtrica. En el resto de esta seccin, definimos las nociones topolgicas bsicas
en trminos de la norma. Tambin probamos algunas propiedades topolgicas de espacios normados.
29
Definicin 1.6 Bola abierta, bola cerrada, esfera
Sea x un elemento de un espacio normado E, y sea r un nmero positivo. Usaremos la siguiente

notacin:
B(x, r) = {y E : ky xk < r}
(bola abierta);
B(x, r) = {y E : ky xk r}
(bola cerrada);
S(x, r) = {y E : ky xk = r}
(esfera).
En cada caso, x se llama el centro y el radio r.
1.28
La Figura (2) muestra ejemplos de bolas en R2 con respecto a las normas

p
k(x, y)k1 =
x 2 + y2 ,
k(x, y)k2 = |x| + |y|,
k(x, y)k3 = max{|x|, |y|}.
Figura 1.1: Una funcin tpica gn .
1.29
Sea E = C ([, ]), y sea k f k = maxt[,] | f (t)|. La Figura (1.3) muestra B({sint}, 1). La notacin
debe entenderse de la siguiente manera: B({sint}, 1) es el conjunto de todas las funciones continuas
en [, ] cuyos grficos estn en el rea sombreada. No es el conjunto de todos los puntos de la zona
sombreada.
1.30
Bolas abiertas son conjuntos abiertos. Bolas cerradas y esferas son conjuntos cerrados.
30
Figura 1.2: Ejemplos de bolas unidad en R2 .
1.31
Sea un conjunto cerrado y acotado en RN . Considere el espacio C () con la norma k f k =

max | f (x)|. Sea f C () y f (x) > 0 para todo x . Los siguientes conjuntos estn abiertos en
x
C ():
{g C () : g(x) < f (x) para todo x },
{g C () : g(x) > f (x) para todo x },
{g C () : |g(x)| < f (x) para todo x },
{g C () : |g(x)| > f (x) para todo x }.
Los siguientes conjuntos son cerrados en C ():
{g C () : g(x) f (x) para todo x },
{g C () : g(x) f (x) para todo x },
{g C () : |g(x)| f (x) para todo x },
{g C () : |g(x)| f (x) para todo x },
{g C () : g(x0 ) = }
(x0 es un punto fijo en y C).
Teorema 1.5
1.
La unin de cualquier coleccin de conjuntos abiertos es abierta.
2.
La interseccin de un nmero finito de conjuntos abiertos es abierta.
3.
La unin de un nmero finito de conjuntos cerrados es cerrada.
4.
La interseccin de cualquier coleccin de conjuntos cerrados est cerrada.
5.
El conjunto vaco y todo el espacio son tanto abierto como cerrado.
31
Teorema 1.6
Un subconjunto S de un espacio normado E est cerrado si y slo si cada sucesin de elementos de S

convergente en E tiene su lmite en S, es decir,
x1 , x2 , ... S
y xn x
implica x S.
Demostracin
Supongamos que S es un subconjunto cerrado de E, x1 , x2 , ... S, xn x, y x
/ S. Puesto que S est cerrado,
E\S est abierta. Por lo tanto, existe una > 0 tal que B(x, ) E\S. Por otro lado, ya que kx xn k 0,
tenemos kx xn k < para todos suficientemente grande n N. Esta contradiccin muestra que x S.
Supongamos ahora que cada vez x1 , x2 , ... S y xn x, entonces x S. Si S no est cerrada, entonces
E\S no est abierto, y por lo tanto no existe x E\S de modo que cada bola B(x, ) contiene elementos de
S. As, podemos encontrar x1 , x2 , ... S tal que xn B(x, 1/n). Pero entonces xn x y, de acuerdo con
nuestra hiptesis, x S. Esto contradice la suposicin x E\S. Por lo tanto S debe ser un conjunto cerrado.
2
Ntese cmo el teorema anterior es til para demostrar que los conjuntos mencionados en el Ejemplo 1.2
estn cerrados.
1.32
Un punto lmite de S es un punto v E tal que cada conjunto abierto U que contiene un elemento de
S y un elemento de E, que no est en S. El conjunto de puntos de contorno se denomina el lmite de
S, y se denota por S.
1.
Demostrar que S es cerrado.
2.
Demostrar que S es cerrado si y slo si S contiene todos sus puntos frontera.
3.
Demostrar que el lmite de S es igual al lmite de su complemento.
Solucin
1.
Se podra simplemente sealar que S = S Sc = S E S. Tambin podemos argumentar directamente de las definiciones. Supongamos x S y asumir sin prdida de generalidad que x S.
Entonces, para algunos > 0 el pasillo abierto B (x) no se cruza con el complemento de S, por lo que
B (x) figura en el complemento S.
2.
Supongamos S est cerrado. Sea x E S, entonces existe > 0 tal que B (x) S es vaco. As que
x no es el punto lmite de S. Por el contrario, supongamos que S contiene todos sus puntos frontera.
Entonces dado x E S existe > 0 tal que B (x) S es vaco, de lo contrario x sera un punto lmite
de S. Por lo tanto S es cerrado.
3.
El hecho de que el lmite de S es igual al lmite de su complemento sigue a la vez de la simetra de

la definicin de un punto lmite. De hecho, x E es un punto lmite de S si y slo si x es un punto
lmite del complemento de S.
32
Definicin 1.7 Clausura
Sea S un subconjunto de un espacio normado E. Por la clausura de S, denotado por clS, nos referimos
a la interseccin de todos los conjuntos cerrados que contienen S.
1.33
Un subconjunto S de un espacio vectorial normado E se dice que es convexo si dados x, y S los

puntos
(1 t)x + ty,
0 t 1,
estn contenidos en S. Mostrar que la clausura de un conjunto convexo en convexa.
Solucin Supongamos que x e y son adherentes a S y sean {xn } y {yn } sucesiones de puntos en S que
convergen a x e y, respectivamente. Luego, para cada 0 t 1, (1 t)xn + tyn pertenece a S y converge
a (1 t)x + ty cuando n . Esto implica que para cada 0 t 1, el punto (1 t)x + ty pertenece a la
clausura de S.

En vista del Teorema 1.2 (d), la clausura de un conjunto es siempre un conjunto cerrado. Es el conjunto
cerrado ms pequeo que contiene S. El siguiente teorema da una descripcin secuencial de la clausura.
Teorema 1.7
Sea S un subconjunto de un espacio normado E. La clausura de S es el conjunto de lmites de todas

las sucesiones convergentes de elementos de S, es decir,
clS = {x E : existen x1 , x2 , ... S tal que xn x}.
1.34
El teorema de Weierstrass dice que toda funcin continua en un intervalo [a, b] se puede aproximar
uniformemente por polinomios. Esto tambin se puede expresar como sigue: La clausura del conjunto
de todos los polinomios en [a, b] es todo el espacio C ([a, b]).
Definicin 1.8 Subconjunto denso
Un subconjunto S de un espacio normado E se llama denso en E si clS = E.
1.35
El conjunto de todos los polinomios sobre [a, b] es denso en C ([a, b]). El conjunto de todas las sucesiones de nmeros complejos, que tienen slo un nmero finito de trminos no nulos es denso en ` p
para todos p 1.
Teorema 1.8
Sea S un subconjunto de un espacio normado E. Las siguientes condiciones son equivalentes:

1.
S es denso en E,
2.
Para cada x E existen x1 , x2 , ... S tal que xn x,
3.
Todo subconjunto no vaco abierto de E contiene un elemento de S.
Definicin 1.9 Conjunto compacto
Un subconjunto S de un espacio normado E se llama compacto si toda sucesin (xn ) en S contiene

una subsucesin convergente cuyo lmite pertenece a S.
1.36
En RN o CN , un conjunto es compacto si y slo si est delimitado y cerrado.

Esta simple caracterizacin de conjuntos compactos es vlido para cualquier espacio normado de dimensin
finita. En espacios normados de dimensin infinita, la situacin es ms complicada.
1.37 Subconjunto acotado
Un subconjunto S de un espacio normado E se llama acotado si S B(0, r) para algn r > 0.

Es fcil demostrar que S es acotado si y slo si kn xn k 0 para cualquier xn S y cualesquiera escalares
n 0.
Teorema 1.9
Conjuntos compactos estn cerrados y acotados.

Demostracin
Sea S un subconjunto compacto de un espacio normado E. Supongamos x1 , x2 , ... S y xn x. Entonces
(xn ) contiene una subsucesin (x pn ), que converge a algunos y S. Por otro lado, tenemos x pn x. Por lo
tanto, x = y y x S. Esto demuestra que S est cerrado.
Supongamos ahora que S no est acotada. Entonces existe una sucesin x1 , x2 , ... S tal que kxn k n para
todos n N. Claramente, (xn ) no contiene una subsucesin convergente, y por lo tanto S no es compacto.
2
33
34
1.38
1.
Demuestre que el producto de dos conjuntos totalmente acotados est completamente acotado.
Demuestre que cada conjunto acotado en RN est completamente acotado.
2.
Solucin
1.
Sean X, Y conjuntos totalmente acotados. Daremos X Y la mtrica euclidiana

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

(Todas las mtricas de productos son equivalentes, lo que no hay distincin que debe hacerse).
Elija un > 0. Tenemos que cubrir X Y por un nmero finito de bolas de radio . Puesto que X est
completamente unido, puede ser cubierto por un nmero finito de bolas de radio 10
, es decir
X
n

[
B xi ,
i=1

.
10
Del mismo modo, podemos cubrir Y por un nmero finito de bolas de radio
Y
10 :
m
[

B y j,
.
10
j=1
Ahora pretendemos que X Y puede ser cubierto por el nmero finito de bolas
X Y
n [
m
[
B((xi , y j ), ).
i=1 j=1
que va a resolver el problema.

, podemos
Escoja cualquier (x,y) X Y . Puesto que X est cubierta por la B xi , 10
encontrar un i
tal que x B y j , 10
. Del mismo modo podemos encontrar un j tal que y B y j , 10
. Esto significa
que d(x, xi ) < 10 y d(y, y j ) < 10 . Por ende

2
1
2
d((x, y), (xi , y j )) = (d(x, xi ) + d(y, y j ) ) <
2
2
+
100 100
21
<
por lo que (x, y) est en la bola B((xi , y j ), ). Esto termina la prueba de que X Y est completamente
acotado.
2.
Sea E RN ser un conjunto acotado. Puesto que E est delimitado, est contenida en una bola.
Puesto que cada bola en RN est contenida en un cubo, E, por lo tanto debe estar contenido en un
cubo I1 I2 ... In , donde todos los lados I j son intervalos.
Todos los intervalos son totalmente delimitadas (para cualquier > 0, cualquier intervalo [a, b] puede
ser cubierto por un nmero finito de bolas de radio ). Tambin, a partir de (1) el producto de cualquiera de los dos conjuntos completamente unido est completamente unido. As, el cubo I1 I2 ... In
est completamente unido, y por lo tanto E est tambin totalmente acotado.
El siguiente ejemplo muestra que los conjuntos cerrados y acotados en espacios de dimensin infinita no
tienen que ser compactos.
35
1.39
Considere el espacio C ([0, 1]). La bola unidad cerrada B(0, 1) es un conjunto cerrado y acotado, pero
no es compacto. Para ver esto tome en cuenta la secuencia de las funciones definidas por xn (t) = tn .
Entonces xn B(0, 1) para todos los n N. Claramente, la subsucesin de xn no converge en C ([0, 1]).
Resulta que espacios normados de dimensin finita se pueden caracterizar por la propiedad de que la bola
unidad es compacta. La prueba de este hecho se basa en un teorema que se refiere generalmente como el
lema de Riesz.
Teorema 1.10 Lema de Riesz
Sea X un subespacio adecuado cerrado de un espacio normado E. Por cada (0, 1) existe una x E
tal que kx k = 1 y kx xk 1 para todo x X.
Demostracin
Sea z E\X y dejar que d = nfxX kz xk. Puesto que X est cerrada, d > 0. Si (0, 1), entonces
d kz x0 k
para algunos x0 X. Vamos a demostrar que

x =
z x0
kz x0 k
tiene la propiedad deseada. De hecho, para cualquier x X tenemos

z x0

kx xk =
x

kz x0 k
1
=
kz x0 kz x0 kxk
kz x0 k
1
d
kz x0 k
d
d
= ,
donde la primera desigualdad se deduce de la definicin de d ya que x0 + kz x0 kx X.
Teorema 1.11
Un espacio normado E es de dimensin finita si y slo si la bola unidad cerrada en E es compacto.

Demostracin
Sea E de dimensin finita y sea {e1 , ..., en } una base en E. Por el Teorema 1.22, podemos suponer, sin
prdida de generalidad, que la norma en E se define por
k1 e1 + ... + N eN k = |1 | + ... + |N |.
36
1.3. ESPACIOS DE BANACH
Es un ejercicio sencillo demostrar que la bola unidad con respecto a esta norma es compacto.
Supongamos ahora que E es de dimensin infinita. Usando el Lema de Riesz, construimos una sucesin
xn E tal que kxn k = 1 para todo n N y kxm xn k 12 para todos los m, n N, m 6= n. Sea x1 E
cualquier elemento tal que kx1 k = 1. Puesto que span{x1 } es un subespacio cerrado y adecuado de E, existe
un x2 E tal que kx2 k = 1 y kx1 x2 k 12 . Supongamos ahora que ya hemos construido x1 , ..., xn con
las propiedades deseadas. Puesto que span{x1 , ..., xn } es un subespacio cerrado y adecuado de E, existe un
xn+1 E tal que kxn + 1k = 1 y kxk xn+1 k 21 para todos los k = 1, 2, ..., n.
Supongamos (xn ) tiene una subsucesin convergente (x pn ) tal que x pn x, para algunos x E. entonces
1
kx pn x pn+1 k kx pn xk + kx pn+1 xk
2
para todo n N, lo que contradice la convergencia de (x pn ).
1.3
Espacios de Banach
Toda sucesin de Cauchy de nmeros converge. Toda serie absolutamente convergente de nmeros converge.
Estos son propiedades muy importantes de los nmeros reales y complejos. Muchos argumentos cruciales
relacionadas con los nmeros dependen de ellos. Uno espera que las propiedades similares de un espacio
normado seran de gran importancia. Esto es cierto. Sin embargo, no todos los espacios normados tienen
estas propiedades. Los que lo hacen son los llamados espacios de Banach despus del nombre de Stafan
Banach (1892- 1945).
Definicin 1.10 Sucesin de Cauchy
Una sucesin de vectores (xn ) en un espacio normado se llama una sucesin de Cauchy si para cada
> 0 existe un nmero M tal que kxm xn k < para todo m, n > M.
1.40
Demostrar que la sucesin {xn } definido por

xn =
Z n
cost
1
t2
dt
es de Cauchy.
Solucin
Para cualquier entero natural n < m tenemos
Z m
Z m
Z m

cost
| cost|
1
1 1

dt
dt = .
n t 2 dt n
2
2
t
m n
n t
Puesto que lmn 1n = 0, entonces para cualquier > 0, existe n0 1 tal que para cualquier n n0 tenemos
1
n < . As que para n, m n0 , n m, tenemos
Z m

cost 1 1

|xn xm | =
dt < .
t2
m n
n
lo que demuestra que {xn } es una sucesin de Cauchy.
37
1.41
Sea {xn } una sucesin tal que existen A > 0 y C (0, 1) para el cual
|xn+1 xn | ACn
para cualquier n 1. Demuestre que {xn } es de Cauchy. Esta conclusin sigue siendo vlida si
asumimos slo
lm |xn+1 xn | = 0?
Solucin
Sea n 1 y h 1. tenemos

h1
h1

|xn+h xn | = xn+k+1 xn+k |xn+k+1 xn+k |.
k=0
k=0
Nuestra hiptesis de {xn } implica
h1
ACn+k = ACm
|xn+h xn |
k=0
1 Ch
Cn
<A
.
1 C
1 C
Puesto que 0 < C < 1, lmn Cn = 0. Por lo tanto

lm A
Cn
=0
1 C
Esto obligar a {xn } sea de Cauchy. La segunda parte de la afirmacin no es cierta. En efecto, tomamos
xn = n. Entonces tenemos
1
n + 1 n = lm
= 0.
n
n n + 1 + n
lm
Pero la sucesin {xn } es divergente.
1.42
Demuestre que si una subsucesin {xnk } de una sucesin de Cauchy {xn } es convergente, entonces
{xn } es convergente.
Solucin
Sea lmnk xnk = L. Mostremos que {xn } converge a L. Sea > 0. Puesto que {xn } es de Cauchy, existe
n0 1 tal que para cualquier n, m n0 tenemos
|xn xm | < .
2
Desde lmnk xnk = L, existe k0 1 tal que para cualquier k k0 tenemos
|xnk L| < .
2
38
Para k lo suficientemente grande como para tener nk n0 obtenemos

|xn L| |xn xnk | + |xnk L| <

+ =
2 2
para cualquier n n0 . Esto completa la demostracin.
Las sucesiones de Cauchy llevan el nombre de Augustin Louis Cauchy (1789-1857).
Teorema 1.12
Las siguientes condiciones son equivalentes:

1.
(xn ) es una sucesin de Cauchy;
2.
kx pn xqn k 0 cuando n , para cada par de sucesiones crecientes de nmeros enteros

positivos (pn ) y (qn );
3.
kx pn+1 x pn k 0 cuando n , para cada sucesin creciente de nmeros enteros positivos

(pn ).
Observe que siempre una sucesin convergente es una sucesin de Cauchy. De hecho, si kxn xk 0,
entonces
kx pn xqn k kx pn xk + kxqn xk 0,
o cada par de sucesiones crecientes de ndices (pn ) y (qn ). Lo contrario es no es cierto, en general.
1.43
Toda sucesin convergente es una sucesin de Cauchy.
Solucin
Sea xn x cuando n , entonces para todo > 0 existe un N() N tal que kxn xk <
n N(), ahora usando la desigualdad triangular se tiene que:
para todo
kxn xm k = kxn x + x xm k kxn xk + kxm xk <

para todo n, m N(). El recproco no es vlido en general.
1.44
Sea P ([0, 1]) el espacio de polinomios en [0, 1] con la norma de convergencia uniforme kPk =
39
max |P(x)|. Definir

[0,1]
Pn (x) = 1 + x +
x2
xn
+ ... +
2!
n!
para n = 1, 2, .... Entonces (pn ) es una sucesin de Cauchy, pero no converge en P ([0, 1]) porque su
lmite no es un polinomio.
1.45
Sea (X, d) un espacio mtrico. Demuestre que si {xn } y {yn } son sucesiones de Cauchy de X, entonces
{d(xn , yn )} es una sucesin de Cauchy en R, que implica que {d(xn , yn )} es convergente.
Solucin
Sabemos que para cualquier n, m N tenemos
|d(xn , yn ) d(xm , ym )| d(xn , xm ) + d(yn , ym ).
As que, dado > 0, existen N1 N y N2 N tal que para cualquier n, m N1 tengo
d(xn , xm ) < ,
2
y para cualquier n, m N2 tenemos
d(yn , ym ) < .
2
Sea el conjunto N = max{N1 , N2 }. Entonces para cualquier n, m N tenemos
|d(xn , yn ) d(xm , ym )| d(xn , xm ) + d(yn , ym ) <

+ = .
2 2
Esto implica que {d(xn , yn )} es una sucesin de Cauchy en R.
1.46
Demostrar que cada sucesin convergente en un espacio mtrico (X, d) es una sucesin de Cauchy.
Solucin
Sea {xn } una sucesin convergente en X con lmite x. Luego, para cada > 0 existe alguna N tal que
d(xn , x) < 2 para todo n N. Usando la desigualdad triangular, se deduce que
d(xn , xm ) d(xn , x) + d(x, xm )

<
+
2 2
=
para todo n, m N. Por lo tanto, {xn } es una sucesin de Cauchy.
40
1.47
D un ejemplo de un espacio mtrico (X, d) y una sucesin de Cauchy {xn} X tal que {xn } no
converge en X.
Solucin
Tomemos
} definido por x0 = 1 y xn+1 =

X = Q con la mtrica d(x, y) = |x y|. Considere la sucesin {xn
1
2
2 xn + xn . Para todo n 1. Entonces xn Q para todo n N y lm xn = 2 R\Q. Por lo tanto, por el
problema anterior tenemos que {xn } es una sucesin de Cauchy en R, y por lo tanto en Q tambin, pero
lm xn
/ Q.

1.48
Sea (X, d) un espacio mtrico. Demostrar que X se compone de un punto fuera de cualquier sucesin
acotada en X es convergente.
Solucin
Obviamente, si X se compone de un punto, entonces cualquier sucesin en X es constante y por lo tanto
es convergente. Por el contrario, se supone que cualquier secuencia acotada en X es convergente. Vamos a
demostrar que X se compone de un punto. No asuma. Sea x, y X con x 6= y. Considere la sucesin {xn }
definido por
x2n = x
x2n + 1 = y.
Est claro que {xn } est acotada y no es convergente. Lo cul es una contradiccin.
1.49
Sea (X, d) un espacio mtrico. Sea {xn } una sucesin en X tal que cualquier subsucesin de {xn }
tiene una subsucesin que converge a algn punto fijo x X. Demostrar que {xn } converge a x.
Solucin
No asuma. Entonces existe > 0 tal que para cualquier N 1, existe n N con |xn x| 0 . Por induccin,
construimos una subsucesin {xnk } de {xn } tal que para cualquier k 1 tenemos |xnk x| 0 . Est claro
que la subsucesin de {xnk } no converger a x. Lo cul es una contradiccin.

1.50
Sea P el conjunto de todos los polinomios (de todos los grados) definidos en [0, 1]. Definir d(x, y) por
d(x, y) = max |x(t) y(t)|.
0t1
Demostrar que (P , d) no es un espacio mtrico completo.

Solucin
Est claro que (P , d) es un espacio mtrico. Para mostrar que (P , d) no es completa, considere la siguiente
41
sucesin:
n
xn (t) =
k=0
t k
2
t
tn
= 1 + + ... + n
2
2
0 t 1.
Claramente, xn (t) P para cada n N. A continuacin mostramos que la sucesin {xn } es una sucesin de
Cauchy. Tomando m < n observamos
max |xn (t) xm (t)|

n t k m t k

= max

0t1
2
2
k=0
k=0

n t k

= max

0t1
2
k=m+1

n 1

max k

0t1
k=m+1 2
d(xn , xm ) =
0t1
1
1
n.
m
2
2
Esta diferencia es arbitrariamente pequea para lo suficientemente grande m y n, lo que implica que {xn } es
una sucesin de Cauchy en P . Sin embargo, esta sucesin no converge en (P , d), porque el nico candidato
2
para lm xn (t) = 2t
, para 0 t 1, y esto no es una funcin polinmica. Dado que no toda sucesin de
Cauchy converge en (P , d), tenemos que (P , d) no est completo.

=
Lema 1.2
Si (xn ) es una sucesin de Cauchy en un espacio normado, la sucesin de las normas (kxn k)
Demostracin
Puesto que |kxk kyk| kx yk tenemos |kxm k kxn k| kxm xn k 0 cuando m, n . Esto demuestra que la sucesin de las normas es una sucesin de Cauchy de nmeros reales, por lo tanto es convergente.
2
Tenga en cuenta que este lema implica que cada sucesin de Cauchy es limitado, es decir, si (xn ) es una
sucesin de Cauchy, entonces hay un nmero M de modo que kxn k M para todo n.
1.51
Sea (X, k k) un espacio normado. Sean {xn }, {yn } dos sucesiones de Cauchy en X. Demuestre que
la sucesin n = kxn yn k converge.
Solucin
Sea > 0. Sea N0 N tal que cumple
kyn ym k < ,
kxn xm k < ,
2
2
Luego
para n, m > N0 .
|n m | |kxn xm k + kxm ym k + kym yn k kxm ym k| < .

Como el espacio (R1 , | |) es completo, la susecin de Cauchy {n } tiene un lmite 0 . De esta manera,
hemos demostrado que la sucesin {n } converge.
42
1.52
Estudiar si las sucesiones de funciones definidas por xn (t) = t n t n+1 e yn (t) = t n t 2n convergen en
C ([0, 1]) donde la norma viene definida por
kxk = sup |x(t)|.
t[0,1]
Solucin
Como la convergencia en la norma implica la convergencia puntual, es conveniente saber si la sucesin de
funciones (xn )
n=1 converge puntualmente a alguna funcin continua, digamos x. Si esto es as, esa funcin
x ser el posible lmite en la norma del espacio. Posteriormente, hay que calcular la norma de la diferencia
entre los valores de la sucesin y ese posible lmite; es decir, kxn xk, y, por ltimo, verificar si esta sucesin
de normas tiende a 0. Para hallar la norma de una funcin, es necesario calcular el mximo del mdulo de
la funcin; en otras palabras, hay que hallar el mximo absoluto M y el mnimo absoluto m de la funcin en
[0, 1]: el mximo del mdulo es entonces max{M, m}. Dado que las funciones que aparecen son derivables,
se puede empezar estudiando las races de sus derivadas.
Es evidente que xn (1) = 0 para todo n N y es fcil ver que, para cada t [0, 1), se tiene
lm xn (t) = lm (t n t n+1 ) = 0.
Por tanto, la sucesin (xn )

n=1 converge puntualmente a 0.
Para comprobar que la convergencia se verifica en la norma es necesario ver que
lm kxn 0k = 0.
Comenzaremos calculando la norma de las funciones. Si xn (t) = t n t n+1 , entonces la derivada

xn0 (t) = nt n1 (n + 1)t n
slo se anula en el punto t =
n
. Como
n+1
xn00 (t) = n(n 1)t n2 (n + 1)nt n1 ,

se deduce que

n2

n1
n
n
n
00
xn
= n(n 1)
(n + 1)n
<0
n+1
n+1
n+1
con lo cual en ese punto hay un mximo relativo. No existen mnimos relativos. En los extremos del intervalo
se tiene x(0) = 0 y x(1) = 0. Luego el valor mximo es

n
n+1

n
n
n
xn
=
n+1
n+1
n+1

n
n+1
n
n
mientras que el mnimo es 0 y, por consiguiente, kxk =
. Se concluye que
n+1
n+1

nn
nn+1
lm kxn k = lm
=0
n
n (n + 1)n
(n + 1)n+1
43
y la sucesin (xn )
n=1 converge a 0 en el espacio C ([0, 1]).
En el segundo caso, es tambin sencillo comprobar que la sucesin (yn )
n=1 converge puntualmente a 0. Por
n
otro lado, vamos a calcular la norma de la funcin yn . Como yn (t) = t t 2n se cumple que y0 (t) = nt n1
1
2nt 2n1 con lo cual la derivada se anula en el punto t = 1 . Calculando la segunda derivada se comprueba
2n

1
00
que yn
< 0. Por tanto, en ese punto hay un mximo relativo y no existen mnimos relativos. Por
1
2n

1
y
anularse la funcin en los extremos del intervalo, se deduce que el valor del mximo absoluto es yn
1
2n

1
1
el del mnimo 0. Por tanto, kyn k = yn
= . Obviamente la sucesin de normas kyn k no converge a 0
1
4
2n
con lo cual la sucesin (yn )
no
converge
a
0
en
la norma del espacio C ([0, 1]).

n=1
Definicin 1.11 Espacio de Banach
Un espacio normado E se llama completo si toda sucesin de Cauchy en E converge a un elemento

de E. Un espacio normado completo se llama un espacio de Banach.
1.53
Sea E un espacio vectorial normado completo y sea F un subespacio. Demostrar que la clausura de
F en E es un subespacio. Demostrar que esta clausura es completo.
Solucin
El elemento 0 pertenece a la de clausura. Si x, y se encuentran en la clausura de F, elegir sucesiones {xn } y
{yn } de puntos en F que convergen para x e y, respectivamente. Entonces, x + y = lmn (xn + yn ), por lo
que x + y pertenece a la clausura de F. Del mismo modo, cx = lmn cxn a cx pertenece a la clausura de F.
Esto demuestra que la clausura de F es un subespacio.
Una sucesin de Cauchy en la clausura de F es una sucesin de Cauchy en E, as tambin por la completes,
esta sucesin converge en E. Puesto que la clausura de F es cerrada, se da el resultado.

1.54
Sea E un espacio vectorial normado y F un subespacio. Supongamos que F es denso en E y que cada
sucesin de Cauchy en F tiene un lmite en E. Demostrar que E se completo.
Solucin
Sea {xn } una sucesin de Cauchy en E. Para cada entero positivo n elegimos yn F tal que |xn yn | < n1 .
Luego, utilizando la desigualdad triangular vemos que
|yn ym | |yn xn | + |xn xm | + |xm ym |
1
1
+ |xn xm | +
n
m
as {yn } es una sucesin de Cauchy. Sea y su lmite. Entonces {xn } converge a y porque
|xn y| |xn yn | + |yn y|
1
+ |yn y|.
n
44
1.55
Vamos a demostrar que el espacio l 2 est completo. Sea (an ) una sucesin de Cauchy en l 2 . Si
an = (n,1 , n,2 , ...),
a continuacin, dado cualquier > 0, existe un nmero n0 tal que
|m,k n,k |2 < 2
(1.11)
k=1
para todos m, n n0 . Tenga en cuenta que esto implica que para cada k N fijado y para cada > 0
existe un nmero n0 tal que
|m,k n,k | <
para todos m, n n0 . Pero esto significa que, para cada k, la secuencia (n , k) es una sucesin de
Cauchy en C y por lo tanto convergente. Denotar
k = lm n,k ,
k = 1, 2, ... y
a = (n ).
Vamos a demostrar que a es un elemento de l 2 y que la sucesin (an ) converge a a. De hecho, a partir
de (1.11), dejando m , obtenemos
|k n,k |2 2
(1.12)
k=1
para cada n n0 . Puesto que
|n ,k |2 < ,
0
k=1
por la desigualdad de Minkowski, tenemos

s
s
|k |2 =
(|k | |n ,k | + |n ,k |)2
k=1
k=1
(|k | |n ,k |)2 + |n ,k |2
k=1
k=1
|k n0 ,k |2 +
|n ,k |2 < .
k=1
k=1
Esto demuestra que la secuencia de a = (n ) es un elemento de l 2 . Adems, dado que es arbitrariamente pequeo, (1.12) implica
s
lm ka an k = lm
(|k n,k |)2 = 0,

k=1
lo que significa que la secuencia de (an ) es convergente para a en l 2 .
45
1.56
El espacio vectorial C ([a, b]) provisto con la norma L1 :

k f k1 :=
Z b
| f (x)|dx
no es un espacio de Banach.
Solucin
Es evidente que k f k1 es una norma. Sin prdida de generalidad se toma [a, b] = [0, 2] y se escoge:
fn (x) =
(
xn , 0 x 1,
1 < x 2.
1,
Para todo m > n se tiene que:

k fn fm k1 =
Z 1
(xn xm )dx =
1
1
+
0
n+1 m+1
cuando n, m
por lo tanto ( fn ) es una sucesin de Cauchy. Ahora, supongamos que la sucesin ( fn ) converge a una funcin
continua f con respecto a la norma L1 , es decir:
k fn f k1 0
cuando n .
Luego
Z 1
| f (x)|dx
Z 1
| f (x) xn |dx +
Z 1
0
xn dx k f fn k1 +
1
0
n+1
cuando n , de donde f (x) = 0 para 0 x 1. Adems se tiene que

Z 2
| f (x) 1|dx =
Z 2
| f (x) fn (x)|dx k f fn k1 0
cuando n
esto implica que f (x) = 1 para 1 < x 2, por lo tanto f no es continua, lo cual es una contradiccin.

1.57
Sea ` sea el espacio de todas las sucesiones delimitadas de nmeros reales (xn )
n=1 , con la norma
kxk = sup |xn |.
n1
Demostrar que ` , k k es un espacio de Banach. (Es posible suponer que este espacio cumple las
46
condiciones para un espacio vectorial normado).

Solucin
Ya que estamos teniendo en cuenta que este espacio es ya un espacio vectorial normado, lo nico que queda
por verificar es que ` , k k es completo.
Sea x1 , x2 , ... una sucesin de Cauchy en ` . (Tenga en cuenta que cada elemento xn de esta sucesin es
un elemento de ` , por lo que cada xn es en s mismo una sucesin, digamos xn = (x1n , x2n , ...). Es por eso
que utilizamos superndices en lugar de subndices.) Tenemos que encontrar un elemento x en ` tal que xn
converge a x.
Sea > 0. Porque xn es una sucesin de Cauchy, vemos que existe una N > 0 de tal manera que
kxn xm k =
para todos n, m > N. Por Ende
sup |xkn xkm | <
n1
todos n, m > N. En particular, tenemos kxkn xkm k para todo k y todo n, m > N.
Esto significa que para cada k, la sucesin xk1 , xk2 , ... es una secuencia de Cauchy en R. Puesto que R es
completo, por lo tanto tenemos un lmite, lo llamamos xk :
lm xn
n k
= xk
Sea x que denota la sucesin x = (x1 , x2 , ...).

Nos gustara mostrar que xn converge a x. Elige un > 0. Sustituyendo con
podemos encontrar un N > 0 tal que
kxn xm k
en la expresin anterior,
para todo k y los n, m > N. Tomando como lmites m , obtenemos

kxkn xk k
para todos k y los n > N. Tomando el supremo en k, obtenemos
sup |xkn xk | .
2
k1
para todos n > N. En otras palabras,
kxn xk
<
2
para todo n > N. Esto implica que xn converge a x, y hemos terminado.
47
1.58
Demuestre que ` (A, X) es de Banach.

Solucin
Sea { fn } una sucesin de Cauchy en ` (A, X), es decir que dado > 0 n0 N tal que
k fn fm k < si m, n n0
luego por definicin k fn (a) fm (a)k < a A si m, n n0 luego a A, { fn (a)} es de Cauchy en X,
que es de Banach a A existe f (a) X tal que
k fn (a) f (a)kX 0.
Hay que probar en primer lugar que f ` (A, X).
Por ser { fn } de Cauchy, entonces existe M > 0 tal que
k fn fm k < M
m, n
lo que implica k fn k < M + k f1 k < M 0

k fn (a)k k fn k < M 0
n, entonces
a A, n N
y como la norma es continua

k f (a)k = lm k fn (a)k M 0
n
aA
entonces f ` (A, X).

Ahora probaremos por ltimo que k fn f k n 0. Dado > 0 como k fn (a) fm (a)k < , tomamos lmite
con m y nos queda:
k fn (a) f (a)k a A si
n n0
es decir k fn f k = sup k fn (a) f (a)k si n n0 como se quera.
aA
1.59
Otro ejemplo importante de un espacio de Banach es el espacio C ([a, b]) de (valores reales o complejos) funciones continuas en un intervalo [a, b]. Recordemos que la norma en C ([a, b]) se define por
k f k = maxx[a,b] | f (x)|.
Sea ( fn ) una sucesin de Cauchy en C ([a, b]). Para una arbitraria > 0 existe un n0 N tal que
k fn fm k < para todo n, m n0 ,
y por lo tanto tambin
| fn (x) fm (x)| < para todo n, m n0 ,
y todo x [a, b].
(1.13)
48
Tenga en cuenta que esto implica que ( fn (x)) es una sucesin de Cauchy para cada x [a, b]. La integridad
de R (o C) nos permite definir
f (x) = lm fn (x),
n
x [a, b].
Ahora, haciendo m en (1.13), obtenemos

| fn (x) f (x)| para todo n n0 ,
y todo x [a, b].
(1.14)
Sea x0 [a, b]. Puesto que fn0 es continua en [a, b], existe > 0 de tal manera que | fn0 (x0 ) fn0 (y)| < para
cada y [a, b] de tal manera que |x0 y| < . Entonces
| f (x0 ) f (y)| | f (x0 ) fn0 (x0 )| + | fn0 (x0 ) fn0 (y)| + | fn0 (y) f (y)|
< ++
= 3,
siempre que |x0 y| < . Puesto que x0 y son arbitrarias, lo anterior demuestra la continuidad de f .
Finalmente, puesto que (1.14) implica
k fn f k
para todo n n0 ,
(1.15)
la sucesin ( fn ) converge a f uniformemente.

1.60
Demostrar que el espacio C 0 ([0, 1]) no est completo para la L2 -norma.

Solucin
Considere la familia de funciones { fn } en C 0 ([0, 1]) definido por
1
1
x 4 si
x 1,
n
f (x) =
1
n 41
si 0 x .
n
1
La prueba sigue la dada en el texto con f (x) = x 4 para 0 < x 1. Tenemos

kf
fn k22
=
0
1
n
Z
1

1 2
4
4
x n
dx
1
n
R1 2
0 f =2y
1

1
3
x 2 + n 2 dx =
n
de ah que
k fn fm k2 k fn f k2 + k f fm k2
3
1
n4
3
1
m4
lo que demuestra que { fn } es L2 -Cauchy. Ahora probaremos que no hay ninguna funcin continua g el [0, 1],
tal que { fn } es L2 -convergente a g. Supongamos que una funcin de este tipo g existe. Entonces
k f gk2 k f fn k + k fn gk2 0
como n . Por lo tanto k f gk2 = 0. Dado que ambas funciones f y g son continuas en el intervalo abierto
(0, 1], si para alguna c tenemos f (c) 6= g(c), entonces k f gk2 > 0. Puesto que f
/ C 0 ([0, 1]) obtenemos
2
0
una contradiccin, lo que completa la prueba ya que { fn } no tiene L -limite en C ([0, 1]).
49
Definicin 1.12 Serie convergente y absolutamente convergente
Una serie
n=1 xn en un espacio normado E se llama convergente si la sucesin de sumas parciales
converge en E, es decir, no existe x E tal que kx1 + x2 + ... + xn xk 0 couando n . En ese
caso, escribimos
n1 xn = x. Si n=1 kxn k < , entonces la serie se llama absolutamente convergente.
En general, una serie absolutamente convergente no es necesario que convergen, como puede verse a partir
del Ejemplo 1.3.
Teorema 1.13
Un espacio normado es completo si y slo si cada serie absolutamente convergente converge.

Demostracin
Sea E un espacio de Banach. Supongamos que xn E y
n=1 kxn k < . Definir
sn = x1 + ... + xn ,
n = 1, 2, ...
Vamos a demostrar que (sn ) es una sucesin de Cauchy. Sea > 0 y sea k un nmero entero positivo tal que
kxn k < .
n=k+1
Luego, para cada m > n > k, tenemos
ksm sn k = kxn+1 + ... + xm k
kxr k < .
r=n+1
Esto demuestra que la sucesin (sn ) es una sucesin de Cauchy en E. Dado que E es completa, (sn ) converge
en E, lo que significa que la serie
n=1 xn converge.
Supongamos ahora, que E es un espacio normado en el que cada serie absolutamente convergente converge.
Tenemos que demostrar que E es completa. Sea (xn ) una sucesin de Cauchy en E. Entonces, para cada
k N, existe una pk N tal que
kxm xn k < 2k
para todo m, n pk .
Sin prdida de generalidad, podemos suponer que la sucesin (pn ) es estrictamente creciente. Dado que la
serie
k=1 (x pk+1 x pk ) es absolutamente convergente, es convergente, y por lo tanto la sucesin
x pk = x p1 + (x p2 x p1 ) + ... + (x pk x pk1 )
converge a un elemento x E. En consecuencia,
kxn xk kxn x pn k + kx pn xk 0,
debido a que (xn ) es una sucesin de Cauchy.
50
1.61
Si {xn } es una sucesin en un espacio de Banach tal que para todos f X la sucesin { f (xn )} est
acotada, pruebe que {kxn k} es acotada.
Solucin
Definir un operador Tn : X C por Tn ( f ) = f (xn ), entonces tenemos que Tn es un operador lineal en el
espacio X . Por la hiptesis, tenemos que
sup |Tn ( f )| = sup | f (xn )|
n
est acotada para todos f X . Entonces, por el principio de acotacin uniforme, tenemos que existe alguna
constante universal C tal que
kTn kX C C.
Esto implica que para todos f X de la norma 1 en la mayor parte que
| f (xn )| =
sup
f X ,k f kX 1
|Tn ( f )| C
sup
f X ,k f kX 1
Pero, por el teorema de la clase, tenemos que

kxn kX =
| f (xn )| C
sup
f X ,k f kX 1
lo que da que {kxn kX } es acotada.
Teorema 1.14
Un subespacio vectorial cerrado de un espacio de Banach es un espacio de Banach de s mismo.

Demostracin
Sea (E, k k) un espacio de Banach y sea F un subespacio vectorial cerrado de E. Si (xn ) es una sucesin
de Cauchy en F, entonces es una sucesin de Cauchy en E, y por lo tanto existe una x E tal que xn x.
Como F es un subconjunto cerrado de E, tenemos x F. As, cada sucesin de Cauchy en F converge a un
elemento de F.
2
Algunos espacios que surgen naturalmente en las aplicaciones no estn completos. Resulta que siempre es
posible ampliar dicho espacio a un espacio completo. Las ideas principales de la construccin se describen
a continuacin.
k k) se llama un trmino de (E, k k) si
Sea (E, k k) un espacio normado. Un espacio normado (E,
1.
Existe una correspondencia uno-a-uno : E E tal que

(x + y) = (x) + (y) para todo x, y E
2.
kxk = k(x)k1
para cada
x E,
, F,
51
3.
(E) es denso en E,
4.
E es completo.
la satisfaccin de estas condiciones, se puede definir formalmente como el espacio de clases

Un espacio E,
de equivalencia de sucesiones de Cauchy de elementos de E. Dos sucesiones de Cauchy (xn ) y (yn ) de elementos de E se llaman equivalentes si lmn kxn yn k = 0. El conjunto de todas las sucesiones de Cauchy
equivalentes a una sucesin de Cauchy dada (xn ) se denota por [(xn )] y llam a la clase de equivalencia de
(xn ). El conjunto de todas las clases de equivalencia de sucesiones de Cauchy de elementos de E, denotado
se convierte en un espacio vectorial cuando la adicin y multiplicacin por escalares se definen como
por E,
sigue:
[(xn )] + [(yn )] = [(xn + yn )] y
[(xn )] = [(xn )].
La norma en E se define por

k[xn ]k1 = lm kxn k.
n
Por el Lema 1.3, lmn kxn k existe para cada sucesin de Cauchy (xn ). Es fcil demostrar que si [(xn )] y
[(yn )] son equivalentes, entonces lmn kxn k = lmn kyn k.
Ahora definimos : E E por (x) = [(x, x, ...)]. Claramente, satisface (1) y (2). Para mostrar que
(E) es denso en E tenga en cuenta que cada elemento [(xn )] de E es el lmite de la sucesin ((xn )).
Puesto que (E) es
Ahora vamos a probar que E se ha completado. Sea (Xn ) una sucesin de Cauchy en E.
denso en E, para cada n N existe xn E tal que

1
k(xn ) Xn k1 < .
n
A partir de las desigualdades
kxn xm k = k(xn ) (xm )k1
k(xn ) Xn k1 + kXn Xm k1 + kXm (xm )k1
1 1
kXn Xm k1 + + ,
n m
vemos que (xn ) es una sucesin de Cauchy en E. Definir X = [(xn )]. Queda por demostrar que
lm kXn Xk1 = 0.
De hecho, tenemos
kXn Xk1 kXn (xn )k1 + k(xn ) Xk1
1
< k(xn ) Xk1 + 0,
n
porque
lm k(xn ) Xk1 = 0.
52
1.4. APLICACIONES LINEALES
1.4
Aplicaciones lineales
En primer lugar, se introduce alguna notacin que se utilizar en el resto del libro. Sea E1 y E2 espacios
vectoriales, y sea L una aplicacin a partir de E1 a E2 . Si y = L(x), entonces y se llama la imagen de x.
Si A es un subconjunto de E1 , entonces L(A) denota la imagen del conjunto A, es decir, L(A) es el conjunto
de todos los elementos en E2 , que son imgenes de los elementos de A. Si B es un subconjunto de E2 ,
entonces, L1 (B) denota la imagen inversa de B, es decir, L1 (B) es el conjunto de todos los elementos en
E1 cuyas imgenes son elementos de B. En smbolos:
L(A) = {L(x) : x A},
L1 (B) = {x E1 : L(x) B}.
Tenga en cuenta que el uso de la notacin de L1 no implica que L es invertible.

A menudo consideramos asignaciones, que se definen en subconjuntos propios de los espacios vectoriales.
Entonces es importante para especificar el dominio de L, denotado por D (L). El conjunto L(D (L)) se llama
el intervalo de L y denotada por R (L), es decir,
R (L) = {y E2 : L(x) = y para cualquier x D (L)}.

Por el espacio nulo de L, denotado por N (L), nos referimos al conjunto de todos los elementos x D (L) tal
que L(x) = 0. Finalmente, por la grfica de L, denotado por G (L), nos referimos al subconjunto de E1 E2
define como sigue:
G (L) = {(x, y) : x D y y = L(x)}.
Definicin 1.13 Aplicacin lineal
Una aplicacin L : E1 E2 se llama aplicacin lineal si L(x + y) = L(x) + L(y) para todo
x, y E1 y todos los escalares , .
En el contexto de las asignaciones entre espacios vectoriales escribimos a menudo Lx en lugar de L(x).
En la Definicin 1.4 estamos asumiendo que el dominio de L es un espacio vectorial. Si el dominio de L es
un subconjunto E1 que no es un espacio vectorial, entonces tenemos que ser ms cuidadoso al definir linealidad de L. Podemos decir que una aplicacin L de un subconjunto S = D (L) de un espacio vectorial E1 en un
espacio vectorial E2 es lineal si L(x + y) = Lx + Ly para todo x, y S y todos los escalares , tal que
x + y S. Por otra parte, una aplicacin de este tipo L tiene una extensin nica para una aplicacin lineal
desde el espacio de vector spanD (L) en E2 . En efecto, si y spanD (L), entonces y = 1 x1 + ... + n xn , para
algunos x1 , ..., xn D (L) y algunos escalares 1 , ..., n , y podemos definir Ly = 1 Lx1 + ... + n Lxn . Por esta
razn, siempre podemos suponer, sin prdida de generalidad, que el dominio de una aplicacin lineal es un
espacio vectorial. Bajo este supuesto, se puede demostrar fcilmente que R (L), N (L), y G (L) son espacios
vectoriales.
En la parte restante de esta seccin vamos a suponer que ambos espacios E1 y E2 son espacios normados.
Utilizamos el mismo smbolo k k para denotar la norma en E1 , as como en E2 . Esto no dar lugar a ningn
malentendido.
53
Definicin 1.14 Aplicacin continua
Sean E1 y E2 espacios normados. Una aplicacin F a partir de E1 a E2 se llama continua en x0 E1

si, por cualquier sucesin (xn ) de elementos de E1 convergente a x0 , la sucesin (F(xn )) converge
a F(x0 ), es decir, F es continua en x0 si kxn x0 k 0 implica kF(xn ) F(x0 )k 0. Si F es
continua en cada x E1 , entonces, simplemente decimos que F es continua.
1.62
Sea S un subconjunto de un espacio vectorial normado. Sea f : S = F una aplicacin de S en

un espacio normado. Demostrar que f es continua en S si y slo si la restriccin de f para cada
subconjunto compacto de S es continua.
Solucin
Supongamos que la restriccin de f para cada subconjunto compacto es continua. Sea v S y considere
una sucesin {xn } que converge a v. El subconjunto T = {v, x1 , ..., xn , ...} de S es compacto y por lo tanto
lmn f (xn ) = f (v). Esto demuestra que f es continua en S. Lo contrario es claro.

1.63
Sea E, F espacios vectoriales normados, y sea L : E = F una aplicacin lineal.

Supongamos que hay un nmero C > 0 tal que |L(x)| C|x| para todo x E. Demostrar que
L es continua.
1.
2.
Por el contrario, asuma que L es continua en 0. Demuestre que existe un tal nmero C.
Solucin
1.
Teniendo en cuenta > 0, sea = C porque

|L(x) L(y)| = |L(x y)|
C|x y|.
2. Seleccionar
> 0 tal que |x| implica |L(x)| 1. Entonces para todo v E, v 6= 0 vemos que

v
|v| = , por lo que

L v 1

|v|
lo que implica |L(v)| C|v| donde C = 1 .
54
1.64
Sea (C[1, 1], k k ). Demuestre que la funcin

Z 0
f (x) =
x(t)dt
Z 1
x(t)dt
0
es lineal, continua y acotada. Encuentre su norma.

Solucin
Es una funcional lineal. Sean , R1 , x, y C[1, 1]:
Z 0
f (x + y) =
(x + y)(t)dt
(x + y)(t)dt
0
Z 0
Z 1
Z 0
x(t)dt +
1
y(t)dt
Z 1
x(t)dt
Z 1
y(t)dt
0
= f (x) + f (y).
Es una funcional continua. Tenemos
Z 0
Z 1

| f (x)|
x(t)dt + x(t)dt 2kxk
1
para cualquier x C[1, 1]. Si kxk 2 entonces k f k , para todo > 0.

Puesto que | f (x)| 2kxk concluimos que f (x) es acotada. Adems k f k 2.
Para la sucesin xn (t) de funciones

x 1, 1n ,
1,

xn (t) = 1, x n1 , 1 ,
nx, x 1 , 1 .
n n
tenemos | f (xn )| = 2 1n y kxn k = 1. Entonces
sup
| f (x)|
=2
kxn k
lo cual muestra que k f k = 2.
1.65
Sea (an )
n=1 una sucesin acotada en un espacio de Banach E. Demuestre que la aplicacin T : `1
E definida por T (x) =
kan k.
an xn es lineal, continua y que kT k = sup
n
n=1
Solucin
Sea M = sup kan k. Dado m N se tiene que si x = (xn )
n=1 `1 , entonces
n

m

m

an xn kan k |xn | M |xn | = Mkxk1
n=1
n=1
n=1
por lo tanto, se cumple que kT xk Mkxk1 , con lo cual T es continua y kT k M.

Por otra parte, dado > 0 sea m N tal que kam k > M . Consideremos el vector em cuyas componentes
son todas nulas salvo la m-sima que vale 1. Entonces T (em ) = am luego kT k > M .
Como es arbitrario se tiene que kT k M.

Varios ejemplos de aplicaciones continuas se discuten en el Captulo 4 (seccin 4.2). Aqu slo hacemos la
siguiente observacin simple pero til.
1.66
La norma en un espacio normado E es una aplicacin continua a partir de E en R. En efecto, si

kxn xk 0, entonces |kxn k kxk| kxn xk 0.
Continuidad puede ser descrito de muchas maneras diferentes. Las condiciones en el siguiente teorema
caracterizan continuidad en trminos de conjuntos abiertos y cerrados. La demostracin del teorema se deja
como ejercicio.
Teorema 1.15
Sea F : E1 E2 . Las siguientes condiciones son equivalentes:

1.
F es continua;
2.
La imagen inversa F 1 (U) de cualquier subconjunto abierto U de E2 est abierto en E1 ;
3.
La imagen inversa F 1 (S) de cualquier subconjunto cerrado S de E2 est cerrado en E1 .
1.67
Supongamos f : X Y es una aplicacin continua de un espacio mtrico X a un espacio mtrico Y .

1.
Es la imagen inversa de un conjunto cerrado bajo f siempre cerrado? Justifica tu respuesta.
2.
Es la imagen inversa de un conjunto compacto bajo f siempre compacta? Justifica tu respuesta.
Solucin
1.
S. Sea E un conjunto cerrado en Y . Entonces el complemento E est abierto en Y , por lo tanto,

la imagen inversa f 1 (E) est abierto en X. Ahora observar que f 1 (E) = f 1 (E) (porque ambos
conjuntos consisten en esos puntos x X tal que f (x)
/ E), por lo que f 1 (E) est abierta, lo que
1
significa que f (E) est cerrada.
2.
No. Por ejemplo, sea X = Y = R, y sea f la funcin constante f (x) = 0. Entonces {0} es compacto,
pero la imagen inversa de {0} es todo R, que no es compacto.
55
1.68
Si existe la inversa T 1 de un operador lineal cerrado, probar que T 1 es un operador lineal cerrado.
Solucin
Suponiendo que el inverso de T est definida, entonces vamos a tener que D(T 1 ) = Ran(T ). Supongamos
que {un } D(T 1 ) es una sucesin tal que un u y T 1 un x. Necesitamos de manera que que u
D(T 1 ) y T 1 u = x. Luego por los criterios simples, tendramos que T 1 est cerrado.
Puesto que un D(T 1 ) tenemos que un = T xn , donde x D(T ). Tambin tenga en cuenta que tenemos
T 1 un = xn x. As pues, tenemos una sucesin de vectores {xn } D(T ) con xn x y T xn u. Puesto
que T est cerrado, tenemos que x D(T ) y T x = u. Pero, esta ltima igualdad implica que u D(T 1 ) y
que x = T 1 u, que es lo que queramos.

1.69
Sea T un operador lineal cerrado. Si dos sucesiones {xn } y {e

xn } en el dominio de T , ambos convergen
en el mismo lmite x, y si {T xn } y {T xen } ambos convergen, probar que {T xn } y {T xen } ambos tienen
el mismo lmite.
Solucin
Supongamos que {xn }, {e
xn } D(T ) son tales que xn x y xen x. Sea T xn y y T xen ye. Tenemos que
demostrar que y = ye.
Puesto que T est cerrada, entonces sabemos que para xn x y T xn y implica que x D(T ) y T x = y.
Del mismo modo, tenemos que xen x y T xen ye implica que x D(T ) y T x = ye. Pero, esto luego da
y = T x = ye, y que tienen el mismo lmite que se reivindica.

1.70
Sean X y y los espacios de Banach y T : X Y un operador lineal inyectivo y acotado. Demostrar

que T 1 : RanT X est acotado si y slo si RanT es cerrado en Y .
Solucin
Primero supongamos que RanT es cerrado en Y . Sabemos que T 1 es cerrado y D(T 1 ) = Ran(T ). Entonces
por el Teorema del Grfico cerrado, tenemos que T 1 es un operador lineal acotado para RanT X.
Ahora, supongamos que T 1 : RanT X est acotado, es decir, kT 1 ykX ckykY . El objetivo es mostrar
que y RanT . Sea y RanT , y entonces existe xn X tal que T xn := un y. Tenemos entonces que la
sucesin {xn } es de Cauchy puesto que
kxn xm kX
= kT 1 T xn T 1 T xm kX
= kT 1 (un um )kX
ckun um kY
y puesto que un y esto da la pretensin. Puesto que X es completa, sea x el lmite de la sucesin {xn }.
Entonces vamos a demostrar que y = T x RanT , por lo que el rango de T es cerrado. Pero, tenga en cuenta
56
que
ky T xkY
= ky un + un T xkY
ky un kY + kun T xkY
ky un kY + kT kkxn xkX .
Aqu hemos utilizado que T es acotada. Pero, la expresin en el lado derecho se puede hacer arbitrariamente
pequeo, y as Y = T x como se desee.

A partir de ahora vamos a limitar nuestra discusin a aplicaciones lineales.
Teorema 1.16
Si una aplicacin lineal L : E1 E2 es continua en algunos x0 E1 , entonces es continua.

Demostracin
Supongamos que L es continua en x0 E1 . Sea x un elemento arbitrario de E1 y sea x una sucesin convergente para x. Entonces la sucesin (xn x + x0 ) converge a x0 y por lo tanto tenemos kLxn Lxk =
kL(xn x + x0 ) Lx0 k 0, lo cual completa la demostracin.
2
1.71
Para qu valores la funcin f (x) = x es uniformemente continua sobre (0, +)?

Solucin
Sea (, 0). En este caso la funcin f (x) no es uniformemente continua en (0, l), 0 < l < +. Tomamos
1
xn = n . Como es negativo, entonces xn 0 cuando n . Por el momento notamos 1 = a. Tenemos
|xn+1 xn | = |(n + 1)a na |
= |na + ana1 + o(na1 ) na |
|a|na1 + |o(na1 )| 0
cuando n . Pero
| f (xn+1 ) f (xn )| = |n + 1 n| = 1
no tiende al 0.
Sea (1, +). En este caso la funcin f (x) no es uniformemente continua en (l, +), l > 0. Tomamos
1
xn = n . Como es positivo, entonces xn cuando n . Por el momento notamos 1 = a. Tenemos
|xn+1 xn | = |(n + 1)a na |
= |na + ana1 + o(na1 ) na |
|a|na1 + |o(na1 )|
Observamos, que para (1, +), tenemos a 1 < 0 y |a|na1 + |o(na1 )| 0 cuando n . Pero
| f (xn+1 ) f (xn )| = |n + 1 n| = 1
57
58
no tiende al 0.
Sea [0, 1]. Demostramos, que f (x) es uniformemente continua en (1, +). Sea > 0. En este caso por
el teorema sobre el valor intermedio
|x1 x2 | = 1 |x1 x2 | |x1 x2 |,
x1 < < x2 ,
porque 1 1 para > 1 y [0, 1]. Eso significa, que si |x1 x2 | < = , entonces | f (x1 ) f (x2 )| <
para cualquier > 0.
Demostramos, que f (x) es uniformemente continua en (0, 1]. Tomamos cualquier > 0. En el intervalo
[, 1] la funcin f (x) es uniformemente continua con un , porque es continua en el compacto [, 1]. Si
x1 , x2 (0, ), entonces
|x1 x2 | |x1 | + |x2 | 2 .
Eso significa que si
1
|x1 x2 | < 2 max{|x1 |, |x2 |} < = ,

2
entonces
| f (x1 ) f (x2 )| = |x1 x2 | < 2 < .
(
)
1
Al final, para cualquier > 0 y = mn

, ,
tenemos | f (x1 ) f (x2 )| < cuando |x1 x2 | < para
2
todos los x1 , x2 (0, +).

Definicin 1.15 Aplicacin lineal acotada
Una aplicacin lineal L : E1 E2 se llama acotado si existe un nmero > 0 tal que kLxk kxk
para todo x E1 .
Tenga en cuenta que la condicin en esta definicin es equivalente a decir que L est limitada por en la
esfera unidad en E1 . Ms precisamente, kLxk para todo x E1 tal que kxk = 1.
Teorema 1.17
Una aplicacin lineal es continua si y slo si es acotada.

Demostracin
Si L est acotada y xn 0, entonces kLxn k kxn k 0. Por lo tanto, L es continua en 0 y, por tanto, por
el teorema ??, L es continua.
Si L no est acotada, entonces para todo n N existe una xn E1 tal que kLxn k > nkxn k. Definir
yn =
xn
,
nkxn k
n = 1, 2, ...
Entonces yn 0. Puesto que kLyn k > 1 para todo n N, L no es continua.
59
1.72
Sea T1 , T2 , ... una sucesin de transformaciones lineales continuas de un espacio de Banach X a un

espacio vectorial normado Y . Supongamos que ninguno de los Ti son idnticamente cero; en otras
palabras, por cada i existe una x X tal que Ti x 6= 0. Demostrar que existe una nica x X (que no
depende de i) tal que Ti x 6= 0 para cada i.
Solucin
Para cada i, sea que Si denota el conjunto
Si = {x X : Ti x = 0}
Nuestro objetivo es encontrar un punto x X que no figura en ninguna de Si . En el teorema categora de
Baire establece que en un espacio mtrico completo, la unin numerable de conjuntos densos abiertos es en
s denso (y por lo tanto no vaca). Puesto que X es un espacio de Banach, es un espacio mtrico completo, y
por lo que se har si podemos demostrar que cada uno de Si est abierto y denso.
La apertura es fcil, porque Si es la imagen inversa bajo Ti de R\{0}, que es un conjunto abierto, y la imagen
inversa de cualquier conjunto abierto bajo un mapa continuo est abierta. Ahora mostramos que es denso.
Esto significa que tenemos que mostrar que por cada bola B(x, r) en X contiene al menos un punto en Si .
Supongamos, por contradiccin que hay una bola B(x, r) en X que no contiene un punto en Si . En otras
palabras, que Ti y = 0 para todos los y B(x, r). En particular, tenemos Ti x = 0.
Ahora vamos a z sea cualquier punto en X (no necesariamente en B(x, r)). Si elegimos N lo suficientemente
grande, entonces el punto x + z/N est en B(x, r), por lo que Ti (x + z/N) = 0. Pero tambin tenemos Ti x = 0.
Puesto que Ti es lineal, esto slo es posible si Ti z = 0. Puesto que z es arbitraria, esto significa que Ti
es idnticamente cero, lo cul es una contradiccin. De ah que el conjunto Ti x 6= 0 es denso, y hemos
terminado.

1.73
Si T B(X,Y ) = {T : X Y : T es operador acotado} y sean

aT
bT
cT
= nf{a > 0 : kT xkY akxkX ,

kT xk
= sup
: kxk 6= 0
kxk
= sup{kT xk : kxk = 1}
x X}
entonces kT k = aT = bT = cT .
Solucin
Al igual que la proposicin anterior por ser T acotado se tiene
kT xkY kT k kxkX
xX
entonces por definicin de nfimo aT kT k. Por otro lado

kT k = sup{kT xkY : kxkX 1}
sup{akxkX : kxkX 1, a aT }
= sup{a : a aT }
= aT
60
luego kT k aT kT k = aT .
A su vez si kxk 6= 0 entonces

kT xk
x
cT
=
T

kxk
kxk
por lo tanto
bT cT kT k = aT
(1.16)
Supongamos que aT bT = > 0, entonces bT = aT < aT 2 y para todo x 6= 0 se tiene por definicin
de supremo
kT xk
bT < aT
kxk
2

luego kT xk aT 2 kxk lo que es absurdo porque aT es el nfimo que cumple con lo anterior, entonces
aT = bT y en (1.16) se dan todas las igualdades.

Dado que cada aplicacin lineal entre espacios de dimensin finita est limitada, es continua. El teorema
anterior implica tambin que, para aplicaciones lineales, la continuidad y la continuidad uniforme son equivalentes.
El espacio de todas las aplicaciones lineales de un espacio vectorial E1 en un espacio vectorial E2 se convierte
en un espacio vectorial si la adicin y multiplicacin por escalares se definen como sigue:
(L1 + L2 )x = L1 x + L2 x
(L)x = (Lx).
Si E1 y E2 son espacios normados, entonces, el conjunto de todas las aplicaciones lineales acotadas de E1 a
E2 , denotado por B (E1 , E2 ), es un subespacio vectorial del espacio definido anteriormente.
1.74
Demuestre que una aplicacin lineal continua es uniformemente continua.

Solucin
Sea > 0. Existe > 0 tal que |L(v)| < siempre |v| < . Si |x y| < , entonces |L(x)L(y)| = |L(x y)| <
. Esto prueba la continuidad uniforme de L.

1.75
Sea fn (x) =
1.
xn
1+xn
para x 0:
Demostrar que fn es acotada.
61
2.
Demostrar que la sucesin { fn } converge uniformemente en cualquier intervalo [0, c] para

cualquier nmero 0 < c < 1.
3.
Demostrar que esta sucesin converge uniformemente en el intervalo x b si b es un nmero

> 1, pero no en el intervalo x 1.
Solucin
1.
Para x 0, tenemos xn 1 + xn de modo 0 fn (x) 1.
2.
La sucesin converge uniformemente a 0, ya que

n
x
n
n

1 + xn |x | < c
y cn 0 cuando n .
3.
Si x b > 1 calculamos
| fn (x) 1| =
1
1
1
n
n
n
|1 + x | |x| 1 b 1
por lo que la sucesin { fn } converge uniformemente a 1.

Para todos los x > 1 tenemos lmn fn (x) = 1 y fn (1) = 12 para todo n por lo que la sucesin { fn } no
converge uniformemente para los x 1.
1.76
Sea g una funcin definida en un conjunto S, y sea un nmero > 0 tal que g(x) a para todo x S.
Mostrar que la sucesin
gn =
ng
1 + ng
converge uniformemente a la funcin constante 1. Demuestre lo mismo si en el supuesto es |g(x)| a

para todo x S.
Solucin
Probamos el resultado ms fuerte cuando |g(x)| a > 0. La convergencia uniforme deduce del hecho de
que para todo n grande, tenemos
|gn (x) 1| =
1
|1 + ng(x)|
1
n|g(x)| 1
1
.
na 1
62
1.77
Sea fn (x) =
es acotada.
x
.
1+nx2
Demostrar que { fn } converge uniformemente para x R, y que cada funcin fn
Solucin
Para x 0, x 1 + nx2 (casos separados x 1 y x > 1), y cada fn es impar, por lo que | fn (x)| 1 para todo
x y todo n.
Por simetra podemos reducir la prueba de la convergencia uniforme para x 0. Tenemos, pues
fn0 (x) =
1 nx2
.
(1 + nx2 )2
as fn alcanza su mximo
uniformemente a 0 en R.
2 n
en x = 1n , por lo tanto | fn (x)|

2 n
que demuestra que la sucesin converge
Teorema 1.18
Si E1 y E2 son espacios normados, entonces B (E1 , E2 ) es un espacio normado con la norma definida
por
kLk = sup kLxk.
(1.17)
kxk=1
Demostracin
Slo vamos a demostrar que la norma (1.17) satisface la desigualdad triangular. Si L1 , L2 B (E1 , E2 ) y
x E1 es tal que kxk = 1, entonces
kL1 x + L2 xk kL1 xk + kL2 xk.
esto implica
kL1 x + L2 xk sup kL1 xk + sup kL2 xk = kL1 k + kL2 k,
kxk=1
kxk=1
y por lo tanto
kL1 + L2 k = sup kL1 x + L2 xk kL1 k + kL2 k.
kxk=1
Se deduce de (1.17) que kLxk kLkkxk para todo x E1 . De hecho, kLk es el menor nmero tal que
kLxk kxk para todo x E1 .
La norma definida en (1.17) es la norma estndar en B (E1 , E2 ) y esta es la norma que queremos decir cuando
decimos el espacio normado B (E1 , E2 ). La convergencia con respecto a esta norma se llama convergencia
uniforme.
63
Teorema 1.19
Si E1 es un espacio normado y E2 es un espacio de Banach, entonces B (E1 , E2 ) es un espacio de

Banach.
Demostracin
Tan slo hay que demostrar que B (E1 , E2 ) se ha completado. Sea (Ln ) una sucesin de Cauchy en B (E1 , E2 )
y sea x un elemento arbitrario de E1 . Entonces
kLm x Ln xk kLm Ln kkxk 0
cuando m, n ,
lo que demuestra que Ln x es una sucesin de Cauchy en E2 . Por completitud de E2 , hay un elemento nico
y E2 tal que Ln x y. Puesto que x es un elemento arbitrario de E1 , esto define una aplicacin L a partir
de E1 a E2 :
Lx = lm Ln x.
n
Vamos a demostrar que L B (E1 , E2 ) y kLn Lk 0.

Claramente, L es una aplicacin lineal. Puesto que las sucesiones de Cauchy estn acotadas, no existe una
constante tal que kLn k para todo n N. En consecuencia,

kLxk = lm Ln x = lm kLn xk kxk.
n
Por lo tanto L est acotada y por lo tanto L B (E1 , E2 ). Queda por demostrar que kLn Lk 0. Sea > 0,
y sea k tal que kLm Ln k < para cada m, n k. Si kxk = 1 y m, n k, entonces
kLm x Ln xk kLm Ln k < .
Al hacer que n , (m permanece fijo), obtenemos kLm x Lxk para cada m k y cada x E1 con
kxk = 1. Esto significa que kLm Lk para todo m > k, lo cual completa la demostracin.
2
Teorema 1.20
Si L es una aplicacin lineal continua de un subespacio de un espacio normado E1 en un espacio de

Banach E2 , entonces, L tiene una extensin nica para una aplicacin lineal continua definida sobre
la clausura del dominio D (L). En particular, si D (L) es denso en E1 , entonces, L tiene una extensin
nica para una aplicacin lineal continua definida en todo el espacio E1 .
Demostracin
Si x clD (L), entonces existe una sucesin (xn ) en D (L) convergente para x. Puesto que (xn ) es una sucesin
de Cauchy,
kLxm Lxn k = kL(xm xn )k kLkkxm xn k 0,
cuando
m, n .
Por lo tanto, (Lxn ) es una sucesin de Cauchy en E2 . Puesto que E2 es completa, hay una z E2 tal que
= z, es decir,
Lxn z. Queremos definir el valor de la extensin L a x como Lx
= lm Lxn ,
Lx
n
xn D (L) y
xn x.
64
Esta definicin ser correcta slo si podemos demostrar que el lmite z es la misma para todas las sucesiones
en D (L) convergente a x. En efecto, si yn D (L) y yn x, entonces
Lyn = Lyn Lxn + Lxn = L(yn xn ) + Lxn z,
= Lx
porque yn xn 0, y por lo tanto tambin L(yn xn ) 0. Claramente, L es una aplicacin lineal y Lx
siempre que x D (L). Queda por demostrar que L es continua. Sea x clD (L), kxk = 1. Existen x1 , x2 , ...
D (L) tal que xn x. Entonces kxk kxk = 1 y
= lm kLxn k kLk.
kLxk
n
= kLk.
Por lo tanto, L est limitada, por lo tanto es continua, y kLxk
Teorema 1.21
Si L : E1 E2 es una aplicacin lineal continua, entonces el espacio nulo N (L) es un subespacio cerrado de E. Por otra parte, si el dominio D (L) est cerrada, entonces la grfica G (L) es un subespacio
cerrado de E1 E2 .
Espacios B (E, F) de aplicaciones lineales acotadas de un espacio normado E en el campo escalar F son de
especial inters. Elementos de B (E, F) se llaman funcionales.
El espacio B (E, F) por lo general se denota por E 0 y se llama el espacio dual de E. Los teoremas demostrado
en esta seccin se aplican a los espacios duales de espacios normados. Tenga en cuenta que, dado que el
campo escalar es un espacio completo, el espacio dual de un espacio normado es siempre un espacio de
Banach.
1.78
Sea Tn B (X,Y ). Mostrar que Tn T uniformemente si y slo si para cada > 0 hay una N,
dependiendo slo de de tal manera que para n > N y todo x X de norma 1 tenemos
kTn x T xkY < .
Solucin
Supongamos primero que Tn T de manera uniforme. Entonces tenemos que para cualquier > 0 existe N
tal que
kTn T kX Y < .
Entonces claramente tenemos que
kTn x T xkY
kTn T kXY kxkX

= kTn T kXY
<
cuando n > N y x X con kxkX = 1.

Por el otro sentido, suponemos que > 0 es dado, entonces tenemos que demostrar que
kTn T kX Y < .
65
cuando n > N(). Tenga en cuenta que

kTn X T xkY
kxkX
06=xX
kTn T kX Y = sup
Pero, por la hiptesis, tenemos que

kTn x T xkY < kxkX
cuando n > N(). Esto implica entonces claramente que
kTn X T xkY
kxkX
06=xX
kTn T kX Y = sup
lo que demuestra el resultado.
1.79
Si X e Y son espacios normados y T1 y T2 son operadores lineales compactos, demostrar que T1 + T2

es un operador lineal compacto. Pruebe que los operadores lineales compactos de X en Y constituyen
un subespacio K (X,Y ) de B (X,Y ).
Solucin
Hay dos maneras de probar que T1 + T2 son compactos si T1 y T2 son compactas. Se puede recurrir a la
caracterizacin de los operadores compactos por sucesiones, y simplemente tomar en cuenta que si {xn } es
una sucesin acotada entonces {T1 xn } y {T2 xn } tienen subsucesiones convergentes. A continuacin, utilice la linealidad y seleccione una subsucesin comn de manera que {(T1 + T2 )xn } tiene una subsucesin
convergente. La otra manera de probar que T1 + T2 es compacto es recordar que la suma de dos conjuntos
compactos es compacto.
Si K (X,Y ) es un subespacio, es entonces inmediata. Sabemos que K (X,Y ) B (X,Y ) ya que cada operador
lineal compacto es acotada. Es inmediato que si C y T K (X,Y ), entonces T K (X,Y ) tambin.
Lo anterior es que T1 + S K (X,Y ) cuando T, S K (X,Y ) y C. As K (X,Y ) es un subespacio.

1.80
Si X es un espacio normado e Y es un espacio de Banach, pruebe que K (X,Y ) es un espacio de

Banach.
Solucin
Si X es un espacio normado e Y es un espacio de Banach, entonces B (X,Y ) es un espacio de Banach.
Tenemos que K (X,Y ) es un subespacio de B (X,Y ). Slo tenemos que demostrar que si {Tn } es de Cauchy
en K (X,Y ) entonces el lmite es un operador compacto. Supongamos que {Tn } es de Cauchy en K (X,Y ),
a continuacin, ya que B (X,Y ) es completa, tenemos que hay un lmite de operador T B (X,Y ). Sin
embargo, ya que kTn T k 0, entonces debemos tener que T es compacto (un -argumento de clase).
Por lo tanto, tenemos que {Tn } es convergente y as K (X,Y ) es un espacio de Banach.
66
1.81
Pruebe que un operador lineal T : X X es compacto si y slo si para cada sucesin {xn } de los
vectores de la norma que no excedan de 1 la sucesin de {T xn } tiene una subsucesin convergente.
Solucin
Para demostrar esto vamos a utilizar la definicin alternativa (equivalente) de la compacidad, para cualquier
sucesin acotada {xn } la sucesin {T xn } tiene una subsucesin convergente.
Primero supongamos que T es compacto y que la sucesin de vectores {xn } est delimitada en la norma no
superior a 1. Entonces es una sucesin acotada y as {T xn } tiene una subsucesin convergente.
Ahora supongamos que cada sucesin {xn } de los vectores de la norma que no exceda de 1 la sucesin
{T xn } tiene una subsucesin convergente. Sea {xn } unasucesin acotada dada. Entonces existe un nmero
R > 0 tal que kxn k R para todo n. As que la sucesin yn = xRn est acotada en norma por 1. Por lo tanto,
tenemos que {Tyn } tiene una subsucesin convergente. Pero como T es lineal, tenemos que R1 T xn tiene
una subsecuencia convergente. Esto da entonces que T es compacto.

El ltimo teorema que probaremos en esta seccin es el teorema de Banach-Steinhaus, tambin conocido
como el principio de acotacin uniforme (Hugo Dyonizy Steinhaus (1887-1972)). Es uno de los teoremas
ms importantes de la teora de los espacios normados. La prueba estndar de este teorema se basa en un
argumento topolgica conocida como teorema de categora Baire (vase, por ejemplo, E. Kreyszig (1978))
debido a Ren-Louis Baire (1874-1932). Presentamos una prueba basada en el teorema de diagonal. Este
mtodo fue introducido por primera vez por Jan Mikusiski (1970) y luego se usa ampliamente por Piotr
Antosik y Charles Swartz (ver Antosik y Swartz (1985) y Swartz (1992)). La ventaja de este enfoque es que
es simple y no se necesitan nuevos conceptos.
Teorema 1.22 Teorema de Diagonal
Sea E un espacio normado y sea (xi j ), i, j N, sea una matriz infinita de elementos de E. Si
1.
2.
lm xi j = 0 para cada j N y
toda sucesin creciente de ndices (p j ) tiene una subsucesin (q j ) tal que
lm xqi q j = 0,
j=1
entonces lm xii = 0.
i
Demostracin
Supongamos lm xii 6= 0. Entonces existe una sucesin creciente de ndices (pi ) y algunos > 0 tal que
i
kx pi pi k para todos i N. Por (2), la sucesin (pi ) tiene una subsucesin (qi ) tal que lm xqi q j = 0.
i
j=1
Tenga en cuenta que cada fila y cada columna de la matriz (xqi q j ) converge a 0. Conjunto r1 = q1 . Ahora
sea r2 el primer ndice tal que r2 > r1 , kxqi r1 k < para todo qi r2 , y kxr1 r2 k < . A continuacin, sea r3
4
8
el primer ndice tal que r3 > r2 , kxqi r2 k < para todo qi r3 , y kxr j r3 k <
para j = 1, 2. En el ensimo
8
16
67
para todo qi rn , y kxr j rn k < n+1 para

2n
2
j = 1, ..., n 1. Continuando este proceso, construimos una matriz infinita (xri r j ) tal que
paso hacemos rn el primer ndice tal que rn > rn1 , kxqi rn1 k <
kxri r j k <
2 j+1
para todo i tal que i 6= j.
En vista de (2), (r j ) tiene una subsucesin (s j ) tal que lm xsi s j = 0. Considere la matriz (xsi s j ). Para cada
i
j=1
i N, tenemos

xsi s j = xsi s j + xsi s j

j=1

i6= j

kxsi s j k xsi s j

i6= j

kxsi s j k kxsi s j k

i6= j
.
2
Esto, sin embargo, es imposible ya que lm xsi s j = 0. Esta contradiccin demuestra el teorema.
i
j=1
Teorema 1.23 Teorema Banach-Steinhaus
Sea T una familia de aplicaciones lineales acotadas de un espacio de Banach X en un espacio normado
Y . Si por cada x X existe una constante Mx tal que kT xk Mx para todo T T , entonces existe una
constante M > 0 tal que kT k M para todo T T .
Demostracin
Supongamos que no hay tal M. Entonces existen T1 , T2 , ... T y x1 , x2 , ... X, de tal manera que kxn k 1,
para todo n N, y kTn xn k cuando n . Por alguna sucesin creciente de los ndices (pn ), debemos
tener kTpn x pn k n2n o

1 x pn
Tp

(1.18)
n n 2n 1.
1 xp j
Considere la matriz (yi j ) definida por yi j = Tpi j , i, j N. Dado que la serie
i
2
x
pj
convergente y X es completa, hay una z X tal que z = j . Entonces
2
j=1

1 x 1
pj

yi j = Tpi j = Tpi
j=1 j=1 i
2 i
xp
2 jj
j=1
xp j
es absolutamente
j
j=1 2
!
1
C

= kTpi (z)k ,
i
i
donde C es una constante que depende de z. En consecuencia lm yi j = 0. Tenga en cuenta que el mismo
i
j=1
argumento se puede repetir para la matriz (yqi qi ) donde (qi ) es una sucesin creciente arbitraria de ndices.
68
1.5. CONTRACCIN DE APLICACIONES Y EL TEOREMA DEL PUNTO FIJO DE BANACH
Puesto que lm yi j = 0 para todo j N, las hiptesis del teorema diagonal estn satisfechos y debemos tener
i
1 xp
lm Tpi ii = lm yii = 0.
i
i
2
Pero esto contradice (1.18)
1.5
Contraccin de aplicaciones y el teorema del punto fijo de Banach
El nombre de teorema del punto fijo, generalmente se asigna a un resultado que dice que, si una aplicacin
f satisface ciertas condiciones, a continuacin, hay un punto z tal que f (z) = z. Tal punto z se llama un
punto fijo de f . Los teoremas de este tipo tienen numerosas aplicaciones importantes. Algunos de ellos, en
la teora de ecuaciones diferenciales e integrales.
1.82
Sea E = C([0, 1]) el espacio de las funciones continuas de valores complejos definidos en el intervalo
cerrado [0, 1]. Sea T definida por
Z t
(T x)(t) = x(0) +
x()d.
0
Claramente, para cualquier a C, la funcin x(t) = aet es un punto fijo de T .

El Teorema 1.5 demostrado en esta seccin es una versin de un teorema llamado el teorema de la contraccin o el teorema del punto fijo de Banach. El teorema se formula habitualmente para espacios mtricos
porque la estructura algebraica del espacio no es esencial.
Definicin 1.16 Aplicacin contraccin
Una aplicacin f a partir de un subconjunto A de un espacio normado E en E se llama una contraccin

(o simplemente una contraccin) si existe un nmero positivo < 1 de tal manera que
k f (x) f (y)k kx yk,
para todo x, y A.
(1.19)
Tenga en cuenta que las asignaciones de contraccin son continuas.

1.83
Considere la ecuacin algebraica no lineal x3 x 1 = 0. Esta ecuacin tiene tres races. Hay varias
maneras de poner la ecuacin en la forma T x = x, por ejemplo
1
T x = (1 + x) 3 ,
T x = x3 1,
Tx =
1
x2 1
.
1
La ecuacin original tiene una raz en [1, 2]. La aplicacin T definida por T x = (1 + x) 3 es una
69
contraccin de [1, 2]. De hecho, por el teorema del valor medio, tenemos
1
23
|T x Ty| = |(1 + x) (1 + y) | |x y|.
6
1
3
1
3
Tenga en cuenta que las otras dos asignaciones no son contracciones.
Teorema 1.24 Banach teorema del punto fijo
Sea F un subconjunto cerrado de un espacio de Banach E y sea f una contraccin de F en F. Entonces

existe un nico z F tal que f (z) = z.
Demostracin
Sea 0 < < 1 tal que
k f (x) f (y)k kx yk
para todo x, y F. Sea x0 un punto arbitrario en F y sea xn = f (xn1 ) para n = 1, 2, .... Vamos a demostrar
que xn es una sucesin de Cauchy. Primero observe que, para cualquier n N,
kxn+1 xn k kxn xn1 k 2 kxn1 xn2 k ... n kx1 x0 k.
Por lo tanto, para cualquier m, n N tal que m < n, tenemos
kxn xm k kxn xn1 k + kxn1 xn2 k + ... + kxm+1 xm k
(n1 + n2 + ... + m )kx1 x0 k
kx1 x0 k m
0 cuando m .
1
Por lo tanto, (xn ) es una sucesin de Cauchy. Puesto que F es un subconjunto cerrado de un espacio completo, existe una z F tal que xn z cuando n . Vamos a demostrar que z es el nico punto tal que
f (z) = z. De hecho,
k f (z) zk k f (z) xn k + kxn zk
= k f (z) f (xn1 )k + kxn zk
kz xn1 k + kxn zk 0
cuando m .
tenemos k f (z) zk = 0, y por lo tanto f (z) = z. Supongamos ahora f (w) = w para algunos w F. Entonces
kz wk = k f (z) f (w)k kz wk.
Puesto que 0 < < 1, debemos tener kz wk = 0, lo que implica z = w.
Tenga en cuenta que la prueba proporciona una forma prctica de encontrar o aproximar el punto fijo.
70
1.84
Sea f una funcin definida sobre todo R, y supongamos que hay una constante k tal que 0 < k < 1 y
| f (x) f (y)| k|x y|
para todo x, y R. (En este caso llamamos f una aplicacin de contraccin.)
1.
Demostrar que f es continua en R.
2.
Recoger algn punto x0 R y la construccin de la sucesin xn+1 = f (x) con mayor precisin
(x0 , f (x0 ), f ( f (x0 )), ...).
Demostrar que la sucesin (xn ) resultante es una sucesin de Cauchy y converge a un punto
x R.
3.
Demostrar que x es un punto fijo de f (es decir, f (x ) = x ).
4.
Demuestre que f tiene un nico punto fijo.
Solucin
1.
Dado c R y > 0, haciendo = k . Entonces

| f (x) f (y)| <
para todo x R
tal que |x c| < .
Por tanto, si f es una contraccin, entonces f es continua.

2.
Para demostrar que (xn ) es de Cauchy, observe:

|xn+1 xn | = | f (xn ) f (xn1 )|
k|xn xn1 |
= | f (xn1 ) f (xn2 )|
k2 |xn1 xn2 |
podemos repetir el proceso anterior para obtener
|xn+1 xn | kn |x1 x0 |.
As, si n > m,
|xn xm | |xn xn1 | + |xn1 xn2 | + ... + |xm+1 xm |
km
|x0 x1 |
|xn+1 xn | (kn1 + kn2 + ... + km )|x1 x0 |
1k
mediante la suma lmite de una serie geomtrica, que podemos hacer desde 0 < k < 1. Puesto que
km 0 como m , debemos tener |xn xm | < para cualquier > 0 siempre que m y n son
suficientemente grandes. Por lo tanto (xn ) es una sucesin de Cauchy. Puesto que R es un espacio
completo, cada sucesin de Cauchy converge en el mismo, y la existencia de lmn xn est asegurada.
Establecemos lmn xn = x .
71
3.
Para mostrar x es un punto fijo de f , se observa que, para cualquier entero positivo n,
0 | f (x+ ) x |
| f (x ) xn | + |xn x |
= | f (x ) f (xn1 )| + |xn x |
k|x xn1 | + |xn x |
y as | f (x ) x | = 0 ya que |xn x | 0 (y |x xn1 | 0). As, f (x ) = x .
4.
Supongamos que hay dos puntos fijos x y xe, as tambin f (e

x) = xe. Entonces
|x xe| = | f (x ) f (e
x)|
|x xe|
que desde entonces k < 1 slo puede ser cierto cuando |x xe| = 0; es decir, x = xe. Por lo tanto hay
un punto fijo nico de f .
1.85
Vamos a aplicar el mtodo de aproximaciones sucesivas para encontrar la solucin de x3 x 1 = 0

1
en [1, 2]. En el Ejemplo 1.5 hemos demostrado que T x = (1 + x) 3 es una contraccin en [1, 2] y su
punto fijo es la solucin de la ecuacin. Hemos establecido el valor inicial en x0 = 1. Entonces nos
encontramos con
x1 = T x0 1,2599,
x2 = T x1 1,3123,
x3 = T x2 1,3224,
x4 = T x3 1,3243,
x5 = T x4 1,3246,
x6 = T x5 1,3247,
x7 = T x6 1,3247.
Por lo tanto, la sexta iteracin da la raz hasta cuatro cifras decimales.
El nmero en la definicin de contraccin se supone que es estrictamente inferior a 1. Si esta suposicin
se sustituye por 1, entonces el teorema de punto fijo en la versin anterior ya no es cierto. Incluso si la
condicin (1.19) se sustituye por la estricta desigualdad
kT x Tyk < kx yk para todo x, y A,
T no necesita tener un punto fijo.
72
1.86
Sea (an )
n=1 una sucesin acotada de nmeros reales. Demostrar que existe una secuencia acotada
(bn )n=1 de tal manera que

bn1 + 4bn + bn+1 = an
para todo n = 1, 2, ..., donde tomamos b0 igual 0.
Solucin
Podemos reescribir la recurrencia como
bn =
an bn1 + bn+1
.
4
4
Por lo tanto queremos que b sea un punto fijo del operador T definida por
(T b)n :=
an bn1 + bn+1
.
4
4
Tenga en cuenta que si b es una sucesin acotada, luego T b es automticamente una sucesin acotada (ya
que estamos suponiendo que a est acotada). Por lo tanto T es una funcin a partir de ` a ` . Para aplicar
el teorema Contraccin ahora tenemos que verificar que T es una contraccin de ` . En otras palabras,
tenemos que demostrar que
kT x Tyk ckx yk
para algunos 0 c < 1 y todo x, y ` .
Hacemos x = (x1 , x2 , ...) y y = (y1 , y2 , ...). Escribimos el lado izquierdo, como
kT x Tyk = sup |T xn Tyn |.
n1
Usando la definicin de T y la cancelacin, esto es

xn1 + xn+1 yn1 + yn+1

.
kT x Tyk = sup
+

4
4
n1
Podemos volver a organizar esto como
kT x Tyk =
1
sup | (xn1 yn1 ) (xn+1 yn+1 )|.
4 n1
Ambos trminos entre parntesis son claramente kx yk , por lo que tenemos

1
kT x Tyk kx yk
4
lo que da la contraccin deseada.
73
1.6. EJERCICIOS
1.87
Considere la funcin f (x) = x + ex como una aplicacin a partir de R+ en R+ , donde R+ denota

el conjunto de todos los nmeros reales no negativos. Para cualquier x, y R+ que tenemos, por el
teorema del valor medio,
| f (x) f (y)| < |x y|,
ya que | f 0 ()| < 1 para todo R+ . Sin embargo, f no es una contraccin, porque no hay < 1 tal
que | f (x) f (y)| |x y| para todo x, y R+ . Tenga en cuenta que f no tiene un punto fijo.
1.6
Ejercicios
Ejercicio. Demostrar que para cada x, y E existe una nica z E tal que x + z = y.
Solucin
Para cada x, y E y z E, entonces
x = x + z + (z) = (x + z) + (z) = y + (z) = y z,
entonces z es nica.
Ejercicio. Demostrar que para cualesquiera vectores x, y, z tenemos lo siguiente:
1.
x + (y x) = y.
2.
x (y z) = x y + z.
Solucin
1.
x + (y x) = x + y + (x) = ((x) + x) + y = 0 + y = y.
2.
x (y z) = x y (z) = x y (1)z = x y + z.
Ejercicio. Sea x un elemento de un espacio vectorial y sea un escalar. Demostrar lo siguiente:
1.
Si 6= 0 y x = 0, entonces x = 0.
2.
Si x 6= 0 y x = 0, entonces = 0.
3.
0x = 0 y (1)x = x.
Solucin
1.
Supongamos que 6= 0. Como x = ~0, 1 (x) = 1~0 de donde

x = ~0.
x = ~0, es decir 1x = ~0, entonces
1.6. EJERCICIOS
Supongamos que x 6= ~0. Como
2.
( + ())x = x + ()x = x x = ( )x = 0x = ~0,

entonces = 0.
3.
Hacemos que
0x = 0x +~0 = 0u + (u u) = (0u + 1u) u = (0 + 1)u u = 1u u = u u = ~0
Basta notar que (1)x es el opuesto de x, es decir
x + (1)x = 1x + (1)x = (1 + (1))x = 0x = ~0
Ejercicio. Compruebe que los siguientes conjuntos son espacios vectoriales:
1.
RN .
2.
CN .
3.
C (), donde es un subconjunto de RN .
4.
C k (RN ).
Solucin
1.
Definimos este conjunto como

RN = {x = (x1 , ..., xN )|x1 , ..., xN R}
Sean x = (x1 , ..., xN ), y = (y1 , ..., yN ) RN , K, entonces:
x + y = (x1 , ..., xN ) + (y1 , ..., yN ) = (x1 + y1 , ..., xN + yN ) RN
x = (x1 , ..., xN ) = (x1 , ..., xN ) RN
Existe el elemento neutro para la suma, notado ~0 = (0, ..., 0), tal que
x +~0 = (x1 , ..., xN ) + (0, ..., 0) = (x1 + 0, ..., xN + 0) = (x1 , ..., xN ) RN
Por lo tanto, el conjunto RN es espacio vectorial.
2.
Definimos este conjunto como

CN = {z = (z1 , ..., zN )|z1 , ..., zN C}
Sean u = (u1 , ..., uN ), v = (v1 , ..., vN ) CN , R, entonces:
u + v = (u1 , ..., uN ) + (v1 , ..., vN ) = (u1 + v1 , ..., uN + vN ) CN
u = (u1 , ..., uN ) = (u1 , ..., uN ) CN
Existe el elemento neutro para la suma, notado ~0 = (0, ..., 0), tal que
u +~0 = (u1 , ..., uN ) + (0, ..., 0) = (u1 + 0, ..., uN + 0) = (u1 , ..., uN ) CN
Por lo tanto, el conjunto CN es espacio vectorial.
74
75
1.6. EJERCICIOS
3.
Las funciones continuas reales sobre un segmento [a, b] con las operaciones habituales de adicin
y multiplicacin de funciones por nmeros constituyen el espacio lineal:
C ([a, b]) = { f : [a, b] R| f es continua}.

Utilizando las propiedades de las funciones continuas, se sigue que la suma de funciones continuas y
la multiplicacin de un nmero por una funcin continua, dan funciones continuas. Las otras propiedades de espacio vectorial son consecuencia de las propiedades algebraicas de los nmeros reales.
4.
Las funciones continuas reales sobre un segmento [a, b] con las operaciones habituales de adicin
y multiplicacin de funciones por nmeros constituyen el espacio lineal:
C k ([a, b]) = { f : [a, b] R| f k (x) existen y son continuas sobre [a, b]}.
En C k ([a, b]) definimos las siguientes operaciones:
Suma:
( f + g)(x) = f (x) + g(x) x [a, b]
Multiplicacin por escalar:
( f )(x) = f (x) K, x [a, b]
verifican que C k ([a, b]) es un espacio vectorial.
Ejercicio. Demuestre que la familia de todas las soluciones de la ecuacin diferencial ordinaria y00 +
y = 0 es un espacio vectorial.
Solucin
Tenemos que probar que la solucin nula es parte de la ecuacin diferencial, es decir y = 0, entonces y00 = 0.
Reemplazamos en la ecuacin diferencial y obtenemos
y00 + y = 0
0+0 = 0
0=0
Por lo tanto se establece que y = 0 es solucin de la ecuacin diferencial.

De igual forma, probamos a continuacin que para y1 , y2 E y K, entonces y1 + y2 E y y1 E:
(y1 + y2 )00 + (y1 + y2 ) = 0
(y001 + y002 ) + (y1 + y2 ) = 0
(y001 + y1 ) + (y002 + y2 ) = 0
(y1 )00 + (y1 ) = 0
y001 + y1 = 0
0 = 0
0=0
0+0 = 0
0=0
(y001 + y1 ) = 0
76
1.6. EJERCICIOS
Demuestre que la familia de todas las soluciones de la ecuacin integral y(x) =

K(x,t)y(t)dt es un espacio vectorial.
Ejercicio.
Rb
a
Solucin
R
Sea L(y)(x) = y(x) ab K(x,t)y(t)dt, entonces, la existencia del elemento nulo, es evidente. Para todo
y1 , y2 C ([a, b]) y para todo R, entonces
L(y1 + y2 ) = (y1 + y2 )(x)
Z b
= y1 (x) + y2 (x)
= [y1 (x)
Z b
a
K(x,t)(y1 + y2 )(t)dt
Z b
a
K(x,t)[y1 (t) + y2 (t)]dt
K(x,t)y1 (t)dt] + [y2 (x)
Z b
a
K(x,t)y2 (t)dt]
= L(y1 )(x) + L(y2 )(x) x [a, b].

Por tanto, L(y)(x) es un espacio vectorial.
Ejercicio. Demuestre que la familia de todas las soluciones de la ecuacin diferencial ordinaria lineal
y00 = y2 no es un espacio vectorial.

Solucin
Probamos que para y1 , y2 E, entonces y1 + y2 E:
(y1 + y2 )00 (y1 + y2 )2 = 0
(y001 + y002 ) (y21 + y22 + 2y1 y2 ) = 0
(y001 y21 ) + (y002 y22 ) 2y1 y2 = 0
0 + 0 2y1 y2 = 0
2y1 y2 6= 0
Por lo tanto, no es un espacio vectorial.

1
Ejercicio. Sea p, q > 1 y 1p + q1 = 1. Pruebe que x p 1p x + q1 para cada 0 x 1.
Solucin
Primer mtodo:
Sean q R1 , p R>1 dados por 1p + 1q = 1. Las funciones h : R0 R1 dadas por h(x) = xq son
crecientes con h(1) = 1.
1
Las funciones h : R0 R1 dadas por h(x) = x q son crecientes con h(1) = 1.
1
Las funciones h : R0 R1 dadas por h(x) = x q son crecientes con h(1) = 1.
1
As, las funciones g : R0 R dadas por g(x) = x q 1 estn decreciendo con g(1) = 0. As
1
x q 1 0,
para R1
1
Si f : R>0 R est dada por f (x) = x p 1p x, entonces

df
1 1
1
1 q1
= x p 1 =
x 1
dx
p
p
p
77
1.6. EJERCICIOS
as f es decreciente para x R>1 y f (1) = 1 1p = 1q . As

1
1
1
xp x
p
q
para x R1 .
Es decir,
1
xp
1
1
x+
p
q
para x R1 .
Segundo mtodo:
1
Sea f (x) = x p y g(x) = xp + 1q . Entonces f (1) = g(1) = 1 y para x > 1 tenemos
f 0 (x) =
1 1p
x p
p
g0 (x) =
1
p
1p
Pero p > 1 y x > 1, entonces x p < 1 lo que implica que f 0 (x) < g0 (x) cuando x > 1. Por lo tanto f (x) g(x)
y f (x) = g(x) si y slo si x = 1, como se quera demostrar.
Ejercicio. Demuestre que ` p es un subespacio vectorial propio de `q siempre que 1 p q.
Solucin
Primero observamos que para todo n N, se tiene
! 1p
1
|xn | = (|xn | p ) p
|xm | p
= kxk p .
m=1
En el caso q = + la desigualdad anterior implica

kxk = sup |xn | kxk p ,
nN
lo que prueba que kxkq kxk p para el caso q = +.

Si q entonces, dado ` p , 6= 0 se tiene
|` |
1
kk p
como p < q entonces
|` | p
|` |q
kk pp kkqp
sumando obtenemos
|i |q
1 i=1 q
kk p
as,
kkqp |i |q
i=1
luego,
kk p kkq
Es decir, ` p `q y para todo ` p se tiene, kk p kkq .
78
1.6. EJERCICIOS
Ejercicio. Demuestre que cualquier vector de R3 es una combinacin lineal de los vectores (1, 0, 0),
(1, 1, 0) y (1, 1, 1).

Solucin
Sea (a, b, c) R3 , entonces
(a, b, c) = (1, 0, 0) + (1, 1, 0) + (1, 1, 1)
esta expresin, genera un sistema de ecuaciones, donde
a = + +
b = +
c =
= a b
= bc
= c

1 1 0

0 1 1 6= 0

0 0
1
Puesto que el determinante de la matriz de coeficientes es diferente de cero, entonces el sistema tiene solucin nica, y cualquier vector de R3 se puede expresar como combinacin lineal de los vectores dados.
Ejercicio. Demuestre que cada cuatro vectores en R3 son linealmente dependientes.
Solucin
Sea S = {u1 , u2 , u3 , u4 } un conjunto de vectores en R3 , entonces S es linealmente dependiente. Supngase
que
u1 = (u11 , u12 , u13 )
u = (u , u , u )
2
21 22 23
u3 = (u31 , u32 , u33 )
u4 = (u41 , u42 , u43 )

Considrese la ecuacin
a1 u1 + a2 u2 + a3 u3 + a4 u4 = ~0
Si se expresan los dos miembros de esta ecuacin en trminos de componentes y, a continuacin, se igualan
las componentes correspondientes, se obtiene el sistema
u11 a1 + u21 a2 + u31 a3 + u41 a4 = 0
u12 a1 + u22 a2 + u32 a3 + u42 a4 = 0
u a + u a + u a + u a = 0
13 1
23 2
33 3
43 4
Este es un sistema homogneo de 3 ecuaciones en las 4 incgnitas a1 , a2 , a3 , a4 . Como existen ms incgnitas que ecuaciones, se deduce que el sistema tiene soluciones no triviales. Por tanto, S es un conjunto
linealmente dependiente.
1.6. EJERCICIOS
Ejercicio. Demuestre que las funciones fn (x) = xn , n = 0, 1, 2, ..., son linealmente independientes.
Solucin
Sea el conjunto F = {1, x, x2 , x3 , ..., xk , ...} de acuerdo a la definicin dada en el problema. Este conjunto es
linealmente independiente, puesto que se trata de la base cannica de los polinomios de dimensin infinita.
Supngase que
u1 = (1, 0, 0, ..., 0, ...)
u = (0, 1, 0, ..., 0, ...)
. 2
..
uk = (0, 0, 0, ..., 1, ...)
...
Considrese la ecuacin
a1 u1 + a2 u2 + ... + ak uk + ... = ~0
Si se expresan los dos miembros de esta ecuacin en trminos de componentes y, a continuacin, se igualan
las componentes correspondientes, se obtiene el sistema
a1 = 0
a =0
. 2
..
ak = 0
..
.
Por tanto, S es un conjunto linealmente independiente.
Ejercicio. Demuestre que las funciones fn (x) = enx , n = 0, 1, 2, ..., son linealmente independientes.
Solucin
Sea el conjunto F = {1, ex , e2x , e3x , ..., ekx , ...} de acuerdo a la definicin dada en el problema. Considrese
la ecuacin
a0 1 + a1 ex + a2 e2x + a3 e3x + ... + ak ekx + ... = ~0
a continuacin, se igualan las componentes correspondientes, se obtiene el sistema
a0 = 0
a =0
. 1
..
ak = 0
...
Por tanto, S es un conjunto linealmente independiente.
79
80
1.6. EJERCICIOS
Ejercicio. Pruebe que los espacios C (), C k (RN ), C (RN ) son de dimensin infinita.
Solucin
C (): Sea B = { fm (x) = xm , x} un subconjunto finito de P. Como existe solo un nmero finito
de polinomios en B, existe un polinomio f1 en B que posee mximo grado m; es decir, si g est en
B entonces el grado de g es menor que m. Sea h cualquier funcin en el espacio generado por B.
Entonces h es la suma de mltiples escalares de funciones polinomicas cada una de ellas de grado
menor que m, de modo que el grado de h no puede ser mayor que m. Pero P tiene funciones de grado
m + 1 y mayores, entonces B no puede generar a P. Como B es un conjunto arbitrario, entonces P no
tiene un conjunto generador finito, luego P es de dimensin infinita.
C k (RN )
= C (RN ): Sea B = { fm (x) = emx , x} un subconjunto finito de F. Como existe

solo un nmero finito de funciones en B, existe una funcin f1 en B que posee mximo exponente m;
es decir, si g est en B entonces el exponente de g es el mismo m. Sea h cualquier funcin en el espacio
generado por B. Entonces h tiene el mismo exponente m, de modo que el exponente de h es igual a
m. Pero F tiene funciones de exponente m, entonces B no puede generar a F. Como B es un conjunto
arbitrario, entonces F no tiene un conjunto generador finito, luego F es de dimensin infinita.
Ejercicio. Denote por `0 el espacio de todas las sucesiones infinitas de nmeros complejos (zn ) para
todo nmero finito de ndices n. Encuentre una base de `0 .

Solucin
Los elementos del espacio `0 son sucesiones del tipo z = (z1 , z2 , ..., zn , ...) con zn C para toda n, tales que
2
i=1 |zi | < . Las operaciones en `0 se definen de la siguiente manera:

Si u = (u1 , u2 , ..., un , ...), v = (v1 , v2 , ..., vn , ...) la suma est dada por u + v = (u1 + v1 , u2 + v2 , ..., un + vn , ...)
y el producto por u = (u1 , u2 , ..., un , ...).
Este espacio se nota
`0 = {z = (z1 , z2 , ..., zn , ...) : |zi |2 < }

i=1
Como el conjunto z1 = (1, 0, ..., 0, ...), z2 = (0, 1, ..., 0, ...), ..., zn = (0, 0, ..., 1, ...), ... con un uno en el lugar
n y ceros en el resto, es un conjunto linealmente independiente para toda n, se tiene que `0 es de dimensin
infinita.
Ejercicio. De acuerdo con la definicin de una base B de un espacio vectorial E, cualquier vector x E
se puede representar en la forma x = 1 e1 + ... + n en , donde e1 , ..., en B y 1 , ..., n son escalares no

nulos. Probar que tal representacin es nica.
Solucin
Supongamos que existen otros coeficientes para la representacin del vector x:
x = 1 e1 + ... + n en
entonces tenemos que
1 e1 + ... + n en = 1 e1 + ... + n en
(1 1 )e1 + ... + (n n )en = 0
81
1.6. EJERCICIOS
puesto que ningn vector ei se puede expresar como como combinacin lineal, se tiene que
1 = 1 , ..., n = n
Por lo tanto la representacin del vector x es nica.
Ejercicio. Sean E1 , ..., En espacios vectoriales sobre el mismo campo escalar F. Si dimEk = dk , para
k = 1, ..., n, cul es la dimensin del producto cartesiano E1 ... En ?

Solucin
Dados espacios vectoriales E1 y E2 , el espacio vectorial E1 E2 es de dimensin finita si y slo si E1 y E2
son de dimensin finita, en cuyo caso tenemos dim(E1 E2 ) = dimE1 + dimE2 . Basta aplicar el teorema de
aditividad de la dimensin a la sucesin exacta
0 E1 E1 E2 E2 0
?En general, dados espacios vectoriales E1 , ..., En tenemos que la sucesin
0 E1 E1 ... En E2 ... En 0
(e1 , ..., en ) 7 (e2 , ..., en )
es exacta y por lo tanto
dim(E1 ... En ) = dimE1 + dim(E2 ... En );
aplicando la ltima igualdad reiteradamente obtenemos
dim(E1 ... En ) = dimE1 + ... + dimEn .
En particular se satisface dimkn = n.
Ejercicio. Demuestre que |kxk kyk| kx yk para cualquier par de vectores en un espacio normado.
Solucin
Tenemos
kxk = kx y + yk kx yk + kyk
kxk kyk kx yk
kyk kxk ky xk
Del mismo modo

kyk = ky x + xk ky xk + kxk
Como
ky xk = kx yk
tenemos
|kxk kyk| kx yk
Hemos probado que la norma en un espacio vectorial normado es una funcin continua.
82
1.6. EJERCICIOS

N
1.
k(z1 , ..., zN )k =
|zn |.
n=1
2.
k(z1 , ..., zN )k = max{|z1 |, ..., |zN |}.
son normas sobre CN .

Solucin
1.
Dado que para todo z CN |z| 0, se tiene k(z1 , ..., zN )k1 = |z1 | + ... + |zN | 0 para todo z CN .
Si R y z = (z1 , ..., zN ) CN , entonces
kzk = k(z1 , ..., zN )k
= |z1 | + ... + |zN |
= |||z1 | + ... + |||zN |
= ||(|z1 | + ... + |zN |)
= ||kzk
z CN
Si z = (z1 , ..., zN ) y w = (w1 , ..., wN ) elementos de CN , entonces

kz + wk = k(z1 + w1 , ..., zN + wN )k
= |z1 + w1 | + ... + |zN + wN |
|z1 | + |w1 | + ... + |zN | + |wN |
= |z1 | + ... + |zN | + |w1 | + ... + |wN |
= kzk1 + kwk1
Si kzk1 = 0, implica que |z1 | + ... + |zN | = 0 y como cada |zi | 0, entonces |z1 | + ... + |zN | = 0 implica
|zi | = 0. Por lo tanto z = 0.
2.
Puesto que |zi | 0, entonces max{|z1 |, ..., |zN |} 0, es decir kzk 0.

Sean R y z CN . Se tiene que
kzk = k(z1 , ..., zN )k
= max{|z1 |, ..., |zN |}
= max{|||z1 |, ..., |||zN |}
Supongamos ahora que
|zi | = max{|z1 |, ..., |zN |}
entonces
|zi | |zi | i = 1, ..., N
|||zi | |||zi | i = 1, ..., N
83
1.6. EJERCICIOS
|zi | |zi | i = 1, ..., N

por lo que
|||zi k = |zi |
= max{|z1 |, ..., |zN |}
= max{|||z1 |, ..., |||zN |}
es decir
|| max{|z1 |, ..., |zN |} = max{|z1 |, ..., |zN |}
= max{|||z1 |, ..., |||zN |}
por lo tanto
||kzk = kzk
Si z = (z1 , ..., zN ) y w = (w1 , ..., wN ) elementos de CN , entonces kz + wk = max{|z1 + w1 |, ..., |zN +
wN |}. Sea
|z1 + w1 | max{|z1 + w1 |, ..., |zN + wN |}
como |z1 + w1 | |z1 | + |w1 |, se tiene que
max{|z1 + w1 |, ..., |zN + wN |} |z1 | + |w1 |
pero por definicin de max{|z1 | + ... + |zN |} y max{|w1 | + ... + |wN |}, tambin se tiene que |z1 |
max{|z1 | + ... + |zN |} y |w1 | max{|w1 | + ... + |wN |} luego
max{|z1 + w1 |, ..., |zN + wN |} max{|z1 | + ... + |zN |} + max{|w1 | + ... + |wN |}
es decir
kz + wk kzk + kwk
kz + wk implica max{|z1 | + ... + |zN |}. Sea |z1 | = max{|z1 | + ... + |zN |}, entonces |z1 | = 0. Por lo
tanto |z1 | = 0.
Ejercicio. Sea un subconjunto cerrado y acotado de RN . Mostrar que k f k = max | f (x)| es una norma
x
en C ().
Solucin
Recordemos que toda funcin real continua definida en un intervalo cerrado es acotada, por tanto k f k est
bien definida. Puesto que | f (x)| 0 para todo x I entonces k f k 0 y adems k f k = 0 si y slo si | f (x)| = 0
para todo x I, es decir, si y slo si f = 0.
Recordemos un resultado: Sean a y b nmeros reales tales que a b + . Demostar que a b. Supongase
que a > b entonces a = b + , > 0, tomamos 2 = , entonces
a > b+ > b+
= b+
2
84
1.6. EJERCICIOS
?por lo tanto a b. Ahora sea > 0. Entonces existe x0 I tal que

k f + gk = max{| f (x) + g(x)|}
x
| f (x0 ) + g(x0 )| +
| f (x0 )| + |g(x0 )| +
max{| f (x)|} + max{|g(x)|} +
x
= k f k + kgk +
por lo tanto
k f + gk k f k + kgk
Sea R, entonces
k f k = max{| f (x)|}
x
= max{||| f (x)|}
x
= || max{| f (x)|}
x
= ||k f k
! 1p
Ejercicio. Demuestre que kzk =
|zn |
es una norma en ` p para cualquier p 1.
n=1
Solucin
Est claro que las primeras tres propiedades de una norma se cumplen. Para probar la desigualdad triangular,
p
se procede por pasos. En primer lugar, establecemos q = p1
y probamos la siguiente frmula para los
nmeros estrictamente positivos a y b:
1
a p bq
a b
+ .
p q
Para k (0, 1) sea la funcin fk : R R se define por fk (t) = k(t 1) t k + 1. Entonces fk (1) = 0 y
d fk
k1 ). De ello se desprende que f (t) 0 si t 1 y as, para k (0, 1) y t 1,
k
dt (t) = k(t t
t k tk + (1 k).
cuando a b, o t = ba y k = 1q cuando a < b, entonces obtenemos el resultado.

p

q
|yi |
|xi |
El siguiente paso es tomar x, y Rn \{0} y establecemos a = kxk
y
b
=
en la frmula. Obtenekykq
p
mos

|xi yi |
1 |xi | p 1 |yi | q
+
kxk p kykq
p kxk p
q kykq
Si establecemos t = ab y k =
1
p
y luego, despus sumando sobre i,

n
|xi ||yi | kxk p kyk p .
i=1
85
1.6. EJERCICIOS
Esta desigualdad claramente se da cuando x = 0 o y = 0.

Ahora,
n
kx + yk pp |xi ||xi + yi | p1 + |yi ||xi + yi | p1

i=1
i=1
y, usando la desigualdad que acabamos de demostrar,

n
! 1q
|xi ||xi + yi | p1
kxk p
i=1
|xi + yi |(p1)q
i=1
! q1
= kxk p
|xi + yi | p
i=1
= kxk p kx + yk pq .
Del mismo modo
n
|yi ||xi + yi | p1 kyk p kx + yk pq .
i=1
y entonces
p
kx + yk pp (kxk p + kyk p )kx + yk pq

de la que obtenemos la desigualdad triangular.
1.
Una sucesin convergente tiene un lmite nico.
2.
Si xn x y n (n , son escalares), entonces n xn x.
3.
Si xn x y yn y, entonces xn + yn x + y.
Solucin
1.
Es decir, debemos probar que si xn x y xn y, entonces x = y.

Sea > 0, y sean N1 y N2 tales que d(xn , x) < 2 y d(xm , y) < 2 , para n N1 y m N2 . Tales Ni existen
por convergencia. Ahora bien, si N = max{N1 , N2 }, entonces
d(x, y) d(x, xN ) + d(xN , y)

<
+
2 2
= .
Como es arbitrario, concluimos que d(x, y) = 0. Por lo tanto x = y.
86
1.6. EJERCICIOS
2.
Como las sucesiones son convergentes tambin son acotadas. Sea M > 0 una cota: |xn | < M, |n | <
M para todo n. Dado > 0 existen N1 , N2 N tales que |xn x| < 2M

si n > N1 y |n | < 2M
si
n > N2 . As
|n xn x| = |n xn xn + xn x|
|n xn xn | + | xn x|
= |n ||xn | + |||xn x|

+
<
2 2
=
para n > max{N1 , N2 }.
3.
Sean xn x y yn y. Entonces, dado > 0 existe N1 tal que |xn x| <

tal que |yn y| < 2 si N > N2 . Por tanto, si M = max{N1 , N2 } se tiene
si N > N1 y existe N2
|(xn + yn ) (x + y)| |xn x| + |yn y|

<
+
2 2
=
para N > M, lo que prueba que xn + yn x + y.
Ejercicio. Mostrar que dos normas son equivalentes si y slo si definen los mismos conjuntos acotados.
Solucin
Suponemos X = Kn y consideramos en el la norma 1, k k1 y otra norma cualquiera k k. Si (ei )ni=1 es la
base cannica de Kn , se tiene

kxk = xi ei
|xi |kei k

max kei k kxk1 .

i
Esto nos da una de las desigualdades buscadas y nos dice que

Id : (X, k k1 ) (X, k k)
es continua, de donde k k es una funcin continua sobre (X, k k1 ). Puesto que S(X,kk1 ) es un compacto, la
funcin k k, que es estrictamente positiva en S(X,kk1 ) alcanza su mnimo ah al que llamamos y se tiene
> 0. Por tanto
1
k k1 k k
que era la otra desigualdad buscada.

Slo resta comprobar que efectivamente S(X,kk1 ) es un compacto. Consideremos la sucesin (xk )kN
S(X,kk1 ) donde para todo k N
xk = (xk1 , ..., xkn ).
87
1.6. EJERCICIOS
Se tiene que kxk k = ni=1 |xki | = 1 y por tanto para todo 1 i n la sucesin (xki )kN est acotada. Podemos
entonces, tomando subsucesiones repetidas veces, extraer una sucesin de ndices (kl )lN de manera que
para todo 1 i n la sucesin (xki l )lN converge a xi . Entonces
n
lm |xki l xi | = 0
l i=1
y por tanto, llamando x = (x1 , ..., xn ), se tiene que

lm kxkl xk1 = 0.
Adems, puesto que xkl S(X,kk1 ) para todo l, se tiene que x S(X,kk1 ) , de donde se concluye que efectivamente S(X,kk1 ) es compacto.
Ejercicio. Usando el teorema 1.3.11 demuestre que las siguientes normas sobre R2 son equivalentes:
k(x, y)k1 =
p
x2 + y2 ,
k(x, y)k2 = |x| + |y|,
k(x, y)k3 = max{|x|, |y|}.
Solucin
En primer lugar vamos a demostrar que la 2-norma y la norma mxima son equivalentes. Sostenemos que
para todos los puntos (x, y) R2 tenemos
k(x, y)k3 k(x, y)k2 2k(x, y)k3
Para mostrar la primera note que la desigualdad
k(x, y)k3 = max{|x|, |y|}
|x| + |y|
= k(x, y)k2
Para la segunda desigualdad que tenemos
k(x, y)k2 = |x| + |y|
k(x, y)k3 + k(x, y)k3
= 2k(x, y)k3
A continuacin vamos a demostrar que la norma mxima y la 1-norma son equivalentes. Sostenemos que
para todos los puntos (x, y) R2 tenemos
k(x, y)k3 k(x, y)k1
2k(x, y)k3
Para mostrar la primera note que la desigualdad

p
|x|2 = x2 x2 + y2 |x| x2 + y2
|y|2 = y2 x2 + y2
|y|
p
x2 + y2
88
1.6. EJERCICIOS
La combinacin de estas dos observaciones da

k(x, y)k3 = max{|x|, |y|}
p
x 2 + y2
= k(x, y)k1
Para la segunda, note que la desigualdad
x2 = |x|2 k(x, y)k23
y2 = |y|2 k(x, y)k23
x2 + y2 k(x, y)k23 + k(x, y)k23
= 2k(x, y)k23
Tenemos
p
x 2 + y2
2k(x, y)k3
k(x, y)k1 =
Tenga en cuenta que la equivalencia de las normas es transitiva por lo que ahora automticamente tenemos
la 1-norma es equivalente a la 2-norma. Para ver esto directamente nuestra afirmacin es que
k(x, y)k1 k(x, y)k2 2k(x, y)k1
Para mostrar la primera nota que la desigualdad
x2 + y2 = |x|2 + |y|2
|x|2 + 2|x||y| + |y|2
= (|x| + |y|)2
entonces
k(x, y)k1 =
p
x 2 + y2
|x| + |y|
= k(x, y)k2
Para la segunda note que la desigualdad
p
|x|2 = x2 x2 + y2 |x| x2 + y2 = k(x, y)k1
p
|y|2 = y2 x2 + y2 |y| x2 + y2 = k(x, y)k1
k(x, y)k2 = |x| + |y|
k(x, y)k1 + k(x, y)k1
= 2k(x, y)k1
89
1.6. EJERCICIOS
Ejercicio. Pruebe el teorema 1.3.20:
1.
La unin de cualquier coleccin de conjuntos abiertos es abierta.
2.
La interseccin de un nmero finito de conjuntos abiertos es abierta.
3.
La unin de un nmero finito de conjuntos cerrados es cerrado.
4.
La interseccin de cualquier coleccin de conjuntos cerrados es cerrado.
5.
El conjunto vaco y todo el subespecie son tanto abierto como cerrado.
Solucin
1.
Tenemos que demostrar que si x

de tal manera que (x i , x + i )
Ui entonces x es un punto interior de
i=1
i=1
i=1
Ui . Si x
Ui es decir existe > 0
i=1
Ui entonces x Ui para algunos i. Puesto que Ui
es abierto, x es un punto interior de Ui por lo que existe i > 0 de tal manera que (x i , x + i ) Ui .
Entonces, (x i , x + i )
Ui .
i=1
2.
Sea Si un conjunto abierto para i = 1, ..., n, y sea x
n
\
Si . Debemos encontrar un > 0 para
i=1
que B(x, ) Si . Para cada i existe una i tal que B(x, i ) Si , porque cada uno Si es abierto. Sea
= mn{1 , ..., n }. Entonces 0 < i para cada i; por lo tanto, B(x, ) B(x, i ) Si para cada i,
es decir, B(x, )
n
\
Si .
i=1
3.
Para probar que

R\
Hi =
i=1
4.
n
\
Hi es cerrado, se prueba que R\
i=1
Hi es abierto. Por las leyes de De Morgan,
i=1
(R\Hi ). Puesto que Hi es cerrado para cada i, R\Hi es abierto. As,
i=1
(R\Hi ) es abierto.
i=1
Vamos a demostrar que

!
X
n
\
B es un conjunto cerrado cuando todos los B son conjuntos cerrados.
(X B )
Supongamos que todos los[

conjuntos B son cerrados. Entonces todos los conjuntos X B son conjuntos abiertos y su unin (X B ) es un conjunto abierto.
!
Por lo tanto X
es un conjunto abierto y
B es un conjunto cerrado. Es decir, la inter-
seccin de cualquier coleccin de conjuntos cerrados es cerrado.

5.
Que est abierto puede parecer un poco extrao, ya que no tiene elementos. Algunos autores
definen simplemente esta abierto para hacer la vida ms fcil. Probaremos por la contradiccin.
Supongamos entonces que no est abierto. Entonces la declaracin todos los elementos de
90
1.6. EJERCICIOS
tiene una esfera en ello contenido en es falso. Esto implica una declaracin que comienza no
existe un elemento de de forma que ... . Los tres puntos indican que no tenemos ningn inters en
el resto de la declaracin. Tenemos as la contradiccin que requerimos: existe un elemento de
contradice el hecho de que no tiene elementos. Por lo tanto debe estar abierto.
X est abierto puesto que x X implica, por ejemplo, S(x, 1) X.
Cada A X, X es trivial, est cerrado. Para A X y as A est abierto. As, cada subconjunto de
un espacio mtrico trivial es a la vez abierto y cerrado.
Ejercicio. Considere la convergencia en C (RN ) definida como: fn f si la sucesin ( fn ) converge a
f uniformemente en cada intervalo acotado [a, b]. Es posible definir esta convergencia por una norma
en C (R)?
Solucin
Si fn (x) = max{0, 1 |x n|}, entonces n fn 0 cuando n para cualquier secuencia de escalares n .
Entonces no es posible definir esta convergencia por una norma en C (R).
Ejercicio. Demuestre que el nico subespacio lineal denso de CN es CN en s.
Solucin
Si un subespacio S de CN es infinito, o equivalentemente sin lmites, entonces S = CN , es decir, S es denso
en CN . Por otro lado, si S es finito entonces su clausura no es CN , es decir, S no es denso en CN . Por lo tanto,
el nico subespacio lineal denso de CN es el mismo CN .
Ejercicio. Encuentre una sucesin de elementos de `1 que es convergente en `2 , pero divergente en `1 .
Y a la inversa? Puede dar ejemplo similar para cualquier par de espacios ` p y `q con p 6= q?
Solucin
Es importante observar primero que si la sucesin (xn ) converge a x en `2 , entonces la sucesin (xn x)
converge a 0, con lo cual basta encontrar el ejemplo de una sucesin que converge a 0. Adems, tanto la
convergencia en el espacio `2 como en el espacio `1 implica la convergencia coordenada a coordenada; por
ello, hay que buscar una sucesin (xn ) `1 que converja coordenada a coordenada a 0 pero que no converja
a 0 en `1 .
Sea xn = (n1 , n2 , ...) definida por ni = 0 si i n y ni = in2 si i n + 1. Para cada n N, se cumple que
n
1
1
xn `2 y kxn k2 = (n+1)
mn kxn k2 =
2 , y, por otro lado, xn ` y kxn k1 = n i=n+1 i2 . Se deduce que l
n
lmn (n+1)2 = 0, si bien lmn kxn k1 6= 0 puesto que

kxn k1
1
1
1
n
+
+ ... +
2
2
(n + 1)
(n + 2)
(2n)2
n2
4n2
1
=
4
para todo n N.
91
1.6. EJERCICIOS
Considere

1 1
1
xn = 1, , , ..., , 0, 0, ... .
2 3
n
Si 1 p q, la convergencia en ` p implica la convergencia en `q , pero no a la inversa.
Ejercicio. Demuestre, sin necesidad de utilizar el teorema 1.3.13, que las siguientes normas sobre CN
son equivalentes:
N
q
k(z1 , ..., zn )k = |z1 |2 + ... + |zn |2 ,
k(z1 , ..., zn )k =
|zn |,
n=1
k(z1 , ..., zn )k = max{|z1 |, ..., |zn |}.

Solucin
Sabemos que
k(z1 , ..., zn )k = max{|z1 |, ..., |zn |}
q
|z1 |2 + ... + |zn |2
|z1 | + ... + |zn |

max{|z1 |, ..., |zn |}
= k(z1 , ..., zn )k
de esta forma, queda probado que estas normas son equivalentes.
Ejercicio. Encuentre dos normas sobre C([0, 1]) que no sean equivalentes.
Solucin
Las normas k kL1 y k k en C([0, 1]) no son equivalentes. Considere las sucesiones de funciones fn (t) = t n
con n N. Obviamente fn C([0, 1]) y
k fn k = max |t|n = 1,
t[0,1]
k f n kL 1 =
Z 1
0
t n dt =
1
.
n+1
Supongamos que las normas son equivalentes. Entonces hay una constante c2 > 0 tal que para todo n:
k f n k
= n + 1 c2 .
k fn kL1
Pero no es posible para todo n. Esta contradiccin implica que las normas no son equivalentes.
92
1.6. EJERCICIOS
Ejercicio. Demuestre que un subconjunto S de un espacio normado est acotado y slo si kn xn k 0

para cualquier xn S y cualesquiera escalares n 0.
Solucin
Supongamos que S es acotado y que (xn )nN es una sucesin contenida en S. Sea (n )nN una sucesin de
escalares que tiende a cero y sea V N0 (E). Entonces existe W N0 (E), W balanceado, tal que W V .
Sea R+ tal que S W , dicho existe por ser S acotado.
Para R+ tal que existe n0 N tal que |n | < 1 para n n0 por ser (n )nN convergente a cero. Entonces, como |n | = |n | < 1 y W es balanceado, n W W V para todo n0 n por lo tanto n xn V ,
siempre que n n0 ; es decir, (n xn )nN converge al origen en E.
Supongamos ahora que S no es acotado, entonces existe U N0 (E) tal que S * U para toda R+ . Sea
n un entero positivo y = 1n . Entonces existe xn S tal que n1 xn
/ U. De esta manera,
para cada n N
1
obtenemos xn y podemos formar la sucesin (xn )nN de elementos en S tales que n xn nN no converge al

origen en E y sin embargo n1 nN converge a cero.
Ejercicio. Demuestre que, en un espacio normado, xn x implica
1
(x1 + ... + xn ) x.
n
Solucin
Sea X un espacio normado, y sea (xn ) una sucesin de X tal que se cumple que lm xn = x. Si yn = n1 (x1 +
... + xn ) para cada n, entonces debemos probar que yn = x.
Sea > 0. Elejimos algunos k con kxn xk < para todos los n > k. Fijar algunos m > k para que k 1n [(x1
x) + ... + (xk x)]k < se cumple para todos los n > m. Por lo tanto, si n > m, entonces

1

kyn xk =
n [(x1 x) + ... + (xk x) + (xk+1 x) + ... + (xn x)]

1
1

[(x1 x) + ... + (xk x)]
+ n [kxk+1 xk + ... + kxn xk]
n
< +
= 2
Es decir, yn = x se cumple.
Ejercicio. Demuestre que, en un espacio normado, si cada subsucesin de una sucesin de (xn ) con-
tiene una subsucesin convergente a x, entonces (xn ) en s converge a x.
Solucin
Sea > 0. Como xn x, existe N tal que n N implica d(xn , x) < . Entonces, como nk k para todo k,
si k N entonces nk N y por lo tanto d(xnk , x) < .
93
1.6. EJERCICIOS
Sea S un subconjunto de un espacio normado E. Las siguientes condiciones son equivalentes:

1.
S es denso en E.
2.
Para cada x E existen x1 , x2 , ..., S tal que xn x.
3.
Todo subconjunto no vaco abierto de E contiene un elemento de S.
Solucin
1.
Para S E y as S E = E. Tenemos que demostrar ahora que E S. Sea x E. Entonces, para

cada > 0 existe q S tal que |x q| < , de donde x S o x S0 , de modo que x S S0 = S.
2.
Supongamos que xn (x1 , x2 , ...) y sea > 0. Existe un N tal que n : kxn xk < ,
donde x = (x1 , x2 , ...). Pero
xn x = (x1n x1 , x2n x2 , ...),
luego,
|xin xi | kxn xk,
i = 1, 2, ...
Tenemos entonces que n y para cada i = 1, 2, ...:

|xin xi | < ,
es decir que xin xi , i = 1, 2, ...
Recprocamente, supongamos que xin xi , i = 1, 2, .... Luego, si > 0, existen i N tales que
n i :
|xin xi | < ,
k
i = 1, 2, ...
Sea = max{1 , 2 , ...}, entonces n se verifica:
|xin xi | < ,
k
i = 1, 2, ...
de donde, n :
kxn xk |xin xi | <

i=1
de donde, de nuevo, x = (x1 , x2 , ...). Es decir que xn x.

3.
Supongamos que S es abierto, x S y xn x. Como S es abierto existe > 0 tal que B(x, ) S;
como xn x, dado > 0 existe n0 tal que si n n0 entonces d(xn , x) < , o xn B(x0 , ) S si
n n0 .
Recprocamente, supongamos que para todo x S, si xn x entonces existe n0 tal que xn S si
n n0 . Supongamos que S no es abierto. Entonces existe xn S tal que paratodo > 0, el conjunto
B(x, ) no est incluido en S. Sea n = n1 y tomemos para cada n, xn B x, 1n \S. Entonces para todo
n, d(xn , x) < 1 es decir, que xn x y xn
/ S, lo cual es absurdo.
94
1.6. EJERCICIOS
Ejercicio. Sean E1 y E2 espacios normados. Demuestre que una funcin f : E1 E2 es continua si
y slo si para cada x E1 y > 0 existe un > 0 tal que k f (x) f (y)k < siempre que kx yk < .
Solucin
Debemos probar que f es continua en a A E1 si y slo si, para cada sucesin (xn ) en A de tal manera
que lm xn = a, tenemos lm f (xn ) = f (a).
Supongamos primero que f es continua en a y tomemos > 0. Entonces existen > 0 de modo que, si x A
y kx akE1 < , entonces k f (x) f (a)kE2 < . Ahora sea (xn ) una sucesin en A con lmite a. Hay una
n0 N de modo que, si n n0 , entonces kxn akE1 < . Esto implica que k f (xn ) f (a)kE2 < . Se deduce
que lm f (xn ) = f (a).
Supongamos ahora que, cuando (xn ) A y lm xn = a, tenemos lm f (xn ) = f (a). Si f no es continua en a,
entonces hay un > 0 y una sucesin (xn ) A tal que kxn akE1 < n1 y k f (xn ) f (a)kE2 . Sin embargo,
tenemos lm xn = a y la sucesin ( f (xn )) no converge a f (a), lo cul es una contradiccin. As f debe ser
continua en a.
Ejercicio. Sean E1 y E2 espacios normados y sea f : E1 E2 una funcin continua. Demuestre que,
si S E1 es compacto, entonces f (S) es compacto en E2 .

Solucin
Comenzaremos la demostracin, definiendo lo siguiente: Un subconjunto S de un espacio mtrico E1 es
compacto si toda cubierta por abiertos de S contiene una subcubierta finita.
Sea U = {U }I una cubierta abierta de E2 . Como f es continua, la familia { f 1 (U )}I es una cubierta
S
abierta de E1 . Como E1 es compacto, existen 1 , ..., n I tales que S = nk=1 f 1 (U ), de donde
!
E2 = f (S) = f
n
[
f 1 (U )
k=1
n
[
f ( f 1 (U ))
k=1
n
[
(Uk )
k=1
De aqu tenemos que {1 , ..., n } es una subcubierta finita de E2 .

Sea f : E R una funcin continua y sea S E compacto. Pruebe que f alcanza los
valores mximos y mnimos en S.
Ejercicio.
Solucin
El conjunto f (S), en la recta real, es compacto y, existen
= nf f (S),
= sup f (S),
, f (S).
Como , pertenecen al rango de f , deben existir puntos a, b S con f (a) = , f (b) = .

Ahora bien
x S : f (x) f (S),
de donde
f (a) f (x) f (b),
es decir que f alcanza en a un mnimo y en b un mximo.
95
1.6. EJERCICIOS
Ejercicio. Es la sucesin de funciones fn (x) =
nx
una sucesin de Cauchy en C([0, 1])?
1 + nx2
Solucin
Es claro que f es continua en C([0, 1]). Sea = 21 y > 0, como la sucesin
(0, 1), existen n1 , n2 N tal que

1

1
<
n1 n2
1
n
es de Cauchy en el intervalo
Pero,

f 1 f 1 > 1

n1
n2 2

Entonces ( f 1n ) no es una sucesin de Cauchy. Por lo tanto f no preserva sucesiones de Cauchy.
Las siguientes condiciones son equivalentes:

(xn ) es una sucesin de Cauchy.
1.
2.
kx pn xqn k 0 como n , para cada par de sucesiones crecientes de nmeros enteros

positivos (pn ) y (qn ).
3.
kx pn xqn k 0 como n , para cada sucesin creciente de nmeros enteros positivos

(pn ).
Solucin
1.
Supongamos que xn x. Dado > 0, existe N tal que si n N entonces d(xn , x) < 2 . Entonces,
si m, n N,
d(xm , xn ) d(xm , x) + d(x, xn )

<
+
2 2
= .
2.
Como (xn ) es una sucesin de Cauchy, entonces

kx pn xqn k = kx pn xqn x + xk
= k(x pn x) + (x xqn )k
kx pn xk + kx xqn k
< +
= 2 0
para cada par de sucesiones crecientes de nmeros enteros positivos (pn ) y (qn ), debido a que (xn ) es
una sucesin de Cauchy.
96
1.6. EJERCICIOS
Como (xn ) es una sucesin de Cauchy, entonces
3.
kxn xk = kxn x + x pn x pn + xqn xqn k

= k(xn x pn ) + (x pn xqn ) + (xqn x)k
kxn x pn k + kx pn xqn k + kxqn xk
< ++
= 3 0
para cada sucesin creciente de nmeros enteros positivos (pn ), debido a que (xn ) es una sucesin de
Cauchy.
Ejercicio. Demuestre que la suma de dos sucesiones de Cauchy es una sucesin de Cauchy.
Solucin
Sean (xn ) y (yn ) dos sucesiones de Cauchy en S, es decir, dado > 0 existe un nmero natural N tal que si
n > N entonces
kxn xk < ,
kyn yk <
Luego
kxn + yn (x + y)k = k(xn x) + (yn y)k
kxn xk + kyn yk
< +
= 2
Lo que demuestra que, la suma de dos sucesiones de Cauchy es una sucesin de Cauchy.
Ejercicio. Demuestre la completitud de ` p para p 1 arbitrario.
Solucin
Suponga que xk = (x1k , x2k , ...) ` p (K) es de Cauchy. Para cada > 0 hay un N tal que
kxm xn k`pp =
|xmj xnj | p <
j=1
para todo m, n > N. Consecuentemente, para cada j N la sucesin xkj es de Cauchy, y la completitud de K
implica que hay a j K tal que
xkj a j
como k . Sea a = (a1 , a2 , ...). En primer lugar observamos que para cualquier M 1 y m, n > N:
M
|xmj xnj | p
j=1
|xmj xnj | p < .
j=1
97
1.6. EJERCICIOS
Tomando el lmite cuando n , obtenemos

M
|xmj a j | p .
j=1
Esto es vlido para cualquier M, por lo que puede tomar el lmite cuando M :
|xmj a j | p .
j=1
Llegamos a la conclusin de que xm a ` p . Puesto que ` p (K) es un espacio vectorial y xm ` p (K), entonces a ` p (K). Por otra parte, |xm a|` p < para todos m > N. En consecuencia xm a en ` p (K) con
la norma estndar, y as ` p (K) es completo.
Ejercicio. D un ejemplo de un espacio normado incompleto.
Solucin
El espacio C([0, 2]) equipado con la norma L1 no es completo. Considere la siguiente sucesin de funciones:
(
t n , 0 t 1,
fn (t) =
1, 1 t 2.
Esta es una sucesin de Cauchy en la norma L1 . De hecho, para cualquier n < m:
k fn fm kL1
Z 1
(t n t m )dt
1
1
n+1 m+1
1
,
n+1
=
<
y en consecuencia para cualquier m, n > N

k fn fm kL1 <
1
.
N
Ahora vamos a demostrar que los fn no convergen a una funcin continua en la norma L1 . En efecto,
supongamos que exista tal lmite y lo llamaremos f . Entonces
k f n f kL 1 =
Z 1
|t n f (t)|dt +
Z 2
|1 f (t)|dt 0.
Puesto que
| f (t)| |t n | |t n f (t)|
| f (t)| + |t n |
implica que
Z 1
0
| f (t)|dt
Z 1
t n dt
Z 1
|t n f (t)|dt
Z 1
0
| f (t)|dt +
Z 1
0
t n dt,
98
1.6. EJERCICIOS
tenemos
Z 1
|t n f (t)|dt
Z 1
| f (t)|dt
como n y, en consecuencia
Z 1
0
| f (t)|dt +
Z 2
|1 f (t)|dt = 0
Como f se supone que es continua, se sigue

(
0, 0 < t < 1,
f (t) =
1, 1 < t < 2.
Vemos que el lmite de la funcin f no puede ser continua. Esta contradiccin implica que C([0, 2]) no es
completo con respecto a la norma L1 .
Ejercicio. Demuestre que, en un espacio de Banach, cada sucesin (xn ) convergente a cero contiene
una subsucesin (x pn ) tal que la serie
xp
converge.
n=1
Solucin
Sea xn un serie absolutamente convergente; en otras palabras, suponemos que la sucesin (nk=1 kxk k)
converge. Demostraremos que (sn ), la sucesin de sumas parciales, converge. Como E1 es completo, es suficiente con mostrar que (sn ) es una sucesin de Cauchy. Sea > 0. Como la sucesin (nk=1 kxk k) converge
en R, entonces es una sucesin de Cauchy. Tomemos entonces N tal que si n, m N, entonces

n

m

kxk k kxk k < .
k=1

k=1
Pero esto significa, si n > m, que
kxm+1 k + kxm+2 k + ... + kxn k < .
Por lo tanto, si n, m N y n > m, tenemos que

n
m

ksn sm k < xk xk

k=1
k=1

n

= xk
k=m+1
kxm+1 k + kxm+2 k + ... + kxn k
< ,
por lo que la sucesin (sn ) es de Cauchy y, por lo tanto, converge.
Ahora suponemos que toda serie absolutamente convergente es convergente en E1 . Para mostrar que E1 es
completo, sea (xn ) un sucesin de Cauchy. Mostraremos que esta sucesin converge.
99
1.6. EJERCICIOS
Observemos que es suficiente, demostrar que alguna subsucesin de (xn ) converge.

Primero, para cada k Z+ , sea nk tal que, si m, n nk , entonces
kxn xm k < 2k
y, adems, nk+1 nk . Tal sucesin es posible ya que (xn ) es una sucesin de Cauchy. Definimos la sucesin
yk = xnk xnk1 ,
y1 = xn1 ,
k = 2, 3, ...
Por la construccin de las nk , es claro que kyk k < 2(k1) , luego

n
kyk k < kxn k + 2(k1) < kxn k + 1

1
k=1
k=2
y, por lo tanto, la serie yk es absolutamente convergente. Por hiptesis, es convergente; es decir, para algn
y E1 ,
n
yk y.
k=1
Pero
N
yk = xn
+ (xnk xnk1 ) = xnN
k=1
k=2
por lo que concluimos que la subsucesin (xnk ) converge.

Rb
Ejercicio. Considere el espacio C([a, b]) con la norma definida como k f k = a | f (t)|dt. Es este un
espacio de Banach?
Solucin
R
Si k f k1 = | f (t)|dt = 0 entonces f = 0 en casi todo punto, es decir f = 0. Es claro que k f k1 =
R
||| f (t)|dt = ||k f k1 y que
k f + gk1 =
Z
Z
| f (t) + g(t)|dt
(| f (t)| + |g(t)|)dt
= k f k1 + kgk1 .
Para ver que es completo, veremos que toda serie absolutamente convergente en L1 () es convergente.
R
Supongamos que
n=1 k f n k1 = n=1 | f n (t)|dt < Usando el teorema de la convergencia montona, se
sabe que
n=1
| fn (t)|dt =
| fn (t)|dt <
n=1
De esto deducimos que

n=1 | f n (t)| < en casi todo punto, es decir, existe un conjunto medible Lebesgue
de medida nula N tal que la serie
/ N. Por tanto
n=1 f n (t) es absolutamente convergente en C para todo x
100
1.6. EJERCICIOS
definiendo f (t) =
/ N y f (t) = 0 si x N se tiene una funcin f medible tal que
n=1 f n (t) si x
n=1 f n = f
1 ():
en casi todo punto. Veamos que
f
converge
a
f
en
L
n=1 n

Z

N
N

f fn =
f (t) fn dt

n=1
n=1
1

Z

fn (t) dt

n=N+1
| fn (t)|dt
n=N+1
k f n k1 .
n=N+1
La convergencia absoluta de la serie nos lleva a concluir que es un espacio de Banach.

Rx
Ejercicio. Demuestre que L( f )(x) = 0 f (t)dt define una aplicacin lineal continua de C([0, 1]) en s
mismo.
Solucin
Para toda f C([0, 1]), existe una nica 0 f C([0, 1]) tal que
Z x
L( f + 0 f )(x) =
Z0 x
( f + 0 f )(t)dt
Z x
f (t)dt +
Z0 x
0 f (t) dt
f (t)dt
0
= L( f )(x)
es decir, existe 0 f C([0, 1]).
Sean f , g C([0, 1]) y R, entonces
Z x
L( f + g)(x) =
( f + g)(t)dt
Z0 x
[ f (t) + g(t)]dt
0
Z x
Z x
f (t)dt +
0
g(t)dt
0
= L( f )(x) + L(g)(x).
Por lo tanto, L es una aplicacin lineal.
Ejercicio. D un ejemplo de una aplicacin lineal de un espacio normado en un espacio normado que
no es continuo.
Solucin
Sea (xn ) BX una familia de vectores linealmente independientes, consideremos una base B de X que
101
1.6. EJERCICIOS
contenga a la sucesin (xn ) y un vector 0 6= y Y . Definamos ahora la aplicacin lineal T : X Y en todos

los elementos de la base B mediante
(
ny, si b = xn
T (b) =
0, si b 6= xn , n.
y la extendemos por linealidad a todo X. Entonces claramente T (BX ) no est acotado, por lo que T no es
continuo.
Ejercicio. Demuestre que una aplicacin lineal de un espacio normado en un espacio normado es
continua si y slo si son aplicaciones de conjuntos acotados a conjuntos acotados.
Solucin
Sean X e Y dos espacios normados y T : X Y una aplicacin lineal. Entonces T es continuo si, y slo si,
existe una constante M 0 tal que:
kT xk Mkxk
xX
(1.20)
En efecto, si T es continuo en cero, la imagen inversa por T de la bola unidad de Y (un entorno de cero en
Y ) es un entorno de cero en X, que deber contener una bola cerrada de centro cero y radio, digamos, > 0;
deducimos inmediatamente que se verifica (1.20) con M = 1 . Ntese que slo hemos usado la continuidad
en cero y que de la continuidad en otro punto x0 X hubisemos deducido la continuidad en cero sin ms
que observar que T x = T (x + x0 ) T x0 para cualquier x X. As pues, (1.20) se cumple tan pronto como T
sea continuo en algn punto de X.
Recprocamente, si se verifica (1.20), llamando d a las distancias de X e Y , tenemos:
d(Tu, T v) = kTu T vk
= kT (u v)k
Mku vk
= Md(u, v) u, v X,
lo que nos dice que T verifica una condicin de Lipschitz con constante M, en particular T es uniformemente continuo, luego continuo. Observamos que la condicin (1.20) equivale a que T est acotado en la bola
unidad (abierta o cerrada) de X, o en la esfera unidad de X, o en todo subconjunto acotado de X.
Sea F : E1 E2 . Las siguientes condiciones son equivalentes:

1.
F es continua.
2.
La imagen inversa F 1 (U) de cualquier subconjunto abierto U de E2 est abierto en E1 .
3.
La imagen inversa F 1 (S) de cualquier subconjunto S cerrado de E2 est cerrado en E1 .
Solucin
(1) (2)
Sea U un abierto en E2 . Tomemos x F 1 (U). Por hiptesis, F es continua en E1 . En particular, F es
102
1.6. EJERCICIOS
continua en x. Por definicin de continuidad en un punto, existe un abierto Vx que contiene a x tal que
F(Vx ) U.
S
As, Vx F 1 (U) y entonces, resulta que F 1 (U) = xF 1 (U) Vx y, por tanto, F 1 (U) es abierto, pues es
unin de conjuntos abiertos.
(2) (3)
Sea S un conjunto cerrado en E2 . Entonces, E2 \S es abierto en E2 y, por tanto, F 1 (E2 \S) es abierto en E1 .
Pero,
F 1 (E2 \S) = E1 \F 1 (S).
As, E1 \F 1 (S) es abierto en E1 . Por lo tanto, F 1 (S) es cerrado en E1 .
Si L : E1 E2 es una aplicacin lineal continua, entonces el espacio nulo N (L) es un subespacio

cerrado de E. Por otra parte, si el dominio D (L) est cerrado, entonces la grfica G (L) es un subespacio
cerrado de E1 E2 .
Solucin
i) Sea L continua y sea G (L) la grfica de L. Se demuestra que G (L) est cerrado -en realidad la linealidad
de L es superflua en esta parte del teorema. Sea (x, y) G (L). Entonces existe xn E1 tal que xn x y
Lxn y. Pero Lxn Lx y as y = Lx, de donde (x, y) = (x, Lx) G (L).
ii) Supongamos G (L) est cerrada. Entonces G (L) es un espacio de Banach, siendo un subespacio cerrado
del espacio de Banach E1 E2 . Ahora considere la aplicacin f : G (L) E1 dada por
f ((x, Lx)) = x.
Esta asignacin es claramente una inyeccin lineal. Tambin, f es continua, ya que k f ((x, Lx))k = kxk
k(x, Lx)k. Por lo tanto podemos aplicar el teorema de Banach y deducir que f 1 : E1 G (L) es continua.
Finalmente
kLxk k(x, Lx)k
= k f 1 (x)k
k f 1 kkxk,
de manera que L est acotada y por lo tanto continua.
Ejercicio. Demuestre que B (E1 , E2 ) es un espacio vectorial.
Solucin
Sea {Ln } una sucesin de Cauchy en B (E1 , E2 ). Entonces
kLn x Lm xk kLn Lm kkxk.
(1.21)
Dado que el lado derecho converge a 0 cuando n, m , llegamos a la conclusin de que {Ln x} es una sucesin de Cauchy para cada x E1 y por lo tanto {Ln x} tiene un lmite en E2 . Se denota por Lx = lmn Ln x.
103
1.6. EJERCICIOS
Debido a que {Ln } es una sucesin de Cauchy kLn Lm k < para todos los n y m lo suficientemente grandes
y pasando al lmite en (1.21) cuando n se obtiene
kLx Lm xk kxk para todo m lo suficientemente grande.
(1.22)
Esto da
kLxk kLx Lm xk + kLm xk
( + kLm k)kxk.
Por lo tanto L B (E1 , E2 ) y Lm L en B (E1 , E2 ) debido a (1.22).
Ejercicio. Una sucesin de asignaciones Ln B (E1 , E2 ) converge fuertemente a L B (E1 , E2 ) si para
todo x E1 tenemos kLn x Lxk 0 como n . Demuestre que la convergencia uniforme implica
una fuerte convergencia, pero no a la inversa.
Solucin
La linealidad de L se deduce de la de Ln . Adems, de la convergencia Ln x Lx, para todo x E1 , se
deduce que la sucesin {kLn xk} est acotada para todo x. Por el teorema de acotacin uniforme, como E1
es completo, {kLn k} est acotada. Por tanto,
kLn xk kLn kkxk kkxk
kLxk kkxk.
Ejercicio. Sea E = C ([a, b]) el espacio de todas las funciones infinitamente diferenciales en el inter-
valo [a, b] con k f k = max | f (x)|. Es el operador diferencial D =

[a,b]
d
dx
una aplicacin de contraccin?
Solucin
Sea D : C ([a, b]) C([a, b]) el operador derivacin. Entonces D es lineal pero no continuo, ya que si
fn (t) = t n , entonces k f k = 1 pero
kD( fn )k = k fn0 k = max |nt n1 | = n
[a,b]
Por lo tanto, no es una aplicacin de contraccin.

1
Ejercicio. Definimos T : R2 R2 por T (x, y) = (y 3 , x 3 ). Cules son los puntos fijos T ? En qu
cuadrantes del plano xy es T una contraccin?

Solucin
Encontramos la solucin de T (x) = x y T (y) = y:
2

1
1
1
x = x3 xx3 = 0 x3 x3 1 = 0
( 1
x3 = 0
2
x3 1 = 0
x1 = 0
x2 = 1
x = 1
3
104
1.6. EJERCICIOS
y = y3
yy3 = 0
( 1
y3 = 0
y3 1 = 0
2

1
y3 y3 1 = 0
y1 = 0
y2 = 1
y = 1
3
Por tanto los puntos fijos son (1, 1), (0, 0) y (1, 1), estn ubicados en el primer y tercer cuadrantes del
plano xy.
Observemos que para x, y X tenemos por el teorema del valor medio que existe c (1/2, 3/2) tal que
T (x) T (y) = T 0 (c)(x y)
(1.23)
Aqu,
T 0 (x) =
1
2
3x 3
como 1/2 < c < 3/2, entonces
1
3
r
3
1 c3
1
<
<
4
3
3
r
3
9
4
por consiguiente
1
1
< q
3x
3 3 14
2
3
de donde
1
T 0 < q 0,5291
3 1
3 4
Luego en (1.23) tomando el valor absoluto en ambos miembros y remplazando la desigualdad anterior,
tenemos
1
|T (x) T (y)| q |x y|
3 3 14
1
Entonces T es una contraccin en X con constante =
< 1.
3 1
3
105
1.6. EJERCICIOS
Ejercicio. Est el mapeo T : R R definido por
Tx =
(
x 12 ex ,
12
x 0,
1
2 x,
x > 0.
una contraccin?
Solucin
Aplicando la definicin de contraccin, tenemos

1
1
x
y
|T x Ty| = x e y + e
2
2

1 y
x

= (x y) + (e e )
2
1
|x y| + |ey ex |
2
1
|x y| + |x y|
2
3
=
|x y|
2
Por lo tanto =
3
2
> 1. Entonces T no es contraccin.
Ejercicio. Considere el espacio RN . Elementos de RN se denotan por x = (x1 , ..., xN ), y = (y1 , ..., yN ), y
as sucesivamente. La norma en RN se define por kx yk = max |xn yn |. Sea T : RN RN definido

1nN
por T x = y donde yk =
akn xn + bk , k = 1, ..., N. Bajo qu condiciones es T una contraccin?
n=0
Solucin
Sean x = (x1 , ..., xN ), y = (y1 , ..., yN ), u = (u1 , ..., uN ), v = (v1 , ..., vN ) RN y supongamos que T x = u y
Ty = v. Con la mtrica establecida, tenemos
kT x Tyk = ku vk
max |uk vk |

!
N

= max akn un + bk
1nN n=0

N

= max akn (un vn )

1nN n=0
1kN
!

akn vn + bk
n=0
N
|akn ||un vn |
1nN
max
n=0
max
!
|akn |
1nN n=0
= ku vk

max |un vn |
1nN
106
1.6. EJERCICIOS
Entonces, para que T sea una contraccin en RN se debe exigir que

N
= max
|akn | < 1.
1nN n=0

Analisis Matematico

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Analisis Matematico

Hochgeladen von

Copyright:

Verfügbare Formate

Lokenath Debnath - Piotr Mikusinski

Introduccin a los Espacios de

Copyright Joe Garca

Espacios vectoriales normados

1.1. ESPACIOS VECTORIALES

Definicin 1.1 Espacio vectorial

A un espacio vectorial nos referimos a un conjunto no vaco E con dos operaciones:

para E E E, llamado adicin

de tal manera que las siguientes condiciones se cumplen para todo x, y, z E y , F:

Para cada x, y E existe un z E tal que x + z = y;

Los elementos de E se llaman vectores. Si F = R, entonces E se llama un espacio vectorial real, y si

1.1. ESPACIOS VECTORIALES

= {(x1 , ..., xN ) : x1 , ..., xN R}.

1.1. ESPACIOS VECTORIALES

C () es el espacio de todas las funciones complejas valoradas continuas definidas en .

C () es el espacio de las funciones infinitamente diferenciables definidas en .

1.1. ESPACIOS VECTORIALES

|xn | p = || p |xn | p < .

Sean p > 1, q > 1 y

+ 1q = 1. Si (xn ) ` p y (yn ) `q , entonces

Sin prdida de generalidad podemos suponer que

para 0 x 1. Sean a y b nmeros no negativos tales que a p bq . Entonces 0

Puesto que qp = 1 q, obtenemos

Multiplicando ambos lados por bq , obtenemos

1.1. ESPACIOS VECTORIALES

para cualquier 1 j n. Mediante la adicin de estas desigualdades para j = 1, ..., n, obtenemos

que, al permitir que n , da la desigualdad de Hlder.

Teorema 1.2 Desigualdad de Minkowski

Sea p 1. Si (xn ), (yn ) ` p , entonces

|xn ||xn + yn | p1 + |yn ||xn + yn | p1

que, al permitir que n , da la desigualdad de Holder.

lo que da la desigualdad de Minkowski.

1.1. ESPACIOS VECTORIALES

Sean E1 , ..., En espacios vectoriales sobre el mismo campo escalar F. Definimos

e2 = (0, 1, 0, ..., 0),

..., eN = (0, 0, ..., 0, 1).

e i (i representa el nmero imaginario i = 1) representan los vectores linealmente independientes en el

1.2. ESPACIOS NORMADOS

A = {(1, 0, 0), (0, 1, 0), (0, 0, 1)},

kxk = ||kxk para cada x E y F;

kx + yk kxk + kyk para cada x, y E.

La condicin (3) se llama desigualdad triangular. Puesto que

1.2. ESPACIOS NORMADOS

kzk = max{|z1 |, ..., |zN |}.

Sea z = (zn ) ` p . La funcin definida por kzk =

Para toda norma se tiene la segunda desigualdad triangular:

por lo que se obtiene la desigualdad

1.2. ESPACIOS NORMADOS

|xk | < +, con la norma kxk1 = |xk |.

|xk |2 < +, con la norma kxk2 =

|xk | p < +, con la norma kxk p =

es infinito, sino que ser un nmero real.

|xk | = 0 pero esto significa que la suma de infinitos nmeros positivos

Por otro lado si x = 0, entonces xk = 0 para todo k N, por lo tanto

1.2. ESPACIOS NORMADOS

kxk1 = ||kxk1 para cualquier x `1 y para cualquier R.

= 0 pero esto significa que la suma de infinitos nmeros po-

Por otro lado si x = 0, entonces xk = 0 para todo k N. Por lo tanto

Probaremos que kxk2 = ||kxk2 para cualquier x `2 y para cualquier R:

1.2. ESPACIOS NORMADOS

Debemos probar que kx + yk2 kxk2 + kyk2 para cualesquiera x, y `2 :

Por otro lado si x = 0, entonces xk = 0 para todo k N. Por lo tanto

Probaremos que kxk p = ||kxk p para cualquier x ` p y para cualquier R: