You are on page 1of 135

Lecturas de Análisis Funcional

Germán Rojas Ph. D.


Escuela Politécnica Nacional

19 de julio de 2018
Índice general

I ESPACIOS MÉTRICOS 7
1. Espacios Métricos 8

2. Conceptos Topológicos 14

3. Lı́mites y Continuidad 17

4. Sucesiones convergentes, de Cauchy y acotadas 21

5. Relación entre conjuntos cerrados y subespacios completos 28

6. Isomorfismos 33
6.1. Espacios isomorfos . . . . . . . . . . . . . . . . . . . . . . . . . . 33
6.2. Como completar un espacio métrico incompleto . . . . . . . . . . 35

7. El teorema del Punto Fijo de Banach. Aplicaciones a las EDO’s. 39


7.1. Aplicación a las EDO’s . . . . . . . . . . . . . . . . . . . . . . . . 41

8. Aplicación del teorema del punto fijo a las Ecuaciones Integra-


les. 46

II ESPACIOS VECTORIALES Y NORMADOS 51


9. Espacios Vectoriales 52

10. Espacios Normados 59

11.Propiedades de los Espacios Vectoriales Normados 62

12.Operadores Lineales Acotados 72

13.Funcionales Lineales 76

14.Caracterización del dual topológico de algunos EVN 81

III ESPACIOS EUCLIDIANOS Y DE HILBERT 84


15.Espacios Euclı́deos 85

2
ÍNDICE GENERAL 3

16.Desigualdades de Cauchy-Schwarz-Buñakovski y Triangular 89

17.Aproximación de un punto con elementos de un convexo 94

18.Conjuntos y Sucesiones Ortogonales 101

19.Series de Fourier 107

20.Teoremas de la Representación de Riesz 112

21.El Operador Adjunto de Hilbert 117

IV TEORÍA ESPECTRAL 125


22.Propiedades espectrales de los Operadores Lineales Acotados 126

A. La Triyección 129
Repaso

Sea R∞ el conjunto de sucesiones de números reales. Sea (xn ) ∈ R∞ , l ∈ R.


Recuerde que:
def
1. (xn ) converge ⇔ ∃a ∈ R tal que
not
∀ > 0 ∃N tal que n > N ⇒ |xn − a| <  ⇔ a = lı́m xn
n−→∞

def
2. (xn ) es de Cauchy ⇔

∀ > 0 ∃N tal que n, m > N () ⇒ |xn − xm | < 

Th
3. (xn ) converge ⇔ (xn ) es de Cauchy.
Th
4. (xn ) converge ⇒ su lı́mite es único.
def
5. (xn ) es acotada ⇔ ∃R > 0 tal que
not
∀n ≥ 1, |xn | < R ⇔ {xn |n ≥ 1}

es un conjunto acotado.
Th
6. (xn ) es de Cauchy ⇒ (xn ) es acotada (pero no en el otro sentido).
7. NOTA: Sea A ⊂ R:
def
(i) A es acotado por abajo ⇔

∃C1 ∈ R tal que ∀x ∈ A, C1 ≤ x

(C1 es una cota inferior ).


def
A es acotado por arriba ⇔

∃C2 ∈ R tal que ∀x ∈ A, x ≤ C2

(C2 es una cota superior ).


def
A es acotado ⇔ A es acotado por arriba y por abajo
nota
⇔ ∃C1 , C2 ∈ R tal que ∀x ∈ A, C1 ≤ x ≤ C2
nota
⇔ ∃R > 0 tal que ∀x ∈ A |x| < R

4
(ii) Sea Ω 6= φ, f : Ω → R es una función acotada
def
⇔ Im(f ) es un conjunto acotado
th
⇔ ∃R < 0 tq ∀x ∈ Ω |f (x)| < R
def
(iii) sup A = más pequeña de las cotas superiores, si A es acotado por
arriba y +∞ si no.
Si sup A ∈ A se llama máximo de A. En este caso
def
máx A = sup A < ∞

Si sup A ∈ / A se escribe @ máx A.


def
ı́nf A = más grande de las cotas inferiores de A, si A es acotado por
abajo y −∞ si no.
Si ı́nf A ∈ A se le llama mı́nimo de A. En este caso

mı́n A = ı́nf A.

Si ı́nf A ∈
/ A, entonces @ mı́n A.

Ejercicios
1. Pruebe que (xn ) es de Cauchy y que converge usando las definiciones
 
n+1
(xn ) =
2n + 21
 
n + sin n
(xn ) =
2n + 3
 2 
2n − 7
(xn ) =
5n2 + 8
3n2 − 1
 
(xn ) =
n2 + n + 1
cos2 n
 
(xn ) =
1 + n2
 2 
4n + 3n
(xn ) =
2n2 + 1
2. Pruebe que:
(xn ) converge ⇒ (xn ) es de Cauchy.
(xn ) es de Cauchy ⇒ (xn ) es acotada.
(xn ) es acotada 6⇒ (xn ) converge. (dé un contraejemplo)
3. Pruebe que sin y cos son funciones acotadas. ¿Tienen máximo y mı́nimo?
4. Pruebe que tan y sec son no acotadas
5. Halle sup A, ı́nf A y si existen máx A y mı́n A:
3
A = {2 + p | p es un número primo}
A = {y ∈ R | ∃x ∈ R tq y = 3 sin x + 4 cos x}
 2 
2n + 3
A= | n ∈ N, n > π
5n2 + 7
 
3n + sin(nπ/2)
A= |n∈N
n+5
6. Resuelva la ecuación o inecuación dadas
1 − x < 5x ≤ 30 − x
3x + 1
2≤ ≤4
3
0 < |15 − 7x| ≤ 5

3 − x
−7 < 1


5x + 2
−5 > 1

|x + 5| < 12 − x

x + 1
x − 1 > 1

7. Grafique el conjunto A:
A = {(x, y) ∈ R2 | |x + y − 1| + |x − 2y − 3| = 5}
A = {(x, y) ∈ R2 | |x2 − 3y + 1| = 1}
A = {(x, y) ∈ R2 | |x + y − 1| + |y − x2 | ≤ 5}

6
Parte I

ESPACIOS MÉTRICOS

7
Capı́tulo 1

Espacios Métricos

Definición 1. Sea X 6= ∅. A una función d : X 2 → R, (x, y) 7−→ d(x, y) tal


que ∀x, y, z ∈ X

(M1) d(x, y) ≥ 0 (No negatividad)

(M2) d(x, y) = 0 ⇔ x = y (Unicidad)

(M3) d(x, y) = d(y, x) (Simetrı́a)

(M4) d(x, z) ≤ d(x, y) + d(y, z) (Desigualdad Triangular)

se le llama métrica o distancia en X y al par (X, d) espacio métrico.

Definición 2. Si (X, d) es un espacio métrico y Y ⊂ X es no vacı́o, d|y2 :


Y 2 → R es obviamente una métrica en Y y a (Y, d|y2 ) se le llama subespacio
de (X, d) y se nota por comodidad (Y, d). A d|y2 se le llama métrica inducida
en Y por d

Ejemplos
1. Si para x, y ∈ R ponemos d(x, y) = |x − y|, entonces d es una distancia en
R, llamada distancia natural o usual. Con la misma definiciı́on para d se
obtiene una métrica en C, siende en este caso |x − y| el módulo de x − y.

2. Sea KN ∈ {RN , CN }, n ≥ 2. Definiremos en KN algunas métricas. Si


 
x1
 x2  N
 ...  = (x1 , x2 , ..., xN ) ∈ K ,
x= 

xN
 
y1
 y2  N
 ...  = (y1 , y2 , ..., yN ) ∈ K
y= 

yN

8
y ponemos: v
uN
uX
d2 (x, y) = t |xk − yk |2
k=1

N
X
d1 (x, y) = |xk − yk |
k=1
v
uN
uX
p
dp (x, y) = t |xk − yk |p , 1 ≤ p < ∞
k=1

d∞ (x, y) = máx |xk − yk |


1≤k≤N

entonces (KN ,dp ) son espacios métricos ∀p ∈ [1, ∞]. A d2 se le llama


métrica usual o natural en RN o CN .

3. Sea X 6= ∅ y (
1 si x 6= y
d(x, y) =
0 si x = y
para x, y ∈ X, entonces (X, d) es un espacio métrico. A d se le llama
métrica discreta.

4. Sean c[a, b] = {f : [a, b] → K | f es continua}, K ∈ {R, C}. Si para f, g ∈


c[a, b] ponemos
Z b
d1 (f, g) = |f (x) − g(x)|dx;
a
s
Z b
p
dp (f, g) = |f (x) − g(x)|p dx, 1 ≤ p < ∞
a

d∞ (f, g) = máx |f (x) − g(x)|;


a≤x≤b

entonces dp es una métrica en c[a, b] ∀p ∈ [1, ∞]. La más usada es d∞ y


se pone C[a, b] = (c[a, b], d∞ ).

5. Sean K ∈ {R, C} , K∞ el conjunto de sucesiones de elementos de K. Si


ponemos para (xn ), (yn ) ∈ K∞ ,

X 1 |xk − yk |
d((xn ), (yn )) =
2k 1 + |xk − yk |
k=1

(K) = (K∞ , d) es un espacio métrico.

6. Sean K ∈ {R, K},



X
K∞
p = {(xn ) ∈ K

| |xn |p < ∞},
k=1

K∞
∞ = {(xn ) ∈ K

| (xn )es acotada}

9
Entonces, si ponemos para (xn ), (yn ) ∈ K∞
p :
v
u∞
uX
dp ((xn ), (yn )) = t
p
|xk − yk |p , 1 ≤ p < ∞
k=1

d∞ ((xn ), (yn )) = sup{|xk − yk | | k ∈ N},


son espacios métricos (K∞ p
p , dp ) =: l (K), 1 ≤ p ≤ ∞.

7. Si Ω 6= ∅, K ∈ {R, C}, b(Ω) = {f : Ω → K | f es acotada}, si para


f, g ∈ b(Ω) ponemos

d∞ (f, g) = sup{|f (x) − g(x)| | x ∈ Ω}

es un espacio métrico el par (b(Ω), d∞ ) =: B(Ω, K). (Notemos que l∞ (K) es


un caso particular de B(Ω, K) con Ω = N. Es decir que l∞ (K) = B(N, K))

Ejercicios
p
1. Si para x, y ∈ R se pone d(x, y) = |x − y|, pruebe que (R, d) es un
espacio métrico.

Demostración. Sean x, y, z ∈ R. Debemos probar (M1), (M2), (M3) y


(M4) para d:
p
(M1) d(x, y) = |x − y| ≥ 0
(M2)
p
d(x, y) = 0 ⇔ |x − y| = 0
⇔ |x − y| = 0
⇔ x−y =0
⇔ x=y
p p
(M3) d(x, y) = |x − y| = |y − x| = d(y, x)
(M4) Sabemos que |x − z| ≤ |x − y| + |y − z|, entonces
p p
|x − z| ≤ |x − y| + |y − z| + 2 |x − y| |y − z|
p p
= ( |x − y| + |y − z|)2

por lo que, extrayendo la raı́z cuadrada de la desigualdad


p p
|x − z| ≤ ( |x − y| + |y − z|)2 ,

obtenemos la desigualdad triangular buscada:


p p √
|x − z| ≤ |x − y| + y − z,

o también
d(x, z) ≤ d(x, y) + d(y, z)

10
2. Si d(x, y) = (x − y)2 . ¿Es (R, d) un espacio métrico?

3. Pruebe que en los ejemplos presentados se tienen espacios métricos. Donde


corresponda use los ejercicios 9 y 10.

4. Sea X = {a, b, c} un conjunto de tres elementos. Halle todas las métricas


d : X 2 → R tales que d(a, b) = 5.

5. Si (X, d) es un espacio métrico, halle los α ∈ R y β ∈ R tales que αd y


αd
d + β son métricas. Idem para .
1 + βd
αt
Sugerencia: analice la monotonı́a de f si f (t) = .
1 + βt

6. Sea X = {0, 1}3 = {(x1 , x2 , x3 ) | x1 , x2 , x3 ∈ {0, 1}}.


Para x = (x1 , x2 , x3 ), y = (y1 , y2 , y3 ) ∈ X, sea d(x, y) = número de
coordenadas de x y y que sean distintas.
Pruebe que (X, d) es un espacio métrico.

7. Sea (X, d) un espacio métrico. Pruebe que ∀x, y, z, w ∈ X:

(a): |d(x, y) − d(z, w)| ≤ d(x, z) + d(y, w)


(b): |d(x, y) − d(y, z)| ≤ d(x, z)

8. Sean N ≥ 2; ak , bk , ck ∈ R, k ∈ {1, ..., N }.


Pruebe que

∀k ∈ {1, ..., N }, [ak ≤ bk + ck ] ⇒ máx ak ≤ máx bk + máx ck


1≤k≤N 1≤k≤N 1≤k≤N

9. Sean x, y ∈ K, N ≥ 1, x = (x1 , ..., xN ), y = (y1 , ..., yN ), p ∈ [1, ∞[,


q ∈ [1, ∞[ tales que 1q + p1 = 1.
Entonces v v
XN uN
uX
uN
uX
p q
|xk yk | ≤ t |xk |p t |yk |q
k=1 k=1 k=1

es la desigualdad de Hölder.
En particular v v
N
X
uN
uX
uN
uX
|xk yk | ≤ t 2
|xk | t |yk |2
k=1 k=1 k=1

es la desigualdad de Cauchy-Schwarz. Demuestre estas desigualdades.

10. Sean (xn ) ∈ K∞ ∞


p , (ym ) ∈ Kq p, q ∈ [1, ∞[, tales que
1
q + 1
p = 1 (se dice
que p y q son exponentes conjugados).
Pruebe que v v
X∞ u∞ u∞
uX uX
|xk yk | ≤ p
t p
|xk | tq
|yk |q
k=1 k=1 k=1

11
la desigualdad de Hölder.
En particular v v
X∞ u∞ u∞
uX uX
|xk yk | ≤ t |xk |2 t |yk |2
k=1 k=1 k=1

la desigualdad de Cauchy-Schwarz.

11. Pruebe que ∀x = (x1 , ...xN ) ∈ KN ,

N
!2 N
X X
|xk | ≤N |xk |2
k=1 k=1

12. Halle (xN ) ∈ R∞ tal que


lı́m xn = 0
n→∞

/ `p (R) ∀p ∈ [1, ∞[.


pero (xn ) ∈

13. Halle (xn ) ∈ `p (R) con p > 1, pero (xn ) ∈


/ `1 (R).

14. Sea (X, d) un espacio métrico, A ⊂ X no vacı́o. El diámetro de A, notado


δ(A), es definido por δ(A) = sup{d(x, y) | x, y ∈ A} se dice que A es
acotado si δ(A) < ∞. Pruebe que

(a) A ⊂ B ⇒ δ(A) ≤ δ(B)


(b) δ(A) = 0 ⇔ A tiene un solo punto.

15. Sea (X, d) un espacio métrico; A y B dos subconjuntos no vacı́os de X. La


distancia entre A y B, D(A, B) se define por D(A, B) = ı́nf{d(x, y) | x ∈
A, y ∈ B}. Pruebe que

(a) D no es una métrica en Po (X) = {A ⊂ X | A 6= ∅}


(b) A ∩ B 6= ∅ ⇒ D(A, B) = 0. (¿Qué se puede decir de la recı́proca?).

16. Sea (X, d) un espacio métrico, A ⊂ X no vacı́o, b ∈ X. Se llama distancia


de b a A a D(b, A) definido por D(b, A) = ı́nf{d(b, x) | x ∈ A}, (que
coincide con D({b}, A)) del ejercicio anterior). Pruebe que

|D(x, A) − D(y, A)| ≤ d(x, y) ∀x, y ∈ X.

17. Sean (X1 , d1 ), (X2 , d2 ) dos espacios métricos. Para u = (u1 , u2 ), v =


(v1 , v2 ) ∈ X1 × X2 , pongamos
p
δp (u, v) = p [d1 (u1 , v1 )]p + [d2 (u2 , v2 )]p , 1 ≤ p ≤ ∞ , y

δ∞ = máx{d1 (u1 , v1 ), d2 (u2 , v2 )}.

(a) Pruebe que (X1 × X2 , δp ) son espacios métricos ∀p ∈ [1, ∞]


(b) Generalice el resultado para el producto cartesiano de N espacios
métricos, N ≥ 2.

18. Pruebe que (R2 , d) es un espacio métrico si

12
(a) d((x1 , x2 ), (y1 , y2 )) = 3|x1 − y1 | + 15 |x2 − y2 |
(b) d((x1 , x2 ), (y1 , y2 )) = máx{7|x1 − y1 |, 15 |x2 − y2 |}

19. Pruebe que:


(a) En la definiciı́on de métrica se puede omitir (M1), ya que resulta de
(M2), (M3) y (M4)
(b) (M3) y (M4) pueden ser obtenidos de (M2) y de (M5) si
(M5) ∀x, y, z ∈ X,

d(x, y) ≤ d(z, x) + d(z, y)

13
Capı́tulo 2

Conceptos Topológicos

Definición 3. Sea (X, d) un espacio métrico; sean a ∈ X, r > 0:

Br (a) = {x ∈ X|d(x, a) < r} es una bola abierta con centro a y radio r.


er (a) = {x ∈ X|d(x, a) ≤ r} es una bola cerrada con centro a y radio
B
r.

Sr (a) = {x ∈ X|d(x, a) = r} es una esfera con centro a y radio r.

NOTA: B
er (a) es la unión disjunta de Br (a) y Sr (a)

Ejemplos
1. En (R, d), donde d es la distancia usual (d(x, y) = |x − y|),

Br (a) =]a − r, a + r[,

er (a) = [a − r, a + r],
B
Sr (a) = {a − r, a + r}.

2. En (R2 , d2 ), donde d2 es la distancia usual, si a = (a1 , a2 ),


el gráfico de Sr (a) es la circunferencia de centro A(a1 , a2 ) y radio r;
el gráfico de Br (a) es el cı́rculo (excluida la circunferencia), con centro en
A(a1 , a2 ) y radio r.

3. En (R3 , d2 ), donde d2 es la distancia usual, si α = (a1 , a2 , a3 ),


el gráfico de Sr (a) es la esfera de centro A(a1 , a2 , a3 ) y radio r;
mientras que el gráfico de Br (a) es la bola con centro en A(a1 , a2 , a3 ) y
radio r (excluida la esfera).

Conceptos Topológicos
Definición 4. Sea (X, d) un espacio métrico. Sean M ⊂ X, M 6= ∅; A, B ⊂ X

1. a ∈ M es un punto interior de M si ∃r > 0 tal que Br (a) ⊂ M .

14
2. M̊ = {x ∈ M | x es punto interior de M} = interior de M.
3. A es abierto si A = ∅ o si A = Å. Es decir que A es abierto si todos sus
puntos, de tenerlos, son puntos interiores de A.
Dicho de otro modo A es abierto si
∀x ∈ A ∃rx > 0 tal que Brx (x) ⊂ A.
NOTA: M̊ es abierto. De hecho es el más grande subconjunto abierto de
M. Pruébelo!
4. B es cerrado si CB es abierto (CB = X\B).
5. Td = {C ⊂ X | Ces abierto}, el conjunto de todos los conjuntos abier-
tos en (X, d) se llama topologı́a asociada a d. Tiene tres propiedades
fundamentales:
(T1) ∅ ∈ Td y X ∈ Td
(T2) La unión finita o infinita de elementos de Td es elemento de Td (la
unión de abiertos es un abierto)
(T3) La intersección finita de elementos de Td es elemento de Td (la
intersección finita de abiertos es un abierto).
Ejercicio: pruebe estas propiedades. Tenga en cuenta la siguiente defi-
nicı́on de unión e intersección:
6. Si Ω 6= ∅ es un conjunto de ı́ndices (ejemplos Ω = {1, 2, 3}, Ω = {α, β, ...ω},
Ω = N, Ω = R), y si {Aω | Aω ⊂ X, ω ∈ Ω} ⊂ P (X) es una familia de
subconjuntos de X (finita o infinita según el Ω escogido), entonces
[ def
Aω = {x ∈ X | ∃ω ∈ Ω tal que x ∈ Aω }
ω∈Ω
\ def
Aω = {x ∈ X | ∀ω ∈ Ω, x ∈ Aω }
ω∈Ω

7. Las propiedades de Td inspiran la siguiente definicı́on: T ⊂ P (X) es una


topologı́a definida en X si
(T1) ∅, X ∈ T
S
(T2) Si Ω 6= ∅ y {Aω | ω ∈ Ω} ⊂ T , entonces ω∈Ω Aω ∈ T
TN
(T3) Si N ∈ N y {A1 , ..., AN } ⊂ T , entonces k=1 Ak ∈ T
Al par (X, T ) se le llama espacio topológico.
8. Si M tiene una infinidad de elementos, un punto b ∈ X se llama punto
de acumulación de M , ssi
∀r > 0, Br (b) contiene una infinidad de puntos de M.
También se lo llama punto lı́mite de M , que también se define ası́
∀r > 0, Br (b) contiene un punto de M, distinto de b.

Pruebe que las dos definiciones son equivalentes!


Si Ma = {x ∈ X | x es punto de acumulación de M}, al conjunto M =
M ∪ Ma se le llama clausura de M .

15
Ejercicios
1. Grafique S1 ((0, 0)), la esfera unidad en (R2 , dp ), para p ∈ {1, 1,5, 2, 3} y
para d∞ . Cómo se comporta S1 ((0, 0)) dibujado para dp si p → 1+ y si
p → +∞?.

2. Describa en C[0, π] = (c[0, π], d∞ ), los conjuntos S2 (cos), B2 (cos), B


e2 (cos).

3. Sea (X, d) un espacio métrico, donde d es la métrica discreta. Sea a ∈ X.


Halle B0,5 (a), B1 (a), B2 (a), B
e0,5 (a), B
e1 (a), B
e2 (a), S0,5 (a), S1 (a), S2 (a)

4. Pruebe que toda bola abierta es un abierto y que toda bola cerrada es un
cerrado.
5. Pruebe que si (X, d) es un espacio métrico y M ⊂ X, entonces:
(a) Ma es cerrado,
(b) M es cerrado,
(c) M es cerrado ⇔ Ma ⊂ M
(d) M es cerrado ⇔ M = M ,
(e) a ∈ M ⇔ ∀r > 0 Br (a) contiene al menos un punto de M ,
(f ) si A ⊂ B ⊂ X entonces Aa ⊂ Ba , y ,por ende A ⊂ B,
(g) F ⊂ X es cerrado y M ⊂ F ⇒ M ⊂ F , (M es el más pequeño cerrado
que contiene a M ),
(h) A ∪ B = A ∪ B,
(i) A ∩ B ⊂ A ∩ B.

6. Sea (X, d) un espacio métrico. Sean A, M ⊂ X no vacı́os. Supongamos


que A es abierto. Pruebe que:
(a) A ∩ M = ∅ ⇒ A ∩ M = ∅,
(b) M = M ∪ ∂M , donde

∂M = {x ∈ X | x es un punto de frontera deM }

es la frontera de M (x ∈ X es punto de frontera de M si ∀r > 0,


Br (x) contiene al menos un punto de M y al menos un punto de
CM ),
(c) M es abierto ⇒ M es la unión de bolas abiertas.
7. Pruebe que en R, si a, b ∈ R, a < b, [a, b] no es abierto, [a, b[, ]a, b] no son
abiertos ni cerrados; {a} no es abierto, {a} es cerrado, [a, b] es cerrado y
]a, b[ es abierto.
8. Realice los ejercicios indicados en la nota del numeral 3 y los numerales
4, 5 y 8 de la definición 4.

16
Capı́tulo 3

Lı́mites y Continuidad

Sean (X, dx ), (Y, dy ) dos espacios métricos.


Sea f : X → Y x 7→ f (x) tal que D(f )a 6= ∅ (o sea que el dominio de f tiene al
menos un punto de acumulación).
Sea x0 un punto de acumulación de D(f ). Se dice que l ∈ Y es el lı́mite de f (x)
cuando x tiende a x0 , lo que se escribe

l = lı́m f (x) o f (x)−−−→ l


x→x 0
x→x0

ssi
∀ > 0 ∃δ > 0 tal que 0 < dx (x, x0 ) < δ ⇒ dy (f (x), l) < 
(en esta definición esta implı́cito que x ∈ D(f )).
Si además x0 ∈ D(f ) y si f (x0 ) = l, se dice entonces que f es continua en x0 .
NOTA:
Para que f sea continua en x0 se requiere que

x0 ∈ D(f ) ∩ D(f )a y que f (x0 ) = lı́m f (x).


x→x0

Por la definicı́on anterior se tiene entonces que f es continua en x0 ssi

∀ > 0 ∃δ > 0 tal que dx (x, x0 ) < δ ⇒ dy (f (x), f (x0 ))

Definición 5. Si D(f ) = X = D(f )a , se dice que f es continua ssi

∀x0 ∈ X, f es continua en x0 .

Notación: Dado B ⊂ Y se llama preimagen de B por f al conjunto

f −1 (B) = {x ∈ X | f (x) ∈ B}

Notación: Si A y B son dos conjuntos no vacı́os y si F : A → B es una


función cualquiera, se pone para

Ω ⊂ A, F (Ω) = {F (x) | x ∈ Ω ∩ D(F )} = {y ∈ B | ∃x ∈ Ω tal que y = F (x)}

A F (Ω) se le llama imagen de Ω por F.


NOTA:

17
1. Si F : A → B es inyectiva, existe F −1 : B → A, la función inversa de
F definida ası́: D(F −1 ) = Im(F ), Im(F −1 ) = D(F ), F −1 (y) = x ssi
F (x) = y.
2. Para f : X → Y y B ⊂ Y , si f es inyectiva entonces f −1 (B) representa
tanto la preimagen de B por F, como la imagen de B por f −1 . Es decir que
los dos conceptos coinciden, lo que explica el uso de la misma notación.
Un resultado fundamental respecto a las funciones continuas es el siguiente:
Teorema 6 (de la función continua). Sean (X, dx ), (Y, dy ) dos espacios métricos
y f : X → Y una función para la cual D(f )a ⊂ D(f ) = X. Entonces

f es continua ⇔ ∀B ⊂ Y, abierto en(Y, dy ), f −1 (B) es abierto en (X, dx ).

Demostración. (⇒) Supongamos que f es continua. Sea B ⊂ Y abierto en


(Y, dy ). Vamos a probar que f −1 (B) es abierto en (X, dx ). Hay dos ca-
sos:
(a) Si f −1 (B) = ∅ entonces f −1 (B) es abierto.
(b) Si f −1 (B) 6= ∅, se debe probar que ∀x0 ∈ f −1 (B) x0 es un punto
interior de f −1 (B).
Sea x0 ∈ f −1 (B). P.D. x0 es un punto interior de f −1 (B).
Debemos hallar

r > 0 tal que Br (x0 ) ⊂ f −1 (B)

Sea y0 = f (x0 ). Entonces y0 ∈ B. Como B es abierto,

∃ > 0 tal que B (y0 ) ⊂ B.

Como f es continua, entonces f es continua en x0 .


Pero entonces

∃δ > 0 tal que dx (x, x0 ) < δ ⇒ dy (f (x), f (x0 )) < .

Entonces
x ∈ Bδ (x0 ) ⇒ x ∈ f −1 (B)
por lo que
Bδ (x0 ) ⊂ f −1 (B).
Basta entonces tomar
r = δ.
(⇐) Supongamos que ∀B ⊂ Y , abierto en (Y, dy ), f −1 (B) es abierto en (X, dx ).
P.D. f es continua.
Sea x0 ∈ X. P.D. f es continua en x0 .
Sea  > 0. Debemos hallar

δ > 0 tal que dx (x, x0 ) < δ ⇒ dy (f (x), f (x0 )) < .

Sea B = B (y0 ), con y0 = f (x0 ).


Entonces B es abierto en (Y, dy ).

18
Por lo tanto f −1 (B) es abierto en (X, dx ) y x0 ∈ f −1 (B).
Existe entonces r > 0 tal que Br (x0 ) ⊂ f −1 (B).
Por lo tanto
x ∈ Br (x0 ) ⇒ x ∈ f −1 (B) ⇒ f (x) ∈ B = B (y0 ).
Esto quiere decir que
dx (x, x0 ) < r ⇒ dy (f (x), y0 ) < 
Basta entonces tomar
δ = r.

Ejercicios
1. Sea (X, d) un espacio métrico. Sea A ⊂ X, A 6= ∅. Pruebe que:
A es abierto ⇔ A es la unión de bolas abiertas.
2. Pruebe que si (X, d) es un EM con la métrica discreta, entonces ∀A ⊂ X,
A es abierto y cerrado a la vez.
3. Describa M si:
(a) M = Q en R
(b) M = Q + iQ en C
(si A, B ⊂ R, A + iB = {x + iy | x ∈ A, y ∈ B} ⊂ C)
(c) M = {z ∈ C | |z| < 1}, en C

4. De un ejemplo cuando Br (a) 6= B fr (a) (la clausura de una bola abierta no


coincide con la bola cerrada del mismo centro y radio).
5. Sean f, h ∈ c[a, b] tales que ∀x ∈ [a, b] f (x) < h(x). Sea
M = {g ∈ c[a, b] | f (x) < g(x) < h(x) ∀x ∈ [a, b]}.
Pruebe que M es abierto en C[a, b] = (c[a, b], d∞ ). Donde:
c[a, b] ={f : [a, b] → R | f es continua};
d∞ (f, g) = máx |f (x) − g(x)|.
a≤x≤b

6. Sean (X, d) un espacio métrico, M ⊂ X. Pruebe que


x∈M ⇔ ∀ > 0 ∃y ∈ M tal que d(x, y) < 
⇔ ∀ > 0 M ∩ B (x) 6= ∅.

7. Sea (X, d) un espacio métrico. Se dice que (X, d) es separable ssi ∃M ⊂ X


un conjunto numerable tal que M = X.
(Se dice que M es siempre denso en X si M = X).
Pruebe que B[a, b] = (b[a, b], d∞ (f, g)) no es separable si
b[a, b] ={f : [a, b] → R | f es acotada},
d∞ (f, g) = sup |f (x) = g(x)|.
a≤x≤b

19
8. Pruebe que (X,d) es separable ssi existe A ⊂ X, un conjunto numerable
tal que
∀x ∈ X∀ > 0 ∃y ∈ A ∩ B (x).

9. Sean (X, dx ), (Y, dy ) dos espacios métricos, A ⊂ X.


Sea f : X → Y tal que X = D(f ) ⊃ D(f )a .

(a) Pruebe que f es continua ssi

∀F ⊂ Y cerrado en (Y, dy ), f −1 (F ) es cerrado en (X, dx )

(b) Pruebe que f es continua y A es abierto ; f (A) es abierto.

20
Capı́tulo 4

Sucesiones convergentes, de
Cauchy y acotadas

Sucesiones
Notemos que si X 6= ∅, los elementos de X 2 , X 3 , X 4 , X 5 , etc. son pares,
trı́os, cuádruples, quı́ntuples, etc. de elementos de X.
En general (x1 , x2 , ..., xN ) ∈ X N , N ≥ 1, es un N-tuple ordenado de elemen-
tos de X.
Es decir que a la entrada o casillero número 1 de (·, ·, ..., ·) le asignamos el
elemento x1 , a la número 2 el elemento x2 , ..., etc. y al casillero número N le
asignamos el elemento xN .
Esto quiere decir que al tomar un elemento (x1 , x2 , ..., xN ) de X N , lo que
hacemos es asociar a cada entero k ∈ {1, 2, ..., N }, un elemento xk de X.
Pero esto es lo que hace una función
x : {1, 2, ..., N } → X, n 7→ x(n) = xn .
Por ello a cada elemento de X N lo podemos ver como una función
x : {1, 2, ..., N } → X, n 7→ xn .
Si en vez de {1, 2, ..., N }, tomamos como domimio de la función a N, es decir si
tomamos funciones
x : N → X, n 7→ xn ;
a cada función de este tipo le asociamos un ∞-tuple (x1 , x2 , ...), llamado en
realidad no ası́ sino sucesión de elementos de X.
Al conjunto de sucesiones de elementos de X lo notaremos X ∞ y a la sucesión
(x1 , x2 , . . .) la notaremos (xn ).
(xn ) ∈ X ∞ quiere decir que (xn ) puede ser vista como una función
x : N → X, n 7→ xn .

Sucesiones convergentes
Para una función f : R → R y un número l ∈ R, tenı́amos que
l = lı́m f (x),
x→∞

21
si l podı́a ser aproximado con los valores f (x) con la presición que se deseara.
Para ello bastaba tomar x suficientemente grande. Esto se escribe

l = lı́m f (x) ⇔ ∀ > 0 ∃R > 0 tal que x > R() ⇒ |l − f (x)| <  (4.1)
x→+∞

Implı́citamente se entiende que tales x siempre existen. ES decir, se supone que


D(f ) es no acotado por arriba.
Como una sucesión numérica (an ) ∈ R∞ es una función a : N → R y su
dominio es N; la definición (4.1) puede escribirse, en este caso, ası́:

l = lı́m an ⇔ ∀ > 0 ∃N ∈ N tal que n > N () ⇒ |l − an | <  (4.2)


n→+∞

Generalicemos un poco estos conceptos, reemplazando el conjunto de llegada de


f y de a, que es R, con un conjunto no vacı́o X, que requiere obviamente estar
dotado de una métrica.
Sean entonces (X, d) un espacio métrico, f : R → X x 7→ f (x) una funcı́on
tal que D(f ) es no acotado por arriba y l ∈ X. Entonces

l = lı́m f (x) ⇔ ∀ > 0 ∃R > 0 ∀x ∈ D(f ), x > R() ⇒ d(l, f (x)) <  (4.3)
x→+∞

Por otro lado si (an ) ∈ X ∞ , tendremos que (an ) es convergente si existe


l ∈ X, llamado lı́mite de (an ), tal que

∀ > 0 ∃N ∈ N tal que n > N () ⇒ d(l, an ) <  (4.4)

Esto se nota

l = lı́m an o an −−−→ l
n→∞ o an → l,
n→∞

y se dice que (an ) converge a l, o hacia l.


NOTA:

1. Si ∃ lı́m f (x), éste es único (Pruébelo!).


x→+∞

2. Si ∃ lı́m an , éste es único (Pruébelo!).


n→∞

3. Si l = lı́m f (x) ⇔ lı́m d(l, f (x)) = 0 (Pruébelo!).


x→+∞ x→+∞

4. l = lı́m an ⇔ lı́m d(l, an ) = 0 (Pruébelo!).


n→∞ n→∞

5. Si (an ) ∈ X ∞ no es convergente, se dice que (an ) es divergente o que


diverge.

(En 3 y 4 los lı́mites de la derecha son los definidos para funciones R → R y


sucesiones de elementos de R).

Sucesiones de Cauchy
Dada la importancia de las sucesiones convergentes y lo inutilizable de la
definición para averiguar si una sucesión numérica es convergente (puesto que

22
se requerirı́a adivinar cual es el lı́mite y recién ahı́ ver si ∀ > 0 ∃N...), se vio
la necesidad de hallar criterios de convergencia de fácil aplicación.
Estos son en general condiciones suficientes que garantizan la convergencia
de una sucesión, sin conocer su lı́mite.
Por ejemplo:
(1) Una sucesión no decreciente y acotada por arriba es convergente;
(2) Una sucesión no creciente y acotada por abajo es convergente.
Cauchy descubrió el siguiente criterio:

Criterio 7 (de Cauchy). Si para (xn ) ∈ R∞ , los valores an ’s se pueden acercar


entre sı́ tanto como querramos, tomando, para garantizar ésto, ı́ndices suficien-
temente grandes, entonces (an ) es convergente.

La condición exigida por Cauchy puede escribirse:

∀ > 0 ∃N ∈ N tal que n, m > N () ⇒ |an − am | <  (4.5)

A las sucesiones que cumplen esta propiedad se las llama ahora sucesiones de
Cauchy. Algo extraordinario es que esta condición no es solo suficiente sino
también necesaria para la convergencia de sucesiones numéricas. Se tiene pues
el:

Teorema 8 (de Cauchy). Si (an ) ∈ R∞ entonces

(an ) es convergente ⇔ (an ) es de Cauchy

Si reemplazamos R con un conjunto X dotado de una métrica, tenemos la


siguiente:

Definición 9. Sea (an ) ∈ X ∞ donde (X, d) es un espacio métrico. Diremos


que:

(an )es de Cauchy ⇔ ∀ > 0 ∃N ∈ N tal que n, m > N () ⇒ d(an , am ) < 
(4.6)

Se tiene que si una sucesión (an ) es convergente, necesariamente es de Cauchy


pero en general el ser de Cauchy no es suficiente para la convergencia. El lector
puede probar el siguiente:

Teorema 10. Sean (X, d) un espacio métrico y (xn ) ∈ X ∞ . Entonces

(xn ) es convergente ⇒ (xn ) es de Cauchy

pero no al revés.

(Para probar : halle un espacio métrico y una sucesión que sea de Cauchy
pero que no converja).
NOTA IMPORTANTE: la convergencia o no de una función o, en par-
ticular, de una sucesión, ası́ como el ser o no de Cauchy, depende del espacio
métrico donde se trabaje.
Una sucesión, digamos (an ) ∈ Y ∞ , puede ser convergente en un espacio (X, d1 )
y divergente en otro espacio (Y, d), Y ⊂ X).
El lector puede probar el siguiente:

23
Lema 11. Sean (X, d) un espacio métrico; Y ⊂ X, Y 6= ∅; (an ) ∈ Y ∞ . Enton-
ces, si notamos (Y, d) al subespacio (Y, d |y2 ):

1. (an ) es de Cauchy en (Y, d) ⇔ (an ) es de Cauchy en (X, d).

2. (an ) es convergente en (Y, d) ⇒ (an ) es convergente en (X, d).

3. (an ) es convergente en (Y, d) : (an ) es convergente en (X, d).


Si converge en (Y, d) hacia l, en (X, d) también converge a l.

NOTA:

1. En la definición de sucesión de Cauchy (4.6) se puede poner

n > m > N () ⇒ d(an , am ) < 

en vez de
n, m > N () ⇒ d(an , am ) < .
Esto se debe a la simetrı́a de d y a que

d(an , an ) = 0 <  para todo n ≥ 1.

Esta trivial observación es útil cuando se debe usar la definición para


demostrar que una sucesión dada es de Cauchy.

2. Para probar 3 (:), se debe hallar un contraejemplo, es decir un espacio


(X, d) en Y ⊂ X y una sucesión (an ) ∈ Y ∞ que converja en (X, d) pero
no en (Y, d).

Conjuntos Acotados
Recordemos que si A ⊂ R, se dice que A es acotado si A es acotado por
arriba (∃c2 ∈ R tal que ∀x ∈ A, x < c2 ) y A es acotado por abajo (i.e. ∃c1 ∈ R
tal que ∀x ∈ A, c1 < x). Por ello:

1. A es acotado ⇔ ∃c1 , c2 ∈ R tales que c1 < c2 y ∀x ∈ A, c1 < x < c2 .

2. A es acotado ⇔ ∃c1 , c2 ∈ R tal que c1 < c2 y ∀x ∈ A, x ∈]c1 , c2 [.

3. A es acotado ⇔ ∃a ∈ R, r > 0 ∀x ∈ A, a − r < x < a + r.

4. A es acotado ⇔ ∃a ∈ R, r > 0 tales que ∀x ∈ A, x ∈]a − r, a + r[.

5. A es acotado ⇔ ∃a ∈ R, r > 0 tales que ∀x ∈ A, x ∈ Br (a).

6. A es acotado ⇔ ∃a ∈ R, r > 0 tales que A ⊂ Br (a).

7. A es acotado ⇔ ∃R > 0 tal que ∀x ∈ A, −R < x < R.

8. A es acotado ⇔ ∃R > 0 tal que ∀x ∈ A, |x| < R.

9. A es acotado ⇔ ∃R > 0 tal que ∀x ∈ A, x ∈ Br (0).

10. A es acotado ⇔ ∃R > 0 tal que A ⊂ Br (0).

24
Sugerimos al lector divertirse verificando estas equivalencias.
Por ejemplo, si conocemos c1 y c2 tome a = c1 +c 2
2
el punto medio del intervalo
c2 −C1
]c1 , c2 [ y r = 2 , la mitad de la longitud de ]c1 , c2 [.
Si reemplazamos R con un conjunto no vacı́o X, dotado de una métrica d,
podemos usar (6) para generalizar el concepto de conjunto acotado:
Definición 12. Sean (X, d) un espacio métrico, A ⊂ X. Entonces

A es acotado ⇔ ∃r > 0 y a ∈ X tal que A ⊂ Br (a).

Si X es un espacio vectorial podemos usar (10):


Definición 13. Sea (X, d) un espacio métrico donde X es un espacio vectorial.
Sea A ⊂ X. Entonces:

A es acotado ⇔ ∃R > 0 tal que A ⊂ Br (0).

NOTA:
1. En una sección anterior definimos lo que es un conjunto acotado de otro
modo:
Sea (X, d) un espacio métrico y A ⊂ X un conjunto no vacı́o. Se llama
diámetro de A al número

D(A) = sup{d(x, y) | x, y ∈ A}

si existe. Si no existe se pone D(A) = +∞.


Se dice que A es acotado si A es vacı́o o si su diámetro es finito.
Poniendo D(∅) = 0, se puede escribir
A es acotado ⇔ D(A) < ∞.
2. Las dos definiciones son equivalentes. El lector puede probar que
D(A) < ∞ ⇔ ∃a ∈ X, r > 0 tales que A ⊂ Br (a).

Funciones y sucesiones acotadas


Sea Ω 6= ∅. Se dice, para una función f : Ω → R:
(a) f es acotada por arriba ⇔ ∃c2 tal que ∀x ∈ Ω, f (x) < c2
(b) f es acotada por abajo ⇔ ∃c1 tal que ∀x ∈ Ω, f (x) > c1
(c) f es acotada ⇔ ∃c1 , c2 ∈ R tales que c1 < c2 y ∀x ∈ Ω c1 < f (x) < c2 .
Análogos conceptos se tienen para sucesiones (an ) ∈ R∞ .
Es obvio que: f es acotada (acotada por arriba, acotada por abajo) ssi Im(f ) lo
es.
(an ) es acotada ⇔ {an | n ∈ N} es acotada, etc.
Esto nos permite generalizar estos conceptos para funciones cuyo conjunto
de llegada, digamos X 6= ∅, está dotado de una métrica d:
Definición 14. Sea (X, d) un espacio métrico:
(a) Sea Ω 6= ∅. Una función f : Ω → X es acotada ssi Im(f ) es un conjunto
acotado en (X, d).

25
(b) (an ) ∈ X ∞ es una sucesión acotada ssi {an | n ≥ 1} es acotado en (X, d).
NOTA:
(a) f : Ω → X es acotada
ssi existe a ∈ X, r > 0 tales que Im(f ) ⊂ Br (a), ssi ∃a ∈ X, r > 0 tales
que ∀x ∈ D(f ), f (x) ∈ Br (a).
(b) (an ) ∈ X es acotada ssi ∃a ∈ X, r > 0 tales que ∀n ≥ 1 an ∈ Br (a).
El lector puede probar el:
Lema 15. Sean (X, d) un espacio métrico, (xn ) ∈ X ∞ . Entonces
(a) (xn ) es de Cauchy ⇒ (xn ) es acotada.
(b) (xn ) es de Cauchy : (xn ) es acotada.
NOTA:
1. para probar (b) halle un contraejemplo.
2. Volviendo a los conceptos antes vistos tenemos que:
(xn ) es convergente ⇒ (xn ) es de Cauchy ⇒ (xn ) es acotada
(xn ) es convergente : (xn ) es de Cauchy : (xn ) es acotada
3. El espacio métrico (R, d), donde d es la distancia usual dada por d(x, y) =
|x − y|, es especial en el sentido que (xn ) es de Cauchy ⇒ (xn ) es conver-
gente.
A los espacios que cumplen con esta propiedad se los llama completos. Su
nombre se explica porque una sucesión (xn ) que sea de Cauchy, no converge si
al conjunto X le falta un punto l que serı́a el lı́mite de (xn ). Una sucesión
de Cauchy es casi convergente, entonces tenemos la siguiente:
Definición 16. Un espacio métrico (X, d) es completo ssi ∀(xn ) ∈ X ∞ ,

(xn ) es de Cauchy ⇒ (xn ) es convergente.

Subsucesiones
Si (nk ) ∈ N es una sucesión estrictamente creciente y si para X 6= ∅, (xn ) ∈
X ∞ a la composición de x : N → X; n 7→ xn con n : N → N k 7→ nk , que se
nota (xnk ), se le llama subsucesión de (xn ) y se escribe (abreviadamente, si
se quiere) (xnk ) ⊂ (xn ).
Notemos que al ser (nk ) estrictamente creciente, se tiene que

∀k ≥ 1 k ≤ nk .

Ejemplos
1. (x2k ) = (x2 , x4 , x6 , ....) es una subsucesión de (xn ) = (x1 , x2 , ...)
2. (apk ) = (a1 , a2 , a3 , a5 , a7 , a11 , a13 , ...) es subsucesión de (an ) = (a1 , a2 , ...)
si (pk ) = (1, 2, 3, 5, 7, 11, 13, ...), donde pk es el k-ésimo número primo.

26
Ejercicios
Sea (X, d) un espacio métrico.
1. Sea (xn ) ∈ X ∞ convergente. Sea l = lı́m xn . Pruebe que toda subsuce-
n→∞
sión de (xn ) converge hacia l.
2. Sea (xn ) ∈ X ∞ una sucesión de Cauchy que posee una subsuceción (xnk )
convergente. Sea l = lı́m xnk . Pruebe que l = lı́m xn .
k→∞ n→∞

3. Sea (xn ) ∈ X . Pruebe que
(xn ) es convergente ⇒ (xn ) es de Cauchy ⇒ (xn ) es acotada
(xn ) es convergente : (xn ) es de Cauchy : (xn ) es acotada
4. Suponga conocido que (R, d) es completo. Pruebe que (R2 , d2 ) es completo,
y que l∞ = (R∞
∞ , d∞ ) es completo.

R∞
∞ = {(xn ) ∈ R

| (xn ) es acotada }

5. Sea (X, dx ), (Y, dy ) dos espacio métricos completos. Si


1
d((x, y), (u, v)) = máx{3dx (x, u), dy (y, v)},
5
pruebe que (X × Y, d) es completo.
6. Sea X 6= ∅ dotado de dos métricas dA y dB . Se dice que dA y dB son
equivalentes ssi ∃r, s > 0 tales que
∀x, y ∈ X, rdA (x, y) ≤ dB (x, y) ≤ sdA (x, y).
Escribiremos dA ∼ dB . Pruebe que en el conjunto
D = {d | d : X 2 → R es una métrica},
la relación definida por ∼ es una relación de equivalencia.
7. Sea X 6= ∅ dotado de dos métricas equivalentes dA y dB . Sean A ⊂ X,
(xn ) ∈ X ∞ , l ∈ X. Entonces:
(a) (xn ) es acotada en (X, dA ) ⇔ (xn ) es acotada en (X, dB )
(b) (xn ) es de Cauchy en (X, dA ) ⇔ (xn ) es de Cauchy en (X, dB )
(c) (xn ) converge hacia l en (X, dA ) ⇔ (xn ) converge hacia l en (X, dB )
(d) A es abierto en (X, dA ) ⇔ A es abierto en (X, dB )
(e) A es cerrado en (X, dA ) ⇔ A es cerrado en (X, dB )
8. Pruebe que si X 6= ∅ y d es la métrica discreta, (X, d) es completo.
9. Pruebe que si X = {a1 , a2 , ..., an }, n ∈ N, y d : X 2 → R es una métrica
cualquiera, (X, d) es completo.
10. Para x, y ∈ R sea d(x, y) = | arctan x − arctan y|. Pruebe que (R, d) es un
espacio métrico incompleto.
11. Pruebe que si a < b, [a, b[, ]a, b] y ]a, b[ con la distancia usual d, dada por
d(x, y) = |x − y|, son incompletos y que ([a, b], d) es completo.

27
Capı́tulo 5

Relación entre conjuntos


cerrados y subespacios
completos

Empecemos dando una muy útil caracterización de los puntos de la clausura


de un conjunto y de los conjuntos cerrados.

Teorema 17 (de la Clausura y de los Conjuntos Cerrados)). Sea (X, d) un


espacio métrico. Sean M ⊂ X un conjunto no vacı́o, y x ∈ X. Entonces:

1. x ∈ M ⇔ ∃(xn ) ∈ M ∞ tal que xn → x.

2. M es cerrado ⇔ [∀(xn ) ∈ M ∞ , xn → l ⇒ l ∈ M ].

Demostración. 1. (⇒) Supongamos que x ∈ M . Hay dos casos:

(a) x ∈ M : Basta tomar xn = x, ∀n ≥ 1


(b) x ∈ Ma \ M : Como

x ∈ Ma , ∀ > 0 ∃x() ∈ M ∩ B (x), x 6= x.

Para n ∈ N tomamos  = n1 y xn = x( n1 ) ∈ M .
Entonces
1
∀n ≥ 1, 0 ≤ d(xn , x) < ,
n
de donde por el teorema del Sánduche,

lı́m d(xn , x) = 0,
n→∞

y por lo tanto
xn → x, con (xn ) ∈ M ∞ .

(⇐) Supongamos que ∃(xn ) ∈ M ∞ tal que xn → x. P.D. x ∈ M .


Consideramos los dos casos posibles:

(a) x ∈ M ⇒ x ∈ M ∪ Ma = M ⇒ x ∈ M .

28
(b) x ∈
/ M . Como
∃(xn ) ⊂ M ∞ tal que xn → x
entonces

∀ > 0 ∃N tal que n > N () ⇒ d(xn , x) <  ⇔ xn ∈ B (x).

Probemos que x ∈ Ma :
Sea r > 0. Debemos hallar

y(r) ∈ M ∩ Br (x), y(r) 6= x.

Basta tomar
y(r) = xn con n > N (r)

(como (xn ) ∈ M , y(n) ∈ M , y como x ∈
/ M , xn 6= x).

2. (⇒) Supongamos que M es cerrado.


Sea (xn ) ∈ M ∞ . Supongamos que xn → l. P.D. l ∈ M .
Por (1) (⇐) tenemos que l ∈ M .
Como M es cerrado, sabemos que M = M , entonces l ∈ M .

(⇐) Supongamos que

[∀(xn ) ∈ M ∞ , xn → l ⇒ l ∈ M ].

P.D. M ⊂ M .
Sea x ∈ M . P.D. x ∈ M .
Por (1) (⇒):

x ∈ M ⇒ ∃(xn ) ∈ M ∞ tal que xn → x.

Por la hipótesis, x ∈ M .

Dado un espacio métrico (X, d) y un subconjunto no vacı́o Y de X, queremos


establecer una correlación entre dos propiedades: El subespacio (Y, d) es un
espacio métrico completo y M es un conjunto cerrado en el espacio métrico
(X, d). Veamos un ejemplo (X, d) = (R, d), con la distancia usual y para a < b,
(Y, d) = ([a, b[, d).
El espacio (Y, d) es incompleto. En efecto, si ponemos xn = b − b−a 2n para
n ∈ N , tenemos que (xn ) ∈ Y ∞ es de Cauchy pero no converge en (Y, d).
En efecto: Obviamente lı́m xn = b en (R, d).
n→∞
Entonces (xn ) es de Cauchy en (R, d), por lo cual (xn ) es de Cauchy en
(Y, d) pero no converge en (Y, d). (Si lo hiciera, entonces existitı́a l ∈ Y tal que
lı́m xn = l en (Y, d), por lo cual lı́m xn = l en (X, d). Pero entonces, por la
n→∞ n→∞
unicidad del lı́mite, b = l. Pero entonces b ∈ Y = [a, b[; lo que es un absurdo).
El resultado cambia con Y = [a, b]. En este caso (Y, d) es completo. La
causa es que [a, b] es cerrado en (R, d), que es un espacio completo. Esto es una
aplicación del siguiente teorema:

Teorema 18 (del Subespacio Completo). Sea (X, d) un espacio métrico. Sea


Y ⊂ X un subconjunto no vacı́o de X. Entonces:

29
1. El subespacio (Y, d) es un espacio métrico completo ⇒ Y es un conjunto
cerrado en (X, d).

2. Si (X, d) es completo, se tiene que en 1. la recı́proca, es decir que: (X, d)


es completo e Y es cerrado en (X, d) ⇒ (Y, d) es completo.

Nota: 1. no requiere que (X, d) sea completo, pero de serlo podemos escribir:
(Y, d) es completo ⇔ Y es cerrado en (X, d).

Demostración. 1. Supongamos que (Y, d) es completo. P.D. Y es cerrado en


(X, d)
Por 2. del teorema de los conjuntos cerrados, basta probar que si (yn ) ∈
Y ∞ , yn → l, ⇒ l ∈ Y .
Supongamos entonces que yn → l. P.D. l ∈ Y .
Pero yn → l

⇒ (yn ) es convergente en (X, d)


⇒ (yn ) es de Cauchy en (X, d)
⇒ (yn ) es de Cauchy en (Y, d), porque (yn ) ∈ Y ∞

Como (Y, d) es completo, entonces (yn ) converge en (Y, d)

⇒ ∃y ∈ Y tal que yn → y en (Y, d)


⇒ yn → y en (X, d)
⇒ y = l (por la unicidad del lı́mite)
⇒ l ∈ Y (puesto que y ∈ Y ).

2. Supongamos que (X, d) es completo y que Y es cerrado en (X, d)


Probemos que (Y, d) es completo.
Sea (yn ) ∈ Y ∞ una sucesión de Cauchy en (Y, d)
Debemos hallar y ∈ Y tal que yn → y en (Y, d).
Pero (yn ) es de Cauchy en (Y, d) ⇒ (yn ) es de Cauchy en (X, d)
Como (X,d) es completo ∃y ∈ X tal que yn → y en (X, d).
Basta ver que y ∈ Y :
Como (yn ) ∈ Y ∞ y como Y es cerrado, por 2 del teorema de los conjuntos
cerrados, tenemos que y ∈ Y .

En Cálculo Diferencial, vimos que si f : R → R es una función continua y si


(xn ) ∈ R∞ es una sucesión convergente, entonces
 
lı́m f (xn ) = f lı́m (xn ) .
n→∞ n→∞

Es decir que podemos cambiar de orden el lı́mite y la función. Veamos cómo se


puede generalizar este resultado:

Teorema 19 (de la función continua). Sean (X, dx ), (Y, dy ) dos espacios métri-
cos. Sea f : X → Y una función y sea a ∈ D(f ) ∩ D(f )a . Entonces

f es continua en a ⇔ ∀(xn ) ∈ D(f ),


[xn → a en (X, dx )] ⇒ [f (xn ) → f (a) en (Y, dy )]

30
Nota: Recordemos que:
(i)
f es continua en a ⇔ ∀0 > 0 ∃δ > 0 tal que
dx (x, a) < δ(0 ) ⇒ dy (f (x), f (a)) < 0

(ii)
xn → a en (X, dx ) ⇔ lı́m dx (xn , a) = 0
n→∞
⇔ ∀1 > 0 ∃N1 tal que
n > N1 (1 ) ⇒ dx (xn , a) < 1

(iii)
f (xn ) → f (a) en (Y, dy ) ⇔ lı́m dy (f (xn ), f (a)) = 0
n→∞
⇔ ∀2 > 0 ∃N2 tal que
n > N2 (2 ) ⇒ dy (f (xn ), f (a)) < 2 .

Demostración. (⇒) Supongamos que f es continua en a.


Sea (xn ) ∈ D(f ). Supongamos también que xn → a en (X, dx ).
P.D. f (xn ) → f (a) en (Y, dy ).
Sea  > 0. Debemos hallar
N tal que n > N ⇒ dy (f (xn ), f (a)) <  (por (iii) de la nota).
Pero
dy (f (xn ), f (a)) <  ⇐ dx (xn , a) < δ() por la nota (i)
⇐ n > N1 (δ()) por la nota (ii).
Basta entonces tomar N = N1 (δ())
(⇐) Supongamos que
∀(xn ) ∈ D(f ), xn → a en (X, dx ) ⇒ f (xn ) → f (a) en (Y, dy ).
P.D. f es continua en a.
Por el absurdo: Supongamos que f no es continua en a.
Entonces (por la negación de (i) de la nota),
∃0 > 0 tal que ∀δ > 0 ∃x(δ) ∈ D(f ) tal que dx (x(δ), a) < δ
y tal que
dy (f (x(δ)), f (a)) ≥ 0 .
Para n ∈ N, tomemos
 
1 1
xn = x ∈ D(f ) tal que dx (xn , a) < y dy (f (xn ), f (a)) ≥ 0 .
n n
Pero entonces xn → a y f (xn ) 9 f (a).
Esto contradice la hipótesis de que
xn → a ⇒ f (xn ) → f (a).
Por consiguiente d es continua en a.

31
Ejercicios
1. Sea a < b. Pruebe que ] − ∞, b], [a, b] y [a, +∞[ son completos, mientras
que ] − ∞, b[, [a, b[, ]a, b[, ]a, b] y ]a, ∞[ son incompletos, con la distancia
usual en todos los casos.

2. Pruebe que (Rn , d∞ ) es completo ∀n ≥ 2. Se conoce ya que (R, d) es


completo (d es la distancia usual).
3. Sea M = {(xn ) ∈ R | ∃n ∈ N tal que xk = 0 ∀k > n}.
Obviamente M ⊂ R∞ ∞ = {(xn ) ∈ R

| (xn )es acotada}.
∞ ∞
Recuerde que l = (R∞ , d∞ ) es completo, y que d∞ ((xn ), (yn )) = supk≥1 |xk −
yk |.
Pruebe que (M, d∞ ) es incompleto:
(a) hallando en M una sucesión de Cauchy que no converge en (M, d∞ );
(b) aplicando el Teorema del subespacio completo.
4. Pruebe que (Z, d) es completo (d es la distancia usual).
1
5. Para m, n ∈ N sea d(m, n) = m − n1 . Pruebe que (N, d) es un espacio
métrico y que es incompleto.
6. Pruebe que para una sucesión (fn ) ∈ (c[a, b])∞ se tiene:

(fn ) converge en C[a, b] ⇔ (fn ) converge uniformemente.

7. Sean a < b, Y = {f ∈ c[a, b] | f (a) = f (b)}. Pruebe que el subespacio


(Y, d∞ ) de C[a, b] es completo.
8. Use el ejercicio anterior para demostrar el clásico teorema del cálculo: Si
(fn ) ∈ (c[a, b])∞ converge uniformemente hacia f : [a, b] → R, entonces
f ∈ c[a, b].
Rb
9. Pruebe que (c[a, b], d1 ) es incompleto, si d1 (f, g) = a |f (x) − g(x)|dx.

10. En M del ejercicio 3, para (xn ), (ym ) ∈ M ∞ pongamos


X
d1 ((xn ), (ym )) = |xk − yk |.
k≥1

Pruebe que (M ∞ , d1 ) es un espacio métrico y que es incompleto. Ver que


(n)
((xk ))n≥1 es de Cauchy pero no converge, si para todo n ≥ 1:
 
(n) 1 1 1
(xk )k≥1 = 1, 2 , 2 , ..., 2 , 0, 0, ... ,
2 3 n

es decir (
(n) k −2 si 1 ≤ k ≤ n
xk = .
0 si k > n

32
Capı́tulo 6

Isomorfismos

6.1. Espacios isomorfos


Etimológicamente isomorfismo viene del griego (iso: igual; morphos: forma).
Si varios entes matemáticos tienen una estructura similar de la que derivan
ciertas propiedades, sin importar la naturaleza concreta de los componentes de
dichos entes, nos podemos limitar al estudio abstracto de la estructura común
de ellos.
Por ejemplo: si estudiamos un conjunto de tres elementos, puede no impor-
tarnos√la naturaleza de los elementos del conjunto: da lo mismo si es {α, β, γ} o
{1, π, 2} o {luna, sol, estrella}, etc. lo que importa en cada caso es que es un
conjunto de tres elementos. De hecho aquello que tienen de común estos con-
juntos es lo que cada ser humano entiende por número tres. Dichos conjuntos
son isomorfos.

Definición 20. Dos conjuntos no vacı́os X e Y son isomorfos (en tanto que
conjuntos) si existe una función biyectiva ϕ : X → Y , llamada en este caso
isomorfismo (de conjuntos).

NOTA:

1. ϕ es biyectiva ⇔ D(ϕ) = X, Im(ϕ) = Y y ϕ es inyectiva.

2. X e Y son isomorfos ⇔ |X| = |Y | (|A| = potencia de A).

Definición 21. Sean (X1 , +1 , ·1 ), (X2 , +2 , ·2 ) dos espacios vectoriales ambos


sobre K ∈ {R, C}. Ellos son isomorfos (en tanto que espacios vectoriales) si
∃ϕ : X1 → X2 biyectiva y tal que:

(A) ∀u, v ∈ X1 , ϕ(u +1 v) = ϕ(u) +2 ϕ(v)

(H) ∀α ∈ K, ∀y ∈ X1 ϕ(α ·1 u) = α ·2 ϕ(u)

A ϕ se le llama isomorfismo de los espacios vectoriales dados.

NOTA:

1. (A) es la propiedad de aditividad y (H) la de homogeneidad de ϕ, que


juntos constituyen la propiedad de linealidad (L) de ϕ.

33
2. La estructura de cada espacio vectorial incluye un conjunto no vacı́o (X1
y X2 , respectivamente). Al ser ϕ biyectiva, ϕ también es un isomorfismo
entre X1 y X2 , en tanto que conjuntos.
3. En resumen, un isomorfismo entre espacios vectoriales es una biyección
lineal entre ellos.
Definición 22. Sean (X1 , d1 ), (X2 , d2 ) dos espacios métricos. Ellos son iso-
morfos (en tanto que espacios métricos) si ∃ϕ : X1 → X2 biyectiva y tal que:
(I) ∀u, v ∈ X1 , d1 (u, v) = d2 (ϕ(u), ϕ(v))
si ϕ cumple (I) se dice que es una isometrı́a. A ϕ se le llama isomorfismo
de dichos espacios métricos.
NOTA:
1. ϕ, al ser biyectiva, es también un isomorfismo entre X1 y X2 en tanto que
conjuntos.
2. Un isomorfismo es, en este caso, una isometrı́a biyectiva.
De los tres ejemplos de isomorfismos vemos que ϕ conserva la estructura: de
conjuntos en el primer caso, de espacios vectoriales en el segundo, y de espacios
métricos en el tercero.
En el caso de dos espacios métricos isomorfos, por ejemplo, todo lo que “ le
pase” al primero, en tanto que espacio métrico, será replicado exactamente en
el segundo. En particular las propiedades topológicas.

Ejemplos
|u − v|
1. Sea X1 = [0, 1], d1 (x, y) = |x − y|; X2 = [a, b], d2 (u, v) =
.
b−a
Ver que si ponemos ϕ(x) = a + (b − a)x entonces ϕ : X1 → X2 es un
isomorfismo.
En efecto, ϕ es obviamente biyectiva y
∀x, y ∈ X1 ,
1
d2 (ϕ(x), ϕ(y)) = | [a + (b − a)x] − [a + (b − a)y] |
b−a
= |x − y|
= d1 (x, y).
Note el lector que si ponemos ϕ(x) = b − (b − a)x, entonces ϕ también es
un isomorfismo.
Note también que, en este caso, ϕ : [0, 1[→]a, b] es un isomorfismo entre
([0, 1[, d1 ) y (]a, b], d2 ).
2. Sea P2 = {p : R → R | p es un polimonio de grado ≤ 2} y
d(p1 , p2 ) = |a1 − a2 | + |b1 − b2 | + |c1 − c2 |, si pk (x) = ak x2 + bk x + ck ,
k ∈ {1, 2}.
Si ponemos
 
a
ϕ : P2 → R3 , p 7→ ϕ(p) =  b  , con p(x) = ax2 + bx + c,
c

34
entonces ϕ es un isomorfismo de los espacios métricos (P2 , d) y (R3 , d1 ),
donde
3
X
d1 (u, v) = |uk − vk |,
k=1
si    
u1 v1
u = u2  , v = v2  .
u3 v3
Como P2 y R3 son espacios vectoriales con las operaciones usuales de suma y
de multiplicación por un escalar, sugerimos al lector verificar si ϕ también es
un isomorfismo entre estos espacios vectoriales.
¿Qué sucede si en P2 reemplazamos d por:
˜ y) = |a1 − a2 | + 2|b1 − b2 | + 1 |c1 − c2 |?.
d(x,
3
Halle un isomorfismo, en este caso.

6.2. Como completar un espacio métrico incom-


pleto
Recordemos que si en un espacio métrico (X, d), un conjunto M no es cerrado,
lo podemos cerrar.
Su clausura es
M = M ∪ Ma = M ∪ (Ma \ M ) = M ∪ (∂M \ M ).
Para cerrar M le añadı́amos los puntos que le faltan para ser cerrado, que son
los del conjunto
M \ M = Ma \ M = ∂M \ M.
Esos puntos se toman de X, el universo donde estamos trabajando.
Análogamente, si un espacio métrico (X, d) es incompleto, quiere decir que
existe al menos una sucesión de Cauchy (que es una excelente candidata a ser
convergente), que no converge. ¿Por qué?.
Porque en el conjunto X no existe un elemento que serı́a el lı́mite de dicha su-
cesión. Por eso decimos que el espacio es incompleto.
Si deseamos completarlo, deberı́amos añadirle los elementos que serı́an los lı́mi-
tes de las sucesiones de Cauchy que no convergen. Pero de dónde tomarlos, si
X ya es el universo entero donde trabajamos.
El teorema del subespacio completo nos da la respuesta en el caso en que
el espacio incompleto sea (Y, d) un subespacio de un espacio completo (X, d).
Basta cerrar el conjunto Y en (X, d) y (Y , d) será el completado buscado.
Pero si el espacio incompleto no está inmerso en un espacio completo más
grande, esta vı́a no es posible. Cómo proceder en este caso?. Es posible hallar
una solución al problema de completar un espacio incompleto, digamos (X, d)?.
La respuesta, sorprendentemente, es afirmativa: se lo logra construyendo un
espacio paralelo (X1 , d1 ) que sea completo y que contenga un subespacio siempre
denso (Y, d1 ) que sea isomorfo a (X, d).
Como Y = X1 en (X1 , d1 ), de alguna manera se replica la idea enunciada antes
para un subespacio incompleto de un espacio completo.

35
De hecho tenemos el
Teorema 23 (del Completamiento de un espacio métrico). Sea (X, d) un espa-
cio métrico incompleto. Entonces existe (X1 , d1 ), un espacio métrico completo el
cual contiene un subconjunto no vacı́o Y denso en (X1 , d1 ) (es decir que si Y es
la clausura de Y en (X1 , d1 ), entonces X1 = Y ), de modo que (X,d) es isomorfo
a (Y, d1 ). Al espacio (X1 , d1 ) se le llama completamiento o completado de
(X, d) y es único, salvo isomorfismos.
Es decir que si existe otro espacio, digamos (X2 , d2 ), que sea completo y posea
un subconjunto W denso en (X2 , d2 ) y tal que (X, d) sea isomorfo a (W, d2 ),
entonces los espacios (X1 , d1 ) y (X2 , d2 ) son isomorfos.
Demostración. Existencia: Sea Xc = {(xn ) ∈ X ∞ | (xn ) es de Cauchy en(X, d)}.
Para (xn ), (yn ) ∈ Xc pongamos:
def
(xn ) ∼ (yn ) ⇔ lı́m d(xk , yk ) = 0.
k→∞

Entonces ∼ es una relación de equivalencia (pruébelo!). Sea


X1 = Xc / ∼
= {(x
d n ) | (xn ) es la clase de equivalencia
d
con representante (xn ) ∈ Xc }.
Para (x n ), (yn ) ∈ X1 sea
d d

d1 ((x
d n ), (yn )) = lı́m d(xn , yn ).
d
n→∞

El par (X1 , d1 ) es un espacio métrico completo (Pruébelo).


Sea ϕ : X → X1 , x 7→ (x d n ), donde (xn ) = (x, x, x, ...).
La función ϕ : X → X1 es inyectiva y D(ϕ) = X.
Si ponemos Y = Im(ϕ), entonces ϕ : X → Y es biyectiva e isométrica.
Por otro lado Y = X1 . La función ϕ es el isomorfismo buscado. (Pruebe
estas propiedades de ϕ y de Y).
Unicidad: Supongamos que (X1 , d1 ) con Y ⊂ X1 y (X2 , d2 ) con W ⊂ X2 , son
dos completados de (X, d) Debemos probar que ∃ φ : X1 → X2 que sea
un isomorfismo entre (X1 , d1 ) y (X2 , d2 )

36
Sean ϕ : X → Y y ψ : X → W isomorfismos y supongamos que
X1 = Y , la clausura de Y en (X1 , d1 ),
X2 = W , la clausura de W en (X2 , d2 ).
Sea φ0 : Y → W , φ0 = ψ ◦ ϕ−1 .
Obviamente φ0 es un isomorfismo entre (Y, d1 ) y (W, d2 ).
Sea u ∈ X1 = Y .
Entonces
∃(un ) ∈ Y ∞ tal que d1 (un , u) → 0.
Sea vn = φ0 (un ), n ∈ N.
Como (un ) converge, entonces (un ) es de Cauchy en (X1 , d1 ), y como φ0
es una isometrı́a, (vn ) es de Cauchy en (X2 , d2 ).
Pero este espacio es completo, entonces

∃v ∈ X2 tal que d2 (vn , v) → 0.

Sea φ(u) = v.
Pruebe el lector que φ está bien definida (no depende de la sucesión (un )
tomada para cada u ∈ X1 ) y que φ : X1 → X2 es un isomorfismo.
Esto concluye el esquema de demostración del teorema.

Ejercicios
1. Sea (Q, d), con la distancia usual d. Pruebe que es incompleto y que (R, d)
es un completado de (Q, d).
2. Sea a < b. Halle dos completados distintos para (]a, b], d), donde d es la
distancia usual. (Por ejemplo tome X1 = [0, 1], X2 = [1, 3] y halle d1 y d2
convenientes).
3. Pruebe que si (X1 , d1 ) y (X2 , d2 ) son isomorfos, entonces
(X1 , d1 ) es completo ⇔ (X2 , d2 ) es completo.
Definición 24. Sean (X, dx ), (Y, dy ) dos espacios métricos. Una función
ϕ : X → Y es un homeomorfismo si ϕ es biyectiva y bicontinua, es
decir que tanto ϕ como ϕ−1 son continuas.

4. Pruebe que:
(a) (X, dx ) e (Y, dy ) son isomorfos ⇒ (X, dx ) e (Y, dy ) son homeomorfos.
(b) Dé un ejemplo de 2 espacios homeomorfos, el uno completo y el otro
no. (lo que implica que en (a) la recı́proca no siempre tiene lugar,
dado el resultado del ejercicio 3).
5. Pruebe que C[0, 1] y C[a, b] son isomorfos.
6. Sea (X, d) un espacio métrico. Sea d˜ = d/(1 + d). Pruebe que
˜ es completo.
(X, d) es completo ⇔ (X, d)

7. Pruebe los puntos no demostrados en el esquema de demostración del


teorema del completamiento de un espacio métrico que hemos presentado:

37
a) d1 está bien definida y es una métrica;
b) ϕ es inyectiva; y,
c) φ está bien definida, es decir que v no depende de la sucesión (an )
utilizada.

38
Capı́tulo 7

El teorema del Punto Fijo


de Banach. Aplicaciones a
las EDO’s.

Definición 25. Sean X 6= ∅, T : X → X. Se dice que x ∈ X es un punto fijo


de T si y sólo si T x = x.

Ejemplos

0) La identidad: Todo punto es fijo.

1) T : R → R, x 7→ T x = x3 tiene tres puntos fijos (−1, 0, 1).

2) T : R2 → R2 , (x, y) 7→ (x + 1, y + 2) no tiene puntos fijos.

3) T : R2 → R2 , (x, y) 7→ (x cos θ + y sin θ, x sin θ + y cos θ); si θ = 2kπ con


k ∈ Z, todo punto es fijo, si no, sólo (0, 0)

Definición 26. Sean (X, d) un espacio métrico, T : X → X. Se dice que T es


una contracción si y sólo si ∃α ∈]0, 1[ tal que ∀x, y ∈ X, d(T x, T y) ≤ αd(x, y).

Teorema 27 (Del punto fijo de Banach). Sea (X,d) un espacio métrico completo
y T : X → X una contracción. Entonces:

1. ∃!x ∈ X, punto fijo de T .

2. ∀x0 ∈ X, si ponemos xn+1 = T xn , ∀n ≥ 0 (llamadas iteraciones de


Picard), entonces
xn → x

Demostración. Existencia: Sea x0 . Probemos que (xn ) es de Cauchy:

Si x1 = T x0 = x0 es obvio.

39
Supongamos que x0 6= x1 :
Notemos que ∀m ≥ 1,
d(xm+1 , xm ) = d(T xm , T xm−1 )
≤ αd(xm , xm−1 )
≤ α2 d(xm−1 , xm−2 )
≤ αm d(x1 , x0 ).
Sea  > 0.
Sean n > m ≥ 1:
d(xn , xm ) ≤ d(xn , xn−1 ) + d(xn−1 , xn−2 ) + ... + d(xm+1 , xm )
≤ (αn−1 + αn−2 + ... + αm )d(x1 , x0 )
1 − αn−m
= αm d(x0 , x1 ) (∗)
1−α
αm
< d(x0 , x1 ) puesto que 0 < α < 1
1−α
< paran > m > N adecuado.
Hemos probado entonces que (xn ) es de Cauchy.
Como (X, d) es completo, entonces (xn ) converge, digamos hacia x. Pro-
bemos que T x = x.
Como para todo n ≥ 2 se tiene que
0 ≤ d(x, T x) ≤ d(x, xn ) + d(xn , T x)
≤ d(x, xn ) + d(T xn−1 , T x)
≤ d(x, xn ) + αd(xn−1 , x),
y como cada uno de los términos tiende a cero cuando n → ∞, se tiene
que d(x, T x) = 0, es decir x = T x.
Unicidad: Supongamos que para x̃ ∈ X se tiene que T x̃ = x̃ PD. x = x̃.
0 ≤ d(x, x̃) = d(T x, T x̃) ≤αd(x, x̃),
(1 − α)d(x, x̃) ≤0.
de donde: 0 < α < 1, 0 ≤ (1 − α)d(x, x̃) ≤0,
por lo tanto d(x, x̃) = 0.
Nota 28 (Estimación del error de las iteraciones). Se tiene:
αn
(1.) d(xn , x) ≤ 1−α d(x0 , x1 ) (estimación a priori)
α
(2.) d(xn , x) ≤ 1−α d(xn−1 , xn ) (estimación a posteriori)
1. Sale de (*), tomando lı́m y cambiando luego m por n.
n→∞

2. De (1) con n = 1 se tiene para (yn ), con y0 ∈ X con T yn+1 = T yn .


α
d(y1 , x) ≤ d(y0 , y1 ).
1−α
Ponemos ahora y0 = xn−1 y se obtiene que y1 = T y0 = T xn−1 = xn , de
donde sale (2).

40
Nota 29. A veces T es una contracción solo en un subconjunto Ω de X. Si
(X, d) es completo y Ω es cerrado, se aplica el teorema del punto fijo, en (Ω, d)
Teorema 30 (Contracción en una bola). Sean (X, d) un espacio métrico com-
pleto y T : X → X una contracción en una Bola B̃r (x0 ). (i.e ∃α ∈]0, 1[, t.q ∀x, y ∈
B̃r (x0 ), d(T (x), T (y)) ≤ αd(x, y))
Si además d(x0 , T x0 ) < (1 − α)r. Entonces (xn ) converge a x ∈ B̃r (x0 ),
donde
x = lı́m xn
n→∞
con (xn ) obtenida con las iteraciones de Picard.
Demostración. Ver que (xn ) ⊂ B̃r (x0 ).

Sea n ≥ 1, dado que


1
d(xn , x0 ) ≤ d(x1 , x0 ) < r
1−α
entonces xn ∈ B̃r (x0 )
Entonces x = lı́m xn ∈ B̃r (x0 ), porque B̃r (x0 ) es cerrado.
n→∞

Se aplica entonces el teorema en (B̃r (x0 ), d).

Lema 31. Toda contracción es continua.

7.1. Aplicación a las EDO’s


Consideremos el problema de valores iniciales: Dados x0 , t0 , f, hallar x tal
que:  0
x = f (t, x) (1.a)
(7.1)
x(t0 ) = x0 (1.b)
(x0 = dx
dt )

Teorema 32 (Existencia y unicidad de Picard). Sea f una función continua


en un rectángulo
R = {(t, x) ∈ R2 | |t − t0 | ≤ a, |x − x0 | ≤ b}
Sea c > 0 una cota de f :
∀(x, y) ∈ R, |f (t, x)| ≤ c (7.2)
Suponemos que f satisface la condición de Lipschitz respecto a la segunda va-
riable:
i.e. ∃k (constante de Lipschitz) tal que ∀ (t, x), (t, v) ∈ R:

|f (t, x) − f (t, v)| ≤ k|x − v| (7.3)


Entonces el problema (7.1) tiene una única solución en J = [t0 − β, t0 + β],
donde  
b 1
β < mı́n a, , (7.4)
c k

41
Demostración. Trabajemos con C(J) = (c(J), d∞ ) que es completo.
Sea
C̃ = {x ∈ c(J) | |x(t) − x0 | ≤ cβ, ∀t ∈ J}. (7.5)

El que C̃ sea cerrado en C(J) implica que (C̃, d∞ ) sea completo.


Ver que (7.1) ⇔ T x = x, con T : C̃ → C̃, x 7→ T x, donde
Z t
(T x)(t) = x0 + f (τ, x(τ ))dτ (7.6)
t0

Ver que
(i) D(T ) = C̃: En efecto, Si x ∈ C̃, como por (7.4) cβ < b,

x ∈ C̃ ⇒ τ ∈ J y (τ, x(τ )) ∈ R.

Por lo tanto la integral existe porque f es continua en R.


(ii) Im(T ) ⊂ C̃ : Sea x ∈ C̃, vamos a probar que T x ∈ C̃:
Z t

|(T x)(t) − x0 | =
f (τ, x(τ ))dτ
t0
Z t
≤ |f (τ, x(τ ))|dτ
t0
≤ c|t − t0 | puesto que |f (τ, x(τ ))| ≤ c
≤ cβ puesto que t ∈ J = [t0 − β, t0 + β]

(iii) Probemos que T es una contracción:


Z t

|(T x)(t) − (T v)(t)| = [f (τ, x(τ )) − f (τ, v(τ ))]dτ
t0
≤ |t − t0 | máx[k|x(τ ) − v(τ )| por (7.3)]
τ ∈J
≤ kβd∞ (x, v) pues |t − t0 | ≤ β, y k no depende de t

Tomamos el máx y se obtiene que


t∈J

d∞ (T x, T v) ≤ αd∞ (x, v) con α = kβ

De (7.4) se tiene que si α = kβ < 1 entonces T es una contracción en C̃.


Por el teorema del punto fijo de Banach, se tiene entonces que ∃!x ∈ C̃ tal
que T x = x.
Esto implica que ∀t ∈ J
Z t
x(t) = x0 + f (τ, x(τ ))dτ. (7.7)
t0

Como (τ, x(τ )) ∈ R y f es continua, entonces (7.7) puede ser derivado,


ası́, x es derivable y cumple (7.1).
Inversamente: Toda solución de (7.1) cumple (7.7), como querı́amos.

42
Corolario 33. Para todo x0 ∈ C̃, la solución puede obtenerse por itera-
ciones de Picard; para n ≥ 0:
Z t
xn+1 (t) = x0 + f (τ, xn (τ ))dτ.
t0

Ejercicios
1. Sea X = [1, +∞[, T : X → X, x 7→ T x = x2 + x1 . Pruebe que T es una
contracción y halle el menor número α dado por el Teorema del Punto
Fijo (TPF).

2. Pruebe con un ejemplo, que en el TPF la hipótesis “X es completo” es


escencial y no se puede omitir.

3. Pruebe que en el TPF, la hipótesis “T es una contracción”no puede sus-


tituirse con “d(T x, T y) < d(x, y) ∀x 6= y”. Para ello considere el caso
X = [1, +∞[, con la distancia usual, y T : X → X, x 7→ T x = x + x1 .
Pruebe que ∀x 6= y se tiene |T x − T y| < |x − y|, pero T no tiene puntos
fijos.

4. Sea (X, d) un EM, T : X → Y tal que ∀x 6= y, d(T x, T y) < T (x, y) y T


tiene un punto fijo x. Pruebe que es único.

5. Pruebe que si T es una contracción, también lo es T n para todo n ≥ 1.

6. Pruebe que si T es una contracción definida en un espacio métrico, enton-


ces T es continua.

7. En R una condición suficiente para que converja (xn ), dada por la ite-
ración, xn = g(xn−1 ) ∀n ≥ 1, es que g sea continuamente derivable y
que
∃α < 1 t. q ∀x, |g 0 (x)| < α.
Demuéstrelo usando el teorema del punto fijo.

8. Para hallar soluciones aproximadas en una ecuación f (x) = 0, se la puede


transformar en una ecuación de la forma x = g(x), escoger el valor inicial
x0 y calcular xn = g(xn−1 ), n ∈ N.
Supongamos que g es continuamente derivable en cierto intervalo J =
[x0 − r, x0 + r], y satisface en J las desigualdades

|g 0 (x)| ≤ α < 1 y |g(x0 ) − x0 | < (1 − α)r.

Pruebe entonces que x = g(x) tiene una única solución x en J, que la


sucesión (xn ) obtenida con la iteración xn = g(xn−1 ) converge hacia x y
se tienen las siguientes estimaciones para el error.
α
|x − xn | < αn r ; |x − xn | ≤ |xn − xn−1 |.
1−α

43
9. Establezca un proceso iterativo, basándose en el TPF, para resolver la
ecuación f (x) = 0, si f es continuamente derivable en J = [a, b], f (a) < 0,
f (b) > 0, y 0 < k1 ≤ f 0 (x) ≤ k2 , ∀x ∈ J. Use g(x) = x − λf (x), con un
λ adecuado.
10. Establezca un proceso iterativo para resolver la ecuación
f (x) = x3 + x − 1 = 0
de la siguiente manera:
a) Tome ∀n ∈ N, xn = g(xn−1 ) = (1 + x2n−1 )−1 ;
Con x0 = 1 calcule 3 pasos. ¿Es g 0 (x) < 1? (ver ejercicio 8).
Observe que la iteración puede ser ilustrada por el siguiente gráfico:

> (x2 , x2 )

∧ ∨

<
(x3 , x3 )
0,5
(x1 , x1 ) g

0,5 1

b) Estime el error usando el corolario del TPF.


c) Podemos escribir f (x) = 0 en la forma x = 1 − x3 ¿Se puede tomar
g(x) = 1−x3 para usarla en la iteración? Ensaye con x0 = 1, x0 = 0,5
y x0 = 2 y vea qué sucede.
11. Muestre que en el teorema precedente se puede tomar
g(x) = x1/2 (1 + x2 )−1/2 .
Escoja x0 = 1 y calcule x1 , x2 y x3 . ¿Por qué en este caso (xn ) converge
tan rápidamente? (Se conoce que x = 0, 682328, con 6 decimales exactos)
f (x) = 0.
12. (Método de Newton) Sea f : R → R dos veces continuamente derivable
en [a, b] y sea x una raiz simple de f en ]a, b[. Pruebe que el método de
Newton dado por
f (x)
xn+1 = g(xn ), con g(x) = x − ,
f 0 (x)
es una contracción en cierta vecindad de x, (por lo que la iteración converge
hacia x, para x0 suficientemente cercano a x).

44
13. (Condición de Lipschitz) Una aplicación T : [a, b] → [a, b] satisface la
condición de Lipschitz, con una constante de Lipschitz k, en [a,b] si ∃k tal
que
∀x, y ∈ [a, b], |T x − T y| ≤ k|x − y|.
a) ¿Es T una contracción?
b) Si T es continuamente derivable, pruebe que entonces satisface la
condición de Lipschitz.
c) ¿Se tiene en b) la recı́proca?

45
Capı́tulo 8

Aplicación del teorema del


punto fijo a las Ecuaciones
Integrales.

Teorema 34 (De la ecuación integral de Fredholm). Si k y v son continuas en


1
J × J y en J = [a, b], respectivamente; si |µ| < c(b−a) ; con c > 0 tal que

|k(t, τ )| ≤ c ∀(t, τ ) ∈ G = J × J,

entonces la ecuación integral de Fredholm

Z b
x(t) − µ k(t, τ )x(τ )dτ = v(t). (8.1)
a

tiene una única solución x en J.


Esta solución es el lı́mite de la sucesión (x0 , x1 , x2 , ...), donde x0 es una
función continua en J arbitraria y para n ≥ 0,

Z b
xn+1 = v(t) + µ k(t, τ )xn (τ )dτ (8.2)
a

Demostración. Se aplica el teorema del punto fijo en C[a, b] = (c[a, b], d∞ ), con
d∞ (f, g) = máx |f (t) − g(t)|. Se conoce que C[a, b] es completo. De las hipótesis
t∈J
se tiene que v ∈ C[a, b], y que (8.1) puede escribirse x = T x, con

Z b
(T x)(t) = v(t) + µ k(t, τ )x(τ )dτ. (8.3)
a

Como v y k son continuas, con (8.3) se define el operador T : C[a, b] → C[a, b].
Probemos que T es una contracción:

46
Sean x, y ∈ C[a, b];

d∞ (T x, T y) = máx |(T x)(t) − (T y)(t)|


t∈J
Z
b
= |µ| máx k(t, τ )[x(τ ) − y(τ )]dτ

t∈J a
Z b
≤ |µ| máx |k(t, τ )| |x(τ ) − y(τ )|dτ
t∈J a
Z b
≤ |µ|c d∞ (x, y) dτ
a
≤ |µ|c (b − a)d∞ (x, y).

Es decir que d∞ (T x, T y) ≤ α d∞ (x, y), con

α = |µ|c(b − a) < 1
1
ya que se supuso que |µ| < c(b−a) . El teorema resulta entonces de aplicar el
TPF de Banach.

Definición 35. Se llama ecuación integral de Volterra, la ecuación


Z t
x(t) − µ k(t, τ )x(τ )dτ = v(t). (8.4)
a

(La diferencia con la de Fredholm es el lı́mite superior de integración.)

Teorema 36 (De la ecuación integral de Volterra). Supongamos que v es con-


tinua en J = [a, b], que k es continuo en el triángulo R.

R = {(t, τ ) ∈ R2 | a ≤ τ ≤ t , a ≤ t ≤ b}.

Entonces para todo µ ∈ R, existe un único x ∈ C(J) solución de (8.4).


τ∧

R
a

>
a b t
La demostración se basa en lo siguiente:

Lema 37 (del Punto Fijo). Sea (X, d) un espacio métrico completo, T : X → X


una aplicación tal que ∃m ∈ N tal que T m es una contracción. Entonces T tiene
un único punto fijo.

Demostración del lema. Sea S = T m . Como S es una contracción, por el TPF


∃b
x ∈ X tal que x
b = Sbx, es decir

T mx
b=x
b (8.5)

47
Vamos a mostrar que T x
b=x
b. De (8.5) se tiene

b = T (T m x
Tx b)
= T m (T x
b)

b es punto fijo de T m , y puesto que éste es único


Por lo tanto, T x

Tx
b=x
b. (8.6)

Como todo punto fijo de T , también lo es de S, el cual solo tiene un único punto
fijo, x
b será el único punto fijo de T .
Demostración del Th. de la Ec de Volterra. La ecuación (8.4) puede escribirse
como x = T x si ponemos

T : C(J) −→ C(J) (8.7)


Z t
x 7−→ T x, donde (T x)(t) = v(t) + µ k(t, τ )x(τ )dτ
a

Como k es continua en el triángulo R, el cual es cerrado y acotado, ∃c ≥ 0


tal que
|k(t, τ )| ≤ c, ∀(t, τ ) ∈ R.
Para t ∈ J:
Z t

|(T x)(t) − (T y)(t)| = |µ|
k(t, τ )[x(τ ) − y(τ )]dτ
a
Z t
≤ |µ|c d∞ (x, y) dτ
a
= |µ|c (t − a) d∞ (x, y)

Es decir,

∀t ∈ J : |(T x)(t) − (T y)(t)| ≤ |µ|c (t − a) d∞ (x, y). (8.8)

Probaremos por inducción que ∀m ∈ N:


(t − a)m
∀t ∈ J : |(T m x)(t) − (T m y)(t)| ≤ |µ|m cm d∞ (x, y). (8.9)
m!
Para m = 1, (8.9) es verdad por (8.8). Sea m ≥ 1 y supongamos que (8.9) es
válida, entonces:
Z t
m+1 m+1 m m

|(T x)(t) − (T y)(t)| = |µ|
k(t, τ )[(T x)(τ ) − (T y)(τ )]dτ
a
t
(τ − a)m
Z
≤ |µ|c |µ|m cm dτ d∞ (x, y)
a m!
(t − a)m+1
= |µ|m+1 cm+1 d∞ (x, y)
(m + 1)!
Teniendo en cuenta que ∀t ∈ [a, b],

t − a ≤ b − a,

48
de (8.9) se obtiene tomando máx:
t∈J

(b − a)m
d∞ (T m x, T m y) ≤ αm d∞ (x, y), con αm = |µ|m cm
m!
Con m suficientemente grande, T m será una contracción y el lema del punto fijo
nos da el resultado.

Nota:

1. No hay restricciones a µ!!

2. La ecuación de Volterra es un caso particular de la de Fredholm con


k(t, τ ) = 0 en el triángulo y no continua en la diagonal.

Ejercicios
1. Sean a, b, t0 , x0 ∈ R; R = [t0 − a, t0 + a] × [x0 − b, x0 + b];

f : R −→ R
(t, x) 7−→ f (t, x)

tal que ∂f
∂x existe y es continua en R. Pruebe que f satisface la condición
de Lipschitz respecto a su segunda variable.

2. Sea f (t, x) = | sen x| + t, Pruebe que f satisface la condición de Lipschitz


en R2 respecto a su segunda variable aunque @ ∂f ∂x si x = 0. ¿Qué hecho es
ilustrado por este resultado?
1
3. Sea f (t, x) = |x| 2 . ¿Satisface f la condición de Lipschitz respecto a la
segunda variable?

4. Halle todas las condiciones iniciales de modo que el problema:

“Hallar x tal que tx0 = 2x y x(t0 ) = x0 ”

tenga:

a) Una sola solución;


b) Más de una solución;
c) Ninguna solución.

5. Pruebe que en la demostración del teorema de Picard, C̃ es cerrado en


C(J).

6. Pruebe que en el teorema de Picard se puede tomar, en vez de la constante


x0 , cualquie función y0 ∈ C̃ tal que y0 (t0 ) = x0 , como la función de inicio
de la iteración.

7. Aplique la iteración de Picard a x0 = 1 + x2 , x(0) = 0. Verifique que para


x3 los términos que involucran a t, t2 , t3 , t4 y t5 son los mismos que para
la solución exacta.

49
8. Pruebe que

x0 = 3x2/3
x(0) = 0,

tiene infinito número de soluciones dadas por x(t) = 0 si t < c,


x(t) = (t − c)3 si t ≥ c, donde c > 0 es constante. Si f (t, x) = 3x2/3 , ¿la
función f satisface la condición de Lipschitz?
9. Pruebe que las soluciones del problema de valores iniciales

x0 = |x|1/2 ,
x(0) = 0,

son x1 = 0 y x2 tal que x2 (t) = t|t|


4 .
¿Contradice éste el Teorema de Picard? Halle más soluciones.
10. Resuelva por iteraciones, con x0 = v la ecuación de Fredholm
Z 1
x(t) = µ et−τ x(τ )dτ + v(t), con |µ| < 1.
0

11. Si v y k son continuas en [a, b] y K = [a, b] × [a, b] × R, respectivamente,


y si k satisface en G = [a, b] × [a, b] la condición de Lipschitz

|k(t, τ, u1 ) − k(t, τ, u2 )| ≤ l|u1 − u2 |,

pruebe que la ecuación integral no lineal


Z b
x(t) − µ k(t, τ, x(τ ))dτ = v(t)
a

tiene una única solución x para todo µ tal que


1
|µ| < .
l(b − a)

12. Escriba el problema de valores iniciales


dx
= f (t, x), x(t0 ) = x0
dt
como una ecuación integral y diga qué tipo de ecuación es.
13. Pruebe que el problema de valores iniciales

d2 x
= f (t, x), x(t0 ) = x0 , x0 (t0 ) = x1 ,
dt2
puede transformarse en una ecuación de Volterra.

50
Parte II

ESPACIOS
VECTORIALES Y
NORMADOS

51
Capı́tulo 9

Espacios Vectoriales

Sea K ∈ {R, C}. Sea X 6= ∅. Supongamos que en X están definidas dos


operaciones: una suma, que es una función

+ : X 2 → X, (x, y) 7→ x + y

y una multiplicación por un número (o escalar), que es una función

· : K × X → X (α, x) 7→ α · x.

A la terna (X, +, ·) se le llama espacio vectorial sobre K si cumplen las


siguientes propiedades:

(C) Propiedades de Clausura:

(CS) Clausura de la suma: ∀x, y ∈ X, x + y ∈ X.


(CM) Clausura de la multiplicación: ∀α ∈ K, ∀x ∈ X, α · x ∈ X.

(S) Propiedades de la Suma:

(S1) Asociatividad: ∀x, y, z ∈ X, (x + y) + z = x + (y + z).


(S2) Conmutatividad: ∀x, y ∈ X, x + y = y + x
(S3) Existencia del neutro aditivo: ∃θ ∈ X, ∀x ∈ X, x + θ = x.
(S4) Existencia de los inversos aditivos: ∀x ∈ X, ∃ − x ∈ X, x + (−x) = θ

(M) Propiedades de la Multiplicación:

(M1) Asociatividad: ∀α, β ∈ K, ∀x ∈ X, α · (β · x) = (αβ) · x.


(M2) El 1 es neutro multiplicativo: ∀x ∈ X, 1 · x = x.

(D) Distributividades:

(D1) ∀α ∈ K, ∀x, y ∈ X, α · (x + y) = α · x + α · y
(D2) ∀α, β ∈ K, ∀x ∈ X, (α + β) · x = α · x + β · x.

NOTAS:

(0) A los elementos de X se les llama vectores y a los de K escalares.

52
(1) (C) ⇔ ∀α, β ∈ K, ∀x, y ∈ X, α · x + β · y ∈ X
⇔ ∀N ≥ 2, ∀α1 , ..., αN ∈ K, ∀x1 , ..., xN ∈ X, α1 · x1 + ... + αN · xN ∈ X.
(2) (S) ⇔ (X, +) es un grupo aditivo abeliano.
(3) El neutro aditivo θ, llamado también vector cero, es único. En efecto:
∀u, v ∈ X, u + v = u ⇒ v = θ.
(4) ∀x ∈ X, su inverso aditivo −x es único. Además −u = (−1) · u.
(5) ∀x ∈ X, 0 · x = θ y ∀α ∈ K, α · θ = θ.

Ejemplos de espacios vectoriales sobre K ∈ {R, C}


1. V 1 , V 2 y V 3 con las operaciones usuales.
2. (KN , +, ·), N ≥ 1, si para u = (u1 , ..., uN ) ∈ KN , v = (v1 , ..., vN ) ∈ KN y
α ∈ K ponemos
u + v = (u1 + v1 , ..., uN + vN ),
α · u = (αu1 , ..., αuN )
la suma y la multiplicación de los miembros derechos son las usuales en
K.
3. (K∞ , +, ·), si para (un ), (vm ) ∈ K∞ , α ∈ K ponemos

(un ) + (vm ) = (uk + vk ); y,

α · (un ) = (αuk ).

4. (MM ×N (K), +, ·); M, N ∈ N, si para A = (amn ), B = (bmn ) y α ∈ K


ponemos
A + B = (amn + bmn );
α · A = (αamn ).

5. (F(K, K), +, ·) si para f, g ∈ F(K, K) = {h : K → K | D(h) = K} y α ∈ K


ponemos
f + g : K → K, x 7→ (f + g)(x) = f (x) + g(x)
α · f : K → K, x 7→ (α · f )(x) = αf (x).

6. El super ejemplo:
Sean Ω 6= ∅, (F(Ω, K) = {f : Ω → K | D(f ) = Ω}). (F(Ω, K), +, ·) es un
espacio vectorial sobre K si para f, g ∈ (F(Ω, K) y α ∈ K ponemos:

f + g : Ω → K, x 7→ (f + g)(x) = f (x) + g(x)

α · f : Ω → K, x 7→ (α · f )(x) = α f (x).

Como en los ejemplos anteriores la suma y la multiplicación de los miem-


bros derechos son las usuales en K le llamamos el super ejemplo porque
de él derivan los precedentes como caso particular. En efecto, KN puede
ser visto como F({1, ...N }, K); K∞ como F(N, K); y MM ×N (K) como
F({1, ..., N } × {1, ..., M }, K).

53
−−→
7. Sea N ∈ {1, 2, 3}. Sea V = {v | v = AB es una flecha dibujada en E N ,
−−→
que es el segmento dirigido AB con inicio en A ∈ E N y fin en B ∈ E N }.
Dadas u, v ∈ V pondremos kuk y kvk a la longitud de u y v, respectiva-
mente. Entonces escribiremos, para u, v 6= 0

u = v ⇔ kuk = kvk,

u y v son paralelas y tienen el mismo sentido.


Es fácil ver que = es una relación de equivalencia en V.
Al conjunto de clases de equivalencias, llamadas vectores, le notamos

V N = {~v | ~v es la clase con representante v ∈ V }.

Notamos ~0, llamado vector cero, a la clase de los segmentos cuyo inicio y
fin coinciden.
Obviamente k~0k = 0 y los elementos de ~0 no tienen dirección ni sentido.
En V N se define la suma

+ : V N × V N → V N , (~u, ~v ) 7→ ~u + ~v = w
~

donde w es una flecha cuyo inicio es el mismo que el de u ∈ ~u y su fin es


el mismo que el de v ∈ ~v , si u y v son tales que el fin de u coincide con el
inicio de v.
Se define la multiplicación por un número α ∈ R que es la función

· : R × V N → V N , (α, ~u) 7→ α · ~u = w,
~

donde kwk = |α| · kuk, w k u y w tiene el mismo sentido que u si α > 0 y


el sentido contrario si α < 0.
Para N ∈ {1, 2, 3}, (V N , +, ·) es el espacio vectorial natural.
Con las biyecciones naturales entre V N , E N y RN , dadas por la recta
real para N = 1, por el plano cartesiano para N = 2 y por el espacio
cartesiano para N = 3, el espacio vectorial natural V N , induce en los
correspondientes E N y RN la estructura vectorial.
De hecho en RN , N ∈ {1, 2, 3}, es la estructura del ejemplo 2.
Ası́, si a ~u, ~v ∈ V 2 les corresponden P, Q ∈ E 2 con coordenadas (x1 , x2 ),
(y1 , y2 ) ∈ R2 , tenemos que a ~u +~v le corresponde R ∈ E 2 con coordenadas
(z1 , z2 ) = (x1 + y1 , x2 + y2 ).

Subespacios Vectoriales
Dado un espacio vectorial (EV) sobre K, (X, +, ·) y un subconjunto no
vacı́o Y de X, nos preguntamos si Y, con las restricciones naturales de + y ·, se
convierte en espacio vectorial. Es decir nos preguntamos si (Y, + |y2 , · |K×Y ) es
un EV.
La respuesta es que no siempre es ası́, pero tenemos el siguiente:

Teorema 38 (del Subespacio Vectorial). Sea (X, +, ·) un EV sobre K y sea


Y ⊂ X; Y 6= ∅. Entonces (Y, + |y2 , · |K×Y ) es un EV sobre K ssi:

(CS) para Y: ∀x, y ∈ Y , x + y ∈ Y

54
(CM) para Y: ∀α ∈ K, ∀x ∈ Y , α · x ∈ Y .

En este caso a la terna (Y, + |y2 , · |K×Y ) se le nota simplemente (Y, +, ·) y se le


llama subespacio vectorial de (X, +, ·). Por simplicidad se dice Y es SEV de
X.

NOTA:

1. Es fácil probar que se cumplen las propiedades (S), (M) y (D). En parti-
cular:

(S3) θ ∈ Y resulta de (CM) para Y con α = 0 y ∀x ∈ Y .


(S4) ∀x ∈ Y , ∃ − x ∈ Y resulta de (CM) para Y con α = −1.

2. Si θ ∈
/ Y obviamente (Y, +, ·) no es un subespacio vectorial.

3. Y = X e Y = {θ} son ejemplos triviales de SEV.

Combinaciones lineales
Definición 39. En un EV (X, +, ·) sobre K. Dados N ≥ 1, α1 , ..αN ∈ K,
v1 , ..., vN ∈ X, al vector α1 v1 + ... + αN vN se le llama combinación lineal de
v1 , ..., vN con coeficientes o pesos α1 , ..., αN .
Se nota
XN
αk · vk = α1 · v1 + ... + αN vN
k=1

Si M ⊂ X es no vacı́o, se llama espacio generado por M al conjunto

Gen(M ) = {v ∈ X | v es una combinación lineal de elementos de M}.

NOTA: Gen(M ) es un SEV de X. (Pruébelo!)

Dependencia e independencia lineal


Sea (X, +, ·) un EV sobre K ∈ {R, C}.
Para N ≥ 2 se dice de N vectores v1 , ..., vN ∈ X son linealmente depen-
dientes (l.d.) si uno de ellos puede ser escrito como la combinación lineal de
los otros. Es decir si
N
X
∃k ∈ {1, ..., N }, ∀j ∈ {1, ..., N } \ {k} ∃αj ∈ K tales que vk = αj vj
j=1,j6=k

NOTA: Es fácil ver que esta definición equivale a decir que


N
X
∃(β1 , ..., βN ) ∈ KN \ {(0, ..,0)} tal que βk vk = θ
k−1

Definición 40. Para N ≥ 2 se dice que N vectores v1 , ..., vN ∈ X son lineal-


mente independientes (l.i.) si no son linealmente dependientes.

55
NOTA: Es fácil ver que v1 , ..., vN son l.i. ssi:
N
X
∀(α1 , ..., αN ) ∈ KN , αk vk = θ ⇒ α1 = α2 = ... = αN = 0
k=1

De hecho esta última propiedad se suele usar como definición.


Definición 41. Un conjunto M ⊂ X infinito es linealmente independiente
(l.i.) si todo subconjunto finito de M lo es.
M es linealmente dependiente (l.d.) si M no es linealmente independiente, es
decir si existe un subconjunto finito de M que sea l.d.

Dimensión
Definición 42. Si para un EV sobre K, (X, +, ·), X 6= {θ} existe un N ∈ N de
modo que ∃v1 , ..., vN ∈ X l.i. y cualquier subconjunto de X que contenga N + 1
vectores sea l.d. se dice que X es de dimensión finita y que N es la dimensión
de X, lo que se nota
dim(X) = N.
En caso contrario se dice que X es de dimensión infinita y se escribe
dim(X) = ∞.
Por definición dim({θ}) = 0 y también es considerado de dimensión finita.
NOTA: Si dim(X) = N ∈ N, entonces N es el máximo número de vectores
l.i. que podemos hallar en X y por otra parte es el mı́nimo número de vectores
necesarios para generar todo X.
Nos preguntamos, dado un EV (X, +, ·), si existe B ⊂ X de modo que
X = Gen(B) es decir si ∀x ∈ X puede escribirse como una combinación lineal
de elementos de B. Obviamente siempre existe un tal B (basta tomar B = X).
Pero si adicionalmente queremos que la representación de cada x ∈ X como
combinación lineal de elementos de B sea única, necesitaremos que B sea l.i.
(Pruébelo!).
En este caso diremos que B es una base de Hamel de X. Tenemos la
Definición 43. B ⊂ X es una base de Hamel de X ssi
1. B es l.i. y
2. X ⊂ Gen(B).
NOTA:
1. En este caso
N
X
∀x ∈ X ∃!N ≥ 1 ∃!α1 , ..., αN ∈ K, ∃!v1 , ..., vN ∈ B tales que x = αk vk
k=1

2. Si dim X = N ∈ N, entonces cualquier base de Hamel B de X tiene N


elementos.
3. Se puede probar que si se admite el axioma de elección, todo EV posee
una base de Hamel.

56
Propiedades de los EV de dimensión finita
Teorema 44. Sea (X, +, ·) un EV sobre K de dimensión finita N ∈ N ∪ {0}.
Si Y ⊂ X es un SEV propio de X (i.e. Y 6= X), entonces

dim(Y ) < dim(X).

Pruébelo!.
Definición 45. Si B = {v1 , ...vN } ⊂ X es una base de Hamel de X, como
N
X
∀x ∈ X∃!α ∈ KN tal que α = (α1 , ..., αN ), x = αk vk ,
k=1

se puede definir la función


 
α1
 α2 
[·]B : X → KN , x 7→ [x]B = α =  
 ... 
αN

A α se le llama vector de coordenadas de x para la base B o simplemente vector


de B coordenadas de x ∈ X.
Teorema 46. Si C = {w1 , ..., wN } es otra base de X, para cualquier x ∈ X se
tiene que
[x]C = PC←B [x]B ,
donde PC←B ∈ MN ×N (K) es la matriz de cambio de base, que no depende de
x. Se tiene que
PC←B = ([v1 ]C [v2 ]C ...[vN ]C ).

Ejercicios
1. Para n ≥ 1 pruebe que RN y CN son espacios vectoriales sobre R y C,
respectivamente, de dimensión N.
2. Pruebe que si (V, +, ·) es un espacio vectorial sobre K ∈ {R, C}:
(a) 0x = θ ∀x ∈ V ;
(b) αθ = θ ∀α ∈ K;
(c) (−1)x es el inverso aditivo de x, ∀x ∈ V ;
(d) Notamos θ al neutro aditivo. Pruebe que éste es único (i.e. que ∃u, v ∈
V tal que u + v = u ⇒ v = θ).
3. Describa Gen({(1, 1, 1), (0, 0, 1)}) en R3 (el espacio generado por esos dos
vectores).
4. Diga cuál de los siguientes subconjuntos de R3 es un subespacio vectorial
de R3 y el por qué de su respuesta.
(a) {(x1 , x2 , x3 ) | x1 = x2 , x3 = 0}

57
(b) {(x1 , x2 , x3 ) | x2 = x3 + 1}
(c) {(x1 , x2 , x3 ) | x1 , x2 , x3 ≥ 0}
(d) {(x1 , x2 , x3 ) | 2x1 − 3x2 + 5x3 = k} donde k es constante.
5. Sea PN (K) = {p : K → K | p es un polinomio de grado ≤ N }, N ≥
0. Pruebe que PN (K) es un espacio vectorial sobre K ∈ {R, C} y que
{e0 , e1 , ..., eN } es una base (llamada canónica) de PN (K) : ek (t) = tk
∀k ≥ 0.
6. Sea V un espacio vectorial sobre C de dimensión N ∈ N, y sea B =
{v1 , ..., vN } una de sus bases. Halle una base de V visto como espacio
vectorial real y calcule su dimensión.
7. Sea X un EV sobre K; Y y Z dos subespacios vectoriales (SEV) de X.
Pruebe que Y ∩ Z también lo es, y de ejemplos cuando Y ∪ Z lo es y
cuando no lo es.
8. Sea X un EV y sea M 6= ∅, M ⊂ X. Pruebe que Gen(M ) es un SEV de
X.
9. Sea MM ×N (K) el conjunto de matrices de M filas y N columnas definidas
para K ∈ {R, C}. Pruebe que MM ×N (K) es un EV sobre K.
Halle una base.
Dé ejemplos de SEV’s de este EV.
Si S = {A ∈ MN ×N | M es simétrica } y si T = {A ∈ MN ×N | A es
singular }, diga si S y T son SEV’s de MN ×N . (M, N ∈ N).
10. Sea X un EV sobre K y sea Y ⊂ X un SEV de X. Sea para x ∈ X,
b = {x + y | y ∈ Y }
x
Pruebe que X/Y = {b x | x ∈ X} es una partición de X (i.e. los elementos
de X/Y son 2 e 2 disjuntos y su unión es X).
Sea, para x, y ∈ X, α ∈ K:
x + y; α x
b ] yb = x[ ·x
b = αd
Pruebe que (X/Y, ], ) es un EV sobre K, al que llamaremos espacio
cociente de X sobre Y, y a su dimensión dim(X/Y ) =: codimY (en X),
codimensión de X en Y.
Note que si ponemos x ∼ z ⇔ ∃y ∈ Y tal que x = z + y, entonces ∼ es
una relación de equivalencia y sus clases de equivalencia son justamente
los elementos de X/Y .
11. Sea X = R3 . Halle X/Y si
(a) Y = R3
(b) Y = {0, 0, 0}
(c) Y = Gen({(1, 1, 0)}).
12. Pruebe que el conjunto de soluciones de la EDO ay 00 + by 0 + cy = 0, con
a, b, c ∈ R dados es un EV.
13. Sea M = {f ∈ c[a, b] | 2f (a) + 3f (b) = k}. Para qué valores de k, M es un
EV?.

58
Capı́tulo 10

Espacios Normados

Definición 47. Sea K ∈ {R, C}, X un EV sobre K. Una función k · k : X 2 → R


se llama norma si:
(N1) No negatividad: ∀x ∈ X, kxk ≥ 0
(N2) Unicidad: ∀x ∈ X, kxk = 0 ⇔ x = θ
(N3) Cierta homogeneidad: ∀α ∈ K, ∀x ∈ X, kαxk = |α| · kxk
(N4) Desigualdad triangular: ∀x, y ∈ X, kx + yk ≤ kxk + kyk.
Al par (X, k · k) se le llama espacio vectorial normado.
NOTA: Si ponemos para x, y ∈ X, d(x, y) = kx − yk, entonces d es una
métrica (pruébelo!), llamada distancia asociada a k · k. Si (X, d) resulta ser
completo se dice que (X, k · k) es un espacio de Banach.
Lema 48. Sea (X, k · k) un EVN. Si d es la métrica asociada a k · k, entonces :
(a) ∀u, v, w ∈ X, d(u + w, v + w) = d(u, v) (Invarianza por traslación)
(b) ∀α ∈ K, ∀u, v ∈ X, d(αu, αv) = |α|d(u, v).
Definición 49. Sea (X, kP· k) un EVN. Si para (en ) ∈ X ∞ se tiene que ∀x ∈ X

∃!(αn ) ∈ K∞ tal que x = k=1 αk ek , se dice que (en ) es una base de Schauder
de (X, k · k)

Ejercicios
que en KN , k · kp son normas (p ∈ [1, ∞]), si para p ∈ [1, ∞[,
1. Pruebe q
PN
kxkp = p p
k=1 |xk | y kxk∞ = máx1≤k≤N |xk |.

2. Pruebe que toda bola en un EVN es convexa.


p p
3. Sea ϕ : R2 → R, (x1 , x2 ) 7→ ( |x1 | + |x2 |)2 . Pruebe que ϕ no es norma.
4. Sea X un EV, d : X 2 → R una métrica. Para x, y ∈ X sea
(
˜ d(x, y) + 1 si x 6= y
d(x, y) =
0 si x = y

59
Pruebe que d˜ es una métrica y que no está asociada a ninguna norma.
5. Sea (X, k · k) un EVN. Sea M ⊂ X. Pruebe que
M es acotado ⇔ ∃R > 0 tal que M ⊂ BR (θ).
(Recuerde que M es acotado si su diámetro D(M) es finito).
6. Sean X = {(xn ) ∈ K∞ | (xn ) converge }, X0 = {(xn ) ∈ K∞ | xn → 0}.
Sea c = (X, k · k∞ ), co = (X0 , k · k∞ ).
Pruebe que X y X0 son SEV de K∞ ∞
∞ y que X0 es cerrado en l (K) =
(K∞ , k · k∞ ) por lo que c0 es completo. (Suponga conocido que l∞ (K) es

de Banach)
7. Sea Y = {(xn ) ∈ K∞ | ∃N ∈ N tal que xn = 0 ∀n > N }.
Pruebe que Y es un SEV de K∞ ∞
∞ pero no es cerrado en l (K).
Ası́, (Y, k · k∞ ) no es completo.
8. Sean (X, k·kx ), (Y, k·ky )pdos EVN, ambos sobre K ∈ {R, C}. Para (u, v) ∈
X × Y sea k(u, v)kp = p kukpx + kvkpy , si 1 < p < ∞, y sea k(u, v)k∞ =
máx{kukx , kvky }. Pruebe que:
(a) Para p ∈ [1, ∞], (X × Y, k · kp ) es un EVN.
(b) Sean (un ) ∈ X ∞ , (vn ) ∈ Y ∞ , a ∈ X, b ∈ Y . Entonces ∀p ∈ [1, ∞]

k(un , vn ) − (a, b)kp −−−→


n→∞ 0 ⇔ kun − akx −−−→
n→∞ 0 ∧ kvn − bky −−−→
n→∞ 0

9. Pruebe que en un EVN (X, k · k), las operaciones vectoriales + : X 2 → X


y · : K × X → X son continuas, si en X 2 y en K × X se definen normas
como en el ejercicio precedente.
10. Sean (X, k · k) un EVN, (xn ), (yn ) ∈ X ∞ ; u, v ∈ X, (αn ) ∈ K∞ , a ∈ K.
Pruebe que:
(a) xn → u, yn → v ⇒ xn + yn → u + v
(b) αn → a, xn → u ⇒ αn xn → αu
11. Sea (X, k · k) un EVN y sea Y ⊂ X un SEV. Pruebe que Y es también un
SEV de X.
P∞
X ∞ . Pruebe que n=1 kxn k < ∞ no
12. Sea (X, k · k) un EVN. Sea (xn ) ∈ P

implica la convergencia de la serie n=1 xn , pero:
(X, k · k) es completo ⇔

X ∞
X
∀(xn ) ∈ X ∞ , kxn k < ∞ ⇒ xn converge
n=1 n=1

13. Sea (X, k·k) un EVN que posee una base de Schauder. Pruebe que (X, k·k)
es separable.
14. Pruebe que para l∞ (K), si ponemos para n ∈ N, en = (δkn )k≥1 entonces
(en ) es una base de Schauder.
15. Sea (X, k·k) un EVN. Sea Y ⊂ X un SEV cerrado. Para x b ∈ X/Y definido
en el ejercicio 10 del capı́tulo 7, si ponemos kb
xk0 = ı́nf x∈bx kxk, entonces
(X/Y, k · k0 ) es un EV Normado. ¿Es de Banach?.

60
16. Pruebe que k · k es una función continua y que

∀x, y ∈ X, | kxk − kyk |≤ kx ± yk ≤ kxk + kyk.

61
Capı́tulo 11

Propiedades de los Espacios


Vectoriales Normados

Definición 50. Sean (X, k · kx ), (Y, k · ky ) dos EVN, ambos sobre K ∈ {R, C}.
Ellos son isomorfos (en tanto que EVN’s), si existe ϕ : X → Y , u 7→ ϕ(u)
biyectiva, lineal (i.e. es un isomorfismo de X e Y en tanto que conjuntos y en
tanto que espacios vectoriales) y tal que
∀u ∈ X, kukx = kϕ(u)ky
NOTAS:
Si dx y dy son las métricas asociadas a k · kx y k · ky , respectivamente, los
espacios métricos (X, dx ) y (Y, dy ) también son isomorfos, con la misma
biyección ϕ, que por la definición 37 es una isometrı́a.
Si (X, k · k) es un EVN y si Y ⊂ X es un SEV, (Y, k · ky ) es un EVN que
lo notaremos (Y, k · k) y diremos que es un SEVN de (X, k · k).
Teorema 51 (del Completamiento). Si (X, k · k) es un EVN incompleto, existe
un espacio de Banach (X1 , k · k1 ) y un isomorfismo ϕ de (X, k · k) a (V, k · k1 )
que es un SEVN de (X1 , k · k1 ) tal que V = X1 . El espacio (X1 , k · k1 ) es único,
salvo isomorfismos.
Es decir que si ∃(X2 , k · k2 ) de Banach y un isomorfismo ψ de (X, k · k) a
(W, k · k2 ), donde (W, k · k2 ) es un SEVN de (X2 , k · k2 ) tal que W = X2 ,
entonces (X1 , k · k1 ) y (X2 , k · k2 ) son isomorfos.
Demostración. Es similar a la del Teorema del Completamiento de los espacios
métricos: (X1 , ], ) es un EV si para (x
d n ), (yn ) ∈ X1 , α ∈ K, ponemos
d

(x
d d def \
n ) ] (yn ) = (xk + yk )
α (x d \
n ) = (αxk )

Ver que ] y están bien definidas (no dependen de los representantes escogidos
y satisfacen las propiedades de EV).
Si para (x
d n ) ponemos

k(x
d n )k1 = lı́m kxk k, entonces k · k1 : X1 → R
k→∞

es una norma, (X1 , k · k1 ) es de Banach, etc.

62
Propiedades de los EVN de Dimensión Finita
Lema 52 (Lema ?, Lema de las Combinaciones Lineales). Sean (X, k · k) un
EVN; N ∈ N; v1 , ..., vN ∈ X, N vectores l.i. Entonces

XN
N
∃c > 0, ∀α ∈ K , αk vk ≥ ckαk1 (11.1)


k=1
PN
donde kαk1 = k=1 |αk |, si α = (α1 , α2 , ..., αN )
Demostración. Ver que si en (11.1) reemplazamos KN con KN \{θ} la definición
no cambia.
Entonces (11.1) ⇔
P
N
k=1 αk vk

N
∃c > 0, ∀α ∈ K \ {θ}, ≥c (11.2)
kαk1
1
Pero poniendo β = kαk1 α tenemos que kβk1 = 1 y que entonces (11.1) ⇔
(9.2) ⇔
XN
N
∃c > 0, ∀β ∈ K tal que kβk1 = 1, βk vk ≥ c (11.3)


k=1

Probemos (9.3) por el absurdo. Supongamos entonces que:


N
X
N
∀c > 0, ∃β ∈ K tal que kβk1 = 1, y βk vk < c (11.4)


k=1

1
Usando (9.4) con c = n, para n ∈ N, tenemos que
N
X
(n)
1
∀n ∈ N ∃β (n) N (n)
∈ K tal que kβ k1 = 1, βk vk < (11.5)

n
k=1
PN (n)
Tomando lı́mn→∞ en (9.5) y si ponemos yn = k=1 βk vn tenemos entonces
que
N
(n)
X
lı́m kyn k = 0 y que kβ (n) k1 = |βk | = 1 ∀n ≥ 1 (11.6)
n→∞
k=1

De (11.6) vemos que ∀n ≥ 1, kβ k1 ≤ 1, por lo que en (KN , k · k1 ) la sucesión


(n)

(β (n) )n≥1 es acotada.


Para esta sucesión aplicaremos el siguiente
Teorema 53 (de Bolzano -Weierstrass para (KN , k · k1 )). Si (β (n) ) ∈ (KN )∞
es acotada en (KN , k · k1 ) entonces existe una subsucesión (β (nj ) )j≥1 de (β (n) )
y b ∈ KN tales que
lı́m kβ (nj ) − bk1 = 0 (11.7)
j→∞
N
(nj )
PN X
Ponemos y = k=1 bk vk . Entonces, como ynj = βk vk , tendremos que
k=1

lı́m kynj − yk = 0 (11.8)


j→∞

63
En efecto, si ponemos M = máx kvk k, entonces M > 0, porque ∀k, vk 6= 0,
1≤x≤N
por ser l.i., y

XN N
(nj )
X
lı́m kynj − yk = lı́m βk vk − bk v k

j→∞ j→∞
k=1 k=1

XN
(n )
= lı́m (βk j − bk )vk

j→∞
k=1
N
X
≤ lı́m |βk − bk | · kvk k
j→∞
k=1
N
(nj )
X
≤ M lı́m |βk − bk |
j→∞
k=1

(n )
≤ M lı́m βk j − b = 0

j→∞ 1

por (11.7).
Por (11.6) y (11.8), dada la unicidad del lı́mite tenemos que y = θ.
Por otra parte, como ∀j ∈ N, kβ (nj ) k1 = 1, por la continuidad de la norma
tenemos que también kbk1 = 1 y por ende b 6= θ.
PN
En resumen k=1 bk vk = y = θ con (b1 , ..., bn ) 6= (0, ..., 0). Esto es imposible
dada la independencia lineal de {v1 , ..., vN }

Teorema 54 (Completitud de los EVN de dimensión finita.). Sea (X, k · k) un


EVN y sea Y un SEV de X de dimensión N < ∞. Entonces (Y, k · k) es de
Banach y por lo tanto Y es cerrado en (X, k · k).
En particular, si dim X es finita, entonces (X, k · k) es de Banach.

Demostración. Sea B = {v1 , ..., vN } ⊂ Y una base de Y.


Sea (yn ) ∈ Y ∞ una sucesión de Cauchy.
Debemos hallar y ∈ Y tal que kyn − yk − −−→ 0.
n→∞
(n) N
PN (n)
Sea, para n ∈ N, α ∈ K tal que yn = k=1 αk vk .
(n)
Probemos que ∀k ∈ {1, ..., N }, (αk )n≥1 es de Cauchy en K.
Como (yn ) es de Cauchy, ∀0 > 0 ∃N0 tal que n, m > N0 (0 ) ⇒ kyn − ym k < .
Sea n, m ≥ 1:
N
(n) (m) (n) (m)
X
|αk − αk | ≤ |αj − αj |
j=1

= kα(n) − α(m) k1

X N
lema? 1 (n) (m)
≤ (αj − αj )v j

c j=1


N N

1 X (n) X
(m)
= αj vj − (αj vj
c


k=1 k=1
1
= kyn − ym k < 
c

64
si n, m > N0 (c). Basta entonces tomar N = N0 (c)
(n)
Al ser (αk )n≥1 de Cauchy en K, para k ∈ {1, ..., N }; como K es completo,
existen a1 , ..., aN ∈ K tales que
(n)
∀k ∈ {1, ..., N }, |αk − ak |−−−→ 0
n→∞

N
X
Sea y = ak vk .
k=1
Nos queda por probar que kyn − yk−−−→ 0 ya que y ∈ Y , obviamente.
n→∞
Si ponemos M = máx kvk k tenemos que
1≤k≤N
N N

X
(n)
X
0 ≤ lı́m kyn − yk = lı́m αk vk − ak vk

n→∞ n→∞
k=1 k=1

XN
(n)
= lı́m (αk − ak )vk

n→∞
k=1
N
(n)
X
≤ lı́m |αk − ak | · kvk k
n→∞
k=1
N
(n)
X
≤ M lı́m |αk − ak |
n→∞
k=1
N
(n)
X
= M lı́m |αk − ak |
n→∞
k=1
= 0

El teorema del sánduche nos da el resultado.


Definición 55 (Normas Equivalentes). Sea X un EV sobre K ∈ {R, C}. Dire-
mos que dos normas k · ka y k · kb definidas en X son equivalentes si

∃r1 , r2 > 0 tales que ∀x ∈ X r1 kxka ≤ kxkb ≤ r2 kxka (11.9)

NOTA:
1. (11.9) ⇔

∃s, t > 0 tales que ∀x ∈ X, kxka ≤ skxkb ; kxkb ≤ tkxka (11.10)

2. Si k · ka y k · kb son equivalentes, lo son también las métricas da y db


asociadas a dichas normas.
Teorema 56 (De las Normas Equivalentes). Si X es un EV sobre K ∈ {R, C} y
si dim(x) = N < ∞. Entonces todas las normas definidas en X son equivalentes.
Demostración. Sean k · ka y k · kb dos normas definidas en X. Debemos hallar
s, t > 0 tales que ∀x ∈ X, kxka ≤ skxkb y kxkb ≤ tkxka .

Sea B = {v1 , ..., vN } una base de X y sean Ma = máx kvk ka > 0, Mb =


1≤k≤N
máx kvk kb > 0.
1≤k≤N

65
PN
Sea k ∈ X. Sea α ∈ KN tal que x = k=1 αk vk .
Entonces:
N
X
kxka = k αk vk ka
k=1
N
X
≤ |αk |kvk ka
k=1
N
X
≤ Ma |αk |
k=1
= Ma kαk1
N
(∗) Ma
X
≤ αk vk

cb


k=1 b
= skxkb

donde s = Mcb y en (*) sabemos que ∃cb > 0 por el lema ? con k · kb .
a

Análogamente, con t = Mca , con ca > 0 dado por el lema ? con k · ka , tendremos
b

que kxkb ≤ tkxka .


Definición 57 (Compacidad). Un espacio métrico (X, d) es compacto si
∀(xn ) ∈ X ∞ posee una subsucesión (xnk ) convergente (i.e. ∃l ∈ X tal que
d(xnk , l)−−−→ 0).
k→∞

Un conjunto no vacı́o A ⊂ X es compacto ssi (A,d) es compacto.


NOTAS:
A es compacto ⇔

∀(xn ) ⊂ A, ∃(xnk ) ⊂ (xn ) y l ∈ A tal que lı́m d(xnk , l) = 0


k→∞

Por definición (xnk ) es la composición de (xn ) con la sucesión estricta-


mente creciente (nk ) ∈ N∞ . Se tiene entonces que ∀k ≥ 1, k ≤ nk .
Lema 58 (Condiciones necesarias de compacidad). Sean (X, d) un EM y A ⊂ X
1. A es compacto ⇒ A es cerrado y acotado.
2. La recı́proca, en general es falsa.
NOTA: En los cursos de Cálculo se define: A ⊂ RN es compacto ssi A es
cerrado y acotado. Veremos que a pesar de que en el lema la recı́proca no siempre
tiene lugar (existen conjuntos cerrados y acotados que no son compactos), en
RN y en general en todo EVN de dimensión finita, si es válida.
Demostración. 1. Supongamos que A es compacto. P.D. (1.1) A es cerrado;
(1.2) A es acotado.
(1.1) Sea (xn ) ⊂ A y l ∈ X tales que xn n→∞
−−−→ l. P.D. l ∈ A.
Como A es compacto, ∃(xnk ) ⊂ (xn ) y a ∈ A tal que xnk − −−→ a.
k→∞
Pero xn n→∞ l, entonces xnk k→∞ l.
−−−→ −−−→
Por la unicidad del lı́mite l = a ∈ A ⇒ l ∈ A.

66
(1.2) Por el absurdo: supongamos que A no es acotado (i.e. ∀x0 = X,
∀R > 0 A 6⊂ BR (x0 )).
Sea x0 ∈ A. Sea R1 = 1. Entonces x0 ∈ BR1 (x0 ) A 6⊂ BR1 (x0 ) ⇒
∃x1 ∈ A tal que d(x0 , x1 ) ≥ 1.
Sea R2 = d(x0 , x1 ) + 1. ⇒ x0 , x1 ∈ BR2 (x0 ) A 6⊂ BR2 (x0 ) ⇒ ∃x2 ∈ A
tal que d(x0 , x2 ) ≥ R2 .
Como R2 ≥ 2 y R2 > d(x0 , x1 );

d(x0 , x2 ) ≥ 2 > 1 y d(x1 , x2 ) ≥ d(x0 , x2 ) − d(x0 , x1 ) ≥ 1

Sea R3 = máx0≤j≤2 d(x0 , xj ) + 1 ⇒ x0 , x1 , x2 ∈ BR3 (x0 ),


A 6⊂ BR3 (x0 ) ⇒ ∃x3 ∈ A tal que d(x0 , x3 ) ≥ R3 .
Como ∀i ∈ {0, 1, 2}, d(x0 , xi ) ≤ máx0≤j≤2 d(x0 , x1 ), ∀i ∈ {0, 1, 2},

d(xi , x3 ) ≥ d(x3 , x0 ) − d(x0 , xi ) ≥ R3 − máx d(x0 , x1 ) = 1


0≤j≤2

Y ası́ sucesivamente, para n ≥ 1 tomamos


Sea Rn = máx0≤j≤n−1 d(x0 , xj ) + 1 ⇒ x0 , .., xn−1 ∈ BRn (x0 ),
A 6⊂ BRn (x0 ) ⇒ ∃xn ∈ A tal que d(x0 , xn ) ≥ Rn .
Como ∀i ∈ {0, ..., n − 1}, d(x0 , xi ) ≤ máx0≤j≤n−1 d(x0 , xj ) se tiene
que ∀i ∈ {0, ..., n − 1},

d(xi , xn ) ≥ d(xn , x0 ) − d(x0 , xi ) ≥ Rn − máx d(x0 , xj ) = 1


0≤j≤n−1

En resumen hemos obtenido una sucesión (xn ) ⊂ A tal que


d(xm , xn ) ≥ 1 si m 6= n.

Esta sucesión no puede tener subsucesiones de Cauchy y, por ende, no


puede tener subsucesiones convergentes. Entonces A no es compacto.
Contradicción.

2. Veamos que la recı́proca es en general falsa: En l∞ (R) sea para n ≥ 1,


xn = (δnk )k≥1 . Entonces d∞ (xn , 0) = 1 y d∞ (xn , xm ) = δmn .
A=B e1 (0) es cerrada y acotada pero (xn ) ⊂ A no puede tener subsuce-
siones de Cauchy y, por ende, subsucesiones convergentes.

Teorema 59 (Compacidad y dimensión finita 1). Sea (X, k · k) un EVN de


dimensión N < ∞. Sea un conjunto no vacı́o A ⊂ X. Entonces:

A es compacto ⇔ A es cerrado y acotado.

Demostración. (⇒) Resulta del lema precedente.

(⇐) Supongamos que A es cerrado y acotado. P.D. A es compacto.


Sea (xn ) ∈ A∞ una sucesión cualquiera. Debemos hallar una subsucesión
(xnk ) ⊂ (xn ) y y ∈ A tales que kxnk − ykn→∞
−−−→ 0.
Sean B = {v1 , ..., vn } una base de X y (α(n) ) ⊂ KN tales que
N
X
∀n ≥ 1, xn = αn(n) vk
k=1

67
Probemos que (α(n) ) es acotada en (KN , k · k1 ): Debemos hallar r > 0 tal
que ∀n ≥ 1 kxn k1 < r.
Como A es acotado en (X, k · k), existe R > 0 tal que ∀x ∈ A, kxk < R.
Como (xn ) ⊂ A entonces ∀n ≥ 1 kxn k < R.
Por el lema ?, ∀n ≥ 1
N
(n) X (n) 1
1 R
kα k1 ≤ αk vk = kxn k < =: r
c c c
k=1

Basta entonces tomar r = R/c.


Como (α(n) ) es acotada en (K, k · k1 ), por el Th. de Bolzano-Weierstrass,
existe (α(nc ) ) ⊂ (α(n) ) y a ∈ KN tales que kα(nk ) − ak1 −−−→ 0.
k→∞
PN
Si ponemos y = k=1 ak vk , de manera análoga a lo hecho en el Th. de
Completitud de los EVN de dimensión finita se tiene que lı́mk→∞ kxnk −
yk = 0. Ver que y ∈ A al ser lı́mite de una sucesión de elementos del
conjunto A.

NOTA: La relación entre la compacidad de un conjunto cerrado y acotado


y la dimensión del EVN se evidencia aún más en el siguiente teorema.
Teorema 60 (Compacidad y dimensión finita 2). Sea (X, k · k) un EVN. En-
tonces:
dim X es finita ⇔ B
f1 (θ) es compacta.

Demostración. (⇒) resulta del Th. precedente.


(⇐) Usaremos el siguiente lema, que demostraremos luego.
Lema 61 (Lema de Riesz). Sea (X, k · k) un EVN y sean Y, Z dos SEV
de X tales que Y ⊂ Z, Y 6= Z e Y es cerrado. Entonces:
∀θ ∈]0, 1[ ∃zθ ∈ Z tal que kzθ k = 1 y kzθ − yk ≥ θ ∀y ∈ Y

Supongamos que B f1 (θ) es compacto. P.D. dim(X) < ∞.


Por el absurdo: Supongamos que dim(X) = ∞.
Sea x1 ∈ X \ {θ}. Sea Y1 = Gen{x1 } (es cerrado porque dim(Y1 ) = 1.
Aplicamos el lema de Riesz con Z = X, Y = Y1 , θ = 21 .
Entonces ∃x2 ∈ X tal que kx2 k = 1 y kx2 − yk ≥ 21 ∀y ∈ Y1 . En particular
kx2 − x1 k ≥ 12 .
Obviamente x1 y x2 son l.i., porque x2 ∈ / Y1 = Gen{x1 }.
Apliquemos otra vez el lema de Riesz con Z = X y, esta vez con Y = Y2 =
Gen{x1 , x2 }, θ = 21 . Entonces ∃x3 ∈ X tal que kx3 k = 1 y kx3 − x1 k ≥ 21
∀y ∈ Y .
En particular kx3 − x2 k ≥ 21 y kx3 − x1 k ≥ 21 y, por otro lado x3 ∈ / Y3 ,
por lo que x1 , x2 , x3 son l.i.
Se aplica otra vez el lema de Riesz con Y = Y3 = Gen{x1 , x2 , x3 }, etc. y
se obtiene (xn ) ⊂ X tal que kxn k = 1 ∀n ≥ 1 y kxn − xm k ≥ 21 ∀n 6= m.
Una tal sucesión (xn ) ⊂ B f1 (θ) no puede tener subsucesiones de Cauchy y,
por ende, ninguna subsucesión convergente.
Esto indica que B f1 (θ) no es compacta. Contradicción.

68
Teorema 62 (Invarianza por continuidad de la Compacidad). Sea (X, dx ),
(Y, dy ) dos espacios métricos y f : X → Y una función continua. Sea A ⊂ X
no vacı́o. Entonces:

A es compacto en (X, dx ) ⇒ f (A) es compacto en (Y, dy ).

Demostración. Sea (yn ) ⊂ f (A). Debemos hallar una subsucesión (ynk ) ⊂ (yn )
y l ∈ Y tales que lı́mk→∞ dy (ynk , l) = 0.
Como ∀n ≥ 1 yn ∈ f (A), tomamos xn ∈ A tal que yn = f (xn ).
Como (xn ) ⊂ A y A es compacto, existen (xnk ) ⊂ (xn ) y a ∈ A tal que
lı́mk→∞ dx (xnk , a) = 0.
Sea l = f (a). Probemos que lı́mk→∞ dy (ynk , l) = 0.
En efecto:

lı́m dy (ynk , l) = lı́m dy (f (xnk ), f (a))


k→∞ k→∞
continuidad de dy
= dy ( lı́m f (xnk ), f (a))
k→∞
continuidad de f
= dy (f ( lı́m xnk ), f (a))
k→∞
= dy (f (a), f (a))
= 0

NOTA: Como corolario tenemos el Th. de los extremos absolutos:

Teorema 63 (de los extremos absolutos). Sea (X,d) un EM. A ⊂ X compacto


y f : X → R continua en A. Entonces:

∃xm , xM ∈ A tales quef (xm ) = mı́n f (x), f (xM ) = máx f (x)


x∈A x∈A

Demostración. Por el Th. precedente f(A) es compacto en R y por ende f(A)


es acotado y cerrado. Entonces ∃ym , yM ∈ f (A) tales que ym = mı́n f (A),
yM = máx f (A) (pruébelo en detalle!). Basta tomar xm , xM ∈ A tales que
ym = f (xm ), yM = f (xM ).

Lema 64 (Lema de Riesz). Sea (X, k · k) un EVN y sean Y, Z dos SEV de X


tales que Y ⊂ Z, Y 6= Z e Y es cerrado. Entonces:

∀θ ∈]0, 1[ ∃zθ ∈ Z tal que kzθ k = 1 y kzθ − yk ≥ θ ∀y ∈ Y

Demostración. Sea v ∈ Z \ Y . Sea a = D(v, Y ) = ı́nf y∈Y kv − yk.


Obviamente a > 0 por ser Y cerrado.
Sea θ ∈]0, 1[. Debemos hallar zθ ∈ Z de acuerdo al enunciado.
Como θ1 > 1, aθ > a.
Por definición de ı́nfimo
a
∃bθ ∈ {kv − yk | y ∈ Y } ⊂ Rtal quea ≤ bθ ≤
θ
Es decir que ∃yθ ∈ Y tal que a ≤ bθ = kv − yθ k < aθ .
1
Sea zθ = kv−y θk
(v − yθ ).

69
Entonces kzθ k = 1. Además ∀y ∈ Y , kzθ − yk ≥ θ.
En efecto: Sea y ∈ Y :

1
kzθ − yk = (v − yθ ) − y
kv − yθ k
1
= kv − yθ − kv − yθ kyk
kv − yθ k
∗ 1
= kv − yek
kv − yθ k
∗ 1
≥ a
kv − yθ k
a
>
a/θ
= 0

* con ye = yθ − kv − y0 ky ∈ Y por lo que kv − yek ≥ a, por definición de a.

Ejercicios
1. Dé ejemplos de subespacios de l2 y de l∞ que no sean cerrados.
2. Halle el mayor c > 0 dado por el lema ?, si:
(a) X = R2 , v1 = (1, 0), v2 = (0, 1);
(b) X = R3 , v1 = (1, 0, 0), v2 = (0, 1, 0), v3 = (0, 0, 1);
(c) X = R2 , v1 = (1, 1), v2 = (1, −1);
(d) X = R3 , v1 = (0, 1, 1), v2 = (1, 0, 1), v3 = (1, 1, 0).
3. Sea Xm EV sobre K y sea N = {k · k : X → R | k · k es una norma} para
k · ka , k · kb ∈ N pongamos k · ka ∼ k · kb ⇔ k · ka y k · kb son equivalentes.
Pruebe que ∼ es una relación de equivalencia en N .
4. Sin usar el Th. de las normas equivalentes pruebe que en RN , N ≥ 1, son
equivalentes k · k2 y k · k∞ y que para toda norma k · k en RN existen
a, b > 0 tales que ∀x ∈ RN kxk ≤ bkxk2 y akxk2 ≤ kxk. Pruebe además
que ∀x ∈ RN , √1N kxk1 ≤ kxk2 ≤ kxk1 .

5. Pruebe que RN y CN no son compactos.


6. Pruebe que si X es infinito y d : X 2 → R es la métrica discreta entonces
(X,d) no es compacto.
7. Dé ejemplos de curvas en E 2 que sean compactas y otras que no.
8. Demuestre el Th. de Bolzano-Weierstrass para KN , K ∈ {R, C} N ∈ N.
9.
Definición 65 (Compacidad local). Un EM (X,d) es localmente com-
pacto si ∀b ∈ X ∃Vb una vecindad de b compacta en (X,d). (V es una
vecindad de b ⇔ b ∈ V̊ ⇔ ∃r > 0 tal que Br (b) ⊂ V ).
Pruebe que NN es localmente compacto ∀N ∈ N.

70
10. Pruebe que si en un EVN (X, k · k), dim(X) = N < ∞, en el lema de Riesz
se puede tomar θ ∈]0, 1].

11. Sean (X,d) un EM compacto y A ⊂ X un cerrado . Pruebe que A es


compacto.
12.
Definición 66. Sean (X, dx ), (Y, dy ) dos EM, f : X → Y . Se dice que f
es un homeomorfismo si f es biyectiva y si f y f −1 son continuas (dicen
en este caso que f es bicontinua).
Pruebe que si (X, dx ) es compacto y si f es biyectiva y continua entonces
f −1 es continua (i.e. f es un homeomorfismo).
13. Sean (X,d) EM, b ∈ X, (xn ) ∈ X ∞ tal que ∀n ≥ 1 d(xn , b) > n. Pruebe
que @(xnk ⊂ (xn )) tal que (xnk ) no es acotada.
(n) (n) (n)
14. Saen (x1 , x2 , ..., xN )n≥1 ⊂ KN y l = (l1 , ..., ln ) ∈ KN . Sea p ∈ [1, ∞[
(n)
o p = ∞. Pruebe que kxn − lkp − −−→ 0 ⇔ ∀k ∈ {1, ...N }, |xk − lk |−
n→∞
−−→ 0.
n→∞

71
Capı́tulo 12

Operadores Lineales
Acotados

Definición 67. Sean X,Y dos EV, ambos sobre K ∈ {R, C}. Una función T :
X → Y , x 7→ T x se llama operador lineal si D(T ) es un SEV de X y si:
(
(A) ∀x1 , x2 ∈ D(T ), T (x1 + x2 ) = T x1 + T x2
(L)
(H) ∀α ∈ K, ∀x ∈ D(T ), T (α · x) = αT x

NOTA:

1.

(L) ⇔ (L1) : ∀α ∈ K, ∀x1 , x2 ∈ D(T ), T (α · x1 + x2 ) = α · T x1 + T x2


⇔ (L2) : ∀α, β ∈ K, ∀u, v ∈ D(T ), T (αu + βv) = α · T u + βT v
⇔ (LN ) : ∀N ≤ 2, ∀α ∈ KN , ∀x ∈ (D(T ))N ,
N
! N
X X
T αk xk = αk T xk
k=1 k=1
donde α = (α1 , ..., αN ), x = (x1 , ..., xN ).

2. Im(T ) es SEV de Y.

3. N (T ) = {x ∈ D(T ) | T x = 0} = núcleo de T, es SEV de X.

4. Si dim D(T ) = N < ∞ y si ponemos ρ = dim Im(T ), η = dim N (T ),


entonces N = ρ + η.

5. Si dim X = N , dim Y = M y si B = {u1 , ..., uN } y C = {v1 , ..., vM } son


bases de X e Y respectivamente. A un operador lineal T : X → Y x 7→ y
está asociada una matriz TBC ∈ MM ×N (K) tal que [y]c = TBC [x]B , donde
[x]B ∈ KN e [y]c ∈ KN son los vectores de coordenadas de x e y en las
bases B y C, respectivamente.
Además TBC = ([T u1 ]c [T u2 ]c ...[T uN ]c )

6. Si T : X → Y es lineal, entonces:

72
(a)
def
∃T −1 Y → X ⇔ T es inyectivo
⇔ [T u = T v ⇒ u = v] ∀u, v ∈ D(T )
⇔ [T u = 0 ⇒ u = θ] ∀u ∈ D(T )
⇔ N (T ) = {θ}
⇔ ∀u, v ∈ D(T ), [u 6= v ⇒ T u 6= T v]

(b) Si ∃T −1 , D(T −1 ) = Im(T ), Im(T −1 ) = D(T ) y T −1 es lineal.


(c) Si T : X → Y es lineal y si A ⊂ D(T ) es l.d. entonces T(A) también
es l.d.

Definición 68. Sean (X, k · kx ), (Y, k · ky ) dos EVN, ambos sobre K ∈ {R, C}.
Un operador lineal T : X → Y es acotado ssi

∃c ≥ 0 tal que ∀x ∈ D(T ), kT xky ≤ ckxkx (12.1)

NOTA:

1.
kT xky
(12.1) ⇔ ∃c ≥ 0 tal que ∀x ∈ D(T ) \ {θ}, ≤c (12.2)
kxkx
⇔ ∃c ≥ 0 ∀u ∈ D(T ) para el cual kukx = 1, kT uky ≤ c (12.3)

2. T es acotado ssi el conjunto


 
kT xky
| x ∈ D(T ) \ {θ} = {kT uky | u ∈ D(T ), kukx = 1} =: Ω ⊂ R
kxkx

es acotado por arriba. (Lo es por toda c ≥ 0 tal que (10.1), o (10.2) o
(10.3)).
En este caso sup Ω es por definición la menor de tales c. Ponemos

def kT xky
kT k = sup = sup kT uky = mı́n{c ≥ 0 | (10,1)}
x∈D(T )\{θ} kxkx u∈D(T ), kukx =1
(12.4)
A kT k se le llama norma de T. Veremos luego por qué.

3. Si T es acotado, kT xky ≤ kT kkxkx ∀x ∈ D(T ).

4. Para el cálculo de kT k se suelen usar las siguientes observaciones:

(a) ∀u ∈ D(T ) con kukx = 1, kT uky ≤ kT k


kT xky
(b) ∀x ∈ D(T ) \ {θ}, ≤ kT k
kxkx
(c) kT k ≤ c ∀c ≥ 0 tal que (10.1)
(d) Si se puede hallar u ∈ D(T ) con kukx = 1 y c ≥ 0 que cumpla (10.1)

y como kT uky ≤ kT k ≤ c, si kT uky = c entonces esta será kT k.

73
Teorema 69. Sean (X, k · kx ), (Y, k · ky ) dos EVN, ambos sobre K ∈ {R, C}.
Sea l(X, Y ) = {T : X → Y | D(T ) = X, T es lineal y acotado}. Entonces:

L(X, Y ) = (l(X, Y ), k · k) es un EVN.

L(X, Y ) es de Banach si (Y, k · ky ) es de Banach.

Teorema 70. Sea T : X → Y un operador lineal.


Si dim D(T ) = N < ∞ entonces T es acotado.

Teorema 71. Sean (X, k · kx ), (Y, k · ky ) dos EVN, ambos sobre K ∈ {R, C} y
T : X → Y lineal.
Entonces son equivalentes las tres propiedades siguientes:

(a) T es acotado;

(b) T es continuo;

(c) ∃x0 ∈ D(T ) tal que T es continua en x0 .

Corolario 72. Si T : X → Y es lineal y acotado, entonces

(a) ∀(xn ) ⊂ D(T ), x ∈ D(T ), xn → x ⇒ T xn → T x

(b) N (T ) es cerrado. (Es la preimagen del cerrado {θ}).

Teorema 73. Sean (X, k·kx ) un EVN y (Y, k·ky ) un espacio de Banach, ambos
sobre K. Sea T : D(T ) ⊂ X → Y lineal y acotado. Entonces

∃!Te : D(T ) → Y lineal y acotado tal que Te |D(T ) = T

Además kT k = kTek.

Ejercicios
1. Para los operadores siguientes T : X → Y , pruebe que son lineales y diga
si son acotados. De serlo, calcule kT k. Si no lo es, demuéstrelo.

(a) I : X → X, x 7→ Ix = x
(b) Θ : X → Y, x 7→ Θx = θ
(c) D : C[a, b] → C[a, b], x 7→ Dx = x0
Rt
(d) J : C[a, b] → C[a, b], x 7→ y, y(t) = a
x(s)ds
(e) T : C[a, b] → C[a, b], x 7→ y, y(t) = tx(t)
(f ) T : (KN , k · kq ) → (KM , k · kp ), x 7→ T x = Ax;
donde A ∈ MM ×N (K); p, q ≥ 1
Rb
(g) T : C[a, b] → C[c, d], x 7→ T x, (T x)(t) = a k(s, t)x(s)ds, donde
k ∈ c([a, b] × [c, d]) es una función no negativa.
 
∞ ∞ xk − xk+1 + xk+2
(h) T : l → l , (xn ) 7→
k!
R1
(i) T : C[0, 1] → C[0, 1], x 7→ T x, (T x)(t) = t 0 x(s)ds

74
Rt
(j) T : C[−π, π] → C[−π, π], x 7→ T x, (Tx )(t) = sin τ x(τ )dτ
−π
Rt
(k) Tk : C[−1, 1] → C[−1, 1], x 7→ Tk x, (Tk x)(t) = −1 s|s|k x(s)ds, k ∈ N

2. Interprete geométricamente los siguientes operadores Tk : R2 → R2 y diga


cuál es lineal y cuál no y por qué:
(a) T1 : (x1 , x2 ) 7→ (x1 , 0);
(b) T2 : (x1 , x2 ) 7→ (0, x2 );
(c) T3 : (x1 , x2 ) 7→ (x2 , x1 );
(d) T4 : (x1 , x2 ) 7→ (ax1 , ax2 ), a ∈ R
3. Halle D(Tk ), Im(Tk ) y N (Tk ) para k ∈ {1, 2, 3} y N (T4 ) del ejercicio
anterior.
4. Halle N (I), N (Θ) y N (D) del ejercicio 1.

5. Para D : P [a, b] → P [a, b] p 7→ p0 halle N (D) e Im(D), si P [a, b] = {p :


[a, b] → R | p es polinomio}
6. Para D : PN [a, b] → PN [a, b], halle la matriz asociada DBB si B =
{v0 , v1 , ..., vN }; vk (t) = tk , 0 ≤ k ≤ N , N ∈ N, y PN [a, b] = {p : [a, b] →
R | p es un polinomio de grado ≤ N }

7. Sea Ipq : (c[a, b], k · kp ) → (c[a, b], k · kq ), x 7→ x; p, q ∈ [1, ∞[. Pruebe que:
(a) Ipq es acotado si q ≤ p;
(b) Ipq no es acotado si p < q.
8. Sean X = {x ∈ c[a, b] | x0 ∈ c[a, b]}; kxk = kxk∞ + kx0 k∞ . Pruebe que
k · k es una norma. Para k ∈ {1, 2} y c ∈]a, b[, sea Tk : X → X, x 7→ Tk x;
donde (T1 x)(t) = x0 (c)x(t), (T2 x)(t) = x0 (c) + x(t). ¿Es Tk lineal?. ¿Es
acotado? y si lo es calcule kTk k.

75
Capı́tulo 13

Funcionales Lineales

Son un caso particular de los operadores lineales, cuando Y = K. Es decir


que f : X → K, x 7→ f (x); con X un EV sobre K es un funcional lineal si

∀α ∈ K, ∀x1 , x2 ∈ D(f ), f (x1 + x2 ) = f (x1 ) + f (x2 ) y f (αx1 ) = αf (x1 ).

Si (X, k · k) es un EVN, f es acotado si

∃c ≥ 0 tal que ∀x ∈ D(f ), |f (x)| ≤ ckxk

Tenemos que

kf k = mı́n{c ≥ 0 | ∀x ∈ D(f ), |f (x)| ≤ ckxk}


|f (x)|
= sup
x∈D(f )\{θ} kxk

= sup |f (u)|
u∈D(f ),kuk=1

Al espacio de Banach L(X, K) se le nota X 0 y se llama dual topológico de X


para diferenciarlo del dual algebraico X ∗ del EV X, que es X ∗ = {f : X → K |
f es lineal}

(X 0 = (l(X, K), k · k), l(X, K) = {f ∈ X ∗ | f es acotado}).

NOTA:
1. X ∗ es un EV sobre K (SEV de {f : X → K | f es función y D(f ) = X})
2. A (X ∗ )∗ =: X ∗∗ se le llama segundo dual algebraico de X o bidual alge-
braico de X.
3. La función
def
C : X → X ∗∗ , x 7→ gx ; gx : X ∗ → K, f 7→ gx (f ) = f (x)

es un operador lineal inyectivo (pruébelo!) cuyo dominio D(C) = X, se le


llama inmersión canónica de X en X ∗∗
4. Si C es sobreyectiva se dice que X es algébricamente reflexivo. En este
caso C es un isomorfismo de X y X ∗∗ en tanto que espacios vectoriales.

76
Ejemplos
Rb
1. f : C[a, b] → R, x 7→ f (x) = a x(t)dt es obviamente lineal.
Veamos que es acotado. Sea x ∈ c[a, b]:
Z Z
b b
|f (x)| = x(t)dt ≤ |x(t)|dt

a a
Z b
≤ kxk∞ dt = (b − a)kxk∞
a

Entonces f es acotado y kf k ≤ (b − a).


Si tomamos u(t) = 1, entonces kuk∞ = 1 y
Z
b
|f (u)| = 1dt = (b − a) ≤ kf k

a

Por consiguiente kf k = b − a
2. f : C[a, b] → R, x 7→ f (x) = −x(a) + x(b).
f es lineal y como ∀x,
|f (x)| = | − x(a) + x(b)| ≤ |x(a)| + |x(b)| ≤ 2kxk∞
Entonces f es acotada y kf k ≤ 2.
Por otro lado si u : [a, b] → R es continua, f (a) = −1, f (b) = 1 y f es
creciente, tenemos que kuk∞ y
|f (a)| = −(−1) + 1 = 2 ≤ kf k
de donde kf k = 2.

Funcionales lineales en espacios de dimensión fi-


nita
Sea X un EV sobre K de dimensión N < ∞.
Dada una base B = {b1 , ..., bN } en X, para x ∈ X denotaremos por [x]B a α =
PN
(α1 , ..., αN ) ∈ KN , donde α es el único elemento de KN tal que x = k=1 αk bk .
Llamamos a [x]B el vector de coeficientes de x para la base B.
Dado f ∈ X ∗ , es decir un funcional lineal f : X → K, le podemos asociar
ξ ∈ KN poniendo para 1 ≤ k ≤ N , ξk = f (bk ).
Por otro lado tenemos que
N
X
f (x) = αk f (bk ) (13.1)
k=1

Vemos que f está dado si conocemos los valores f (bk ), ∀k ∈ {1, ..., N }.
def
Por ello, dado ξ ∈ KN , podemos definir f poniendo f (bk ) = ξk y usamos
(13.1) para hallar f (x) para cualquier x ∈ X. Se tiene entonces una biyección
ϕ : KN → X ∗ , ξ 7→ f = ϕ(ξ).
f (bk ) = (ϕ(ξ))(bk ) = ξk .

77
Si tomamos en KN la base canónica E = {e1 , ..., eN }, e1 = (1, 0, .., 0), ...
, ek = (0, ..., 0, 1, 0, ..., 0), ...,eN = (0, ..., 0, 1), y para k ∈ {1, ..., N } ponemos
fk = ϕ(ek ), es decir
(
1 si k = j
fk (bj ) = (ϕ(ek ))(bj ) = δkj = (13.2)
0 si no

resulta que f = {f1 , ..., fN } es una base de X ∗ , llamada base dual de B, la


base que tomamos en X. Se tiene, en efecto, el siguiente teorema:
Teorema 74 (dimensión del dual). Si X es un EV sobre K de dimensión N < ∞
y si B = {b1 , ..., bN } es una base de X, entonces f = {f1 , ..., fN }, definida por
(13.2) es una base de X ∗ , el dual algebraico de X, y dim X ∗ = N .
Por otra parte tenemos el siguiente lema para verificar la igualdad en espacios
vectoriales de dimensión finita:
Lema 75 (del vector cero y de la igualdad). Sea X un EV sobre K ∈ {R, C},
de dimensión N < ∞. Entonces:
1. ∀x ∈ X, [x = θ ⇔ f (x) = 0 ∀f ∈ X ∗ ]
2. ∀u, v ∈ X, [u = v ⇔ f (u) = f (v) ∀f ∈ X ∗ ]
Demostración. Sea B = {b1 , ..., bN } una base de X y E = {f1 , ..., fN } ⊂ X ∗ la
base de X ∗ dual de B.
1. (⇒) es obvio.
(⇐) Sea x ∈ X tal que ∀f ∈ X ∗ f (x) = 0. P.D. x = 0
N
X
Sea α = [x]B , i.e. x = α j bj .
j=1
Entonces ∀k ∈ {1, ..., N }
 
N
X N
X
fk (x) = fk  αj bj  = αj fk (bj ) = αk = 0
j=1 j=1

Entonces α = θ y, por ende, x = 0.


2. resulta de (13.1) poniendo x = u − v.

Corolario 76. Todo EV X de dimensión finita es algébricamente reflexivo. La


aplicación canónica
C : X → X ∗∗ , x 7→ gk
es lineal y biyectiva.
Demostración. (a) C es lineal. Sea α ∈ K, u, v ∈ X. P.D. C(αu + v) = αCu +
Cv.
def
C(αu + v) = gαu+v y ∀f ∈ X ∗ gαu+v (f ) = f (αu + v) = αf (u) + f (v). Por
otra parte ∀f ∈ X ∗ , (αCu+Cv)(f ) = α(Cu)(f )+(Cv)(f ) = αf (u)+f (v).
Entonces tenemos que C(αu + v) = αCu + Cv.

78
(b) Inyectividad. Sea x ∈ X tal que Cx = θ. P.D. x = 0.

Cx = Θ ⇒ ∀f ∈ X ∗ (Cx)(f ) = Θ(f ) = 0
∗ ∗∗
⇒ ∀f ∈ X ∗ f (x) = 0 ⇒ x = 0, teniendo en cuenta que:

* (Cx)(f ) = f (x).
** por 1 del lemma.
(c) Sobreyectiva. Por el Th. de la dimensión del dual dim X ∗∗ = dim X ∗ =
dim X = N .
Al ser C inyectiva dim Im(C) = dim X = N
Entonces dim X ∗∗ = dim Im(C), por lo que X ∗∗ = Im(C).

Ejercicios
1. Sea (X, k · k) un EVN. Pruebe que k · k no es lineal
2. Para X = (KN , k · k2 ), N ≥ 2 sea a ∈ KN y sea fa : X → R, x 7→ fa (x)
PN
definido por fa (x) = k=1 ak xk , si x = (x1 , ..., xN ).
Pruebe que f es lineal, acotado y que kf k = kak2 .
Rb
3. Sea f : C[a, b] → R, x 7→ f (x) = a ρ(t)x(t)dt, donde ρ ∈ c[a, b] y ρ(t) > 0
∀t ∈ [a, b].
Pruebe que f ∈ (C[a, b])0 y halle kf k.
 
a+b
4. Sea f : C[a, b] → R, x 7→ f (x) = x(a) − x + x(b).
2
Pruebe que f ∈ (C[a, b])0 y halle kf k.
P∞
5. Sea f : l2 (R) → R, (xn ) 7→ f ((xn )) = k=1 ak xk , donde (am ) ∈ l2 (R).
Pruebe que f es lineal, continua y que kf k = k(am )k2 .
R1
6. Halle kfn k si fn : C[−1, 1] → R, x 7→ fn (x) = −1 tn x(t)dt, n ∈ N.
7. Para x ∈ c[a, b] sean f1 (x) = máxa≤t≤b |f (x)|, f2 (x) = mı́na≤t≤b |f (x)|.
Son f1 y f2 lineales? Son acotados?.
8. Sean n ∈ N, fn : l∞ (R) → R, (xm ) 7→ fn ((xm )) = xn . Diga si f es lineal y
acotado. Si lo es calcule kfn k.
a+b
9. Sean X = {x ∈ c[a, b] | x0 ∈ c[a, b]}, J = [a, b], c = .
2
Sea C 1 [a, b] = (X, k · k), con kxk = kxk∞ + kx0 k∞ .
Pruebe que k · k es una norma en el EV X.
Sea f : X → R, x 7→ f (x) = x0 (c). Pruebe que f es lineal y que es acotado
en C 1 [a, b]. Calcule kf k. Demuestre que f no es acotado en (X, k · k∞ ).
 
1 3 2
10. Halle el núcleo de T : R3 → R2 , x 7→ T x = Ax, A =
−2 1 0

11. Halle la base dual de B = {b1 , b2 , b3 }, base de R3 , con b1 = (0, 1, 1),


b2 = (1, 0, 1), b3 = (1, 1, 0). Halle fk (x) si k ∈ {1, 2, 3}, x = (1, 1, 1).

79
12. Halle una base de N (f ), si f : R3 → R, x 7→ f (x) = x1 + x2 − x3 .
13. Sea X un EV de dim N < ∞, Y ⊂ X un SEV de dim(N − 1).

(a) Halle f ∈ X ∗ tal que Y = N (f ). Ver que es único, salvo una constante
multiplicativa.
(b) Sea x0 ∈ X \ Y . Halle f ∈ X ∗ tal que f (x0 ) = 1 y f (x) = 0 ∀x ∈ Y .
14. Sea X un EV de dim N < ∞ y sea Y ⊂ X un SEV propio (Y 6= X). Sea
f ∈ Y ∗ . Halle fe ∈ X ∗ tal que fe |y = f .

15. Sea f : Y ⊂ R3 → R, x 7→ f (x) = 4x1 −3x2 , Y = {(x1 , x2 , 0) | x1 , x2 ∈ R}.


Halle todas las extensiones lineales fe a R3 .

80
Capı́tulo 14

Caracterización del dual


topológico de algunos EVN

Definición 77. Sea (X, k · kx ) un EVN sobre K ∈ {R, C}. Un funcional lineal
f : D(f ) ⊂ X → K, x 7→ f (x) es acotado ssi

∃c ≥ 0 tal que ∀x ∈ D(f ), |f (x)| ≤ ckxkx

se pone, en este caso

kf k = mı́n{c ≥ 0 | ∀x ∈ D(f ), |f (x)| ≤ ckxkx }

NOTA: Un funcional lineal acotado es de hecho un operador lineal acotado


X → Y para el cual Y = K.

Definición 78.
X 0 = L(X, K) = (l(X, K), k · k)
se llama dual topológico de X.
Aquı́ l(X, K) = {f ∈ X ∗ | f es acotado}; X ∗ = {f : X → K | D(f ) =
X y f es lineal}

NOTA:

1. Si f : D(f ) ⊂ X → K es un funcional lineal acotado,

kf k = mı́n{c ≥ 0 | ∀x ∈ D(f ), |f (x)| ≤ kxkx }


|f (x)|
= sup
x∈D(f )\{θ} kxkx

= sup |f (u)|
u∈D(f ),kukx =1

Obviamente ∀x ∈ D(f ), |f (x)| ≤ kf kkxkx .

2. Si el EV X es de dimensión finita N y si k · kx : X → R es una norma,


sabemos que:

(a) dim X ∗ = N y X es algébricamente reflexivo.

81
(b) l(X, K) = X ∗ (todo funcional lineal es acotado).
(c) Tiene lugar el lema de la igualdad:
(i) ∀x ∈ X, [x = 0 ⇔ f (x) = 0 ∀f ∈ X ∗ ]
(ii) ∀u, v ∈ X, [u = v ⇔ f (u) = f (v) ∀f ∈ X ∗ ]

La estrecha relación entre un EVN de dimensión finita y su dual se ve aún


más evidenciado en el siguiente ejemplo:

Ejemplo
Sea N ≥ 1.
Si p, q ∈]1, ∞[ y p1 + 1q = 1 (se dice entonces que p y q son exponentes conjuga-
dos), entonces el dual topológico de (KN , k · kp ), que lo notamos (KN , k · kp )0 , es
isomorfo a (KN , k · kq ).
En particular para p = q = 2, k · k2 es la norma usual de RN y, en este caso,
(KN , k · k2 )0 ' (KN , k · k2 ).
NOTA: Hemos puesto ' en vez de es isomorfo a. En la práctica, abusando
algo del lenguaje, se dice es en vez de es isomorfo a y se pone = en vez de '.
Los resultados obtenidos para caracterizar al dual topológico en espacios de
dimensión finita, motivan la búsqueda de resultados análogos para espacios de
dimensión infinita.
En particular es de gran utilidad hallar un EVN que sea isomorfo al dual
topológico X 0 de un EVN (X, k · kx ) dado. Se tienen los siguientes resultados:

Teorema 79. Pongamos:

K∞ ∞
| |xk |p < ∞}, p ∈ [1, ∞[
P
p = {(xn ) ∈ K

K∞
∞ = {(xn ) ∈ K

| (xn )es acotada}.
p P∞
Para (xn ) ∈ K∞
p , k(xn )kp =
p p p ∞
k=1 |xk | , l = (Kp , k · kp ).

Para (xn ) ∈ K∞
∞ , k(xn )k∞ = sup{|xk | | k ∈ N}, l

= (K∞
∞ , k · k∞ ).

c0 = ({(xn ) ∈ K∞ | xn −−−→ 0}, k · k∞ ) (es SEVN de l∞ , obviamente).


n→∞

Entonces:

1. (l1 )0 ' l∞

2. (lp )0 ' lq , si p, q ∈]1, ∞[ y 1


p + 1
q = 1.

3. (l∞ )0 no es isomorfo a l1 . Pero tenemos que:

4. (c0 )0 ' l1

NOTA:

1. Es interesante la anomalı́a que representa el resultado de 3 y 4 del teorema.

2. Para caracterizar el dual topológico de otros espacios, como por ejemplo


C[a, b], se requieren herramientas más avanzadas, como es el Teorema de
Hahn-Banach. Por ello se los estudiará en cursos superiores.

82
Ejercicios
1. Demuestre el resultado del ejemplo: (KN , k · kp )0 ' (KN , k · kq ) si N ∈ N,
p, q ∈]1, ∞[, p1 + 1q = 1.

2. Sean (X, k · kx ) un EVN, f : D(f ) ⊂ X → K y g : D(g) ⊂ X → K dos


funcionales lineales acotados. Pongamos para α, β ∈ K h : D(h) ⊂ X → K,
con D(h) = D(f ) ∩ D(g), h = αf + βg.
Pruebe que h es lineal y acotado.
3. Obtenga un resultado análogo para S, T ∈ L(X, Y ), donde X e Y son dos
EVNs, ambos sobre K ∈ {R, C}.
4. Sean (Tn ) ⊂ L(X, Y ), T ∈ L(X, Y ) tales que kTn − T k n→∞
−−−→ 0.
Pruebe que para a ∈ X y R > 0 dados, la sucesión (Tn ) converge unifor-
memente hacia T en B eR (a).
(es decir ∀ > 0 ∃N tal que ∀x ∈ B
eR (a), n > N ⇒ kTn x − T xk < )

5. Pruebe que (KN , k · k1 ) ' (KN , k · k∞ )


6. Caracterice el dual de (KN , k · k∞ )
7. Sea X un EV. Pruebe que todo f ∈ X ∗ está unicamente determinado por
sus valores en los elementos de una base de Hamel de X.

8. Sean X, Y dos EVN, ambos sobre K ∈ {R, C}. Pruebe que si Y 6= {θ} y
dim X = ∞, entonces ∃T : X → Y lineal pero no acotado.
9. Sea X un EVN de dimensión infinita. Pruebe que l(X, K) 6= X 0 .
10.

Definición 80. Sea X un EVN y sea M ⊂ X, M 6= ∅. El aniquilador


de M es el conjunto

M a = {f ∈ l(X, K) | f (x) = 0 ∀x ∈ M }

(a) Pruebe que M a es un SEV de l(X, K) y que es cerrado en X 0 =


(l(X, K), k · k).
(b) Halle {θ}a y X a .
(c) Si dim X = N < ∞ y Y es un SEV de X de dim k ≤ N , pruebe que Y a
es un SEVN de X 0 de dimensión N − K. Escriba este resultado como
un teorema sobre las soluciones de un sistema lineal de ecuaciones.
(d) Sea X = R3 , M = {(1, 0, −1), (1, −1, 0), (0, 1, −1)}. Halle una base
de M a .

11. Demuestre el teorema 79.

83
Parte III

ESPACIOS
EUCLIDIANOS Y DE
HILBERT

84
Capı́tulo 15

Espacios Euclı́deos

Definición 81. Sea X un espacio vectorial sobre K ∈ {R, C}. Una función

h·, ·i : X 2 → K, (x, y) 7−→ hx, yi

se llama producto escalar si se cumplen las propiedades:


Para ∀x, y ∈ X, ∀α ∈ K:

(E1) (No negatividad) hx, xi ∈ [0, ∞[

(E2) (Unicidad) hx, xi = 0 ⇔ x = θ


(θ es el neutro aditivo de X)

(E3) (Simetrı́a si K = R) hx, yi = hy, xi


(Simetrı́a conjugada K = C) hx, yi = hy, xi

(E4) (Linealidad respecto a la primera variable)

(A) (Aditividad) hx + y, zi = hx, zi + hy, zi


(H) (Homogeneidad) hαx, yi = αhx, yi

Al par (X, h·, ·i) se le llama Espacio Euclı́deo.

NOTA:

1. Si para x, y ∈ X ponemos
p
kxk = hx, xi
p
d(x, y) = kx − yk = hx − y, x − yi
entonces k·k es una norma y d es una distancia, llamadas norma asociada
a h·, ·i y métrica asociada a h·, ·i. (Demostraremos más tarde que k·k es
una norma).

2. Todo espacio euclı́deo es entonces a la vez un espacio vectorial normado y


un espacio métrico.

3. Si (X, d) es completo, se dice que (X, h·, ·i) es un espacio de Hilbert. En


este caso (X, k·k) es de Banach.

85
4. Se tiene que ∀x, y, z ∈ X y ∀β ∈ K:

(i) hx, y + zi = hx, yi + hx, zi


(ii) hx, βyi = βhx, yi (si K = R),
hx, βyi = β̄hx, yi (si K = C)

Es decir que para la segunda variable se tiene la aditividad, y la homoge-


neidad (K = R) o la homogeneidad conjugada (K = C).
Es decir que si K = R h·, ·i es también lineal respecto a la segunda variable
por lo que se dice que es bilineal.
En el caso K = C se dice que es semilineal respecto a la segunda variable
y que h·, ·i es sesquilineal (el prefijo sesqui significa 1 21 ).

5. Se tiene que ∀x, y, z ∈ X, ∀α, β ∈ K:

(i) hαx + βy, zi = αhx, zi + βhy, zi


(ii) hx, αy + βzi = αhx, yi + βhx, zi, si K = R;
hx, αy + βzi = αhx, yi + βhx, zi, si K = C.
(iii) hθ, yi = 0 , hx, θi = 0

6. Identidad del Paralelogramo (IP)


2 2 2 2
∀x, y ∈ X, kx + yk + kx − yk = 2(kxk + kyk )

7. No todo espacio vectorial normado es un espacio euclı́deo. Es decir que


puede haber normas que no están asociadas a ningún producto escalar. Es
más se tiene el siguiente teorema:

Teorema 82. Sea X un espacio vectorial sobre K dotado de una norma

k·k : X → [0, ∞[

Entonces k·k está asociada a un producto escalar

h·, ·i : X 2 → K

si y solo si ∀x, y ∈ X se cumple la identidad del paralelogramo.

Demostración. (⇒) Es (6) de la nota precedente.

(⇐) Suponer válida (IP) para ∀x, y ∈ X. Poner


2 2
hx, yi = 41 (kx
h + yk − kx − yk ), si K = R; i
2 2 2 2
hx, yi = 41 (kx + yk − kx − yk ) + i(kx + iyk − kx − iyk ) ,
si K = C.
Queda por probar que h·, ·i definido ası́ es un producto escalar cuya norma
asociada es justamente k · k.

Definición 83 (Ortogonalidad). Sean (X, h·, ·i) un espacio euclı́deo;


x, y ∈ X; A, B ⊂ X dos conjuntos no vacı́os:
def
1. x⊥y ⇔ hx, yi = 0 (se dice x es ortogonal a y).

86
def
2. x⊥B ⇔ hx, bi = 0 ∀b ∈ B(se dice x es ortogonal a B).
def
3. A⊥B ⇔ ha, bi = 0 ∀a ∈ A ∀b ∈ B(se dice A es ortogonal a B).

NOTA:

1. x⊥y ⇔ y⊥x

2. 0⊥x ∀x ∈ X

3. x⊥B ⇔ x⊥b ∀b ∈ B

4. A⊥B ⇔ a⊥b ∀a ∈ A, ∀b ∈ B

Ejercicios
1. Pruebe que el par (X, h·, ·i) es un espacio euclı́deo si:

(a) X = RN , N ≥ 1, K = R,
PN
hx, yi = k=1 xk yk ,
x = (x1 , ..., xN ), y = (y1 , ..., yN ).
(b) X = CN , N ≥ 1, K = C,
PN
hx, yi = k=1 xk yk ,
x = (x1 , ..., xN ), y = (y1 , ..., yN ).
(c) X = c[a, b] = {x : [a, b] → K | x es continua}; x, y ∈ X
Z b
hx, yi = x(t)y(t)dt si K = R
a
Z b
hx, yi = x(t)y(t)dt si K = C
a
P∞
(d) X = l2 (K) = {(xn ) ∈ K∞ | k=1 |xk |2 h∞}; (xn ), (yn ) ∈ X

X
h(xn ), (yn )i = (xk )(yk ) si K = R
k=1


X
h(xn ), (yn )i = (xn )(yn ) si K = C
k=1

2. Pruebe que si (X, h·, ·i) es un espacio euclideo y si k·k es la norma asociada
a h·, ·i, se cumple

(a) ∀x, y ∈ X, la identidad del paralelogramo.


(b) ∀x, y ∈ X, x⊥y ⇒ kx + yk2 = kxk2 + kyk2 (Th. de Pitágoras).

3. Pruebe que si K = R, en 2(b) se tiene la recı́proca

(kx + yk2 = kxk2 + kyk2 ⇒ x⊥y),

y dé un ejemplo que muestre que si K = C, la recı́proca no se cumple.

87
4. Pruebe que si (X, h·, ·i) es un espacio euclı́deo entonces:
(a) ∀x1 , x2 ∈ X \ {θ}, x1 ⊥x2 ⇒ {x1 , x2 } es linealmente independiente.
(b) El resultado de (a) es válido para N vectores x1 , ..., xN con n ≥ 2,
xi ⊥xj si i 6= j.
5. Sean (X, h·, ·i) un espacio eucı́deo; Y ⊂ X un subespacio vectorial de X
denso en X (i.e. Y = X) y M ⊂ X un subconjunto total (i.e. Gen(M ) =
X). Sean u, v, w ∈ X. Entonces:
(a)
u=θ ⇔ u⊥x ∀x ∈ X
⇔ u⊥y ∀y ∈ Y
⇔ u⊥z ∀z ∈ M

(b)
v=w ⇔ hv, xi = hw, xi ∀x ∈ X
⇔ hv, yi = hw, yi ∀y ∈ Y
⇔ hv, zi = hw, zi ∀z ∈ M

(Suponga conocido que xn − −−−→ y ⇒ hxk , yk i −−−→ hx, yi)


−−→ x, ym −
n→∞ m→∞ k→∞

6. En (C, h·, ·i), con hz1 , z2 i = z1 z2 , qué significa que z1 ⊥z2 ?.


7. En C2 sea kxk1 = |x1 | + |x2 |. Pruebe que k · k1 no está asociado a ningún
producto escalar.
def
8. C[a, b] = (c[a, b], k · k∞ ). Pruebe que k · k∞ no está asociada a ningún
producto escalar.
9. Sea X un espacio vectorial de dimensión finita N ∈ N. Sea B = {b1 , ..., bn }
una base de X. Pruebe que un producto escalar h·, ·i está plenamente
definido si conocemos αij = hbi , bj i para 1 ≤ i ≤ j ≤ N . Qué propiedades
deben satisfacer estos números αij ?.
10. En l2 (R) calcule  k(xn )k2 y k(ym)k2 , si k · k2 es la norma asociada a h·, ·i
y si (xn ) = n1 ; (ym ) = 2−m/2
Rb
11. En (c[a, b], h·, ·i) con hf, gi = a f (x)g(x)dx, caracterice el conjunto {f }⊥ =
{g ∈ c[a, b] | f ⊥g}, si:
h i
π
(a) f (x) = sin b−a (x − a) ;
(b) f (x) = (x − a)2n , n ∈ N,
(c) f (x) = (x − a)2n−1 , n ∈ N.
12. Sea (X, h·, ·i) un espacio euclı́deo. Pruebe que
1 1
∀x, y, z ∈ X, kz − xk2 + kz − yk2 = kx − yk2 + 2kz − (x + y)k2
2 2
(Identidad de Apolonio).

88
Capı́tulo 16

Desigualdades de Cauchy-
Schwarz-Buñakovski y
Triangular
p
Sea (X, h·, ·i) un espacio euclı́deo. Si para x ∈ X ponemos kxk = hx, xi,
se define la función k·k : X −→ R, que cumple con las propiedades de norma.
El lector puede verificar facilmente (N1), (N2) y (N3). Para probar (N4), la
desigualdad triangular, es fundamental el siguiente:
Teorema 84 (Desigualdad de Cauchy-Schwarz-Buñakovski). Sea (X, h·, ·i) un
espacio euclı́deo. Entonces, ∀x, y ∈ X,
1. (C.S.B.) |hx, yi| ≤ kxk kyk
2. La igualdad se da si y solo si el conjunto {x, y} es linealmente dependiente
(l.d.).
Demostración. 1. Hay dos casos:
(1.1) y = θ (se tiene la igualdad y {x, y} es l.d.).
(1.2) y 6= θ: Consideremos el caso K = C (si K = R es similar).
Sea α ∈ C arbitrario (luego escogeremos un α adecuado). Entonces
2
0 ≤ kx − αyk
= hx − αy, x − αyi
= hx, xi − αhx, yi − α [hy, xi − αhy, yi]

Si tomamos α de modo que la expresión entre corchetes se anule, es


decir si α = hy,xi
kyk2
, tendremos entonces
2
0 ≤ kx − αyk
hy, xi
= hx, xi − 2 hx, yi
kyk
2 |hx, yi|2
= kxk − 2
kyk

89
2 2
de donde |hx, yi|2 ≤ kxk kyk , y también (C.S.B.).
2. La igualdad se obtiene ssi y = θ o kx − αyk = 0,
es decir ssi [y = 0 o x − αy = θ] ssi {x, y} es l.d.

Corolario 85. Sea (X, h·, ·i) un espacio euclı́deo. Entonces


1. Se cumple (N4): ∀x, y ∈ X, kx + yk ≤ kxk + kyk
2. La igualdad se da ⇔ [y = θ o ∃α ∈ [0, ∞[ tal que x = αy]
Demostración. 1. Sean x, y ∈ X:
2 2 2
kx + yk = kxk + hx, yi + hy, xi + kyk
2 2
= kxk + kyk + hx, yi + hx, yi
2 2
= kxk + kyk + 2Rehx, yi
2 2
≤ kxk + kyk + 2 | hx, yi |
por la desigualdad (C.S.B.)
2 2
= (kxk + kyk )2 ,

de donde se cumple (N4).


2. (⇒) Supongamos que se da la igualdad. P.D.

[y = θ o ∃α ∈ [0, ∞[ tal que x = αy]

Vemos que la igualdad se da si y solo si

Rehx, yi = kxk · kyk . (16.1)

Como por (CSB) se tiene

kxk · kyk ≥ | hx, yi |

Entonces
(14,1) ⇒ Rehx, yi ≥ |hx, yi|,
Sabemos que ∀x ∈ C, Rez ≤ |z|,
por lo tanto

|hx, yi| ≥ Rehx, yi = kxk · kyk ≥ |hx, yi|, (16.2)

de donde
|hx, yi| = kxk · kyk.
Por la parte 2. del teorema se tiene entonces que

y=θ o [y 6= θ y ∃α ∈ K tal que x − αy = θ]

Basta probar que α ∈ [0, ∞[.


Por (14.2) se tiene que

Rehx, yi = |hx, yi| ∈ [0.∞[,

90
por lo que
Imhx, yi = 0,
y, por ende,
hx, yi = Rehx, yi ∈ [0, ∞[.
Finalmente, como

0 ≤ hx, yi = hαy, yi = αkyk2 ,

se tiene que α ∈ [0, ∞[.


(⇐) Supongamos que

y=θ o ∃α ∈ [0, ∞[ tal que x = αy.

Probemos que en (N4) se da la igualdad.


Por la hipótesis tenemos que:
o bien kx + yk = kxk = kxk + 0 = kxk + kyk (si y = θ),
o bien (si ∃α ∈ [0, ∞[ tal que x = αy):

kx + yk = kαy + yk
= k(α + 1)yk
= (α + 1)kyk
= kαyk + kyk
= kxk + kyk.

Continuidad del Producto Escalar


El producto escalar es una función h·, ·i : X 2 → K.
Para definir la continudad de una función F : X 2 → K, necesitamos la noción
de lı́mite en X 2 y en K, que se la puede tener si tanto en X 2 como en K están
definidas, por ejemplo, distancias. En K tenemos la distancia usual y en X la
distancia asociada a la norma que, a su vez, es asociada al producto escalar.
En X 2 pordemos definir varias normas. Por ejemplo: Si (x, y) ∈ X 2 :
def p
p
k(x, y)kp = kxkp + kykp , 1 ≤ p < ∞, o

k(x, y)k∞ = máx{kxk, kyk}.


Es fácil probar el LEMA: Si ((xn , yn ) ∈ (X ×Y )∞ y (a, b) ∈ X ×Y , entonces

k(xn , yn ) − (a, b)kp → 0 ⇔ kxn − ak → 0 y kyn − bk → 0

para toda norma k · kp , 1 ≤ p < ∞ o para k · k∞ .

Teorema 86 (Continuidad del Producto escalar). h·, ·i : X 2 → R es continua,


si en X 2 tomamos
k · kp con p ∈ [1, ∞[ o k · k∞

91
Demostración. Sea p ∈ [1, ∞]. Sea (x0 , y0 ) ∈ X 2 . P.D.
khx, yi − hx0 , y0 ik−−−−−−−−−−→ 0.
(x,y)→(x0 ,y0 )
(
kxk ≤ k(x, y)kp
Notemos que ∀x, y ∈ X,
kyk ≤ k(x, y)kp
Sea  > 0. Debemos hallar δ > 0 tal que
k(x, y) − (x0 − y0 )k < δ ⇒ |hx, yi − hx0 , y0 i| < 
Sea (x, y) ∈ X 2 tal que k(x, y) − (x0 , y0 )kp < 1.
Notemos que como
k(x, y) − (x0 , y0 )k = k(x − x0 , y − y0 )k, kx − x0 k ≤ 1 y ky − y0 k ≤ 1.

|hx, yi − hx0 , y0 i| = |hx, yi − hx0 , yi + hx0 , yi − hx0 , y0 i|


= |hx − x0 , yi + hx0 , y − y0 i|
≤ |hx − x0 , yi| + |hx0 , y − y0 i|
≤ kx − x0 k · kyk + kx0 k · ky − y0 k,
por la desigualdad (C.S.B.)
≤ kx − x0 k(ky − y0 k + ky0 k) + kx0 k · ky − y0 k,
por kyk = ky − y0 + y0 k ≤ ky − y0 k + ky0 k,
< (1 + kx0 k + ky0 k)k(x, y) − (x0 , y0 )kp ,
pork(x, y) − (x0 , y0 )kp < 1

< , pork(x, y) − (x0 , y0 )kp <
1 + kx0 k + ky0 k
 

Basta entonces tomar δ = mı́n 1, .
1 + kx0 k + ky0 k

Isomorfismos de espacios euclı́deos


Definición 87. Dos espacios euclı́deos (X, h·, ·ix ) e (Y, h·, ·iy ) son isomorfos
ssi ∃ϕ : X → Y una biyección lineal tal que
∀u, v ∈ X, hu, vix = hϕ(u), ϕ(v)iy
NOTA: si k · kx y k · ky son las normas asociadas a h·, ·ix y h·, ·iy , y si dx y
dy son las distancias asociadas a k · kx y k · ky , entonces:
(X, k · kx ) es isomorfo a (y, k · ky ) (en tanto que espacios normados),
(X, dx ) es isomorfo a (Y, dy ) (como espacios métricos).

Completamiento de espacios euclı́deos


Teorema 88. Si (X, h·, ·i) es un espacio euclı́deo incompleto, existe un espa-
cio de Hilbert (H, h·, ·i1 ) y un subespacio vectorial Y de H tales que Y = H y
(X, h·, ·i) es isomorfo a (Y, h·, ·i1 ).
A (H, h·, ·i) se le llama el completado de (X, h·, ·i) y es único salvo isomorfis-
mos.

92
NOTA: la unicidad significa que, si existe otro espacio de Hilbert (H2 , h·, ·i2 )
y si H2 posee un subespacio vectorial W tal que W = H2 y (X, h·, ·i) es isomorfo
a (W, h·, ·i2 ), entonces (H, h·, ·i1 ) y (H2 , h·, ·i2 ) son isomorfos.

Demostración. Es análoga a la de los teoremas de completamiento de espacios


métricos y de espacios normados.
Si Xc = {(xn ) ∈ X ∞ | (xn ) es de Cauchy},
(xn ), (ym ) ∈ Xc son equivalentes ((xn ) ∼ (ym )) ssi lı́mk→∞ kxk − yk k = 0 donde
k · k es la norma asociada a h·, ·i,
y si H = {(x d n ) | (xn ) es la clase de equivalencia con representante (xn ) ∈ Xc },
d
se pone, para (x d [
n ), (ym ) ∈ H:

h(x
d [ def
n ), (ym )i = lı́m hxk , yk i.
k→∞

El resto de la demostración es similar.

Ejercicios
1. ¿Qué significa la desigualdad (C-S-B) en R2 ?. ¿Y en R3 ?. Dé otra demos-
tración de (C-S-B) en estos casos.

2. Sea X = P2 [a, b] = {p : [a, b] → R | p es un polinomio de grado ≤ 2}.


Rb
hf, gi = a f (x)g(x)dx, para f, g ∈ X. Probar que (X, h·, ·i) es de Hilbert.
Sea Y = {f ∈ X | f (a) = 0}. Es Y un SEV de X?. Lo es Z, si Z = {f ∈
X | f es de segundo grado}?

3. Pruebe que si (X, h·, ·i) es un espacio euclı́deo; (xn ) ∈ X ∞ ; x, y ∈ X


entonces:
(a) y ⊥ xn ∀n ≥ 1, xn → x ⇒ y ⊥ x
(b) kxn k → kxk y hxn , xi → kxk2 ⇒ xn → x
(c) x ⊥ y ⇔ kx − αyk = kx + αyk ∀α ∈ K
(d) x ⊥ y ⇔ kx + αyk ≥ kxk ∀α ∈ K.
4. Sean c[a, b] = {f : [a, b] → C | f es continua}; para f, g ∈ c[a, b], hf, gi =
Rb
a
f (x)g(x)dx, k·k2 la norma asociada a h·, ·i; kf k∞ = máxa≤x≤b |f (x)|, C[a, b] =
(c[a, b], k · k∞ ).
(a) Pruebe que el operador identidad I : c[a, b] → c[a, b] x 7→ Ix = x, es
continuo si se lo considera C[a, b] → (c[a, b], k · k2 )
(b) ¿ Es continuo si se lo considera (c[a, b], k · k2 ) → C[a, b] ?

5. Sea (X, h·, ·i) un espacio euclı́deo complejo. Sea T : X → X lineal y


acotado.
(a) Pruebe que T = Θ ⇔ hT x, xi = 0 ∀x ∈ X
(b) Pruebe que no siempre es válido el resultado si X es un EV sobre R.

93
Capı́tulo 17

Aproximación de un punto
con elementos de un
convexo

Definición 89. Sea (X,d) un espacio métrico, x ∈ X y M ⊂ X un conjunto


no vacı́o. La distancia de x a M es el número D(x,M) definido por:

D(x, M ) = ı́nf{d(x, y) | y ∈ M }

Obviamente D(x, M ) ≥ 0. Si queremos aproximar x con elementos de M,


para todo i0 hallaremos siempre un y ∈ M tal que

D(x, M ) ≤ d(x, y) < D(x, M ) + .

Si de casualidad D(x, M ) = 0, podemos aproximar x con elementos de M, con


la precisión que deseemos.
Pero surge la pregunta: ¿Existe algún y ∈ M tal que d(x, y) = D(x, M )?.
De existir, ese y serı́a la mejor aproximación de x con un elemento de M.
Esta pregunta constituye en sı́ un interesante problema de aproximación:
“Dado x ∈ X, hallar, si existe, y ∈ M tal que d(x, y) = D(x, M )”.
Veamos un ejemplo: En R2 con la distancia usual d2 sean:

M = M1 = {1}×]1, 2[, x = (x1 , x2 ) = (0, 2)

M = M2 = {−1} × [1, 2,5], x = (0, 2)

M = M3 = {(x1 , x2 ) ∈ R2 | x21 + (x2 − 2)2 = 4}, x = (0, 2)

Veamos que D(x, M ) = 1 y que @y = (y1 , y2 ) ∈ M1 tal que D(x, M1 ) = d2 (x, y);
D(x, M2 ) = 1, y y = (−1, 2) ∈ M2 y D(x, M2 ) = d2 (x, y) = 1 D(x, M3 ) = 2,
el gráfico de M3 es la circunferencia de radio 2 y centro (0,2) y por la que
∀y = (y1 , y2 ) ∈ M3 , d(x, y) = D(x, M3 ).
La respuesta a la pregunta es pues muy diferente en cada ejemplo. Veremos
que si trabajamos en un espacio euclı́deo y si M es cerrado y convexo, se tiene
un resultado de existencia y unicidad para el problema.
Precisemos algunos conceptos:

94
1. Sea X un espacio vectorial. Dados x0 , x1 ∈ X se llama segmento de
extremos x0 y x1 y se lo nota [x0 , x1 ] al conjunto

[x0 , x1 ] = {xt ∈ X | xt = tx1 + (1 − t)x0 , t ∈ [0, 1]}

2. A cada xt , con t ∈ [0, 1] se le llama combinación convexa de x0 y x1 .


3. Un subconjunto no vacı́o M de X es convexo ssi

∀x0 , x1 ∈ M, [x0 , x1 ] ⊂ M.

NOTAS:
1. Todo subespacio vectorial de X es convexo.
2. La intersección de convexos es un convexo.
3. La unión de convexos no es necesariamente convexa.
En el ejemplo con M = M2 = {−1} × [1; 2,5], x = (0, 2) vimos que existe
un único punto, en este caso y = (−1, 2), que es solución del problema de
aproximación siguiente: Dado x ∈ X, hallar y ∈ M tal que d2 (x, y) = D(x, M ).
En este caso el segmento [x,y] es perpendicular al conjunto M que es el
segmento [(−1, 1), (−1; 2,5)]. Notemos que M es un conjunto convexo y cerrado,
lo que no sucede si M ∈ {M1 , M3 }. Resulta que estas dos condiciones son
suficientes para garantizar la existencia y unicidad de solución al problema de
aproximación mencionado. Tenemos el siguiente teorema.
Teorema 90 (del Vector Minimizante). Sea (X, h·, ·i) un espacio euclı́deo y
M 6= ∅ un conjunto convexo y completo (con la métrica d asociada a k · k, la
norma asociada a h·, ·i). Entonces

∀x ∈ X ∃!y ∈ M tal quekx − yk = ı́nf kx − vk = D(x, M ) =: δ


v∈M

Demostración. Ver en Kreyszig, pág. 144.


Si M es un subespacio vectorial Y de X, dado x ∈ X, el y ∈ M del teorema
se obtiene bajando una perpendicular de x a Y :
Corolario 91. Si M = Y un subespacio vectorial de X, entonces ∀x ∈ X,
poniendo z = x − y, se tiene

z ⊥ Y ; es decir ∀v ∈ Y ; z ⊥ v.

Demostración. Ibı́dem.

Aniquilador y complemento ortogonal


Sea (X, h·, ·i) un espacio euclı́deo. Sea M ⊂ X un conjunto no vacı́o. El
aniquilador ortogonal de M es el conjunto M ⊥ , definido por:

M ⊥ = {x ∈ X | x ⊥ y ∀y ∈ M } = {x ∈ X | hx, yi = 0 ∀y ∈ M }

La segunda igualdad explica el nombre y la primera la notación de M ⊥ . Este


conjunto M ⊥ es en realidad un subespacio vectorial cerrado de X:

95
Teorema 92 (Propiedades de M ⊥ ). Sea (X, h·, ·i) un espacio euclı́deo y sea
M ⊂ X, M 6= ∅. Entonces:

1. M ⊥ es un SEV cerrado de X.

2. Si ponemos M ⊥⊥ = (M ⊥ )⊥ , entonces M ⊂ M ⊥⊥ .

3. Si M = Y un SEV de X, entonces Y ∩ Y ⊥ = {θ}.

4. Si X = H un espacio de Hilbert y si M = Y un subespacio vectorial cerrado


de H, entonces Y = Y ⊥⊥ .

Demostración. 1 y 2 los proponemos como ejercicio.

3. Probaremos Y ∩ Y ⊥ ⊂ {θ}. Sea y ∈ Y ∩ Y ⊥ , vamos a probar que y = θ.

y ∈ Y ∩ Y ⊥ ⇒ y ∈ Y y ∀v ∈ Y, hy, vi = 0.

Si tomamos v = y, se tiene entonces que hy, yi = 0, por lo tanto kyk2 = 0,


lo que implica y = θ.

4. a) Probaremos Y ⊂ Y ⊥⊥ .
Sea x ∈ Y . PD x ∈ Y ⊥⊥ .

x ∈ Y ⇒ x ⊥ Y ⊥.

por lo tanto x ∈ (Y ⊥ )⊥ , es decir x ∈ Y ⊥⊥ .


b) Probaremos Y ⊥⊥ ⊂ Y .
Sea x ∈ Y ⊥⊥ PD x ∈ Y .

x ∈ Y ⊥⊥ ⇒ ∃!y ∈ Y, z ∈ Y ⊥ =: Z tal que x = y + z

(por 2 de la nota y porque Y ⊂ Y ⊥⊥ .) Luego, z = x − y, además,


considerando que x ∈ Y ⊥⊥ y que y ∈ Y ⊂ Y ⊥⊥ , se tiene que z ∈
Y ⊥⊥ , ası́ z ⊥ Y ⊥ , pero z ∈ Y ⊥ , luego z ⊥ z, ası́ z = θ, por tanto
x = y, con lo que x ∈ Y .

NOTA:

1. Si Y es un subespacio vectorial de X, el aniquilador Y ⊥ se lo llama com-


plemento ortogonal de Y.

2. Si X = H un espacio de Hilbert y si Y es un subespacio vectorial cerrado


de H, entonces H es la suma directa de Y e Y ⊥ , i.e. H = Y ⊕ Y ⊥ .
Recordemos que en Algebra Lineal si X es un EV y si Y,Z son dos espacios
vectoriales de X, se dice que X es la suma directa de Y y Z y se escribe
X = Y ⊕ Z, si

∀x ∈ X ∃!y ∈ Y, y ∃!z ∈ Z tales que x = y + z.

En este caso se dice que Y es el complemento algébrico de Z en X y


viceversa, o que Y y Z son algébricamente complementarios en X.

96
Demostración. Sea x ∈ H. Debemos hallar y ∈ Y , z ∈ Y ⊥ únicos tales
que x = z + y.
La existencia la da el corolario del Teorema del Vector Minimizante. Para
ver la unicidad, supongamos que existen

y1 , y2 ∈ Y, z1 , z2 ∈ Y ⊥ tales que x = y1 + z1 = y2 + z2 .

Entonces
y1 − y2 = z2 − z1 ∈ Y ∩ Y ⊥
(porque Y y Y ⊥ son SEV de H).
Pero 3 del Teorema anterior nos da que

y1 − y2 = z2 − z1 = 0

de donde y1 = y2 y z1 = z2

3. Si X = H un espacio de Hilbert, si ponemos Z = Y ⊥ , Z es un SEV cerrado


de H, por lo que también se tiene H = Z ⊕Z ⊥ , que de hecho es H = Z ⊕Y ,
porque Z ⊥ = Y ⊥⊥ = Y en este caso.
4. Si H es de Hilbert y si Y es un SEV cerrado de H, la función Py : H →
H, x 7→ y, con el y dado por el teorema del Vector Minimizante, se tiene
que Py es un operador lineal, acotado, kPy k = 1 si Y 6= {θ}.
A Py se le llama proyector ortogonal de H sobre Y y se tiene las
siguientes propiedades adicionales:
Py (H) = Y (i.e. Im(Py ) = Y ), Py (Y ) = Y , Py (Y ⊥ ) = {θ}
Py2 = Py (i.e. Py es idempotente)
Py |y es la identidad de Y a Y
5. Por 3 de la nota, se tiene obviamente el operador Pz : H → H, x 7→ z,
que es el proyector ortogonal de H sobre Z = Y ⊥ , que tiene propiedades
análogas a las de Py .

El Teorema del Vector Cero y el Lema de Totali-


dad
Frecuentemente necesitamos saber, dados x ∈ X o u1 , u2 ∈ X si x = θ o
si u1 = u2 . Si X es un espacio vectorial los problemas son equivalentes, pues si
ponemos x = u1 − u2 vemos que

x = θ ⇔ u1 − u2 = θ ⇔ u1 = u2 .

Ahora bien, si X es un espacio euclı́deo, notemos que X ⊥ = {θ}, por lo que

x = θ ⇔ x ∈ X ⊥ ⇔ x ⊥ y ∀y ∈ X ⇔ hx, yi = 0 ∀y ∈ X.

La última equivalencia nos da la idea de verificar indirectamente si x = θ,


verificando cómo “reacciona” x, multiplicándolo escalarmente por diversos y ∈
X.
Para que x 6= θ basta que ∃y ∈ X tal que hx, yi =6 0.

97
Nos preguntamos si es posible aflojar la condición

hx, yi = 0 ∀y ∈ X

restituyendo X con un subconjunto M. ¿Qué condiciones exigir a M para tener


el resultado siguiente?

x = θ ⇔ hx, yi = 0 ∀y ∈ M

la respuesta inmediata es que basta que M sea denso en X pero resulta que este
requisito se puede debilitar aún más.
Si A ⊂ X es total (es decir si Gen(A) es denso en X) se tiene que

x = θ ⇔ hx, yi = 0 ∀y ∈ M.

En resumen tenemos el
Teorema 93 (del Vector Cero). Sea (X, h·, ·i) un espacio euclideo, sea x ∈ X,
M ⊂ X un subconjunto denso en X (i.e. M = X), sea A ⊂ X un subconjunto
de X total en X (i.e. Gen(A) = X). Entonces:
(i) x = θ ⇔ hx, yi = 0 ∀y ∈ X
(ii) x = θ ⇔ hx, vi = 0 ∀v ∈ M
(iii) x = θ ⇔ hx, wi = 0 ∀w ∈ A
Demostración. x = θ ⇒ hx, yi = 0 ∀y ∈ M es obvio, por lo que en los tres casos
nos basta probar la recı́proca.
(i) Supongamos que hx, yi = 0 ∀y ∈ X. Probemos que x = θ.
Basta tomar y = x, entonces hx, xi = 0, y por ende x = θ.
(ii) Supongamos que hx, vi = 0 ∀v ∈ M .
Por (i) basta probar que ∀y ∈ X, hx, yi = 0.
Sea y ∈ X. Como X = M , existe (vn ) ∈ M ∞ tal que vn → y.
Como ∀n ≥ 1 vn ∈ M , entonces: hx, vn i = 0 ; ∀n ≥ 1.
En esta última igualdad tomamos lı́mn→∞ y por la continuidad del pro-
ducto escalar tenemos que:

0 = lı́m hx, vn i = hx, lı́m vn i = hx, yi


n→∞ n→∞

(iii) Por (ii) bassta probar que hx, vi = 0 ∀v ∈ Gen(A), suponiendo que
hx, wi = 0 ∀w ∈ A.
Sea v ∈ Gen(A). Entonces existen n ≥ 1; w1 , ..., wn ∈ A y α1 , ..., αN ∈ K,
PN
tales que v = k=1 αk wk . Por lo tanto
N
X N
X
hx, vi = hx, αk wk i = αk hx, wk i = 0
k=1 k=1

porque ∀k ∈ {1, 2, ..., N }, hx, wk i = 0, puesto que wk ∈ A.

98
Como consecuencia de este teorema tenemos el siguiente corolario.

Corolario 94. Sean (X, h·, ·i), M y A como en el teorema; u1 , u2 ∈ X. Enton-


ces:

(i) u1 = u2 ⇔ hu1 , yi = hu2 , yi ∀y ∈ X

(ii) u1 = u2 ⇔ hu1 , vi = hu2 , vi ∀v ∈ M

(iii) u1 = u2 ⇔ hu1 , wi = hu2 , wi ∀w ∈ A

Frecuentemente se requiere saber si un conjunto es total. El teorema prece-


dente inspira el siguiente (muy útil) resultado:

Teorema 95 (de la Totalidad o del Conjunto Total). Sea (H, h·, ·i) un espacio
de Hilbert. Sea A ⊂ H. Entonces

A es total ⇔ A⊥ = {θ}

Demostración. (⇒) Supongamos que A es total. Probemos que A⊥ = {θ}.


Obviamente basta probar que x ∈ A⊥ ⇒ x = θ.
Sea x ∈ A⊥ . Entonces hx, wi = 0 ∀w ∈ A.
La parte (iii) del teorema nos asegura entonces que x = θ.

(⇐) Supongamos que A⊥ = {θ}. Sea V = Gen(A). Probemos que V = H.


Por 2 de la nota que sigue al teorema 92 (propiedades de M ⊥ ), que dice
que si H es de Hilbert y si Y es un subespacio vectorial cerrado, entonces
H = Y ⊕ Y ⊥ (y por lo tanto Y = H ⇔ Y ⊥ = {θ}), basta probar que

V = {θ}.
Sea x ∈ V ⊥ . Entonces x ⊥ V . Como A ⊂ V , x ⊥ A, por lo que x ∈ A⊥ ,
de donde x = θ. Por lo tanto V ⊥ = {θ}.
⊥ ⊥
Finalmente V ⊂ V ⇒ V ⊂ V ⊥ = {θ} ⇒ V = {θ} ⇒ V = H.

Ejercicios
1. Sea H de Hilbert, M ⊂ H un conjunto convexo, y M 6= ∅. Sea (xn ) ∈ M ∞
tal que
lı́m kxn k = ı́nf kxk.
n→∞ x∈M

Pruebe que (xn ) converge. De ejemplos en R2 y en R3 .

2. En (CN , h·, ·i), con


N
X
h(z1 , ..., zN ), (w1 , ..., wN )i = zk w k ,
k=1

sea X
M = {x ∈ CN | zk = 1}.

Pruebe que M es convexo y completo. Halle y ∈ M de mı́nima norma. (i.e.


kyk = máxx∈M kxk, donde k · k es la norma asociada a h·, ·i)

99
3. Halle en R3 dos subespacios algébricamente complementarios.
(a) Que sean ortogonales;
(b) que no lo sean.
4. Pruebe que si ai0, X = c([−a, a], R) = {f : [−a, a] → R | f es continua}
es la suma directa de Xp y XI , donde Xp = {f ∈ X | f es par}, XI =
{f ∈ X | f es impar}.
5. Sea (X, h·, ·i) un espacio euclı́deo M ⊂ X no vacı́o. Pruebe que:

(a) M ⊥ es un subespacio vectorial de X


(b) M ⊥ es cerrado.
(c) M ⊂ M ⊥⊥
6. Sea X = R3 . Halle M ⊥ si:

(a) M = {a}, con a ∈ X \ {∅}


(b) M = {u, v}, con {u, v} ⊂ X l.i.
(c) M = Gen{u, v}, con {u, v} ⊂ X l.i.
7. Pruebe que si Y = {(xn ) ∈ l2 | x2k = 0 ∀k ≥ 1}, Y es un SEV cerrado de
l2 (K). Halle Y ⊥ .
8. Sea en = (δnk )k≥1 para n ∈ N. Sea Yn = Gen{e1 , ..., en } ⊂ l2 (K). Halle
Y ⊥.
9. Sea (X, h·, ·i) un espacio euclideo. A ⊂ X, B ⊂ X, no vacı́os. Pruebe que:

(a) A ⊂ B ⇒ B ⊥ ⊂ A⊥ ;
(b) A⊥⊥⊥ = A⊥
10. Sea (H, h·, ·i) de Hilbert, Y ⊂ H un SEV de H. Pruebe que

Y es cerrado ⇔ Y = Y ⊥⊥

100
Capı́tulo 18

Conjuntos y Sucesiones
Ortogonales

Sea (X, h·, ·i) un espacio euclideo.


Definición 96. Un conjunto no vacı́o M ⊂ X es ortogonal ssi
∀u, v ∈ M, u 6= v ⇒ hu, vi = 0
El conjunto es ortonormal si, además, ∀u ∈ M, kuk = 1.
NOTA:
1. M es ortonormal ⇔
(
1 si u = v
∀u, v ∈ M, hu, vi = δuv =
0 si u 6= v

2. Si M es ortogonal, nada impida que M contenga el vector cero, pero tene-


mos el siguiente lema:
Lema 97 (Independencia lineal y Ortogonalidad). Si M es ortogonal y 0 ∈
/ M,
entonces M es l.i. En particular si M es ortonormal, M es l.i.
Demostración. Sean N ≥ 1, {v1 , ..., vN } ⊂ M . P.D. {v1 , ..., vN } es l.i.
PN
Supongamos que para α1 , ..., αN ∈ K, k=1 αk vk = 0(*). P.D. ∀j ≥ 1, αj = 0.
Sea j ∈ {1, ..., N }. Multiplicamos escalarmente los dos lados de (*) por vj :
*N +
X
αk vk , vj = ho, vj i
k=1

N
X
⇒ αk hvk , vj i = 0
k=1
(por la linealidad de h·, ·i respecto a la primera variable)
⇒ αj hvj , vj i = 0
(los demás sumandos son 0 porque M es ortogonal)
⇒ αj = 0
(porquehvj , vj i = kvj k2 6= 0, ya que vj 6= 0)

101
Definición 98. Una sucesión (vk ) ⊂ X es ortogonal si

∀m, n ≥ 1, m 6= n ⇒ hvm , vn i = 0.

Si además, ∀k ≥ 1 kvk k = 1, se dice que la sucesión es ortonormal.

NOTA: Obviamente que el conjunto {vk | k ≥ 1} que es la imagen de la


sucesión, será ortogonal u ortonormal, según el caso, si la sucesión (vk ) lo es.
La generalización del concepto de sucesión de elementos de un conjunto X,
que no es sino una función N → X, es la de conjunto indexado o familia
de elementos de X. En este caso se toma un conjunto no vacı́o Ω de ı́ndices
(por ejemplo Ω = {1, ..., N }, Ω = N, Ω = [1, 2], etc) y a toda función v : Ω →
X, w 7→ vw , que se nota (vw )w∈Ω o simplemente (vw ), se le llama familia de
elementos de X o conjunto indexado de elementos de X con ı́ndices w ∈ Ω.
Abusivamente se nota (vw ) ⊂ X para decir que es una familia de elementos de
X.

Definición 99. Sea Ω 6= ∅ un conjunto de ı́ndices y sea (vw )w∈Ω una familia
indexada de elementos de X.

1. (vw )w∈Ω es ortogonal ⇔ ∀α, β ∈ Ω, α 6= β ⇒ hvα , vβ i = 0

2. (vw )w∈Ω es ortonormal ⇔ ∀α, β ∈ Ω, hvα , vβ i = δαβ

NOTA: Si (vw )w∈Ω es ortogonal u ortonormal, su imagen que es el conjunto


{vw | w ∈ Ω} también lo será.
Son muy útiles los siguientes resultados.

Teorema 100 (de Pitágoras). ∀x, y ∈ X,

hx, yi = 0 ⇒ kx + yk2 = kxk2 + kyk2

Demostración. Sea x, y ∈ X tales que hx, yi = 0.

kx + yk2 = hx + y, x + yi
= hx, xi + hx, yi + hy, xi + hy, yi
= kxk2 + kyk2 ,
puesto que hx, yi = 0, hy, xi = hx, yi = 0 = 0

Teorema 101. Sea Y ⊂ X un SEV y sea x ∈ X. Entonces

x ⊥ Y ⇔ hx, yi = 0 ∀y ∈ B

donde B es una base de Hammel de Y.

Demostración. (⇒) Es obvio, por definición x ⊥ Y ⇔ hx, zi = 0 ∀z ∈ Y .

102
(⇐) Sea x ∈ X tal que hx, yi = 0 ∀y ∈ B. Vamos a probar x ⊥ Y . Sea z ∈ Y .
P.D. hx, zi = 0. Sea B una base de Hammel de Y. Entonces existen N ≥ 1,
PN
y1 , ..., yN ∈ B, α1 , ..., αN ∈ K tales que z = k=1 αk yk .
Entonces
N
X N
X
hx, zi = hx, α k yk i = αk hx, yk i = 0.
k=1 k=1

NOTA: En particular si v1 , ..., vN ∈ X son N vectores l.i. y si


Y = Gen{v1 , ..., vN }, entonces
x ⊥ Y ⇔ hx, vk i = 0 ∀k ∈ {1, ..., N }.

El Problema de la Proyección
Dado un subespacio completo Y de un espacio euclı́deo (X, h·, ·i), sabemos
que ∀x ∈ X ∃!y ∈ Y tal que z = x − y ⊥ Y y que y es la mejor aproximación
de x con elementos de Y.
Desearı́amos poder calcular ese vector y para un x dado. La solución es sencilla
si Y es un SEV de dimensión finita, digamos n, y si Y está dotado de una base
ortogonal {e1 , ..., en }.
Sean α1 , ..., αn ∈ K tal que el y buscado se exprese mediante
n
X
y= αj ej
j=1

Sabemos que si z = x − y, entonces z ⊥ Y .


Por la nota que sigue al teorema anterior esto significa que
∀k ∈ {1, ..., n}, z ⊥ ek
Pero entonces ∀k ∈ {1, ..., n},
n
X n
X
hx − αj ej , ek i = 0 ⇔ hx, ek i − αj hej , ek i = 0
j=1 j=1
⇒ hx, ek i − αk hek , ek i = 0
hx, ek i
⇒ αk = .
kek k2
Si la base es ortonormal, tendremos entonces que αk = hx, ek i. Tenemos entonces
el siguiente Lema.
Lema 102. Sea (En ) ⊂ X una sucesión ortonormal. Para n ≥ 1 sea Yn =
Gen{e1 , ..., en }. Sea x ∈ X. Entonces, si ponemos
n
X
yn = hx, ek iek , zn = x − yn
k=1

se tiene que
n
X
yn = PYn x, zn ⊥ Yn , kyn k2 = |hx, ek i|2 .
k=1

103
Queda por verificar la última igualdad:
n
X n
X
kyn k2 = h hx, ej iej , hx, ek iek i
j=1 k=1
n X
X n
= hx, ej ihx, ek iδjk
j=1 k=1
Xn
= hx, ek ihx, ek i
k=1
Xn
= |hx, ek i|2 .
k=1

Podemos ahora probar el siguiente teorema (muy importante):


Teorema 103 (Desigualdad de Bessel). Sea (X, h·, ·i) un espacio euclı́deo,
(en ) ⊂ X una sucesión ortonormal. Entonces

X
∀x ∈ X, |hx, ek i|2 ≤ kxk2 .
k=1

Nota: A los números αk = hx, ek i se los llama coeficientes de Fourier de x,


respecto a la sucesión ortonormal (ek ).
Demostración. Con las notaciones del lema,

∀n ≥ 1 yn ⊥ zn , x = yn + zn

por lo que (Th. de Pitágoras)

kxk2 = kyn k2 + kzn k2 ∀n ≥ 1.

De donde
kxk2 ≥ kyn k2 ∀n ≥ 1
(porque kzn k2 ≥ 0).
Por el lema anterior
n
X
kyn k2 = |hx, ek i|2 ≤ kxk2 ∀n ≥ 1. (18.1)
k=1

Tomando lı́m se obtiene la desigualdad buscada.


n→∞

El Método de Ortogonalización de Gram-Schmidt


Los resultados precedentes muestran la utilidad de familias finitas o sucesio-
nes ortonormales.
Dados, por ejemplo, N vectores l.i. (N ∈ N), v1 , ..., vN serı́a interesante hallar
N vectores ortonormales e1 , ..., eN tales que

Gen{v1 , ..., vN } = Gen{e1 , ..., eN }

Esto se puede lograr fácilmente gracias al Método de Gram-Schmidt:

104
Teorema 104 (Método de Gram-Schmidt). Sean (X, h·, ·i) un espacio euclı́deo;
N ∈ N; v1 , ..., vN , N vectores l.i. Entonces existen N vectores ortonormales
e1 , ..., eN , tales que

∀n ∈ {1, ..., N }, Gen{v1 , ..., vn } = Gen{e1 , ..., eN }.

NOTA: Naturalmente el resultado es válido si en vez de N vectores l.i. se


tiene una sucesión (vn ) de vectores l.i. En este caso existe (en ) una sucesión
ortonormal tal que

∀n ∈ N, Gen{v1 , ..., vn } = Gen{e1 , ..., eN }.

Demostración. (Por Inducción)


1
Sea e1 = v1 . Entonces ke1 k = 1 y Gen{v1 } = Gen{e1 }. Sea n ≥ 1. Supon-
kv1 k
gamos que el resultado es válido para n, es decir, existen n vectores ortonormales
e1 , ..., en tales que

∀n ∈ {1, ..., N }, Gen{v1 , ..., vn } = Gen{e1 , ..., eN }.

Probemos que el resultado es válido para n + 1: Sea


n
X
wn+1 = vn+1 − hvn+1 , ek iek
k=1

Entonces, por el lema que precede al Th. de la Desigualdad de Bessel,


wn+1 ⊥ Gen{e1 , ..., en }.
Obviamente wn+1 6= 0 (si no, se tendrı́a una contradicción con la hipótesis de
que v1 , ..., vn+1 son l.i.).
1
Si ponemos en+1 = kwn+1 k, se tiene entonces que en+1 ⊥ Gen{e1 , ..., en }
kwn+1 k
y que ken+1 k = 1 y {e1 , ...en , en+1 } es ortonormal.

Ejercicios
1. Pruebe que todo EV euclı́deo de dimensión finita, posee una base orto-
normal.

2. Use (18.1) de la demostración del Th de la Desigualdad de Bessel, para


probar la Desigualdad de Cauchy-Schwarz-Buñakovski (C-S-B).

3. De un ejemplo en l2 (R) para el cual la desigualdad de Bessel sea estricta.

4. Sean (X, h·, ·i) un espacio euclı́deo; n ∈ N y {e1 , ..., en } un conjunto orto-
normal. Sea x ∈ X. Pruebe que:
N
X
kx − hx, ek iek k = mı́n kx − yk,
y∈Yn
k=1

donde Yn = Gen{e1 , ..., eN }.

105
5. Sean (X, h·, ·i) un espacio euclı́deo y (en ) ∈ X ∞ una sucesión ortonormal.
Pruebe que
X∞
∀x, y ∈ X, |hx, ek ihy, ek i| ≤ kxk · kyk,
k=1

si k · k es la norma asociada al producto escalar h·, ·i. (Sugerencia: use la


desigualdad (C-S-B) y luego la de Bessel).
6. Sea (X, h·, ·i) un espacio euclı́deo, Ω 6= ∅ un conjunto infinito de ı́ndices y
{ew ∈ X | w ∈ Ω} una familia ortonormal. Sea x ∈ X. Pruebe que
1
a) ∀m ∈ N, el conjunto {w ∈ Ω | |hx, ew i| > m} es finito.
b) {w | hx, ew i =
6 0} es finito o numerable.
(Sugerencia: use la desigualdad de Bessel).

7. En R3 ortonormalice el conjunto {→ −
v1 , →

v2 , →

v3 } si →

v1 = (0, 1, 1), →

v2 = (1, 0, 1),


v3 = (1, 1, 0).
R1
8. En (c[−1, 1], h·, ·i) con hf, gi = −1 f (x)g(x)dx ortonormalice los conjuntos
l.i. {v1 , v2 , v3 } y {w1 , w2 , w3 }, si vk (t) = tk , wk (t) = t2−k , k ∈ {0, 1, 2}.
Compare los resultados.

106
Capı́tulo 19

Series de Fourier

Sea (X, h·, ·i) un espacio euclideo de dimensión N < ∞. Entonces siempre
podemos hallar una base ortonormal B = {e1 , ..., eN }. (Basta ortogonalizar
cualquier base {v1 , ..., vN } usando el método de Gram-Schmidt).
Entonces cualquier vector x ∈ X puede escribirse
N
X
x= hx, ek iek
k=1

A la expresión de la derecha la llamamos suma de Fourier de x respecto a


{e1 , ..., eN } y a cada coeficiente hx, ek i, coeficientes de Fourier de x respecto
a ek , 1 ≤ k ≤ N .
Si (X, h·, ·i) es un espacio euclideo de dimensión infinita y si (en ) ⊂ X es una
sucesión ortonormal, para ∀x ∈ X y para cada k ∈ N podemos calcular hx, ek i
el coeficiente de Fourier de x respecto a ek y escribir la serie

X
hx, ek iek
k=1

llamada serie de Fourier de x respecto a (en ).


Nos preguntamos:
1. Converge la serie?
n
!
X
2. Si la serie converge, digamos hacia s o sea que s = lı́m hx, ek iek ,
n→∞
k=1
x=s?
Para responder estas preguntas veamos algunos resultados concernientes a
series de la forma
X∞
αk ek
k=1
n
X
con (αk ) ⊂ K. Ponemos sn = α k ek .
k=1

Teorema 105. Sea H un espacio de Hilbert, (ek ) ⊂ H una sucesión ortonormal


y (αk ) ⊂ K. Entonces:

107

X ∞
X
1. αk ek converge ⇔ |αk |2 < ∞.
k=1 k=1

2. Supongamos que converge



X
αk ek =: s.
k=1

Entonces
∀k ∈ N, αk = hs, ek i,
por lo que se puede escribir

X
s= hs, ek iek .
k=1


X
3. ∀x ∈ H, hx, ek iek , la serie de Fourier de x respecto a (ek ), converge.
k=1
n
X n
X
Demostración. 1. Sean, para n ≥ 1, sn = αk ek y σn = |αk |2 .
k=1 k=1
Por definición de serie

X ∞
X
αk ek = lı́m sn , |αk |2 = lı́m σn .
n→∞ n→∞
k=1 k=1

Como (sn ) ∈ H ∞ , (σn ) ∈ R∞ , y como H y R son completos,


(sn ) converge ⇔ (sn ) es de Cauchy
(σn ) converge ⇔ (σn ) es de Cauchy
Debemos entonces probar que
(sn ) es de Cauchy ⇔ (σn ) es de Cauchy
Esto resulta de que si n > m ≥ 1:
n m
2
X X
ksn − sm k2 = αk ek − αk ek


k=1 k=1
n 2
X
= αk ek


k=m+1
Xn n
X
= h αi ei , αj ej i
i=m+1 j=m+1
Xn
= |αk |2
k=m+1
Xn m
X
2
= |αk | − |αk |2
k=1 k=1
= |σn − σm |.

108
2. Sea k ≥ 1. Entonces
Xn
∀n ≥ k, hsn , ek i = h αj ej , ek i = αk
j=1

Tomamos lı́mn→∞ y teniendo en cuenta la continuidad de h·, ·i:

lı́m hsn , ek i = αk ⇒ h lı́m sn , ek i = αk


n→∞ n→∞
⇔ hs, ek i = αk

3. Resulta de 1 con (αk ! ) = (hx, ek i), ya que por la desigualdad de Bessel


X∞ X∞
|hx, ek i|2 ≤ kxk2 , la serie |hx, ek i|2 converge.
k=1 k=1

N
X
Vimos que en caso de espacios de dimensión finita N , x = hx, ek iek y nos
k=1
gustarı́a saber si algo análogo acurre y bajo qué condiciones en los espacios de
dimensión infinita. Nos preguntamos entonces:
X∞
¿Cuándo x = s = hx, ek iek ?.
k=1
Obviamente que no siempre. Veámoslo en el siguiente ejemplo:

Ejemplo 106. Si (fn ) es ortonormal y si ponemos (en )n≥1 = (fn+1 ) = (f2 , f3 , ...)
y x = f1 tendremos que

X ∞
X
s= hx, ek iek = hf1 , fk+1 ifk+1 = 0 6= f1 = x
k=1 k=1

Notemos que como s = lı́m sn y como sn ∈ Gen{ek | k ≥ 1} entonces s ∈


n→∞
Gen{ek | k ≥ 1}. Esta observación justifica el siguiente resultado para garantizar
que x = s ∀x ∈ H:

Teorema 107. Sea H de Hilbert y sea (en ) ⊂ H una sucesión ortonormal.


Entonces

X
∀x ∈ H, x = hx, ek iek ⇔ {ek | k ≥ 1} es total.
k=1

Es decir si y solo si H = Gen{ek | k ≥ 1}.

NOTA: Por el Th. del Conjunto total tendremos que:



X
∀x ∈ H, x = hx, ek iek ⇔ {ek | k ≥ 1}⊥ = {θ}.
k=1

Los resultados precedentes se pueden generalizar para familias ortogonales


infinitas más grandes que numerables.
Por el ejercicio 6 del capitulo 16 tenemos el siguiente lema:

109
Lema 108. Sean (X, h·, ·i) un espacio euclideo, Ω 6= ∅ un conjunto infinito de
ı́ndices y {ew ∈ X | w ∈ Ω} una familia ortonormal. Sea x ∈ X. Entonces
{w ∈ Ω | hx, ew i =
6 0} es finito o numerable.
Definición 109. Dado un espacio de Hilbert H y {ew ∈ H | w ∈ Ω} una familia
ortonormal infinita, para x ∈ H numeramos el conjunto

{ew ∈ H | hx, ew i =
6 0, w ∈ Ω} =: E(x),

es decir podemos escribir E(x) = {ewk | k ∈ N} y diremos que



X
hx, ewk iewk
k=1

es la serie de Fourier de x respecto a la familia {ew ∈ H | w ∈ Ω}.


NOTA:

X
1. Es fácil probar (ver Kreyszig, pág 165-166) que s = hx, ewk iewk no
k=1
depende del ordenamiento tomado.
P∞
2. La pregunta,¿Cuándo x = k=1 hx, ewk iewk ? se responde análogamente:
cuando {ew ∈ H | w ∈ Ω} es total, es decir si Gen{ew | w ∈ Ω} = H.
3. Se puede probar (ver Kreyszig, pág 170) que

X
{ew ∈ H | w ∈ Ω} es total ⇔ ∀x ∈ H, |hx, ewk i|2 = kxk2
k=1

llamada identidad de Parseval.

Ejercicios
1. Sea H de Hilbert y (en ) ∈ H ∞ una sucesión ortonormal.

X
Pruebe que si para (αk ) ⊂ H, la serie αk ek converge, entonces
k=1


X ∞
X
|αk |2 = k αk ek k
k=1 k=1


X

2. Sea (X, h·, ·i) un espacio euclı́deo y (xn ) ∈ X tal que kxk k < ∞.
k=1
n
X
Pruebe que (sn ) es de Cauchy en (X, h·, ·i) si ponemos (sn ) = xk .
k=1

3. Sea H un espacio de Hilbert y (xn ) ∈ H ∞ . Pruebe que



X ∞
X
kxk k < ∞ ⇒ xk converge
k=1 k=1

110
4. Sea H de Hilbert, (en ) ∈ H ∞ una sucesión ortonormal. Pruebe que:

X
(a) ∀x ∈ H, si ponemos s = hx, ek iek , entonces x − s ⊥ ek ∀k ≥ 1.
k=1
(b) Sea M = Gen{ek | k ≥ 1}. Pruebe que ∀x ∈ H se tiene que

x ∈ M ⇔ x = s.

111
Capı́tulo 20

Teoremas de la
Representación de Riesz

Dado un espacio vectorial normado (X, k · kx ) es de sumo interés caracterizar


a su dual topológico (X 0 , k·kx0 ) que es el EVN ({f : X → K | f es lineal y acotado},
k · kx0 ), donde

|f (x)|
kf kx0 = sup = sup |f (u)| = mı́n{c ≥ 0 | ∀x ∈ X, |f (x)| ≤ ckxkx }
x6=0 kxkx kuk=1

Su importancia radica, por ejemplo, en que se puede conocer indirectamente


si un vector x0 ∈ X es cero, viendo cómo reacciona” ante diversos f ∈ X 0 .
Concretamente se tiene el siguiente teorema:

Teorema 110. Sea (X, k · kx ) un espacio vectorial normado, x0 ∈ X. Entonces

x0 = θ ⇔ f (x0 ) = 0, ∀f ∈ X 0

Este teorema generaliza el conocido resultado de Álgebra Lineal:

Teorema 111. Sea X un espacio vectorial de dimensión finita N ∈ N; x0 ∈ X.


Sea X ∗ = {f : X → K | f es lineal}, el dual algebraico de X. Entonces

x0 = θ ⇔ f (x0 ) = 0 ∀f ∈ X ∗

Demostración. Ver Th. 2.9-2 (Lema del Vector Cero) en Kreyszig.

Este teorema se generaliza fácilmente para dimensión infinita:

Teorema 112 (del Vector Cero para Dimensión Infinita). Sea X un espacio
vectorial de dimensión infinita. Sea x0 ∈ X. Entonces

x0 = θ ⇔ f (x0 ) = 0, ∀f ∈ X ∗

donde X ∗ = {f : X → K | f es lineal} es el dual algébrico de X.

Demostración. (⇒) Supongamos que x0 = θ, entonces f (x0 ) = 0 para todo


f ∈ X ∗ por ser f lineal.

112
(⇐) Supongamos que f (x0 ) = 0 ∀f ∈ X ∗ .
Probemos, por el absurdo, que x0 = θ. Supongamos entonces que x0 6= θ.
Sea e1 = x0 . Podemos entonces hallar B ⊂ X, una base de Hamel de X
tal que e1 ∈ B.
Entonces ∀x ∈ X
N
X
∃!N ≥ 2, ∃!e2 , e3 , ..., eN ∈ B, ∃!α1 , α2 , ..., αN ∈ K tales que x = αk ek
k=1

Sea g : X −→ K
x 7−→ g(x) = α1
Entonces g es lineal (i.e. g ∈ X ∗ ); y g(x0 ) = g(e1 ) = 1.
Pero esto contradice la suposición de que ∀f ∈ X ∗ , f (x0 ) = 0.

Para el caso de que (X, k·kx ) sea un EVN, este resultado se mejora sustancial-
mente pues en vez de X ∗ basta tomar X 0 = {f : X → K | f es lineal y acotado}.
Caracterizar X 0 para un EVN puede ser complicado aún para espacios muy co-
nocidos como se vio en secciones anteriores.
Sin embargo, cuando en vez de un EVN (X, k · kx ) cualquiera, se tiene un
espacio de Hilbert (H, h·, ·i), la caracterización del dual topológico H 0 resulta
sencilla gracias al famoso teorema siguiente:
Teorema 113 (de la Representación de Riesz I). Sea (H, h·, ·i) un espacio de
Hilbert, k · kH la norma asociada a h·, ·i. Entonces

∀f ∈ H 0 ∃!zf ∈ H tal que f (x) = hx, zf i ∀x ∈ H (20.1)

Además kzf kH = kf kH 0 , donde (H 0 , k · kH 0 ) es el dual topológico de (H, k · kH )


NOTA: El Th. se llama ası́ porque f (x) puede ”representarse”mediante
(20.1). Dicho de otra manera, f es representado”por zf .
Demostración. Recordemos un par de ejercicios que propusimos antes:
Ej. 1
Sean (X, h·, ·i) un espacio euclı́deo y z ∈ X.
Sea f : X → K, x 7→ f (x) = hx, zi.
Entonces f es lineal, acotado y kf kx0 = kzkx
Ej. 2
Sea (H, h·, ·i) un espacio euclı́deo y sean u, v ∈ X.
Entonces u = v ⇔ hu, xi = hv, xi ∀x ∈ X.
Probemos ahora el teorema:
Sea f ∈ H 0 :
1. Debemos hallar zf ∈ H tal que f (x) = hx, zf i ∀x ∈ H.
2. Debemos probar la unicidad.
3. Debemos probar que kf kH 0 = kzf kH .

1. Existencia: Hay dos casos:


i. f = θ (basta tomar zf = θ) y;

113
ii. f 6= θ:
Para hallar zf , en este segundo caso, veamos qué propiedades deberı́a
tener:
(a) zf 6= θ (si no, tendrı́amos f (x) = hx, θi = 0 ∀x, por lo que f = θ, que
no es el caso) .
(b) ∀x ∈ N (f ), hx, zf i = f (x) = 0, i.e. zf ∈ N (f )⊥ .
(c) Por (a) y (b) se deberia tener N (f )⊥ 6= {θ}. Y ası́ es, en efecto:
f 6= θ ⇒ N (f ) 6= H y, por lo tanto N (f )⊥ 6= {θ}. (ya que N (f ) es
un SEV cerrado de H y por 2 de la Nota que sigue al Th. Propiedades
de M ⊥ , el aniquilador de M, se tiene que H = N (f ) ⊕ N (f )⊥ ).
Tomemos entonces un z ∈ N (f )⊥ \ {θ}, y busquemos zf de la forma
zf = αz, con α ∈ K por determinar:
Como se debe tener f (x) = hx, zf i ∀x ∈ H, tomando, en partı́cular x = z,
se debe tener
f (z) = hz, zf i = hz, αzi = αkzk2H ,
f (z) f (z) f (z)
de donde α = 2 , o también α = 2 , y zf = z, necesariamente!.
kzkH kzkh kzk2H
Veamos si un tal zf nos sirve. Sea x ∈ H. Probemos que, en este caso,
f (x) = hx, zf i:
Sea vx = f (x)z − f (z)x.
Entonces
f (vx ) = f (x)f (z) − f (z)f (x) = 0,
por lo que vx ∈ N (f ). Como z ∈ N (f )⊥ , tendremos entonces que

0 = hvx , zi
= hf (x)z − f (z)x, zi
= f (x)kzk2H − f (z)hx, zi

esto implica
f (z)
f (x) = hx, zi
kzk2H
f (z)
= hx, zi
kzk2H
= hx, zf i

2. Unicidad Sea f ∈ H 0 y sean z1 , z2 ∈ H tales que

f (x) = hx, z1 i = hx, z2 i ∀x ∈ H.

Entonces (por el Ej. 2) z1 = z2 .


3. Norma de zf : kzf kH = kf kH 0 , por el Ej. 1.

NOTA:

114
1. Como en la demostración de la existencia, en el caso f 6= θ tomamos un
z ∈ N (f )⊥ \ {θ} arbitrario y, por la unicidad de zf ., vemos que zf y z son
colineales, entonces {zf } es una base de N (f )⊥ y, por ende,

dim N (f )⊥ = 1

2. En el caso dim H = N h∞, este resultado es obvio, ya que f puede ser


visto como el operador lineal f : H → K, y como f 6= θ, dim Im(f ) = 1,
por lo tanto la igualdad conocida N = dim N (f ) + dim Im(f ), nos da el
resultado, puesto que dim N (f ) = N − 1 y por ende dim N (f ) ⊥= 1.
3. Averiguar si X, Y son dos EV ambos sobre K, y si (X, h·, ·i) es un espacio
euclı́deo, se tiene que
Si T : X → Y es un operador lineal tal que dim Im(T ) = M h∞, entonces
dim N (T )⊥ = M .
Para presentar el Th. de la representación de Riesz II, necesitamos introducir
algunos conceptos:
Definición 114. Sean X, Y dos EV ambos sobre R (resp. C). Una función
h : X × Y → K se llama forma o funcional bilineal (resp.sesquilineal)
si es lineal respecto a la primera variable [i.e. ∀x1 , x2 ∈ X, ∀y ∈ Y, ∀α ∈
R o C, h(x1 + x2 , y) = h(x, y) + h(x2 , y), h(αx1 , y) = αh(x, y)]
y es lineal (resp. semilineal) respecto a la segunda variable. [i.e. ∀x ∈ X, ∀y1 , y2 ∈
Y, ∀α ∈ R (resp C), h(x, y1 + y2 ) = h(x, y1 ) + h(x, y2 ), y h(x, αy1 ) = αh(x, y1 )
(resp. h(x, αy1 ) = αh(x, y1 ))].
Definición 115. Sean X,Y dos EVN sobre K ∈ {R, C}. Sea h : X × Y → K
una forma bilineal o sesquilineal, según el caso.
1. Si ∃c ≥ 0 tal que ∀(x, y) ∈ X × Y, |h(x, y)| ≤ ckxkx kyky se dice que h es
acotada.
2. Si h es acotada se llama norma de h y se nota khk el número

khk = mı́n{c ≥ 0 | |h(x, y)| ≤ ckxkx kyky ∀(x, y) ∈ X × Y }.

Aquı́ k · kx y k · ky son las normas definidas en X e Y, respectivamente.


NOTA: Es fácil ver que:
1.
|h(x, y)|
khk = sup = sup |h(x, y)|.
x6=θ, y6=θ kxkx kyky kuk=1, kvky =1

2.
∀(x, y) ∈ X × Y, |h(x, y)| ≤ khkkxkx kyky

Teorema 116 (de la Representación de Riesz II). Sean (H1 , h·, ·i1 ) y (H2 , h·, ·i2 )
dos espacios de Hilbert, ambos sobre K ∈ {R, C}. Sea h : H1 × H2 → K una
forma bilineal si K = R (o sesquilineal si K = C) acotada. Entonces

∃!S ∈ L(H1 , H2 ) tal que ∀(x, y) ∈ H1 × H2 , h(x, y) = hSx, yi2 . (20.2)

Además kSk = khk, donde kSk es la norma de S en el espacio L(H1 , H2 ).

115
NOTA: Sea llama ası́ porque la expresión h(x, y) puede ser representada
mediante (20.2).
Demostración. (Idea) Para definir S debemos determinar Sx para ∀x ∈ H1 .
Sean x ∈ X y la función fx : H2 → K, y 7→ fx (y) = h(x, y).
Entonces fx ∈ H 0 2 el dual topológico de H2 .
El Th. de la Representación de Riesz I nos dice entonces que

∃zx ∈ H2 tal que ∀y ∈ H2 , fx (y) = hy, zx i2

Poniendo Sx = zx , se obtiene el operador buscado.


NOTA: Ver detalles en Kreyszig, pág 192-193.

Ejercicios
1. Pruebe 1 y 2 de la Nota que sigue a la definición 102.
2. Redacte la demostración del Th. de la Representación de Riesz II.
3. Sea f ∈ (RN )0 , N ≥ 2, RN con el producto escalar usual. Halle z ∈ RN
N
X
tal que ∀x ∈ RN , f (x) = xk zk .
k=1
0
4. Sea f ∈ (l (C)) . Halle (zn ) ∈ l2 (C) tal que ∀(xn ) ∈ l2 (C), f ((xn )) =
2

X∞
xk zk .
k=1

5. Resuelva los ejercicios con que inicia la demostración del Th. de la Repre-
sentación de Riesz I.
6. Pruebe que el dual topológico de l2 (R) es isomorfo a l2 (R).
7. Pruebe que el dual topológico H 0 de un espacio de Hilbert (H, h·, ·i) es
también de Hilbert con el producto escalar h·, ·i0 definido por
def
hf, gi0 = hzg , zf i, para f, g ∈ H 0 ,

donde zf y zg son dados por el Th. de la Representación de Riesz I.


8. Pruebe que todo espacio de Hilbert H es isomorfo con su bidual topológico
H 00 = (H 0 )0 (i.e. H es reflexivo).
9. Sea H un espacio de Hilbert, M ⊂ H no vacı́o.
Sean M a = {f ∈ H 0 | f (x) = 0 ∀x ∈ M }, M ⊥ = {x ∈ H | x ⊥ y ∀y ∈
M }. Qué relación hay entre M a y M ⊥ ?.
10. Sea (H, h·, ·i) un espacio euclı́deo.
Sea h : X 2 → K, (x, y) 7→ h(x, y) = hx, yi. Pruebe que h es sesquilineal (o
bilineal si K = R) acotada y halle khk.
11. Sean X,Y dos EVN ambos sobre K ∈ {R, C} y h : X × Y → K una forma
sesquilineal acotada. Pruebe que h es continua.

116
Capı́tulo 21

El Operador Adjunto de
Hilbert

Entre los operadores lineales continuos, clase aparte la constituyen los ope-
radores autoadjuntos, por sus propiedades en diversos aspectos como en Teorı́a
Espectral. Para estudiarlos necesitamos los siguientes conceptos:
Definición 117. Sean (H1 , h·, ·i1 ) y (H2 , h·, ·i2 ) dos espacios de Hilbert ambos
sobre K ∈ {R, C}. Sea T ∈ L(H1 , H2 ). Al operador T ∗ ∈ L(H2 , H1 ) tal que
hT x, yi2 = hx, T ∗ yi1 ∀(x, y) ∈ H1 × H2 (21.1)
se le llama operador adjunto de Hilbert del operador T.
NOTA:
1. Lo que sigue es válido si K ∈ {R, C} pero lo redactaremos para el caso
K = C. Para K = R es similar y debemos entender bilineal donde esté
sesquilineal y α = α si α ∈ R, etc.
2. La definición tiene sentido solo si existe T ∗ . Esto está garantizado por el
siguiente teorema.
Teorema 118 (Existencia del Adjunto de Hilbert). T ∗ de la definicón prece-
dente existe, es único y
kT ∗ k = kT k.
NOTA:
Ponemos kT ∗ k en vez de kT ∗ kL(H2 ,H1 ) y kT k en vez de kT kL(H1 ,H2 ) , para sim-
plificar la escritura.
Demostración. Esquema Se basa en el Th. de la Representación de Riesz II
aplicando a la forma sesquilineal
h : H2 × H1 → K, (y, x) 7→ h(y, x) = hy, T xi2
que es acotada (Pruébelo! ) y cuya norma khk = kT k (verifı́quelo! ), lo que nos
garantiza que ∃T ∗ ∈ L(H2 , H1 ) tal que kT ∗ k = khk y
h(y, x) = hT ∗ y, xi1 ∀(y, x) ∈ H2 × H1
T ∗ es el operador buscado.

117
Antes de enunciar y probar algunas propiedades del operador adjunto, vea-
mos el siguiente lema, que será útil aquı́ y en lo sucesivo:
Lema 119 (del operador cero). Sea X un espacio vectorial y sea (Y, h·, ·i) un
espacio euclı́deo, ambos sobre R ∈ {R, C}. Sea Q : X → Y un operador lineal.
Entonces, si Θ : X → Y es el operador cero:
1.
Q = Θ ⇔ hQx, yi = 0, ∀(x, y) ∈ X × Y

2. Si X = Y y K = C, entonces

Q = Θ ⇔ hQu, ui = 0, ∀u ∈ X.

Corolario 120 (Lema de la Igualdad de Operadores). Si T1 : X → Y , T2 :


X → Y son dos operadores lineales:
1.
T1 = T2 ⇔ hT1 x, yi = hT2 x, yi, ∀(x, y) ∈ X × Y

2. Si X = Y y K = C, entonces

T1 = T2 ⇔ hT1 u, ui = hT2 u, ui, ∀u ∈ X.

Demostración. (del Lema del operador cero).


1. (⇒) Es obvio.
(⇐) Sea x ∈ X. Debemos probar que Qx = 0.
Como hQx, yi = 0 ∀y ∈ Y , basta tomar y = Qx y tendremos

0 = hQx, Qxi = kQxk2 ⇒ Qx = 0.

2. (⇒) Es obvio.
(⇐) Por 1, para (x, y) ∈ X × Y arbitrario, probemos que hQx, yi = 0.
Como hQu, ui = 0 ∀u ∈ X tenemos que:
(a) Si u = x + y ⇒ 0 = hQ(x + y), x + yi = hQx, xi + hQy, yi +
hQx, yi + hQy, xi
(b) Si u = ix + y ⇒ 0 = hQ(ix + y), ix + yi = hQx, xi + hQy, yi +
ihQx, yi − ihQy, xi
Como hQx, xi
( = hQy, yi = 0, de (a) y de (b) multiplicando por (−i)
hQx, yi + hQy, xi = 0
obtenemos: , de donde hQx, yi = 0.
hQx, yi − hQy, xi = 0

Demostración. (del corolario) Se aplica el lema al operador Q = T1 − T2 .


NOTA: En 2 del lema y su corolario es esencial la hipótesis K = C: si
X = R2 y Q es el giro en ángulo recto, hQx, xi = 0 ∀x ∈ X, pero obviamente
Q 6= Θ.
Podemos ahora enunciar y probar algunas propiedades dadas del operador
adjunto de Hilbert.

118
Teorema 121 (Propiedades del Operador Adjunto de Hilbert). Sean (H1 , h·, ·i1 )
y (H2 , h·, ·i2 ) dos espacios de Hilbert ambos sobre K ∈ {R, C}; S, T ∈ L(H1 , H2 ),
α ∈ K. Entonces:

1. hT ∗ y, xi1 = hy, T xi2 , ∀(y, x) ∈ H2 × H1 .

2. (S + T )∗ = S ∗ + T ∗

3. (αT )∗ = αT ∗

def
4. T ∗∗ = (T ∗ )∗ = T

5. kT ∗ T k = kT T ∗ k = kT k2 = kT ∗ k2

6. T ∗ T = Θ ⇔ T = Θ

7. Si H1 = H2 , entonces (ST )∗ = T ∗ S ∗

Demostración. 1. Sea (y, x) ∈ H2 × H1 :

hT ∗ y, xi1 = hx, T ∗ yi1 = hT x, yi2 = hy, T xi2

2. Sea (y, x) ∈ H2 × H1 . Por el corolario precedente basta probar que


h(S + T )∗ y, xi1 = h(S ∗ + T ∗ )y, xi1 .

h(S + T )∗ y, xi1 = hy, (S + T )xi2 , por 1


= hy, Sxi2 + hy, T xi2 ,
(propiedad del producto escalar)
= hS ∗ y, xi1 + hT ∗ y, xi, por 1
= hS ∗ y + T ∗ y, xi,
(propiedad del producto escalar)
= h(S ∗ + T ∗ )y, xi1 .

3. Sea(y, x) ∈ H2 × H1 . P.D. h(αT )∗ y, xi1 = h(αT ∗ )y, xi1 .

h(αT )∗ y, xi1 = hy, (αT )xi2 , por 1


= hy, α(T x)i2 ,
= αhy, T xi2
= αhT ∗ y, xi1 , por 1
= hα(T ∗ y), xi1
= h(αT ∗ )y, xi1

4. Sea (y, x) ∈ H2 × H1 . P.D. h(T ∗ )∗ x, yi2 = hT x, yi2

h(T ∗ )∗ x, yi2 = hx, T ∗ yi1 , por 1


= hT x, yi2 , por definition de T ∗

119
5. Vemos que T ∗ T ∈ L(H1 , H1 ), T T ∗ ∈ L(H2 , H2 ) y, por la desigualdad de
Cauchy-Schwarz-Buñakovski (C-S-B):

∀x ∈ H1 : kT xk22 = hT x, T xi2 = hT ∗ T x, xi1 , por 1,


≤ kT ∗ T xk1 kxk1 , por (C-S-B),
≤ kT ∗ T kkxk1 kxk1
p
de donde kT xk2 ≤ p kT ∗ T kkxk1 ∀x ∈ H1 ; y,
por lo tanto, kT k ≤ kT ∗ T k, y

kT k2 ≤ kT ∗ T k (21.2)

Por otra parte, kT ∗ T k ≤ kT ∗ kkT k = kT k2 , ya que kT ∗ k = kT k.


Esto, con (21.2) nos da la igualdad buscada

kT ∗ T k = kT k2

Finalmente, como T = T ∗∗ ,

kT T ∗ k = kT ∗∗ T ∗ k = kT ∗ k2 usando (**) en T ∗ en vez de T


= kT k2

6. Es inmediato, por 5.
7. Sean (y, x) ∈ H2 × H1 = H × H
(H = H1 = H2 , h·, ·i = h·, ·i1 = h·, ·i2 ).

h(ST )∗ y, xi = hy, (ST )xi, por 1


= hy, S(T x)i
= hS ∗ y, T xi, por 1,
= hT ∗ (S ∗ y), xi, por 1,
= h(T ∗ S ∗ )y, xi

de donde (ST )∗ = T ∗ S ∗ .

Ejemplo 122. Sea H1 = KN , H2 = KM ; N, M ∈ N, con el producto escalar


usual en los dos casos
   
N u1 x1
h→

u,→ − →

u =  ...  , →

X
x i1 = un xn ; x =  ...  ∈ KN ,
n=1 uN xN
   
M v1 y1

− →
− →
− →

X
h v , y i2 = vm ym ; v =  ...  , y = ...  ∈ KM

m=1 vM yM

Sea T : KN → KM , → −
x 7→ → −
y = T→−x un operador lineal (acotado por estar
definido en un espacio de dimensión finita).
Sea A = (T → −
e1 T →

e2 ... T −
e→ →
− →

N ) la matrix canónica asociada (T x = A x ), A ∈

120
MM ×N (K); →−
e1 = (1 0 ... 0)T , →

e2 = (0 1 ... 0)T , ..., −
e→ T
N = (0 0 ... 1) .

Sea B ∈ MN ×M (K) la matrix canónica asociada a T .
Notemos que h→−
u,→−
x i1 = → −
u T→−x , h→

v ,→

y i2 = → −
v T→ −y , viendo a los miembros de la
derecha como productos de matrices con u T y v T las transpuestas de →

− →
− −
u y→ −
v,
respectivamente.
Lema 123.
T
B=A
Demostración. Se requiere del resultado siguiente:
Lema 124 (Igualdad de matrices). Sean M, N ∈ N; C, D ∈ MM ×N . Entonces

x T C→
C=D⇔→
− −
y =→

x T D→

y ∀→

x ∈ KN ∀→

y ∈ KM

Sean →

x ∈ KN , →

y ∈ KM . Como:

hT →

x,→

y i2 = hA→

x,→

y i2 = (A→

x )T →

y =→

x T AT →

y ;y

h→

x , T ∗→

y i1 = h→

x , B→
− x T B→
y i1 = →
− −
y =→

x T B→

y,
Al ser iguales los primeros miembros de estas dos expresiones, lo serán también
los últimos, es decir: ∀→

x ∈ KN , →

y ∈ KM , →

x T AT →
−y =→−x B→
−y . El lema 124 nos
da entonces que
AT = B,
de donde B = AT .
En Algebra Lineal, si N = M y A = AT , se dice que A es una matriz
hermitiana (simétrica si K = R).
Definición 125. Sean (H, h·, ·i) un espacio de Hilbert sobre K ∈ {R, C}, y T ∈
L(H, H) =: L(H). Se dice que T es autoadjunto o hermitiano si T ∗ = T .
NOTA: En el ejemplo anterior con H = KN , N = M , si

T es autoadjunto ⇒ A es hermitiana (simétrica si K = R)

Teorema 126 (Propiedades de los operadores autoadjuntos). Sean (H, h·, ·i)
un espacio de Hilbert sobre K ∈ {R, C}, y S, T ∈ L(H). Entonces:
1.
T es autoadjunto ⇒ hT x, xi ∈ R ∀x ∈ H

2.
K = C y hT x, xi ∈ R ∀x ∈ H ⇒ T es autoadjunto

3. Si S y T son autoadjuntos, entonces

ST es autoadjunto ⇔ ST = T S

4. Sea (T n) ⊂ L(H) una sucesión de operadores autoadjuntos tal que

kT n − T k−−−→ 0.
n→∞

Entonces T es autoadjunto.

121
Demostración. 1. Supongamos que T es autoadjunto. Sea x ∈ H. Entonces

hT x, xi = hx, T xi
= hT ∗ x, xi
= hT x, xi
⇒ hT x, xi ∈ R.

2. Supongamos que K = C y que ∀x ∈ H, hT x, xi ∈ R:


Usemos 2 del lema del Operador Cero. Sea x ∈ H.
P.D. hT x, xi = hT ∗ x, xi

hT x, xi = hT x, xi porque hT x, xi ∈ R
= hx, T ∗ xi por definicion de T ∗
= hT ∗ x, xi.

3. Por 7 del Th anterior

(ST )∗ = T ∗S∗
= T S ya que S y T son autoadjuntos

Entonces, (ST )∗ = ST ⇔ ST = T S
4. P.D. T = T ∗ , es decir que kT − T ∗ k = 0. Como

∗ ∗ ∗
kT n − T k = k(T n − T ) k = kT n − T k

∀n ≥ 1 T − T = (T − T n) + (T n − T ∗ n) + (T ∗ n − T ∗ )

 ∗

T n = Tn

entonces

0 ≤ kT − T ∗ k ≤ kT − T nk + kT n − T ∗ nk + kT ∗ n − T ∗ k
= kT − T nk + 0 + kT n − T k ∀n ≥ 1

Pasando el lı́mn→∞ , el Th. del sánduche nos da: kT − T ∗ k = 0.

Ejercicios
1. Redacte detalladamente la demostración del Th. 118 de existencia del
operador adjunto de Hilbert.
2. Demuestre el lema 124 de la igualdad de matrices, enunciado en el ejemplo.
3. Demuestre la siguiente generalización del lema del Operador Cero:
Lema 127. Sea X un espacio vectorial normado, (Y, h·, ·i) un espacio
euclı́deo, ambos sobre K ∈ {R, C}. Sea Q ∈ L(X, Y ).
Sean U ⊂ X y V ⊂ Y tales que U = X, V = Y ; L ⊂ X y M ⊂ Y tales
que Gen(L) = X, Gen(M ) = Y . (i.e. U y V son densos, L y M son totales
en X e Y, respectivamente). Entonces:

122
a)

Q=0 ⇔ hQu, vi = 0 ∀u ∈ U, ∀v ∈ V
⇔ hQr, wi = 0 ∀r ∈ L, ∀w ∈ M.

b)

Si K = C y X = Y, Q = 0 ⇔ hQu, ui = 0 ∀u ∈ U
⇔ hQr, ri = 0 ∀r ∈ L

4. Enuncie y demuestre un corolario análogo al del lema del operador cero


para el lema del ejercicio 3.

5. Pruebe que Θ∗ = Θ y que I ∗ = I.

6. Sea H de Hilbert, T ∈ L(H) biyectivo, cuyo inverso T −1 es acotado.


Pruebe que ∃(T ∗ )−1 y (T ∗ )−1 = (T −1 )∗

7. Sean H1 y H2 de Hilbert, (Tn ) ⊂ L(H1 , H2 ) y T ∈ L(H1 , H2 ). Pruebe que

kT n − T k → 0 ⇒ kT n∗ − T ∗ k → 0

8. Sean H1 y H2 de Hilbert, T ∈ L(H1 , H2 ); M1 ⊂ H1 , M2 ⊂ H2 . Pruebe


que:

(a) T (M1 ) ⊂ M2 ⇒ T ∗ (M2⊥ ) ⊂ M1⊥ .


(b) Si M1 y M2 son SEV cerrados de H1 y M2 entonces T (M1 ) ⊂ M2 ⇔
T ∗ (M2⊥ ) ⊂ M1⊥ .
(c) Si M = N (T ) = {x ∈ H1 | T x = θ} entonces:
(c1) T ∗ (H2 ) ⊂ M1⊥
(c2) [T (H1 )]⊥ ⊂ N (T ∗ )
(c3) M1 = [T ∗ (H2 )]⊥

9. Sean H de Hilbert, T ∈ L(H), S = I + T ∗ T . Pruebe que existe S −1 :


S(H) → H.

10. Sean H un espacio de Hilbert separable, (en ) ⊂ H una sucesión ortonormal


total. Sea T : H → H el operador lineal acotado tal que ∀n ≥ 1 T en =
en+1 . T se llama operador de desplazamiento a la derecha (explique el
nombre). Halle Im(T ), N (T ), kT k y T ∗ .
Rb
11. Si L2 [a, b] es el completado de (c[a, b], h·, ·i), con hf, gi = a f (s)g(s)ds
y k ∈ c([a, b] × [c, d]), sea T : L2 [a, b] → L2 [c, d] tal que ∀x ∈ c[a, b],
Rb
(T x)(t) = a k(s, t)x(s)ds. Halle T ∗ .

12. Sea T : l2 → l2 , (xn ) 7→ (0, 0, x1 , x2 , ...). Halle T ∗ .

13. Sea (αn ) ∈ R acotada y T : l2 → l2 , (xn ) 7→ (αm xm ). Halle T ∗ .

14. Sean H de Hilbert, S, T ∈ L(H) dos operadores autoadjuntos y α, β ∈ R.


Pruebe que:

123
(a) αS + βT es autoadjunto
(b) T n es autoadjunto ∀n ≥ 1.

15. Sean H de Hilbert complejo, S ∈ L(H). Sean S1 = 1


2 (S + S ∗ ), S2 =
1 ∗
2i (S − S ). Pruebe que:

(a) S1 y S2 son autoadjuntos.


(b) S = S1 + iS2 y S ∗ = S1 − iS2 y que esta representación de S es
única (i.e. si R1 , R2 , T1 , T2 ∈ L(H) son autoadjuntos y si R1 + iR2 =
T1 + iT2 , entonces R1 = T1 y R2 = T2 )
16. Con H = C2 , sea C2 → C2 , S(x1 , x2 ) = (x1 + ix2 , x1 − ix2 ). Halle S ∗ ,
pruebe que S ∗ S = SS ∗ = 2I y halle S1 y S2 definidos en el ejercicio
precedente.

17. Sea H de Hilbert, T 6= Θ ∈ L(H) un operador autoadjunto. Pruebe que


T n 6= Θ:
(a) ∀n ∈ N par;
(b) ∀n ∈ N.

124
Parte IV

TEORÍA ESPECTRAL

125
Capı́tulo 22

Propiedades espectrales de
los Operadores Lineales
Acotados

Se resumen en el siguiente:
Teorema 128. Sea X un espacio de Banach complejo. Sea T : X → X un
operador lineal acotado. (i.e. T ∈ L(X, X) =: L(x)). Entonces:
1. El conjunto resolvente de T, ρ(T ), es abierto en C.
2. El espectro de T, σ(T ), es cerrado en C.

3. σ(T ) es compacto y σ(T ) ⊂ B


ekT k (θ) (i.e. ∀λ ∈ σ(T ), |λ| ≤ kT k).

Demostración. Se basa en el siguiente:


Lema 129. Sea S ∈ L(x). Si kSk < 1 entonces

X
∃(I − S)−1 y (I − S)−1 = Sk
k=0

1. Si ρ(T ) = es abierto.
Si ρ(T ) 6=, para λ0 ∈ ρ(T ), se prueba que

Br (λ0 ) ⊂ ρ(T )

si se toma
1
r=
k(T − λ0 I)−1 k
.
2. Resulta de 1.
3. Sea λ ∈ C tal que |λ| > kT k. Probemos que λ ∈ ρ(T ).
 −1 ∞  k
−1 1 1 1X 1
(T − λI) =− I− T =− T
λ λ λ λ
k=0

126
que converge por el lema con S = λ1 T , kSk = |λ|
1
kT k < 1.
Al ser σ(T ) cerrado y acotado en C, entonces es compacto.

NOTA:

1. Ver detalles de la demostración en Kreyszig, sección 7.3.

2. Podemos encerrar σ(T ) en una bola lo más pequeña posible:

Definición 130. Al número rσ (T ) = sup{|λ| | λ ∈ σ(T )} se le llama radio


espectral de T. Obviamente
σ(T ) ⊂ Ber (0)
σ

NOTA:

1. Por 3 del Teorema, obviamente, rσ (T ) ≤ kT k.

2. Se puede probar (ver Kreyszig, sección 7.5-5.) que


p
rσ (T ) = lı́m n kT n k
n→∞

Ejercicios
1. Sea X un EVN complejo. Sea I : X → X el operador identidad. Halle
σp (I) y los correspondientes espacios propios, ası́ como σ(I) y Iλ−1 .

2.

Definición 131. Sea X un EVN, Y ⊂ X es invariante para T, con


T : X → X, un operador lineal, ssi T (Y ) ⊂ Y
Pruebe que si E ⊂ X es un espacio propio de T, E es invariante para T.

3. Sea H un espacio de Hilbert separable y sea T : H → H el operador lineal


tal que ∀n ≥ 1 T en = en+1 , donde (en ) ∈ H ∞ es una sucesión ortonormal
total, y R es obtenido extendiéndolo de manera que sea lineal y continuo.
Pruebe que σp (T ) = y halle subespacios de H invariante para T.

4. Sea X1 un EVN y sea X ⊂ X1 un SEV. Sea T ∈ L(X, X1 ) y sea T1 :


X1 → X1 una extensión lineal de T (i.e. T1 |x = T ). Pruebe que:

(a) σp (T ) ⊂ σp (T1 )
(b) ∀λ ∈ σp (T ), si Eλ (T ) y Eλ (T1 ) son los espacios propios de T y T1
correspondientes a λ, Eλ (T ) ⊂ Eλ (T1 )
(c) σr (T1 ) ⊂ σr (T )
(d) σc (T ) ⊂ σc (T1 ) ∪ σp (T1 )
(e) ρ(T1 ) ⊂ ρ(T ) ∪ σr (T )

5. Sea v ∈ c[0, 1] y T : C[0, 1] → C[0, 1], x 7→ T x = vx. Halle σ(T ).

6. Halle un T : C[0, 1] → C[0, 1] tal que σ(T ) = [a, b] dado.

127
7. Sea X un EVN, T ∈ L(X, X). Sea V ⊂ X un subespacio vectorial inva-
riante para T. Pruebe que V también es invariante para T.

8. Sea X un EVN, T : X → X lineal, λ ∈ σp (T ), Eλ (T ) el espacio propio


correspondiente a λ. Si Y = Eλ (T ), halle σ(T |y ).
9. Sea (αn ) ∈ [0, 1]∞ tal que {αn | n ≥ 1} es denso en [0, 1]. Sea T : l2 → l2 ,
(xn ) = (αm xm ).
(a) Halle σp (T ) y σ(T )
(b) Sea λ ∈ σ(T ) \ σp (T ) Pruebe que Tλ−1 no es continuo
(c) Sea K ⊂ C compacto. Halle S : l2 → l2 tal que σp (S) sea denso en K
y σ(S) = K.
10. Sea X = C[0, 1], T : D(T ) ⊂ c[0, 1] → c[0, π], x 7→ x00 , donde D(T ) =
{x ∈ c[0, π] | x0 , x00 ∈ c[0, π], x(0) = x(π) = 0}. Pruebe que σ(T ) no es
compacto.
11. Sea T : l6∞ → l∞ , (xn ) 7→ (xn+1 ). Pruebe que:
(a) |λ| > 1 ⇒ λ ∈ σ(T )
(b) |λ| ≤ 1 ⇒ λ ∈ σp (T ). Halle Eλ (T ), el espacio propio correspondiente.

12. Sea T : lp → lp , (xn ) 7→ (xn+1 ), 1 ≤ p < ∞. Si |λ| = 1. λ ∈ σp (T ) como


en el ejercicio precedente?.

128
Apéndice A

La Triyección

Espacios geométricos, longitud de un segmento y


distancia entre puntos
Notaremos E 1 al conjunto de puntos de una recta, E 2 al conjunto de puntos
de un plano y E 3 al conjunto de puntos del espacio (geométrico).
Si en E ∈ {E 1 , E 2 , E 3 } tomamos un segmento finito de una recta UL pode-
mos definir la longitud de cualquier otro segmento L como el número l de veces
que cabe UL en L. Pondremos

lg(L) = l

Obviamente l > 0 pero podemos extender el concepto de longitud a un segmento


cuyo inicio y fin coinciden, en cuyo caso tendrá longitud cero.
El concepto de longitud de un segmento da lugar al de distancia geométrica
entre dos puntos. En efecto si A y B son elementos de E, podemos poner

dg(A, B) = lg(AB),

es decir la distancia geométrica entre A y B no es otra cosa que la longitud del


segmento de recta de extremos A y B, que lo notamos AB.
Se tiene la función dg : E × E → R, (A, B) 7−→ d(A, B).
Podemos notar que se verifican las siguientes propiedades:
Si E ∈ {E 1 , E 2 , E 3 } :

M1 (No Negatividad) ∀A, B ∈ E, dg(A, B) ≥ 0

M2 (Unicidad) ∀A, B ∈ E, dg(A, B) = 0 ⇔ A = B

M3 (Simetrı́a) ∀A, B ∈ E, dg(A, B) = dg(B, A)

M4 (Desigualdad triangular)

∀A, B, C ∈ E, dg(A, C) ≤ dg(A, B) + dg(B, C)

129
La Recta Real
Tomando en E 1 un punto 0 al cual le asociamos el número 0 y si a todo
número a le asociamos el punto A situado a una distancia |a| del punto 0, a un
lado de 0 si a > 0 y el otro lado si a < 0 se establece la biyección

G : R → E 1 , a 7−→ G(a) = A

A es el gráfico o representación geométrica de a o también diremos que a es la


coordenada del punto A. Al espacio E 1 , visto como imagen de G, se le llama
entonces recta real. Aunque, para ser más precisos, recta real es la función G.
Gracias a la biyección G : R → E 1 , se puede definir la distancia entre dos
números a y b, notada d(a, b)

d(a, b) = dg(A, B),

donde A = G(a) y B = G(b).


Es fácil probar que para todo a, b ∈ R se tiene d(a, b) = |a − b|.
La función d : R2 → R, (x, y) 7−→ d(x, y) se llama distancia usual o natural
y tiene las propiedades análogas a (M1), (M2), (M3) y (M4) que vimos para
dg : E × E → R.
La biyección G ha permitido enriquecer R con el concepto de distancia que
es una propiedad inherente a los espacios geométricos E 1 , E 2 , E 3 .

El Plano Cartesiano
Si en el espacio geométrico E 2 escogemos un segmento de recta UL como
unidad de longitud, podemos escoger dos rectas perpendiculares entre si que se
cortan en un punto 0 (por simplicidad digamos que la una es horizontal y la
otra es vertical), y con ellas construir dos rectas reales. Convengamos en que el
número 1 está representado geométricamente por el punto I situado a la derecha
de O en la recta horizontal y por el punto J situado encima de 0 en la recta
vertical,ambos a una distancia 1 del punto 0.
Todo punto A ⊂ E 2 está asociado con un punto A1 de la recta horizontal
definido como el corte de esta recta con la recta vertical que pasa por A y con
un punto A2 de la recta vertical definida como el corte de ésta con la recta
horizontal que pasa por A.
Si a1 es la coordenada de A1 en la recta real horizontal y si a2 es la coordenada
de A2 en la recta real vertical entonces se define el par ordenado (a1 , a2 ) ∈ R2
al que llamaremos coordenadas de A.
Por el contrario, dados (a1 , a2 ) ∈ R2 , si A1 es el gráfico de a1 en la recta
real horizontal y A2 es el gráfico de a2 en la recta real vertical, el corte A de la
recta horizontal que pasa por A2 y la recta vertical que pasa por A1 , define la
función biyectiva G : R2 → E 2 , (a1 , a2 ) 7→ G(a1 , a2 ) = A.
El punto A = G(a1 , a2 ) se llama gráfico o representación geométrica de
(a1 , a2 ). Al espacio E 2 visto como imagen de la función G, suele llamárselo plano
cartesiano. Aunque, para ser más precisos, plano cartesiano es la función G.
Gracias al plano cartesiano podemos trasladar de E 2 a R2 el concepto de
distancia, poniendo para (a1 , a2 ), (b1 , b2 )

d((a1 , a2 ), (b1 , b2 )) = dg(A, B),

130
donde A = G(a1 , a2 ) es el gráfico o representación geométrica de (a1 , a2 ) y
B = G(b1 , b2 ) lo es de (b1 , b2 ), y dg(A, B) = lg(AB).
Dado A ∈ E 2 , si G−1 (A) = (a1 , a2 ), se dice que (a1 , a2 ) son las coordenadas
de A.
Es fácil probar que
p
d((a1 , a2 ), (b1 , b2 )) = |a1 − b1 |2 + |a2 − b2 |2 ,

y que d : R2 × R2 → R cumple las propiedades análogas a (M1), (M2), (M3) y


(M4) que vimos para dg : E × E → R.

El Espacio Cartesiano
De manera análoga, si tomamos en el espacio geométrico E 3 un segmento
de recta UL como unidad de medida de la longitud de un segmento de recta
cualquiera. Escogemos un punto 0 y un plano que pasa por 0 (por simplicidad
supongamos que es horizontal) y construyamos con él un plano cartesiano. Luego
tomemos la recta que pasa por 0 y es perpendicular al plano y construyamos
con ella una tercera recta real, con el punto K correspondiente al número 1, por
encima del plano.

Definamos la función G : R3 → E 3 , (a1 , a2 , a3 ) → A de la siguiente manera:A


la pareja (a1 , a2 ) le hallamos su gráfico en el plano cartesiano horizontal, digamos
Ã. En la vertical que pasa por à hallamos un punto A situado a una distancia
|a3 | de Ã, por encima de à si a3 > 0 y por debajo si a3 < 0 (si a3 = 0, A = Ã).
Ponemos G(a1 , a2 , a3 ) = A. Al punto A le llamamos gráfico o representación
geométrica de (a1 , a2 , a3 ). Evidentemente G es biyectiva y al trı́o de números
(a1 , a2 , a3 ) = G−1 (A) les llamaremos coordenadas de A.
A la función G : R3 → E 3 le llamaremos espacio cartesiano. Gracias a G
podemos trasladar de E 3 el concepto de distancia, poniendo

def
d((a1 , a2 , a3 ), (b1 , b2 , b3 )) = dg(G(a1 , a2 , a3 ), G(b1 , b2 , b3 )).

Es fácil probar que


p
d((a1 , a2 , a3 ), (b1 , b2 , b3 )) = |a1 − b1 |2 + |a2 − b2 |2 + |a3 − b3 |2 ,

y que d : R3 × R3 → R, cumple con propiedades análogas a (M1), (M2), (M3)


y (M4) que vimos para dg : E × E → R.

131
Vectores en los espacios E 1 , E 2 , E 3 : Los Espacios V
E ∈ E 1 , E 2 , E 3 es un conjunto de puntos. Dados dos puntos A, B ∈ E,
podemos dibujar una flecha con inicio en A y la punta o fin en B que la notaremos
~ y la llamaremos vector.
AB
Si A 6= B, el vector AB ~ tiene como caracterı́sticas o propiedades:

1. su dirección (que es la de todas las rectas paralelas a la recta que pasa por
A y B, en particular esta última)
−−→
2. su sentido (puesto que tiene un inicio y un fin; ası́ AB tiene el sentido
−−→
contrario al de BA); y,
~ que de paso vemos que coincide con la
3. su longitud (la del segmento AB,
del segmento BA, que es la longitud
de BA), llamada módulo o norma
~ ~
del vector AB y que se nota AB .

Notemos que para dos parejas diferentes de puntos (A, B) y (C, D) ∈ E ×


E, para los correspondientes vectores AB ~ y CD ~ pueden coincidir estas tres
caracterı́sticas (dirección, norma y sentido). En este caso los consideraremos
iguales. Ası́ tenemos que si A(1, 1), B(2, 3), C = (−2, 2) y D = (−1, 4), entonces
~ = CD
AB ~ (dibújelos y compruébelo). En particular

~
p √
AB = dg(A, B) = |2 − 1|2 + |3 − 1|2 = 5

~ p √
CD = dg(C, D) = | − 1 − (−2)|2 + |4 − 2|2 = 5

Llamaremos vector cero al vector cuyo inicio y fin coinciden y lo notaremos ~0.
~ = P~P , etc.
Ası́ ~0 = AA
Obviamente ~0 no tiene dirección ni sentido y ~0 = 0. Notaremos como V k al

conjunto de vectores de E k , k ∈ {1, 2, 3}, teniendo en cuenta la definición de


igualdad dada.
En V ∈ V 1 , V 2 , V 3 se pueden definir dos operaciones: la suma de vectores y la
multiplicación de un escalar (número) por un vector, de la siguiente manera:
Dados ~u, ~v ∈ V , la suma de ~u y ~v es el vector notado ~u + ~v .
Y definido ası́ el vector cuyo inicio coincide con el de ~u y cuyo fin coincide con
la punta del vector igual a ~v , cuyo inicio coincide con el del vector ~u (obviamente
hay un único vector igual a ~v con esta propiedad).
Por otra parte, dado un número α ∈ R y un vector ~u ∈ V \ {~0}. El producto
de α por ~u es el vector notado α · ~u, cuya longitud o norma es kα · ~uk = |α| · k~uk,
cuya dirección coincide con la de ~u. El sentido de α~u es el mismo que el de ~u si
α > 0 y es el sentido contrario al de ~u si α < 0.
Por definición ∀α ∈ R, α · ~0 = ~0
Obviamente 0 · ~u = ~0, ∀~u ∈ V . Con estas definiciones es fácil verificar que:
∀~u, ~v , w
~ ∈ V y ∀α, β ∈ R:
(S1) Asociatividad de la suma: (~u + ~v ) + w
~ = ~u + (~v + w)
~
(S2) Conmutatividad de la suma: ~u + ~v = ~v + ~u
(S3) Existencia del neutro aditivo: ~u + ~0 = ~u

132
(S4) Existencia del inverso aditivo: ∃ − ~u tal que ~u + (−~u) = ~0 (de hecho
−~u = (−1)~u).
(M1) Asociatividad del producto por un escalar: α · (β · ~u) = (αβ) · ~u
(M2) Neutro multiplicativo: 1 · ~u = ~u
(D1) Distributividad para la suma de escalares: (α + β) · ~u = α · ~u + β~u
(D2) Distributividad para la suma de vectores: α · (~u + ~v ) = α · ~u + α · ~v
Notemos que a la norma se la puede ver como una función k·k : V N → R,
~u 7−→ k~uk, N = 1, 2, 3. Con las propiedades: ∀~u, ~v ∈ V N , ∀α ∈ R:
(N1) (No negatividad) k~uk ≥ 0

(N2) (Unicidad) ~0 = 0 ⇔ ~u = ~0

(N3) (Cierta homogeneidad) kα~uk = |α| · k~uk


(N4) (Desigualdad triangular) k~u + ~v k ≤ k~uk + k~v k.
En V ∈ V 1 , V 2 , V 3 se define también el producto interno o producto
escalar de dos vectores ~u, ~v ∈ V , que se nota h~u, ~v i y es el número real dado
por: (
0 si ~u = ~0 o ~v = ~0
h~u, ~v i =
k~uk · k~v k cos α si ~u 6= ~0 y ~v 6= ~0
donde α es el ángulo formado por vectores iguales a ~v y ~v cuyos inicios coinciden.
El producto escalar puede ser visto como la función h·, ·i : V ×V → R y se puede
constatar que se cumplen las siguientes propiedades: ∀~u, ~v , w~ ∈ V , ∀α, β ∈ R:
(E1) (No negatividad) h~u, ~ui ≥ 0
(E2) (Unicidad) h~u, ~ui = 0 ⇔ ~u = ~0
(E3) (Simetrı́a) h~u, ~v i = h~v , ~ui
(E4) (Linealidad respecto a la 1ra variable)
(
h~u + ~v , wi
~ = h~u, wi~ + h~v , wi
~ aditividad
hα · ~u, ~v i = α h~u, ~v i homogeneidad

La Triyección RN → E N → V N
Supongamos que en E ∈ {E 1 , E 2 , E 3 } está dado un segmento UL como
unidad de longitud y que hemos definido ya una recta real, un plano cartesiano
o un espacio cartesiano, según el caso.
La biyección V N → E N : Dado un vector cualquiera ~a ∈ V ∈ V 1 , V 2 , V 3 ,
−→
obviamente existe un único punto A ∈ E tal que ~a = 0A. Se define ası́ la función
φ : V → E, ~a 7−→ A, que es biyectiva. Su inversa es ϕ : E → V , A 7−→ ϕ(A) =
−→
OA. Como ya tenemos la biyección G : RN → E N se puede definir lo que
llamaremos triyección RN → E N → V N , que es el conjunto de trios ordenados
−→ −→ −→
(a, A, OA) para n = 1, ((a1 , a2 ), A, OA) para n = 2 y ((a1 , a2 , a3 ), A, OA) para

133
n = 3, donde A = G(a) para n = 1, A = G(a1 , a2 ) para n = 2 y A = (a1 , a2 , a3 )
para n = 3.
NOTA: Obviamente ϕ ◦ G : RN → V N es también biyectiva, ası́ como su
inversa.
Su utilidad consiste en que toda buena propiedad en uno de estos tres espa-
cios, RN , E N , V N , se traslada automáticamente a los otros dos.
Vimos por ejemplo que la distancia geométrica dg definida en E, da origen na-
tural a la distancia en R, R2 , R3 .
Obviamente también se puede definir la distancia entre dos vectores ~a y ~b, que
será el número
−→ −−→
dv(~a, ~b) = dg(A, B), si ~a = OA y ~b = OB.

Por otra parte en V definimos las operaciones de suma (+) y producto por un
escalar ·); y vimos que la estructura (V, +, ·) cumple con algunas propiedades
((S1) a (S4), (M1), (M2), (D1) y (D2)), que en Álgebra Lineal se generalizan
para estructuras con iguales propiedades a lo que se llama un Espacio Vectorial.
Esta estructura de espacio vectorial se puede trasladar de V a RN y a E, de
manera natural.
Para n = 2, si (a1 , a2 ), (b1 , b2 ) ∈ R2 y α ∈ R pondremos:
def
(a1 , a2 ) + (b1 , b2 ) = (ϕ ◦ G)−1 (ϕ ◦ G(a1 , a2 ) + ϕ ◦ G(b1 , b2 ))

def
α · (a1 , a2 ) = (ϕ ◦ G)−1 (α · (ϕ ◦ G)(a1 , a2 ))
Es fácil probar que

(a1 , a2 ) + (b1 , b2 ) = (a1 + b1 , a2 + b2 )

α · (a1 , a2 ) = (α · a1 , α · a2 )
Análogamente, para N = 3, con una definición análoga se tiene que si
(a1 , a2 , a3 ), (b1 , b2 , b3 ) ∈ R3 y si α ∈ R:

(a1 , a2 , a3 ) + (b1 , b2 , b3 ) = (a1 + b1 , a2 + b2 , a3 + b3 )

α · (a1 , a2 , a3 ) = (αa1 , αa2 , αa3 )


R2 y R3 con las operaciones + y · que acabamos de definir cumplen con las
propiedades análogas a (S1), ... (S4), (M1), (M2), (D1), (D2) por lo que los trı́os
(R2 , +, ·) y (R3 , +, ·) son espacios vectoriales.
Para V ∈ {V 1 , V 2 , V 3 } definimos la norma k·k : V → R, donde k~uk es la
longitud o norma del vector ~u.
Podemos trasladar este concepto a los espacios E N o RN , N ∈ {1, 2, 3}
correspondientes.
def
Por ejemplo, si (a1 , a2 ) ∈ R2 pondremos k(a1 , a2 )k = k~ak, donde ~a = ϕ ◦
~ donde A es el gráfico de (a1 , a2 ).
G((a1 , a2 )) = OA, p
Es fácil probar que: k(a1 , a2 )k2 = |a1 |2 + |a2 |2 .
Análogamente para (a1 , a2 , a3 ) ∈ R3 tendremos que

def
k(a1 , a2 , a3 )k2 = OA ~

134
, donde A es el gráfico de (a1 , a2 , a3 ), entonces
p
k(a1 , a2 , a3 )k2 = |a1 |2 + |a2 |2 + |a3 |2

Es inmediata la verificación de que las propiedades (N1), (N2), (N3) y (N4)


que vimos para la norma de los vectores, se cumplen también para k·k2 : RN →
R, n ∈ {1, 2, 3}.
En el caso N = 1, si a ∈ R, kak = |a|, obviamente.
Ahora bien, en V hemos definido el producto interno o producto escalar
h·, ·i : V × V → R. Esta definición puede trasladarse a RN .
Por ejemplo, para N = 2 dados (a1 , a2 ), (b1 , b2 ) ∈ R2 , pondremos
def −→ −
−→E
D
h(a1 , a2 ), (b1 , b2 )i = OA, OB ,

donde A = G((a1 , a2 )) es el gráfico de (a1 , a2 ) y B = G((b1 , b2 )) es el gráfico de


(b1 , b2 ).
Es fácil probar la sorprendente fórmula:

h(a1 , a2 ), (b1 , b2 )i = a1 a2 + b1 b2 (A.1)

Análogamente, si para N = 3, dados (aD1 , a2 , a3 ),E(b1 , b2 , b3 ) ∈ R3 definimos


def −→ −
−→
análogamente h(a1 , a2 , a3 ), (b1 , b2 , b3 )i = OA, OB , se tiene que

h(a1 , a2 , a3 ), (b1 , b2 , b3 )i = a1 b1 + a2 b2 + a3 b3 (A.2)

Valga decir que en estos casos se cumplen las propiedades (E1), (E2), (E3)
y (E4) que vimos para el producto escalar en V , las cuales se pueden verificar
también utilizando las fórmulas (1) y (2) que acabamos de escribir.
Sı́mbolos A la triyección R-E-V la representaremos con los sı́mbolos

RN → E N → V N .

135