AF2018 Cap 2 Al

Capítulo 2
Espacios Normados
2.1. Introducción
En el capítulo anterior, equipamos un conjunto cualquiera con una
estructura métrica, dando lugar a los espacios métricos. En el presente
capítulo, definiremos métricas sobre espacios vectoriales, es decir, sobre
espacios equipados con una estructura algebraica.
En este capítulo, dado un espacio vectorial X, estamos interesados en
métricas que verifiquen las siguientes dos propiedades:
1. Invarianza por traslaciones. Para todo x, y, z ∈ X se tiene
d ( x + z, y + z) = d ( x, y) .
2. Homogeneidad. Para todo x, y ∈ X y λ ∈ R se tiene
d (λx, λy) = |λ| d ( x, y) .
De esta forma, para todo x, y ∈ X se tiene
d ( x, y) = d ( x − y, 0) .
Entonces, para conocer la distancia entre dos vectores de X, bastará conocer

la distancia d ( x, 0) para todo x ∈ X. Así, podemos definir la longitud (que en
59
60 Sección 2.2. Espacios Normados
adelante llamaremos norma) de un vector x ∈ X por
k x k = d ( x, 0) .
r
Estas observaciones, son motivadas básicamente por el caso euclideano y nos
na
conducen a un tratamiento general y axiomático de la norma de un vector.
Al equipar un espacio vectorial con una estructura métrica-topológica,
proveniente de la norma, este gana una estructura rica en propiedades, que
estudiaremos en este capítulo. Debemos notar que la dimensión del espacio
mi
juega un rol importante, por ejemplo, en un espacio de dimensión finita,
cualquier bola cerrada es compacta, mientras que si la dimensión es infinita,
esto nunca sucede.
2.2.
eli
Espacios normados: propiedades y ejemplos
Definición 2.1. Sea X un espacio vectorial sobre el cuerpo K. Una norma sobre
X es una aplicación k . k : X → R que para todo x, y ∈ X y λ ∈ K satisface
pr
las siguientes condiciones:
n1 ) k x k ≥ 0;
n2 ) k x k = 0 si y solamente si x = 0;
ón
n3 ) kλx k = |λ| k x k ;
n4 ) k x + yk ≤ k x k + kyk .
Observación 2.1. La condición (n3) en esta definición es llamada

rsi
homogeneidad de la norma y la condición (n4) es la desigualdad triangular.

Notemos que las condiciones (n3) y (n4) implican que
0 = k x − x k ≤ k x k + k− x k = k x k + k x k = 2 k x k ,
Ve
de donde obtenemos k x k ≥ 0, es decir, la condición (n1) se obtiene como

consecuencia de las condiciones (n3) y (n4). Aun así, siguiendo la tradición,
escribimos k x k ≥ 0 como una condición de la definición de norma.
V. R. Cabanillas Zannini
2.2. Espacios normados 61
Definición 2.2. Dado x ∈ X, si k x k = 1, diremos que x es un vector unitario.

Dado un espacio vectorial X y una norma k . k definida sobre X, diremos
que el par ( X, k . k) es un espacio normado. Cuando no exista ambigüedad
en relación a la norma sobre X, diremos simplemente que X es un espacio
normado.
La exigencia de que X sea un espacio vectorial, se debe a que las

condiciones (n2) , (n3) y (n4) exigen que 0 ∈ X y dados x, y ∈ X y λ ∈ K
entonces x + y y λx deben pertenecer a X. Algunas propiedades inmediatas
que satisface cualquier norma y que utilizaremos con frecuencia son dadas en
la siguiente proposición.
Proposición 2.1. Sea ( X, k . k) un espacio normado sobre K. Entonces, para todo x,

y ∈ X se tiene
( a) k x k = k− x k ;
(b) k x − yk ≤ k x k + kyk ;
(c) |k x k − kyk| ≤ k x − yk .
Demostración. Las propiedades ( a) y (b) siguen directamente de las

condiciones (n3) y (n4) de la definición de norma. Probemos (c) : de la
desigualdad triangular tenemos
k x k = ky + x − yk ≤ kyk + k x − yk
kyk = k x + y − x k ≤ k x k + ky − x k = k x k + k x − yk
de donde obtenemos
k x k − kyk ≤ k x − yk y kyk − k x k ≤ k x − yk ,
es decir,
k x k − kyk ≤ k x − yk y k x k − kyk ≥ − k x − yk
o
− k x − yk ≤ k x k − kyk ≤ k x − yk
17 de abril de 2018 V. R. Cabanillas Zannini

de donde concluimos que
|k x k − kyk| ≤ k x − yk ,
r
lo cual prueba (c) .
na
Ejemplo 2.1. Dado x = ( x1 , x2 , ..., xn ) ∈ Kn , la función real k . k : Kn → R,
dada por
!1
n 2
2
k( x1 , x2 , ..., xn )k = ∑ | xk |
mi
k =1
define una norma sobre Kn , llamada norma euclideana.

De manera más general, dado un espacio vectorial V de dimensión n sobre el
cuerpo K, si {v1 , . . . , vn } es una base de V entonces, cualquier x ∈ V puede
escribirse de manera única como
eli n
x= ∑ αk vk ,
k =1
pr
con αk ∈ K. Entonces, la función k . k : V → R definida por
!1
n 2
2
(2.1) kxk = ∑ |αk | ,
k =1
ón
es una norma sobre V. En efecto, la condición (n1) de la definición de

norma sigue directamente de la propia definición (2.1). Supongamos ahora
que k x k = 0. Entonces
n
∑ |αk |2 = 0.
rsi
k =1
Luego, |αk | = 0 para todo k = 1, . . . , n, de donde concluimos que αk = 0,

para todo k = 1, ..., n y consecuentemente, x = 0. Esto prueba la condición
(n2) . La condición (n3) sigue directamente de la definición (2.1). Probemos
Ve
la condición (n4) . Dados

n n
x= ∑ αk vk , y= ∑ β k vk
k =1 k =1
tenemos
n
x+y = ∑ (αk + β k ) vk
k =1
entonces
n n
k x + y k2 = ∑ | α k + β k |2 = ∑ (αk + β k ) (αk + β k )
k =1 k =1
n n n n
2
= ∑ |αk | + ∑ α k β k + ∑ β k α k + ∑ | β k |2
k =1 k =1 k =1 k =1
n n n n
= ∑ | α k |2 + ∑ α k β k + ∑ α k β k + ∑ | β k |2
k =1 k =1 k =1 k =1
Pero, para cada z ∈ C se tiene z + z = 2 Re z y Re z ≤ |z| . Además, por la

desigualdad de Cauchy-Schwarz tenemos
n n n
k x + y k2 = ∑ |αk |2 + 2 ∑ Re αk β k + ∑ | β k |2
k =1 k =1 k =1
n n n
≤ ∑ | α k |2 + 2 ∑ | α k β k | + ∑ | β k |2
k =1 k =1 k =1
!1 !1
n n 2 n 2 n
≤ ∑ | α k |2 + 2 ∑ | α k |2 ∑ | β k |2 + ∑ | β k |2
k =1 k =1 k =1 k =1
2 2
= k x k + 2 k x k kyk + kyk
Entonces k x + yk ≤ k x k + kyk . Por lo tanto, k . k es una norma sobre V.
Ejemplo 2.2. Generalizando el ejemplo anterior, sobre Kn definimos la

aplicación
!1
n p
(2.2) k( x1 , x2 , ..., xn )k p = ∑ | xk | p ,
k =1
para todo ( x1 , x2 , ..., xn ) ∈ Kn , donde 1 ≤ p < ∞. Claramente, esta aplicación

satisface las condiciones (n1) , (n2) y (n3) de la definición de norma. La
condición (n4) es una consecuencia de la desigualdad de Minkowski que
demostramos en el capítulo anterior. Veamos: dados ( x1 , ..., xn ), (y1 , ..., yn ),

(z1 , ..., zn ) ∈ Kn , cada uno de estos vectores puede ser visto como una
sucesión en la que todos los términos con subíndice mayor que n non nulos.
Entonces, tenemos que { xk } , {yk } , {zk } son sucesiones en ` p . Entonces, por
r
la desigualdad de Minkowski tenemos
na
!1 !1 !1
n p p n p n
∑ | xk + yk | p ≤ ∑ | xk | p + ∑ |yk | p
k =1 k =1 k =1
es decir
mi
k( x1 , x2 , ..., xn ) + (y1 , y2 , ..., yn )k p ≤ k( x1 , x2 , ..., xn )k p + k(y1 , y2 , ..., yn )k p ,
lo cual prueba la desigualdad triangular (n4) , y entonces k . k p es una norma

sobre Kn . Por lo tanto, Kn , k . k p es un espacio normado.
Ejemplo 2.3. Si p = ∞, la aplicación k . k∞ : Kn → R definida para todo
eli
( x1 , x2 , ..., xn ) ∈ Kn por
(2.3) k( x1 , x2 , ..., xn )k∞ = máx {| x1 | , | x2 | , . . . , | xn |} ,
también define una norma sobre Kn . La prueba queda como ejercicio. Por lo
pr
tanto, (Kn , k . k∞ ) es un espacio normado.
Ejemplo 2.4. En los dos ejemplos anteriores se ha definido la norma k . k p
sobre Kn para 1 ≤ p ≤ ∞. Notemos que, cuando K = R y p = 1 tenemos la
norma
ón
n
(2.4) k x k1 = ∑ | xk |
k =1
donde x = ( x1 , x2 , ..., xn ) ∈ Rn . Esta norma es llamada norma de la suma y

también se denota por k x kS . Si p = 2 tenemos
rsi
!1
n 2
2
k x k2 = ∑ | xk | ,
k =1
la cual coincide con la norma euclideana definida en el ejemplo 2.1. Cuando

Ve
p = ∞ tenemos
k x k∞ = máx {| x1 | , | x2 | , . . . , | xn |} ,
esta norma es llamada norma del máximo y se denota por k x k M .
Observación 2.2. La norma es una generalización de la noción de longitud,

tal como lo mencionamos al iniciar este capítulo. Dado un espacio vectorial
normado ( X, k . k) , la aplicación d : X × X → R definida por
d ( x, y) = k x − yk
define una métrica sobre X. En efecto, veamos que d satisface las cuatro
condiciones de la definición de métrica. Como k . k es una norma, entonces
d ( x, y) = k x − yk ≥ 0, para todo x, y ∈ X; además por la condición (n2)
de la definición de norma se cumple que d ( x, y) = k x − yk = 0 si y sólo si
x = y. La condición d ( x, y) = d (y, x ) se cumple claramente. La desigualdad
triangular para d es una consecuencia de la condición (n4) , veamos:
d ( x, y) = k x − yk = k( x − z) − (y − z)k
≤ k x − zk + ky − zk = d ( x, z) + d (z, y) .
Entonces, d es una métrica sobre X y luego ( X, d) es un espacio métrico. La

métrica d así definida se denomina métrica asociada a la norma k . k ó métrica
inducida por la norma.
Observación 2.3. La observación anterior prueba que todo espacio normado

( X, k . k) resulta ser un espacio métrico con la métrica inducida por la norma.
De esta forma, las nociones de límite, convergencia, sucesión de Cauchy,
continuidad, y todas aquellas que se expresan en términos de métrica, pueden
ser enunciadas en términos de norma. Por ejemplo, la convergencia de una
sucesión { xn } en el espacio normado ( X, k . k) se definirá de la siguiente
manera: xn → x en ( X, k . k) si y solamente si k xn − x k → 0. Esto se debe a
que xn → x en ( X, d) significa que d ( xn , x ) → 0 y si d es la métrica inducida
por k . k entonces d ( xn , x ) = k xn − x k .
Observación 2.4. De la observación anterior, la esfera unitaria cerrada sobre

un espacio normado ( X, k . k) vendría definida de la siguiente manera
S1 (0) = { x ∈ X; k x k = 1} .
Dependiendo del espacio y la norma adoptada, esta esfera puede no obedecer

a la configuración que tenemos en nuestra imaginación euclideana para una

esfera. Por ejemplo, mostramos en la figura 2.1 la esfera unitaria en R2 para

cinco normas distintas: la euclideana k . k2 , la de la suma k . k1 , la del máximo
k . k∞ , y las normas k . k1,3 y k . k4 .
r
Observación 2.5. Ya que todo espacio normado resulta ser un espacio métrico,
na
es natural preguntarse si la recíproca también es válida. Dado un espacio
métrico vectorial ( X, d), definimos la aplicación k x k = d ( x, 0) . ¿Es k x k =
d ( x, 0) una norma y entonces X un espacio normado con esta norma? La
respuesta en general es negativa. Por ejemplo, si d es la métrica discreta sobre
mi
X, tendríamos para x 6= 0 que
k2x k = d (2x, 0) = 1 6= 2 k x k = 2d ( x, 0) = 2.
Por lo tanto, no toda métrica define una norma mediante k x k = d ( x, 0) , pues

eli
como vemos, puede fallar la condición kλx k = |λ| k x k. La observación 2.2 y
las condiciones bajo las cuales un espacio métrico es un espacio normado se
resumen en el siguiente teorema.
Teorema 2.1. Si ( X, k . k) es un espacio vectorial normado, la aplicación d ( x, y) =
pr
k x − yk definida para todo x, y ∈ X verifica
1. d ( x + z, y + z) = d ( x, y) , ∀ x, y, z ∈ X;
2. d (λx, λy) = |λ| d ( x, y) , ∀ x, y ∈ X, ∀ λ ∈ K.

ón
Recíprocamente, si ( X, d) es un espacio vectorial métrico en el que se cumplen las

propiedades 1 y 2 anteriores, entonces ( X, k . k) es un espacio normado con la norma
k x k = d ( x, 0).
Demostración. La demostración de la primera parte ya fue hecha en la
rsi
observación 2.2. La prueba de la segunda parte es sencilla y queda como

ejercicio para el lector.
Ejemplo 2.5. En el capítulo anterior definimos los espacios métricos ` p para
Ve
1 ≤ p < ∞ y sus respectivas métricas:

!1
∞ p
d (x, y) = ∑ | xk − yk | p , ∀ x = { xk } , y= {yk } ∈` p .
k =1
Figura 2.1: Esferas unitarias en el plano R2 con la norma k . k p para p =

2; 1; ∞; 1, 3 y p = 4

Notemos que esta métrica satisface las condiciones (1) y (2) del teorema
anterior. En efecto, si x = { xk }, y= {yk }, z= {zk } ∈` p y λ ∈ K entonces
!1
r
∞ p
d (x + z, y + z) = ∑ |( xk + zk ) − (yk + zk )| p
na
k =1
!1
∞ p
p
= ∑ | xk − yk | = d (x, y) ;
k =1
mi
!1 !1
∞ p ∞ p
p p p
d (λx, λy) = ∑ |λxk − λyk | = ∑ |λ| | xk − yk |
k =1 k =1
!1
∞ p
= |λ|
eli
∑ | xk − yk |
k =1
p
= |λ| d (x, y) .
Luego, por el teorema anterior, la aplicación kxk p = d (x, 0) define una norma
sobre ` p . Por lo tanto, ` p es un espacio normado con la norma definida por
pr
!1
∞ p
(2.5) kxk p = ∑ | xk | p , ∀ x = { xk } ∈` p .
k =1
Ejemplo 2.6. El espacio `∞ que había sido equipado con la métrica

ón
d (x, y) = sup | xk − yk | , ∀ x = { xk } , y= {yk } ∈`∞ ,

k ∈N
también satisface las condiciones (1) y (2) del teorema 2.1. Por lo tanto, `∞ es
un espacio normado con la norma definida por
rsi
(2.6) kxk∞ = sup | xk | , ∀ x = { xk } ∈`∞ .

k ∈N
Ejemplo 2.7. Sea X un espacio métrico compacto y sea C ( X; K) el espacio

Ve
de las funciones continuas sobre X con valores en K. Sobre este espacio

definimos la aplicación k . k0 : C ( X; K) → R por
(2.7) k f k0 = sup {| f ( x )| ; x ∈ X } .
Esta función define una norma sobre C ( X; K). Notemos también que esta
norma proviene de la métrica uniforme definida en (1.4), pues
k f − gk0 = sup {| f ( x ) − g ( x )| ; x ∈ X } = d ( f , g) ,
donde d es la métrica uniforme. El hecho de que k . k0 sea una norma sobre

C ( X; K) también es consecuencia del teorema 2.1, pues la métrica uniforme
verifica las condiciones (1) y (2) de dicho teorema.
Más aun, consideremos una sucesión { f n } de funciones en C ( X; K) tal
que f n → f en C ( X; K) en la norma k f k0 . Entonces
k f n − f k0 → 0
es decir, dado ε > 0 existe n0 ∈ N tal que k f n − f k0 < ε para todo n ≥ n0 .

Luego
sup | f n ( x ) − f ( x )| < ε para todo n ≥ n0
x∈X
Como | f n ( x ) − f ( x )| ≤ sup | f n ( x ) − f ( x )| para todo n ≥ n0 y para todo

x∈X
x ∈ X, concluimos que
| f n ( x ) − f ( x )| < ε para todo n ≥ n0 y para todo x ∈ X
es decir, la sucesión { f n } converge uniformemente a f . Por tal razón, la

norma k . k0 sobre C ( X; K) se denomina norma de la convergencia uniforme
o simplemente norma uniforme.
Observación 2.6. Sea X un espacio vectorial con norma k . k y sea Y un

subespacio vectorial de X. Sea k . kY la restricción de k . k a Y. Entonces k . kY
es una norma sobre Y. La norma k . kY es llamada norma inducida por k . k
sobre Y.
Ejemplo 2.8. Sean X y Y dos espacios vectoriales sobre el mismo cuerpo K y

consideremos el espacio Z = X × Y. Si k . k1 es una norma sobre X y k . k2 es
una norma sobre Y entonces
(2.8) k( x, y)k = k x k1 + kyk2

es una norma sobre Z. En efecto, la condición (n1) de la definición de norma

es clara. Supongamos que k( x, y)k = k x k1 + kyk2 = 0, entonces, siendo k . k1
y k . k2 no negativas, tenemos que k x k1 = kyk2 = 0, de donde x = y = 0 pues
r
k . k1 y k . k2 son normas. Esto prueba la condición (n2) . La condición (n3)
na
es inmediata, pues
kα ( x, y)k = k(αx, αy)k = kαx k1 + kαyk2

= |α| k x k1 + |α| kyk2 = |α| (k x k1 + kyk2 )
= |α| k( x, y)k
mi
Finalmente, probemos (n4) :
k( x, y) + (u, v)k = k( x + u, y + v)k = k x + uk1 + ky + vk2

≤ k x k1 + k u k1 + k y k2 + k v k2
eli
= k( x, y)k + k(u, v)k .
La norma definida en (2.8) se denomina norma producto.

Teorema 2.2. Sea X un espacio vectorial sobre K con norma k . k . Sean { xn } y
pr
{yn } dos sucesiones que convergen a x e y en X y sea {αn } ⊂ K una sucesión que
converge a α ∈ K. Entonces
( a) lı́m k xn k = k x k ; (Continuidad)
n→∞
ón
(b) lı́m ( xn + yn ) = x + y ;
n→∞
(c) lı́m (αn xn ) = αx ;

n→∞
(d) kλx + (1 − λ) yk ≤ λ k x k + (1 − λ) kyk , ∀ 0 < λ < 1 (Convexidad ) .

rsi
Demostración. Por la proposión 2.1 tenemos que
|k xn k − k x k| ≤ k xn − x k
Como lı́m xn = x, concluimos que

n→∞
Ve
0 ≤ lı́m |k xn k − k x k| ≤ lı́m k xn − x k = 0
n→∞ n→∞
es decir, lı́m k xn k = k x k . Las partes (b) , (c) y (d) quedan como ejercicio.
n→∞
2.3. Estructura vectorial-topológica de un espacio

normado
Dado un espacio normado ( X, k . k) , este goza de dos estructuras: una
algebraica, dada por el hecho de ser espacio vectorial, y otra topológica,
inducida por la norma (en realidad por la métrica que esta norma induce). Así
que, como observamos antes, todos los conceptos y resultados que probamos
en el capítulo anterior para métricas admiten una versión en términos de la
norma del espacio. Por ejemplo, la bola abierta Br ( x0 ) definida en espacios
métricos como el conjunto de elementos x ∈ X que se encuentran a una
distancia de x0 menor que r, es decir que satisfacen d ( x, x0 ) < r, se define en
términos de norma como
Br ( x0 ) = { x ∈ X ; k x − x0 k < r } .
Es decir, reemplazamos la distancia d ( x, x0 ) por la norma k x − x0 k , debido a

que la norma k . k induce la métrica d definida por d ( x, y) = k x − yk . Así,
dada una función f : ( X, k . k X ) → (Y, k . kY ) entre dos espacios normados,
diremos que f es continua en el punto x0 ∈ X si para cada ε > 0 existe δ > 0
tal que si k x − x0 k X entonces k f ( x ) − f ( x0 )kY < ε.
Fijemos un espacio normado ( X, k . k) , al que nos referiremos solamente
como X. Dado un punto x0 ∈ X y r > 0, definamos la aplicación T : X → X
por
T ( x ) = x0 + rx.
Claramente, T es lineal y biyectiva. Además
k T ( x ) − T (z)k = kr ( x − z)k = r k x − zk .
Es decir, T es una aplicación lipschitziana y entonces uniformemente

continua. Además, es invertible, con inversa
1
T −1 ( y ) = ( y − x0 ) .
r
Siendo T −1 lineal y continua (uniformemente por ser también lipschitziana),
concluimos que T es un homeomorfismo lipschitiziano.

Además, la bola unitaria abierta B1 (0) , es transformada por la aplicación

T en la bola de radio r y centro x0 , es decir T ( B1 (0)) = Br ( x0 ) . Análogo
resultado es válido para bolas cerradas.
r
Un resultado que incluye las observaciones anteriores es dado en la
na
siguiente proposición.
Proposición 2.2. Dado un espacio normado ( X, k . k) , las siguientes afirmaciones

son verdaderas:
mi
1. Para cualquier x0 ∈ X, la aplicación traslación T : X → X definida por
T ( x ) = x + x0 es un homeomorfismo isométrico.
2. Para cualquier λ ∈ K con λ 6= 0, la aplicación T : X → X definida por

T ( x ) = λx es un homeomorfismo uniformemente continuo.
eli
3. La aplicación T : X × X → X definida por T ( x, y) = x + y es continua.
4. Para cualquier x0 ∈ X y λ ∈ K con λ 6= 0, la aplicación T : X → X definida

pr
por T ( x ) = x0 + λx es un homeomorfismo uniformemente continuo.
Demostración. Como k Tx − Tyk = k x + x0 − (y + x0 )k = k x − yk , T resulta

ser una isometría y entonces es continua. Además, la aplicación S : X → X
definida por S ( x ) = x − x0 es la inversa de T. Al ser S una traslación, resuta
ón
por lo anterior que S también es una isometría. Por lo tanto, toda traslación
es un homeomorfismo isométrico. Esto prueba la primera parte. Probemos la
segunda parte. Como k Tx − Tyk = |λ| k x − yk , se sigue que la aplicación T es
uniformemente continua. Además, S ( x ) = λ1 x es la inversa de T y también es
rsi
continua. Por lo tanto, T es un homeomorfismo uniformemente continuo. La

continuidad de T ( x, y) = x + y es consecuencia de la desigualdad triangular
k T ( x, y) − T ( x, y)k ≤ k x + y − ( x + y)k = k( x − x ) + (y − y)k

Ve
≤ k( x − x )k + k(y − y)k = k( x, y) − ( x, y)k X ×X .
Esto prueba la continuidad (uniforme) de T. La cuarta parte ya fue

demostrada al inicio de esta sección.
Observación 2.7. Como un homeomorfismo preserva propiedades

topológicas, entonces podemos concluir que toda propiedad topológica
o uniforme que valga en una bola abierta de X, será válida en todas las bolas
abiertas de X. Lo mismo vale para bolas cerradas. Por ejemplo, si la bola
unitaria cerrada B1 (0) en X es compacta entonces serán compactas todas las
bolas cerradas en X.
Observación 2.8. Tal vez lo más interesante de la convivencia de estas dos

estructuras, vectorial y topológica, en un espacio normado, sea que el estudio
de una de estas estructuras nos brinde información y propiedades de la
otra estructura. Por ejemplo, como probaremos más adelante, si X es un
espacio vectorial normado entonces la bola unitaria cerrada es compacta si
y solamente si X posee dimensión finita. Este es un ejemplo en el que una
propiedad algebraica como la dimensión es caracterizada por medio de una
propiedad topológica como la compacidad.
A continuación, demostraremos algunas propiedades de los espacios

normados.
Proposición 2.3. En relación a los espacios normados, las siguientes propiedades son
válidas:
1. Ningún espacio normado ( X, k . k) es acotado.
2. No existe espacio normado compacto, a no ser X = {0}.
3. Ningún subespacio propio de ( X, k . k) posee puntos interiores.
4. En todo espacio normado ( X, k . k) , la cerradura de la bola abierta Br ( x0 ) es

la bola cerrada Br ( x0 ) , es decir,
Br ( x0 ) = Br ( x0 ) .
5. En todo espacio normado ( X, k . k) , el interior de la bola cerrada Br ( x0 ) es la

bola abierta Br ( x0 ) , es decir,

int Br ( x0 ) = Br ( x0 ) .

Demostración. 1. Si X fuese acotado, existiría K > 0 tal que k x k ≤ K para

x
todo x ∈ X. Pero, dado x ∈ X, el vector y = (K + 1) pertenece a
kxk
X y kyk = K + 1 > K, lo cual es absurdo. Por lo tanto, X no puede ser
r
acotado.
na
2. Como sabemos, todo conjunto compacto en un espacio normado, es
acotado. Entonces, por la propiedad anterior, no existe espacio normado
compacto, a no ser X = {0}.
mi
3. Dado un espacio normado ( X, k . k) , si Y es un subespacio propio de X
(normado con la norma que hereda de X), entonces Y no posee puntos
interiores, es decir, Y no contiene ninguna bola abierta. Sea x ∈ X − Y.
Supongamos que para algún r > 0, Y contiene a la bola abierta Br (0) .
eli
Luego, para algún λ > 0, se tiene que λx ∈ Br (0) . Es decir, λx ∈ Y,
y como Y es un espacio vectorial entonces todo múltiplo de λx debería
ser un elemento de Y. En particular, x debería pertenecer Y, lo cual es
absurdo pues x ∈ X − Y. Luego, Y no contiene a ninguna bola abierta
pr
centrada en 0, es decir, 0 no es punto interior de Y. Si x0 es algún punto
interior de Y, entonces para algún R > 0, la bola abierta BR ( x0 ) estaría
contenida en Y y por el homeomorfismo lipschtziano ϕ : Y → Y , con
r
ϕ (x) = ( x − x0 ) , transformamos la bola BR ( x0 ) en la bola Br (0).
R
Luego Br (0) debería ser una bola abierta en Y, lo cual es absurdo, pues
ón
0 sería punto interior de Y. Por lo tanto, Y no contiene a la bola abierta

BR ( x0 ) y en consecuencia, Y no posee puntos interiores. Es decir, ningún
subespacio propio de X posee puntos interiores.
4. Recordemos que la cerradura Br ( x0 ) es el conjunto cerrado más

rsi
pequeño que contiene a la bola Br ( x0 ). Probemos que Br ( x0 ) es cerrado.

Sea { xn } ⊂ Br ( x0 ) tal que xn → x. Entonces, como xn ∈ Br ( x0 )
para cada n ∈ N, se sigue que k xn − x0 k ≤ r. Entonces, haciendo
n → ∞ llegamos a k x − x0 k ≤ r, lo cual quiere decir que x ∈ Br ( x0 )
Ve
y entonces Br ( x0 ) es cerrado. Luego, como Br ( x0 ) es un cerrado que

contiene a Br ( x0 ), concluimos que Br ( x0 ) ⊂ Br ( x0 ) . Probemos la otra
inclusión. Sea x ∈ Br ( x0 ) , debemos probar que x ∈ Br ( x0 ). Es decir,
debemos probar que x es el límite de una sucesión en Br ( x0 ) . Siendo

x un elemento de Br ( x0 ) , tenemos dos posibilidades: k x − x0 k < r
ó k x − x0 k = r. En el primer caso, x sería un elemento de Br ( x0 ) y
entonces pertenecería a Br ( x0 ) pues todo conjunto está incluido en su
cerradura. En el segundo caso, es decir, si k x − x0 k = r, definimos la
sucesión { xn } ⊂ X por

1
x n = x0 + 1 − ( x − x0 ) , n ∈ N.
n+1
Entonces

1
k x n − x0 k =
1 − n + 1 ( x − x0 )

1
= 1 − k x − x0 k
n + 1

1
= 1− r < r,
n+1
esto quiere decir que { xn } ⊂ Br ( x0 ) . Además

1
k xn − x k =
x0 + 1 − n + 1 ( x − x0 ) − x

1 1
= − x + x 0
= 1 r → 0,
n+1 n+1 n+1
es decir xn → x. Hemos probado que x es el límite de una sucesión en

Br ( x0 ) . Por lo tanto, x ∈ Br ( x0 ).

5. La demostración de int Br ( x0 ) = Br ( x0 ) queda como ejercicio.
Como hemos visto, dado un espacio vectorial X y una norma k . k sobre X,

esta norma induce una distancia, la misma que define una topología sobre X.
Esta topología es llamada topología de la norma. En adelante, entenderemos
que todo concepto topológico sobre un espacio normado se referirá a la
topología de la norma. Ya que toda norma sobre un espacio vectorial X genera
una topología sobre este, nos preguntamos si dos normas distintas generan

siempre topologías ditintas sobre X, o mejor, ¿es posible que dos normas
distintas sobre el espacio X generen la misma topología?, es decir, ¿es posible
que dos normas distintas sobre el espacio X generen los mismos conjuntos
r
abiertos? La respuesta a estas dos preguntas es afirmativa. Las normas que
na
generan la misma topología serán llamadas equivalentes. Esto quedará claro
con la observación 2.9.
Definición 2.3. Sea X un espacio vectorial y sean k . k1 y k . k2 dos normas

sobre X. Diremos que la norma k . k2 es equivalente a la norma k . k1 si
mi
existen constantes M, m > 0 tales que
(2.9) m k x k1 ≤ k x k2 ≤ M k x k1
para todo x ∈ X.
eli
Observación 2.9. Supongamos que k . k1 y k . k2 son dos normas equivalentes
sobre X. Y sea A un conjunto abierto con la norma k . k1 . Dado cualquier
punto x0 ∈ A, entonces x0 es un punto interior de A con la norma k . k1 , luego
k.k
pr
existe una bola Br 1 ( x0 ) = { x ∈ X; k x − x0 k1 < r } íntegramente contenida
en A. Como las normas k . k1 y k . k2 son equivalentes, existe una constante
M > 0 tal que k x k2 ≤ M k x k1 para todo x ∈ X. En particular, tenemos
k x − x0 k2 ≤ M k x − x0 k1 < Mr
ón
Es decir, todos los puntos x que verifican la desigualdad anterior, pertenecen

al conjunto A. Por lo tanto, A contiene a la bola abierta
k . k2
Br ( x0 ) = { x ∈ X; k x − x0 k2 < Mr } ,
rsi
es decir x0 es punto interior de A con la norma k . k2 . Así, hemos probado

que todo punto x0 ∈ A es punto interior de A con la norma k . k2 , es decir,
A es abierto con la norma k . k2 . Por lo tanto, todo conjunto abierto con la
norma k . k1 es abierto con la norma k . k2 . Análogamente, la equivalencia de
Ve
estas normas permite probar que todo conjunto abierto con la norma k . k2 es
abierto con la norma k . k1 . por tal razón decimos que normas equivalentes
generan la misma topología.
Observación 2.10. La definición anterior define una relación de equivalencia.

Consideremos el conjunto N de todas las normas definidas sobre el espacio
vectorial X. Es claro que toda norma es equivalente a sí misma, (reflexividad).
Por otra parte, dadas k . k1 , k . k2 , k . k3 ∈ N, si k . k2 es equivalente a
k . k1 entonces estas normas satisfacen la relación (2.9) para ciertas constantes
positivas m y M. Entonces
M −1 k x k 2 ≤ k x k 1 ≤ m −1 k x k 2
de donde resulta que k . k1 es equivalente a k . k2 (simetría). Finalmente, si

k . k2 es equivalente a k . k1 y k . k1 es equivalente a k . k3 entonces existen
constantes positivas m, M, k, K que satisfacen (2.9) y
k k x k3 ≤ k x k1 ≤ K k x k3
Luego,
mk k x k3 ≤ m k x k1 ≤ k x k2 ≤ M k x k1 ≤ MK k x k3
de donde se sigue que k . k2 es equivalente a k . k3 (transitividad). Por lo

tanto, la equivalencia entre normas de un mismo espacio define una relación
de equivalencia.
Observación 2.11. Si X es un espacio vectorial normado y k . k1 , k . k2 son

dos normas equivalentes en X, no es cierto que k x k1 = k x k2 para x ∈ X, basta
considerar las normas euclideana k . k y de la suma k . kS en R2 y notar que
√
2 = k(1, 1)k 6= k(1, 1)kS = |1| + |1| = 2
Sin embargo, la equivalencia de dos normas en un espacio vectorial permite

comprobar que las propiedades topológicas se conservan con ambas normas,
por ejemplo, si una sucesión es convergente con una de las normas, también
resulta convergente con la otra, más aún convergen al mismo límite. Como
consecuencia de las observaciones anteriores, tenemos el siguiente:
Lema 2.1. Sea X un espacio vectorial normado y sean k . k1 y k . k2 dos normas

equivalentes en X. Entonces:

a ) { xn } es una sucesión convergente a x en ( X, k . k1 ) si y solamente si es

convergente a x en ( X, k . k2 ) .
r
b ) { xn } es una sucesión de Cauchy en ( X, k . k1 ) si y solamente si es una sucesión
de Cauchy en ( X, k . k2 ) .
na
c ) ( X, k . k1 ) es un espacio completo si y solamente si ( X, k . k2 ) también lo es.
Demostración. Si k . k1 y k . k2 son normas equivalentes en X entonces existen
mi
constantes positivas m y M tales que
m k x k1 ≤ k x k2 ≤ M k x k1 , para todo x ∈ X.
Supongamos que xn → x en ( X, k . k1 ) , entonces k xn − x k1 → 0. Por la

eli
equivalencia de las normas resulta que
0 ≤ k x n − x k2 ≤ M k x n − x k1 → 0
es decir, xn → x en ( X, k . k2 ) . Esto prueba la parte ( a) del lema. Las partes

pr
(b) y (c) se prueban de manera análoga.
2.4. Espacios normados de dimensión finita

ón
Dado un espacio vectorial de dimensión finita y una base B de dicho

espacio, sabemos que siempre es posible definir un producto interno que
depende de B, por ejemplo el producto interno euclideano. Tal producto
interno define una norma por medio de (2.1). Así, sobre todo espacio de
rsi
dimensión finita es posible definir una norma que depende de una base dada.
Debemos notar, sin embargo, que sobre un espacio vectorial de dimensión
finita, es posible definir más de una norma (sobre espacios de dimensión
infinita también, pero no es el caso que nos ocupa) por ejemplo, sobre R2 las
Ve
expresiones q
k( x, y)k = x 2 + y2
k( x, y)kS = | x | + |y|
k( x, y)k M = máx {| x | , |y|}

definen normas. Pero, ¿existe alguna relación entre ellas?, ¿podría, acaso,
darse el caso que una sucesión sea convergente en una de estas normas
y no en otra? En general, dado un espacio vectorial de dimensión finita,
y dos normas definidas sobre tal espacio, ¿que relación existe entre ellas?
Responderemos a estas preguntas en las próximas líneas. Comenzamos con
el siguiente:
Teorema 2.3. Sea X un espacio vectorial de dimensión finita con norma k . k y sea
{w1 , w2 , . . . , wn } una base de X. En (2.1) definimos la norma euclideana sobre X
por medio de
!1
n 2
2
k x k1 = ∑ |λk |
k =1
donde x = λ1 w1 + λ2 w2 + . . . +λn wn . Entonces, las normas k . k y k . k1 son
equivalentes.
Demostración. Sea M el número positivo definido por
!1
n 2
2
M= ∑ k wk k
k =1
n
Dado x = ∑ λk wk , aplicando las desigualdades triangular y de
k =1
Cauchy-Schwarz tenemos que

n n

k x k = ∑ λ k wk ≤ ∑ k λk wk k
k =1 k =1
!1 !1
n n 2 n 2
= ∑ | λ k | k wk k ≤ ∑ k w k k2 ∑ | λ k |2
k =1 k =1 k =1
!1
n 2
2
=M ∑ |λk | = M k x k1
k =1
Ahora, definamos la función f : Kn → K por medio de

n

f ( λ1 , λ2 , . . . , λ n ) = ∑ λ k w k
k =1

entonces, dados λ = (λ1 , λ2 , . . . , λn ) , β = ( β 1 , β 2 , . . . , β n ) ∈ Kn tenemos

n n

| f (λ) − f ( β)| = ∑ λk wk − ∑ β k wk
r
k =1 k =1

n n
na

≤ ∑ λk wk − ∑ β k wk
k =1 k =1

n
≤ ∑ | λk − β k | k wk k
k =1
mi
!1 !1
n 2 n 2
≤ ∑ k w k k2 ∑ | λ k − β k |2 = M k λ − β k1
k =1 k =1
de donde concluimos que f : Kn → K es continua. Consideremos la esfera

unitaria ( eli )
n
S= ( λ 1 , λ 2 , . . . , λ n ) ∈ Kn ; ∑ | λ k |2 = 1
k =1
entonces S = {λ ∈ Kn ; kλk1 = 1} es un subconjunto compacto de Kn .

pr
Entonces, existe α = (α1 , α2 , . . . , αn ) ∈ S donde f alcanza su valor mínimo,
es decir,
mı́n f = m = f (α) ≤ f (λ) , para todo λ ∈ S
Si m = 0 entonces f (α) = k∑nk=1 αk wk k = 0, luego ∑nk=1 αk wk = 0. De la
independencia lineal de los w j resulta que α j = 0 para 1 ≤ j ≤ n, con lo cual
ón
α = ( α1 , α2 , . . . , α n ) ∈
/ S, lo cual es absurdo. Por lo tanto, m > 0. Por otra
parte, si k x k1 = 1 entonces x ∈ S y

n

k x k = ∑ λ k w k = f ( λ1 , λ2 , . . . , λ n ) ≥ m
rsi
k =1

z
Consecuentemente, si z ∈ X − {0} entonces ya que kzk = 1 tenemos
1 1
z
kzk ≥ m de donde resulta que kzk ≥ m kzk1 . Además, si z = 0 también
Ve
1
vale la desigualdad kzk ≥ m kzk1 . Por lo tanto, las normas k . k y k . k1 son
equivalentes.
Como consecuencia del teorema anterior, tenemos el siguiente
Corolario 2.3.1. Si k . k y |k . k| son dos normas sobre el espacio de dimensión

finita X entonces ellas son equivalentes.
Demostración. Por el teorema anterior, ambas normas son equivalentes a la

norma euclideana k . k1 . Luego, por transitividad, resulta que k . k y |k . k|
son equivalentes.
Respondiendo a la pregunta que hicimos al iniciar esta sección, tenemos

el siguiente resultado:
Corolario 2.3.2. Sobre Rn todas las normas son equivalentes.
Demostración. Consecuencia del corolario anterior.
Observación 2.12. Sea X un espacio vectorial de dimensión n, con norma

k . k. Fijemos una base {v1 , v2 , . . . , vn } de X. Entonces, a cada vector x ∈ X
n
le corresponden escalares α1 , α2 , . . . , αn ∈ R tales que x = ∑ αk wk . Definimos
k =1
entonces la aplicación T : X → Rn por T ( x ) = (α1 , α2 , . . . , αn ) . Es claro que
T es un isomorfismo. Además, si definimos la aplicación k| . |k : Rn → X por

k|(α1 , α2 , . . . , αn )|k = T −1 (α1 , α2 , . . . , αn ) ,
esta aplicación resulta ser una norma sobre Rn . Por lo tanto, dado cualquier
espacio normado X de dimensión n, existe una norma sobre Rn tal que X es
isométrico a Rn con dicha norma.
Lema 2.2. Sea X un espacio vectorial de dimensión finita sobre el cuerpo K y sea
{w1 , w2 , . . . , wn } una base de X. Si k . k1 es la norma euclideana sobre X, entonces
X es completo con esta norma.
Demostración. Sea { xm } una sucesión de Cauchy en X y sea ε > 0 dado. Cada

elemento de la sucesión puede expresarse en la forma
n
xm = ∑ λ jm w j , λ jm ∈ K
j =1

Como { xm } es una sucesión de Cauchy entonces existe n0 ∈ N tal que si

k, m ≥ n0 entonces
n 2
r
∑ jk jm = kxk − xm k21 < ε2
λ − λ
j =1
na
de donde resulta que

λ jk − λ jm 2 < ε2 , ∀ k, m ≥ n0 , 1 ≤ j ≤ n

es decir, λ jm m∈N es una sucesión de Cauchy en K, 1 ≤ j ≤ n. Como K
mi
es completo, existe λ j ∈ K, 1 ≤ j ≤ n, tal que lı́m λ jm = λ j . Luego existe
m→∞
n j ∈ N, 1 ≤ j ≤ n, tal que si m ≥ n j entonces
2
λ jm − λ j 2 < ε , j = 1, 2, . . . , n
n
eli n
Sea n∗ = máx {n1 , . . . , nn } y sea x = ∑ λ j w j ∈ X , entonces, si m ≥ n∗
tenemos
j =1
n n
2 ε2
k xm − x k21 = ∑ λ jm − λ j < ∑ = ε2
j =1 j =1
n
pr
de donde concluimos que { xm } converge a x ∈ X. Por lo tanto, X es un
espacio completo.
Una consecuencia inmediata del resultado anterior es el siguiente:

Corolario 2.3.3. Si Y es un subespacio de dimensión finita de un espacio
ón
vectorial normado, entonces Y es cerrado.

Demostración. Al heredar la norma de X, el espacio Y es un espacio normado
de dimensión finita, por lo tanto es completo y en consecuencia, cerrado.
rsi
Observación 2.13. Por el lema 2.2 resulta que, dado un espacio vectorial
normado X de dimensión finita y k . k una norma cualquiera sobre este
espacio, ( X, k . k1 ) es completo, donde k . k1 denota la norma euclideana.
Como k . k y k . k1 son equivalentes por el Teorema 2.3, resulta que ( X, k . k)
Ve
es completo. Es decir,
todo espacio vectorial normado de dimensión finita es completo.
En particular, Rn es completo con cualquier norma.
Observación 2.14. De la observación anterior, resulta que si Y es un

subespacio de dimensión finita de un espacio vectorial normado X (no
necesariamente de dimensión finita) entonces Y resulta ser normado al
heredar la norma de X. Por lo tanto Y es completo. Luego, Y es cerrado.
En conclusión,
todo subespacio de dimensión finita de un espacio vectorial normado es cerrado.
Ejemplo 2.9. Consideremos el espacio C ([0, 1]) de de las funciones continuas

sobre [0, 1] y denotemos por P1 al conjunto de los polinomios de grado menor
o igual que 1. Supongamos que existen dos sucesiones de números reales { an }
y {bn } tales que para una función continua f : [0, 1] → R se verifica que
Z 1
lı́m | f ( x ) − an − bn x | dx = 0.
n→∞ 0
Esto significa que la sucesión { pn = an − bn x } ⊂ P1 converge a f en la norma

Z 1
(2.10) kfk = | f ( x )| dx.
0
Como P1 es un subespacio de dimensión finita de C ([0, 1]), entonces P1 es

cerrado por el corolario anterior. Entonces f ∈ P1 y por lo tanto, existen
constantes reales a y b tales que f ( x ) = a + bx.
Ejemplo 2.10. En el mismo espíritu del ejemplo anterior, podemos probar que
si { pk }k∈N es una sucesión de polinomios de grado menor o igual que n sobre
el intervalo [ a, b] y f ∈ C ([ a, b]) es una función que verifican
lı́m sup | f ( x ) − pk ( x )| dx = 0,
k→∞ a≤ x ≤b
entonces f es un polinomio de grado menor o igual que n.
2.5. Dimensión finita vs dimensión infinita

Vimos en la sección anterior que sobre un espacio de dimensión finita,
todas las normas son equivalentes. ¿Sucede lo mismo sobre espacios de

dimensión infinita? Como mostramos en el capítulo anterior, el espacio

C ([0, 1]) es completo con respecto a la métrica (1.4), pero incompleto con
la métrica (1.25), en consecuencia, las normas uniforme (2.7) e integral (2.10)
r
no pueden ser equivalentes. Una manera más directa de comprobar esto es
na
por medio del siguiente ejemplo:
Ejemplo 2.11. Consideremos el espacio vectorial P de los polinomios

definidos sobre el intervalo [0, 1] con valores reales. Siendo P un subespacio
vectorial de C ([0, 1]) , este hereda su norma, es decir,
mi
k pk0 = sup {| p ( x )| ; x ∈ [0, 1]} , p ∈ P
es una norma sobre P. Por otra parte, P también puede heredar la norma
eli
k p k1 =
Z 1
0
| p ( x )| dx, p ∈ P
Entonces, nos preguntamos si las normas k . k0 y k . k1 son equivalentes sobre

P. Supongamos que lo sean. Entonces existirían constantes positivas k y K
pr
tales que
k k pk0 ≤ k pk1 ≤ K k pk0 , para todo p ∈ P
1
Como k > 0, entonces existe n ∈ N tal que < k. Sea pn ∈ P el polinomio
n
definido por pn ( x ) = x n . Entonces
ón
1
(2.11) k p n k0 = 1 y k p n k1 =
n+1
Luego,
1
rsi
k = k k p n k0 ≤ k p n k1 = , para todo p ∈ P
n+1
1 1
Así, tendríamos <k≤ , lo cual es absurdo. Por lo tanto, las normas
n n+1
k . k0 y k . k1 no son equivalentes sobre P.
Ve
Observación 2.15. El ejemplo anterior muestra, entre otras cosas, que

los resultados que mencionamos en la sección anterior para espacios de
dimensión finita no pueden ser extendidos directamente sobre espacios de
dimensión infinita. Por ejemplo, contrario a la observación 2.14 no todo

subespacio de un espacio de dimensión infinita es cerrado. Más precisamente,
si el subespacio posee dimensión infinita, el resultado, en general, no es
válido. Veamos el siguiente:
Ejemplo 2.12. Consideremos el espacio `∞ de las sucesiones acotadas y el

subespacio Y ⊂ `∞ definido por
Y = {{ xn } ∈ `∞ ; existe n0 ∈ N tal que xn = 0, para todo n ≥ n0 }
Entonces, resulta claro que Y es un espacio vectorial formado por las

sucesiones { xn } ∈ `∞ que sólo tienen un número finito de términos no nulos.
Veamos si Y es cerrado. Sea

1 1
z = 1, , , . . . ∈ `∞ − Y,
2 3
y consideremos la sucesión

1 1 1
zn = 1, , , . . . , , 0, 0, . . . .
2 3 n
Entonces, es claro que {zn } ∈ `∞ y

1 1 1
kzn − zk∞ = 0, . . . , 0, , , ...
= .
n+1 n+2 ∞ n+1
Luego
lı́m kzn − zk∞ = 0
n→∞
de donde concluimos que lı́m zn = z. Luego, z ∈ Y − Y. Es decir, Y no es

n→∞
cerrado.
Observación 2.16. Sea X un espacio vectorial normado y Y un subespacio

vectorial de X. Consideremos la cerradura de Y, los elementos u, v ∈ Y y
los escalares α, β ∈ K. Entonces, existen sucesiones {un } , {vn } ⊂ Y tales que
lı́m un = u y lı́m vn = v. Entonces lı́m (αun + βvn ) = αu + βv ∈ Y. De aquí
concluimos que Y también es un subespacio vectorial (obviamente cerrado)
de X.

Definición 2.4. Sea X un espacio vectorial y A un subconjunto de X. Se

denomina subespacio generado por A al conjunto de todas las combinaciones
lineales finitas de los elementos de A. Se denota por gen ( A) y su nombre se
r
debe a que gen ( A) resulta ser un subespacio vectorial de X.
na
Observación 2.17. Se puede demostrar que gen ( A) es igual a la intersección
de todos los subespacios vectoriales de X que contienen al conjunto A. De
esta forma, gen ( A) es el menor subespacio vectorial de X que contiene al
conjunto A, en el sentido que, si W es un subespacio de X y A ⊂ W entonces
mi
gen ( A) ⊆ W.
Definición 2.5. Sea X un espacio vectorial normado y sea A un subconjunto

no vacío de X. La intersección de todos los subespacios cerrados de X que
eli
contienen al conjunto A es un subespacio vectorial de X que se denota por
gen ( A) y se denomina subespacio cerrado generado por A. Más aún, puede
demostrarse que
gen ( A) = gen ( A) .
pr
Lema 2.3 (Riesz). Sea X un espacio vectorial normado, Y un subespacio vectorial
cerrado de X tal que Y 6= X y α un número real tal que 0 < α < 1. Entonces existe
xα ∈ X tal que k xα k = 1 y
ón
k xα − yk > α, para todo y ∈ Y.
Demostración. Como Y $ X entonces existe x ∈ X − Y. Denotemos
(2.12) d = ı́nf {k x − yk ; y ∈ Y } .
rsi
Si d fuese nulo, existiría una sucesión {yn } en Y tal que lı́mn→∞ k x − yn k = 0,

con lo cual tendríamos que x ∈ Y pues Y es un subespacio cerrado de X, pero
esto es absurdo, pues x ∈ / Y. Luego, d > 0. Como α es un número real tal que
0 < α < 1 entonces d < dα−1 . Luego, de la definición de ínfimo, existe z ∈ Y
Ve
tal que
(2.13) k x − zk < dα−1
Sea
x−z
xα =
k x − zk
entonces k xα k = 1 y, para todo y ∈ Y se tiene

x−z 1
(2.14) k xα − yk = k x − zk − y =
k x − (z + k x − zk y)k
k x − zk
Como y, z ∈ Y entonces z + k x − zk y ∈ Y. Luego, de (2.12) resulta que
(2.15) k x − (z + k x − zk y)k > d
Reemplazando (2.13) y (2.15) en (2.14) obtenemos

−1
k xα − yk > dα−1 d=α
lo cual termina la prueba.
Otra prueba del lema de Riesz. La siguiente demostración se debe a Paul

Garrett. Sea x1 ∈ X − Y, y definamos
R = ı́nf ky − x1 k .
y ∈Y
Notemos que R > 0. Para ε > 0, por la definición de ínfimo, existe y1 ∈ Y tal
que ky1 − x1 k < R + ε. Definamos
x1 − y1
xα = ,
k x1 − y1 k
entonces k xα k = 1, y

x 1 − y 1 y 1 x 1
ı́nf ky − xα k = ı́nf y− = ı́nf y +
−
y ∈Y y ∈Y k x1 − y1 k y ∈Y k y1 − x1 k k y1 − x1 k

y y 1 x 1
= ı́nf + −
y ∈Y k y 1 − x 1 k k y1 − x1 k k y1 − x1 k
ı́nf ky + y1 − x1 k
y ∈Y
=
k y1 − x1 k
ı́nf ky − x1 k
y ∈Y R
= ≥ .
k y1 − x1 k R+ε

Haciendo ε → 0 obtenemos
ı́nf ky − xα k ≥ 1 > α.
y ∈Y
r
na
Otra manera de escribir el lema de Riesz es la siguiente:
Lema 2.4 (Riesz). Sea X un espacio vectorial normado, Y un subespacio propio y

cerrado de X. Dado ε > 0, existe xε ∈ X tal que k xε k = 1 y
mi
k xε k ≥ dist ( x, Y ) ≥ 1 − ε = k xε k − ε.
Teorema 2.4. Si X es un espacio vectorial normado de dimensión infinita entonces

ninguno de los dos conjuntos
eli
B1 (0) = { x ∈ X; k x k ≤ 1} , S1 (0) = { x ∈ X; k x k = 1}
es compacto.
Demostración. Notemos que, si la esfera S1 (0) no es compacta entonces la

pr
bola B1 (0) tampoco lo es. En realidad, B1 (0) y S1 (0) son conjuntos cerrados.
Además S1 (0) ⊂ B1 (0) , así que si B1 (0) es compacto, inmediatamente S1 (0)
sería compacto (por ser un subconjunto cerrado de un compacto). Por lo tanto,
basta demostrar que la esfera S1 (0) no es compacta para concluir que la bola
ón
B1 (0) tampoco lo es. Dado x1 ∈ S1 (0) , como X es de dimensión infinita

entonces el espacio generado gen { x1 } es un subespacio propio de X. Además
gen { x1 } es cerrado pues posee dimensión finita. Entonces, los espacios X y
gen { x1 } están en las condiciones del lema de Riesz. Luego, fijado un número
0 < λ < 1, existe x2 ∈ X tal que k x2 k = 1 y
rsi
k x2 − αx1 k ≥ λ, para todo α ∈ K
Es decir, x2 ∈ S1 (0) . Ahora, consideremos el subespacio gen { x1 , x2 } $ X ,

que también es cerrado por tener dimensión finita y apliquemos el lema de
Ve
Riesz. Existe, entonces, un elemento x3 ∈ X tal que k x3 k = 1 (luego x3 ∈

S1 (0)), y
k x3 − αx1 − βx2 k ≥ λ, para todo α, β ∈ K
Procediendo de esta manera, obtenemos una sucesión { xn } ⊂ S1 (0) tal que
(2.16) k xn − xm k ≥ λ
cuando n 6= m. Si S fuese compacto, deberíamos ser capaces de extraer una

subsucesión convergente { xnk } de { xn } . Luego, { xnk } sería de Cauchy. Pero
esto es imposible en vista de la desigualdad (2.16). Por lo tanto S1 (0) no es
compacto.
Observación 2.18. En los cursos de Análisis Real es común definir un

conjunto compacto como aquel que es cerrado y acotado, vemos sin embargo
que este no es el caso sobre espacios de dimensión infinita. Los conjuntos
B1 (0) y S1 (0) del teorema anterior son cerrados y acotados, sin embargo,
no son compactos. La compacidad es una de las principales diferencias
entre espacios de dimensión finita e infinita. Cuando probamos que todas
las normas son equivalentes sobre espacios de dimensión finita el principal
ingrediente de la demostración fue un argumento de compacidad, el mismo
que no puede ser aplicado sobre espacios de dimensión infinita.
También podemos escribir el teorema anterior de la siguiente manera:
Teorema 2.5. Sea X un espacio vectorial normado, entonces las siguientes

afirmaciones son equivalentes:
(1) X tiene dimensión finita.
(2) B1 (0) = { x ∈ X; k x k ≤ 1} es compacta.
Demostración. La implicación (2) =⇒ (1) es equivalente al teorema 2.4.

Probemos que (1) =⇒ (2) . Supongamos que X sea un espacio normado de
dimensión n entonces todo conjunto cerrado y acotado es compacto
2.6. Espacio cociente normado

Iniciaremos esta sección recordando la noción de espacio vectorial
cociente. Sea X un espacio vectorial y Y un subespacio de X. Definiremos

un nuevo espacio vectorial al que denominaremos espacio cociente de X con

respecto a Y, y que denotaremos por X/Y.
Consideremos las colección de conjuntos de la forma
r
{[ x ] = x + Y; x ∈ X } .
na
Estos conjuntos son denominados clases de X. Aquí, [ x ] es el conjunto
[ x ] = { x + y; y ∈ Y } .
mi
Observación 2.19. Notemos que, si [ x ] y [ x ] son dos clases de X tales que
[ x ] 6= [ x ] entonces [ x ] ∩ [ x ] = ∅. En efecto, si z ∈ [ x ] ∩ [ x ] entonces existen
u, v ∈ Y tales que z = x + u = x + v, entonces x − x = v − u, x − x = u − v ∈
Y. Luego, dado x + y0 ∈ [ x ], (y0 ∈ Y), vemos que
eli
x + y0 = x + ( y0 + x − x ) = x + ( x − x + y0 ) ∈ [ x ]
pues x − x, y0 ∈ Y. Esto prueba que [ x ] ⊂ [ x ] . Análogamente se prueba que

[ x ] ⊂ [ x ] . Por lo tanto:
pr
dadas dos clases en X/Y, ellas coinciden o son disjuntas.
Más aun, se puede demostrar que
[ x ] = [ x ] si y solamente si x − x ∈ Y.
ón
De esta forma, X/Y es la colección de todas las clases [ x ] . A seguir,

definimos la adición y multiplicación (por un escalar) en X/Y de la siguiente
manera:
rsi
Adición de clases
[x] + [x] = [x + x]
Multiplicación de una clase por un escalar
Ve
λ [ x ] = [λx ]
De esta forma, el espacio X/Y con estas operaciones es un espacio

vectorial. Notemos además que la clase [0] es el cero de X/Y. El espacio
vectorial X/Y así definido es llamado espacio cociente. La dimensión de X/Y

es llamada codimensión de Y con respecto a X y se denota por codim X Y =
dim ( X/Y ) . Cuando trabajemos con un único espacio vectorial y no exista
riesgo de confusión denotaremos la codimensión simplemente por codim Y.
A continuación, dotaremos a X/Y de una estructura de espacio normado.
Antes de esto hagamos la siguiente
Observación 2.20. En las condiciones anteriores, sea [ x ] una clase de X/Y y

supongamos que x ∈ Y, entonces [ x ] = [0] . En efecto, de la definición de
clase sabemos que [ x ] = { x + y; y ∈ Y } y [0] = {0 + y; y ∈ Y } = Y. Luego,
dado y0 ∈ Y es claro que x + y0 ∈ Y = [0] y x + y0 ∈ [ x ] . Es decir, las clases
[ x ] y [0] no son disjuntas. Luego, por la observación anterior, concluimos que
[ x ] = [0].
Lema 2.5. Sea X un espacio vectorial y Y un subespacio vectorial cerrado de X. La
aplicación k . k : X/Y → R definida por
(2.17) k[ x ]k = ı́nf k x − yk
y ∈Y
define una norma sobre X/Y.
Demostración. Es claro que k[ x ]k ≥ 0 para todo [ x ] ∈ X/Y. Supongamos que

k[ x ]k = 0, entonces ı́nf k x − yk = 0. Luego, existe una sucesión {yn } ⊂ Y tal
y ∈Y
que lı́m k x − yn k = 0, es decir, lı́m yn = x en X. Como Y es cerrado, resulta
n→∞ n→∞
que x ∈ Y, y por la observación anterior, concluimos que [ x ] = [0] . Sea λ ∈ K,
entonces kλ [ x ]k = k[λx ]k , pero
k[λx ]k = ı́nf kλx − yk = ı́nf kλx − λyk = |λ| ı́nf k x − yk = |λ| k[ x ]k

y ∈Y y ∈Y y ∈Y
luego kλ [ x ]k = |λ| k[ x ]k . Resta probar la desigualdad triangular. Dadas las

clases [ x ] , [ x ] ∈ X/Y:
k[ x ]k = ı́nf k x − yk y k[ x ]k = ı́nf k x − yk
y ∈Y y ∈Y
De la definición de ínfimo resulta que dado ε > 0 existe y1 , y2 ∈ Y tales que
k x − y1 k ≤ k[ x ]k + ε y k x − y2 k ≤ k[ x ]k + ε

Luego,
k[ x ] + [ x ]k = k[ x + x ]k = ı́nf k x + x − yk
y ∈Y
r
≤ k x + x − (y1 + y2 )k ≤ k x − y1 k + k x − y2 k
na
≤ k[ x ]k + k[ x ]k + 2ε
Haciendo ε → 0 obtenemos
k[ x ] + [ x ]k ≤ k[ x ]k + k[ x ]k
mi
Por lo tanto, la fórmula (2.17) define una norma sobre el espacio cociente
X/Y.
eli
Observación 2.21. La norma definida en (2.17) se denomina norma cociente.
Proposición 2.4. Sea Y un subespacio vectorial cerrado del espacio vectorial normado
X y sea π : X → X/Y la aplicación canónica π ( x ) = [ x ] , x ∈ X. Entonces, π es
continua.
pr
Demostración. Sea { xn } una sucesión en X que converge a x en X. Entonces
kπ ( xn ) − π ( x )k = k[ xn ] − [ x ]k = k[ xn − x ]k = ı́nf k xn − x − yk
y ∈Y
ón
Como 0 ∈ Y entonces
ı́nf k xn − x − yk ≤ k xn − x k → 0, cuando n → ∞.
y ∈Y
Esto prueba la continuidad de π.

rsi
Teorema 2.6. Sea X un espacio completo y Y un subespacio vectorial cerrado de X.

Entonces el espacio X/Y con la norma cociente, es un espacio completo.
Ve
Demostración. Sabemos que X/Y es un espacio normado con la norma

cociente (2.17). Supongamos que X es de Banach y que Y es un subespacio
cerrado de X. Probemos que X/Y con la norma (2.17) es completo. Sea {[ xn ]}
una sucesión de Cauchy en X/Y, y sea {[ xnk ]} una subsucesión de {[ xn ]} tal

que
1
xn − [ x nk ] < k .
k +1
2
Consideremos un elemento y1 ∈ [ xn1 ] cualquiera y elijamos un elemento y2 ∈
[ xn2 ] tal que
1
k y2 − y1 k < .
2
Ahora elijamos y3 ∈ [ xn3 ] tal que
1
k y3 − y2 k < .
22
De esta manera, queda definida una sucesión {yk } ⊂ X tal que
1
[ x nk ] = [ y k ] y , para todo k ≥ 1.
k y k +1 − y k k <
2k
Entonces, para cualquier m = 1, 2, . . . se tiene
m m
1 1
k yk+m − yk k ≤ ∑ k y k + i − y k + i −1 k < ∑ 2k + i −1 =
2k + m −1
.
i =1 i =1
De esta última desigualdad concluimos que {yk } es una sucesión de Cauchy

en X. Como X es completo, existe un elemento y ∈ X tal que yk → y.
Recordemos que [ xnk ] = [yk ] . Esto nos lleva a preguntarnos si la sucesión
{[yk ]} converge a [y] en la norma cociente. Notemos que, por la definición de
norma cociente tenemos
k[ xnk ] − [y]k = k[yk ] − [y]k = k[yk − y]k ≤ kyk − y − zk , para todo z ∈ Y.
En particular
k[ xnk ] − [y]k ≤ kyk − yk → 0.
Luego
lı́m [ xnk ] = [y] .
n→∞
Es decir, la sucesión {[ xn ]} posee una subsucesión {[ xnk ]} convergente
y que converge a un elemento [y] ∈ X/Y. Luego, como {[ xn ]} es de
Cauchy, concluimos que {[ xn ]} converge a [y] en X/Y. Por lo tanto, X/Y
es completo.

2.7. Espacios de Banach

Definición 2.6. Se denomina espacio de Banach1 a un espacio vectorial el cual
r
es completo bajo la métrica asociada a la norma.
na
Ejemplo 2.13. Si X es un espacio métrico compacto entonces C ( X; K) con la
norma (2.7) es un espacio de Banach, tal como se demostró en el teorema 1.20.
Ejemplo 2.14. Sea X un espacio métrico y denotemos el conjunto de las

funciones continuas y acotadas sobre X por
mi
( )
BC ( X ) = f ∈ C ( X ) ; sup | f ( x )| < ∞ .
x∈X
Sobre BC ( X ) definimos la aplicación

eli
k f k∞ = sup | f ( x )| .
x∈X
Esta aplicación resulta ser una norma sobre BC ( X ) . Se demuestra que

( BC ( X ) , k . k∞ ) es un espacio de Banach.
pr
Ejemplo 2.15. El espacio ` p , 1 ≤ p < ∞, es un espacio de Banach con la norma
(2.5), tal como se demostró en el teorema 1.22.
1 StefanBanach (1892-1945), matemático polaco, fundador del análisis funcional moderno.
En 1920 definió axiomáticamente los espacios vectoriales normados que poseen la métrica
ón
d ( x, y) = k x − yk, llamados en la actualidad espacios de Banach.

rsi
Ve
Stefan Banach
Ejemplo 2.16. Como probamos en el teorema 1.21, el espacio `∞ también es

un espacio de Banach con la norma (2.6).
Ejemplo 2.17. En la observación 1.17 del capítulo anterior definimos los

subespacios c y c0 de `∞ formados por las sucesiones convergentes y las que
convergen a cero. Ambos son espacios normados con la norma que heredan
de `∞ . Se prueba que c y c0 son subespacios cerrados de `∞ y como `∞ es
completo, resulta que c y c0 también son espacios completos y por lo tanto de
Banach.
Ejemplo 2.18. Si ( X, Σ, µ) es un espacio de medida entonces el espacio

L p ( X, Σ, µ) , 1 ≤ p < ∞, es un espacio de Banach (teorema de Riesz-Fisher),
con la norma
Z 1
p
p
k f kp = | f | dµ
X
tal como se demostrará en el próximo capítulo. El espacio L∞ ( X, Σ, µ) de las

funciones esencialmente acotadas también es un espacio de Banach con la
norma
k f k∞ = sup ess ( f ) .
Ejemplo 2.19. Existen espacios normados que no son de Banach, por ejemplo,
el conjunto Q de los números racionales con la norma que hereda de R no
es un espacio de Banach. Si consideramos el subespacio X de `2 formado por
las sucesiones { xn } que solo poseen un número finito de términos no nulos,
este espacio no es completo, pues si { xn } ∈ X y { xn } = ( x1 , ..., xn , 0, 0, . . .),
x = ( x1 , x2 , ..., xn , xn+1 , . . .) es claro que xn → x. Entonces { xn } es de Cauchy
en X, pero no tiene límite en X.
Proposición 2.5. Si X es un espacio de Banach y Y es un subespacio de X entonces

Y es un espacio de Banach si y solamente si Y es cerrado en X.
Demostración. Si Y es un espacio de Banach, entonces Y es completo y

en consecuencia, es cerrado. Recíprocamente, supongamos que Y es un
subespacio cerrado de X y sea { xn } una sucesión de Cauchy en Y, entonces
{ xn } es una sucesión de Cauchy en X, luego es convergente, pues X es

completo. Entonces, existe x ∈ X tal que xn → x. Como Y es cerrado, entonces

x ∈ Y, luego Y es completo.
r
Proposición 2.6. Sea X un espacio de Banach y Y un subespacio vectorial cerrado
na
de X. Entonces el espacio X/Y con la norma cociente, es un espacio de Banach.
Demostración. Este resultado fue demostrado en la sección anterior.
Definición 2.7. Sea X un espacio normado y { xn } una sucesión en X. Dada
∞
la serie ∑ xn , se define la sucesión {sn } de sus sumas parciales por
mi
n =1
n
sn = ∑ xk .
k =1
∞
n =1
eli
Diremos que la serie ∑ xn es convergente y su suma es x ∈ X si la sucesión de
sus sumas parciales converge a x. En tal caso, denotaremos por
∞
∑ xk = x.
pr
k =1
∞ ∞
Para indicar que la serie ∑ xn es convergente, denotaremos ∑ xn < ∞.
n =1 n =1
∞
Definición 2.8. Diremos que la serie ∑ xn es absolutamente convergente o
n =1
ón
∞
normalmente convergente si ∑ k xn k < ∞.
n =1
Observación 2.22. Sabemos que la convergencia absoluta de una serie de
números reales implica la convergencia de la serie. A seguir, caracterizaremos
rsi
la completitud de un espacio normado en términos de la convergencia de

series en el mismo espacio.
Teorema 2.7. Sea ( X, k . k) un espacio de Banach y sea { xn } una sucesión en X tal
∞ ∞
que ∑ k xn k < ∞. Entonces la serie ∑ xn es convergente en X. Además, se cumple
Ve
n =1 n =1
que
∞ ∞

∑ xn ≤ ∑ k xn k .
k =1 k =1
Demostración. Para probar que la serie ∑ xn es convergente, basta probar que

la sucesión de sus sumas parciales {sn } es convergente. Más aun, siendo X
un espacio de Banach, bastará probar que {sn } es una sucesión de Cauchy en
X y entones será convergente por la completitud de X. Sean m, n ∈ N con
m > n, entonces

m m ∞

ksm − sn k = ∑ xk ≤ ∑ k xk k ≤ ∑ k xk k .
k = n +1 k = n +1 k = n +1
∞
Como ∑ k xn k < ∞ por hipótesis, entonces el último término de la
n =1
desigualdad anterior tiende a cero cuando n → ∞. Entonces {sn } es una
∞
sucesión de Cauchy en X. Por lo tanto ∑ xn es convergente en X. Por último,
n =1
gracias a la continuidad de la norma tenemos

∞ n n n ∞

∑ xn = lı́m ∑ xk = lı́m ∑ xk ≤ lı́m ∑ k xn k = ∑ k xn k .
k =1 n → ∞ k =1 n → ∞ k =1 n → ∞ k =1 k =1
Esto termina la prueba.
Como una aplicación del teorema anterior, demostraremos la conocida

Prueba M de Weierstrass.
Ejemplo 2.20 (Prueba M de Weierstrass). Sea { f n } una sucesión de funciones

continuas sobre el intervalo [ a, b] , es decir, { f n } ⊂ C ([ a, b]) y supongamos
que existe una sucesión { Mn } de números reales no negativos tal que
| f n ( x )| ≤ Mn , para todo x ∈ [ a, b] y todo n ∈ N.

∞
Si la serie ∑ Mn es convergente, entonces por comparación, resulta que la
n =1
∞ ∞
serie ∑ | f n ( x )| sería convergente, es decir, ∑ f n ( x ) sería absolutamente
n =1 n =1
convergente sobre [ a, b].
Notemos que, como | f n ( x )| ≤ Mn , entonces para todo n ∈ N tenemos
sup | f n ( x )| ≤ Mn
a≤ x ≤b

es decir
k f n k0 ≤ Mn , ∀ n ∈ N.
∞ ∞
r
Entonces, por comparación, tenemos que ∑ k f n k0 < ∞, es decir, ∑ f n es
n =1 n =1
na
absolutamente convergente en C ([ a, b]) . Entonces, por el teorema anterior,
∞
la serie ∑ f n será convergente en el espacio C ([ a, b]) . Como C ([ a, b]) es
n =1
∞
completo con la norma uniforme k . k0 , entonces la serie ∑ f n converge a una
n =1
mi
función de C ([ a, b]) . Además, tal convergencia es uniforme, pues justamente
k . k0 es la norma de la convergencia uniforme.
Teorema 2.8. Sea ( X, k . k) un espacio vectorial normado tal que cualquier serie
absolutamente convergente es convergente en X. Entonces, X es un espacio de Banach.
eli
Demostración. Sea { xn } una sucesión de Cauchy en X. Consideremos una
subsucesión { xnk } de { xn } tal que
1
xn − x nk < k ,
pr
k +1
∀ k ∈ N.
2
Definamos la sucesión yk = xnk+1 − xnk . Entonces
∞ ∞ ∞
1
∑ kyk k = ∑ xn
k +1
− x nk < ∑ 2k < ∞.
ón
k =1 k =1 k =1
Así, resulta que la serie ∑ yk es absolutamente convergente. Entonces, por

hipótesis, la serie ∑ yk deberá ser convergente en X. Sea y ∈ X tal que
∞
rsi
∑ yk = y.
k =1
Entonces
p p

Ve
y = lı́m
p→∞
∑ yk = plı́m
→∞
∑ x n k +1 − x n k
k =1 k =1

= lı́m xn p+1 − xn1 = lı́m xn p+1 − x n1 .
p→∞ p→∞
Luego
lı́m xn p+1 = y + xn1 ∈ X .
p→∞
Así, hemos encontrado una subsucesión { xnk } que converge en X. Entonces,

ya que { xn } es una sucesión de Cauchy en X, esta será convergente en X y
por lo tanto, X es un espacio de Banach, como se quería demostrar.
El siguiente teorema resume los dos teoremas anteriores.
Teorema 2.9. Sea ( X, k . k) un espacio vectorial normado. Entonces, X es un espacio

de Banach si y solamente si cualquier serie absolutamente convergente es convergente
en X.
2.8. Bases en espacios de dimensión infinita

Definición 2.9. Un subconjunto B de X es llamado base de Hamel (o
simplemente base) de X si es linealmente independiente y genera el espacio
X, es decir, cualquier elemento de X se puede expresar de manera única com
una combinación lineal finita de elementos de B. El conjunto ∅ es linealmente
independiente y, por convención, gen ∅ = {0} . Luego, ∅ es una base para el
espacio vectorial {0} .
Proposición 2.7. Sea X un espacio vectorial sobre el cuerpo K. Supongamos que L

es un subconjunto linealmente independiente de X y sea S un subconjunto de X que
genera el espacio X y que además, L ⊂ S. Entonces existe una base B para el espacio
X tal que
L ⊂ B ⊂ S.
Demostración. Ver [21].
Observación 2.23. Dado un espacio vectorial X, como consecuencia de la

proposición anterior, si tomamos L = ∅ y S = X, concluimos que X posee una
base. Además, si Y es un subespacio de X, y B1 es una base para Y, entonces
tomando L = B1 y S = X en la proposición anterior, concluimos que existe
una base B para X tal que B1 ⊂ B. De esto también se deduce que si un

espacio vectorial posee una base formada por un número finito de elementos,
cualquier otra base tendrá el mismo número de elementos. Este número de
elementos será llamado dimensión del espacio y en tal caso, diremos que se
r
trata de un espacio de dimensión finita. Cuando un espacio vectorial contiene
na
un subconjunto infinito de vectores linealmente independientes, diremos que
su dimensión es infinita.
Ejemplo 2.21. En el espacio `2 , podemos considerar la sucesión canónica {en }

definida por
mi
(2.18) e1 = (1, 0, 0, 0, . . .)
e2 = (0, 1, 0, 0, . . .)
e3 = (0, 0, 1, 0, . . .)
eli.
.
.
pr
Como { xn } es un conjunto linealmente independiente en `2 entonces `2 es un
espacio de dimensión infinita.
La definición anterior de base de Hamel sería, aparentemente, la definición

natural de base para espacios vectoriales, sean estos de dimensión finita
ón
o infinita. Sin embargo, si X es un espacio de Banach, probaremos a

continuación un resultado sorprendente en relación al cardinal de una base
de Hamel para X.
rsi
Teorema 2.10. Si X es un espacio de Banach que posee una base de Hamel B,

entonces B es finita o no numerable. Es decir, un espacio de Banach no puede tener
una base infinita numerable.
Ve
Demostración. Sea X un espacio de Banach de dimensión infinita y

supongamos que X posee una base de Hamel numerable
B = { x1 , x2 , ...} .
Para cada m ∈ N definimos el espacio de dimensión finita
Ym = gen { x1 , ..., xm } .
Como Ym tiene dimensión finita, entonces es completo y cerrado en X. Es

decir, X − Ym es abierto en X. Además, como { x1 , ..., xm , xm+1 } es linealmente
independiente, xm+1 no puede expresarse como combinación lineal de los
elementos x1 , ..., xm , es decir, xm+1 ∈ / gen { x1 , ..., xm } = Ym . Entonces, para
cada m ∈ N, el conjunto X − Ym es no vacío. Consideremos y ∈ Ym y para
cada n ∈ N definamos
x
z n = y + m +1 ,
n
entonces zn ∈/ Ym , pues de lo contrario, es decir, si zn ∈ Ym , tendríamos
que xm+1 = n (zn − y) ∈ Ym , lo cual es absurdo. Así, hemos definido una
sucesión {zn } ⊂ X − Ym tal que zn → y. Esto prueba que todo elemento
de X es el límite de una sucesión en X − Ym (pues si y ∈ X, entonces y ∈
X − Ym o y ∈ Ym , en el primer caso, la sucesión constante {zn = y} ⊂ X − Ym
x
converge a x, mientras que en el segundo caso, la sucesión zn = y + mn+1
construida arriba es la que tiende a y ). Por lo tanto, X − Ym es denso en
X, para cada m ∈ N. Como X es completo, en virtud del teorema 1.26 de
Baire que demostramos en el capítulo anterior, la intersección de subconjuntos
densos y abiertos en X es densa en X. Luego
∞
\
( X − Ym ) es densa en X.
m =1
Dado un elemento x ∈ X, como B = { x1 , x2 , ...} es una base de Hamel de

X, entonces x se expresa como una combinación lineal finita de los elementos
de B, es decir, existe m0 ∈ N tal que x ∈ gen { x1 , ..., xm0 } = Ym0 . Entonces
\
x∈/ X − Ym0 . En particular, dado x ∈ ( X − Ym ) ⊂ X, existe m0 ∈ N tal que
\
x∈/ X − Ym0 . Por lo tanto ( X − Ym ) = ∅. Pero esto es absurdo, pues ∅ no
es denso en X. Este absurdo se debe a haber supuesto que X posee una base
de Hamel numerable.
Otra demostración. Supongamos que X es un espacio de Banach con una base

de Schauder numerable B = { xn ; n = 1, 2, ...} , y definamos los subespacios

propios Xn = gen { x1 , x2 , ..., xn } . Entonces cada Xn es cerrado y por la

proposición 2.3, al ser subespacio propio de X, tiene interior vacío. Es decir,

cada Xn es un conjunto flaco, pues int Xn = int ( Xn ) = ∅. Además
r
∞
[
X= Xn .
na
n =1
Es decir, X es la unión numerable de conjuntos flacos, lo cual contradice el

teorema 1.25 de Baire, pues X es de Banach. Por lo tanto, X no posee una base
de Schauder numerable.
mi
El teorema anterior afirma que si X es un espacio de Banach, entonces X
tiene una base de Hamel finita o infinita no numerable. Esto nos lleva a definir
otro tipo de base para espacios de Banach.
eli
Definición 2.10. Sea X un espacio de Banach no trivial. Un conjunto
numerable { x1 , x2 , ...} es llamado base de Schauder para X si k xn k = 1 para
cada n ∈ N, y si para cualquier x ∈ X existen escalares λ1 , λ2 , ... ∈ R únicos,
tales que
pr
∞
x= ∑ λn xn .
n =1
Esta última igualdad quiere decir que

k

∑ n n λ x − x → 0, cuando k → ∞.
ón
n =1
Ejemplo 2.22. La base canónica de Rn es una base de Hamel y de Schauder a

la vez.
Ejemplo 2.23. Sea X un espacio normado de dimensión finita y sea
rsi
{ x1 , x2 , ..., xn }
una base de Hamel de X. Entonces X es un espacio de Banach (pues tiene

dimensión finita) y en consecuencia
Ve

x1 x2 xn
, , ...,
k x1 k k x2 k k xn k
es una base de Schauder para X.
Ejemplo 2.24. El conjunto B = {en ; n = 1, 2, ...} definido en (2.18) no es

una base de Hamel para `2 , pero si es una base de Schauder. En efecto,
debemos probar que todo elemento de `2 se expresa de manera única como
combinación lineal infinita de elementos de B. Sea x = ( x1 , x2 , ...) un elemento
cualquiera de `2 , y definamos
k
sk ( x ) = ( x1 , x2 , ..., xk , 0, 0, ...) = ∑ xj ej .
j =1
Entonces
∞ 2
ksk ( x ) − x k22 = ∑ xj ,
j = k +1
y como x = ( x1 , x2 , ...) ∈ `2 , entonces

∞ 2
∑ x j es convergente
j =1
y en consecuencia
∞ 2
∑ x j → 0 cuando k → ∞.
j = k +1
Por lo tanto, sk ( x ) → x en `2 , es decir

∞
x= ∑ xj ej.
j =1
Ahora veamos que esta manera de expresar x es única. Supongamos que

existen escalares α1 , α2 , ... ∈ R tales que
∞
x= ∑ αj ej.
j =1
entonces
∞
0= ∑ xj − αj ej
j =1
y por la independencia lineal de B resulta que α j = x j para cada j ∈ N. Por

lo tanto, B = {en ; n = 1, 2, ...} es una base de Schauder para `2 , llamada base
canónica de `2 .

Ejemplo 2.25. Se puede probar que el conjunto B = {en ; n = 1, 2, ...} es una

base de Schauder para ` p , 1 ≤ p < ∞.
r
Ejemplo 2.26. ¿El conjunto B = {en ; n = 1, 2, ...} no es una base de Schauder
para `∞ ?¿Acaso no es cierto que cualquier sucesión x = ( x1 , x2 , ...) puede
na
∞
expresarse de manera única como x = ∑ xn en ? Si observamos con cuidado
n =1
∞
la definición de base de Schauder, notaremos que la igualdad x = ∑ xn en
n =1
significa que
mi
k
lı́m∑ xn en = x en `∞ ,
k→∞ n =1
es decir,
k eli

∑ xn en − x → 0, cuando k → ∞.
n =1
∞
Por ejemplo, consideremos la sucesión x = (1, 1, 1, ...) ∈ `∞ entonces

pr
k

∑ xn en − x = k(0, 0, ..., 0, 1, 1, 1, ...)k∞ = 1 9 0.
n =1
∞
∞
Por lo tanto, la serie ∑ xn en no converge a x en `∞ .
n =1
ón
Ejemplo 2.27. El conjunto B = {en ; n = 1, 2, ...} es una base de Schauder

para el espacio c0 .
Ejemplo 2.28. Consideremos el espacio c de las sucesiones convergentes con

rsi
la norma de `∞ y denotemos por e0 = (1, 1, 1, ...) ∈ c la sucesión constante.

Consideremos el conjunto B = {e0 ,e1 , e2 , e3 , ...} . Probaremos que B es una
base de Schauder de c. Sea x = ( x1 , x2 , x3 , ...) una sucesión cualquiera en c
y denotemos su límite por α = lı́m xn , entonces x − αe0 ∈ c0 . Luego, por el
n→∞
Ve
ejemplo anterior, existen escalares λk , k ∈ N, tales que

∞
x − αe0 = ∑ λk ek
k =1
es decir,
n

∑ λk ek − ( x − αe0 ) →0
k =1
∞
Luego
n

∑ λk ek − ( x − αe0 ) → 0.
k =0
∞
o equivalentemente
∞
x= ∑ λk ek , donde λ0 = α,
k =0
siendo esta representación única.
Teorema 2.11. Sea X un espacio de Banach no trivial. Si X posee una base de

Schauder, entonces X es separable.
Demostración. Sea { x1 , x2 , ...} una base de Schauder de X. Probaremos que el

conjunto de todas las combinaciones lineales racionales finitas de { x1 , x2 , ...}
es un conjunto numerable. Dado x = ∑∞ n=1 λk xk y ε > 0, existe n0 ∈ N tal que

n

x − ∑ λk xk < ε , para todo n ≥ n0 .
k =1

Para cada k = 1, 2, ..., n0 elegimos un número αk ∈ Q tal que |αk − λk | < ε

n0 .
Entonces

n n n n

x − ∑ λk xk = x − ∑ αk xk + ∑ αk xk − ∑ λk xk
k =1
k =1

k =1 k =1
n n

≤ x − ∑ αk xk + ∑ |αk − λk | k xk k < 2ε.
k =1
k =1
Esto prueba que las combinaciones lineales racionales son densas en X. Por
lo tanto, X es separable.
Ejemplo 2.29. El conjunto B = {en ; n = 1, 2, ...} definido en (2.18) no es una

base de Schauder para `∞ , pues si lo fuese, `∞ sería separable por el teorema
anterior, y como probamos en la proposición 1.2, `∞ no es separable.

Observación 2.24 (El problema de la base). Un famoso problema que aparece

en la página 111 del libro Théorie des opérations linéaires escrito por S. Banach
[2] en 1932 es el recíproco del teorema anterior, conocido como el problema de
r
la base de Banach, que puede formularse de la siguiente manera:
na
¿Todo espacio de Banach separable posee una base de Schauder?
Muchos matemáticos intentaron resolver este problema, pero su solución

tardó cuatro décadas, cuando en 1973 Per Enflo publicó su famoso artículo
mi
A counterexample to the approximation problem in Banach spaces [10] en el
que respondió negativamente a la pregunta de Banach al encontrar un
contraejemplo. Además del problema de la base, en ese mismo artículo, Enflo
resolvió dos problemas más el problema del ganso de Stanislaw Mazur y el
eli
problema de aproximación de Alexander Grothendieck.
pr
ón
rsi
Tal como consta en el Libro Escocés, el 6 de noviembre de 1936, Stanislaw

Mazur planteó un problema de representación de funciones continuas. Se
trata del problema número 153 del Libro Escocés, y al formularlo, Mazur
prometió como recompensa un ganso vivo. Era la época de la Gran Depresión,
Ve
en vísperas de la Segunda Guerra Mundial, y la recompensa ofrecida era

particularmente cara en aquella época. En su artículo, Per Enflo construyó un
espacio de Banach separable que carece de la propiedad de aproximación y
que no posee una base de Schauder. En 1972, Mazur le entregó a Enflo un

ganso vivo en una ceremonia en el Stefan Banach Center en Varsovia.
2.9. Completamiento de un espacio normado

Como hemos visto, no todo espacio normado es completo, pero ¿es todo
espacio normado X un subespacio de un espacio de Banach más grande? La
respuesta es sí, dado un espacio normado X, siempre se puede construir un
espacio de Banach X b del cual X es un subespacio y tal que la restricción de
la norma en X b al espacio X coincide con la norma en X. El espacio X b se
denomina completamiento de X.
En el capítulo anterior estudiamos el completamiento de un espacio
métrico y probamos que todo espacio métrico es isométricamente isomorfo
a un subconjunto denso de un espacio métrico completo, al que llamamos
completación del espacio, o espacio completado. Ahora, si consideramos
el espacio normado ( X, k . k) , este es un espacio métrico con la métrica
d ( x, y) = k x − yk . Luego, X puede ser completado como espacio métrico.
Denotando su completación por X, b se comprueba que las operaciones de
adición y multiplicación por un escalar así como la norma, pueden extenderse
de manera única a X, b con lo cual X
b se convierte en un espacio de Banach que
tiene a X como subespacio denso. Por lo tanto, todo espacio normado X puede
ser completado de tal forma que resulte ser un subespacio denso del espacio
de Banach X b (su completamiento).
Otra manera de presentar el completamiento de un espacio normado es a
través del teorema de Hahn-Banach, como veremos más adelante.

2.10. Ejercicios
Espacios normados
r
1. Pruebe que las aplicaciones definidas en (2.3) y (2.4) definen normas
na
sobre Rn .
2. Sea M un espacio métrico compacto. Considere el espacio C ( M; K) de

las funciones K-valuadas definidas sobre M. Sobre C ( M; K) definimos
mi
la aplicación k . k : C ( M; K) → R por
k f k = sup {| f ( x )| ; x ∈ M}
Pruebe que esta aplicación define una norma sobre C ( M; K) . ¿Es

eli
necesario que M sea compacto?
3. Sea X un espacio vectorial con norma k . k y sea Y un subespacio

vectorial de X. Sea k . kY la restricción de k . k a Y. Pruebe que k . kY es
una norma sobre Y.
pr
4. Sea ( X, k . k) un espacio normado. Si d : X × X → R es definida por
d ( x, y) = k x − yk , pruebe que ( X, d) es un espacio métrico. Una métrica
d definida de esta manera se dice que proviene de la norma k . k .
ón
5. Pruebe que la métrica discreta en un espacio vectorial no trivial, no

proviene de norma alguna.
6. Sea X un espacio normado. Pruebe que

rsi
k x k ≤ máx {k x − yk , k x + yk} , para todo x, y ∈ X.
¿Puede valer la igualdad para x ∈ X y un elemento y 6= 0 adecuado?
7. Sea F ( A, X ) el espacio vectorial de todas las funciones f : A →

Ve
X, donde A es un conjunto no vacío y X es un espacio normado

sobre K. Denotemos por Fb ( A, X ) el subespacio vectorial de F ( A, X )
formado por todas las funciones f : A → X tales que el conjunto
{k f ( x )k ; x ∈ A} es acotado. Pruebe que sobre Fb ( A, X ) , la aplicación

k . kb definida por
k f kb = sup {k f ( x )k ; x ∈ A}
es una norma.
8. Sea X un espacio normado y M ⊂ X. Pruebe que el conjunto M es

acotado si y solamente si existe una constante C > 0 tal que k x k ≤ C
para todo x ∈ M.
9. Pruebe que un subconjunto A de cualquier espacio normado es acotado

si y sólo si para cualquier sucesión { xk } en A y cualquier sucesión {λk }
en K que tiende a cero, la sucesión {λk xk } tiende a cero.
10. Pruebe que la bola unitaria abierta de un espacio normado X es

homeomorfa a todo el espacio X.2
11. Sea X un espacio normado y Y un subespacio de X. Pruebe que Y

también es un subespacio de X.
12. Si n ≥ m ≥ 0, pruebe que C n ([ a, b]) ⊂ C m ([ a, b]) y que el espacio

C n ([ a, b]) con la norma inducida por la norma de C m ([ a, b]) no es
cerrado.
Normas equivalentes
1. Sea X un espacio vectorial. Demuestre que la equivalencia de normas
define una relación de equivalencia en el conjunto de las normas sobre
X.
2 Sugerencia. Pruebe que la aplicación
x
T (x) =
1 + kxk
es el homeomorfismo buscado.

2. Sea X un espacio vectorial y sean k . k y k . k1 dos normas sobre X. Sean

d y d1 las métricas que provienen de estas normas, es decir,
r
d ( x, y) = k x − yk y d1 ( x, y) = k x − yk1
na
Suponga que existe una constante K > 0 tal que k x k ≤ K k x k1 para todo
x ∈ X. Sea { xn } una sucesión en X. Pruebe que
a) Si { xn } converge a x en el espacio métrico ( X, d1 ) entonces { xn }
mi
converge a x en el espacio métrico ( X, d)
b) Si { xn } es una sucesión de Cauchy en el espacio métrico ( X, d1 )
entonces { xn } es una sucesión de Cauchy en el espacio métrico
( X, d) .
eli
3. Sea X un espacio vectorial y sean k . k y k . k1 dos normas equivalentes
sobre X. Sean d y d1 como en el ejercicio anterior. Sea { xn } una sucesión
en X. Pruebe que:
pr
a) { xn } converge a x en el espacio métrico ( X, d) si y solamente si
{ xn } converge a x en el espacio métrico ( X, d1 ) .
b) { xn } es una sucesión de Cauchy en el espacio métrico ( X, d1 ) si y
solamente si { xn } es una sucesión de Cauchy en el espacio métrico
ón
( X, d) .
c) ( X, d) es completo si y solamente si ( X, d1 ) es completo.
d) ( X, d) es completo si y solamente si ( X, d1 ) es completo.
rsi
4. Pruebe que todas las normas definidas sobre un espacio vectorial son
equivalentes si y solamente si dicho espacio tiene dimensión finita.
5. Sea X = { f ∈ C ([0, 1]) ; f (0) = 0} .

Ve
a) Pruebe que X es un espacio vectorial.

b) Halle una constante C ≥ 0 tal que k f k0 ≤ C k f 0 k1 para todo f ∈ X.
c) Determine si las normas

f 7 → k f k0 y f 7 → f 0 1
son equivalentes sobre X. 3
Espacios de Banach
1. Dado el espacio C ([−1, 1]) con la norma uniforme, considere el
subespacio
X = { f ∈ C ([−1, 1]) ; f es par sobre [−1, 1]} .
Pruebe que X es un espacio de Banach.
2. Demuestre que para 1 ≤ p < q ≤ ∞ se verifica
` p ⊂ `q y k x kq ≤ k x k p para todo x ∈ ` p .
3. Sea
n o
X = { xn } ∈ `2 ; ∃ n0 ∈ N tal que xn = 0 para n ≥ n0 .
Determine si X es un espacio de Banach.
4. Sea X un espacio de Banach con norma k . k1 y Y un espacio de Banach

con norma k . k2 . Si Z = X × Y con la norma definida en (2.8), pruebe
que Z es un espacio de Banach.
5. Sobre el espacio C1 ([0, 1]) definimos la aplicación

k f k = sup | f ( x )| + f 0 ( x ) .
x ∈[0,1]
3 Sugerencia. Considere una sucesión de funciones de la forma
f n ( x ) := g (nx ) , x ∈ [0, 1] ,
donde g es una función adecuada sobre R+ .


a) Pruebe que C1 ([0, 1]) , k . k es un espacio normado.

b) Determine si C1 ([0, 1]) , k . k es de Banach.
r
6. Ahora, sobre C1 ([0, 1]) considere la aplicación
na

|k f k| = sup | f ( x )| + sup f 0 ( x )
x ∈[0,1] x ∈[0,1]

a) Pruebe que C1 ([0, 1]) , |k . k| es un espacio normado.
mi

b) Determine si C1 ([0, 1]) , |k . k| es de Banach.
c) ¿Son equivalentes k . k y |k . k|?, donde k . k es la norma sobre
C1 ([0, 1]) definida en el ejercicio anterior.
eli
7. Pruebe que los espacios c y c0 definidos en la observación 1.17 del
capítulo anterior, son subespacios cerrados de `∞ . Concluya que c y c0
son espacios de Banach con la norma inducida por `∞ .
pr
8. Denotemos por c00 al conjunto de todas las sucesiones que solo poseen
un número finito de términos no nulos.
a) Pruebe que c00 es un subespacio de ` p para todo 1 ≤ p ≤ +∞.

ón
b) Pruebe que para todo 1 ≤ p ≤ +∞, c00 no es un espacio de Banach

con la norma inducida por ` p .
9. Pruebe que un espacio normado es de Banach si y sólo si su bola unitaria

cerrada es completa.
rsi
10. Sean ( X1 , k . k1 ) , ( X2 , k . k2 ) , ..., ( Xn , k . kn ) , n espacios normados sobre

R. Sobre el espacio producto X = X1 × X2 × ... × Xn se define la norma
Ve
k( x1 , x2 , ..., xn )k = sup {k xk k ; k = 1, 2, ..., n} .
Pruebe que el espacio ( X, k . k) es de Banach si, y solo si, ( Xk , k . kk ) es

de Banach para cada k = 1, 2, ..., n.
11. Sea { xn } una sucesión en un espacio de Banach X tal que dado ε > 0,
existe una sucesión convergente {yn } con
k xn − yn k < ε, para todo n.
a) Pruebe que { xn } es una sucesión convergente.

b) Dé un ejemplo que muestre que la afirmación anterior es falsa si X
no es completo.
12. En relación al espacio c0 de las sucesiones de números reales que

convergen a cero, con la norma del supremo que hereda de `∞ :
a) Pruebe que cualquier sucesión de Cauchy en c0 converge a un límite

en c0 . Concluya que c0 es un espacio de Banach.
b) Pruebe que c0 no es un espacio de Banach con la norma k . k2 .

AF2018 Cap 2 Al

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

AF2018 Cap 2 Al

Hochgeladen von

Copyright:

Verfügbare Formate

Capítulo 2

1. Invarianza por traslaciones. Para todo x, y, z ∈ X se tiene

2. Homogeneidad. Para todo x, y ∈ X y λ ∈ R se tiene

d (λx, λy) = |λ| d ( x, y) .

De esta forma, para todo x, y ∈ X se tiene

Entonces, para conocer la distancia entre dos vectores de X, bastará conocer

adelante llamaremos norma) de un vector x ∈ X por

Observación 2.1. La condición (n3) en esta definición es llamada

homogeneidad de la norma y la condición (n4) es la desigualdad triangular.

de donde obtenemos k x k ≥ 0, es decir, la condición (n1) se obtiene como

Definición 2.2. Dado x ∈ X, si k x k = 1, diremos que x es un vector unitario.

La exigencia de que X sea un espacio vectorial, se debe a que las

Proposición 2.1. Sea ( X, k . k) un espacio normado sobre K. Entonces, para todo x,

Demostración. Las propiedades ( a) y (b) siguen directamente de las

17 de abril de 2018 V. R. Cabanillas Zannini

de donde concluimos que

define una norma sobre Kn , llamada norma euclideana.

es una norma sobre V. En efecto, la condición (n1) de la definición de

Luego, |αk | = 0 para todo k = 1, . . . , n, de donde concluimos que αk = 0,

la condición (n4) . Dados

Pero, para cada z ∈ C se tiene z + z = 2 Re z y Re z ≤ |z| . Además, por la

Entonces k x + yk ≤ k x k + kyk . Por lo tanto, k . k es una norma sobre V.

Ejemplo 2.2. Generalizando el ejemplo anterior, sobre Kn definimos la

para todo ( x1 , x2 , ..., xn ) ∈ Kn , donde 1 ≤ p < ∞. Claramente, esta aplicación

17 de abril de 2018 V. R. Cabanillas Zannini

donde x = ( x1 , x2 , ..., xn ) ∈ Rn . Esta norma es llamada norma de la suma y

la cual coincide con la norma euclideana definida en el ejemplo 2.1. Cuando

Observación 2.2. La norma es una generalización de la noción de longitud,

Entonces, d es una métrica sobre X y luego ( X, d) es un espacio métrico. La

Observación 2.3. La observación anterior prueba que todo espacio normado

Observación 2.4. De la observación anterior, la esfera unitaria cerrada sobre

Dependiendo del espacio y la norma adoptada, esta esfera puede no obedecer

17 de abril de 2018 V. R. Cabanillas Zannini

esfera. Por ejemplo, mostramos en la figura 2.1 la esfera unitaria en R2 para

Por lo tanto, no toda métrica define una norma mediante k x k = d ( x, 0) , pues

2. d (λx, λy) = |λ| d ( x, y) , ∀ x, y ∈ X, ∀ λ ∈ K.

Recíprocamente, si ( X, d) es un espacio vectorial métrico en el que se cumplen las

observación 2.2. La prueba de la segunda parte es sencilla y queda como

1 ≤ p < ∞ y sus respectivas métricas:

Figura 2.1: Esferas unitarias en el plano R2 con la norma k . k p para p =

17 de abril de 2018 V. R. Cabanillas Zannini

Ejemplo 2.6. El espacio `∞ que había sido equipado con la métrica

d (x, y) = sup | xk − yk | , ∀ x = { xk } , y= {yk } ∈`∞ ,

(2.6) kxk∞ = sup | xk | , ∀ x = { xk } ∈`∞ .

Ejemplo 2.7. Sea X un espacio métrico compacto y sea C ( X; K) el espacio

de las funciones continuas sobre X con valores en K. Sobre este espacio

donde d es la métrica uniforme. El hecho de que k . k0 sea una norma sobre

es decir, dado ε > 0 existe n0 ∈ N tal que k f n − f k0 < ε para todo n ≥ n0 .

Como | f n ( x ) − f ( x )| ≤ sup | f n ( x ) − f ( x )| para todo n ≥ n0 y para todo

| f n ( x ) − f ( x )| < ε para todo n ≥ n0 y para todo x ∈ X

es decir, la sucesión { f n } converge uniformemente a f . Por tal razón, la

Observación 2.6. Sea X un espacio vectorial con norma k . k y sea Y un

Ejemplo 2.8. Sean X y Y dos espacios vectoriales sobre el mismo cuerpo K y

(2.8) k( x, y)k = k x k1 + kyk2

17 de abril de 2018 V. R. Cabanillas Zannini

es una norma sobre Z. En efecto, la condición (n1) de la definición de norma

kα ( x, y)k = k(αx, αy)k = kαx k1 + kαyk2

k( x, y) + (u, v)k = k( x + u, y + v)k = k x + uk1 + ky + vk2

La norma definida en (2.8) se denomina norma producto.

(c) lı́m (αn xn ) = αx ;

(d) kλx + (1 − λ) yk ≤ λ k x k + (1 − λ) kyk , ∀ 0 < λ < 1 (Convexidad ) .

Demostración. Por la proposión 2.1 tenemos que

Como lı́m xn = x, concluimos que