Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
1 de marzo de 2019
Índice general
I ESPACIOS MÉTRICOS 7
1. Espacios Métricos 8
2. Conceptos Topológicos 14
3. Lı́mites y Continuidad 17
6. Isomorfismos 33
6.1. Espacios isomorfos . . . . . . . . . . . . . . . . . . . . . . . . . . 33
6.2. Como completar un espacio métrico incompleto . . . . . . . . . . 35
13.Funcionales Lineales 76
2
ÍNDICE GENERAL 3
A. La Triyección 133
Repaso
def
2. (xn ) es de Cauchy ⇔
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 ⇔
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 < ∞
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
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.
xN
y1
y2 N
... = (y1 , y2 , ..., yN ) ∈ K
y=
yN
8
y ponemos: v
uN
uX
d2 (x, y) = t |xk − yk |2
k=1
N
X
d1 (x, y) = |xk − yk |
k=1
v
uN
uX
p
dp (x, y) = t |xk − yk |p , 1 ≤ p < ∞
k=1
3. Sea X 6= ∅ y (
1 si x 6= y
d(x, y) =
0 si x = y
para x, y ∈ X, entonces (X, d) es un espacio métrico. A d se le llama
métrica discreta.
K∞
∞ = {(xn ) ∈ K
∞
| (xn )es acotada}
9
Entonces, si ponemos para (xn ), (yn ) ∈ K∞
p :
v
u∞
uX
dp ((xn ), (yn )) = t
p
|xk − yk |p , 1 ≤ p < ∞
k=1
Ejercicios
p
1. Si para x, y ∈ R se pone d(x, y) = |x − y|, pruebe que (R, d) es un
espacio métrico.
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?
8. Sean N ≥ 2; ak , bk , ck ∈ R, k ∈ 1, ..., N .
Pruebe que
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
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.
N
!2 N
X X
|xk | ≤N |xk |2
k=1 k=1
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 |}
13
Capı́tulo 2
Conceptos Topológicos
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|),
er (a) = [a − r, a + r],
B
Sr (a) = {a − r, a + r}.
Conceptos Topológicos
Definición 4. Sea (X, d) un espacio métrico. Sean M ⊂ X, M 6= ∅; A, B ⊂ X
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 defini-
ción 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
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 → +∞?
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.
16
Capı́tulo 3
Lı́mites y Continuidad
ssi
∀ > 0 ∃δ > 0 tal que 0 < dx (x, x0 ) < δ ⇒ dy (f (x), l) <
(en esta definición está 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 ∈ X, f es continua en x0 .
f −1 (B) = {x ∈ X | f (x) ∈ B}
17
1. Si F : A → B es inyectiva, existe F −1 : B → A, la 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 pre-imagen 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:
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
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 E.M. 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
19
8. Pruebe que (X,d) es separable ssi existe A ⊂ X, un conjunto numerable
tal que
∀x ∈ X∀ > 0 ∃y ∈ A ∩ B (x).
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 precisión 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→+∞
l = lı́m f (x) ⇔ ∀ > 0 ∃R > 0 ∀x ∈ D(f ), x > R() ⇒ d(l, f (x)) < (4.3)
x→+∞
Esto se nota
l = lı́m an o an −−−→ l
n→∞ o an → l,
n→∞
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:
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:
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 ):
NOTA:
en vez de
n, m > N () ⇒ d(an , am ) < .
Esto se debe a la simetrı́a de d y a que
Conjuntos Acotados
Recordemos que si A ⊂ R, se dice que A es acotado si A es acotado por
arriba (∃c2 ∈ R tal que ∀x ∈ A, x < c2 ) y A es acotado por abajo (i.e. ∃c1 ∈ R
tal que ∀x ∈ A, c1 < x). Por ello:
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
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}
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 ∞ ,
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 }
27
Capı́tulo 5
2. M es cerrado ⇔ [∀(xn ) ∈ M ∞ , xn → l ⇒ l ∈ M ].
Para n ∈ N tomamos = n1 y xn = x( n1 ) ∈ M .
Entonces
1
∀n ≥ 1, 0 ≤ d(xn , x) < ,
n
de donde por el teorema del Sánduche,
lı́m d(xn , x) = 0,
n→∞
y por lo tanto
xn → x, con (xn ) ∈ M ∞ .
(a) x ∈ M ⇒ x ∈ M ∪ Ma = M ⇒ x ∈ M .
28
(b) x ∈
/ M . Como
∃(xn ) ⊂ M ∞ tal que xn → x
entonces
Probemos que x ∈ Ma :
Sea r > 0. Debemos hallar
Basta tomar
y(r) := xn con n > N (r)
∞
(como (xn ) ∈ M , y(n) ∈ M , y como x ∈
/ M , xn 6= x).
[∀(xn ) ∈ M ∞ , xn → l ⇒ l ∈ M ].
P.D. M ⊂ M .
Sea x ∈ M . P.D. x ∈ M .
Por (1) (⇒):
Por la hipótesis, x ∈ M .
29
1. El subespacio (Y, d) es un espacio métrico completo ⇒ Y es un conjunto
cerrado en (X, d).
Nota: 1. no requiere que (X, d) sea completo, pero de serlo podemos escribir:
(Y, d) es completo ⇔ Y es cerrado en (X, d).
Teorema 19 (de la 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
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 .
31
Ejercicios
1. Sea a < b. Pruebe que ] − ∞, b], [a, b] y [a, +∞[ son completos, mientras
que ] − ∞, b[, [a, b[, ]a, b[, ]a, b] y ]a, ∞[ son incompletos, con la distancia
usual en todos los casos.
es decir (
(n) k −2 si 1 ≤ k ≤ n
xk = .
0 si k > n
32
Capı́tulo 6
Isomorfismos
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:
NOTA:
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.
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→∞
d1 ((x
d n ), (yn )) = lı́m d(xn , yn ).
d
n→∞
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:
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)
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
Ejemplos
Teorema 27 (Del punto fijo de Banach). Sea (X,d) un espacio métrico completo
y T : X → X una contracción.
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 ) (∗)
n−m
1−α
= αm d(x0 , x1 )
1−α
αm
< d(x0 , x1 ) puesto que 0 < α < 1
1−α
< para n > 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.
40
Nota 29. A veces T es una 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). Sea (X, d) un espacio métrico com-
pleto, T : X → X una contracción en una Bola B̃r (x0 ). (i.e ∃α, 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→∞
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)
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 (??) cβ < b,
x ∈ C̃ ⇒ τ ∈ J y (τ, x(τ )) ∈ R.
Como (τ, x(τ )) ∈ R y f es continua, entonces (??) puede ser derivado, ası́,
x es derivable y cumple (??).
Inversamente: Toda solución de (??) cumple (??), 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, x(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).
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.
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.
f (x) = x3 + x − 1 = 0
de la siguiente manera:
> (x2 , x2 )
∧ ∨
∧
<
(x3 , x3 )
0,5
(x1 , x1 )
0,5 1
f (x)
xn+1 = g(xn ), con g(x) = x − ,
f 0 (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
|k(t, τ )| ≤ c ∀(t, τ ) ∈ G = J × J,
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 (??) 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 (??) se define el operador T : C[a, b] → C[a, b].
Probemos que T es una contracción:
46
Sean x, y ∈ C[a, b];
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.
R = {(t, τ ) ∈ R2 | a ≤ τ ≤ t , a ≤ t ≤ b}.
R
a
>
a b t
La demostración se basa en lo siguiente:
T mx
b=x
b (8.5)
47
Vamos a mostrar que T x
b=x
b. De (??) se tiene
b = T (T m x
Tx b)
= T m (T x
b)
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 (??) puede escribirse
como x = T x si ponemos
Es decir,
t − a ≤ b − a,
48
de (??) 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!
Como m es suficientemente grande, T m será una contracción y el lema del punto
fijo nos da el resultado.
Nota:
1. No hay restricciones a µ.
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.
tenga:
49
8. Pruebe que
x0 = 3x2/3
x(0) = 0,
x0 = |x|1/2 ,
x(0) = 0,
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
+ : X 2 → X, (x, y) 7→ x + y
· : K × X → X (α, x) 7→ α · 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:
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.
α · (un ) = (αuk ).
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:
α · f : Ω → K, x 7→ (α · f )(x) = α f (x).
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
u = v ⇔ kuk = kvk,
Notamos ~0, llamado vector cero, a la clase de los segmentos cuyo inicio y
fin coinciden.
Obviamente k~0k = 0 y los elementos de ~0 no tienen dirección ni sentido.
En V N se define la suma
+ : V N × V N → V N , (~u, ~v ) 7→ ~u + ~v = w
~
· : R × V N → V N , (α, ~u) 7→ α · ~u = w,
~
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:
54
(CM) para Y: ∀α ∈ K, ∀x ∈ Y , α · x ∈ Y .
NOTA:
1. Es fácil probar que se cumplen las propiedades (S), (M) y (D). En parti-
cular:
2. Si θ ∈
/ Y obviamente (Y, +, ·) no es un subespacio vectorial.
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
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
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
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
¡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
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
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 |.
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, ∞]
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
61
Capı́tulo 11
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 50 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→∞
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 (??) reemplazamos KN con KN \ {θ} la definición
no cambia.
Entonces (??) ⇔
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 (??) ⇔
(9.2) ⇔
XN
N
∃c > 0, ∀β ∈ K tal que kβk1 = 1,
βk vk
≥ c (11.3)
k=1
1
Usando (11.4) 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 (11.5) 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
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 vk
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 (??).
Por (??) y (??), 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 }
= 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
NOTA:
1. (??) ⇔
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
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 );
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
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:
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 lı́m dy (ynk , l) = 0.
k→∞
En efecto:
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
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 .
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].
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.
2. Im(T ) es SEV de Y.
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]
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
NOTA:
1.
kT xky
(??) ⇔ ∃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)
es acotado por arriba. (Lo es por toda c ≥ 0 tal que (12.1), o (12.2) o
(12.3)).
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 | (12,1)}
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.
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:
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;
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
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
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
Tenemos que:
= sup |f (u)|
u∈D(f ),kuk=1
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)
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
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.
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
(??) 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
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) = máx |f (x)|, f2 (x) = mı́n |f (x)|. ¿Son f1 y
a≤t≤b a≤t≤b
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
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 .
80
Capı́tulo 14
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:
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:
= sup |f (u)|
u∈D(f ),kukx =1
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 ∗ ]
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:
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∞ ).
Entonces:
1. (l1 )0 ' l∞
4. (c0 )0 ' l1
NOTA:
82
Ejercicios
1. Demuestre el resultado del ejemplo: (KN , k · kp )0 ' (KN , k · kq ) si N ∈ N,
p, q ∈]1, ∞[, p1 + 1q = 1.
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.
M a = {f ∈ l(X, K) | f (x) = 0 ∀x ∈ M }
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:
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).
85
4. Se tiene que ∀x, y, z ∈ X y ∀β ∈ K:
k·k : X → [0, ∞[
h·, ·i : X 2 → K
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
87
(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)
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 fácilmente (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 (luego escogeremos un α adecuado). Entonces:
2
0 ≤ kx − αyk
= hx − αy, x − αyi
= hx, xi − αhx, yi − α [hy, xi − αhy, yi]
89
2 2
de donde |hx, yi|2 ≤ kxk kyk , y también (C.S.B.).
2. La igualdad se obtiene ssi y = θ ó kx − αyk = 0,
es decir ssi [y = 0 ó x − αy = θ] ssi {x, y} es l.d.
Entonces:
(14,1) ⇒ Rehx, yi ≥ |hx, yi|,
Sabemos que ∀x ∈ C, Rez ≤ |z|, por lo tanto:
de donde
|hx, yi| = kxk · kyk.
Por la parte 2. del teorema se tiene entonces que:
90
por lo que
Imhx, yi = 0,
y, por ende,
hx, yi = Rehx, yi ∈ [0, ∞[.
Finalmente, como
kx + yk = kαy + yk
= k(α + 1)yk
= (α + 1)kyk
= kαyk + kyk
= kxk + kyk.
91
Demostración. Sea p ∈ [1, ∞]. Sea (x0 , y0 ) ∈ X 2 . P.D.
|hx, yi − hx0 , y0 i|−−−−−−−−−−→ 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 )kp < 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.
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.
h(x
d [ def
n ), (ym )i = lı́m hxk , yk i.
k→∞
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.
93
Capı́tulo 17
Aproximación de un punto
con elementos de un
convexo
D(x, M ) = ı́nf{d(x, y) | y ∈ M }
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 lo 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]}
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 que kx − yk = ı́nf kx − vk = D(x, M ) =: δ
v∈M
Demostración. a) Existencia:
Por la definición de ı́nfimo, existe una sucesión (yn ) ∈ M ∞ tal que:
δn → δ con δn = kx − yn k ∀n ≥ 1 (1).
= 2 δn2 − δ 2 + 2 δm
2
− δ2
(3)
De (1) puesto que δn → δ
95
2
∃N1 ∈ N tal que: kδn2 − δ 2 k <
4
Puesto que > 0 es arbitrario, (4) prueba que (yn ) es de Cauchy. Como
M es completo, (yn ) es convergente, i.e., ∃y ∈ M tal que: yn → y, y por
tanto se tiene que:
kx − yk ≥ δ
kx − yk ≤ δ
Por tanto: kx − yk = δ.
kx − yk = δ y kx − y0 k = δ
Probemos que y = y0 .
Por la Identidad del Paralelogramo, tenemos que:
96
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.
kx − y2 k ≥ δ
M ⊥ = {x ∈ X | x ⊥ y ∀y ∈ M } = {x ∈ X | hx, yi = 0 ∀y ∈ M }
1. M ⊥ es un SEV cerrado de X.
2. Si ponemos M ⊥⊥ = (M ⊥ )⊥ , entonces M ⊂ M ⊥⊥ .
97
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.
98
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:
a) Py (H) = Y (i.e. Im(Py ) = Y ), Py (Y ) = Y , Py (Y ⊥ ) = {θ}
b) Py2 = Py (i.e. Py es ı́dem-potente)
c) 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 .
x = θ ⇔ u1 − u2 = θ ⇔ u1 = u2 .
x = θ ⇔ x ∈ X ⊥ ⇔ x ⊥ y ∀y ∈ X ⇔ hx, yi = 0 ∀y ∈ X.
hx, yi = 0 ∀y ∈ X
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
99
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:
(iii) Por (ii) basta 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
A es total ⇔ A⊥ = {θ}
100
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.
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
sea X
M = {x ∈ CN | zk = 1}.
101
(a) M = {a}, con a ∈ X \ {θ}
(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 ⊥.
Y es cerrado ⇔ Y = Y ⊥⊥
102
Capı́tulo 18
Conjuntos y Sucesiones
Ortogonales
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)
103
Definición 98. Una sucesión (vk ) ⊂ X es ortogonal si:
∀m, n ≥ 1, m 6= n ⇒ hvm , vn i = 0.
Definición 99. Sea Ω 6= ∅ un conjunto de ı́ndices y sea (vw )w∈Ω una familia
indexada de elementos de X.
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
x ⊥ Y ⇔ hx, yi = 0 ∀y ∈ B
104
(⇐) 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
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
se tiene que
n
X
yn = PYn x, zn ⊥ Yn , kyn k2 = |hx, ek i|2 .
k=1
105
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
∀n ≥ 1 yn ⊥ zn , x = yn + zn
De donde
kxk2 ≥ kyn k2 ∀n ≥ 1
(porque kzn k2 ≥ 0).
Por el lema anterior
n
X
kyn k2 = |hx, ek i|2 ≤ kxk2 ∀n ≥ 1. (18.1)
k=1
106
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:
Ejercicios
1. Pruebe que todo EV euclı́deo de dimensión finita, posee una base orto-
normal.
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
107
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
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.
108
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
109
∞
X ∞
X
1. αk ek converge ⇔ |αk |2 < ∞.
k=1 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
110
2. Sea k ≥ 1. Entonces
Xn
∀n ≥ k, hsn , ek i = h αj ej , ek i = αk
j=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
111
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.
{ew ∈ H | hx, ew i =
6 0, w ∈ Ω} =: E(x),
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.
{ew ∈ H | hx, ew i =
6 0, w ∈ Ω} =: E(x),
y definamos y ∈ X por:
∞
X
y= hx, ek iek (1).
k=1
112
Análogamente, para cualquier v ∈ {ew ∈ H | w ∈ Ω} tal que v ∈
/ {ew ∈
H | hx, ew i =
6 0, w ∈ Ω}, es decir, hx, vi = 0.
X∞
⇒ hx − y, vi = hx, vi − hx, ek ihek , vi = 0 − 0 = 0.
k=1
Por tanto, hemos probado que x − y ⊥ {ew ∈ H | w ∈ Ω} i.e. x − y ∈
{ew ∈ H | w ∈ Ω}⊥
Por tanto x − y = 0 ⇔ x = y
De (1) tenemos que:
∞
X ∞
X ∞
X ∞
X
kxk = h hx, ek iek , hx, em iem i = hx, ek ihx, ek i = |hx, ek i|2
k=1 m=1 k=1 k=1
∞
X
(⇐) Supongamos que kxk = |hx, ek i|2 . P.D. que {ew ∈ H | w ∈ Ω} es
k=1
total.
Por el absurdo, supongamos que: {ew ∈ H | w ∈ Ω} no es total, ası́ por
(iii) del Teorema 93 ∃x 6= 0 en H tal que x ⊥ M .
Para cualquier k ∈ Ω se tiene que: hx, ek i = 0
∞
X
⇒ kxk2 = |hx, ek i|2 = 0
k=1
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
113
∞
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.
114
Capı́tulo 20
Teoremas de la
Representación de Riesz
|f (x)|
kf kx0 = sup = sup |f (u)| = mı́n{c ≥ 0 | ∀x ∈ X, |f (x)| ≤ ckxkx }
x6=0 kxkx kuk=1
x0 = θ ⇔ f (x0 ) = 0, ∀f ∈ X 0
x0 = θ ⇔ f (x0 ) = 0 ∀f ∈ X ∗
n
!
X
⇒ f (x0 ) = f ξk vk
k=1
n
X
⇔ f (x0 ) = ξk f (vk )
k=1
115
n
X
⇒ f (x0 ) = ξk αk
k=1
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 ∗
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
116
1. 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
2. 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 :
a) Debemos hallar zf ∈ H tal que f (x) = hx, zf i ∀x ∈ H.
b) Debemos probar la unicidad.
c) Debemos probar que kf kH 0 = kzf kH .
0 = hvx , zi
= hf (x)z − f (z)x, zi
= f (x)kzk2H − f (z)hx, zi
117
esto implica
f (z)
f (x) = hx, zi
kzk2H
f (z)
= hx, zi
kzk2H
= hx, zf i
NOTA:
dim N (f )⊥ = 1
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.
118
2. Si h es acotada se llama norma de h y se nota khk el número
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:
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
4. Sea f ∈ (l2 (C))0 . Halle (zn ) ∈ l2 (C) tal que ∀(xn ) ∈ l2 (C), f ((xn )) =
X∞
xk zk .
k=1
5. Resuelva los ejercicios con que inicia la demostración del Th. de la Repre-
sentación de Riesz I.
119
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 ,
120
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.
121
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.
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
122
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:
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 ∗
123
5. Vemos que T ∗ T ∈ L(H1 , H1 ), T T ∗ ∈ L(H2 , H2 ) y, por la desigualdad
de Cauchy-Schwarz-Buñakovski (C-S-B):
kT k2 ≤ kT ∗ T k (21.2)
kT ∗ T k = kT k2
Finalmente, como T = T ∗∗ ,
6. Es inmediato, por 5.
7. Sean (y, x) ∈ H2 × H1 = H × H
(H = H1 = H2 , h·, ·i = h·, ·i1 = h·, ·i2 ).
de donde (ST )∗ = T ∗ S ∗ .
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 ∈
124
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 matriz 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
C=D⇔→
−
x T C→
−
y =→
−
x T D→
−
y ∀→
−
x ∈ KN ∀→
−
y ∈ KM
Sean →
−
x ∈ KN , →
−
y ∈ KM . Como:
hT →
−
x,→
−
y i2 = hA→
−
x,→
− x )T →
y i2 = (A→
− −
y =→
−
x T AT →
−
y ;y
h→
−
x , T ∗→
−
y i1 = h→
−
x , B→
−
y i1 = →
−
x T B→
−
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 ?? nos
da entonces que:
AT = B,
de donde B = AT .
En Álgebra 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
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
kT n − T k−−−→ 0.
n→∞
Entonces T es autoadjunto.
125
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.
hT x, xi = hT x, xi porque hT x, xi ∈ R
= hx, T ∗ xi por definicion de T ∗
= hT ∗ x, xi.
(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
Ejercicios
1. Redacte detalladamente la demostración del Th. ?? de existencia del ope-
rador adjunto de Hilbert.
2. Demuestre el lema ?? 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:
126
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
kT n − T k → 0 ⇒ kT n∗ − T ∗ k → 0
127
(a) αS + βT es autoadjunto
(b) T n es autoadjunto ∀n ≥ 1.
128
Parte IV
TEORÍA ESPECTRAL
129
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.
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
130
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:
NOTA:
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.
(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 )
131
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.
132
Apéndice A
La Triyección
lg(L) = l
dg(A, B) = lg(AB),
M4 (Desigualdad triangular)
133
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
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 )
134
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 ,
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.
def
d((a1 , a2 , a3 ), (b1 , b2 , b3 )) = dg(G(a1 , a2 , a3 ), G(b1 , b2 , b3 )).
135
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
.
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
136
(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
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
137
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
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:
138
, donde A es el gráfico de (a1 , a2 , a3 ), entonces
p
k(a1 , a2 , a3 )k2 = |a1 |2 + |a2 |2 + |a3 |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 .
139