Teor a, procedimientos de demostraci on y ejercicios de An alisis Funcional

Lic. Alejandro Alonso F uster Dra. Luc a Arg uelles Cort es

FACULTAD DE MATEMATICA, F ISICA Y COMPUTACION Universidad Central Marta Abreude Las Villas Cuba 2005

 Indice General
1 Una aproximaci on al estudio del An alisis Funcional 1 1.1 Orientaciones metodol ogicas . . . . . . . . . . . . . . . . . . . 2 1.2 Caracter sticas del texto . . . . . . . . . . . . . . . . . . . . . 3 1.3 Sobre el enfoque global en el curso de An alisis Funcional . . . 5 1.4 Pre ambulo al texto . . . . . . . . . . . . . . . . . . . . . . . . 6 1.4.1 Inuencia del An alisis Cl asico en el An alisis Funcional 7 1.4.2 Generalizaci on de la geometr a al An alisis Funcional . . 10 1.4.3 Importancia de los espacios normados generales . . . . 11 1.5 Panor amica del texto . . . . . . . . . . . . . . . . . . . . . . . 12 2 Espacios normados 2.1 Espacios normados . . . . . . . . . . 2.2 Espacios de Banach . . . . . . . . . . 2.3 Espacios de Hilbert . . . . . . . . . . 2.4 Desigualdades de H older y Minkowski 2.5 Ejercicios Resueltos . . . . . . . . . . 2.6 Ejercicios Propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 16 20 24 25 27 43 45 45 50 60 63 70 71 79 85 92

3 Operadores lineales 3.1 Continuidad, acotaci on y norma de un operador lineal 3.1.1 Ejercicios Resueltos . . . . . . . . . . . . . . . 3.2 Espacio de operadores lineales acotados . . . . . . . . 3.2.1 Ejercicios Resueltos . . . . . . . . . . . . . . . 3.3 Operadores inversos . . . . . . . . . . . . . . . . . . . 3.3.1 Ejercicios Resueltos . . . . . . . . . . . . . . . 3.4 Operadores cerrados . . . . . . . . . . . . . . . . . . 3.4.1 Ejercicios Resueltos . . . . . . . . . . . . . . . 3.5 Operadores casi cerrados . . . . . . . . . . . . . . . . i

3.6

3.5.1 Ejercicios Resueltos . . . . . . . . . . . . . . . . . . . . 93 Ejercicios Propuestos . . . . . . . . . . . . . . . . . . . . . . . 97 99 . 99 . 101 . . . . . . . . . 102 108 119 121 122 124 132 135 140

4 Espacios duales y operadores conjugados 4.1 Funcionales lineales continuos en espacios normados . . . . . 4.2 Teorema de Hahn-Banach. Estructura del Espacio Dual . . . 4.2.1 Aplicaciones del Teorema de la Acotaci on Uniforme al caso de funcionales . . . . . . . . . . . . . . . . . . . 4.2.2 Ejercicios Resueltos . . . . . . . . . . . . . . . . . . . 4.3 Espacio Dual . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3.1 Operadores Conjugados . . . . . . . . . . . . . . . . 4.3.2 Conjugado de Hermite . . . . . . . . . . . . . . . . . 4.3.3 Ejercicios Resueltos . . . . . . . . . . . . . . . . . . . 4.4 Convergencia D ebil . . . . . . . . . . . . . . . . . . . . . . . 4.4.1 Ejercicios Resueltos . . . . . . . . . . . . . . . . . . . 4.5 Ejercicios Propuestos . . . . . . . . . . . . . . . . . . . . . . 5 Conjuntos compactos y Operadores totalmente continuos 5.1 Conjuntos compactos en espacios normados . . . . . . . . . 5.2 Operadores lineales totalmente continuos . . . . . . . . . . . 5.2.1 Ejercicios Resueltos . . . . . . . . . . . . . . . . . . . 5.3 Ejercicios resueltos aplicados a la resoluci on de ecuaciones integrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5.4 Ejemplos Propuestos . . . . . . . . . . . . . . . . . . . . . . 6 Operadores autoconjugados. Teor a espectral 6.1 Operadores autoconjugados . . . . . . . . . . 6.1.1 Ejercicios Resueltos . . . . . . . . . . . 6.2 Espectro de un operador lineal . . . . . . . . . 6.2.1 Ejercicios Resueltos . . . . . . . . . . . 6.3 Ejercicios Propuestos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

142 . 143 . 144 . 150 . 161 . 179 180 . 180 . 182 . 188 . 195 . 206

ii

Cap tulo 1 Una aproximaci on al estudio del An alisis Funcional

El An alisis Funcional es un producto de las matem aticas modernas que condensa resultados de diferentes ramas del an alisis tales como: las ecuaciones diferenciales ordinarias y parciales, ecuaciones integrales, c alculo variacional, an alisis num erico, teor a de aproximaciones y otros. Se ha demostrado que resulta sumamente importante para una mejor comprensi on de resultados ya obtenidos y por obtener. Hoy d a, es imposible trabajar en temas del an alisis sin alg un conocimiento de los m etodos y herramientas que nos proporciona. El an alisis cl asico trabaja en espacios eucl deos ndimensionales, de donde tenemos las nociones de funciones, convergencia, etc. El An alisis Funcional extiende y generaliza considerablemente algunas nociones como espacio, convergencia y funci on. Los elementos de los espacios ahora no s olo ser an n umeros o nuplos de n umeros sino elementos de naturaleza arbitraria, por ejemplo: funciones, medidas, sucesiones. Estos espacios pueden tener innitas dimensiones y estas pueden ser contables o no. Adem as de funciones se tienen aplicaciones (transformaciones) de espacios en otros, por lo que en casos especiales podemos hablar de funcionales y operadores. La convergencia y los l mites ser an tambi en redenidos de manera muy general para espacios muy abstractos. La forma muy general de estas nociones b asicas permite aplicar los resultados en otras ramas distintas de las matem aticas. Algunos resultados est an muy cerca de los cl asicos del an alisis, pero en otros casos dieren considerable1

mente de las ideas que se tienen de los espacios euclideanos ndimensionales. Resulta un hecho que las interpretaciones geom etricas son muy importantes para entender muchos m etodos del An alisis Funcional, es por esto que resulta necesario conocer las nociones geom etricas en cualquier momento en esta especialidad. Las herramientas algebraicas son, tambi en, de suma importancia y completan la idea de que existen tres ramas de las matem aticas (geometr a, algebra y an alisis) que se encuentran conectadas de una manera muy evidente. Este texto comienza desde un recordatorio de algunos conceptos y se va adentrando en la teor a m nima necesaria para resolver m ultiples problemas del An alisis Funcional.

1.1

Orientaciones metodol ogicas

La asignatura An alisis Funcional es una de las de mayor grado de abstracci on a la cual se enfrenta el estudiante de Licenciatura en Matem atica. Esto se debe a su car acter unicador, destinado a la obtenci on de resultados muy generales que pueden ser aplicados pr acticamente en todas las ramas de la Matem atica. Lo anterior explica por qu e esta asignatura es considerada simult aneamente como b asica espec ca y como asignatura del ejercicio de la profesi on. El enfoque intr nseco del An alisis Funcional constituye una dicultad para la generalidad de los estudiantes que la reciben a la altura del cuarto a no de la carrera, tras haber recibido otras asignaturas b asicas y del ejercicio de la profesi on, donde se han aprendido algunas t ecnicas un tanto espec cas del An alisis Funcional. Entre estas asignaturas pueden citarse el An alisis Matem atico, la Topolog a y la Teor a de la Medida e Integraci on. La dicultad que se ha aludido ha sido reconocida por estudiantes de todas las universidades del pa s en diversos contextos, por lo cual la impartici on del An alisis Funcional constituye un reto pedag ogico para los profesores del claustro de la carrera, agravado por la carencia de textos con caracter sticas id oneas. 2

El texto b asico carece expl citamente de ejercitaci on y los textos de consulta que pueden utilizarse (que se reeren en la bibliograf a de este texto) maniestan algunos de los se nalamientos siguientes: Solo muestran algunos ejercicios propuestos, ninguno resuelto. Indican respuestas cualitativas de algunos ejercicios propuestos. En algunos casos se esboza la aplicaci on de ciertos articios. Por lo antes se nalado reviste importancia acometer la did actica especializada de esta asignatura a partir de la elaboraci on de un libro como material de estudio que posea las caracter sticas requeridas, en particular, cubrir los contenidos planteados en el Plan de Estudios de la Carrera de Matem atica. La intenci on del texto es viabilizar la adquisici on de habilidades en las t ecnicas del An alisis Funcional, que deben lograrse mediante las formas organizativas de docencia tales como el seminario, cuya preparaci on debe estar apoyada en una adecuada orientaci on del trabajo independiente. El seminario es propicio para debatir tanto aspectos te oricos como pr acticos, por lo que se ha prestado atenci on al desarrollo de ejemplos de ambos tipos en el texto. Por tanto, complementando el texto con una gu a apropiada, se puede estimular la independencia en el estudiante, potenciar la inclusi on de temas novedosos del perl del especialista (de acuerdo con el Plan de Estudio), seleccionar las actividades preparatorias para el desarrollo del seminario y basar la ejecuci on de actividades de rearmaci on de conocimientos.

1.2

Caracter sticas del texto

El presente libro es el resultado de varios a nos de trabajo de los profesores de la asignatura An alisis Funcional y surge debido a la necesidad de que tanto los estudiantes como los profesores puedan utilizar un texto metodol ogicamente apropiado para el desarrollo del proceso docente-educativo. El mismo est a estructurado mediante seis cap tulos que abarcan temas b asicos de la formaci on del profesional en esta asignatura. Cada uno de los cap tulos presenta los esenciales te oricos dosicados en ep grafes que muestran las 3

deniciones, relaciones te oricas fundamentales y comentarios que contribuyen a la jaci on del conocimiento. El desarrollo de los ejercicios est a preparado para que el profesor pueda viabilizar la ense nanza probl emica y para que el estudiante pueda estudiar de forma tutorial bajo la orientaci on del docente porque se han explotado creativamente las facilidades del editor1 para este n. Como caracter stica general, la forma de presentaci on de los cap tulos conere una unidad metodol ogica al texto. Este hecho, unido a que el tratamiento te orico es general y el contenido es consecuente con los requerimientos de la ejercitaci on seleccionada, hace del texto un material bibliogr aco auto contenido. Con el n de rearmar y ampliar la formaci on profesional relacionada con el ejercicio de la profesi on, en el pen ultimo cap tulo se han introducido ejercicios relacionados con la aplicaci on pr actica de la teor a de Fredholm a la resoluci on de ecuaciones integrales, lo cual refuerza el car acter extraordinario de este texto en cuanto a su aplicabilidad. Sobre la base de resultados ya publicados, relativos a la aplicaci on de modernos m etodos de ense nanza en el aprendizaje de la Matem atica, en algunos casos vinculados al uso de la computaci on, en la confecci on del presente libro se maniestan las siguientes perspectivas que coneren aspectos novedosos al texto: Se han utilizado las extraordinarias ventajas que ofrece el LaTeX en cuanto al manejo de la simbolog a estructural, con vistas a instrumentar la condici on tutorial del conocimiento, lo cual aumenta notablemente la calidad del autoestudio. Esto puede apreciarse a lo largo de los ejercicios que son explicados en este libro. Se han aprovechado invariantes metodol ogicas para el desarrollo de algunos temas, tales como la determinaci on de la norma de un operador, en particular de un funcional. Se ha procurado facilitar tanto al profesor como al estudiante la concepci on del seminario como forma de concretar el papel integrador de la asignatura. A este n contribuye la forma en que se ha dise nado la resoluci on de los ejercicios.
1

LaTeX

 Se viabiliza la comprensi on del estudiante en lo relativo al tratamiento de la modelaci on matem atica en problemas del An alisis Funcional, si el profesor aplica las reglas heur sticas que caracterizan el m etodo de ense nanza probl emica. Se facilita al profesor el montaje de una ingenier a did actica, debido a que se ha utilizado un enfoque apropiado mediante el cual los ejercicios se presentan de forma natural en el contexto de la presentaci on te orica y los ejercicios propuestos no son simplemente ejercicios adicionales, sino que constituyen un complemento, puesto que se originan en los ejercicios resueltos o los generalizan.

1.3

Sobre el enfoque global en el curso de An alisis Funcional

Para el logro de valores eticos en el estudiante, es muy u til que gane conciencia de la relevancia de los hechos precedentes y del esfuerzo mantenido del hombre para alcanzar nuevas conquistas como respuesta a los retos sociales. Por esto se impone abordar de forma sistem atica y organizada el contenido con un enfoque que proyecte en particular la historia de la profesi on. La presentaci on realizada toma en consideraci on diversas dimensiones o l neas de la relaci on An alisis Funcional-contexto hist orico con caracter sticas utilitarias bien denidas. Entre las dimensiones pueden citarse las siguientes: Psicol ogica: Busca la motivaci on por la aplicaci on de potentes resultados que conducen al manejo de valores eticos inherentes a la matem atica, tales como la elegancia, la precisi on y la concisi on. Epistemol ogica: Destinada a materializar las relaciones con otras disciplinas. En este caso son claros los v nculos con las m as notables propiedades topol ogicas de los espacios m etricos, entre ellas la caracterizaci on de la continuidad de funciones denidas entre espacios m etricos (ampliamente utilizada en la resoluci on de los ejercicios), el teorema de Baire (base de la demostraci on del teorema general de la acotaci on uniforme) y las caracterizaciones de la compacidad en espacios m etricos, expl citamente resumidas en el cap tulo 5 por su relevancia pr actica en 5

el mismo. Como proyecci on de la teor a estudiada se han aplicado resultados b asicos del An alisis Funcional en diversas areas, como por ejemplo el teorema de la acotaci on uniforme en An alisis Matem atico; la teor a de operadores inversos en Matem atica Num erica y en Ecuaciones Diferenciales; la noci on de convergencia d ebil en la teor a de funciones generalizadas y la teor a espectral en la resoluci on de ecuaciones integrales. L ogica: Mediante la dosicaci on de procesos inductivo-deductivos. En este texto se procura un balance entre lo general y lo particular y una concatenaci on te orico-pr actica basada en los esenciales m nimos y la adecuada aplicaci on de la experiencia acumulada. Axiol ogica: Debe garantizar la derivaci on de valores partiendo de la asequibilidad del conocimiento a partir de las caracter sticas de la presentaci on, la forma de usar las t ecnicas y el lenguaje. El objetivo es lograr la actualidad en la informaci on, profundizar la especicidad cultural e inculcar un compromiso social mediante el an alisis de los hechos y de la labor de eminentes profesionales. En el presente estudio hay nombres expl citos de gran signicaci on cient ca en la historia del An alisis Funcional, entre ellos: Stefan Banach (1892-1945) pionero en el estudio de los espacios normados y de sus aplicaciones a partir de 1922; David Hilbert (1862-1943) considerado el m as c elebre matem atico alem an de la primera mitad del siglo XX, con aportes en casi todas las ramas de la matem atica (fue contempor aneo de Otto H older (Alemania, 1859-1937)); Hermann Minkowski (1864-1909), matem atico y f sico alem an de origen ruso, creador de algunos tipos de espacios que fueron la base del progreso de la Teor a de la Relatividad y Frederich Riesz (1880-1956), h ungaro, que continu o y generaliz o la obra de Hilbert.

1.4

Pre ambulo al texto

Con vistas a propiciar una motivaci on inicial para un acercamiento al texto, brindamos aqu una exposici on informal que constituye una visi on escueta de ideas previas que contribuyen a la comprensi on de la perspectiva del presente libro.

1.4.1

Inuencia del An alisis Cl asico en el An alisis Funcional

Para adquirir una idea de c omo se origin o la teor a del An alisis Funcional, es u til tomar en consideraci on algunos hechos basados en la geometr a cl asica, como los que se exponen a continuaci on: En el espacio Rn de n-plos de coordenadas reales, se pueden denir dos operaciones: una de suma (que permite la traslaci on) y otra de multiplicaci on por un escalar (o dilataci on en sentido amplio) y estas operaciones dotan a este espacio de una estructura de espacio vectorial, lo cual ofrece la posibilidad de expresar algebraicamente propiedades anes de la geometr a (por ejemplo, el segmento xy es paralelo al zu si el vector y x es igual al vector u z ). La distancia euclideana permite fundamentar la noci on de convergenn cia de una sucesi on de puntos en R . La formalizaci on del concepto de distancia euclideana entre dos puntos x, y como una aplicaci on de n valores positivos denida sobre el producto cartesiano de R por s mismo, posee tres propiedades muy caracter sticas asociadas a la noci on heur stica de la separaci on entre dos puntos: la propiedad triangular, que expresa que en todo tri angulo XY Z , la longitud del lado XY es menor que la suma de las longitudes de los otros dos lados; la propiedad de invarianza del valor de la distancia al permutar la notaci on de los puntos considerados y la propiedad de nulidad del valor de la distancia si y s olo si los puntos coinciden. De aqu que Rn est a dotado de una estructura m etrica que presenta dos propiedades b asicas, sobre las cuales descansa la teor a cl asica de funciones, esto es, el An alisis Matem atico: el teorema de CauchyBolzano (una sucesi on es convergente si y s olo si es de Cauchy) y el teorema de Bolzano-Weirstrass (de toda sucesi on acotada se puede extraer una subsucesi on convergente). La suciencia para la convergencia en el teorema de Cauchy-Bolzano ofrece un modelo de comportamiento de Rn que debe recuperarse en espacios m as generales mediante una caracter stica expl cita, lo cual origina la noci on de espacio m etrico completo. on entre las caracter sticas vectorial y m etrica (euclideana, La relaci 7

por lo que Rn se designa entonces como E n ) est a dada por las dos propiedades que pueden expresarse as : (1) La distancia d(x, y ) entre los puntos x, y no cambia si los dos puntos se someten a la misma traslaci on, esto es: d(x + z, y + z ) = d(x, y ). (2) La distancia entre los puntos x, y queda multiplicada por el m odulo del escalar que dilata ambos puntos, es decir: d(cx, cy ) = |c| d(x, y ). Tomando z = y en la primera propiedad se tiene d(x y, 0) = d(x, y ), lo cual signica que es suciente conocer las distancias al origen para determinar las distancias entre todos los puntos. Por tanto, el n umero d(x, 0) adquiere una relevancia especial que tiene las propiedades siguientes: d(x, y ) 0 d(x + y, 0) ,
Prop. (1)

d(x, 0) = 0 x = 0,

d(cx, 0) = |c| d(x, 0)

= =

d(x + y y, y ) = d(x, y ) d(x, 0) + d(0, y )

d((1)(0),(1)y )

Prop. (2)

d(x, 0) + |1| d(0, y )

=1

d(x, 0) + d(0, y )

Por invarianza

d(x, 0) + d(y, 0)

A la aplicaci on p(x) = d(x, 0) de valores positivos denida sobre Rn se le llama norma y de acuerdo con lo anterior cumple las propiedades: (N1) p(x) = 0 x = 0; (N2) p(cx) = |c| p(x); (N3) p(x + y ) p(x) + p(y ). El concepto de norma se vincula estrechamente al de producto escalar de cualquier par de vectores de Rn : x = (x1 , x2 , ..., xn ) 8 y = (y1 , y2 , ..., yn )

denido as : (x| y ) =

xi y i ,
i=1

debido a que
n

(x| x) =
i=1

2 2 x2 i (d(x, 0)) = (p(x)) .

Este producto obedece a las leyes siguientes: (x1 + x2 | y ) = (x1 | y ) + (x2 | y ) (cx| y ) = c (x| y ) (x| y ) = (y | x) (x| x) 0; (x| x) = 0 x = 0; y adem as la desigualdad fundamental |(x| y )| p(x) p(y ) Luego para dos vectores no nulos x, y se tiene que |(x| y )| (x| y ) 1 1 1 p(x) p(y ) p(x) p(y ) y este hecho origina la noci on de angulo entre dos vectores x, y mediante la denici on cos = (x| y ) . p(x) p(y )

La importancia de esta relaci on radica en que nociones tales como la perpendicularidad entre vectores, as como resultados asociados (por ejemplo el teorema de Pit agoras ) se generalizan a espacios arbitrarios siempre que exista un producto que satisfaga la axiom atica del producto escalar analizado.

1.4.2

Generalizaci on de la geometr a al An alisis Funcional

Aunque desde la epoca de Euclides se sab a que la validez de los teoremas de la geometr a dependen s olamente de la axiom atica que gobierna el comportamiento de los entes geom etricos y no de la naturaleza de dichos entes, durante mucho tiempo la imagen f sica de los conceptos de punto, recta, angulo, etc., ejerci o una gran limitaci on al campo de aplicaci on de los teoremas. Con el desarrollo del An alisis Matem atico, la perspectiva axiom atica para la aplicaci on pr actica de los resultados gan o fuerza, y por tanto trascendi o del marco de E n . Son muy notables los problemas que plantean los ejemplos siguientes: 1) Dada una matriz K = (kij ) y un vector y = (y1 , ..., yn ) E n , hallar un vector x = (x1 , ..., xn ) E n tal que:
n

kij xj = yi
j =1

i = 1, ..., n

De forma precisa, la inc ognita es una funci on x con dominio en el conjunto {1, ..., n} tal que x(i) = xi i = 1, ..., n

Entonces, x constituye un punto en un cierto conjunto de funciones. N otese que una matriz es un caso particular de una funci on de dos variables, y sobre la base de esta analog a, Ivar Fredholm (Suecia, 18661927) plante o el problema que se presenta a continuaci on. 2) Dada una funci on de dos variables k (t, s), t, s [a, b], la funci on y (t) y el par ametro , hallar una funci on x(t) tal que
b

x(t) +
a

k (t, s)x(s) ds = y (t)

Como en el caso de la teor a de ecuaciones algebraicas se tiene una interpretaci on geom etrica de la misma por su relaci on con E n , Hilbert se 10

propuso hallar un enfoque geom etrico an alogo para la teor a de Fredholm, y esto lo llev o a introducir espacios de dimensi on innita cuyos elementos eran sucesiones o funciones con ciertas caracter sticas, donde se puede denir la noci on de distancia, perpendicularidad u ortogonalidad, etc. En la teor a de Hilbert se generaliza la noci on de punto, pero se mantiene an aloga la f ormula para la distancia. En sus trabajos, Minkowski generaliza la noci on de distancia en un cierto sentido; pero impl citamente la generalizaci on del concepto de distancia se ten a desde que Pafnuty Chebychev (Rusia, 1821-1894), en la teor a de aproximaci on de una funci on continua x por un polinomio P (t), al evaluar la bondad de la aproximaci on, utilizaba el valor de d(x, P ) = sup |x(t) P (t)| ,
t[a,b]

ya que posee todas las propiedades rese nadas para la distancia.

1.4.3

Importancia de los espacios normados generales

La creaci on de las teor as abstractas de espacios m etricos, normados, hilbertianos, etc., donde s olo se jan los axiomas a los que obedecen estos conceptos, permite deducir un grupo de teoremas que despu es puede aplicarse a diversas teor as particulares y as se evita repetir para cada teor a particular el mismo razonamiento. Usualmente, la teor a general se enriquece mediante las tres v as siguientes: Buscando analog as de buenaspropiedades establecidas en espacios concretos. As , por ejemplo, se generalizan las nociones de espacio completo y de conjunto compacto. En el caso de esta u ltima noci on, el proceso de transferencia de la misma a espacios innito-dimensionales conduce a un concepto cualitativamente m as amplio que el que se tiene en E n . Aumentando la cantidad de estructuras disponibles sobre un conjunto, ya que hay m as propiedades y resultados que pueden ser utilizados. Por ejemplo, si en un espacio normado se considera adem as un producto como operaci on interna, que satisface ciertas compatibilidades tanto con la estructura algebraica de espacio vectorial como con la estructura 11

topol ogica de norma, entonces la teor a se hace m as rica porque se pueden considerar adem as las especicidades de otras teor as tales como la de ideales. Estableciendo relaciones entre diversos espacios mediante morsmos apropiados. Entre ellos se destacan los que dan lugares a los espacios normados siguientes: L(E ) = {T : E E, E = {f : E K, T lineal} (completo si E es completo) f lineal} .

La importancia de L(E ) reside en que constituye el marco apropiado para la teor a espectral, la cual resulta una generalizaci on a espacios innitos de la reducci on de una matriz a la forma diagonal, mientras que la del espacio E radica en que permite obtener resultados de representaci on que logran la identicaci on de espacios arbitrarios con espacios conocidos.

1.5

Panor amica del texto

El presente texto consta de seis cap tulos, especializados en t ecnicas del An alisis Funcional lineal a partir del segundo. Las principales ideas de cada cap tulo pueden resumirse como sigue: El segundo cap tulo, relativo a espacios normados, destaca la axiom atica esencial del concepto de norma e introduce por su relevancia la noci on de espacio de Banach como caso particular de espacio m etrico completo, ya que dicha noci on fundamenta un conjunto sustancial de resultados muy importantes en las aplicaciones. A su vez, son introducidos los espacios de Hilbert como casos particulares de espacios de Banach, debido a que constituyen la generalizaci on natural de los espacios eucl deos (donde existe el concepto de ortogonalidad) y adem as constituyen tambi en el marco apropiado para el b asico teorema de Riesz. Los espacios normados resultan el caso m as sencillo de espacios vectoriales topol ogicos, y en los ejemplos resueltos se fortalece la idea de la compatibilidad entre la estructura algebraica de espacio vectorial y la 12

estructura topol ogica asociada a la norma mediante la demostraci on de la continuidad de las operaciones de espacio vectorial. Se muestra una forma general del teorema de la acotaci on uniforme que se particulariza posteriormente en el cuarto cap tulo. El tercer cap tulo estudia los operadores lineales con una gran incidencia pr actica como muestran los tipos abordados en la ejemplicaci on: integrales, diferenciales, de diferencias nitas, de transformadas, matriciales, de retardo, de evaluaci on, de proyecci on, etc. Dentro de la clase de los operadores lineales se estudian y caracterizan subclases distinguidas por su potencia te orica: los operadores continuos, los inversibles y los cerrados. Aqu se establece la equivalencia entre operadores continuos y acotados, lo cual facilita el manejo de diversas formas equivalentes de la noci on de norma de un operador. En cuanto a los operadores inversibles se investigan las condiciones para garantizar la continuidad del inverso y se demuestran diversas relaciones entre los conceptos de operador cerrado y operador continuo. En el cuarto cap tulo, la noci on de norma de un operador se particulariza al caso de funcionales lineales continuos, que constituyen su objeto de estudio. Los resultados te oricos que se manejan se dividen en tres sentidos: el primero, enfatizar las aplicaciones anal ticas del teorema de Hahn-Banach ; el segundo, particularizar al caso de algunos funcionales el teorema de la acotaci on uniforme analizado en el cap tulo 2 y el tercero, introducir la importante noci on (por su aplicaci on en optimizaci on) de operador lineal adjunto y del concepto derivado en el contexto de espacios de Hilbert que se denomina como conjugado de Hermite. El quinto cap tulo trata una clase con propiedades especiales, que es usual en la teor a de las ecuaciones integrales y en los procesos de sumaci on: esta es la clase de los operadores totalmente continuos. El sexto cap tulo se utiliza para aplicar los fundamentos te oricos del 13

cap tulo anterior, vinculados con el desarrollo de rudimentos de la teor a espectral. Finalmente se ofrece un ndice de materias para ayudar al lector a localizar las principales deniciones y las nomenclaturas de los teoremas que son estudiados y aplicados en el texto.

14

Cap tulo 2 Espacios normados

La noci on de m odulo (o valor absoluto) de un n umero real es muy importante porque a partir de el se dene un indicador de la cercan a entre dos n umeros cualesquiera: este consiste en considerar el m odulo de la diferencia entre ellos, es decir, se puede denir la aplicaci on: d : R R R+ as : d(x, y ) = |x y |

Con este concepto se puede denir inmediatamente la noci on de l mite de una sucesi on {xn } a x, se denota xn x y se dice que xn tiende a x: xn x > 0 n0 N : n n0
def.

d(xn , x) = |xn x| <

La relevancia de este hecho es que permite dotar a R de una estructura no s olo algebraica, sino anal tica en el sentido de que hace posible manejar la noci on de convergencia. Si se intenta buscar cu ales son las propiedades del valor modular que hacen posible este salto cualitativo, se puede observar que en relaci on con las operaciones de suma y multiplicaci on de n umeros reales se cumple que: |x| = || |x| |x + y | | x | + |y | y adem as |0| = 0. Si se trata de generalizar estas propiedades y convertirlas en axiom atica de 15

una aplicaci on de valores positivos denida sobre cualquier espacio vectorial, tambi en denominado lineal, se tendr a la denici on de norma que va a constituir un marco apropiado de estudio de un elevado n umero de propiedades de gran impacto en el An alisis Funcional.

2.1

Espacios normados

Un espacio lineal X sobre el conjunto de los n umeros reales R (de los complejos C) se denomina espacio normado si para todo x X se pone en correspondecia un n umero no negativo x llamado norma de x, tal que se cumplan los tres axiomas siguientes: 1) x = 0 x = 01 2) x = || x 3) x + y x + y (Ejercicios Resueltos 1 y 2) Todo espacio normado X resulta un espacio m etrico para la aplicaci on d : R R R+ dada por: d(x, y ) = x y , (Ejercicio resuelto 3) por lo que adquiere sentido la noci on de bola y consecuentemente la noci on topol ogica de conjunto abierto. La denominaci on de bola responde a la forma geom etrica del conjunto que corresponde a la utilizaci on de la norma euclideana en el espacio tridimensional. El conjunto Sr (x0 ) = {x X : x x0
1

< r} se llama bola abierta con

x = 0 x = 0 por lo que el axioma 1) se puede sustituir por si y s olo si como consecuencia del axioma 2).

16

r (x0 ) = {x X : centro en el punto x0 X y radio r > 0. El conjunto S x x0 r} se llama bola cerrada de centro en el punto x0 X y radio r > 0. El conjunto (x0 ) = {x X : x x0 = r} se llama esfera con centro en el punto x0 X y radio r > 0. Un conjunto A X se denomina acotado si es posible encerrarlo en una bola (abierta o cerrada). (Ejercicio resuelto 4) El n umero Diam(A) = sup x y
x,y A

ametro del conjunto A X . se denomina di La nomenclatura de di ametro se justica porque esta noci on generaliza la de di ametro de un c rculo y la importancia de este concepto radica en que proporciona una v a alternativa para probar que un conjunto de un espacio m etrico est a acotado: A est a acotado Diam(A) < +. (Ejercicio propuesto 2) El n umero d(x, A) = inf x y
y A

se denomina distancia de un punto x X a un conjunto A X . El n umero d(A, B ) =

xA,y B

inf

xy

se denomina distancia entre los conjuntos A, B X . Un conjunto se llama abierto si para cualquier x0 M existe un r > 0 tal que, Sr (x0 ) M . Un punto a X se llama punto de acumulaci on del conjunto M X si en cualquier bola Sr (a) existe un punto x M (x = a). El conjunto de todos los puntos de acumulaci on del conjunto M se designa por M . El conjunto M M se llama clausura del conjunto M y se denota . Un conjunto M X se llama cerrado si M = M . mediante M Una sucesi on {xn } X (n N) se llama convergente hacia el elemento 17

x0 X y se escribe xn x0 si xn x0 0. Una caracterizaci on muy n u til de punto de clausura es la siguiente: { xn } M xM (Ejercicio resuelto 5) Un conjunto L X se denomina variedad lineal si de x, y L se deduce que 1 x + 2 y L, para cualesquiera 1 , 2 . Si la variedad lineal es un conjunto cerrado en X , entonces se llama subespacio. Se llama segmento, que une los puntos x, y X , al conjunto de puntos del tipo x + (1 )y, 0. Un conjunto A X se llama convexo si el segmento que une cualesquiera dos puntos de A, est a contenido totalmente en A. Las nociones topol ogicas de conjunto compacto y de conjunto relativamente compacto adquieren en un espacio m etrico formas especiales muy pr acticas porque pueden establecerse en t erminos de sucesiones. Debido a que todo espacio normado es m etrico, estas formas son v alidas tambi en en los espacios normados. Un subconjunto A (E, ) se dice que es relativamente compacto si toda sucesi on innita {xn } A contiene al menos un punto de acumulaci on x E. En otras palabras A (E, ) es compacto si todo subconjunto innito de A posee un punto de acumulaci on contenido en E . En particular, un espacio m etrico (E, ) es compacto si para toda sucesi on innita {xn } E existe, al menos, una subsucesi on {xnk } que converge a x E . Sobre un mismo espacio pueden denirse varias normas y es posible que estas est en relacionadas. Dos normas x 1 y x 2 en un espacio lineal X se llaman equivalentes si existen dos n umeros , > 0 tales que, para cualquier x X se cumple la desigualdad x 1 x 2 x 1 . (Ejercicios resueltos 6 y 7) Algunas normas de uso m as com un Se resumen seguidamente algunas deniciones de norma en diversos tipos de espacios familiares tales como: espacios de nuplos de escalares; espacios de 18 : xn x.

sucesiones y espacios funcionales constituidos por funciones continuas, continuamente diferenciables, acotadas, medibles y de variaci on acotada. Cada uno de ellos se denomina con la notaci on que se utilizar a en lo sucesivo. En el espacio E m
m
1 2

x =
k=1

|x k |

El espacio lp (p > 1) de las sucesiones acotadas x = (x1 , x2 , ...)(xk p R(xk C)) que satisfacen la condici on k=1 |xk | <
m
1 p

x =
k=1

|x k |p

El espacio lm de los vectores x = (xk )m k=1 (xk R(xk C)),

m

x =
k=1

|x k |

m El espacio lp (p > 1) de los vectores x = (xk )m k=1 (xk R(xk C)), m

1 p

x =
k=1

|x k |p

El espacio C [a, b] de las funciones continuas sobre [a,b] x = max |x(t)|

t[a,b]

El espacio C k [a, b] de las funciones k veces continuamente diferenciables sobre [a,b]

k

x =
i=0

t[a,b]

max x(i) (t)

El espacio M [a, b] de las funciones acotadas sobre [a, b] x = sup |x(t)|

t[a,b]

19

 p [a, b] de las clases de funciones medibles en el intervalo El espacio L [a, b] seg un la relaci on de igualdad en casi todas partes
b

x =
a

|x(t)|p dt

1 p

,1 p <

on acotada sobre [a, b] con El espacio V [a, b] de las funciones de variaci la norma:
b

x = |x(a)| +
a

x(t).

La funci on x(t) real dada en [a, b] se llama funci on de variaci on acotada si existe una constante c tal que para toda partici on del segmento [a, b] :
n

a = t0 < t1 < ... < tn = b

se cumple la desigualdad: |x(tk ) x(tk1 )| < c.

k=1

La variaci on total de una funci on de variaci on acotada sobre [a, b] es un n umero

b n

x(t) = sup
a k=1

|x(tk ) x(tk1 )| ,

donde la cota superior se toma sobre todas las posibles particiones nitas del segmento [a, b]. Se puede observar que el espacio lm es un caso particular de los espacios m lp (p > 1) cuando p vale 1, por lo que resulta natural extender la notaci on m lp al caso p 1 porque la aplicaci on no constituye una norma para p < 1. (Ejercicio resuelto 8)

2.2

Espacios de Banach

El concepto de espacio de Banach es muy importante porque en ellos resultan v alidos los teoremas m as signicativos del An alisis Funcional, por ejemplo el teorema de la Acotaci on Uniforme (que se particularizar a en el siguiente cap tulo) y los teoremas del inverso acotado y del gr aco cerrado (que se estudiar an en el pr oximo cap tulo). 20

Denici on 2.2.1 Sea (X, d) un espacio m etrico. Una sucesi on {xn } X se denomina fundamental si para cualquier > 0 existe un N = N ( ) tal que, para cualquier n > N y todos los p naturales se cumple la desigualdad d(xn+p , xn ) < . Un espacio X se denomina completo si toda sucesi on fundamental converge en el. Un espacio normado completo se denomina espacio de Banach. (Ejercicios resueltos 9, 10 y 11) El teorema de la Acotaci on Uniforme basa su demostraci on en el teorema de Baire, por lo que se introducen a continuaci on las deniciones topol ogicas que fundamentan este u ltimo teorema. = X . Un conjunto A X se Un conjunto A X se llama denso en X , si A llama nunca denso en X , si ) = Int(A Denici on 2.2.2 A es de 1ra categor a si es uni on contable de conjuntos nunca densos. Denici on 2.2.3 A es de 2da categor a si no es de 1ra categor a. Proposici on 2.2.1 A B = C , entonces B es de 2da categor a.
I II

Proposici on 2.2.2 es nunca denso2 de 1ra categor a no es de da 2 categor a. La forma m as directa de demostrar el teorema de Baire es considerarlo como corolario de un teorema que establece una caracter stica de los conjuntos de primera categor a en los espacios completos. Teorema 2.2.1 Sea X un espacio m etrico completo. A X, A de 1ra categor a. Entonces A = . Corolario 2.2.1.1 (Teorema de Baire) Sea X = , X espacio m etrico da completo. Entonces X es de 2 categor a.

Por la denici on.

21

Demostraci on[Teorema de Baire] Supongamos lo contrario, es decir, suponer que X es de 1ra categor a, entonces X = X = contrario a la hip otesis Combinando el teorema de Baire y la proposici on 2.2.1, se puede construir un procedimiento de demostraci on de que un conjunto dado es de segunda categor a: Procedimiento 1 (P1) Escribir la uni on disjunta X = A B , donde X es un espacio m etrico completo. (P2) Garantizar que A es un conjunto de primera categor a. (P3) Inferir que B es un conjunto de segunda categor a. Apliquemos el Procedimiento 1 para demostrar que el conjunto de los irracionales (I) es de 2da categor a en R con la topolog a usual. (P1) Q I = R, donde A = Q, B = I, X = R. (P2) A = Q es la uni on contable de sus puntos, cada uno de los cuales es un conjunto nunca denso. (P3) I es de 2da categor a3 , Q I = R4 .
I II

En el enunciado del teorema de la acotaci on uniforme interviene la noci on de seminorma, que es una aplicaci on que satisface los axiomas N2 y N3 establecidos para la norma. Teorema 2.2.2 (Teorema de la Acotaci on Uniforme) Sean X un espacio de Banach no vac o, I , x X, p (x) 0. {p }I familia de seminormas continuas. Si sup p (x) < + x X
I

entonces, sup sup p (x) < +

I x 1
3 4

Aplicando la proposici on 2.2.1. Por el Teorema de Baire.

22

Demostraci on Formemos An = {x X : p (x) n I} Notemos que An es cerrado puesto que An =

I 1 p [0, n]

adem as An 5 X 6
n n

An n A
n

concluyendo, X7 =
n

An =

n0 tiene un punto interior, es decir, Esto implica que existe n0 N : An0 = A x0 X, r > 0 tales que B (x0 , r) An0 . Probemos que {p (x)} est a uniformemente acotada sobre x < 2r. Consideremos que x est a en la bola B (x0 , r). Entonces x admite la descomposici on
x1 x2

x = x0 + aplicando p

x x x0 = 2 2

x1
B (x0 ,r)

x2
B (x0 ,r)

p (x) = p (x1 ) +
B (x0 ,r)

p (x2 )
p (x2 )B (x0 ,r)An0

2n0

I .

1. Si 2r 1, entonces sup p (x) 2n0

x 1

I ,

de donde sup sup p (x) 2n0 < +.

I x 1

Por construcci on x, {p } est a acotada 7 Completo, luego de 2da categor a.

6

23

2. Si 2r < 1, entonces

1 1 > 0. Sea m > > 1. 2r 2r

Consideremos x : x 1, m> 1 1 x x 2r 1 > 2r > 2r x 2r m m m

1

aplicando p (x) I p Entonces, p (x) 2mn0 . De aqu que sup p (x) 2mn0 sup sup p (x) 2mn0 < +.
x 1 I x 1

x 2n0 m

2.3

Espacios de Hilbert

Un espacio lineal real se llama eucl deo si a todo par de sus elementos x, y se le pone en correspondencia un n umero real denotado (x | y ) y llamado producto escalar, el cual debe cumplir los axiomas siguientes: 1) (x | x) 0, (x | x) = 0 si y s olo si x = 0 2) (x | y ) = (y | x) 3) (x | y ) = (x | y ) para cualquier K 4) (x + y | z ) = (x | z ) + (y | z ) Un espacio lineal complejo se llama unitario si a todo par de elementos suyos x, y se le pone en correspondencia un n umero complejo denotado (x | y ) y llamado producto escalar, siempre que se cumplan los axiomas siguientes: (1) (x | x) 0, (x | x) = 0 si y s olo si x = 0, (2) (x | y ) = (y | x), 24

(3) (x | y ) = (x | y ) para cualquier C, 4) (x + y | z ) = (x | z ) + (y | z ). Del axioma (1) y de la desigualdad de Cauchy-Buniakovski 8 se desprende que en espacios eucl deos y unitarios se puede introducir la norma mediante la igualdad x = (x | x) (Ejercicios propuestos 1 y 2). Un espacio H con producto escalar (eucl deo o unitario) se llama de Hilbert si es completo con respecto a esta norma. (Ejercicio resuelto 12, ejercicios propuestos 3, 4 y 5) Se llama angulo entre dos elementos no nulos x e y y de un espacio de Hilbert real a un angulo comprendido entre 0 y tal que cos = (x | y ) x y

Los elementos x, y H se llaman ortogonales y se escribe xy si (x | y ) = 0. Un conjunto de elementos z H tales que (z | x) = 0 para cualquier x M H se denota M . Un sistema de elementos h1 , h2 , ... H se llama ortogonal si (hi | hj ) = ij = 1 para i = j, 0 para i = j.

El sistema de elementos x1 , x2 , ... H se llama linealmente independiente si para cualquier n N el sistema x1 , x2 , ..., xn es linealmente independiente.

2.4

Desigualdades de H older y Minkowski

La demostraci on de la desigualdad de H older se basa en propiedades de las funciones convexas, por lo que se estudia en ocasiones bajo la denominaci on de desigualdad de convexidad y su utilidad fundamental se explica porque interviene en la demostraci on de la desigualdad de Minkowski. La importancia de esta u ltima est a dada porque fundamenta la demostraci on de la desigualdad triangular en ciertos espacios. Es por esto que resulta u til presentarlas agrupadas en diversas formas: para sumas nitas, para series y para integrales, como se resumen a continuaci on.
8

|(x | y )| (x | x)(y | y ).

25

Desigualdades de H older. Sean p, q dos n umeros reales positivos deter1 1 minados por la relaci on p + q = 1. (1) Para cualesquiera n umeros x1 , ..., xn ; y1 , ..., yn ,
n n
1 p

1 q

|xk yk |
k=1 k=1

|x k |p
k=1

|y k |q

(2) Para cualesquiera n umeros x1 , ..., xn , ...; y1 , ..., yn , ..., tales que,

|xk | < ,
k=1 k=1

|yk |q < ,

se tiene,

1 p

1 q

|xk yk |
k=1 k=1

|x k |p
k=1

|y k |q

(3) Para cualesquiera funciones continuas x(t), y (t) sobre una regi on T , |x(t)y (t)| dt
T T

|x(t)| dt

1 p

|y (t)| dt
T

1 q

Desigualdades de Minkowski. Sea 1 p < . (1) Para cualesquiera n umeros x1 , ..., xn ; y1 , ..., yn ,
n
1 p

1 p

1 p

|x k + y k |p
k=1

k=1

|x k |p

+
k=1

|y k |p

umeros x1 , ..., xn , ...; y1 , ..., yn , ..., tales que (2) Para cualesquiera n

|xk | < ,
k=1 k=1

|yk |p < ,

se tiene,

1 p

1 p

1 p

|x k + y k |p
k=1

k=1

|x k |p

+
k=1

|y k |p

26

(3) Para cualesquiera funciones continuas x(t), y (t) sobre una regi on T , |x(t) + y (t)| dt
T p
1 p

|x(t)| dt

1 p

+
T

|y (t)| dt

1 p

Una aplicaci on F : X Y , X e Y espacios normados, se llama continua en el punto x0 X , si para cualquier > 0 existe = (x0 ) > 0 tal que, para todo x0 S (x0 ), f (x) S (f (x0 )). Una aplicaci on F : X Y se llama continua, si es continua en cada punto x0 X . Una aplicaci on F : X Y se llama uniformemente continua, si para cualquier > 0 existe = ( ) > 0 tal que, para todo x0 X de x S (x0 ) se deduce que f (x) S (f (x0 )). (Ejercicios resueltos 15, 16 y 17, ejercicio propuesto 6) Tambi en es v alida y muy u til desde el punto de vista pr actico, la siguiente caracterizaci on de la continuidad de una funci on denida entre espacios m etricos mediante el concepto de sucesi on y que se conoce con la denominaci on de funci on sucesionalmente continua. Se tiene en este caso que: f es continua en x f es sucesionalmente continua en x [xn x f (xn ) f (x)]. (Ejercicio resuelto 14)

2.5

Ejercicios Resueltos
p(x) = sup |x(t)|
t[a,b]

1. Probar que en el espacio X de las funciones acotadas sobre [a, b], xX

constituye una norma. Soluci on: 1) p(x) = 0 sup |x(t)| = 0 |x(t)| = 0 t [a, b]
t[a,b]

x(t) = 0 t [a, b] x = 0. 27

2) p(x) = sup |(x)(t)| = sup |x(t)| = sup || |x(t)| = || sup |x(t)|

t[a,b] t[a,b] t[a,b] t[a,b]

= || p(x) K 3) Sean x, y X t [a, b]

x X.

|(x + y )(t)| = |x(t) + y (t)| |x(t)| + |y (t)| sup |x(t)| + sup |y (t)|
t[a,b] p(x) cota superior t[a,b] p(y )

sup |(x + y )(t)| p(x) + p(y ).

t[a,b] p(x+y )

2. En el espacio de las funciones continuamente diferenciables sobre [a, b] determinar si las siguientes expresiones constituyen normas: a) max |x (t)|;
t[a,b]

b)

t[a,b]

max |x (t)| + |x(a)|.

t[a,b]

Soluci on al inciso a) Denominemos p(x) = max |x (t)| p(x) = 0 max |x (t)| = 0 |x (t)| = 0 t [a, b]
t[a,b]

X (t) = 0 t [a, b] x(t) es constante en [a, b] x=0 Conclusi on: p no es una norma. Soluci on al inciso b) Denominemos p(x) = max |x (t)| + |x(a)|
t[a,b]

p(x) = 0 max |x (t)| = 0 |x(a)| = 0

t[a,b]

Por el razonamiento hecho en el inciso a), x(t) es constante en [a, b] y x(a) = 0, lo cual indica que la constante es necesariamente 0. p(x) = 0 x = 0. 28

Es necesario analizar si se cumplen los restantes axiomas; p(x) =

t[a,b] t[a,b]

max |(x) (t)| + |(x)(a)|

= max |X (t)| + || |x(a)|

|||x (t)|

= || max |x (t)| + |x(a)|

t[a,b] p(x)

Veamos el u ltimo axioma p(x + y ) = max |(x + y ) (t)| + |(x + y )(a)|

t[a,b]

Pero por las deniciones

t[a,b]

max |(x + y ) (t)|+|(x + y )(a)| =

t[a,b]

max |x (t) + y (t)| +|(x + y )(a)|

Para todo t [a, b] se tiene |x (t) + y (t)| |x (t)| + |y (t)| max |x (t)| + max |y (t)|
t[a,b] t[a,b]

max |x (t) + y (t)| max |x (t)| + max |y (t)|

t[a,b] t[a,b] t[a,b]

A partir de la expresi on de p(x + y ) llegamos a que p(x + y ) max |x (t)| + max |y (t)| + |x(a)| + |y (a)|
t[a,b] t[a,b]

= max |x (t)| + |x(a)| + max |y (t)| + |y (a)|

t[a,b] t[a,b] p(x) p(y )

etrico. 3. Probar que todo espacio normado es m Soluci on: Sea X un espacio normado. Denamos: d(x, y ) = x y , donde d satisface los axiomas siguientes: 29

1) d : X X R+ ; 2) d(x, y ) = x y = (1)(y x) = |1| y x = d(y, x); 3) d(x, y ) = 0 x y = 0 x = y ; 4) d(x, y ) = x y = 9 (x z ) + (z y ) x z + z y .

d(x,z ) d(z,y )

De aqu que se cumplen los axiomas de distancia, por lo que (X, d) es un espacio m etrico. 4. Hallar las formas geom etricas de las bolas siguientes: 1 (0) en E 3 . 4.1) S 1 (0) en R3 con la norma x = max |xi |. 4.2) S
i=1,2,3

4.3) S1 (f0 ) en C [a, b]. 1 (0) = {(x1 , x2 , x3 ) R3 : x2 + x2 + x2 1} Soluci on al inciso 4.1) S 1 2 3 (esfera centrada en el origen y radio 1). 1 (0) = {max(|x1 | , |x2 | , |x3 |) 1}. Soluci on al inciso 4.2) S max(|x1 | , |x2 | , |x3 |) 1 |x1 | 1, |x2 | 1 |x3 | 1 1 x1 1 , 1 x2 1 , 1 x3 1. 1 (0) es un cubo centrado en el origen y con arista de Luego, S longitud 2. Soluci on al inciso 4.3) S1 (f0 ) = f C [a, b] : max |f (t) f0 (t)| < 1 .
t[a,b]

t[a,b]

max |f (t) f0 (t)| < 1 t [a, b]

|f (t) f0 (t)| < 1

t [a, b] 1 < f (t) f0 (t) < 1 t [a, b] f0 (t) 1 < f (t) < f0 (t) + 1. Entonces, la ordenada f (t) del gr aco de cada una de las funciones en la bola centrada en f0 est an comprendidas en la banda determinada por las ordenadas de las funciones f0 (t) 1 y f0 (t)+1.
9

Introduciendo z X .

30

). 5. Probar que Diam(A) = Diam(A Soluci on: . Sean x, y A {xn } , {yn } A Sea > 0 n 0 N Entonces, d(x, y ) d(x, xn ) +d(xn , yn ) + d(yn , y ) < 2 + Diam(A),
< <

Diam(A) Diam(A ). AA : xn x d(xn , x) < yn y. d(yn , y ) < .

n n0

) 2 + Diam(A) Diam(A Como es arbitrario ) Diam(A). Diam(A on 6. Indicar normas de R3 para las cuales la sucesi xn = 6n n+1 1 , 2 , 1 en n2

n n0 .

es convergente. Determinar el l mite. Soluci on: Para la norma euclideana o cualquiera equivalente a ella, xn converge a x = (a, b, c) donde 6n b = lim 2n+1 n en n si cada uno de estos l mites existe a = lim a = lim a = lim 6n n en b = lim 2 2n
n

c=1

1 n2 1 n2

c = lim

6 2 1 = 0 b = lim = 0 c = lim 1 n en n 2n n n2 31

=10=1

Por tanto el l mite es (0, 0, 1). En particular si se designa x = (x1 , x2 , x3 ), las normas
3

= max |xi |
i=1,2,3

=
i=1

|x i |

son equivalentes a la euclideana

3
1 2

=
i=1

|x i |2 es equivalente a la euclideana
2

Vamos a probar en particular que x

Def. 0

i=1,2,3

max |xi | =

i=1,2,3

max |xi |

|x 1 |2 + |x 2 |2 + |x 3 |2
x
2

i=1,2,3

max |xi |

3 x

Se han obtenido las constantes a = 1 y b = a x

0

3 tales que: ,

b x

lo cual signica por la denici on que las normas son equivalentes. Se puede probar que todas las normas sobre un espacio vectorial nito dimensional son equivalentes y este hecho ser a utilizado en cap tulos posteriores. Por tanto, el aspecto m as interesante de esta comprobaci on reside en evaluar las constantes espec cas a y b para el caso tratado. 7. Si se dene en el conjunto de las normas sobre un espacio vectorial la relaci on
1

son normas equivalentes

32

probar que R es una relaci on de equivalencia. Soluci on: Hay que probar que R satisface las propiedades de ser reexiva, sim etrica y transitiva. (1) Propiedad reexiva. Hay que establecer que
1

Eligiendo a = b = 1 se tiene trivialmente que a

1

Por lo que se cumple la propiedad reexiva. etrica. Se requiere probar que (2) Propiedad sim
1 1

R R

2 2

2 R 1 a, b > 0 : 1 x 1 x a 1 x 2 x b 2 R 1 .

a x
2

x 2 b x 1 x 2 x 1 b
2

1 x a

(3) Propiedad Transitiva.

1 1 2

R R R

2 R 3 : 2 a 1 , a2 > 0 : 3 b1 , b 2 > 0
2

a1 x 1 x 2 a2 x 1 b1 x 2 x 3 b2 x 2 .

De estas desigualdades se deduce: x 3 b2 x 2 b2 a2 x 1 x 3 b1 x2 b1 a1 x 1 a1 b1 x 1 x 3 a2 b2

a>0 b>0

33

8. Constituye
m

1 p

x =
k=1

|x k |p

una norma en el conjunto de los vectores x = (xk )m k=1 (xk R) si p < 1 y m 2? Soluci on: La respuesta es no, veamos qu e ocurre cuando tenemos dos vectores de la forma siguiente: 1/2 0 0 1/2 . . x= y y = . . . . 0 0 Veriquemos que no se cumple el tercer axioma de norma10 : x+y = 2 1 2
p
1 p

=2

1p p

donde 0 < p < 1

1p 1p >02 p >1= x + y . p

9. Probar que toda sucesi on fundamental est a acotada. Soluci on: Sea {xn } X una sucesi on fundamental. > 0n0 N tal que n, m n0 xn xm < En particular xn xn0 < y xm xn0 < xn B (xn0 ) y xm B (xn0 )
10

Desigualdad triangular.

34

Esto signica que la sucesi on est a acotada a partir del t ermino n0 , es decir, n n0 xn xn xn0 + xn0 xn xn0 + xn0 < + xn0 Por tanto, xn max( x1 , x2 , ..., xn0 1 , + xn0 ). 10. Sea (X, ) un espacio de Banach. Probar que (X X, (x, y ) es un espacio de Banach. Soluci on: Sea (xn , yn ) una sucesi on fundamental en X X . Se tiene que > 0n0 N tal que n, m n0 (xn , yn ) (xm , ym ) Pero (xn , yn ) (xm , ym )
0 0 0 0)

donde

= max( x , y )

< .

= (xn xm , yn ym ) 0 = max( xn xm , yn ym ) <

n, m n0 {xn } y {yn } son sucesiones fundamentales en X . Como X es un espacio de Banach, existen x, y X tales que xn x y yn y
n n

Obtengamos ahora que (xn , yn ) (x, y ). (xn , yn ) (x, y )

0

= (xn x), (yn y ) 0 = max( xn x , yn y ) 0

n

11. Sean (X, 1 ) un espacio de Banach, 1 y 2 dos normas equivalentes. Demostrar que (X, 2 ) es tambi en un espacio de Banach. 35

Soluci on
1

son

equivalentes > 0, > 0 : x X

2)

Def.

Y {an } es una sucesi on fundamental en (X,

si y s olo si
2

> 0 n0 ( ) N : n0 n p N an+p an Como x X x

1

<

an+p an

<
1 ),

entonces {an } es una sucesi on fundamental en (X, de Banach, entonces, a X : > 0 n1 ( ) N : n n1 an a Como x X x
2

como este es

< .

an a

an a
2 ).

an a

entonces, {an } a en (X,

n

Luego, como {an } es una sucesi on

2 ),

fundamental arbitraria que converge a un punto a (X, (X, 2 ) es un espacio de Banach. 12. Sea X un espacio de Hilbert. Sea M X . Denimos M = {z X : ( z | m ) = 0 m M } .

entonces

Probar que M es un subespacio (variedad lineal cerrada). Soluci on: Sean x, y M , K . x + y M ? (x + y | m) = 0

Hay que probar que m M,

(x + y ) = (x | m) + (y | m) = 0
=0 =0

36

 M . Para probar que M es cerrado es suciente probar que M . Entonces existe {xn } M : xn x. Consideremos que x M Demostremos que x M . Sea m M . (x | m) = 0? Tenemos que (xn | m) = 0 Pero, (xn | m) (x | m)11
n =0

donde xn M y m M

luego (x | m) = 0 m M . Concluimos con que x M y M es un subespacio. 13. Probar que: 13.1) Toda funci on de variaci on acotada sobre [a, b] es acotada sobre [a, b]. 13.2) La expresi on
b

x = |x(a)| +
a

x(t)

constituye una norma. Soluci on al inciso 13.1) Sea P [a, b] el conjunto de todas las particiones nitas de [a, b]. Entonces x(t) V [a, b] c > 0 : p P [a, b]
k=1 Def. n

|x(tk ) x(tk1 )| < c

Consideremos un p = {a, t, b}: |x(t) x(a)| + |x(b) x(t)| < c |x(t) x(a)| < c |x(t)| |x(a)| < |x(t) x(a)| < c |x(t)| < c + |x(a)|
11

Consecuencia del Ejemplo Resuelto (5).

37

Soluci on al inciso 13.2) Probemos ahora que

b

x = |x(a)| +
a

x(t),

es una norma. Veamos 1)

b

x = 0 |x(a)| +
a

x(t) = 0
b

|x(a)| = 0
a

x(t) = 0.

Como
n n b

|x(tk ) x(tk1 )| sup

k=1 k=1

|x(tk ) x(tk1 )| =
a

x(t)

entonces, z [a, b]
b

| x(z ) x(a) | + |x(b) x(z )|

=0 a

x(t) = 0.

Luego, z [a, b] |x(z )| = 0. 2) Debemos probar que x = || x .

b

= |x(a)| +
a

x(t)
n

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

|(x(tk ) x(tk1 ))| || |x(tk ) x(tk1 )|

k=1

= || |x(a)| + sup

38

= || |x(a)| + || sup
k=1 b

|x(tk ) x(tk1 )|

= || |x(a)| +
a x

x(t) = || x .

3) Sean x(t), y (t) V [a, b], probemos que x + y x + y .

b

x+y

= |(x + y )(a)| +
a

(x + y )(t)
n

= |(x + y )(a)| + sup

k=1

|(x + y )(tk ) (x + y )(tk1 )|

= |x(a) + y (a)|
n

+ sup
k=1

|x(tk ) + y (tk ) x(tk1 ) y (tk1 )|

n

|x(a)| + |y (a)| + sup

k=1

|[x(tk ) x(tk )] + [y (tk ) y (tk1 )]|

Aplicando la desigualdad de Minkowski (p = 1),

n n

|[x(tk ) x(tk )] + [y (tk ) y (tk1 )]|

k=1 k=1

|x(tk ) x(tk1 )|
n

+
k=1

|y (tk ) y (tk1 )| .

Luego,
n

|x(a)| + |y (a)| + sup

k=1 n

|[x(tk ) x(tk )] + [y (tk ) y (tk1 )]| |x(tk ) x(tk1 )|

k=1

|x(a)| + |y (a)| + sup

n

+ sup
k=1

|y (tk ) y (tk1 )| 39

Agrupando convenientemente,
n

= |x(a)| + sup
k=1

|x(tk ) x(tk1 )|
n

+ |y (a)| + sup
k=1 b

|y (tk ) y (tk1 )|
b

= |x(a)| +
a x

x(t) + |y (a)| +
a y

y (t) = x + y .

14. Probar que la aplicaci on f2 (, x) = x es continua. Soluci on: f2 : K X X, donde K es el cuerpo de escalares. Consideremos sobre K X cualquier estructura topol ogica que induzca la convergencia por coordenadas, en particular (, x) = max(|| , x ). Probemos que f2 es sucesionalmente continua. Supongamos que, (n , xn ) (, x).
n

Hay que probar que f2 (n , xn ) f2 (, x),

n

esto es por denici on de f2 f2 (n , xn ) = n xn f2 (, x) = x;

luego concretamente tenemos que demostrar que: n xn x

n Def.

n xn x 0.
n

40

Por esto analizamos el comportamiento de n xn x . Introduciendo el t ermino auxiliar n x n xn x = n xn n x + n x x = n (xn x) + (n )x (xn x) + (n )x = | n | x n x + | n | x

n

En el primer t ermino de la u ltima suma, se observa que {n } est a acotada por ser convergente, por tanto M > 0 tal que n |n | M , de aqu que |n | xn x 0.
n M
n

on f (x) = x es continua. 15. Probar que la funci Soluci on: f : X R+ Vamos a probar que f es sucesionalmente continua, es decir [xn x f (xn ) f (x)]
n

Supongamos entonces que xn x

n Def.

xn x 0
n

Debemos estimar: |f (xn ) f (x)| = | xn x | Tenemos que xn = 12 (xn x) + x xn x + x xn x xn x

12

Se introduce el l mite x.

41

An alogamente x = 13 (x xn ) + xn x xn + xn x xn xn x
xn x

Como xn x es mayor que ( xn x ) y tambi en es mayor que el opuesto de este n umero ( x xn ), se inere que xn x supera el valor modular de ( xn x ), de aqu que | xn x | xn x . A partir de esta estimaci on se deduce, debido a que xn x 0,
n

que

xn x .
n

16. Sea X un espacio de Hilbert sobre K . Denamos f (x, y ) = (x | y ), donde ( | ) es el producto escalar del mismo. Probar que f es una aplicaci on continua. Soluci on: Consideremos sobre X X cualquier estructura topol ogica que induzca la convergencia por coordenadas, en particular, (x, y ) = max( x , y ). De aqu que se tiene que (xn , yn ) (x, y ) xn x yn y
n n n

Probemos que f es sucesionalmente continua. Supongamos que: (xn , yn ) (x, y ); hay que probar que: f (xn , yn )
K

f (x, y )
K

f ( xn , y n ) = ( xn | y n )
13

f (x, y ) = (x | y ),

Se introduce el t ermino xn .

42

luego hay que demostrar que (xn | yn ) (x | y ) |(xn | yn ) (x | y )| 0.

n Def.

Por esto vamos a analizar el comportamiento de |(xn | yn ) (x | y )|. Introduciendo el t ermino auxiliar (xn | y ) |(xn | yn ) (x | y )| = |(xn | yn ) (xn | y ) + (xn | y ) (x | y )| = |((xn | yn ) (xn | y )) + ((xn | y ) (x | y ))| Aplicando propiedades del m odulo y del producto interior |(xn | yn ) (xn | y )| + |(xn | y ) (x | y )| = |(xn | yn y ) + (xn x | y )| Por la desigualdad de Cauchy-Buniakowski |(xn | yn y ) + (xn x | y )| xn
M

y n y + xn x
n

0
n

Por tanto, |(xn | yn ) (x | y )| 0

n

2.6

Ejercicios Propuestos

1. Determinar la forma geom etrica de la bola S1 (0) en l2 . 2. Probar que: A est a acotado Diam(A) < +. 3. Probar que en todo espacio unitario (x | y ). (x | y ) = deos y unitarios la aplicaci on 4. Probar que en los espacios eucl x = constituye una norma. 43 ( x | x)

5. Probar los ejercicios resueltos 14 y 15 a partir de la denici on expresada en t eminos de , . on 6. Probar que si X es un espacio unitario, x0 X la aplicaci f (x) = (x, x0 ), es una aplicaci on continua, aplicando: on de funci on sucesionalmente continua ; a) la caracterizaci b) la denici on en t erminos , ; c) el ejercicio resuelto 16. (x X )

44

Cap tulo 3 Operadores lineales

Si X, Y son espacios normados y se establece una aplicaci on T de X en Y , el estudio de las peculiaridades de esta funci on (denominada operador) y sus principales propiedades conduce a la obtenci on de esquemas de comportamiento predeterminados en casos aparentemente muy distintos como los siguientes: 1ro) T (x) = Ax, donde x Rn y A es una matriz cuadrada de dimensi on n. 2do) T (x) = x , donde x es una funci on con derivada continua x en un intervalo [a, b]. 3ro) T x = g , si x es una funci on continua en [0, 1] y g es la funci on dada por:
1

g (s) =
0

stx(t)dt 0 s 1

Este conocimiento resulta muy u til en la teor a de resoluci on de ecuaciones.

3.1

Continuidad, acotaci on y norma de un operador lineal

El conocido concepto de funci on continua entre espacios m etricos adquiere un matiz especial cuando los espacios son vectoriales y el operador es lineal. Se ver a que en este caso son v alidos dos resultados de gran fuerza pr actica: 45

el primero establece la equivalencia entre la continuidad en un punto y la continuidad en todo el espacio. El mismo fundamenta la demostraci on de que el concepto de continuidad equivale a un nuevo concepto: el de operador acotado, m as f acil de manejar porque est a basado en una desigualdad. Denici on 3.1.1 Sea F un operador con campo de denici on D(F ) X y campo de valores R(F ) Y . Se llama acotado si transforma cualquier conjunto acotado de D(F ) en un conjunto acotado en el espacio Y . Denici on 3.1.2 Sean X , Y espacios normados, ambos reales o ambos complejos. Un operador A : X Y con campo de denici on D(A) X se llama lineal si D(A) es una variedad lineal en X y para cualesquiera x, y D(A), as como para cualesquiera 1 , 2 R(1 , 2 C) se cumple la igualdad A(1 X1 + 2 X2 ) = 1 A(X1 ) + 2 A(X2 ). (Ejercicio resuelto 1) El conjunto N (A) = {x D(A) : A(X ) = 0} se denomina conjunto de ceros o n ucleo del operador A. La importancia pr actica del concepto de operador lineal est a dada por la variedad de operadores muy u tiles que satisfacen esta propiedad. Se resumen seguidamente algunos de ellos, suponiendo en todos los casos un dominio de denici on apropiado. (Ejercicio propuesto 4) Algunos ejemplos de operadores lineales (1) El operador nulo: Ax = 0 x X ; (2) El operador identidad: Ax = 1; (3) Ax = y si y (s) =
b a

K (s, t) x(t) dt;

(4) Ax = y si y (s) = x (s) + x(s); (5) El operador de diferencias nitas: Ax = y si y (s) = x(s) + x(s), siendo x(s) = x(s + s) x(s), x : R R; (6) El operador de transformada: Ax = 46
ei k s

x(s) ds k R;

(7) Si x = (x1 , x2 , x3 , ...) A1 x = A2 x =

k=1

1 1 1 (x1 + x2 ), (x2 + x3 ), (x3 + x4 ), ... ; 2 2 2

a1k xk ,
k=1

a2k xk , ...

(8) Ax = y si y (s) = s x(s); (9) Ax = y si y (s) = x(s 1); (10) El operador combinado (evaluaci on y multiplicaci on): Ax = y tal que y (t) = t2 x(0).

Donde A : C [0, 1] C [0, 1]; (11) El operador producto por una funci on ja: Ax = y siendo y (t) = 0 (t) x(t);

(12) Operador entre espacios de sucesiones: Ax = (1 x1 , 2 x2 , ..., n xn , ...), x = (x1 , ..., xn , ...) n R n N.

Teorema 3.1.1 Un operador lineal A : X Y , dado sobre todo X y continuo en el punto x0 X es continuo en cualquier punto y X . (Ejercicio resuelto 2) Por tanto un operador lineal A : X Y con D(A) = X es continuo si es continuo en el punto 0 X . Denici on 3.1.3 Un operador lineal A : X Y con D(A) = X se lla1 (0) es v ma acotado si existe c > 0 tal que para cualquier x S alida la desigualdad Ax c. Teorema 3.1.2 Un operador lineal A : X Y con D(A) = X es acotado si y s olo si para cualquier x X se cumple la desigualdad Ax c x . 47

(Ejercicio resuelto 3, ejercicio propuesto 2) Teorema 3.1.3 Un operador lineal A : X Y con D(A) = X es continuo si y s olo si es acotado. (Ejercicios resueltos 4, 5 y 6) Denominaci on: L(X, Y ) = {A : X Y umero Denici on 3.1.4 El n A = sup
xX, x 1

tales que A es lineal acotado} .

Ax

se denomina norma del operador lineal acotado A : X Y con D(A) = X . Proposici on 3.1.1 (Deniciones alternativas de norma) Sea A L(X, Y ). Denamos, E = sup
x=0 x =1

Ax , x

C = sup Ax ,
x 1

B = sup Ax ,

D = inf {k 0 : x X Ax k x }.

Entonces E B C D E . (Ejercicio resuelto 7) La denominaci on de norma se justica por el hecho de que la aplicaci on A = E = B = C = D constituye una norma sobre el espacio L(X, Y ) (Ejercicio propuesto 3). Tomando en consideraci on las expresiones equivalentes para la norma de un operador lineal y continuo, se puede construir un procedimiento para el c alculo de la norma. Procedimiento 2. C alulo de la norma de un operador Sea A L(X, Y ). (P1) Vericar que A es un operador (A : X Y ). 48

(P2) Vericar que A es lineal. a acotado. (P3) Vericar que A est (Es decir k : x X Ax k x )

Nota: Al terminar (P3) hemos probado que A L(X, Y ) (P4) Acotar superiormente la norma. Nota: Al terminar (P4) se concluye que A k . (P5) Hallar A . Nota: Si se quiere probar que A de las formas siguientes: = k proceder entonces de una Ax0 =k x0

1ra forma) Buscar x0 X, x0 = 0, tal que Nota: Con esto se demuestra que:

Ax0 =kE= A , x0 que es la desigualdad contraria a la determinada en (P4). 2da forma) Buscar x0 X, x0 = 1, tal que Ax0 = k . Nota: Con esto se demuestra que: Ax0 = k B = A , que es la desigualdad contraria a la determinada en (P4). (Ejercicios resueltos 8, 9, 10 y 11) Si en un espacio normado se dene una ley interna con las propiedades algebraicas de un producto con identidad e, entonces la estructura de algebra que se obtiene se hace compatible con la estructura topol ogica de espacio normado exigiendo las condiciones: 49

(1) xy x (2) e = 1.

y ;

La primera de estas condiciones conduce a establecer que la ley de producto es continua, como lo son tambi en las leyes de suma y de multiplicaci on por un escalar. (Ejercicio resuelto 12)

3.1.1

Ejercicios Resueltos

1. Sean X e Y , espacios lineales; A : X Y un operador lineal. Demostrar que el operador A transforma un conjunto convexo de D(A) en un conjunto convexo en el espacio Y . Soluci on: A lineal, S X convexo, A(S ) convexo? y1 , y2 A(S ) x1 , x2 S : y1 = Ax1 y2 = Ax2 . Sea [0, 1] y1 + (1 )y2 = Ax1 + (1 )Ax2 1 A(x1 + (1 )x2 ) A(S )
S

on del Teorema 3.1.1. 2. Veamos la demostraci Demostraci on Sea y X . Como X e Y son espacios m etricos por ser normados, es suciente probar que A es sucesionalmente continuo. Supongamos que yn y , entonces A(yn ) A(y )? A(yn ) = A(yn y + y x0 + x0 ) Por la linealidad de A, se tiene que A(yn ) = A(yn y + x0 ) + A(y ) A(x0 ),
1

Por la linealidad de A.

50

pero como A es continuo en x0 yn y + x0 x0 A(yn y + x0 ) A(x0 ) A(yn ) A(x0 ) + A(y ) A(x0 ) = A(y ) 3. Demostrar que el n ucleo N (A) de un operador lineal acotado A : X Y es un subespacio del espacio X . Soluci on: Sean x, y N (A), entonces Ax = 0 y Ay = 0 dos elementos de N (A). Por la linealidad de A tenemos A(x + y ) = Ax + Ay = 0 x + y N (A)
=0 =0

y Ax = Ax = 0 x N (A),
=0

esto nos asegura que N (A) es una variedad lineal, por lo que s olo nos faltar a probar que es cerrado. 1ra forma) Un conjunto cerrado es aquel donde se verica N (A) = N (A). Es suciente probar que N (A) N (A). x N (A) xn N (A) : xn x Axn Ax
0

Por ser A un operador continuo. De aqu que Ax = 0 x N (A).

Preimagen

2da forma) N (A) =

cerrado

A1 ( {0} )
continua cerrado

on del Teorema 3.1.3, es decir 4. Veamos la demostraci A lineal y continuo A acotado. 51

Demostraci on Supongamos que A es acotado y que xn 0, entonces Axn A(0)? Donde A(0) = 0 por el car acter lineal de A. Como una consecuencia del Teorema 3.1.2 A acotado c > 0 : Axn c xn . Luego, xn 0 xn 0 Axn 0 Axn 0 Por tanto, A continuo en x0 = 0 A continuo.2 Supongamos ahora que A es continuo, entonces ser a A acotado? Supongamos lo contrario; es decir, para cada n existe xn tal que Axn > n xn A sea yn = xn , n xn yn = 1 xn n xn = 1 0, n n xn n xn >1

pero Ayn 0, n , luego A no es continuo en el punto cero y por tanto no es continuo en ning un punto por el Teorema 3.1.1. dx 5. Ser a acotado el operador A : C [0, 1] C [0, 1], Ax(t) = , cuyo camdt po de denici on L es la variedad lineal de las funciones continuamente diferenciables sobre [0,1]? Soluci on:
2

Recordar Teorema 3.1.1

52

Sean A lineal, xn (t) = tn , Axn = xn xn Luego, { xn { Axn

n=1 } , n=1 } ,

xn (t) = ntn1 = =
t[0,1] t[0,1]

y Axn = xn .
t[0,1] t[0,1]

sup |xn (t)| = sup ntn1 = n sup |xn (t)| = sup |tn | = 1

es un conjunto acotado; pero no est a acotado.

Como podemos apreciar el operador A no est a acotado A no es 3 continuo. 6. Sean X , Y , espacios de Banach; A : X Y un operador lineal acotado con D(A) = X . Constituyen normas en X las igualdades: a) x
1

= Ax ,

a X un espacio de b) x 2 = x + Ax ? En caso armativo, ser Banach con esta norma? Soluci on al inciso a) Vamos a analizar el primer axioma de norma x
1

= 0 Ax = 0 Ax = 0

Si N (A) = {0} entonces se puede implicar que x = 0, luego en general esta aplicaci on no constituye una norma. En el caso de que N (A) = {0}, X resulta isom etrico a R(A), por lo que ser a completo si este espacio lo es. Soluci on al inciso b) S . Probemos el primer axioma x
2

= x + Ax = 0 x = 0 Ax = 0 x = 0.

Sea un escalar x
3 4

= 4 x + Ax = || x + || Ax = || x

Recordar Teorema 3.1.2. A es lineal.

53

Probemos ahora el axioma triangular, x + y x+y

2

+ y

x + y + A(x + y ) x + Ax + y + Ay
x
2

Recordemos que en un espacio de Banach toda sucesi on fundamental debe ser convergente. Probemos esta propiedad, xn+p xn
2

xn+p xn + A(xn+p xn ) 0
0 0 n

xn+p xn 0
n

A(xn+p xn ) 0.

Veamos cada sumando por separado, xn+p xn 0 5 x X : xn+p x 0 y en el otro sumando, A(xn+p xn ) 0 6 Axn+p Axn 0, luego, {Axn } es una sucesi on fundamental. Entonces y Y : Axn+p y 07 y = Ax8 Luego, xn+p x (X,
2) 2

= xn+p x + A(xn+p x) 0

es de Banach.

on 3.1.1. 7. Demostrar la proposici Soluci on: 1ro)

5 6

Ax = A x

x x

B E B 9C .

X es un espacio completo Por la linealidad de A. 7 Y es de Banach 8 A acotado, luego continuo 9 Por denici on.

54

2do) Ax k

x : x 1 C D . 2

3ro) Supongamos que D E = > 0 E = D < D Entonces x = 0 Ax E < D Ax < x 2 Luego, E B C D E . D x

x = 0 Absurdo!

8. Demostrar que los siguientes operadores son lineales acotados y hallar sus normas aplicando el procedimiento 2: a) A : C [0, 1] C [0, 1], Ax(t) = Soluci on inciso a) (P1) A es un operador; (P2) la linealidad es una consecuencia inmediata de la linealidad de la integral; on de norma en C [0, 1] se tiene que, (P3) por la denici
t t 0 2

x( )d ;

b) A : C [0, 1] C [0, 1], Ax(t) = t x(0);

Ax = sup |(Ax)(t)| = sup

t[0,1] t[0,1] 0

x( )d

Podemos acotar la expresi on que aparece en el u ltimo miembro

t t

x( )d
0

|x( )| d sup |x( )| sup |t 0|

[0,1] x t[0,1] 1

sup
t[0,1] 0

x( )d 1 x sup Ax 1
x 1 A Ax

55

Para probar la desigualdad en sentido contrario consideremos x0 C [0, 1] dado por x0 (t) 1 t [0, 1]. Notemos que x0 = 1 y hallemos Ax0 .
t

Ax0 = sup
t[0,1] 0

x0 ( ) d = sup |t| = 1.
=1 t[0,1]

Entonces Ax0 = 1 sup Ax = A ,

x 1

luego A = 1. Soluci on al inciso b) Prueba de la linealidad. A(x(t) + y (t)) = t2 (x(0) + y (0)) = t2 x(0) + t2 y (0)
Ax(t) Ay (t)

= Ax(t) + Ay (t) Hallemos A . Por denici on de norma en C [0, 1] Ax = sup |(Ax)(t)| = sup t2 x(0) |x(0)| 1 x
t[0,1] t[0,1]

entonces, sup Ax 1
x 1 A

Rec procamente, sea x0 (t) 1 t [0, 1], por lo que x0 = 1 Ax0 = sup t2 (1) = 1 sup Ax = A
t[0,1] x 1

luego A = 1. A 1 la igualdad se alcanza cuando x es constante. 9. Dado el operador T : l1 l1 denido por: T (x1 , x2 , x3 , ...) = (0, x1 , 2x2 , x3 , 2x4 , ...),
=x

56

probar que T = 2. Soluci on: La linealidad se demuestra directamente de la denici on. Tx = |x1 | + 2 |x2 | + |x3 | + 2 |x4 | + ... 2 |x1 | + 2 |x2 | + 2 |x3 | + 2 |x4 | + ... 2 x T 2.

Para probar la desigualdad contraria, consideremos el elemento de l1 : x0 = (0, 1, 0, 0, 0, ...). Entonces x0 = 1 T x0 = (0, 2, 0, 0, ...) T x0 = 2 T x0 2 Tx = = 2 sup = T . x0 1 x x =0 10. En el espacio de Hilbert H el operador de proyecci on ortogonal sobre el subespacio L H para x = u + v , siendo u L y v L se dene por la igualdad P x = u. Demostrar que el operador P es acotado y hallar su norma. Soluci on: P es lineal si y = u + v entonces P (x + y ) = u + u = P (x) + P (y ) Sea x H Px = u u
2

+ v

(u + v | u + v ) = x P 1.

La igualdad P x = x se cumple para cualquier u L por lo que para todo u = 0 Pu u Px = = 1 sup = P , u u x x =0 luego P = 1.

57

11. En el espacio C [1, 1] consideremos los operadores 1 [x(t) + x(t)], 2 1 [x(t) x(t)] Bx(t) = 2 Ax(t) = b) Probar que A2 = A. Soluci on al inciso a) Demostremos la linealidad. A(x + y )(t) = 1 [(x + y )(t) + (x + y )(t)] 2 1 = [x(t) + y (t) + x(t) + y (t)] 2 1 1 = [x(t) + x(t)] + [y (t) + y (t)] 2 2
Ax(t) Ay (t)

(3.1.1) (3.1.2)

a) Demostrar que A es un operador lineal acotado y hallar su norma.

Hallemos A A sup max

x

sup Ax(t)
x =1

1 [x(t) + x(t)] =1 t[1,1] 2 = sup

x =1 x =1

1 ( x + x ) 2

sup x = 1

La cota superior se alcanza para x 1, por lo que A = 1. Soluci on al inciso b) 1 A2 x(t) = [Ax(t) + Ax(t)] = Ax(t) 2
Ax(t)

algebra normada A, 12. Si {xn } , {yn } son sucesiones fundamentales de un probar que {xn yn } es una sucesi on fundamental. Adem as, si xn x 58

y yn y , pruebe que xn yn xy . Soluci on: Hay que probar que xn yn xm ym xn yn xm ym agrupando

n,m

= =

0 xn yn xn ym + xn ym xm ym xn (yn ym ) + (xn xm )ym xn (yn ym ) + (xn xm )ym

Por la denici on de Algebra

M M

xn

yn ym + xn xm
n,m

ym

n,m

Supongamos ahora que xn x y que yn y . xn yn xy = xn yn xyn + xyn xy = (xn x)yn + x(yn y ) xn x yn + x yn y

n

Observe que el t ermino auxiliar introducido xyn + xyn = 0, pudo haber sido alternativamente xn y + xn y la demostraci on se hubiera cambiado por: xn yn xy = xn yn xn y + xn y xy = xn (yn y ) + (xn x)y y n y xn + y xn x
n

59

3.2

Espacio de operadores lineales acotados

Denici on 3.2.1 Sean X e Y , espacios normados, ambos reales o complejos; A, B , operadores lineales acotados denidos sobre todo el espacio X y con valores pertenecientes a Y . Al suponer seg un la denici on: (A + B )x = Ax + Bx, A(x) = Ax, A = sup
xX, x 1

Ax

obtenemos el espacio L(X, Y ) normado de operadores lineales acotados. Denici on 3.2.2 En el espacio L(X, X ) = L(X ) suponemos, por denici on, (AB )x = A(Bx). Por lo tanto L(X ) pasa a ser una algebra con unidad, donde esta es el operador id entico I : X X, Ix = x. (Ejercicios resueltos 1 y 2) on An L(X, Y )(n N) se llama uniformeDenici on 3.2.3 Una sucesi u mente convergente hacia el operador A L(X, Y ) y se denota An A si An A 0(n ). Una sucesi on An L(X, Y )(n N) se llama fuertemente convergente hacia el operador A L(X, Y ) y se denota s An A si para todo x X An x Ax 0(n ). (Ejercicios resueltos 3 y 4) Teorema 3.2.1 Si Y es un espacio de Banach, L(X, Y ) es un espacio de Banach. (Ejercicio resuelto 5) Teorema 3.2.2 (Principio de acotaci on uniforme) Sea un conjunto de ndices de cardinalidad arbitraria y supongamos que la sucesi on {A }, donde recorre a , es una colecci on de elementos de L(X, Y ) donde X es un espacio de Banach. Si sup A x < x X

entonces, sup A < .

60

Demostraci on Aplicaremos el teorema de la acotaci on uniforme, por lo cual el primer paso ser a construir una familia de seminormas continuas. Sea p = A (x) norma. I . Debemos comprobar que cada p es una semiA (x) = | | A x = | | p (x) A (x + y ) = A (x) + A (y ) A (x) + A (y ) = p (x) + p (y ).

p (x) = p (x + y ) =

Ahora debemos comprobar que cada p es continua, lo cual se har a mediante el an alisis de la condici on de ser sucesionalmente continua. Supongamos que xn x p (xn ) = A (xn ) A (x) A (x) = p (x)

Por hip otesis se tiene, sup p (x) = sup A (x) < + x,

obteni endose la tesis de acuerdo con el teorema de la acotaci on uniforme sup sup p (x) = sup sup A (x) < +.
x 1 x 1 A

En particular, cuando = N se obtiene: Teorema 3.2.3 (Teorema de Banach-Steinhaus) Sean X un espacio de Banach, An L(X, Y )(n N) y la sucesi on An x acotada para cualquier x X . Entonces, la sucesi on An es acotada. (Ejercicio resuelto 6) Agrupemos seguidamente algunas aplicaciones del teorema de la acotaci on uniforme que muestran su alcance pr actico. 61

Aplicaciones 1.- X espacio de Banach, Y espacio normado y Tn L(X, Y ). Supongamos que Tn converge en cada punto x X . Entonces el operador T denido por T (x) = lim Tn (x) est a en L(X, Y )
n

Demostraci on Es necesario probar que T es lineal y continuo. Mostremos en primer lugar la linealidad. Sean , escalares; x, y X . T (x + y )
Def.

= =

lim Tn (x + y )
n

Tn L(X,Y )

lim (Tn (x) + Tn (y ))

lim Tn (x) + lim Tn (y ) = T (x) + T (y ).

n

Veamos ahora la acotaci on. Para cada n se tiene que Tn (x) Tn Pasando al l mite: T (x) K x 2.- X espacio de Banach F X : sup |x (x)| < + x X
x F

x 10 K x x X

Entonces F est a acotado. Demostraci on Tomemos en el Teorema 3.2.2 a Y = K entonces, sup x

xF

< +.

Teorema 3.2.4 Sean X, Y espacios de Banach; An L(X, Y )(n N). Para que la sucesi on An con n converja fuertemente hacia el operador A L(X, Y ) es necesario y suciente que:
10

Por el Teorema de Banach-Steinhaus

62

1) la sucesi on An sea acotada. 2) An A fuertemente en una variedad lineal L densa en el espacio X .

n

(Ejercicio resuelto 7) Teorema 3.2.5 Sea X un espacio normado, Y un espacio de Banach, A : X Y un operador lineal y, adem as, D(A) = X siendo el operador A L(X, Y ) acotado sobre D(A). Entonces existe un operador lineal acotado A = Ax para cualquier x D(A) y A = A . tal que Ax es una prolongaci Por tanto el operador A on del operador A que preserva su norma. (Ejercicio resuelto 8)

3.2.1

Ejercicios Resueltos

1. Sean T, U, V espacios normados, G L(T, U ), H L(U, V ). Entonces HG H G . Soluci on: HGx H H Gx x T G x x T H G HG

2. Sean X, Y, Z espacios normados; An , A L(X, Y ) y Bn , B L(Y, Z ) donde n N y An A y Bn B . Pruebe que:

n n

Bn An BA
n

en el espacio L(X, Z ). Soluci on: Bn An BA = = Bn An Bn A + Bn A BA Bn (An A) + (Bn B )A Bn (An A) + (Bn B )A Bn An A + Bn B A 0

n M 0 0

63

3. En el espacio l2 , para un elemento x = (x1 , x2 , ...) l2 pongamos las sucesiones de operadores x1 x2 , , ... , n n Bn x = (0, 0, ..., 0, xn+1 , xn+2 , ...), n N. An x =
n

Cu al es el car acter de la convergencia de cada una de las sucesiones? Soluci on: Probemos que An converge uniformemente, lo cual nos da una condici on suciente para todas las dem as convergencias.

An x

=
k=1

xk n

1 2

1 x n 1 n

lim An 0 =

An = sup An x =
x 1

n u

lim An = lim

1 =0 n n

An 0 en l2 . Probemos que Bn 0 y Bn Bn x 0 x =
s u

0. Sea x = (x1 , x2 , ...) l2

1 2

Bn x =
k=n+1

|x k |2

0(n ).

Este resultado se obtiene de que xn l 2

n

|xn |2 < +

resto 0. Veamos que Bn 0 0 (n ).

64

Sea xn = (0, 0, ..., 0, 1, 0, 0, ...) xn = 1 para cada n

n

Bn = sup Bn x
x 1

B n x n = 1 n N
n

lim Bn 0 1 = 0 0

Bn

uniformemente en l2 . 4. Consideremos el operador A : C [0, 1] C [0, 1],

t

Ax(t) =
0

e x( )d

y la sucesi on de operadores An : C [0, 1] C [0, 1]

t n

An x(t) =
0 k=0

k x( )d, n N, k!

Converge la sucesi on An hacia A? Cu al es el car acter de la convergencia?

65

Soluci on: An A = = = sup (An A)x

x =1

sup max |(An A)x(t)|

x =1 t[0,1] t

sup max sup max

t

x =1 t[0,1]

0 t

k x( ) d k! k=n+1 k k! k=n+1

x =1 t[0,1]

x d

= max

t[0,1]

k d k ! k=n+1
1 0

Por la convergencia uniforme de la serie

= max

t[0,1]

k=n+1

k d = max t[0,1] k!

tk+1 (k + 1)! k=n+1

1 An A. ( k + 1)! k=n+1

En el caso anterior se ha utilizado un resultado del an alisis matem atico, ex = x x2 xn + + ... + + ... 1! 2! n!

5. Demostrar el Teorema 3.2.1. Y de Banach L(X, Y ) es de Banach. Soluci on: {An }

f undamental

L(X, Y ) An Am x X, An x Am x

L(X,Y ) n,m
Y

0
L(X,Y )

An Am

X n,m

{An x} Y Banach.
fundamental

66

Entonces, y Y : An x y.
n

Formemos A : X Y x lim An x = y
n

Probemos que: a) A L(X, Y ) b) An A

L(X,Y )

0(n )

Soluci on al inciso a) A lineal: A(x + y ) = =

n

lim An (x + y )
lineal

lim (An x + An y ) = Ax + Ay.

A continuo A acotado c > 0 : x X, Ax c x . Probemos esta u ltima condici on. Se tiene que: An x
lineal y continua

An
fund.acotada

c x n

Pasemos al l mite: x X , An x Ax An x Ax Ax c x Como A es lineal y continuo se concluye que A L(X, Y ). Soluci on al inciso b) > 0 n0 N : n, m n0 An Am < An x Am x An Am Para n n0 y m An x Ax x (An A)(x) x An A , n n0 An A
n

x <

en L(X, Y ). 67

6. Sean X, Y , espacios de Banach, An L(X, Y )(n N) y cuando n converge fuertemente hacia un operador A L(X, Y ). Demostrar que si xn , x X y xn x cuando n , entonces An xn Ax cuando n . Soluci on: An xn Ax = (An xn An x) + (An x Ax) An xn x + An x Ax 0
n M teorema 3.2.3 0 0

An xn Ax,
n

7. Demostrar el Teorema 3.2.4. Soluci on ) 1) es una consecuencia del Teorema 3.2.3 y 2) se tiene como caso particular de la denici on de convergencia fuerte. ) Sea x X arbitrario, > 0 =X x L : x x < ya que L n0 N : n n0 An x Ax < Por la condici on 2) Vamos a estimar An x Ax An x Ax = = An x An x + An x Ax + Ax Ax (An x An x ) + (An x Ax ) + (Ax Ax) An x x + An x Ax + A x x
M < < <

(M + 1 + A )

8. Demostrar el Teorema 3.2.5. Soluci on: x X = D(A) xn D(A) : xn x Axn Axm A xn xm 0(n )
converge

68

{Axn } es fundamental en Y 11 y Y : Axn y (n ). Sea = y = lim Axn Ax

n

est a bien denido. Supongamos que {Axn } es otra 1ro) Probar que A sucesi on tal que xn x; como antes se demuestra que {Axn } es fundamental en Y , por tanto z Y : Axn z yz
Y

y Axn + Axn Axn + Axn z y Axn Y + A L(X,Y ) xn xn Y n 0

Y X

+ Axn z y = z.

es lineal. Sugerencia: utilizar la linealidad del 2do) Probar que A l mite. (x) = A(x) x D(A). 3ro) A Considerar xn x D(A), entonces xn x,
n

de aqu que

(x) = lim A(xn ) = A(x). A

n

porque A es una extensi 4to) A A on de A12 = Ax donde xn x. Pero, Axn

Ax
11 12

lim Axn

xn
x

De Banach Vea resultado anterior

69

donde xn est a acotada (luego, convergente). Pasando al l mite, A Ax = A . A A x A

3.3

Operadores inversos

Sean X, Y espacios normados; A un operador lineal que aplica D(A) sobre R(A) biun vocamente. Entonces existe el operador inverso A1 que aplica R(A) sobre D(A) biun vocamente y tambi en es lineal. (Ejercicio resuelto 1) Denici on 3.3.1 Un operador lineal A : X Y se llama continuamente inversible si R(A) = Y, A1 existe y es acotado, es decir, A1 L(Y, X ). (Ejercicios resueltos 2, 3 y 4) Teorema 3.3.1 El operador A1 existe y es acotado sobre R(A) si y s olo si, para una constante m > 0 y cualquier x D(A) se cumple la desigualdad Ax m x . (Ejercicios resueltos 5 y 6) Denici on 3.3.2 Los espacios normados X e Y se llaman isomorfos si sobre todo X est a denida la aplicaci on J : X Y lineal, que realiza el isomorsmo de X e Y como espacios lineales y es tal que, existen dos constantes , > 0 tales que para cualquier x X se cumple la desigualdad x J (x) x . Si J (x) = x los espacios X e Y se llaman isom etricos. Teorema 3.3.2 (Teorema del inverso acotado) Sean X, Y espacios de Banach, A L(X, Y ), R(A) = Y y sea A inversible. Entonces, A es continuamente inversible. (Ejercicio resuelto 7) El teorema del inverso acotado se aplica en la generalizaci on de la teor a

70

de los valores propios a los espacios innitos-dimensionales. El operador b asico que se estudia en este caso tiene la forma: T I = 0 , T L(X ) , un escalar

Para = 0, el miembro izquierdo puede escribirse como (I 1 T ), por lo que el problema original se relaciona con el comportamiento del operador de la forma I C , para C L(X ). Por tanto, interesa conocer bajo qu e condiciones I C tiene inverso acotado. Teorema 3.3.3 Sean X espacio de Banach, C L(X ) y C < 1. Entonces, el operador I C es continuamente inversible y es v alida la estimaci on 1 (I C )1 . 1 C (Ejercicios resueltos 8 y 9) Teorema 3.3.4 Sean X un espacio de Banach, A, B L(X ), sea A continuamente inversible y supongamos que se cumpla la desigualdad B A A1
1

Entonces, B es continuamente inversible y es v alida la estimaci on B 1 (Ejercicio resuelto 10) A1 1 BA A1 .

3.3.1

Ejercicios Resueltos

1. Sean X , un espacio lineal; A, B : X X , operadores lineales que satisfacen las relaciones AB + A + I = 0 y BA + A + I = 0. Demostrar que el operador A1 existe. Soluci on: AB + A + I = 0 A(B + I ) + I = 0 I = A(B + I ) BA + A + I = 0 (B + I )A + I = 0 I = (B + I )A 71

Hagamos C = B I , se satisface que AC = CA = I A1 = C = B I. 2. Sean X un espacio normado; A, A1 L(X ) y sea k = A A1 el n umero de condici on del operador A. Consideremos la ecuaci on Ax = y donde y X , y = 0. Sea x X su soluci on aproximada. Demostrar que su error relativo puede estimarse seg un la f ormula: 1 Ax y k y Soluci on: Ax y = Ax Ax A Pero x = A1 y x = A1 y A1 Para x = 0 Ax y A A 1 k x x x x x x x x x y x x x x Ax y k x y

x x A1 y = k y x Ax y x x , y x = = A A1 A1 A1 A( x x) 1 A (Ax Ax) 1 A Ax y x y y A Ax y x Ax y y

con lo cual se demuestra la primera de las desigualdades. Por otra parte

Para y = 0 y = Ax x x

x x x

k 72

Ax y y

Esta es la segunda de las desigualdades que se quer an probar. 3. Consideremos el operador A : C [0, 1] C [0, 1],
t

Ax(t) =
0

x( )d.

e representa su campo de valores R(A)? a) Qu b) Existe sobre R(A) el operador inverso A1 , es acotado este operador? Soluci on al inciso a) R(A) es una variedad lineal de funciones continuamente diferenciables y (t) que satisfacen la condici on y (0) = 0. Soluci on al inciso b) Para probar la existencia de A1 basta demostrar que A es inyectivo. Sean x, y C [0, 1]
t t

Ax = Ay
0

x( )d =
0

y ( )d

x(t) y (t) (Derivando en ambos miembros y sabiendo que x, y C [0, 1]) d Por el Teorema fundamental del c alculo, se tiene que A1 = . dt Probemos que A1 no es acotado. Sea xn (t) = tn , xn A1 xn Luego, A1 no es acotado. 4. Consideremos el operador lineal A : C [0, 1] C [0, 1],
t

= 1 = sup ntn1 = n
tC [0,1]

Ax(t) =
0

x( )d + x(t).

a) Demostrar que N (A) = 0, de modo que para cualquier y C [0, 1] la ecuaci on Ax = y no puede tener m as que una soluci on. 73

b) Demostrar que A es continuamente inversible y hallar el operador A1 . Soluci on al inciso a) Ax = 0 Ax(t) = 0 t [0, 1]
t

x( )d + x(t) = 0 x(0) = 0, x(t) = x (t) (derivando)

0

x (t) + x(t) = 0, x(t) = cet y x(0) = 0 c = 0 x 0. Soluci on al inciso b) Hallemos A1 y probemos que es sobreyectivo y acotado. Sea y C [0, 1] y probemos que x C [0, 1] : Ax = y
t

Ax(t) =
0

x( )d + x(t) = y (t) x (t) + x(t) = y (t). (3.3.1)

Si xh es la soluci on que satisface xh + xh = 0, entonces

Axh

Axh (t) = 0 t [0, 1] Axh = 0 xh (t) = 0 (A inyectiva). La soluci on general xg (t) = xh (t) + xp (t), donde xp es una soluci on particular de la ecuaci on no homog enea, se reduce a la forma: xg (t) = xp (t). La soluci on particular se propone en la forma: xp (t) = c(t)et , luego xp (t) + xp (t) = y (t) c (t)et c(t)et + c(t)et = y (t) c (t) = et y (t)
0 t t

e y ( )d = c(t)

xp (t) =
0

e t y ( )d,

integrando por partes, u = e t du = e t d 74 dv = y ( )d v = y ( ),

luego, x(t) = e t y ( )|t 0

t t 0

e t y ( )d

x(t) =

y (t)
C [0,1] 0

e t y ( )d C [0, 1],

C (1) [0,1]C [0,1]

ya que y (0) = 0. A y (t) = y (t)

0 1 t

e t y ( )d.

Probemos que A1 es acotado. A y

1 t

sup y (t) +
t[0,1] 0 t t[0,1] 0 t

e t y ( )d e t |y ( )t| d

y + sup y + sup
t[0,1] 0

(1) y d = y (1 + 1) = 2 y .

5. Demostrar el Teorema 3.3.1. Soluci on: Supongamos que A1 existe y es acotado sobre R(A), entonces y R(A) A1 y M y M > 0 tal que (3.3.2)

x D(A) se cumple que y = Ax R(A), luego sustituyendo en la desigualdad (3.3.2) M Ax Ax A1 A x = x

I

1 M
m

x D(A),

para m =

1 M 75

 Supongamos que x D(A), Ax m x , con m > 0 (3.3.3)

Ax = 0 x = 0 A13 es inyectiva. Luego, A es biyectivo sobre R(A), luego existe A1 . Sea y = Ax. Entonces x = A1 y . Sustituyendo en (3.3.3): y A1 y m A1 y 1 y y R(A) A1 es continuo. m
m>0

6. Sea X un espacio normado; A : X X , un operador lineal, supongamos que en X exista una sucesi on xn D(A)(n N) tal que xn = 1 y Axn 0.
n

Demostrar que el operador A no tiene inverso acotado. Soluci on: Supongamos que A1 existe y es acotado, entonces por el Teorema 3.3.1 se tiene que m > 0 : Ax m x x D(A). En particular Axn m xn = m,
=1

lo cual es un absurdo porque tenemos por hip otesis que Axn 0.

n

7. Sea X un espacio vectorial. Sean 1 , 2 dos normas sobre X con respecto a una de las cuales X es de Banach. Supongamos que existe a > 0 tal que x 1 a x 2 x X . Probar que las dos normas son equivalentes.
13

Lineal

76

Soluci on: Consideremos el operador identidad I : (X,

2)

(X,

1 ).

Este operador es biyectivo y por la hip otesis es continuo. Aplicando el teorema 3.3.2 I 1 : (X, 1 ) (X, 2 ), es continuo, por lo que existe b > 0 tal que I 1 x
x 2

b x

de aqu que 1 1a b 2 por tanto, las normas son equivalentes. 8. Demostrar el Teorema 3.3.3 Soluci on: Vamos a aplicar el teorema 3.3.2. Consideremos Y = X (espacio de Banach). I C es lineal porque C L(X ). a) Se puede probar que R(I C ) = X mediante el principio de las aplicaciones contra das. (Ejercicio propuesto 6) b) Probemos que existe el inverso de I C . Se tiene la identidad (I C )(I + C + C 2 + ... + C n ) = = = I + C + C 2 + ... + C n C C 2 ... C n C n+1 I C n+1 (I + C + C 2 + ... + C n )(I C )
2

Como (AB )x = A(Bx) A Bx A B x entonces AB A B . Si B = A, se tiene que A2 A 2 . 77

Luego C n+1 C

n+1

0 ya que C < 1.

Formemos la sucesi on Sn = I +C +C 2 +...+C n L(X ). Probemos que S L(X ) tal que

n

lim Sn = S,

para lo cual es suciente demostrar que es fundamental. Para todo p N se tiene:

n+ p n+p

Sn+p Sn =
k=n+1

k=n+1

Ck

014

Pasando al l mite en la identidad se llega a que (I C )S = I = S (I C ) Con el convenio C 0 I

S = (I C ) luego

=
n=0

C n L(X ),

R(I C ) = D[(I C )1 ] = X (I C )1 es acotado en virtud del Teorema 3.3.2 y adem as

(I C )

n=0

1 1 C

9. Sean X un espacio de Banach; A L(X ) y I A < 1. Demostrar que A es continuamente inversible. Soluci on: Sea B=
L(X )

A , B < 1 A = I B 15
L(X )

luego A es continuamente inversible.

14 15

Resto de una serie convergente, ya que C < 1. Por el resultado del Teorema 3.3.3

78

10. Demostrar el Teorema 3.3.4. Soluci on: Sea BA = C B = A + C = A(I + A1 C ) = A(I (A1 C )). Se tiene que: A1 C A1 C
< A1
1

<1

I + A1 C es inversible B es inversible16 . B 1 = (I + A1 C )1 A1 B 1 (I + A1 C )1 C A1 1 A1 C A1 1 A1 B A A1 A1 1 A1 C

Como A1 C A1

A1 1 A1 C

3.4

Operadores cerrados

Comenzaremos por denir de manera m as global el concepto de g raco que conocemos para funciones reales de una variable real. Para esto supongamos que X e Y son conjuntos y A una aplicaci on de alg un subconjunto D de X en Y . Entonces la colecci on de pares ordenados GA = {(x, A(x)) | x D}

se denomina gr aco de A. Nuestro inter es principal se centra en el caso de que X e Y sean espacios normados y A sea un operador lineal; para este caso
16

Por el Teorema 3.3.3

79

se supone que el subconjunto D de X es una variedad lineal de X . (Ejercicio resuelto 1, ejercicio propuesto 5) Podemos hacer que el producto cartesiano entre espacios vectoriales X e Y sea un espacio lineal si tomamos la adici on de elementos de X Y de la forma siguiente: (x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 ) y la multiplicaci on por un escalar, (x, y ) = (x, y ). Viendo a X Y de esta manera es com un denotarlo por X Y , el espacio vectorial resultante es llamado suma directa externa de X e Y . En este caso se puede vericar que A es de hecho un operador lineal si y s olo si GA es una variedad lineal de X Y . Si X e Y son ambos espacios normados, denimos directamente la norma a partir de ellos para X Y , una posibilidad a tomar es: (x, y ) = x
p X X

+ y
1 p p Y) ,

Otras dos normas que de igual manera podr amos manejar son: (x, y ) = ( x y (x, y ) = max( x
X

+ y

(p 1)
Y ),

, y

debi endose notar que estas tres normas son equivalentes en X Y , por lo que cuando se trabaja con la convergencia puede usarse cualquiera de ellas. Una observaci on nal resulta que si X e Y son espacios de Banach entonces X Y tambi en lo es. (Ejercicio resuelto 2) Denici on 3.4.1 Sean X e Y espacios normados y D el dominio de A. Entonces el operador lineal, A : D Y se llama cerrado si para toda sucesi on convergente {xn } de puntos de D, donde xn x X , tal que {Axn } es una sucesi on convergente de puntos en Y , donde Axn y Y , las dos siguientes condiciones se satisfacen: xD 80 y = Ax.

(Ejercicios resueltos 3, 4, 5 y 6) Teorema 3.4.1 A es un operador lineal cerrado si y s olo si su gr aco es una variedad lineal cerrada. Demostraci on Primero supongamos que X D Y es un operador lineal cerrado. Para A GA , es decir, que probar que GA es cerrado, debemos probar que G cualquier punto de clausura de GA est a en GA . Sea (x, y ) un punto l mite de GA . Por la caracterizaci on de punto de clausura en un espacio m etrico, existe una sucesi on de puntos de GA , (xn , Axn ), xn D, que converge a (x, y ). Esto es equivalente a que (xn x, Axn y ) 0 o que xn x + Axn y 0, lo cual implica que xn x Axn y.
A

Puesto que A es cerrado, podemos decir que esto implica que xD entonces podemos escribir (x, y ) = (x, Ax) GA ; Por tanto GA es cerrado. De forma inversa, supongamos que GA es cerrado y que xn x, xn D para cualquier n, y Axn y . Debemos probar que x D y que y = Ax. La condici on implica que A. (xn , Axn ) (x, y ) G A , teniendo entonces que Puesto que GA es cerrado GA = G (x, y ) GA . Aplicando la denici on de GA esto signica que xD A, por tanto, es cerrado. 81 y = Ax; y = Ax

Teorema 3.4.2 Sea A un operador lineal acotado tal que X D Y, donde D es un variedad lineal cerrada de X , entonces A es cerrado. (Ejercicio propuesto 7) Corolario 3.4.2.1 Supongamos que A es un operador lineal tal que A : X Y. Si A es continuo, entonces A es cerrado. Teorema 3.4.3 Sea A un operador lineal cerrado tal que X D Y. Si A1 existe, entonces es un operador lineal cerrado. (Ejercicio resuelto 7) Teorema 3.4.4 Sea A un operador lineal acotado tal que X D Y, donde Y es un espacio de Banach. Si adem as suponemos que A es cerrado, entonces D es un subespacio cerrado de X . (Ejercicio resuelto 8) Resulta natural preguntarse bajo qu e hip otesis podemos obtener el rec proco del corolario 3.4.2.1, es decir, cu ando podemos asegurar que un operador lineal cerrado es continuo. El resultado que se obtiene es denominado Teorema del gr aco cerrado. Teorema 3.4.5 (Teorema del gr aco cerrado) Sea A un operador lineal tal que A : X Y, X, Y espacios de Banach. Entonces si A es cerrado, tambi en es acotado. 82
A A A

Adem as de la importancia directa del teorema del gr aco cerrado como condici on suciente para obtener la continuidad de un operador lineal, tambi en posee el valor indirecto de permitir la contrucci on de un procedimiento para demostrar que un espacio no es de Banach. Procedimiento 3 (P1) Considerar X un espacio de Banach, D X . (P2) Construir un operador lineal A : D X . (P3) Probar que A es cerrado. (P4) Probar que A no es continuo. (P5) Inferir que D no es un espacio de Banach aplicando el teorema del gr aco cerrado. Ejemplo 1.- Probar que: D = {x C [0, 1] no es un espacio de Banach. (P1) Considerar X = C [0, 1] (Espacio de Banach). (P2) Construir A : D X tal que Ax = x (lineal). (P3) Probar que A es cerrado. Soluci on: Supongamos que: xn x y Entonces Axn y.
xn

x C [0, 1]}

xn x

Xn y Xn y 0,

entonces para cada t [0, 1]

t 0

[xn ( ) y ( )] d 0.
n

83

Efectuando la integraci on,

t

xn (t) xn (0)
0

y ( ) d 0.
n

Pasando al l mite en el primer miembro xn x xn (t) x

t u

xn (0) x(0),

x(t) x(0)
0

y ( ) d = 0

Se tiene que x es continua, y es continua (l mites uniformes de sucesiones de funciones continuas) y adem as x (t) = y (t) x D. Tambi en Axn = xn Es decir y = Ax. (P4) Probar que A no es continuo. Soluci on: Recordemos que: xn (t) = tn Axn (t) = xn xn = 1 n {xn } acotado; xn = n {xn } no acotado.
17 n

y = x = 18 Ax.

(P5) D no es un espacio de Banach, porque si lo fuera, aplicando el teorema del gr aco cerrado A tendr a que ser continua, lo cual es falso. (Ejercicios resueltos 9 y 10) Como la noci on de operador cerrado est a estrechamente vinculada a la de clausura de un conjunto, podemos preguntarnos: si un operador no es cerrado, bajo que condiciones admite una extensi on lineal m nima?
17 18

Por hip otesis. Por denici on de A.

84

3.4.1

Ejercicios Resueltos

1. Demostrar que el gr aco de un operador lineal A : X Y es una variedad lineal en el espacio Z = X Y . Soluci on: Sean x, y D(A)19 (x, Ax) + (y, Ay ) = (x + y , A(x + y )) GA .
D (A) R(A)

2. Demostrar que en la suma directa de espacios de Banach se puede introducir la norma de los modos siguientes: a) z
1

+ y 2,

= max( x , y ).

b) Demostrar que estas normas son equivalentes. Soluci on: Analicemos los axiomas de norma en el primer caso. Los dos primeros son inmediatos. Veriquemos el axioma triangular. Sean zi = (xi , yi ), i = 1, 2. Probemos que: z1 + z2 z1 + z2 Elevando al cuadrado, lo que hay que probar es que: x1 + x2
2

+ y1 + y2

= x1

x1
2

+ y1
2

+
2

x2

+ y2
2

+ x2
2

+ y1

+ y2
2

2 ( x1 Se tiene que x1 + x2 y1 + y2
19

+ y1 2 )( x2

+ y2 2 )

( x1 + x2 ) 2 = 2 ( y1 + y2 )2 =

x1 y1

+ x2 2 + y2

2 2

+ 2 x1 x2 + 2 y1 y2

Variedad lineal.

85

Sumando ordenadamente x1 + x2
2

+ y1 + y2

x1 2 + x2 2 + y1 2 + y2 2( x1 x2 + y1 y2 ).

Para probar lo requerido, es suciente demostrar que: ( x1 x2 + y 1 y2 ) ( x1

2

+ y1 2 )( x2

+ y2 2 )

Esto ser a una consecuencia de desarrollar algebraicamente la siguiente proposici on verdadera: ( x1 y2 y1 x2 )2 0 2 x1 x2 y1 y2 x1 2 y2 Completando cuadrados, x1 2 x2 2 + 2 x1 x2 y1 y2 + y1 2 y2 2 x1 2 y2 2 + y1 2 x2 2 + x1 2 x2 2 + y1 2 y2 2 ( x1 x2 + y1 y2 )2 ( x1 2 + y1 2 )( x2 2 + y2 2 ) Ahora analizaremos los axiomas para el segundo caso, z = max( x , y ) ahora, x1 + x2 x1 + x2 max( x1 , y1 )+max( x2 , y2 ) = z1 1 + z2 An alogamente, y1 + y2 z1 z1 + z2
2 2 2 2 2 2

+ y1

x2

+ z2

2 2

= max( x1 + x2 , y1 + y2 ) z1

+ z2 2 .

Probemos ahora que las normas son equivalentes z x

1

z x

2 2 2

+ z 86

2 2

=
2

2 z

2 2

,
1

+ y

= z

y an alogamente y z 1 , z Entonces,
1 2 2

2 z

son equivalentes.

3. Si T es lineal cerrado entonces T I tambi en lo es. Soluci on: Sea xn D(T ) xn x y (T I )xn y . Hay que probar que x D(T ) y que (T I )x = y . Denominemos: hip otesis. zn = (T I )xn y observemos que zn y por

De aqu que: zn = T xn xn . Despejando: T xn = zn + xn y + x. Como por hip otesis T es cerrado [xn D(T ) y T xn y + x] x D(T ) y T x = y + x, de donde T x x = y , o sea (T I )x = y . Por tanto, tenemos lo requerido. 4. Sean X, Y espacios normados, A : X Y un operador lineal cerrado; F un subconjunto compacto de X . Probar que A(F ) es un subconjunto cerrado de Y . Soluci on: Sea y A(F ). Hay que probar que y A(F ). y A(F ) yn A(F ) tal que yn y
n

y A(F ) xn F tal que yn = Axn 87

Como {xn } F y F es compacto, {xnk } {xn } F tal que xnk converge a cierto elemento x F . Se tiene entonces la situaci on siguiente: xnk x y Axnk = ynk y (ya que {ynk } {yn }) y toda subsucesi on de una sucesi on convergente converge al mismo l mite. Luego A es cerrado x D(A) y y = Ax A(F ). 5. Sean X, Y espacios normados. T1 : D(T1 ) Y un operador lineal cerrado. T2 : X Y un operador lineal acotado. Probar que T1 + T2 es un operador lineal acotado. Soluci on: T1 y T2 son lineales, entonces T1 + T2 es lineal. Hay que probar que si xn x y (T1 + T2 )xn y , entonces x D(T1 + T2 ) y (T1 + T2 )x = y .
=zn

zn = T1 xn + T2 xn T1 xn = zn T2 xn y T2 x, x D(T1 ) y T1 x = y T2 x, x D(T1 + T2 ) y (T1 + T2 )x = y.

=D(T1 )

6. Sea A : X Y un operador lineal tal que R(A) es cerrado en Y y supongamos que existe un m > 0 tal que para cualquier x D(A) se cumple la desigualdad Ax m x . Demostrar que A es un operador cerrado. Soluci on: Supongamos que, xn D(A) n N, 88 xn x, Axn y.

Probemos que x D(A) Ax = y . Axn y R(A)20 x D(A)

R(A)

Ax = y,

x es u nico21

entonces por hip otesis m xn x Axn Ax

=y n n

xn x 0 xn x

= x D(A) (Por la unicidad del l mite). Adem as y = Ax = Ax. 7. Demostrar el Teorema 3.4.3. Debemos probar que: ({yn } R(A), yn y, A1 yn x) y R(A) A1 y = x.

yn R(A) xn D(A) tal que yn = Axn xn = A1 yn . Por la hip otesis asumida xn = A1 yn x yn = Axn y .

Como A es cerrado se tiene que x D(A) y y = Ax. Esto implica que y R(A) y que x = A1 y . 8. Sea el operador lineal acotado A : X Y a) Si Y es de Banach y A es acotado, probar que D(A) es cerrado. (Teorema 3.4.4) b) Si D(A) es cerrado, entonces A es cerrado. (Teorema 3.4.2) Soluci on al inciso a) Supongamos D(A) cerrado. Sea {xn } D(A), xn x y Axn y.
20 21

Por ser R(A) cerrado en Y . Por existir A1 .

89

Entonces x D(A)22 = D(A) y como A Axn Ax y necesariamente Ax = y por la unicidad del l mite en espacios m etricos. Luego, A es cerrado. Soluci on al inciso b) Sea A cerrado. Entonces hay que demostrar que D(A) D(A). Sea x D(A) {xn } D(A) tal que xn x X 23 24 y Y : Axn y. Como A es cerrado x D(A). Luego, D(A) es cerrado. 9. Probar el Teorema del Gr aco Cerrado (Teorema 3.4.5) bas andose en el Teorema del Inverso Acotado (Teorema 3.3.2). Soluci on: Sea T : X Y , donde T es lineal; X, Y espacios de Banach. Denimos el operador auxiliar: P : GT X P ((x, T x)) = x

Vamos a considerar a X Y con la norma: (x, y ) = x + y . Observemos que P cumple las hip otesis del Teorema del Inverso Acotado (Teorema 3.3.2): P est a denido entre espacios de Banach, ya que GT es un cerrado del espacio de Banach X Y , luego es tambi en un espacio de Banach; P es lineal, sobreyectivo;
22

Por ser D(A) cerrado. Como A es lineal acotado es continuo 24 {Axn } es fundamental en Y (Banach).
23

90

 P acotado P (x, T x) = 25 x 26 (x, T x) P 1. P inyectivo P (x, T x) = x = 0 T (0)27 = 0 (x, T x) = (0, 0) Aplicando el Teorema del Inverso Acotado (Teorema 3.3.2) se concluye que existe P 1 y es acotado. Por denici on P 1 x = (x, T x). Probemos que T es acotado T x (x, T x) = P 1 x P 1 x 28 T P 1 .

10. Sean A : X Y un operador lineal cerrado, R(A) = Y , con X, Y espacios de Banach y existe el operador A1 . Demostrar que A1 L(Y, X ). Soluci on: Como consecuencia del Teorema 3.4.3 tenemos que A1 es cerrado. (D(A1 ) = Y A1 es cerrado) Como A lineal A1 Entonces: A1 L(Y, X ). que 11. Sea T un operador lineal. Probar que T admite una extensi on T es lineal y cerrada. Soluci on:
Por la denici on de P . Por la denici on de la norma de X Y . 27 T es lineal. 28 T es acotado.
26 25

Teo 3.4.5

A1 es acotado.

lineal,

91

 Lineal: Sean T , (x2 , z2 ) G T . x1 , x 2 D T ; z 1 , z 2 Y : ( x 1 , z 1 ) G Sean , K T (x1 , z1 ) + (x2 + z2 ) G T (x1 + x2 , z1 + z2 ) G : Por denici on de T (x1 + x2 ) = z1 + z2 . T
x1 T x2 T

x) = G T , luego T es cerrado. Por la construcci on GT = (x, T extiende a T observemos que si Para obtener que T T x DT x DT , (x, T x) GT G x = T x. DT DT y T N otese que T es m nima en el sentido siguiente: si T1 es una extensi on , ya que se lineal cerrada de T entonces tambi en es una extensi on de T tiene que T GT1 . GT GT1 29 G x = T x. y T

3.5

Operadores casi cerrados

Debido a que la noci on de operador lineal cerrado A se caracteriza en t erminos de que su gr aco GA es un subespacio cerrado y adem as siempre se tiene la A , si a partir de un operador lineal A no necesariamente relaci on GA G cuyo gr A (es cerrado construimos un operador A aco sea por denici on G A ), de inmediato nos preguntamos: decir GA G ? Qu e condiciones sobre A se requieren para poder denir A ? Qu e relaci on puede establecerse entre A y A
29

Cerrado.

92

 esta caracter Si A es continuo, tendr a A stica? En caso armativo, qu e relaci on existir a entre las normas de estos operadores? A (clausura del conjunto A) es el menor Aplicando la propiedad de que G la propiedad de que resulta cerrado que contiene a A, podemos transferir a A la menor extensi on lineal cerrada de A, por lo que resulta natural denominarla clausura de A y se justica utilizar esta notaci on para dicho operador. De A se dir a que es casi cerrado o tambi en que es pre-cerrado. Denici on 3.5.1 Sean X, Y espacios normados, DA X y A : DA Y lineal.

Supongamos que G(A) no es cerrado. Si existe : DA A Y : ) = G (A) G(A

es la clausura se dice que A es casi cerrado (tambi en pre-cerrado) y que A de A. Teorema 3.5.1 Resultan equivalentes las siguientes proposiciones (i) A tiene una extensi on lineal cerrada m nima (clausura) y (ii) y Y, y = 0, (0, y ) (A). G

3.5.1

Ejercicios Resueltos

1. Probar el Teorema 3.5.1. Soluci on: . Observemos que i) ii) Supongamos que A ) Hip. (A), y = 0 (0, y ) G( A = G
lineal

(A). luego, (0, y ) G ii) i) Denamos DA = x X (x) = z . luego, A 93 : (A) , z Y (x, z ) G

 est a bien denido. Supongamos 1ro) A (A) (x, z1 ), (x, z2 ) G (A) Hip. (x, z1 ) (x, z2 ) = (0, z1 z2 ) G z1 = z2 . z1 , z 2 Y :
subespacio

2do) 3ro) 4to)

lineal. A Cerrado por construcci on. A extiende a A?

= Ax x Debemos probar que (i) DA DA y que (ii) Ax DA . Comencemos por vericar (i) (A) x DA x DA (x, A(x)) G(A) G ; teneahora, veriquemos (ii), por la denici on de DA y de A mos que, (x) = A(x) x DA . A m 5to) A nima. Debemos probar que si A1 es una extensi on cerrada de A, D entonces (i)DA y (ii) A x = Ax x DA . A1 1 Para probar (i) observemos que (A1 ); G(A) G(A1 ) = 30 G entonces ) G(A1 ) DA (A) = G(A G DA1 . Probemos (ii), x DA (x, y ) GA (x, y ) GA1 = A1 x. y = Ax y = A1 x Ax
30

A1 cerrado.

94

2. Sean X, Y dos espacios normados, Y de Banach; A un operador lineal y acotado, A : D X Y. es la u Probar que A es casi cerrado y A nica extensi on continua de A a D y es tal que A = A . Soluci on: T ecnica de construcci on: x0 D x n D : xn x0

Como A es lineal y acotado y Y es de Banach (x0 ) {A(xn )} es de Cauchy en Y lim A(xn ) = A

n

bien denido. Supongamos que xn x0 . Es necesario probar 1ro) A que lim A(xn ) = lim A(xn )
n n

Estimemos

lineal

A(xn ) A(xn ) = A (xn xn )

n

como A es continuo, A(0) = 0. es lineal. 2do) A extiende a A 3ro) A = lim A(x)31 = A(x) x D A
n

4to) Relaci on entre las normas A(xn ) (x0 ) A

31

A A

xn x0 A A A

Sucesi on de t erminos constantes A(x).

95

 una extensi Teni endose la u ltima desigualdad al ser A on de A. Luego, = A . A como extensi . on de A a D 5to) Unicidad de A lineal y continua. Sea B una extensi on de A a D
Def. B (x0 ) = lim B 32 (xn ) = lim A(xn ) = A (x0 ). n n D D

=A . 6to) Probar que A (x) = A (x). Es necesario probar que (i) DA y (ii) A = DA Veriquemos (i) DA ? = D DA xn x y A (x) = lim A(xn ) xD
n D Y

(x)) G (A) (xn , A(xn )) (x, A

G(A) Y

(x) = A (x) x DA x DA yA . Veamos ahora (ii) DA DA = D? (A) x DA z Y | (x, z ) G ( xn , A(xn )) (x, z ) xn x y A(xn ) z
D

x D. Adem as (x) = z = lim A(xn ) = A (x). A

n

32

Extensi on de A.

96

3.6

Ejercicios Propuestos

1. En relaci on con el listado de operadores lineales presentados en el ep grafe 3.1, responder: a) Para los ejemplos 3 y 11, si D(A) = C [a, b]. Con qu e hip otesis se garantiza que R(A) = D(A)? b) Si el operador del ejemplo 7 se expresa a11 a12 . . a21 a22 . . . . . . . . . . . . . . hallar la matriz que corresponde a A1 . 2. Probar el teorema 3.1.2. 3. Probar que A L(X, Y ). = E = B = C = D constituye una norma sobre con matriz . . . , . .

4. Analizar la continuidad de los operadores siguientes: a) Sea el operador Ax = y con x C [0, b] y y (s) = s x(s) s [0, b]. b) Sea el operador Ax = y con x C [0, 1] y
1

y (s) =
0

K (s, t) x(t) dt

K = s2 t + st2 .

c) Sea el operador Ax = y con x l1 y { = (1, 2, 1, 2, ...)} y = (x1 , 2 x2 , x3 , 2 x4 , ...).

d) Sea A un operador denido de la manera siguiente: Ax = 3 x1 + 4 x2 97 x E2 .

e) Ejemplo 5. En caso armativo hallar A . f ) Sea X = {x : [a, b] R : x es continua}

b b

x =
a

|x(t)| dt ;

f (x) =
a

x(t) dt.

Hallar su norma. g) El operador T2 x = (0, 0, x3 , x4 , x5 , ...) x l2 . h) Sea el operador T : E 2 E 2 denido as : T x y = x 2x + y .

Escribir a T en forma matricial. i) T : E n E n , donde T v = (v u1 ) u1 + (v u2 ) u2 + ... + (v un ) un y u1 , ..., un es una base de E n . 5. Probar que si GA es una variedad lineal, entonces A es un operador lineal. 6. Probar que R(I C ) = X con las hip otesis del teorema 3.3.3. 7. Ejemplicar un operador lineal continuo, no cerrado.

98

Cap tulo 4 Espacios duales y operadores conjugados

4.1 Funcionales lineales continuos en espacios normados

La idea geom etrica de que las rectas pueden ser usadas para separar conjuntos en el plano, conduce a resultados muy u tiles desde el punto de vista pr actico cuando esta idea se generaliza a espacios normados generales, utilizando para caracterizar las rectas ciertas funciones denidas en el espacio normado y con valores sobre el cuerpo de escalares del espacio vectorial, las cuales reciben el nombre de funcionales. En particular los funcionales lineales y continuos se caracterizan por condiciones que hacen m as f acil su manejo porque constituyen condiciones de acotaci on. La generalizaci on de los resultados no solo tendr a una forma geom etrica, sino tambi en una forma anal tica como prolongaci on de un funcional con caracter sticas previamente requeridas. Sea X un espacio normado. Todo operador f : X Y siendo Y = R o Y = C se llama funcional, adem as, el valor del funcional f para el elemento x se denota tambi en f (x). Puesto que el funcional lineal es un caso particular del operador lineal, siguen siendo v alidos los conceptos de continuidad, acotaci on y norma utilizados en el cap tulo anterior. El espacio L(X, Y ) donde Y = R o Y = C se denomina dual de X y se denota mediante X . Llamamos hiperplano a un conjunto {x X : f (x) = } donde f es un funcional lineal, R( C).

99

Denici on 4.1.1 Sea f una funci on num erica denida sobre un espacio lineal L, se denominar a funcional lineal si cumple que x, y L f (x + y ) = f (x) + f (y ) donde , K. Teorema 4.1.1 Sea f un funcional lineal en un espacio normado X . Entonces si f es continuo en x0 X , lo es en cualquier punto de X . Denici on 4.1.2 El funcional lineal f en el espacio normado X es acotado si existe un valor k constante, tal que para todo x X , |f (x)| k x Existen muchos n umeros reales k que cumplen la Denici on 4.1.2 para una f particular. Por ejemplo, si k1 satisface, ciertamente cualquier otro mayor que el lo hace. El pr oximo teorema nos muestra c omo la condici on de acotaci on es equivalente a la continuidad. Teorema 4.1.2 El funcional lineal f denido sobre un espacio lineal normado X es acotado si y s olo si es continuo. (Ejercicio resuelto 1, ejercicio propuesto 1) La demostraci on es an aloga a la del teorema 3.1.3 para el caso particular en que la norma sobre el espacio de las im agenes (en este caso el cuerpo de escalares) es el m odulo. El procedimiento metodol ogico para calcular la norma de un operador puede utilizarse para obtener en particular la norma de un funcional. (Ejercicio resuelto 2) Como L(X, K) es en particular un espacio normado, se puede analizar el comportamiento de la convergencia en este espacio. (Ejercicio resuelto 3)

100

4.2

Teorema de Hahn-Banach. del Espacio Dual

Estructura

Teorema 4.2.1 (Teorema de Hahn-Banach) Sea M un subespacio del espacio lineal real X , p un funcional sublineal en X , y f un funcional lineal en M tal que, para todo x M , f (x) p(x). Entonces existe un funcional lineal F denido en todo X y extendiendo a f tal que F (x) p(x) (x X ). Veamos esquem aticamente lo anterior: X R [F (x) p(x)], | M R [f (x) p(x)]. En caso de tener espacios complejos, tendr amos entonces: X C [| F (x) | p(x)], | M C [| f (x) | p(x)]. Teorema 4.2.2 (Teorema de Hahn-Banach para espacios normados) En un espacio normado real X sea dado un funcional f con D(f ) X . En extensi tonces existe un funcional lineal y acotado f on de f , denido en todo yf (x) = f (x) para cualquier x D(f ). X tal que f = f (Ejercicio resuelto 3) Si se quiere denir sobre un espacio normado un funcional que satisfaga determinadas condiciones, el teorema 4.2.2 nos aporta el fundamento te orico para establecer un procedimiento metodol ogico que gu e la forma de obtener un elemento del dual con valores prejados en puntos o subespacios.
f F f F

101

Procedimiento 4 (P1) Considerar una variedad lineal M asociada a los entes prejados. (P2) Denir un funcional f sobre M que cumpla los requerimientos pedidos. (P3) Probar que f es lineal, continuo y hallar su norma. (P4) Inferir que existe una extensi on de f a todo el espacio que preserva la norma utilizando el teorema 4.2.2. Los siguientes corolarios del teorema 4.2.2 se pueden probar utilizando esta metodolog a. Corolario 4.2.2.1 Sea x X, x = 0. Entonces existe una f X tal que f = 1 y f (x) = x (Ejercicios resueltos 4, 5, 6 y 7) Corolario 4.2.2.2 Sean L X una variedad lineal, x0 X, x0 L y d = (x0 , L) > 0. Entonces existe una f X tal que f (x) = 0 para 1 cualquier x L, f (x0 ) = 1 y f = d . (Ejercicios resueltos 8 y 9) Teorema 4.2.3 (Teorema de Riesz) Sea H un espacio de Hilbert. Para cualquier funcional lineal acotado f , dado sobre todo H , existe un elemento u nico y H , tal que f (x) = (x | y ) para cualquier x H . Adem as f = y . (Ejercicio resuelto 10)

4.2.1

Aplicaciones del Teorema de la Acotaci on Uniforme al caso de funcionales

A continuaci on se enuncia el teorema de Banach-Steinhaus para su aplicaci on especializada al caso en que los operadores que deben manejarse sean funcionales. Sean X espacio de Banach, {Tn } L(X, Y ). x X cx R : Tn (x) cx n = 1, 2, ... c R : Tn c n = 1, 2, ... 102 (4.2.1) (4.2.2)

Aplicaciones 1. A los espacios de polinomios. Si X es el espacio de polinomios x(t) = 0 + 1 t + ... + n tn con x = max |j | .
0j n

n N,

Entonces X no es completo. Demostraci on Se basa en construir una sucesi on {Tn } L(X, Y ) que satisfaga la condici on (4.2.1) pero no a (4.2.2). Vamos a tomar Y = K (los Tn funcionales). Denamos: Tn (0) = 0; Tn (x) = 0 + 1 + ... + n

se tiene directamente de la denici on que Tn es lineal y se cumple la acotaci on:

n n

|Tn (x)| =
i=0

i
i=0

|i | (n + 1) x

on si Nx = Grad(x), entonces (4.2.1) De acuerdo con la acotaci |Tn (x)| (Nx + 1)1 x Tn Nx + 1 (4.2.2) Probemos que Tn no est a acotada. Sea x(t) = 1 + t + ... + tn |Tn (x)| = 1 + ... + 1 = (n + 1) x
n+1 =1

(n + 1)(1) |Tn (x)| = =n+1 x (1) |Tn (x)| = Tn n + 1 . sup x x=0

1

Cantidad de coecientes

103

2. A las series de Fourier. Existe una funci on continua de valores reales cuya serie de Fourier diverge en un punto dado t0 . Demostraci on Sea X el espacio de las funciones continuas de valores reales de per odo 2 . x = max |x(t)| X = C [0, 2 ] es un espacio de Banach. Tomando t0 = 0; Tn funcionales). Y = K (los

Si Tn es el valor de la n esima suma parcial de la serie de Fourier de x evaluada en t0 = 0, entonces 1 Tn (x) = a0 + am 2 m=1 Resulta inmediato por la denici on de Tn que es lineal. Se puede probar que Tn = 1 t 2 1 2
2 n

|qn (t)| dt
0

sin n + donde qn (t) =

1 sin t 2 no est a acotada, entonces,

y que Tn

y por tanto { Tn }

x X : |Tn (x)| no est a acotado2 , luego, por denici on de Tn la serie de Fourier de x diverge en t0 .
2

Aplicando la ley de contraposici on en el teorema de la Acotaci on Uniforme.

104

3. A la aplicaci on can onica. Esta aplicaci on requiere el manejo de un importante operador que se denota por J y que relaciona de forma natural un espacio con su bidual, por lo que se le denomina aplicaci on can onica. Sabemos que: Y de Banach L(X, Y ) de Banach.

Si Y = K entonces L(X, Y ) X es completo. Sea x X deniremos: x (x ) = x (x) x X

y formemos J (x) = x . Entonces se tiene que: x X . Demostraci on Hay que probar que x es lineal y continua. Linealidad : x (x1 + x2 ) = (x1 + x2 )(x) = 3 x1 (x) + x2 (x) = x (x1 ) + x (x2 ). Tambi en, x (x1 ) = (x1 )(x) = 4 x1 (x) = x (x1 ). Continuidad : |x (x )| = |x (x)| x (2) J lineal y continuo.
Def. Def. Def.

x x

x .

3 4

Denici on de suma de funciones. Denici on de producto de un escalar por una funci on.

105

Demostraci on Linealidad : J (x1 + x2 ) = y : y (x ) = x (x1 + x2 ) x X y (x ) = x (x1 + x2 ), pero tenemos que x es lineal, entonces x (x1 + x2 ) = x (x1 ) + x (x2 ) = x1 (x ) + x2 (x ) = (x1 + x2 )(x ) y = x1 + x2 = J (x1 ) + J (x2 ). Tambi en, J (x) = y : y (x ) = x (x), pero como x es lineal, entonces x (x) = = J (x) = Continuidad : Jx = x pero, x X , tenemos |x (x)| x Luego, sup |x (x)| x J 1.
x =1 = Jx

x (x) = x (x ) (x )(x ) y = x x = J (x).

= sup |x (x )| = sup |x (x)| ,

x =1 x =1

x x

x X

= 1.

Sea x X x0 X tal que x0 = 1 y |x0 (x)| = x por el teorema 4.2.1. x = |x0 (x)| sup |x (x)| = Jx x .
x =1

106

Por tanto Jx = x x X . Como J es lineal, x1 , x2 X se tiene que J (x1 x2 ) = x1 x2

= Jx1 Jx2

esto es, d(x1 , x2 ) = d(J (x1 ), J (x2 )), por lo que se dice que J es una isometr a. Una consecuencia de que J sea una isometr a es que: M acotado J (M ) acotado.

4. A la acotaci on de conjuntos. Caso 1) Sea X un espacio normado M X : sup |x (m)| < + X X .

mM

Entonces M est a acotado. Demostraci on Sea F = J (M ) X y observando que X es de Banach. F = J (M ) X : sup

J (m)J (M )

| J (m)(x ) |< +5
x (m)

X X.

mM

Entonces J (M )6 est a acotado M est a acotado.

Caso 2) Sea {xn } X , X espacio normado. Supongamos que x X existe

n

lim x (xn ).

Entonces xn est a acotada.

5 6

Por hip otesis. Isometr a.

107

Demostraci on Utilizando la aplicaci on 3 y considerando M = {xn } es suciente probar que sup |x (xn )| < + x X .
n

Como toda sucesi on convergente de escalares est a acotada x X De aqu que M est a acotado. sup |x (xn )| < +.
n

4.2.2

Ejercicios Resueltos

1. Estar an acotadas las siguientes funcionales lineales en el espacio C [0, 1]? 1 a) f (x) = 0 x( t)dt; b) f (x) = lim
1 n 0

x(tn )dt;
1

Soluci on al inciso a) |f (x)| = max

t[0,1]

x( t)dt x( t)dt 0t10 t1

0 1 0

max x( t )
1

t[0,1]

x x (1 0) = x
1 0

x( t) dt

Est a acotada.

Soluci on al inciso b) Sea fn (x) =

x(tn )dt
1

|fn (x)| =
0 1

x(tn )dt

|x(tn )| dt max |x(tn )|

t[0,1] n t[0,1]

t [0, 1] t [0, 1] |x(t )| |fn (x)| x est a acotado.

x max |x(t )| x

n. Pasando al l mite |f (x)| x , luego f

108

2. Demostrar que en el espacio C [1, 1] las siguientes funcionales son lineales, continuas y hallar sus normas: 1 a) f (x) = [x(1) + x(1)]; 3 b) f (x) = 2[x(1) + x(0)]; c) f (x) = jos.
n k=1

k x(tk ), donde k R,

t1 , t2 , ..., tn [1, 1] son

Soluci on al inciso a) Linealidad f (x + y ) = 1 [(x + y )(1) + (x + y )(1)] 3 1 = [(x(1) + y (1)) + (x(1) + y (1))] 3 1 1 = [x(1) + x(1)] + [y (1) + y (1)] 3 3
f (x) f (y )

= f (x) + f (y ). Acotaci on x C [1, 1] |f (x)| = 1 [|x(1) + x(1)|] t[1,1] 3 1 max [|x(1) | + | x(1)|] t[1,1] 3 1 [ max |x(t)| + max |x(t)|] t[1,1] 3 t[1,1] max
x x

2 x 3 2 3 =

109

C alculo de la norma Considerar x0 (t) 1 t [1, 1]; x0 C [1, 1]. Entonces |f (x0 )| = x0 1 (1 + 1) 3 1 2 |f (x)| sup , 3 x=0 x
f

2 luego f = . 3 Soluci on al inciso b) Linealidad f (x + y ) = 2[(x + y )(1) + (x + y )(0)] = 2[(x(1) + y (1)) + (x(0) + y (0))] = 2[x(1) + x(0)] + 2[y (1) + y (0)]
f (x) f (y )

= f (x) + f (y ). Acotaci on x C [1, 1] |f (x)| =

t[1,1] t[1,1]

max 2[|x(1) + x(0)|] max 2[|x(1)| + |x(0)|]

t[1,1] t[1,1]

2[ max |x(t)| + max |x(t)|]

2 x

= 4 x 4 x

C alculo de la norma Considerar x0 (t) 1 t [1, 1]; x0 C [1, 1]. Entonces |f (x0 )| |2(1 + 1)| |f (x)| = = 4 sup , x0 1 x x=0
f

110

luego f = 4. Soluci on al inciso c) Linealidad

n

f (x + y ) =
k=0 n

k (x + y )(tk ) k (x(tk ) + y (tk ))

k=0 n n

= =

k x(tk ) +
k=0 f (x) k=0

k y (tk ) = f (x) + f (y ).
f (y )

Acotaci on x C [1, 1]
n

|f (x)| =

t[1,1]

max

k x(tk )
k=1 n

t[1,1]

max

|k x(tk )|
k=1 n

t[1,1] n

max

|k | |x(tk )|
k=1

|k |
k=1

x Sea 0 = max |k |
1kn

Denamos x0 como la funci on seccionalmente lineal que satisface x0 (tk ) = 0 0 Si k 0, Si k < 0.

111

Entonces 1 |f (x0 )| = x0 0 1 = 0 sup

x=0 n

k x0 (t)
k=1 n n

|k | 0 =
k=1 k=1

| k |

|f (x)| = f x

3. Sean X un espacio normado, fn X (n N) Demostrar que fn converge en X si y s olo si fn (x) converge uniformemente en la bola 1 = {x X : x 1}. B Soluci on: fn f en X > 0 n0 N : n n0
Def

fn f
= sup |fn (x)f (x)|
x 1

y esto implica que fn (x) converge uniformemente en la bola unitaria, es decir que 1 > 0 n 0 N : n n 0 x B se cumple que |fn (x) f (x)| . Rec procamente, sea y X , sea f (y ) = lim fn (y ) y supongamos que
n

1 . Para y = 0, esta convergencia es uniforme sobre B Por hip otesis, dado > 0 existe n0 N tal que n n0 y y

y 1 . B y

(fn f )

1 (fn (y ) f (y )) |fn (y ) f (y )| y esta desigualdad es trivial para y = 0 > 0 n0 N : n n0 y X 112

se tiene que |fn (y ) f (y )| y fn f lineal y acotado, luego f = f fn + fn f X y fn f fn f en X . 4. Demostrar el teorema 4.2.2. Soluci on: Es necesario probar que si X f D f : . f = f

Construiremos una seminorma p(x) tal que p(x) = f Se verica que x D |f (x)| f x .
p(x)

x .

lineal, que extiende a f tal que Por el teorema 4.2.1, f (x) | p(x) f X |f
f x

f 7 f

5. Probar el corolario 4.2.2.1. Soluci on: Es necesario probar que si x X, x = 0 f X

7

f = 1 y f (x) = x .

una extensi Por ser f on de f .

113

(P1) Consideremos M = {x (P2) Denamos f (x) = x . (P3) f es un funcional lineal sobre M : f (x1 + x2 ) = f ( 1 x + 2 x ) = (1 + 2 ) x
x1 x2

K} .

= 1 x + 2 x .
f (x1 ) f (x2 )

f (x1 ) = f ( 1 x )
x1

Aplicando ahora la denici on de f = 1 x = f (x1 ).

f (x1 )

Para = 1 f (x) = x . f continuo sobre M : |f (x)| = | x | = || x = x f 1. Luego, = 0 |f (x)| |f (y )| = 1 sup = f , x y y =0

de donde f = 1. X = f =1yf (x) = f (x) = x . (P4) f : f 6. Sean X un espacio normado, x, y X, x = y . Demostrar que existe una f X tal que, f (x) = f (y ).

114

Soluci on: Sea x y = 0 8 f X : f (x y ) = x y . Entonces f (x y ) = f (x) f (y ) f (x) = f (y )+ f (x) = f (y ) 7. Sean X un espacio normado, x0 X y supongamos que para cualquier f X , tal que f = 1, se cumple la desigualdad |f (x0 )| 1. Demostrar que x0 1. Soluci on: Para el caso de que x0 = 0 tenemos una trivialidad. Para el caso x0 = 0, por el Corolario 4.2.2.1 tenemos que f X tal que f = 1 y |f (x0 )| = x0 aplicando directamente la hip otesis tenemos que x0 1. 8. Sea x0 (t) C [0, 1], x0 = 0, consideramos el subespacio unidimensional L = {x0 (t)} donde R. Denamos sobre L un funcional lineal f mediante la igualdad f (x) = si x = x0 . a) Demostrar que f = 1 . x0 un el Teorema 4.2.2 f se puede prolongar sobre todo el espab) Seg cio C [0, 1] conservando la norma. Es u nica esta prolongaci on si x0 (t) = 1 2t? Soluci on al inciso a) f (x0 ) = es lineal | f ( x0 ) |= ||
x

xy
>0

x0 | | x 0 1 = = x0 x0 x0

x sup
x=0

|f (x)| 1 = . x x0
f

Soluci on al inciso b) x0 (t) = 1 2t

8

f (x0 ) =

f =

1 1 = =1 x0 max |x0 (t)|

t[0,1]

Consecuencia del Corolario 4.2.2.1

115

Consideremos f1 (x) = x(0) y f2 (x) = x(1) se tiene que f1 = f2 = 1 Probemos que f1 y f2 coinciden con f sobre L f1 (x0 )
Def. de f1

(x0 )(0) = x0 (0) = (1 2(0))

=1

f2 (x0 )

Def. de f2

= = f (x0 ) (x0 )(1) = x0 (1) = ()(1 2(1))

=1

= = f (x0 ) Luego f1 y f2 son dos prolongaciones de f a C [0, 1] que preservan la norma. 9. Probar el corolario 4.2.2.2. Soluci on: (P1) Consideremos M = {x0 + l (P2) Denamos f (x0 + l) = . (P3) Hay que probar que f es un funcional lineal, continua sobre L y 1 que f = para aplicar seguidamente el corolario 4.2.2.1. d f (x1 + x2 ) = f [(1 x0 + l1 ) + (2 x0 + l2 )] = f [(1 + 2 ) x0 + (l1 + l2 )]
x1 x2 K L

K,

l L}

= 1 + 2 = f (x1 ) + f (x2 ). De manera an aloga se prueba que f (x1 ) = f (x1 ).

116

f continua: |f (x0 + l)| = || l donde L. d |f (x0 + l)| Observemos que si = 0, entonces | f (l) |
=0

1 d | | x 0 d d

l d

= 0 ,

1 x0 + l d

1 l . d

Luego, f Se tiene que | f (x0 l) | f

=1

1 . d l L.

x0 l

Como d = inf x0 l
lL

{ ln } L

ln x0 ln d.
n

Sustituyendo 1 f Pasando el l mite 1 f d f X : f (x0 ) = 1 y f = 1/d. (P4) f 1 . d x0 l n.

117

10. Sean X un espacio normado, xn X (n N) un sistema de elementos jos, L su variedad lineal generada, x X un elemento arbitrario. si y s Demostrar que x L olo si de f X , f (xk ) = 0 para k N se deduce que f (x) = 0. Soluci on: Supongamos que f (xk ) = 0 k N
l

xL x=
k=1

mk xmk
l l

f (x) = f
k=1

mk xmk
L

=
k=1

mk f (xmk ) = 0
=0

xn L : xn x f (xn ) f (x) xL
L =0 =0

[f X f (xk ) = 0 f (x) = 0] xL Para probar la implicaci on contraria utilizaremos el principio de contraposici on, es decir si p q entonces q p. Supongamos que que es la negaci xL on de q . Por el Teorema 4.2.2, > 0 lo cual constif0 : f0 (xk ) = 0 k = 1, 2, ... f0 (x) = d(x, L) tuye la negaci on de p. 11. Sean X un espacio normado, M X un conjunto arbitrario. Hagamos M = {f X : f (x) = 0 para todo x M }. a) Demostrar que M es un subespacio en el espacio X . b) Qu e representa M , si X es un espacio de Hilbert?

118

Soluci on al inciso a) Sean f, g M R(C). f M f, g M f 0 en M f 0 en M f M . f 0 g 0 en M f + g 0 en M f + g M .

Probemos ahora que M es cerrado. Sea x M , {fn } M , fn f. fn M fn (x) = 0 n N

fn

lim fn (x) = f (x) = 0 f M .

n

Soluci on al inciso b) M = {f X : f (x) = 0 x M } se corresponde con: MH = {y X : f (x) = (x, y ) = 0 x M }. (4.2.3)

Teo. 4.2.2

A (4.2.3) lo llamamos Complemento Ortogonal de M .

4.3

Espacio Dual

Supongamos que f y g son funcionales lineales acotados sobre un espacio normado X . Decimos que f y g son iguales, f = g , si y s olo si f (x) = g (x) para todo x X . Por denici on f + g corresponde al valor del funcional lineal, en cualquier punto x X , de f (x) + g (x) y, con un escalar y f como arriba, f ser a f (x) en cualquier punto x; se verica que la clase de dichos funcionales lineales acotados es un espacio lineal. Denici on 4.3.1 Si f es un funcional lineal acotado en un espacio normado X, podemos denir |f (x)| (4.3.1) f = sup x x =0 Como caso particular de operador lineal acotado, se tiene para toda x, |f (x)| f x . 119

El espacio normado que contiene a todos los funcionales lineales y acotados sobre X , es llamado dual topol ogico y se denota X . Se tienen las formas equivalentes de expresar f . (1) f = inf k tales que |f (x)| k x para toda x donde
k K

K = {k

|f (x)| k x

x X } .

(Observemos directamente que, puesto que f K, f inf k )

kK

(2) f = sup (3) f = sup

x 1 x =1

| f (x) |. | f (x) |.

La demostraci on constituye un caso particular de la realizada en el ejercicio resuelto 7 del Cap tulo 3. Cuando el dominio de un funcional es un espacio nito-dimensional, no hace falta se nalar ni demostrar que es continuo porque autom aticamente lo es, como muestra el siguiente teorema. En este caso se trabaja con la propiedad de equivalencia de las normas para obtener criterio sobre el comportamiento de la norma del espacio en cuesti on. Teorema 4.3.1 Si X es un espacio normado nito-dimensional, entonces todo funcional lineal es acotado. Demostraci on Sean f un funcional lineal en X , x1 , x2 , ..., xn una base de X . Entonces deben existir escalares 1 , 1 , ..., n asociados a cualquier vector x X tales que podemos escribir
n

x=
i=1

i xi .

120

Puesto que f es un funcional lineal, tenemos

n

f (x) =
i=1 n

i f (xi ),
n

|f (x)| =
i=1

i f (xi )
i=1 n

|i | |f (xi )| = max |i |
iin

Denamos

0 i=1

|f (xi )| , siendo x

k=
i=1

|f (xi )| ,

podemos ver que |f (x)| k x

0

pero como f es acotado con respecto 0 es acotado con cualquier otra norma de X , ya que > 0 tal que x 0 x , luego |f (x)| k x .9
M

Teorema 4.3.2 El espacio dual X es un espacio de Banach. Este teorema resulta un caso particular del ejercicio resuelto 5 del Cap tulo 3, ya que para K = R C, L(X, K) X y K es de Banach.

4.3.1

Operadores Conjugados

Sean E, E1 espacios normados, A L(E, E1 ), es decir, A : E E1 ; sea g un funcional lineal y continuo arbitrario de E1 (g E1 ) es decir g : E1 K. Al hallar su composici on con A, esta es lineal y continua.10 Podemos formar A (g ) = g A,
A : E1 E g g A
9 10

Ver nota que sigue al ejercicio resuelto 6 del Cap tulo 2. La composici on de dos aplicaciones lineales y continuas tiene el mismo car acter.

121

 Probemos que A es lineal y continuo, es decir, A L(E1 , E ). Sean 1 , 2 K y g1 , g2 E1 ,

A (1 g1 + 2 g2 ) = (1 g1 + 2 g2 ) A = 1 (g1 A) +2 (g2 A) .
A 1 g1 A 2 g2

Ahora probemos la acotaci on, A (g ) = g A A

k

entonces A est a acotado por A ( A A ). (Ejercicios resueltos 1 y 2)

4.3.2

Conjugado de Hermite
H H H H
A A

Sea H un espacio de Hilbert arbitrario, entonces tenemos,

pero tambi en y como resultado de la aplicaci on del Teorema de Riesz, tenemos, H H 1 H H

y A z y A z

= 1 A , llamaremos a A Conjugado entonces podemos obtener A de Hermite. Este operador se dene del espacio H en s mismo y cumple la propiedad fundamental (A(x) | y ) = (x | A (y )). Demostraci on (y )) (A(x) | y ) = 11 y (A(x)) = 12 (A (y ))(x) = 13 z (x) = 14 (x | z ) = 15 (x | A
11 12

Aplicando el Teorema de Riesz. Por la denici on de A . 13 Ver esquema anterior. 14 Aplicando el Teorema de Riesz. 15 Ver esquema anterior.

122

Hemos denominado fundamental a esta propiedad porque caracteriza al conjugado de Hermite en el sentido que es el u nico operador sobre H que la cumple. (Ejercicio resuelto 3) La propiedad fundamental y la unicidad pueden combinarse para establecer un procedimiento que permita probar la forma que debe tener el conjugado de un cierto operador, o tambi en demostrar sus propiedades operativas. (Ejercicios resueltos 4, 5, 7 y 8) Procedimiento 5 (P1) Seleccionar el operador A y el vector del miembro izquierdo de la propiedad fundamental de acuerdo con lo que se requiera probar. (P2) Plantear la forma para que (Ax | y ) en dependencia de la denici on de A y del producto escalar. (P3) Aplicar propiedades del producto escalar hasta obtener (Ax | y ) = (x | By ). . (P4) Inferir que B = A , Observemos las propiedades de A (1) Lineal. (Ejercicio resuelto 4) (2) Continuo. Analicemos c omo se comporta la acotaci on que se tiene como consecuencia de (2), (x) A
2

(x) | A (x)) = (A(A (x)) | x) = (A (x)) A(A A A . x x A (x) A x

(x) A A

123

 (A(x))). EnRec procamente, si y = A(x), (A(x) | A(x)) = (x | A tonces, A(x) A(x) A A

2

(A(x)) A A A A . x

x A(x)

se llama Autoconjugado y se tiene que, De aqu que si A = A (A(x) | y ) = (x | A(y )) El conjugado de Hermite posee un conjunto de propiedades operativas signicativas que provienen de aplicar la propiedad fundamental demostrada y utilizar las propiedades caracter sticas del producto escalar. (Ejercicios resueltos 3 y 4) La propiedad fundamental aludida tiene tambi en un gran valor pr actico para determinar la expresi on del conjugado de Hermite. (Ejercicios resueltos 5, 6 y 7) En general, la denici on de operador conjugado se hace t ecnicamente m as compleja cuando las hip otesis que se asumen sobre el operador original son m as d ebiles. (Ejercicios resueltos 8 y 9)

4.3.3

Ejercicios Resueltos

1. Probar que A = A . Soluci on: Ya se ha visto que: A A .

124

Por el teorema 4.2.1: Ax = sup |f (A(x))| = sup | (A (f )) x |

f =1 f =1 E

sup A (f )
f =1

x A

x .

De aqu que A A , luego A = A . 2. Sea X un espacio normado, A, B L(X ). Demostrar que (AB ) = B A . Soluci on: B A (f ) = B (A (f )) = B (f A) = (f A)B = f (AB ) = (AB ) (f ). es el u 3. Probar que A nico operador sobre H tal que y ). (Ax | y ) = (x | A Soluci on: Supongamos que existe B : H H tal que (Ax | y ) = (x | By ). y ) se tiene, comparando que: Como (Ax | y ) = (x | A y ) x H, y H (x | By ) = (x | A y ) = 0 (x | By ) (x | A y ) = 0 x (x | By A y | By A y ) = 0 y B = A . (By A es lineal. 4. Probar que A Soluci on: Apliquemos el Procedimiento 5 125

(P1) A A,

y = y1 + y2 ;

(y1 + y2 )); (P2) (Ax | y ) = (Ax | y1 + y2 ) = (x | A (P3) Aplicando propiedades del producto escalar: (x | A y1 ) + y2 ) (Ax | y1 + y2 ) = (x | A A y1 + y2 ) = (x | A A y1 + y2 ; = (x | By ) donde By = A A y = A (y1 + y2 ) = y1 + y2 . A (P4) By = A 5. Sean X, Y espacios de Hilbert; , C, A, B L(H ). Demostrar que B + 16 . (A + B ) = A Soluci on: (P1) A = A1 + A2 ; y y;

(P2) ((A1 + A2 )x | y ) = (x | (A1 + A2 ) y ); (P3) Aplicando las propiedades del producto escalar: ((A1 + A2 )x | y ) = (A1 x | y ) + (A2 x | y ) 1 y ) + (xA 2 y ) = (x | A A 1 y + 2 y ) = (x | A A 1 + 2 )y ); = (x | ( A A 1 + 2 . A (P4) (A1 + A2 ) = 6. Si A, B son autoconjugados; , R, probar que: A + B es autoconjugado. Soluci on:
16

La barra signica conjugaci on compleja.

126

Por el ejercicio 5: (A + B ) = : 7. Si A : l2 l2 se dene as A(x1 , x2 , ..., xn , ...) = (0, x1 , x2 , ...). y determinar si es autoconjugado. Hallar A Soluci on: (P1) A A ; y = y;

+ A
A

. B
B

(P2) (Ax | y ) = ((0, x1 , x2 , ...) | (y1 , y2 , ...)) = x1 y2 + x2 y3 + ... + xn yn+1 + ...; (P3) (Ax | y ) = ((x1 , x2 , ..., xn , ...) | (y2 , y3 , ..., yn+1 , ...)) = (x | By ); y = (y2 , y3 , ..., yn+1 , ...). (P4) By = A Luego, A no es autoconjugado. 8. Probar que: Soluci on: (P1) A A1 B1 ; y y;

1 . 1 A (A1 B1 ) = B

(P2) (A1 B1 x | y ) = (x | (A1 B1 ) y ); 1 y ) = (x | B 1 A 1 y ). (P3) (A1 B1 x | y ) = (B1 x | A 1 . 1 A (P4) (A1 B1 ) = B 9. En el espacio l2 para x = (x1 , x2 , ...) l2 hacemos An x = (xn+1 , xn+2 , ...). a) Demostrar que An L(l2 ) y An 0.
b) Hallar A n y averiguar si es cierto que An 0. s s

127

Soluci on al inciso a) An L(l2 ) An (x + y ) = (xn+1 + yn+1 , xn+2 + yn+2 , ...) = (xn+1 , xn+2 , ...) + (yn+1 , yn+2 , ...) = (xn+1 , xn+2 , ...) + (yn+1 , yn+2 , ...) .
An x An y

Por tanto An es lineal. Tambi en: An x x An 1. Para cada x X

An x

=
k=n+1

|xk |2 0 An 0.
n

La convergencia fuerte es una consecuencia inmediata de la innitesimalidad del resto de una serie convergente. Soluci on al inciso b) Hallemos An por el procedimiento: (P1) A An ; y y ; (P2) (An x | y ) = (x | An y ). Se plantea el miembro izquierdo aplicando la denici on de An y de producto escalar en l2 , para y = (y1 , y2 , ..., yn , ...) (An x | y ) = ((xn+1 , xn+2 , ...) | y ) = xn+1 y1 + xn+2 y2 + ... (P3) Hallemos ahora el miembro derecho e indiquemos lo que deben valer los componentes de An : (x1 (An y )1 + ... + xn (An y )n + xn+1 (An y )n+1 +...
0 0 y1

+xn+2 (An y )n+2 +...)

y2

= (x | An y ); (P4) An x = (0, 0, ..., 0, x1 , x2 , ...).

n

128

Como An x = x

x l2 x = 0 A n x

0.

Por tanto no hay convergencia fuerte a 0. 10. Hallar el operador conjugado al operador A : L2 [0, 1] L2 [0, 1] si: Ax(t) = tx(t). Soluci on:
1

(Ax | y ) = (L)
0 1

Ax(t)y (t)dt
1

= (L)
0

tx(t)y (t)dt = (L)

0

x(t)ty (t)dt = (x | A y )

A y (t) = ty (t).

11. Sea T un operador lineal denido de DT X en Y ; X, Y son espacios normados. Probar que T admite una extensi on lineal cerrada si y s olo si [ {xn } DT : xn 0 T xn y ] y = 0. Soluci on: una extensi Sea T on lineal cerrada de T . Sea {xn } DT tal que xn 0 y T xn y.

17 cerrada GT es cerrado. T

es una extensi Como T on de T T GT GT GT G Si se considera (xn , T xn ) n = 1, 2, ..., se tiene que T GT (xn , T xn ) (0, y ) G , luego, (0) = 0. (0, y ) GT y = T
Lineal
17

Gr aco de T

129

Rec procamente, supongamos que {xn } DT tal que xn 0 y T xn y se cumple que y = 0. Denamos: T , DT x X : z Y que satisface (x, z ) G = (x) = z. T est Probemos que T a bien denida. T . Supongamos que z1 Y que satisface que (x, z1 ) G T es un subespacio Como G T (x, z ) (x, z1 ) G
(0,z z1 )

(xn , T xn ) GT : (xn , T xn ) (0, z z1 ) xn 0 y T xn z z1 . Por la condici on z z1 = 0, es decir z = z1 . = X ; Y es un espa12. Si M es un subespacio del espacio normado X , M cio de Banach. T : M Y un operador lineal acotado. Probar que que preserva la norma. T posee una extensi on lineal u nica T Soluci on: {xn } M tal que xn x. Probemos que Sea x X = M {T xn } es una sucesi on fundamental en Y . T xn T xm = T (xn xm ) T xn xm
n,m

18

Y es de Banach y Y tal que T xn y . Denamos

18

x = y = lim T xn . T
n

Porque {xn } es convergente.

130

 est Ante todo hay que probar que T a bien denida, es decir que es independiente de la selecci on de {xn }. Supongamos que {zn } es otra sucesi on tal que zn x. Consideremos la sucesi on alternada T x1 , T z1 , T x2 , T z2 , ..., T xn , T zn , ... Por c alculo directo se obtiene que esta sucesi on es fundamental y las dos subsucesiones tienen un l mite com un que es y . (Ejercicio propuesto 5) cumple las caracter T sticas siguientes: Es lineal. , entonces existen {xn } , {yn } M tales que Si x, y X = M xn x y yn y . Sean , K . Entonces xn + yn x + y . Por tanto: (xn + yn ) = T =
n

lim T (xn + yn ) lim (T xn + T yn )

n n

= lim T xn + lim T yn
x T y T

es continuo. T T x = lim T xn
n

Pero T xn T

xn . Pasando al l mite en la desigualdad x T T T . x T

Para obtener la desigualdad en sentido contrario observemos que es una extensi T on de T , ya que si x M se tiene que x = lim T xn T
n

donde puede tomarse xn = x n.

De aqu que
19

x = 19 T x T T . T

L mite de la sucesi on constante de t ermino T x.

131

4.4

Convergencia D ebil

Denici on 4.4.1 Sea una sucesi on {xn } en un espacio normado X , dew cimos que converge d ebilmente a x X y se escribe xn x, si para todo f X (X , como notaci on usual del dual topol ogico de X ), f (xn ) f (x). (Ejercicios resueltos 1 y 2) El primer hecho que demostraremos sobre la convergencia d ebil es la unicidad del l mite d ebil; precisamente, si xn x
w

xn y

(lo cual signica para cualquier f X que: f (xn ) f (x) y f (xn ) f (y )),

entonces debemos probar que x = y . Puesto que en un espacio m etrico el l mite es u nico, la hip otesis implica que f (x) = f (y ). Por la linealidad de f , esto es equivalente a f (x y ) = 0 para cualquier f X . Puesto que f puede ser cualquier funcional lineal acotado, podemos aplicar el Corolario 4.2.2.1 para armar que x y = 0 o x = y ; por tanto es imposible para una sucesi on que converja d ebilmente a dos elementos diferentes. Se cumplen tambi en las propiedades operativas del l mite siguientes: Si entonces
w w

xn x
w

yn y,

xn + yn x + y. 132

De manera similar, si es un escalar y xn x, entonces (Ejercicio propuesto 4) La denici on de continuidad de una funci on f (x) implica que si xn x, entonces f (xn ) f (x). Puesto que todo funcional lineal acotado, satisface |f (xn ) f (x)| f xn x xn x.
w w

se tiene que convergencia fuerte implica convergencia d ebil. Podemos preguntarnos c omo se comporta el rec proco de esta propiedad. El siguiente para que la convergencia d ebil implique la fuerte. Teorema 4.4.1 Si X es un espacio normado nito-dimensional entonces convergencia fuerte es equivalente a convergencia d ebil. (Ejercicio resuelto 3) Teorema 4.4.2 Si X es un espacio normado y xn x, entonces existe alguna constante positiva M tal que xn M para toda n. Teorema 4.4.3 Sea {xn } una sucesi on de vectores de un espacio normado X con la propiedad de que, para todo n, existe una constante positiva M tal que xn M. Adem as, supongamos que f (xn ) f (x) para todos los funcionales lineales acotados f que pertenecen al conjunto A, donde A tiene la propiedad [A] es denso en X , esto es, ] = X . [A Entonces xn x. Los Teoremas 4.4.2 y 4.4.3 se utilizan en la demostraci on del teorema siguiente: 133
w w

Teorema 4.4.4 Para que xn x es necesario y suciente que la sucesi on xn sea acotada y f (xn ) f (x) para cualquier f de una variedad lineal densa en X . (Ejercicio resuelto 4) Para la convergencia d ebil de los funcionales se extiende la denici on dada al dominio de X . Denici on 4.4.2 xn x x X
w

x (xn ) x (x ).

Cuando la convergencia d ebil denida sobre X se restringe a J (X ) X se llama convergencia debilitada (o d ebil) y como entonces para x J (X ) !x X se plantea: Denici on 4.4.3 xn x x X (Ejercicios resueltos 5 y 6) Teorema 4.4.5 Sea X un espacio de Banach. Para cada x X jo, la igualdad Jx (f ) = f (x) dene un funcional lineal acotado Jx sobre el espacio X tal que Jx = x . (Ejercicio resuelto 7) Por lo tanto, tiene lugar el encaje isom etrico J (X ) X . Si adem as J (X ) = X , entonces el espacio X se llama reexivo. En este caso, como X es de Banach y J una isometr a, X es necesariamente un espacio de Banach. Teorema 4.4.6 Para que fn f es necesario y suciente que la sucesi on fn sea acotada y fn (x) f (x) para cualquier x de una variedad lineal densa en X .
w w

x (xn ) = xn (x) ,

x (x ) = x (x).

xn (x) x (x).

134

4.4.1

Ejercicios Resueltos
xn x y
w n

1. Sean H un espacio de Hilbert; xn , x H (n N), xn x . Demostrar que xn x. Soluci on:

Como xn x se tiene (xn | y ) (x | y ) y H . En particular, tomando y = x podemos escribirlo (xn | x) x

2

(xn | x) x

0;

de la denici on de l mite de escalares es inmediato que xn Luego, (xn x)

2 2

xn

0.

= ( x n x | xn x) = (xn | xn ) (xn | x) (x | xn ) + (x | x) = xn 2 (xn | x) (x | xn ) + x 2 .

I II III

Veamos cada uno de los casos anteriores (I) Por propiedad de las normas xn (II) Por las hip otesis (xn | x) (x | x) = x (III) Como (x | xn ) = (xn | x), entonces, (xn | x) (x | x) = x Luego, xn
2 2 2 2

(xn | x) (x | xn ) + x 135

2. Sean X un espacio normado, Y un espacio de Hilbert, A L(X, Y ); {An } L(X, Y ). Probar que An x Ax x X (An x | y ) (Ax | y ) x X y Y
n w

Soluci on: Supongamos que An x Ax x X . Consideremos la aplicaci on n denida as : gy (z ) = (z | y ) y Y. Entonces, y Y, gy Y (esto ya se ha probado) x X, An x Ax gy (An x) gy (Ax)
n n (An x|y ) (Ax|y ) w w

x X y y Y Rec procamente, supongamos que x X, y Y

(An x | y ) = (Ax | y ).

(An x | y ) (Ax | y ). z Y
w

Consideremos g Y . Por el teorema 4.2.3, y Y tal que g (z ) = (z | y ) En particular, g (An x) = (An x | y )

Y 20 n

(Ax | y ) = g (Ax) An x Ax.

n

3. Demostrar el Teorema 4.4.1. Soluci on: Supongamos que xn x y que dim X = k . Sea {b1 , ..., bk } una base de X .
k w

xn =
i=1 k

i bi i bi .
i=1

(n)

x =
20

Por la hip otesis.

136

Consideremos:
k

j = 1, ..., k

fj (x) = fj
i=1 21

i bi

= j

f es lineal y necesariamente continua. fj (xn ) fj (x) 22

j
(n)

j = 1...k

Ahora probemos la convergencia fuerte,

k

xn x 23 xn x En general convergencia d ebil

=
i=1

(n)

0.

convergencia fuerte.

Ejemplo: Sean X = l2 (l2 de Hilbert), {en } on y n una sucesi en = (0, ..., 1 , ..., 0, ...).
n Primero veamos que en 0. Tomemos f l2 , entonces yf l2 : f (en ) = (en | yf ). Sea yf = {y1 , ..., yn , ...}. Como yf l2 entonces f (en ) = yn 0. Es importante destacar que {en } no converge en el n sentido fuerte ya que en em = 2 n = m. w

4. Demostrar el Teorema 4.4.6. Soluci on: Probemos en primer lugar el caso en que g (xn ) g (x) g L(A)
k w

g =
i=1 k

i fi
A k

g (xn ) =
i=1
21

i fi (xn )
A i=1

i fi (x) = g (x).
A

X nito-dimensional. Por la convergencia d ebil. 23 y 1 son equivalentes.

22

137

Probemos ahora que tiene lugar la convergencia para todo h L(A) = X . Tomemos > 0 y hallemos g L(A) : h g < . Para n sucientemente grande: |h(xn ) h(x)| = | h(xn ) g (xn ) + g (xn ) g (x) + g (x) h(x) | hg
<

xn + |g (xn ) g (x)| + h g
k < <

x .
k

Ya que por hip otesis k > 0

xn k

x k.

5. En el espacio l2 para x = (x1 , x2 , ...) l2 pongamos fn (x) = xn . Dew mostrar que fn 0. Es cierto que fn 0? Soluci on: Sea x l2 ; |fn x 0x| = |fn x| = |xn | 24 0; Tambi en, fn = sup |fn x| = sup |xn | = 1 fn
x =1 x =1

0(n ).

6. Sea 0 [a, b] (x) = x(0) C [a, b]. Considere la sucesi on de funciones continuas n (t) con las condiciones: 1 1) n (t) = 0 para |t| > , n 1 2) n (t) 0 para |t| , n 3) Sea fn (x) =
a
24

b a

n (t)dt = 1.
b

n (t)x(t)dt

x C [a, b].
n=1

Por la condici on necesaria de convergencia de la serie x =

|xn |

138

Probar que fn converge d ebilmente a . Soluci on:

b

|fn (x)| =
a

|n (t)| |x(t)| dt x fn 1 n.

Hallemos lim fn (x),

n

f n ( x) =

1 n 1 n

n (t)x(t)dt =

25

x(n )

1 n 1 n

n (t)dt
=1

1 1 donde n n n . Pasando al l mite n

lim fn (x) = lim x(n ) = x(0) = (x).

n w

Por tanto tenemos que fn . 7. Sea X un espacio reexivo; f X . Demostrar que existe x X, x = 0 tal que f (x) = x f . Soluci on: Para f 0 es trivial; sea f = 0. Por el Corolario 4.2.2.1 J X : J = 1 J (f ) = f . Tomando J = 1 J , se tiene por la denici on de norma que: f J = 1 f 1 J (f ) = 1 = J f
f
25

J (f ) =

f .

(4.4.1)

Consecuencia del Teorema del valor medio.

139

Por ser X reexivo, aplicando el Teorema 4.4.526 se puede armar que x X : f (x) = J (f ) J = x . Sustituyendo en (4.4.1) obtenemos: f (x) = f x .
J (f ) J

8. Demostrar el teorema 4.4.6. Soluci on: Probemos en primer lugar el caso en que g (xn ) g (x)
k w

g L(A).

g =
i=1 k

i fi
A k

g (xn ) =
i=1

i fi (xn )
A i=1

i fi (x) = g (x).
A

Probemos ahora que tiene lugar la convergencia para todo h L(A) = X . Tomemos > 0 y hallemos g L(A) : h g < . |h(xn ) h(x)| = h(xn ) g (xn ) + g (xn ) g (x) + g (x) h(x) hg
<

xn + |g (xn ) g (x)| + h g
k < <

x
k

Por hip otesis k > 0 : xn k x k .

4.5

Ejercicios Propuestos
1

1. Determinar si el funcional f (x) =

0

x(t2 ) dt

lineal en C [0, 1] est a acotado.

26

N otese que X es de Banach por ser reexivo.

140

2. Probar alternativamente que el funcional del ejercicio resuelto 1 es acotado. 3. Probar que
A1 , A2 L(E, E1 ) (A1 + A2 ) = A 1 + A2 .

4. Si xn x y yn y ; , escalares, probar que xn + yn x + y . on alternada del ejercicio resuelto 12 es fundamen5. Probar que la sucesi tal. ) = T . 6. Probar que (T

141

Cap tulo 5 Conjuntos compactos y Operadores totalmente continuos

La noci on de operador totalmente continuo es muy importante desde el punto de vista te orico porque implica muchas buenas propiedades operativas. Tambi en es relevante desde el punto de vista pr actico porque hay ejemplos muy u tiles de este tipo de operador. Este nuevo concepto est a basado en la noci on de conjunto compacto, y para demostrar de forma id onea las diversas propiedades, se requiere dominar las distintas caracterizaciones de la compacidad en los espacios m etricos, dadas en t erminos de nociones relacionadas con la denici on topol ogica de compacidad (en t erminos de cubrimientos por conjuntos abiertos). Por esto resulta u til reunir las nociones equivalentes a la compacidad y trabajar con ellas de la forma m as apropiada en el contexto de la noci on de este nuevo tipo de operador.

142

5.1

Conjuntos compactos en espacios normados

Denici on 5.1.1 Sea un conjunto de ndices y adem as supongamos que {G }, donde recorre , tiene la propiedad de que A G . Entonces {G } se denomina cubrimiento del conjunto A. Un subcubrimiento de A es una parte del cubrimiento que constituye tambi en un cubrimiento para A. Si el conjunto es nito, se dice que es un cubrimiento nito de A. Si cada G es abierto, entonces se dice que es un cubrimiento abierto de A y si el conjunto A tiene la propiedad de que, para todo cubrimiento abierto, se puede tomar un subcubrimiento nito, decimos que A es compacto. Teorema 5.1.1 Sea (X, d) un espacio m etrico. Entonces si A es compacto se cumple que A es cerrado y acotado. (Ejercicio resuelto 1) Un conjunto Q en un espacio normado X se denomina sucesionalmente compacto si de toda sucesi on xn Q(n N) se puede escoger una subsucesi on cuyo l mite pertenece a Q. Denici on 5.1.2 En el espacio m etrico (X, d) un subespacio A se denomina relativamente compacto si A es compacto. En los espacios nito-dimensionales, en particular en los espacios eucl deos Rn (Cn ), relativamente compacto es equivalente a acotaci on en virtud de la denici on anteriormente expuesta. En general, como los conjuntos compactos son siempre cerrados, tambi en podemos decir que los conjuntos compactos son siempre relativamente compactos. Denici on 5.1.3 El conjunto de puntos N de un espacio m etrico (X, d) se denomina red respecto al conjunto A si para todo x A existe un y N tales que d(x, y ) < . De manera equivalente para el caso en que tengamos un espacio normado podemos reescribir la denici on anterior: un conjunto M X se denomina red si para cualquier x M existe un x M tal que x x < . Por ejemplo, supongamos que A es R2 . Entonces el conjunto N = {(m, n) : m, n = 0, 1, ...} 143

 constituye una red para R2 , para cualquier >

2 . 2

un recinto acotado y cerrado en el espacio E n , C (G ) un espacio de Sea G con la norma x = max |x(t)|, M C (G ) un funciones continuas sobre G conjunto de funciones. Este conjunto se denomina equiacotado si existe un c R tal que para cualquier x M se cumple la desigualdad x c; equicontinuo si para cualquier > 0 existe un = ( ) > 0 tal que para que satisfacen la desigualdad t1 t2 < se cumple cualesquiera t1 , t2 G la desigualdad |x(t1 ) x(t2 )| < simult aneamente para todos los x M . Si tenemos un conjunto A de un espacio m etrico (X, d) decimos que es totalmente acotado si para cualquier > 0 existe una red nita1 con respecto a A. Probemos que totalmente acotado en espacios m etricos implica inmediatamente acotaci on. (Ejercicio resuelto 2) La compacidad en espacios m etricos se puede resumir mediante la caracterizaci on siguiente: Teorema 5.1.2 Sea A un subconjunto de un espacio m etrico X . Entonces las siguientes aseveraciones son equivalentes: (i) A es compacto, (ii) A es sucesionalmente compacto.
tG

5.2

Operadores lineales totalmente continuos

Muchos de los operadores integrales que se presentan en la pr actica tienen una caracter stica especial que facilita su estudio y que est a relacionada con las nociones de continuidad y de compacidad. Esta caracter stica se dene como operador lineal compacto (o tambi en totalmente continuo, completamente continuo) y una de las razones de su utilidad es que se transmite mediante operaciones usuales como la suma, el producto por un escalar, el producto por un operador lineal continuo (en el sentido de la composici on) y el l mite. Para comenzar a introducir este tema empezaremos por recordar la noci on
1

Una red nita es una red con un n umero nito de elementos.

144

de conjunto relativamente compacto : son aquellos conjuntos cuya clausura es compacta. Denici on 5.2.1 Sean X, Y espacios normados, A un operador lineal tal que, A : X Y. A se denomina totalmente continuo si transforma conjuntos acotados de X en conjuntos relativamente compactos de Y . (Ejercicio resuelto 3) Teorema 5.2.1 A totalmente continuo A continuo. (Ejercicio resuelto 4) El conjunto de todos los operadores totalmente continuos de L(X, Y ) se denomina mediante (X, Y ). Veamos algunos casos particulares en que continuidad implica totalmente continuo. (1) Sean A un operador lineal, X, Y espacios normados lineales, X es nito dimensional A es totalmente continuo. Demostraci on Supongamos que B X es acotado, A(B )2 A(X )3 Y A(B )4 es compacto. (2) Sean A un operador lineal y continuo, A : X Y y A(X ) es nitodimensional A es totalmente continuo. Demostraci on
Como A es continuo, A(B ) es acotado. Finito-dimensional por ser A lineal. 4 Cerrado y acotado en un espacio nito-dimensional.
3 2

145

Se tiene que A es lineal, supongamos que B est a acotado, B acotado A(B )

acotado

A(X )
nito-dimensional

A(B ) relativamente compacto (Ejercicio resuelto 5) Sin embargo, en general si A continuo A totalmente continuo,

X = l2 A = I (operador unidad) B bola unitaria. I (B ) = B que como sabemos no es relativamente compacto porque no es sucesionalmente compacto. (Ver Teorema 5.1.2) Teorema 5.2.2 (Teorema de Hausdor ) Sean X un espacio m etrico completo, S X . Decimos que S es compacto en X si y s olo si para cualquier > 0 existe una red nita de S .5 Teorema 5.2.3 A (X, Y ) es equivalente a que A transforma la bola unitaria de X en un conjunto relativamente compacto en Y . (Ejercicios resueltos 5 y 6) El siguiente Teorema nos da un criterio importante para determinar si un conjunto es totalmente acotado porque relaciona este concepto con un resultado similar al Teorema de Bolzano-Weierstrass para los n umeros reales. Teorema 5.2.4 Sea A un subespacio de un espacio m etrico (X, d). Si para toda sucesi on de puntos de A se puede seleccionar una subsucesi on convergente, entonces A es totalmente acotado. Teorema 5.2.5 (X, Y ) es un subespacio en el espacio L(X, Y ), siendo Y un espacio de Banach. (Ejercicio resuelto 7) El teorema 5.2.5 fundamenta un procedimiento para demostrar que un operador dado T es totalmente continuo y es posible obtenerlo como l mite en norma de una sucesi on de operadores totalmente continuos sobre un espacio de Banach.
5

S totalmente acotado.

146

Procedimiento 6 (P1) Denir una sucesi on {Tn } de operadores asociados a T . (P2) Probar que cada Tn es lineal y totalmente continuo. (P3) Probar que Tn T
n

0.

(P4) Inferir que T es totalmente continuo. Ejemplo: Probar que T : l2 l2 denido as : si x = (x1 , x2 , ...) T x = es totalmente continuo. (P1) Tn x = 1 1 x1 , x2 , ..., xn , 0, 0, ... . 2 n 1 1 1 x1 , x2 , x3 , ..., xn , ... , 2 3 n

(P2) Tn es lineal, continuo y R(Tn ) nito-dimensional, por tanto Tn es totalmente continuo. (P3) Desarrollando T x Tn x T x Tn x
2 2

= =

1 1 xn+1 , xn+2 , ... n+1 n+2

1 1 |xn+1 |2 + |xn+2 |2 + ... 2 (n + 1) (n + 2)2 1 (|xn+1 |2 + |xn+2 |2 + ...) 2 (n + 1) 1 x 2. (n + 1)2 Luego, T x Tn x

2

1 x (n + 1)2 T Tn 147

T x Tn x

1 x n+1

1 0. n + 1 n

(P4) T es totalmente continuo. Teorema 5.2.6 Sean A L(X, Y ) y B L(Y, Z ). Si por lo menos alguno de estos dos operadores es totalmente continuo, entonces su producto BA es totalmente continuo. Teorema 5.2.7 Sea A (X, Y ). Si xn X (n N) y xn x0 entonces A(xn ) A(x0 ). (Ejercicio resuelto 9) Teorema 5.2.8 Sea A L(X, Y ), donde Y es un espacio de Banach. El operador A es totalmente continuo si y s olo si A es totalmente continuo. Sea X un espacio de Banach y consideremos Y = X . Entonces se denota A (X, Y ) = (X ); x, y X . La ecuaci on Ax = y se denomina ecuaci on de primera especie, la ecuaci on x Ax = y (5.2.1)
w

se denomina ecuaci on de segunda especie. Conjuntamente con la ecuaci on (5.2.1) consideramos la ecuaci on homog enea correspondiente z Az = 0 an alogamente, consideramos la ecuaci on conjugada f A f = y una ecuaci on homog enea conjugada A = 0. Teorema 5.2.9 Las siguientes armaciones son equivalentes: on (5.2.1) tiene soluci on u nica para cualquier segundo miembro a) La ecuaci y; b) la ecuaci on (5.2.2) tiene solamente soluci on trivial; 148 (5.2.4) (5.2.3) (5.2.2)

c) la ecuaci on (5.2.3) tiene soluci on u nica para cualquier segundo miembro; on (5.2.4) tiene solamente soluci on trivial. d) la ecuaci Si se cumple una de las condiciones anteriores, entonces los operadores I A e I A son continuamente inversibles. Teorema 5.2.10 Las ecuaciones (5.2.2) y (5.2.4) tienen el mimso n umero nito de soluciones linealmente independientes. Los teoremas 5.2.9 y 5.2.10 son muy importantes para las aplicaciones porque caracterizan de forma alternativa el comportamiento de un operador totalmente continuo y en el caso de existir soluci on u nica se puede demostrar mediante el manejo de la ecuaci on homog enea, lo cual es usualmente m as simple. En particular, los resultados se estos teoremas son aplicables al estudio de las ecuaciones integrales de la forma:
b

x(s)
a

k (s, t)x(t) dt = y (s),

con = 0

puesto que de forma operacional puede escribirse as : x(s) (Ax)(s) = y (s), donde (Ax)(s) =
a (A1 x)(s) b

k (s, t)x(t) dt

o sea x Ax = y. Para utilizar los teoremas citados, se requiere una condici on suciente para que A1 sea totalmente continuo. Esta condici on estar a dada porque k (s, t) sea una funci on continua sobre [a, b] [a, b].

149

5.2.1

Ejercicios Resueltos

1. Demostrar el teorema 5.1.1 Soluci on: Compacto Cerrado Supongamos que A es un subconjunto compacto de (X, d). Vamos a probar que Ac es abierto. Sea y Ac , demostraremos que existe un conjunto abierto B tal que y B Ac . Consideremos x A, como x = y , para alg un n umero real x , existen vecindades de x e y , S x (x) y S x (y ) tales que, S x (x) S x (y ) = , (5.2.5) ya que cada espacio m etrico satisface el axioma de separaci on de Hausdor. Adem as, como x S x (x) para todo x A, se cumple que A
xA

S x (x).

Puesto que A es compacto, entonces existen x1 , x2 , ..., xn A, tales que

n

A
i=1

S xi (xi ).

(5.2.6)

Para cada xi A (i = 1, 2, 3, ..., n) como y Ac existe alguna vecindad de y , S xi (y ) que satisface (5.2.5), es decir S xi (xi ) S xi (y ) = . Ahora formemos B=
i=1 n

(5.2.7)

S xi (y ).

Supongamos que A B no es vac o. Como

n

AB Esto signica que

(S xi (xi ) B ).
i=1

B S xi (xi ) = 150

para alg un i por la hip otesis (5.2.6). Pero B S xi (xi ) S xi (y ) S xi (xi ). Por tanto, S xi (x) S xi (y ) = , y contradice la hip otesis (5.2.7). Por tanto A B = , donde B es un conjunto abierto por ser la intersecci on nita de bolas abiertas y adem as A B = y B Ac . Compacto Acotado Supongamos que A es compacto y consideremos un cubrimiento abierto de A que consiste en 1vecindades para cada uno de sus puntos. Luego, A
xA

S1 (x).

Puesto que asumimos que A es compacto, entonces existen x1 , x2 , ...xn tales que
n

A
i=1

S1 (xi ) = C.

Probemos que A est a acotado. Sea a = max d(xi , xj ), 1 i j n y sean x, y A; existen elementos xi e yi tales que x S1 (xi ) e y S1 (xj ). Aplicando la desigualdad triangular, podemos decir que: d(x, y ) d(x, xi ) + d(xi , xj ) + d(xj , y ) 1 + a + 1 = 2 + a. Esto implica que el di ametro de A es menor o igual que 2 + a y por tanto A est a acotado. 2. Probar que si un conjunto es totalmente acotado es necesariamente acotado. Soluci on: 151

Supongamos que A totalmente acotado y sea > 0. Como hemos asumido que A es totalmente acotado, entonces existe un conjunto nito para A, llam emoslo N . Puesto que N es un conjunto nito de puntos, su di ametro es nito, o sea, Diam(N ) < . Ahora, sean a1 y a2 dos puntos de A. Entonces existen dos puntos y1 , y2 N , tales que d(a1 , y1 ) < y d(a2 , y2 ) < . Aplicando la desigualdad triangular, se tiene, d(a1 , a2 ) d(a1 , y1 ) + d(y1 , y2 ) + d(y2 , a2 ) 2 + Diam(N ), pero, puesto que a1 y a2 son dos puntos cualesquiera de A, esto implica que sup d(a1 , a2 ) = Diam(A) 2 + Diam(N ),
a1 ,a2 A

quedando probado as que A es acotado. El rec proco de manera general no se cumple y resulta evidente por el contraejemplo siguiente: Consideremos el espacio m etrico l2 y sean x = (1 , 2 , ..., n , ...) e y = (1 , 2 , ..., n , ...) dos puntos de este espacio con la distancia d(x, y ) denida de la manera siguiente:

1 2

d(x, y ) =
i=1

|i i |2

Consideremos el subespacio siguiente de l2 , A = {x l2 : d(x, 0) = 1},

estos son los puntos de la supercie de la bola unitaria en l2 . Para dos puntos cualesquiera x e y en A, podemos decir que d(x, y ) d(x, 0) + d(y, 0) = 2

152

concluyendo que A es, de hecho, acotado. Para probar que A no es totalmente acotado, consideremos la siguiente colecci on de puntos de A: e1 = (1, 0, 0, ...) e2 = (0, 1, 0, ...) e3 = (0, 0, 1, ...) . . . . . . En este caso, para n = m, se tiene que d(en , em ) = 2. Pode2 mos armar que, para un < , no existe una red nita, 2 2 ya que si suponemos que < y si denotamos por N la red 2 correspondiente, existen yi , yj N tales que d(ei , yi ) < y d(ej , yj ) < .

Probemos que i = j se cumple que yi = yj . Supongamos lo contrario, es decir, que existen i0 = j0 tales que yi0 = yj0 . Entonces d(ei0 , ej0 ) d(ei , yi0 ) + d( yi0 , ej ) < 2 2, Absurdo!
=yj0

por tanto, que no existe una red nita N es innito. De aqu 2 para < , y A no es totalmente acotado. 2 3. Sean X un espacio normado, z X jo y f X . Denamos A : X X de la manera siguiente: xX A(x) = f (x) z
K

(5.2.8)

Probar que A es totalmente continuo. Soluci on: 153

1ro) A lineal? A(x + y ) = f (x + y )z = [f (x)+ f (y )]z = f (x)z + f (y )z

A(x) A(y )

2do) A totalmente continuo? Consideremos A acotado A(B) relativamente compacto? De acuerdo con el Teorema 5.1.2 debemos probar que de cada sucesi on en A(B ) se puede extraer una subsucesi on convergente (en A(B )). Sea yn A(B ) xn
acotada

B:

yn = A(xn ) = f (xn )z

Vamos a probar que {f (xn )} es una sucesi on acotada de escalares |f (xn )| f Por tanto, x n k : f (xnk ) K. Consideremos {A(xnk )}, entonces podemos inferir sustituyendo en (5.2.8): A(xnk ) = f (xnk )z z. 4. Demostrar el teorema 5.2.1. Soluci on: A continuo [B acotado A(B ) acotado]. xn f M n N

Por tanto vamos a partir de que B es acotado en X , entonces A(B ) es relativamente compacto A(B ) es compacto6 . Como A(B ) acotado7 A(B ) acotado8 .
6 7

Aplicando la denici on de relativamente compacto. Aplicando el Teorema 5.2.1. 8 Cualquier subconjunto de un conjunto acotado tambi en est a acotado.

154

5. Sea T (l2 ). a) Si Tn es totalmente continuo para cada n, Tn : X Y, donde Y es un espacio de Banach y Tn T. Mostrar que no necesariamente T es totalmente continuo. b) Demostrar que existe una sucesi on Tn L(l2 )(n N), tal que Tn T
n s

y R(T ) es de dimensi on nita para todos los n. Soluci on al inciso a) Sea X = Y = l2 ; x = (x1 , x2 , ..., xn , ...) ; Tn x = (x1 , x2 , ..., xn , 0, 0, ...). Entonces Tn es lineal, continuo, dim R(Tn ) = n, luego Tn es totalmente continuo. Pero s Tn I, y sabemos que I no es totalmente continuo. Soluci on al inciso b) Sean T x = (y1 , y2 , ...) y Tn x = (y1 , ..., yn , 0, 0, ...), luego dim R(Tn ) = n. Probemos que Tn T Tn T =
n

0.

sup (0, ..., 0, yn+1 , yn+2 , ...)

x =1 n
1 2

sup
x =1 k=n+1

|yk |2

0.

155

6. Probar el teorema 5.2.3. Soluci on: A (X, Y ) [B acotado de X A(B ) relativamente compacto en Y ] Considerando como caso particular de conjunto acotado la bola unitaria, se tiene que A (X, Y ) [B bola unitaria de X A(B ) relativamente compacto en Y ] Rec procamente supongamos que B es un conjunto acotado. Entonces existe r > 0 tal que B {x X : x r}. Se tiene que
Sr Def.

A(B ) A(Sr ) A(B ) A(Sr ) Es suciente probar que A(Sr ) es relativamente compacto y aplicar que un subconjunto cerrado de un compacto tambi en lo es. Probemos que de cada sucesi on de A(Sr ) se puede extraer una subsucesi on convergente en A(Sr ). Sea yn A(Sr ) xn Sr : yn = Axn , xn r xn /r 1
zn

Por la hip otesis de Azn se puede extraer una subsucesi on convergente a z . Como xnk = rznk y A es lineal: Axnk = rAznk rz 7. Demostrar el teorema 5.2.5. Soluci on:

156

1ro.) Sea C acotado en X . { xn } C . A compacto {xn } {xn } : B compacto {xn } {xn } :

(2) (2) (1) (1)

A(xn ) y ; B (xn ) z ,
(2) (1) (2)

(1)

Consideremos (A + B )(xn ) = A(xn ) + B (xn ) y + z , luego A, B (X, Y ) A + B (X, Y ). An alogamente se prueba que A (X, Y ) y escalar A (X, Y ). 2do.) (X, Y ) cerrado. Sea A (X, Y ). An (X, Y ) : An A en L(X, Y ).
n

Consideremos C acotado en X y {xn } C . Entonces L > 0 tal que xn L. Veamos si {Axn } contiene una subsucesi on convergente, para A1 existe {xn } {xn } tal que {A1 (xn )} es convergente; para A2 existe {xn } {xn } {xn } tal que {A2 (xn )} es convergente y as sucesivamente. Construyamos la sucesi on diagonal {xn } y probemos que {A(xn )} converge. Como Y es de Banach es suciente probar que es fundamental. Para > 0, existen n, m, k sucientemente grandes de
(n) (n) (2) (1) (2) (1) (1)

157

modo que:
(n) m) A(xn ) A(x( m )

n) (n) (n) (m) A(x( n ) Ak (xn ) + Ak (xn ) Ak (xm ) m) (m) + Ak (x( m ) A(xm )

A Ak
<

(m) n) n) x( + Ak (x( n n ) Ak (xm ) L m) (x( m ) L <

+ Ak A
<

{Ak (xn )} converge.

(n)

8. Probar el teorema 5.2.6. Soluci on: 1ro) Supongamos que A es totalmente continuo. C acotado A(C ) relativamente compacto A(C ) compacto9 . Entonces, B (A(C )) compacto en Z 10 , luego es cerrado. B (A(C )) B (A(C )) B (A(C )) B (A(C ))11 . Entonces B (A(C )) es compacto, por ser un subconjunto cerrado de un conjunto compacto. 2do) Supongamos ahora que B es totalmente continuo. C acotado A continuo A(C ) acotado B (A(C )) relativamente compacto BA totalmente continuo.
10 11

Por ser la imagen continua de un compacto. Por la caracterizaci on de clausura de un conjunto.

158

Consecuencia Si X = l2 , entonces un operador A totalmente continuo no puede tener inverso acotado. Si existiera A1 acotado se tuviera: A A1 = I I totalmente continuo,

Tot. cont. acot.

esto es imposible porque la bola unitaria cerrada se transforma en s misma y esta no es compacta seg un se ha visto. 9. Probar el teorema 5.2.7. Soluci on: 1ro) Vamos a probar que Sea g Y y denamos f (z ) = g (Az ), es decir f = g A. entonces f es lineal, continuo porque A es totalmente continuo y por tanto xn x0 Axn
w

Axn Ax0 .

f (xn ) f (x0 ) g (Axn ) g (Ax0 ) g Y w Ax0 .

2do) Vamos a probar que Axn Ax0 . Supongamos lo contrario. Entonces > 0 tal que {Axn } contiene una subsucesi on {Axnk } que cumple Axnk Ax0 . ebilmente (porque {xn } converge d ebilComo {Axnk } converge d mente), ella est a acotada, luego {Axnk } contiene a su vez una subsucesi on Axnk convergente a y Y (por ser A totalmente 159

continuo). Entonces tambi en Pero

w

Axnk y. Axn Ax0 Axnk Ax0 . Por la unicidad del l mite d ebil, y = Ax0 , de donde se tendr a que Axnk y Absurdo!
w w

Esto contradice el hecho de que Axnk converge a y . 10. Probar que:

b

(A1 x)(s) =
a

k (s, t)x(t) dt x C [a, b].

es totalmente continuo si k (s, t) es continua sobre [a, b] [a, b]. Soluci on: A1 : C [a, b] C [a, b] es lineal. Sea C un conjunto acotado y consideremos {xn } C . Formemos {T xn } C [a, b] y probemos que es equiacotado y equicontinuo para utilizar el teorema 5.2.3. 1ro) Equiacotado:
b b

A1 xn = max

S [a,b]

k (s, t)xn (t) dt xn

a a

|k (s, t)| dt

{xn } acotada y k (s, t) continua sobre un compacto implican que existen c > 0 y M > 0 tales que x n c n A1 xn y |k (s, t)| M c M (b a). s, t [a, b]

160

2do) Equicontinuo:
b

|(A1 xn )(s1 ) (A1 xn )(s2 )| =

a b

[k (s1 , t) k (s2 , t)] xn (t) dt |k (s1 , t) k (s2 , t)| |xn (t)| dt

a b

|k (s1 , t) k (s2 , t)| dt.

a

Como k es continua sobre un compacto, entonces k es uniformemente continua. Luego, > 0 > 0 tal que si |s1 s2 | < t [a, b] |k (s1 , t) k (s2 , t)| < . |(A1 xn )(s1 ) (A1 xn )(s2 )| c (b a) para |s1 s2 | < .

5.3

Ejercicios resueltos aplicados a la resoluci on de ecuaciones integrales

t

1. Sea T : C [a, b] C [a, b] denido por (T x)(t) = v (t) +

a

K (t, s) x(s) ds

Probar por inducci on que: (T

m+1

(x))(t) (T

m+1

(y ))(t) ||

m+1

m+1

(t a)m+1 d(x, y ) m = 0, 1, 2, ... (m + 1)!

donde se supone que K (t, s) (C [a, b] [a, b]). Soluci on: Probemos la propiedad para m = 0,
t t

|(T (x))(t) (T (y ))(t)| = v (t) +

a

K (t, s) x(s) ds v (t)

a

K (t, s) y (s) ds ,

por la linealidad de la integral tenemos entonces que

t

|(T (x))(t) (T (y ))(t)| = ||

a

K (t, s)[x(s) y (s)] ds .

161

Como K es continua sobre un compacto, existe M > 0 tal que |K (t, s)| M (t, s) [a, b] [a, b]. Si d(x, y ) = max |x(s) y (s)| ,
s[a,b]

se obtiene la acotaci on siguiente: |(T (x))(t) (T (y ))(t)| || M d(x, y ) (t a). Sea la hip otesis de inducci on: (t a)m |(T (x))(t) (T (y ))(t)| || M d(x, y ) m!
m m m m

Demostraci on de la tesis: (T m+1 (x))(t) (T m+1 (y ))(t) = |(T m (x))(t) (T m (y ))(t)| Por la denici on de T , tenemos:
t

v (t) +
a t

K (t, s)(T (x))(s) ds v (t)

a

K (t, s)(T m (y ))(s) ds

= ||
a

K (t, s)[(T m (x))(s) (T m (y ))(s)] ds

Por propiedades de la integral tenemos,

t

| |
a

|K (t, s)| |(T m (x))(s) (T m (y ))(s)| ds

t

| | M
a

|(T m (x))(s) (T m (y ))(s)| ds Por hip otesis sobre K

t a

Mm d(x, y ) | | M || m!
m

(s a)m ds Por la hip otesis de inducci on

(t a)m+1 m+1 = ||m+1 M m+1 1 d(x, y )(t a)m+1 (m + 1)! 162

2. Resolver por iteraci on, eligiendo x0 = v y suponiendo que || < 1 la ecuaci on:
1

x(t)
0

ets x(s) ds = v (t)

Soluci on: De acuerdo a la notaci on del ejercicio 1, se quiere resolver la ecuaci on

1

(T x)(t) = v (t) +
0

ets x(s) ds = x(t),

donde K (t, s) = ets . El proceso iterativo est a dado por xn+1 = T xn Para n = 0 la primera iteraci on es:
1

n = 0, 1, 2, ...

x1 (t) = v (t) +
0

ets x0 (s) ds
v (s) 1 0 K0

= v (t) + et

et v (s) ds

Para n = 1 la segunda iteraci on es:

1

x2 (t) = v (t) +
0

ets x1 (s) ds
1

= v (t) + et
0

es (v (s) + es K0 ) ds

= v (t) + et (K0 + K0 ) = v (t) + K0 et (1 + ) Probemos por inducci on que: xn+1 (t) = v (t) + et K0 (1 + + 2 + ... + n ) Para n = 1 ya est a probado. La hip otesis de inducci on es: xn (t) = v (t) + et K0 (1 + + ... + n1 ) 163

La tesis de inducci on resulta:

1

xn+1 (t) = 12 v (t) +

0

ets xn (s) ds

Sustituyendo en la hip otesis de inducci on y efectuando: xn+1 (t) = v (t) + e

t 0 1

es v (s) + es K0 (1 + + ... + n1 ) ds K0 + K0 (1 + + ... + n1 ) ds K0 (1 + (1 + + ... + n1 )) ds

= v (t) + et
0

= v (t) + et
0

= v (t) + et K0 (1 + + 2 + ... + n ) Como || < 1, la soluci on buscada es x(t) = lim xn (t) = v (t) + et K0
n

1 1

3. Denir el operador S : C [a, b] C [a, b] de la manera siguiente:

b

(S (x))(t) =
a

K (s, t) x(s) ds

y hacer zn = xn xn1 ,

n 1.

ormula del proceso relativo conduce a 3.1) Probar que la f zn+1 = S (zn ) n 1. (5.3.1)

3.2) Eligiendo x0 = v , probar el desarrollo de Neumann x = lim xn (t) = v (t) + S (v ) + 2 S 2 (v ) + 3 S 3 (v ) + ... (5.3.2)
n

Soluci on al inciso 3.1) zn+1 (t)

12

Def.

= =

xn+1 (t) xn (t) v (t) + S (xn )(t) v (t) S (xn1 )(t) n 1

Denici on de la iteraci on

164

Como S es lineal zn+1 (t) = S (xn xn1 )(t) zn+1 = S (zn )

zn

Soluci on al inciso 3.2)

z1 n n zn

x = lim xn = lim [ x0 + (x1 x0 ) + (x2 x1 ) +...+ (xn xn1 )]

v z2

Obtengamos los sumandos a partir del segundo en el orden se nalado:

v (t) x1 (t)

z1 (t)

Def.

x1 (t) x0 (t) = v (t) + S ( x0 )(t) v (t)

v

z2
Por (5.3.1)

z1 = S (v ) S (z1 ) = S ( S (v )) S lineal 2 S 2 (v )

Tomando como hip otesis de inducci on zn = n S n (v ) y sustituyendo en el caso (n + 1) esimo con n 1: zn+1 = S (zn ) = S (n S n (v )) S lineal = n+1 S n+1 (v ) Sustituyendo x = lim xn =
n n

lim [v + S (v ) + 2 S 2 (v ) + ... + n S n (v )]

= v + S (v ) + 2 S 2 (v ) + ... 4. Resolver x(t) Soluci on: Para este caso: K (t, s) 1; 165 v (t) 1
1 0

x(s) ds = 1 aplicando el desarrollo de Neumann.

Sustituyendo en la ecuaci on (5.3.2) x = 1 + S (1) + 2 S 2 (1) + ... + n S n (1) + ... Se obtiene

1 1

(5.3.3)

S (1) =
0 1 0

K (s, t) v (s) ds = 1
1 1

S 2 (1) = Sustituyendo en (5.3.3),

K (s, t) (S (1))(s) ds = 1,
1

etc.

x = 1 + + 2 + ... + n + ... Nota: Para || < 1, se tiene que x = 1 . 1

on integral 5. Obtener la serie de Neumann sustituyendo en la ecuaci

b

v (t) = x(t)
a

K (t, s) x(s) ds

la siguiente serie (supuesta uniformemente convergente). x(t) = v0 (t) + v1 (t) + 2 v2 (t) + ... Soluci on: v (t) = (v0 (t) + v1 (t) + 2 v2 (t) + ...)
b

K (s, t)(v0 (s) + v1 (s) + 2 v2 (s) + ...) ds.

Integrando t ermino a t ermino v (t) = (v0 (t) + v1 (t) + 2 v2 (t) + ...)

b b

K (s, t)v0 (s) ds 2

a b

K (s, t) v1 (s) ds

3
a

K (s, t) v2 (s) + ...) ds ... 166

Agrupando
b

v (t) = v0 (t) + v1 (t)

a

K (s, t)v0 (s) ds

v2 (t)
a b

K (s, t)v1 (s) ds K (s, t)v2 (s) ds + ...

a

+3 v3 (t)

Comparando los coecientes podemos observar que:

b

v0 (t) = v (t);

vn (t)
a

K (s, t)vn1 (s) ds = 0 n 1.

5.1) Si |v (t)| c0 y |K (t, s)| M probar que: |vn (t)| c0 [M (b a)]n 5.2) Determinar una condici on suciente para que la serie sea uniformemente convergente. 5.3) Probar que la serie de Neumann puede escribirse:
b

x(t) = v (t) +
a

(t, s, ) v (s) ds K

donde (t, s, ) = K

j Kj +1 (t, s),
j =0

siendo
b b

Kn (t, s) =
a

...
a

K (t, t1 )K (t1 , t2 )...K (tn1 , s) dt1 ...dtn1

Soluci on al inciso 5.1)

b

|v1 (t)|
a
13

|K (t, s)| | v0 (s) | ds 13 M c0 (b a)

v (s)

Por hip otesis y aplicando propiedades de la integral.

167

De manera an aloga
b

|v2 (t)|
a

|K (t, s)| |v1 (s)| ds M (M c0 (ba))(ba) = M 2 c0 (ba)2 .

Por inducci on |vn+1 (t)| M (M n c0 (b a)n )(b a) = M n+1 c0 (b a)n+1 . Soluci on al inciso 5.2) Como el t ermino general de la serie x(t) = v0 (t) + 1 v1 (t) + 2 v2 (t) + ... es n vn (t), podemos acotarlo as
n |n vn (t)| = ||n |vn (t)| 14 ||n M n (b a) c0 1

Vamos a aplicar el criterio de la ra z n esima a la serie cuyo t ermino general est a dado por el miembro derecho de la desigualdad anterior
n n || c0 M n (b a)n = || M (b a) c0 1 1

n = || M (b a). lim || M (b a) c0

Si || M (b a) < 1 entonces

||n M n (b a)n c0 < +,

n=0

luego,

n vn
n=0

es absolutamente convergente si || <

14

1 . M (b a)

Por el inciso 5.1.

168

Soluci on al inciso 5.3) Por convenio K1 K . Se tiene que x = v + S (v ) + 2 S 2 (v ) + 3 S 3 (v ) + ...

b K1 (t,s)

x(t) = v (t) +
a b

K (t, s) v (s) ds
S (v )

+2
a

K (t, t1 )(S (v ))(t1 ) dt1 +...

S 2 (v )

Sustituyendo S 2 (v ) =
a b b b b

K (t, t1 )
a

K (t1 , s)v (s) ds dt1

=
a a

K (t, t1 )K (t1 , s) dt1 v (s) ds.

K2 (t,s)

An alogamente: S 3 (v ) =
a b b b b

K (t, t2 )S 2 (v )(s) ds K (t, t2 ) K (t2 , t1 )K (t1 , s)v (s) dt1 ds dt2

a a

=
a b

b a a

=
a

K (t, t2 )K (t2 , t1 )K (t1 , s) dt2 dt1 v (s) ds

K3 (t,s)

Y as , de la misma manera, se obtienen los dem as t erminos de la serie. 6. Probar que los n ucleos iterados satisfacen la condici on:
b

Kn (s, t) =
a

Kn1 (s, u)K (u, t) du

169

Soluci on: De acuerdo con la expresi on dada en el enunciado del inciso 5.3
b b

Kn+1 (s, t) =
a

...
a

K (s, t1 )K (t1 , t2 )...K (tn1 , tn )K (tn , t)dt1 ...dtn1 dtn

Aplicando el m etodo de Fubini, podemos transformar la expresi on anterior

b a a b b

...
a

K (s, t1 )...K (tn1 , tn ) dt1 ...dtn1 K (tn , t)dtn

K (s,tn )

Luego, Kn+1 (s, t) =

a

Kn (s, tn )K (tn , t) dtn

7. Hallar los n ucleos iterados correspondientes a K (s, t) = t es con a = 0 y b = 1. Soluci on: K1 (s, t) K (s, t)
1 1 0

K2 (s, t) =
0

K1 (s, t1 ) K (t1 , t) dt1 = t es

t1 es t et1

t1 et1 dt1

Integrando por partes obtenemos que,

1 0

t1 et1 dt1 = 1 K2 (s, t) = K1 (s, t) = t es .

De manera an aloga se llega a probar que Kn (s, t) = t es on integral 8. Dada la ecuaci

1

n 1

x(s)
0

t s x(t) dt = v (s) 170

 (s, t, ). determinar K Soluci on: De acuerdo con el inciso 5.3

(s, t, ) = K
j =0

j Kj +1 (s, t)

= K1 (s, t) + K2 (s, t) + 2 K3 (s, t) + ... K1 (s, t) = s t

1 1

K2 (s, t) =
0

K1 (s, u)K (u, t) du =

0

u s t u du

= st K3 (s, t) =
0

1 3
1

K2 (s, u)K (u, t) du =

0

st

1 t u du 3

= An alogamente Kn+1 (s, t) = (s, t, ) = K 1 3

1 st 32

st
0

1 3

st+ 1 3

1 1 1 s t + 2 s t 2 + ... + n s t n + ... 3 3 3
n

= st
n=0

Que resulta convergente si || < 3. 9. Calcular Kn (s, t) si el n ucleo de la ecuaci on de Fredholm es: K (s, t) = sin(t 2s) 0 t, s 2.

171

Soluci on: Sustituyendo K (s, t) y K1 (s, u) K (s, u) en la f ormula dada en el inciso 5.3 tenemos:
2

K2 (s, t) =
0

sin(s 2u) sin(u 2t) du

aplicando identidades trigonom etricas tenemos, 1 2

2

cos(s 3u + 2t) du
0

1 2

cos(s u 2t) du
0

luego integrando, K2 (s, t) = 11 1 2 sin(s 3u + 2t) u=0 (1) sin(s u 2t) 23 2 1 1 = (0) + (0) = 0 6 2 Kn (s, t) = 0 n 2. b = 2 y
2 u=0

10. Resolver la ecuaci on de Fredholm donde a = 0,

N

K (t, s) =
n=1

an sin nt cos ns

Soluci on: Utilizando el desarrollo de Neumann

2

x(t) = v (t) +
0

K (t, s)v (s)ds

S (v )

ya que por la f ormula del ejercicio 7

2

K2 (t, s) =
0

K (t, t1 )v (t1 , s) dt1 = 0,

172

y tambi en K3 = 0, ... Efectuando por ejercicio

2 N N

K2 (t, s) =
0 N N 0 n=1

an sin nt cos nt1

j =1 2

aj sin jt1 cos js

dt1

=
n=1 j =1 N N

(an sin nt cos nt1 aj sin jt1 cos js) dt1

2

=
n=1 j =1

an aj sin nt cos js
0

cos nt1 sin jt1 dt1 .

Donde
0

cos nt1 sin jt1 dt1 = 015 11. Supongamos que K (s, t) =
j =1 n

aj (s)bj (t),

donde aj , bj son funciones linealmente independientes. Si la ecuaci on de Fredholm tiene soluci on, probar que tiene la forma:
n

x(s) = v (s) +
j =1

cj aj (s)

(5.3.4)

donde cj =
a

bj (t)x(t) dt

y las inc ognitas satisfacen:

n b

cj
j =1 b

ajk ck = vj bj (t) v (t) dt.

a

siendo ajk =
a

bk (t) aj (t) dt

vj =

15

Aplicando identidades trigonom etricas.

173

Soluci on: Obtengamos la expresi on para S (x)

b b

S (x)(s) =
a

K (s, t)x(t) dt =
a b j

aj (s) bj (t) x(t) dt L(a1 , ..., an )

=
j

aj (s)
a

bj (t)x(t) dt
cj

Sustituyendo en la ecuaci on (5.3.4) escrita en t erminos de S (x) obtenemos x(s) = v (s) + (S (x))(s) = v (s) +
i

ci ai (s)

(5.3.5)

Sustituyendo el n ucleo y la soluci on en la ecuaci on (5.3.4) obtenemos:

b n

x(s) = v (s) +
a i=1 b

ai (s)bi (t)

v (t) +
j

cj aj (t)

dt

= v (s) +
i a

ai (s)bi (t)v (t) dt

b

2 i j

cj ai (s)
a

bi (t)aj (t) dt
aji

reescribiendo la u ltima expresi on

b

v (s) +
i a

ai (s)bi (t)v (t) dt + 2

i

ai (s)
j

cj aji

(5.3.6)

Igualando ahora las ecuaciones (5.3.5) y (5.3.6)

b

ci ai (s) =
i i a

ai (s)bi (t)v (t) dt +

i

ai (s)
j

cj aji

luego, i ci = vi +
j

cj aji

174

podemos escribir el sistema de la forma: vi = ci ci aii

j =i

cj aji cj aji
j =i

= ci (1 aii )

De este sistema podemos obtener las expresiones de los ci 12. Resolver x(s) =
0 1

i = 1, ..., n.

t2 (5s2 3)x(t) dt + es

Soluci on: Como podemos apreciar tenemos un caso particular del ejercicio anterior, veamos que:
1 a1 (s)

x(s) =
0

t2 (5s2 3) x(t) dt + es ,
b1 (t)

n = 1,

v (s) = es

Evaluemos la expresi on
1 t2

1 a11 = 1
0

a1 (t) b1 (t) dt = 1 (1 1) = 1
5t2 3

Luego hay soluci on u nica : el ejercicio 12 donde (1 a11 ) c1 = v1 =

=1

x(s) = es + c1 a1 (s), de acuerdo con

et

1 0

b1 (t) v (t) dt = 16 e 2
t2

nalizando x(s) = es + (e 2)(5s2 3).

16

Integrando por partes

175

13. Determinar los valores de para los cuales la ecuaci on:

1

x(s) =
0

(t2 s + ts2 )x(t) dt + v (s)

tiene soluci on. Soluci on: Aqu :

a1 (s) a2 (s)

K (s, t) = t La forma de la soluci on es:

s + t
b2 (t)

s2

b1 (t)

x(s) = v (s) +
j =1

cj aj (s)

= v (s) + (c1 s + c2 s2 ) Debemos resolver el sistema: (1 a11 ) c1 a12 c2 = v1 , a21 c1 + (1 a22 ) c2 = v2 ; donde
1 t

a11 =
0 1

b1 (t) a1 (t) dt =
t2 t2

1 4 1 4 1 3 1 5

a22 =
0 1

b2 (t) a2 (t) dt =
t t

a12 =
0 1

b2 (t) a1 (t) dt =
t t2

a21 =
0

b1 (t) a2 (t) dt =
t2

176

 1 1 1 4 3 det = 1 1 1 5 4

1 1 4

1 3

1 5

= 1 Resolvamos:

2 240 120 2 = . 2 240 240

() = 0 240 120 2 = 0 = 60 16 15 Luego, hay soluci on u nica = 60 16 15. 14. Considerar x(s)
1 (s 0

+ t)x(t) dt = v (s)

15.1 Resolver suponiendo que 2 + 12 12 = 0. 15.2 Hallar los valores propios. Soluci on al inciso 15.1 a1 (s) = s a2 (s) = 1
t

b1 (t) = 1 b2 (t) = t

Hallemos los t erminos a11 , a22 , a12 , a21 ,

1

a11 =
0 1

b1 (t) a1 (t) dt =
1 t

1 = a22 2 1 3

a12 =
0 1

b2 (t) a1 (t) dt =
t 1

a21 =
0

b1 (t) a2 (t) dt = 1
1

1 1 1 2 3 det = 1 1 2

1 1 2

1 3

()

2 2 + 12 12 = 1 = (1). 12 12 177

Soluci on al inciso 15.2 2 + 12 12 = 0 1,2 = 6 4 3. 15. Sabiendo que

x 0

u(t)dtn =
0

(x t)n1 u(t) dt, (n 1)!

(5.3.7)

obtener la ecuaci on integral correspondiente al problema de Cauchy: y + y = 0 y (0) = 0 y (0) = 1. Soluci on: Para la resoluci on de este ejercicio proponemos un procedimiento que se puede utilizar en casos similares para resolver este tipo de problemas. Procedimiento 7 (P1) Hagamos: (P2) Integremos: (P3) Hallemos c1 : u(x) = y . y =
=1 x 0

(5.3.8)

u(t) dt + c1 .

y (0) = 0 + c1 c1 = 1.

Ahora podemos expresar

x

y =
0

u(t) dt + 1.

(P4) Integrando y=
0

u(t) dt2 + x + c2

por (5.3.7), para n = 2 (x t)1 u(t) dt + x + c2 1 0 c2 = y (0) = 0 por la condici on inicial.

x x

y=
0

(x t) u(t) dt + x. 178

(P5) Sustituyendo en la ecuaci on diferencial (5.3.8)

x

u(x) +
y 0

(x t) u(t) dt + x = 0

(P6) Arreglando los t erminos convenientemente

x

u(x)
0

(t x) u(t) dt = x.
K (x,t)

5.4

Ejemplos Propuestos

1. Probar que la proyecci on de un espacio de Hilbert sobre un subespacio nito-dimensional es totalmente continuo. 2. Probar que A : l2 l2 denido por A(x1 , x2 , x3 , ..., xn , ...) = es totalmente continuo. 3. Haciendo y = u(x), probar que si d3 y d2 y dy 3 6 + 5y = 0 dx3 dx2 dx entonces y=
0 x

x1 x2 x3 xn , , , ..., n , ... 2 4 8 2

(x t)2 x2 u(t) dt + c1 + c2 x + c3 2! 2 5 2 x 6x + 3 c1 (5x 6)c2 5c3 2

x

y adem as: u(x) = +

0

3 + (x t)

5 (x t)2 u(t) dt. 2

(Sugerencia: Analizar el ejercicio resuelto 15)

179

Cap tulo 6 Operadores autoconjugados. Teor a espectral

El estudio del operador A I cuando A es un operador lineal y un escalar est a asociado a la resoluci on de algunos tipos de ecuaciones integrales. Por tanto, interesa saber para qu e valores de el inverso de A I existe y es continuo. Las caracter sticas del comportamiento de dicho operador inverso en dependencia de la clasicaci on de los valores de constituyen el objeto central del estudio de la teor a espectral.

6.1

Operadores autoconjugados

Sea H un espacio de Hilbert complejo. El operador A L(H ) se denomina = A, es decir, para todos los x, y H se cumple la autoconjugado si A igualdad (Ax | y ) = (x | Ay ). El conjunto de todos los operadores autoconjugados de L(H ) se denota mediante (H ). (Ejercicios resueltos 1, 2 y 3) Teorema 6.1.1 Si A, B (H ), , R entonces A + B (H ). (Ejercicio resuelto 4) Teorema 6.1.2 Sean A, B (H ). El operador AB es autoconjugado si y s olo si AB = BA. 180

(Ejercicio resuelto 5) Teorema 6.1.3 Si A (H ), A = sup

x 1

|(Ax | x)|.

Un operador A (H ) se denomina no negativo y se designa por A 0 si (Ax | x) 0 para cualquier x H . Para los operadores A, B (H ) la notaci on A B o B A signica que A B 0. (Ejercicios resueltos 6, 7 y 8) on en un espacio de Hilbert Teorema 6.1.4 Sea P un operador de proyecci H sobre un subespacio M . Entonces: a) P L(H ) adem as, P = 1 si M = 0; b) P 2 = P ; c) P (H ); d) P 0; olo si P x = x ; e) x M si y s f ) ( P x | x) x
2

para cualquier x H .

(Ejercicio resuelto 9) Teorema 6.1.5 Sea A (H ), A2 = A. Entonces A es el proyector sobre un subespacio M H . Si T (H ) y T 0, entonces T 2 0 ya que (T 2 x | x) = (T x | T x) 0. En el siguiente teorema se plantea una respuesta para el problema rec proco. Teorema 6.1.6 Para cada operador no negativo A (H ) existe opera un 2 dor u nico, denominado ra z cuadrada, A ( H ) tal que ( A ) = A y A 0. Adem as A es conmutable con un operador C L(H ) si y s olo si C es conmutable con A. (Ejercicios resueltos 10, 11 y 12)

181

6.1.1

Ejercicios Resueltos
T es autoconjugado (T x | x) R x H.

1. Sea T un operador sobre un espacio de Hilbert H . Probar que

Soluci on: . Entonces: Supongamos que T = T (T x | x) = (x | T x) = (T x | x) (T x | x) R. Rec procamente, vamos a aplicar el resultado del ejercicio propuesto 1, que establece que )x | x) = 0 x H T = T ((T T )x | x) = (T x T x | x) ((T T x | x) = (T x | x) (T ) x) = (T x | x) (x | (T
T

= (T x | x) (T x | x) = 0. 2. Si A1 , A2 son autoadjuntos, denamos A1 A2 Probar que A1 A2 Soluci on: A1 A2 A2 A1 (A1 x | x) (A2 x | x) x H ((A1 A2 )x | x) 0 x H. (A2 x | x) (A1 x | x) x H ((A2 A1 )x | x) 0 x H ((A1 A2 )x | x) 0 x H ((A1 A2 )x | x) = 0 x H. A2 A1 A1 = A2 . si (A1 x | x) (A2 x | x) x H.

Por el ejercicio propuesto 1, A1 A2 = 0, es decir A1 = A2 . 182

 T y T T son autoconju3. Probar que para un operador cualquiera T , T gados. Soluci on: x | x) = x) = (T (T x | x) = (x | T = x | x T

x x|T x|x =0

T T

= T. T Luego T ) = T T. (T 4. Sean A (H ), xn H (n N), xn x. Demostrar que

n

(Axn | xn ) (Ax | x).

n

Es sustancial que A (H )? Soluci on |(Axn | xn ) (Ax | x)| = | (Axn | xn ) (Ax | xn ) +(Ax | xn ) (Ax | x) | = |(Axn Ax | xn ) + (Ax | xn x)| |(Axn Ax | xn )| + |(Ax | xn x)| |(A(xn x) | xn )| + |(Ax | xn x)| A xn x xn + A x xn x .
0 acotada 0

Entonces |(Axn | xn ) (Ax | x)| 0.

n

No es sustancial que A (H ) porque para llegar al resultado es suciente que A L(H ).

183

5. Demuestre el Teorema 6.1.1. Soluci on A, B (H ) (Ax | y ) = (x | Ay ) = (Ay | x) (Bx | y ) = (x | By ) = (By | x) Sumando ordenadamente y aplicando propiedades del producto interior, ((A + B )x | y ) = (Ay | x) + (By | x) = ((A + B )y | x) = (x | (A + B )y ) (A + B ) (H ) R (Ax | y ) = (Ax | y ) = (x | Ay ) = (x | Ay ) A (H ). 6. Demuestre el Teorema 6.1.2. Soluci on Supongamos que AB es autoconjugado (ABx | y )
AB (H )

(x | ABy )

A (H )

(Ax | By )

B (H )

(BAx | y )

((AB BA)x | y ) = 0 y,

En particular para y = (AB BA)x se tiene que ((AB BA)x | (AB BA)x) = 0 (AB BA)x = 0 x entonces, AB BA = 0 BA = AB . Supongamos que AB = BA. Hay que probar que: (ABx | y ) (ABx | y ) (ABx | y ) = = = (x | ABy ) (Bx | Ay ) (x | ABy ) 184

A (H )

B ( H )

(x | BA y )
AB

7. Demostrar que el operador A : L2 [0, 1] L2 [0, 1], Ax(t) = tx(t) es un operador autoconjugado no negativo. Soluci on Primero probemos que A es autoconjugado:
1 1

(Ax | y ) = (L)
0

Ax(t)y (t)dt = (L)

0

tx(t)y (t)dt = (x | Ay )

Veamos ahora que es no negativo:

1 1

(Ax | x) = (L)
0

Ax(t)x(t)dt = (L)
0

tx2 (t)dt 0 x(t) L2 [0, 1]

8. Demostrar que A : l2 l2 , Ax = (1 x1 , 2 x2 , ...) para x = (x1 , x2 , ...) l2 donde k R(k N), sup |k | < , es un operador autoconjugado. Bajo qu e condici on para la sucesi on k , A es un operador autoconjugado no negativo? Soluci on Demostremos primero el hecho de que A es un operador autoconjugado, (Ax | y ) = ((1 x1 , 2 x2 , ...) | (y1 , y2 , ...)) =
k k

k xk yk xk k yk = (Ax | y )
k

(x | Ay ) = ((x1 , x2 , ...) | (1 y1 , 2 y2 , ...)) =

Para que A sea no negativo debe cumplir que: (Ax | x) 0, ((1 x1 , 2 x2 , ...) | (x1 , x2 , ...)) x l2
k 2 k x2 k 0 x l

en particular para (0, ..., 0, 1, 0, ...) l2 k 0 (k N)

k1

185

9. Si T 0 probar que (I + T )1 existe. Soluci on: Probemos que: (I + T )x = 0 x = 0 (I + T )x = 0 x + T x = 0 T x = x (T x | x) = (x | x) = x Pero T 0 (T x | x) 0 x 10. Demuestre el Teorema 6.1.4 Soluci on a) Veamos una demostraci on alternativa a la establecida en la ejercitaci on del cap tulo 3. P
Teo. 6.1.3 2 2

0.

= 0 x = 0.

sup |(P x | x)| = sup xM

x 1 x =1

= 1,

donde x = xM + xM .
M M

b) P 2 x = P (P x) = xM = P x. c) (P x | x) = (xM | xM +xM ) = xM d) (P x | x) = xM e) () x M P x = x P x = x () Px = x xM
2 2

= (xM +xM | xM ) = (x | P x).

2

0.

+ xM
x

= xM
Px

xM = 0 x M. 186

f) (P x | x) = xM

xM

+ xM

= x

11. Sea T : l2 l2 denido as : si xi R T x = (0, 0, x3 , x4 , ...). Probar que T (l2 ), T 0 y hallar T . Soluci on: T es lineal, continuo. . Sea Veamos que T = T y = (y1 , y2 , ...) yi R (T x | y ) = (0, 0, x3 , x4 , ...)(y1 , y2 , y3 , ...) = x3 y3 + x4 y4 + ... (x | T y ) = (x1 , x2 , x3 , ...)(0, 0, y3 , y4 , ...) = x3 y3 + x4 y4 + ... (T x | y ) = (x | T y ) x, y l2 . Vamos a analizar (T x | x)
2 (T x | x) = (0, 0, x3 , x4 , ...)(x1 , x2 , x3 , ...) = x2 3 + x4 + ... 0.

x = (x1 , x2 , ..., xn , ...),

Observamos que T 2 x = T (T x) = T (0, 0, x3 , x4 , ...) = (0, 0, x3 , x4 , ...) = T x Luego T 0 satisface que T 2 = T T = T . 12. Sea T autoconjugado, T 0. Probar que x, y H |(T x | y )| (T x | x)1/2 (T y | y )1/2 Soluci on: |(T x | y )| = ( T T x | y) = ( T x | T y) Tx T y = ( T x | T x)1/2 ( T y | T y )1/2

= (T x | x)1/2 (T y | y )1/2 . 187

13. Sea T autoconjugado, T 0. Probar que Tx T Soluci on: Haciendo y = T x en el ejercicio 11 se obtiene: (T x | T x) (T x | x)1/2 ( T T x | T x)1/2 .
T2 1/2

(T x | x)1/2 .

(6.1.1)

Pero (T 2 x | T x) T 2x Tx T
1/2

Tx

(T 2 x | T x) T

Tx ,

por lo que sustituyendo en la ecuaci on (6.1.1) se obtiene: Tx

2

(T x | x)1/2 T

1/2

Tx .

Si T x = 0 se cumple trivialmente esta desigualdad. Si T x = 0, dividiendo por T x = 0 se llega a: T x = (T x | x)1/2 T

1/2

6.2

Espectro de un operador lineal

Sean X un espacio de Banach complejo; A : X Y un operador lineal con el campo de denici on D(A) denso en X y un n umero complejo. Un punto se denomina punto regular del operador A si el operador A I es continuamente inversible. El conjunto de los puntos regulares del operador A se denomina conjunto resolvente del operador A y se designa por (A). Si (A) el operador lineal acotado R (A) = (A I )1 se llama resolvente del operador A. El complemento del conjunto (A) en el plano complejo se denomina espectro del operador A y se denota mediante (A). El n umero C se denomina valor propio de un operador A, si existe 188

un elemento x D(A), x = 0, tal que Ax = x. Con esto x se llama vector propio del operador A correspondiente a un valor propio . Todo valor propio del operador A es punto de su espectro debido a que el operador A I es no inversible. Proposici on 6.2.1 Si A L(X ), el conjunto resolvente del operador A, (A), es un abierto de C. Demostraci on Sea 0 (A). Hay que probar que 0 es un punto interior de (A), es decir que r > 0 tal que S0 (r) (A). Por esto debemos considerar C y formar: A A I = A 0 I + 0 I I = 1 A0 + (0 )I Bajo qu e condiciones A tiene inverso acotado? Por el teorema 3.3.3, si A A0 < 1 1 A 0
Def.

entonces A es continuamente inversible. Pero A A0 = = Resumiendo,

1 | 0 | < r A L(X ) (A)

A I A + 0 I 1 (0 )I < 1 = r. A 0

es decir S0 (r) (A) Teorema 6.2.1 El espectro de un operador A L(X ) es un conjunto cerrado que est a contenido en el c rculo || A .

Agrupando.

189

Demostraci on (A) es cerrado por ser complemento de un abierto. Basta probar que (A) es acotado para poder implicar que es compacto. Podemos decir que (A) { C : || A } 2 { C : || > A } (A)
B D

Por tanto, para probar lo requerido en el teorema vamos a demostrar esta u ltima inclusi on equivalente. Por denici on tenemos, A = A I = I 1 A = 0

Bajo qu e condiciones I

1 A posee inverso acotado? Si se cumple que: 1 A < 1 | | > A .

Podemos concluir entonces que, D (A) Sabemos que (A) { C : | | A } , pero podemos tener una noci on m as precisa de la acotaci on del espectro mediante la noci on de radio espectral, que de forma natural se dene as : r (A) = sup || .
(A)

Se tiene que r (A) A . Una forma pr actica de calcularlo se establece en el resultado siguiente:
2

Complementando.

190

Teorema 6.2.2 Sea A L(X ) donde X es un espacio de Banach. Entonces existe el l mite nito 1 r (A) = lim An n
n

llamado radio espectral del operador A. (Ejercicio resuelto 15) Teorema 6.2.3 Sea A L(X ) donde X es un espacio de Banach. Si || > r (A), entonces (A). El hecho de que el resolvente de un operador A es una funci on de variable compleja, sugiere la denici on de una funci on operador as : S : D L(X ) S () = S donde D C y X es un espacio normado. Por ejercicio, dado A L(X ), la aplicaci on: R : (A) L(X ), R() = R (A) = (A I )1

es una funci on operador.

Si se considera f (L(X )) , entonces se puede realizar la composici on: f S : D C que resulte una funci on compleja de variable compleja, muy u til para caracterizar el comportamiento del resolvente mediante el teorema de Liouville, el cual se enuncia en el teorema 6.2.4 para utilizarlo en la demostraci on del teorema 6.2.6. Se dice que una funci on compleja de variable compleja A() es anal tica en D si para todo 0 D el l mite A (0 ) = lim A() A(0 ) 0

existe y se denomina derivada de A() en 0 . 191

Teorema 6.2.4 (Teorema de Liouville) Sea F : C C. Si F () es anal tica en todo C y existe alg un M > 0 tal que |F ()| < M para todo C, entonces F () es una constante. Teorema 6.2.5 Si A L(X ) entonces para || > r (A)

R (A) =
n=0

n1 An .

Teorema 6.2.6 Si A L(X ), donde X es un espacio de Banach, entonces (A) es un conjunto no vac o. Demostraci on Supongamos lo contrario, es decir, que (A) = (A) = C Consideremos (A) L(X ) K
= R f

f (L(X )) ,

donde R() = R (A).

Entonces podemos formar f R : C C. Probemos que f R satisface las hip otesis del Teorema 6.2.4. tica. Para 0 C. 1ro ) f R anal (f R)() (f R)(0 ) 0 =
f lineal

(f (R()) (f (R(0 )) 0 (R() R(0 ) f 0 f (R(0 ))2 , ya que:

f continua

(R())1 [R() R(0 )](R(0 ))1 = (R(0 ))1 (R())1 = (A 0 I ) (A I ) = ( 0 )I. 192

Por tanto, R() R(0 ) = R()( 0 )I R(0 ). Luego R() R(0 ) = R()R(0 ) (R())2 . 0 2do ) f R acotada. |f (R())| f Aplicando el Teorema 6.2.5 se tiene, R() = R() =
1 A

R()
n

1 = n=0

1 A

1 A

1 || n=0 1

A | |

A 1 | | 1 0 = || A f

1 | |

entonces

1 para || A || > A . Para || A , f R est a acotada por ser continua sobre un compacto. Como consecuencia del Teorema 6.2.4, tenemos que, R() est a acotado y |f (R())| f (R()) f (R(1 )) f (R(1 ) R(2 )) = constante = f (R(2 )) 1 , 2 C = 0 f (L(E )) R(1 ) R(2 ) = 0 1 2 C (Por el corolario 4.2.2.1) R() = constante

1 Pero, R() 0 cuando R() = A = 0 Absurdo!

193

(Ejercicio resuelto 16) El espectro de un operador autoconjugado tiene caracter sticas especiales, como se aprecian en el ejercicio resuelto 16. Tambi en el espectro de cada operador totalmente continuo est a caracterizado por un comportamiento que asemeja al de los espacios nito-dimensionales, de aqu la importancia del estudio de estas clases de operadores. Existen tambi en clases m as amplias de operadores con propiedades operativas muy u tiles, algunas de las cuales se manejan en los restantes ejercicios de este cap tulo. Del resultado del ejercicio resuelto 18 se motiva la siguiente denici on: Denici on 6.2.1 Se dice que un operador N es normal si = N N. NN Utilizamos la denominaci on N (H ) = {N : H H (Ejercicios resueltos 18, 19, 20 y 21) Ya se conoce la importante isometr a J entre un espacio normado X y su bidual. Veamos como puede caracterizarse una isometr a en un espacio de Hilbert. Si U es un operador lineal isom etrico, entonces Ux = U x H U x
2

N Normal} .

= U

x H.

En t erminos del producto escalar esto signica que:

U x) U ( U x | U x ) = (x | U
U

normal

U x | x) = (x | x). (U

U = I , entonces constituye una isometr Si U es un operador que satisface U a. Esto motiva la denici on de operador unitario. Denici on 6.2.2 El operador U : H H es unitario si = U U = I. UU 194

6.2.1

Ejercicios Resueltos

1. Sea A : C [0, 1] C [0, 1], A(x) = y : y (t) = tx(t). Probar que (A) [0, 1]. Soluci on: La linealidad se puede probar de manera inmediata y se tiene que A es continuo ya que: A(x) = y = sup |tx(t)| = x .
t[0,1]

Resulta equivalente probar que C [0, 1] (A). 1ro ) Determinemos A : A (x) = A(x) x = y x = z evaluando para t [0, 1] (y x)(t) = tx(t) x(t) = (t )x(t) = z (t) observamos que,
1 A (z ) = x : lineal

x(t) =

1 t
[0,1]

z (t)

luego,
1 A (z ) = x = sup |x(t)| K z t[0,1]

donde K = sup
t[0,1]

1 t

por tanto, (A) 2do ) Notemos que A no tiene valores propios puesto que, A (x) = 0 x = 0.
[0,1]

195

2. Sea A : l2 l2 tal que A(x1 , x2 , ..., xn , ...) = (0, x1 , x2 , ...). Probar que = 0 (A) pero no es un valor propio. Soluci on: A es lineal y acotado, l2 es un espacio de Hilbert. Como A1 : R(A) l2 ,
=l2

= 0 (A) R(A) no denso en l2 .

= 0 no es valor propio ya que A(x) = 0 x = 0. 3. Sea E un espacio normado complejo. Obtener (I ), (I ) y R (I ). (Donde I es el Operador Identidad.) Soluci on: Haciendo A = I I I = 0 (1 )I = 0 (1 ) x = 0 = 1 (I ) = {1}
=0

N otese que y = (1 )x = 1 x = es decir, (I I )1 (y ) = 1 1 I L(E ) y 1 1

R

1 y, 1

4. Sea X = C [0, 1]; v X jo. Se dene A(x) = vx. Hallar (A) y observar directamente que es compacto. Soluci on: A (x) = A(x) x = vx x = y t [0, 1] v (t)x(t) x(t) = y (t)
compacto

(v (t) )x(t) = 0 (A) =

=0

continuo

[0, 1]

compacto

196

5. Sea A : l l denido por: A(x1 , x2 , x3 , ...) = (x2 , x3 , ...) a) Si || > 1 probar que (A). b) Si || 1, probar que es un valor propio. Soluci on al inciso a) Es suciente probar que A = 1. A es lineal; A(x) = max |xi | max |xi | A 1.
i2 i1 x

Si x = (0, x2 , ...), entonces Ax = x A = 1 Soluci on al inciso b) A (x) = = A (x) = 0 (x2 , x3 , ...) (x1 , x2 , ...) (x2 x1 , x3 x2 , ..., xn xn1 , ...) xn xn1 = 0 n = 2, 3, ... xn = xn1 n > 1 x = 0.

Si || 1 entonces |xn | |xn1 |. Luego A (x) = 0 es un valor propio. Ahora deniremos el espacio propio asociado:

S = {(x1 , x2 , ..., xn , ...) : x A (x) = 0} = {(x1 , x1 , x2 , ...)} = {(x1 , x1 , 2 x1 , 3 x1 , ...)} C. 6. Si A : lp lp se dene como A(x1 , x2 , ...) = (x2 , x3 , ...) y || = 1 Es un valor propio de A?

197

Soluci on: De manera an aloga al inciso b) del ejercicio anterior se llega a que |xn | = |xn1 | n > 1. Supongamos que: |x n | = m > 0 entonces mp = lim kmp = + x lp
n k

luego, como necesariamente se tendr a que x = 0 entonces no es un valor propio si || = 1. 7. Si S, T L(E ), probar que (S ) (T ) R (S ) R (T ) = R (S )(T S )R (T ) Soluci on: Multiplicando el miembro izquierdo de la igualdad por (R (S ))1 a la izquierda y por (R (T ))1 a la derecha (R (S ))1 (R (S ) R (T ))(R (T ))1 = (R (T ))1 (R (S ))1
T I S I

(T I ) (S I ) = T S De aqu lo requerido. 8. Sea A L(E ), 3 {0, 1} (A). A = 0, I tal que A2 = A (idempotente). Probar que

Soluci on: Debemos, en primer lugar, obtener R (A) = R() para

3

E espacio de Banach

198

este caso. R (A) = (A I ) =

1

1 1 n A = n=0 n

1 1 1 1 I + A + 2 A2 + 3 A3 +... =A =A 1 1 1 = (I A) + A +A + 2 + ...
t erminos auxiliares

1 1 1 1 (I A) + A 1 + + 2 + 3 + ...

1 = (I A) + A

1 1 1 1 A = (I A) + 1

1 1 = (I A) + A 1 {0, 1} (A) {0, 1} (A). 9. Sea A un algebra de Banach compleja con identidad e. Si x e < 1 probar que x es inversible y que

x Soluci on:

=e+
k=1

(e x)k

x e < 1 e x < 1 e (e x) es inversible

=x

y adem as x
1

=e+
j =1

(e x)j ,

lo cual se demuestra de forma an aloga en el teorema 3.3.3. 199

10. Probar que (e x) Soluci on:

x 2 ex . 1 x

(e x)

=e+x+
k=2

x (e x)

x 2 ex . 1 x

11. Si x es inversible y y es tal que yx1 1. Probar que x y es inversible y que, adoptando que a = e a A, se tiene que:

(x y ) Soluci on:

=
k=0

x1 (yx1 )k

x y = (x y ) x1 x = [(x y )x1 ]x = (e yx1 )x (x y ) yx

1 =e 1

= x1 (e yx1 )1

< 1 (x y )

=
k=0

x1 (yx1 )k .

algebra normada A, pro12. Si {xn }, {yn } son sucesiones de Cauchy en un bar que xn yn es una sucesi on de Cauchy. Soluci on: xn y n xm y m = (xn yn xn ym ) + (xn ym xm ym )
n,m

n,m

xn
M

y n y m + xn xm

ym ,
M

13. Probar la igualdad resolvente: v () v () = ( )v ()v () si v () = (x e)1 .

200

Soluci on: Multiplicando el miembro izquierdo por (v ())1 por la izquierda y (v ())1 por la derecha y efectuando, (v ())1 (v () v ())(v ())1 = (v ())1 (v ())1 = (x e) (x e) = ( )e 14. Probar que la aplicaci on, G G x x1 es continua, donde G es el conjunto de los elementos inversibles del algebra normada A. Soluci on: x1 y 1 = y 1 (y x)x1 x1 y 1 y 1 haciendo y = xn , la u ltima desigualdad se escribe as :
1 x 1 x 4 x1 n f (x) f (xn ) 1 x n f

x 1

yx

x xn .

Por tanto, si xn x entonces f (xn ) f (x) 0.

n

15. Sea A : l2 l2 denida de la manera siguiente: A (x1 , x2 , ..., xn , ...) =

x

1 1 1 x1 , x2 , x3 , ..., xn , ... 2 3 n

Determinar si 0 (A).
4 1 x n

e xn + 1, que se deduce del ejercicio 8). 1 e xn

201

Soluci on: A (H ) L(H ) A(x1 , x2 , ..., xn , ...) = 1 1 1 x1 , x2 , x3 , ..., xn , ... 2 3 n

= (y1 , y2 , ..., yn , ...) A1 (y1 , y2 , ..., yn , ...) = (x1 , x2 , ..., xn , ...) como xn = nyn = (y1 , 2y2 , ..., nyn , ...) no est a acotada = 0 (A) pero no es un valor propio. 16. Si A2 = A
2

probar que r (A) = A .

Soluci on: A2 = A
2

A4 = (A2 )2 = A2
A
2

= A

En general se tiene que para cada k N A2 Entonces r (A) = =

n
k

= A

2k

lim An A
A

1/n

= lim A2
k 1/2k

1/2k

lim

2k

= A .

17. Probar que todos los valores propios de un operador autoconjugado T (si existen) son reales.

202

Soluci on: Sea un valor propio de T y x el vector propio correspondiente. Entonces x = 0 y T x = x. (x | x) = (x | x) = (T x | x) = (x | T x) (x | x) = (x | x) = R. (x | x) = 0 = 18. Sean T : H H un operador aritrario; , C : || = | |. Probar conmuta con N . (Es decir N N = N N ) que N = T + T Soluci on: = NN = N N = = = = ) )( + T (T + T T 2+ + T ) 2 + | |2 T T. | |2 T T (T )(T + T + T ) ( T 2 + | |2 T T T + )2 + T | |2 T (T 2 + | |2 T T T + )2 + T | |2 T (T . NN

conmuta con N . Ejemplo: N = T + T 19. Probar que: 19.1) (H ) N (H ); 19.2) Probar que N (H ) es cerrado para la multiplicaci on por un escalar y el l mite fuerte. Soluci on al inciso 19.1) Sea A (H ) = A A = A2 A N (H ). A A
=A =A

on por un escalar : Soluci on al inciso 19.2) Multiplicaci N N (H ), C N N (H ) ) = | |2 N N (N )(N ) = (N )( N )(N ) = ||2 N N . (N ) (N ) = ( N

=N N

203

L mite fuerte : Nk N (H ) Nk N N N (H )
n

NN N N

N k k k Nk N k N Nk + N Nk N + Nk N NN Nk N k NN + I k N + N Nk N II k k Nk N N Nk =0

N . Entonces I) N Nk = N k N Nk = N Nk

N = N k

N ] [Nk N N k N N . Nk N k Nk N N . De manera an II) N aloga al caso I, luego k

k N 0, 0 N Nk N

pasando al l mite

Nk = N N. N k 20. Sea T un operador. Probar que x = T x T normal T Soluci on: on de autoconjugado Como (H ) N (H ). Aplicando la denici x | T x) = ( x | T T x) = ( x | T T x) = (T x | T x). (T T T )x | x) = 0? Ser a cierto que ((T T T T )x | x) = (T T x | x) (T T | x) ((T T x | T ) (T x | T x) = 0 T T = T T. = (T
= T
2

x.

204

21. Probar que: 21.1) T = T T

2

.
2

21.2) N N (H ) N 2 = N

Soluci on al inciso 21.1) Veamos primero que: T T T

= T

T = T

Por otra parte, T x T x | x) T (T x | T x) = (T luego, Tx

2

T x T

T T

T T T

T . T

Soluci on al inciso 21.2) Como consecuencia de inciso anterior tenemos que: N . N 2= N Es suciente probar que: N = N 2 . N Veamos, N N x) (N 2 x | N 2 x) = (N x | N
NN

N x | N N x) = (N N N 2x = N N2 =
x 1 x 1

x H

N . N x = N sup N 2 x = sup N

205

6.3

Ejercicios Propuestos
(T x | y )+ (T (x+y ) | x+y )||2 (T x | x)| |2 (T y | y ) = (T y | x).

1. Probar que

2. Probar que si H es un espacio de Hilbert T = 0 (T x | x) = 0 x H. 3. Si A1 , A2 son autoconjugados y 0, probar que A1 A2 A1 A2 . y T T pertenecen 4. Para un operador arbitrario T sobre H , probar que T T a (H ) y que son positivos. 5. Probar que los vectores propios correspondientes a valores propios distintos de un operador autoconjugados son ortogonales. 6. Sean A, B (H ). Probar que: AB autoconjugado AB = BA. 7. Sea H = M M , H de Hilbert, M cerrado. Probar que PM 0. 8. Sea A : l2 l2 Ax = (1 x1 , 2 x2 , ..., n xn , ...).

8.1) Bajo qu e condici on A L(H )? 8.2) Bajo qu e condici on A (H )? 8.3) Bajo qu e condici on A 0? 9. Sean H un espacio de Hilbert; xn x. Bajo qu e condici on (Axn | xn ) (Ax | x)?
n

206

Bibliograf a
[1] Trenoguin, V.A.; B.M. Pisarievski; T.S. S oboleva (1987): Problemas y Ejercicios de An alisis Funcional. Editorial MIR, Mosc u, 269pp. [2] Bachman, George; L. Narici (1972): Functional Analysis. Academic Press, 530pp. [3] Kolmogorov, A.; S. Fomin (1975): Elementos de la Teor a de Funciones y el An alisis Funcional. Editorial MIR, Mosc u, 534pp. e ` a la Faculte des [4] Rosov, N (1967): Cours d Analyse Moderne. Trait Sciences d Alger, 90pp. [5] Kiesewetter, H. (october 1967 to january 1968): Lectures on Functional Analysis. UCLV, Santa Clara, 115pp. [6] Kreyszig, E.; John Wiley and Sons (1978): Introductory Functional Analysis with Applications, 688pp. [7] Arg uelles Cort es, L.; G. Hern andez Cuellar; J. V. L opez Palacio (2003): Experiencia en la aplicaci on de m etodos de ense nanza vinculados al uso de la computaci on. Universidad Pedag ogica, M exico, 92pp. [8] Arg uelles Cort es, L.; G. Hern andez Cuellar; J. V. L opez Palacio (2002): Experiencia en la aplicaci on de modernos m etodos de ense nanza en el aprendizaje de la Matem atica. Universidad Pedag ogica, M exico, 137pp. [9] Cotlar, M; Cignoli, R (1967): Nociones de Espacios normados. Editorial Universitaria de Buenos Aires, 361pp. [10] Taylor, A. E. (1958): Introduction to funtional Analysis. Wiley International Edition, Japan, 423pp. 207

[11] Maroni, P.; Nedzela, M. (1969): Elements d Analyse Fonctionnelle. Instiute Blaise Pascal, 200pp. [12] Simmons, G. F. (1963): Introduction to Topology and modern analysis. McGraw-Hill Book Company, 372pp.

208

 Indice de Materias
A Acotaci on Uniforme Aplicaciones, 75 Principio, 44 Teorema, 17 Aplicaci on Continua, 19 Continua en un punto, 19 Uniformemente continua, 19 B Baire teorema, 17 Banach-Steinhaus teorema, 45 Aplicaciones, 45, 46 Bola Abierta, 15 Cerrada, 15 C Campo Denici on, 35 Valores, 35 Categor as 1ra, 16 2da, 16 Completaci on, 21 Conjugado de Hermite, 89 Conjuntos Abierto, 15 Acotado, 15 Cerrado, 16 209 Clausura, 16 Compacto, 16, 105 Convexos, 16 de operadores totalmente continuos, 110 D ebilmente compacto, 110 Densos, 16 Di ametro, 15 Distancia entre, 15 Localmente compacto, 109 Nunca densos, 16 Relativamente compacto, 16, 107 Resolvente, 137 Totalmente acotado, 108 Convergencia D ebil, 96 Debilitada, 98 Fuerte, 44, 47 Uniforme, 44 Cubrimiento, 105 D Desigualdades Cauchy-Buniakowski, 22 H older, 22 Minkowski, 23 Distancia entre, conjuntos, 15 un punto y un conjunto, 15

E Epsilon red, 107 Equiacotado, 107 Equicontinuo, 107 Espacios de Banach, 20 Bicompacto, 107 Compacto, 16, 105 Completo, 20 Conjugado, 85 Dual, 72 Encajado, 21 Hilbert, 21 Isomorfos, 20 Isom etricos, 20 Normados, 15 Operadores lineales acotados, 43 Reexivo, 98 Separables, 16 Unitario, 21 Espectro de un operador, 138 F Funci on anal tica, 139 Funcional, 72 Acotado, 73 Continuo, 73 Lineal, 73 G Gr aco, 63 Gr aco cerrado teorema, 65 H Hahn-Banach teorema, 74 Hausdorf teorema, 112 Hiperplano, 72 I Inverso acotado teorema, 55 210

Inverso Derecho, 55 Izquierdo, 55 L Liouville teorema, 139 N Normas Denici on, 15 Ejemplos, 19 Equivalentes, 20 O Operador Acotado, 35 Autoconjugado, 133 Casi cerrado, 72 Cerrado, 63, 64 Conjugado, 56 Continuamente inversible, 55 Continuo, 34, 35 Continuo en un punto, 34 de proyecci on, 134 Id entico, 44 Inverso, 55 Lineal, 35 Totalmente continuo, 107, 108 Cerrado, 65 Norma, 35 N ucleo, 35 Prolongaci on, 47 Proyecci on ortogonal, 53 Totalmente acotado, 108 P Producto escalar, 24 Punto de Adherencia, 16

R Radio espectral, 139 Riesz Lema, 74 S Sucesi on Convergente, 16 D ebilmente acotada, 98 D ebilmente fundamental, 98 Fundamental (de Cauchy), 20 Uniformemente convergente, 44 Subespacio, 16 Suma directa externa, 63 V Variedad Lineal, 16 Localmente compacta, 110

211