AF

AN
ALISIS FUNCIONAL
Una introduccion elemental
M.A. Rodr
guez
Departamento de Fsica Teorica II
Universidad Complutense de Madrid
16 de noviembre de 2007
Indice general
1. La integral de Lebesgue 1
1.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Medidas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2.1. Medidas en intervalos . . . . . . . . . . . . . . . . . . . . 3
1.2.2. Medidas en anillos . . . . . . . . . . . . . . . . . . . . . . 6
1.2.3. Medidas exteriores . . . . . . . . . . . . . . . . . . . . . . 9
1.2.4. Medidas interiores . . . . . . . . . . . . . . . . . . . . . . 12
1.2.5. La medida de Lebesgue . . . . . . . . . . . . . . . . . . . 13
1.2.6. Propiedades de la medida de Lebesgue . . . . . . . . . . . 13
1.3. Funciones medibles . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4. Integracion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
1.4.1. Conceptos generales . . . . . . . . . . . . . . . . . . . . . 18
1.4.2. La integral de Lebesgue . . . . . . . . . . . . . . . . . . . 19
1.4.3. La integral de Riemann . . . . . . . . . . . . . . . . . . . 23
1.4.4. Integrales impropias . . . . . . . . . . . . . . . . . . . . . 25
1.5. Productos de medidas . . . . . . . . . . . . . . . . . . . . . . . . 30
2. Topologa, distancia y norma 33
2.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.2. Espacios topologicos . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.3. Espacio metricos . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
2.4. Espacios normados . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3. Espacios de Banach 51
3.1. Espacios normados de dimension nita . . . . . . . . . . . . . . . 51
3.2. Espacios de sucesiones l
p
. . . . . . . . . . . . . . . . . . . . . . . 55
3.3. Espacios L
p
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4. Espacios de Hilbert 65
4.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.2. Deniciones y propiedades . . . . . . . . . . . . . . . . . . . . . . 65
4.3. Ortogonalidad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.4. Polinomios ortogonales . . . . . . . . . . . . . . . . . . . . . . . . 76
4.5. Series de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
i
ii

INDICE GENERAL
5. Operadores en espacios de Hilbert 79
5.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.2. Operadores acotados . . . . . . . . . . . . . . . . . . . . . . . . . 79
5.3. Funcionales lineales continuos . . . . . . . . . . . . . . . . . . . . 82
5.4. Funcionales bilineales hermticos . . . . . . . . . . . . . . . . . . 84
5.5. Operadores autoadjuntos y unitarios . . . . . . . . . . . . . . . . 85
5.6. Operadores positivos . . . . . . . . . . . . . . . . . . . . . . . . . 92
5.7. Operadores compactos . . . . . . . . . . . . . . . . . . . . . . . . 92
5.8. Operadores de clase de traza y Hilbert-Schmidt . . . . . . . . . . 93
5.9. Ecuaciones integrales . . . . . . . . . . . . . . . . . . . . . . . . . 94
6. Espectros de operadores 97
6.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
6.2. El espectro puntual y el espectro continuo . . . . . . . . . . . . . 98
6.3. El resolvente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
6.4. El espectro de un operador y de su adjunto . . . . . . . . . . . . 100
6.5. Espectro de operadores acotados normales . . . . . . . . . . . . . 100
6.6. Espectro de operadores compactos . . . . . . . . . . . . . . . . . 101
6.7. Ecuaciones integrales . . . . . . . . . . . . . . . . . . . . . . . . . 101
7. Distribuciones 103
7.1. Introduccion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
7.2. Los espacios de funciones prueba . . . . . . . . . . . . . . . . . . 103
7.3. Distribuciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
7.4. Ejemplos de distribuciones en T
. . . . . . . . . . . . . . . . . . 105
7.5. Propiedades elementales de distribuciones . . . . . . . . . . . . . 107
7.6. Soluciones fundamentales . . . . . . . . . . . . . . . . . . . . . . 109
7.7. Convolucion de funciones y distribuciones . . . . . . . . . . . . . 111
7.8. Distribuciones temperadas (o
) . . . . . . . . . . . . . . . . . . . 112
7.9. Operaciones con distribuciones temperadas . . . . . . . . . . . . 114
7.10. Transformada de Fourier y convolucion . . . . . . . . . . . . . . . 115
8. Ejercicios 119
9. Soluciones a los Ejercicios 133
Prologo
Estas notas son un resumen de los cursos explicados en la Facultad de Cien-
cias Fsicas de la UCM los a nos 2003-04, 2004-05, 2005-06 y 2006-07. No todo lo
que aqu aparece fue explicado y se dijeron cosas que estas notas no contienen.
Como suele ocurrir.
Madrid, 29 de septiembre de 2005
iii
Captulo 1
La integral de Lebesgue
1.1. Introduccion
El objetivo de este captulo es un estudio de la integral de Lebesgue. Los
espacios vectoriales topologicos mas utilizados en Fsica son los espacios de fun-
ciones, y en particular (al menos en Mecanica Cuantica) los espacios de funciones
integrables Lebesgue (o cuya potencia p sea integrable Lebesgue). Se hace ne-
cesario por tanto presentar, aunque sea someramente el concepto de integral
de Lebesgue y previamente a este (por razones ademas de aplicacion a ciertos
elementos de calculo funcional de operadores) una introduccion al concepto de
medida. La pregunta es, si queremos espacios de funciones de cuadrado inte-
grable (por ejemplo en Mecanica Cuantica), por que no usamos la integral de
Riemann? Una de las respuestas es que esta integral es insuciente, en particular
en lo que respecta a su comportamiento en relacion con sucesiones. El ejemplo
mas inmediato es el siguiente.
Ejemplo 1.1 Sea r
1
, r
2
, . . . , r
m
, . . . el conjunto de n umeros racionales del
intervalo (0, 1). Consideremos la siguiente sucesion de funciones:
f
n
(x) =
_
1, x r
1
, . . . r
n
0, x [0, 1] r
1
, . . . r
n
(1.1)
Las funciones f
n
son integrables Riemann (tienen un n umero nito de disconti-
nuidades, son continuas a trozos). Ademas la integral en [0, 1] es cero. Cuando
se toma el lmite (puntual) de la sucesion f
n
se tiene la funcion:
f(x) =
_
1, x Q
0, x [0, 1] Q
(1.2)
Pero la funcion f no es integrable Riemann. En cualquier particion del intervalo
[0, 1], los subintervalos contienen puntos racionales e irracionales, por lo que la
funcion oscila entre 0 y 1 y las sumas inferiores y superiores son constantemente
iguales a 0 y 1.
Otro ejemplo que tambien, aunque no de manera tan clara, obliga a extender
el concepto de integral es el siguiente relativo a la complecion de ciertos espacios
de funciones.
1
2 CAP
ITULO 1. LA INTEGRAL DE LEBESGUE

Ejemplo 1.2 Sea la sucesion de funciones en [0, 1] denidas por (n 2):
f
n
(x) =
_
_
0, x <
1
2

1
n
nx
n
2
+ 1,
1
2

1
n
x
1
2
1, x >
1
2
(1.3)
Es evidente que se trata de una sucesion de funciones continuas. Pero su lmite
(de nuevo puntual) es una funcion discontinua:
f(x) =
_
_
0, x <
1
2
1, x
1
2
(1.4)
Consideremos el espacio C[0, 1] de las funciones continuas en el intervalo [0, 1]
(continuidad en 0 y 1 quiere decir que existen los lmites por la derecha e iz-
quierda respectivamente). En este espacio denimos una distancia por medio de
la integral de Riemann:
d(f, g) =
_
1
0
[f g[ dx (1.5)
bien denida al ser las funciones continuas en [0, 1] integrables Riemann (aunque
no entraremos en detalles ahora, se trata de una distancia en el sentido usual).
De acuerdo con ella, la sucesion de funciones es de Cauchy, es decir:
d(f
n
, f
m
) =
_
1
0
[f
n
(x) f
m
(x)[ dx =
1
2
1
n

1
m
0 (1.6)
cuando n, m tienden a innito. Sin embargo su lmite no es una funcion continua
y no esta en C[0, 1]. La cuestion es si existe una funcion continua a la que
tienda esta funcion en la distancia denida anteriormente (aunque no tienda
puntualmente a ella). La respuesta es que no. En efecto, sea f(x) una funcion
en C[0, 1], tal que:
d(f
n
, f) =
_
1
0
[f
n
(x) f(x)[ dx (1.7)
tienda a cero cuando n . Se tiene:
_
1
0
[f
n
(x) f(x)[ dx =
_ 1
2
1
n
0
[f(x)[ dx +
_ 1
2
1
2
1
n
nx
n
2
+ 1 f(x)
dx +
_
1
1
2
[1 f(x)[ dx
Los tres sumandos son positivos luego todos deben hacerse cero cuando n .
El segundo es de esa forma, pues f es continua y la longitud del intervalo tiende
a cero. El tercero no depende de n luego el integrando debe ser cero, y por tanto
f(x) = 1, x > 1/2. En cuanto al primero, cuando n , el extremo superior
tiende a 1/2, y por lo tanto f(x) = 0, x < 1/2. Pero entonces f no puede ser
continua.
1.2. MEDIDAS 3
Se dice que el espacio C[0, 1] no es completo con esta distancia. Como ve-
remos la complecion de este espacio con esta distancia, es decir que funciones
hay que a nadir para conseguir un espacio completo, se consigue al incluir las
funciones integrables Lebesgue (no basta con las integrables Riemann).
1.2. Medidas
Nuestro objetivo es como hemos dicho denir la integral de Lebesgue y estu-
diar sus propiedades. Para ello necesitamos unas nociones basicas de teora de la
medida que iremos introduciendo a medida que se necesiten, teniendo siempre
como gua la mencionada integral de Lebesgue.
1.2.1. Medidas en intervalos
Consideremos una clase de conjuntos en la recta real,
T = [a, b) : < a b <
es decir, los intervalos semicerrados acotados de la recta real. En esta clase de
conjuntos denimos una funcion (de conjuntos) con valores en la recta real:
([a, b)) = b a (1.8)
que tiene unas propiedades claras:
Proposicion 1.2.1 La funcion verica (I T):
1. (I) 0
2. () = 0
3. (I) <
Notese que la clase T no es cerrada bajo la union de conjuntos (la union de dos
intervalos no es en general un intervalo) ni bajo la diferencia de conjuntos.
Veamos algunas propiedades mas de esta funcion y la clase T.
Proposicion 1.2.2 Sea I
0
= [a
0
, b
0
) T, I
j
= [a
j
, b
j
) T, j = 1, . . . , n, una
clase de conjuntos disjuntos, contenidos en I
0
. Entonces,
n
j=1
(I
j
) (I
0
)
La demostracion es muy sencilla y responde a una idea intuitiva de la medida de
un intervalo. Puesto que los intervalos I
j
son disjuntos podemos considerarlos
ordenados:
a
0
a
1
b
1
a
2
b
n
b
0
Por denicion de :
n
j=1
(I
j
) =
n
j=1
(b
j
a
j
)
n
j=1
(b
j
a
j
) +
n1
j=1
(a
j+1
b
j
) = b
n
a
1
(I
0
)
4 CAP

Notese que en este caso se tiene una union de conjuntos de T que estan dentro
de otro (tambien en T) y se comparan las medidas. Veamos ahora la situacion
en la que un conjunto esta contenido en la union de otros. En primer lugar con-
sideraremos el caso de un conjunto cerrado contenido en una union de abiertos.
Proposicion 1.2.3 Sea F = [a
0
, b
0
] un intervalo cerrado contenido en la union
de una familia nita de intervalos abiertos acotados, A
j
= (a
j
, b
j
), j = 1, . . . , n.
Entonces:
b
0
a
0
<
n
j=1
(b
j
a
j
)
Notese que los conjuntos de los que se esta hablando ahora no estan en T, por
lo que no se menciona a que, en principio, solo se aplica a la clase T.
Puesto que F esta en la union de los intervalos abiertos, a
0
esta en alguno de
ellos. Sea A
k
1
dicho intervalo. Si b
k
1
b
0
, b
k
1
es un punto de F y por tanto
estara en alg un otro intervalo, A
k
2
. De esta forma podemos continuar hasta
que b
k
m
> b
0
. Para simplicar, reordenamos los intervalos y eliminamos los
posteriores al A
k
m
pues no juegan ning un papel en la proposicion (es decir, sea
m = n). Tenemos entonces:
a
1
< a
0
< b
1
, a
n
< b
0
< b
n
y para los intermedios (si es que existen):
a
j+1
< b
j
< b
j+1
, j = 1, . . . , n 1
Ahora es muy sencillo obtener la desigualdad del enunciado:
b
0
a
0
< b
n
a
1
= b
1
a
1
+
n1
j=1
(b
j+1
b
j
)
n
j=1
(b
j
a
j
)
Con este resultado podemos pasar ahora a uno similar en la clase T.
Proposicion 1.2.4 Sea I
0
= [a
0
, b
0
) T, I
j
= [a
j
, b
j
) T, j = 1, 2, . . . una
sucesion de conjuntos, tales que I
0

j=1
I
j
. Entonces,
(I
0
)
j=1
(I
j
)
Supongamos que b
0
> a
0
(en otro caso el resultado es trivial). Entonces, existe
con 0 < < b
0
a
0
. Sea F
0
= [a
0
, b
0
] y para cualquier > 0 denimos:
A
j
=
_
a
j

2
j
, b
j
_
Entonces F
0
I
0
, I
j
A
j
, y se tiene
F
0

_
j=1
A
j
1.2. MEDIDAS 5
Pero F
0
es un compacto, y por tanto de todo recubrimiento por abiertos podemos
extraer un subrecubrimiento nito:
F
0

n
_
i=1
A
i
Ahora estamos en las condiciones del teorema anterior, y entonces:
b
0
a
0
<
n
j=1
_
b
j
a
j
+

2
j
_
=
n
j=1
(b
j
a
j
) +
n
j=1
1
2
j
es decir,
(I
0
) <
j=1
(I
j
) +
Pero y son arbitrarios (sucientemente peque nos) y se tiene la desigualdad
buscada.
La union de intervalos semicerrados no es en general un intervalo semicerra-
do. Lo que es lo mismo, T no es cerrado bajo uniones de conjuntos. Sin embargo,
en algunos casos se da esta situacion.
Proposicion 1.2.5 Dada una clase numerable de conjuntos de T, I
j
, j =
1, 2, . . ., disjuntos dos a dos, tal que
j=1
I
j
T, se tiene:
_
_
_
j=1
I
j
_
_
=
j=1
(I
j
)
Sea I =

j=1
I
j
, con I, I
j
, (j = 1, 2, . . .) T. Por tanto, I
j
I para todo j.
Estamos en las hipotesis de la proposicion 1.2.2. Entonces
n
j=1
(I
j
) (I)
para cualquier valor de n. Pero eso quiere decir que:
j=1
(I
j
) (I)
Aplicando la desigualdad en sentido contrario que se deduce de la proposicion
1.2.4 se llega a la conclusion buscada.
Como hemos visto en las anteriores proposiciones, la funcion se aplica a
conjuntos de una determinada clase y tiene una serie de propiedades que la
hacen muy interesante para nuestros propositos. Por supuesto hay casos mas
generales que la denicion dada en (1.8) y conjuntos mas generales a los que
aplicarla que T.
6 CAP

1.2.2. Medidas en anillos
Deniremos a continuacion una serie de conceptos que forman la base de la
teora de la medida.
La idea fundamental es asignar a un conjunto un n umero (real) que sera la
medida de ese conjunto. Pero antes necesitamos especicar a que tipo de con-
juntos les vamos a asignar una medida.
Sea X un conjunto.
Denicion 1.2.1 Se dice que una coleccion 1 de subconjuntos de X es un
anillo si se verican las dos propiedades siguientes:
1. Si A, B 1 , entonces A B 1
2. Si A, B 1, entonces AB 1,
La diferencia de dos subconjuntos de X se dene por:
A, B X, AB = A B
donde B
es el complementario de B en X.
La diferencia simetrica de dos conjuntos se dene como:
AB = (AB) (B A)
Un anillo es cerrado bajo esta operacion.
Por ejemplo, la clase T no es un anillo, pero la coleccion formada por las
uniones (nitas) de los intervalos semicerrados, 1
P
, es un anillo.
Dada una coleccion, c, de subconjuntos de X existe un anillo minimal que
los contiene, 1(c) (es la interseccion de todos los anillos que contienen a c). Se
dice que 1(c) esta generado por c.
Si sustituimos la condicion de union nita por la de union numerable, ten-
dremos un -anillo:
A
i
o, i I (numerable),
_
iI
A
i
o
Denicion 1.2.2 Una -algebra es un -anillo que contiene al conjunto X.
Por tanto, si un conjunto pertenece a una -algebra tambien su complementario
esta en ella.
Sobre estas estructuras denimos una medida. Sea

R la recta real extendida:
R = R ,
Denicion 1.2.3 Una medida es una funcion denida en un anillo con valores
en la recta extendida, tal que:
1. A 1 (A) 0
2. () = 0
1.2. MEDIDAS 7
3. Si A
n
, n = 1, 2, . . . es una clase numerable de elementos de 1 disjuntos
dos a dos, tales que
n=1
A
n
1, entonces
_

_
n=1
A
n
_
=
n=1
(A
n
)
Se dice que es -aditiva.
Volvamos a la funcion . Tenemos una funcion de conjunto (1.8) denida
en T. Pero T no es un anillo. Como T 1
P
y 1
P
s es un anillo, extendemos
la funcion a una medida en 1
P
.
Proposicion 1.2.6 Existe una unica medida

(que ademas es nita) en 1
P
que es la extension de al anillo 1
P
(es decir, si A T, entonces (A) =

(A).)
Probaremos primeramente que la medida de un conjunto de 1
P
, que se puede
expresar como un union nita de elementos de T, no depende de la eleccion de
esos elementos. Sea A 1
P
y
A =
n
_
k=1
I
k
=
m
_
l=1
J
l
, I
k
, J
l
T, disjuntos
Descomponemos cada I
k
de la forma siguiente:
I
k
=
m
_
l=1
(I
k
J
l
)
que es una clase de conjuntos disjuntos en T. Aplicando los resultados anteriores:
(I
k
) =
m
l=1
(I
k
J
l
)
y sumando en k
n
k=1
(I
k
) =
n
k=1
m
l=1
(I
k
J
l
)
De la misma forma:
m
l=1
(J
l
) =
m
l=1
n
k=1
(J
l
I
k
)
Como los terminos de la derecha son iguales los de la izquierda tambien:
(A) =
n
k=1
(I
k
) =
m
l=1
(J
l
)
Cualquier otra funcion sobre 1
P
que sea nitamente aditiva y que sobre T sea
igual a debe coincidir con

(pues los elementos de 1
P
son uniones nitas de
elementos disjuntos de T y la funcion debe ser nitamente aditiva).
Veamos ahora que, ademas,

es -aditiva. Consideremos una sucesion de
elementos disjuntos de 1
P
, A
k
, k = 1, 2 . . ., con union, A, en 1
P
(recuerdese que
8 CAP

1
P
no es un -anillo, por lo que siempre tenemos que imponer esta condicion).
Por estar A
k
en 1
P
, es una union de elementos disjuntos de T:
A
k
=
n
k
_
l=1
I
kl
Por denicion de

,
(A
k
) =
n
k
l=1
(I
kl
)
Consideremos en primer lugar el caso en que A es un elemento de T. Entonces:
(A) = (A) =
k=1
n
k
l=1
(I
kl
) =
k=1
(A
k
)
Si A / T, entonces:
A =
m
_
r=1
J
r
, J
r
T, disjuntos
y para cada J
r
usamos el resultado anterior:
(A) =
m
r=1
(J
r
) =
m
r=1
k=1
(A
k
J
r
) =
k=1
m
r=1
(A
k
J
r
)
pero
m
r=1
(A
k
J
r
) =

(A
k
)
luego

es -aditiva.
En resumen, partiendo de una funcion de conjuntos en la clase de intervalos
semicerrados acotados de R, se ha denido una medida -nita (es decir, todo
conjunto medible esta contenido en la union numerable de una sucesion de
conjuntos medibles de medida nita) en un anillo formado por uniones nitas
disjuntas de elementos de T y esa medida restringida a la clase T reproduce la
funcion inicial.
Las medidas (y en particular la denida anteriormente) tienen unas pro-
piedades interesantes en cuanto a su relacion con las sucesiones de conjuntos.
Veamos primeramente que algunas de las propiedades establecidas anteriormen-
te son generalizables a cualquier medida en un anillo.
Una medida en un anillo es monotona (si A B entonces (A) (B)) y
substractiva (si A B, (A) < , entonces (A B) = (A) (B)). Las
mismas propiedades que encontramos en el caso particular de intervalos de la
recta real se tienen ahora en general.
Proposicion 1.2.7 Sea una medida en un anillo 1, A 1, A
n
1, n =
1, 2 . . ., tales que A
n
A
n
. Entonces (A)
n
(A
n
)
Proposicion 1.2.8 Sea una medida en un anillo 1, A 1, A
n
1, n =
1, 2 . . ., disjuntos, tales que
n
A
n
A. Entonces

n
(A
n
) (A)
1.2. MEDIDAS 9
Dada una sucesion de subconjuntos A
n
de un conjunto X, se dice que A es el
lmite superior de la sucesion si todo elemento de A esta en un n umero innito
de elementos de la sucesion. Se dice que A es el lmite inferior de la sucesion si
todo elemento de A esta en todos excepto en un n umero nito de elementos de
la sucesion. Si ambos lmites coinciden se dice que A es el lmite de la sucesion.
Las sucesiones monotonas, A
n
A
n+1
(crecientes) o A
n
A
n+1
(decrecientes)
tienen lmite. En el primer caso (crecientes) el lmite es la union de todos los
elementos de la sucesion. En el segundo (decrecientes) el lmite es la interseccion
de todos los elementos de la sucesion.
Tenemos las dos siguientes propiedades de las medidas:
Proposicion 1.2.9 Sea una medida en un anillo 1 y A
n
una sucesion cre-
ciente de elementos del anillo, con lmite en 1. Entonces
(lm
n
A
n
) = lm
n
(A
n
)
Si A
n
es una sucesion decreciente y (A
n
0
) < para alg un n
0
, se tiene tambien
la igualdad anterior.
En el primer caso (sea A
0
= ), se tiene (el unico problema es que la sucesion
no es en general de conjuntos disjuntos):
(lm
n
A
n
) =
_
_
n
A
n
_
=
_
_
n
(A
n
A
n1
)
_
Ahora ya tenemos una coleccion de elementos disjuntos y como es -aditiva,
(lm
n
A
n
) =
n
(A
n
A
n1
) = lm
n
n
k=1
(A
k
A
k1
)
= lm
n
_
n
_
k=1
(A
k
A
k1
)
_
= lm
n
(A
n
)
En el segundo caso, al ser (A
n
0
) < , (A
n
) < cuando n n
0
. Por lo tanto
el lmite tambien tiene medida menor que . Ademas la sucesion A
n
0
A
n
es
creciente y se puede aplicar el resultado anterior:
(A
n
0
) (lm
n
A
n
) = (lm
n
(A
n
0
A
n
)) = lm
n
((A
n
0
) (A
n
))
= (A
n
0
) lm
n
(A
n
)
1.2.3. Medidas exteriores
El que un conjunto este en un anillo, no implica, obviamente, que sus sub-
conjuntos lo esten. Debido a esto, es posible que un subconjunto de medida
cero contenga subconjuntos que ni siquiera sean medibles (esten en el anillo
correspondiente).
Consideremos un -anillo H, en el que todo subconjunto de un conjunto de
H este tambien en H (se llaman anillos hereditarios).
Denicion 1.2.4 Se dice que una funcion
sobre H con valores en la recta

extendida es una medida exterior si:
10 CAP

1. A H,
(A) 0, (no negativa)

2. A, B H, A B
(A)
(B) (monotona)
3.
A
n
H, n N
_

_
n=1
A
n
_
n=1
(A
n
) (subaditiva)
4.
() = 0
Pues bien, toda medida en un anillo 1 se puede extender a una medida
exterior en el -anillo hereditario generado por 1 de la forma siguiente:
(A) =nf
_

n=1
(A
n
) : A
n
1, A
_
n=1
A
n
_
El problema con las medidas exteriores es que no son -aditivas. Para solucio-
nar este problema, denimos lo que es un conjunto
-medible (Caratheorody).
Denicion 1.2.5 Dado un -anillo hereditario, H, se dira que A H es
-
medible si
(B) =
(B A) +
(B A
), B H
Se tiene entonces que la clase de los conjuntos
-medibles (

o) de un anillo
hereditario es un anillo. Si el anillo hereditario de partida es un -anillo, tambien
la clase de los conjuntos
-medibles es un -anillo. Y lo que resulta es que
es -aditiva en el siguiente sentido:
(A B) =
n=1
(A B
n
)
donde A es un elemento del -anillo hereditario de partida, y B
n
es una sucesion
de conjuntos disjuntos
-medibles cuya union es igual a B. La demostracion

de estas cuestiones es como sigue. Sean B y C dos conjuntos en

o y A H. Al
ser B, C
-medibles se tiene:
(A) =
(A B) +
(A B
)
=
(A B C) +
(A B C
) +
(A B
C) +
(A B
)
Ahora sustituimos A por A (B C) y se obtiene:
(A) =
(A (B C)) +
(A (B C)
)
relacion que prueba que BC

o. De forma similar se prueba que BC

o.
Como

o se tiene que este conjunto es un anillo. Para probar que es un
-anillo (en el caso de que el anillo hereditario de partida lo sea) sustituimos
B, C por B
1
, B
2
en las expresiones anteriores:
(A (B
1
B
2
) =
(A B
1
)) +
(A B
2
)
1.2. MEDIDAS 11
Sea F
n
=
n
i=1
A
i
. Entonces para todo n:
(A F
n
) =
n
i=1
(A B
i
))
Podemos de esta forma acotar
(A):
(A)
n
i=1
(A B
i
) +
(A B
)
y pasar (puesto que la desigualdad es cierta para cualquier n) a:
(A)
i=1
(A B
i
) +
(A B
) (A B) +
(A B
)
Esta desigualdad es suciente para probar que tenemos un -anillo. Ademas se
tiene:
i=1
(A B
i
) +
(A B
) (A B) +
(A B
)
Simplemente hay que sustituir A por A B para obtener el resultado nal.
Ahora restringimos la medida exterior a la clase de los conjuntos
-medibles
y all se tiene el siguiente resultado fundamental.
Teorema 1.2.1 Sea
una medida exterior en un -anillo hereditario H y

o
la clase de conjuntos
-medibles. Todo conjunto de medida exterior cero es
-
medible y la funcion denida como la restriccion de
a

o es una medida
completa en el -anillo

o (una medida en un anillo es completa si todos los
subconjuntos de un conjunto de medida cero estan en el anillo). Se llama la
medida inducida por la medida exterior.
Sea A un conjunto de medida exterior cero en H. Para todo conjunto B H se
tiene:
(B) =
(A) +
(B)
(B A) +
(B A
)
lo que implica que A es
-medible (la desigualdad en sentido contrario se da

siempre). Hay que demostrar que es una medida completa. La -aditividad se
sigue de la demostracion del resultado anterior y la completitud se demuestra
como sigue. Sea A

o y B un subconjunto suyo. Si (A) = 0 se sigue que
su medida exterior es tambien cero. Por ser B A, la medida exterior de B
tambien es cero. Pero hemos visto que esto implica que B es
-medible y por
tanto B

o. Podemos ahora establecer un resultado que permite la extension
de una medida denida en un anillo al -anillo generado por el.
Proposicion 1.2.10 Si es una medida en un anillo 1 y
la correspondiente
medida exterior en H(1), entonces todo conjunto del -anillo generado por 1,
o(1), es
-medible (es decir, o(1)

o).
Supongamos que A 1 y B H(1). Dado > 0 se tiene una sucesion de
conjuntos de 1, A
n
, con B
n=1
A
n
tal que:
(A)+
n=1
(A
n
) =
n=1
((A
n
A)+(A
n
A
))
(A
n
A)+
(A
n
A
)
12 CAP

Tenemos entonces que A

o. Como o(1) es el menor de los -anillos que
contienen a 1, se tiene que o(1)

o.
El resultado general, sin introducir medidas exteriores, se resume en los dos
teoremas siguientes:
Teorema 1.2.2 Supongamos que en un anillo 1 se tiene denida una medida
que es -nita. Entonces existe una unica medida (que tambien es -nita)
denida en el -anillo o(1) que extiende a .
Sin embargo, la medida extendida no tiene por que ser completa. La exten-
sion a una medida completa se puede hacer en base al siguiente resultado.
Teorema 1.2.3 Dada una medida en un -anillo o, la clase de los conjuntos
de la forma
o = AN : A o, N E o, (E) = 0
es tambien un -anillo y la funcion denida por:
(AN) = (A)
es una medida completa en la clase extendida, que se llama la complecion de .
Como usando medidas exteriores tambien hemos obtenido compleciones de
medidas, necesitamos un resultado que las relacione.
Teorema 1.2.4 Si es una medida -nita en un anillo y
es la medida
exterior asociada, la complecion de la extension de (en el sentido del teorema
anterior) es igual a
en la clase de los conjuntos
-medibles.
1.2.4. Medidas interiores
Sea o un -anillo y H(o) el -anillo hereditario que genera.
Denicion 1.2.6 Si A H(o), se dene la medida interior
(A) por:
(A) = sup (B) : A B o

Se pueden estudiar propiedades similares a las de las medidas exteriores. Y se
llega a un resultado fundamental:
Teorema 1.2.5 Sea o un -anillo y H(o) el -anillo hereditario construido
sobre el. Sea

o el anillo construido en el teorema 1.2.3. Entonces,
(A) =
(A) = (A), A

o
Ademas,
A H(o),
(A) =
(A) < A

o
Y se puede llegar al teorema de extension anterior deniendo los conjuntos
-
medibles como aquellos para los que la medida exterior e interior coinciden.
1.2. MEDIDAS 13
1.2.5. La medida de Lebesgue
Introduciremos ahora la medida de Lebesgue. Ya hemos denido la medida
y demostrado algunas de sus propiedades mas importantes.
Dada la clase T se puede denir el -anillo generado por ella, B, que es
realmente una -algebra, pues R es una union numerable de intervalos de la
clase T. Los elementos de B se llaman conjuntos de Borel. Recuerdese que
en el apartado 1.2.1 habamos introducido la clase 1 que era solo un anillo.
Como consecuencia de las resultados vistos hasta ahora, se tiene que la fun-
cion se puede extender a B. Llamaremos tambien a la medida extendida. De
acuerdo con las propiedades de medidas exteriores, se construye ahora el con-
junto

B, formado por los conjuntos que son diferencias simetricas de elementos
de B y subconjuntos de conjuntos de medida nula en B. Como sabemos, este
conjunto es un -anillo (en realidad una -algebra) y en el se puede denir la
complecion de (que seguiremos llamando ).

Esta es la medida de Lebesgue
en la recta real. Los conjuntos de

B se llaman conjuntos medibles Lebesgue. La
medida en B no es nita, pues (R) = , pero s lo es en T. Por lo tanto,
las correspondientes medidas en B y

B son -nitas. En realidad son totalmente
-nitas pues la recta R tambien es -nita.
1.2.6. Propiedades de la medida de Lebesgue
En esta seccion estudiaremos algunas propiedades de la medida de Lebesgue.
Proposicion 1.2.11 Todo conjunto numerable es un conjunto de Borel de me-
dida nula.
Demostraremos que la medida de un conjunto que contiene un solo punto
es cero. La proposicion se sigue inmediatamente debido a que la medida es
-aditiva. Para ello basta considerar la siguiente sucesion de intervalos:
I
n
=
_
a, a +
1
n
_
Esta claro que su interseccion (es decir el lmite) es a . Ademas:
(I
n
) =
1
n
y la conclusion es inmediata.
A pesar de lo curioso de la introduccion de los conjuntos de Borel, resulta que
el algebra de Borel coincide con el -anillo generado por los abiertos de R. Para
demostrarlo, se prueba primero que todo intervalo abierto es un conjunto de
Borel. Pero esto es sencillo, pues basta restar de un intervalo semicerrado (que
es de Borel) el extremo inferior del intervalo (que tambien es de Borel). Como
todo abierto de R es una union numerable de intervalos abiertos, se concluye
que el -anillo generado por los abiertos esta contenido en el de Borel. Para
demostrar la inclusion opuesta, basta escribir el conjunto con un solo punto
como una interseccion numerable de intervalos abiertos:
a =
n=1
_
a
1
n
, a +
1
n
_
14 CAP

Esto hace que estos conjuntos de un solo punto esten en el -anillo generado por
los abiertos. Como los intervalos semicerrados son uniones de intervalos abiertos
con un conjunto formado por un solo punto, se tiene que estan en el -anillo
generado por los abiertos y por lo tanto tambien esta el -anillo de Borel.
La medida exterior usada en la construccion de la medida de Borel se puede
denir ahora como:
(A) =nf (B) : A B, B abierto

La medida de Lebesgue es invariante bajo traslaciones y se comporta como
era de esperar bajo dilataciones.
Como hemos visto, la medida de un conjunto numerable es igual a cero.
Podra pensarse que todo conjunto de medida cero es numerable, pero no es el
caso.
El conjunto de Cantor
Consideremos el intervalo de la recta real [0, 1]. Cualquier n umero de este
intervalo se puede escribir como:
x =
n=1
x
n
3
n
donde los coecientes x
n
valen 0, 1 o 2 (es la expresion en base 3 de ese n umero).
Tomemos ahora los n umeros que no tienen ning un coeciente x
n
igual a 1 y
llamemos ( a ese conjunto (hay que prestar atencion a como se desarrollan los
n umeros en base 3. Por ejemplo, si se escriben como en la notacion decimal:
x =
n=1
x
n
3
n
= 0, x
1
x
2
x
3
. . .
el n umero 1/3 es claramente:
1
3
= 0,100 . . .
Pero tambien es igual a
1
3
= 0,0222 . . . = 2
n=2
1
3
n
= 2
1/9
1 1/3
As que 1/3 esta en ().
Desde un punto de vista geometrico, consideremos ahora el intervalo I =
[0, 1] que dividimos en tres partes. Eliminamos la parte central, es decir nos
quedamos con:
I I
1
, I
1
=
_
1
3
,
2
3
_
En cada una de estas dos partes hacemos lo mismo, dividimos en tres partes y
eliminamos la parte central
I
2
=
_
1
9
,
2
9
_
, I
3
=
_
7
9
,
8
9
_
1.2. MEDIDAS 15
El conjunto que queda ahora es:
I (I
1
I
2
I
3
)
Se repite el proceso indenidamente. Pues bien el conjunto ( coincide con el
denido anteriormente:
( = I
_
n=1
I
n
Para demostrarlo, consideremos los desarrollos ternarios (si hay mas de una
posibilidad se elige seg un el criterio anterior). Sea x I. Si en su desarrollo
ternario, x
1
= 1, entonces x I
1
(y viceversa). Pues:
x =
1
3
+ >
1
3
lo que es evidente. Pero ademas:
1
3
+ <
2
3
pues en el caso mas desfavorable se tiene el n umero:
1
3
+
n=2
2
3
n
=
1
3
+
2/9
1 1/3
= 2/3 = 0,2000 . . .
que no es de los que estamos considerando. De forma similar se prueba que si
x
1
,= 1 y x
2
= 1 entonces x I
2
I
3
(y viceversa). As se prueba que ambos
conjuntos coinciden. Ocurre que ( es un conjunto medible y que su medida es
cero. El que sea medible proviene de la manera de obtenerlo, restando de un
conjunto medible otro, la union de una familia numerable de conjuntos medibles.
El que la medida sea cero es tambien facil de obtener (los I
n
son disjuntos, y en
el paso n hay 2
n1
intervalos y cada uno de ellos mide 1/3
n
):
_

_
n=1
I
n
_
=
n=1
(I
n
) =
1
3
+ 2
1
9
+ 4
1
27
+ =
n=1
2
n1
3
n
= 1
Como la medida de [0, 1] es tambien 1, se concluye que la medida del conjunto
de Cantor es 0. Pero el conjunto de Cantor no es numerable. Tiene el mismo
n umero de elementos que el conjunto de los n umeros reales (una forma de hacerlo
es establecer una correspondencia entre los irracionales del conjunto de Cantor
y los irracionales del intervalo [0, 1], mediante el paso de la expresion ternaria a
una binaria). El cardinal de la clase de conjuntos de Borel es el continuo. Pero
todos los subconjuntos del conjunto de Cantor son medibles (y de medida cero).
Por tanto, hay conjuntos medibles Lebesgue que no son de Borel.
Pero tambien se puede demostrar que hay conjuntos en la recta real que no
son medibles Lebesgue. Para ello, consideremos (Vitali) el intervalo [0, 1] y la
relacion de equivalencia x y si su diferencia es un n umero racional. Usando el
axioma de eleccion, se puede elegir un representante en cada clase y formar un
conjunto V . Se tiene que este conjunto no es medible. Para demostrarlo, supon-
gamos que V es medible Lebesgue y consideremos el conjunto de los n umeros
racionales en [1, 1], r
1
, r
2
, . . . . Denamos los conjuntos
V
n
= r
n
+x : x V
16 CAP

que son medibles pues son traslaciones de V . Los conjuntos V
n
son disjuntos y
miden todos lo mismo que V . Finalmente V verica:
[0, 1]
_
n=1
V
n
[1, 2]
Apliquemos ahora que es una medida:
_

_
n=1
V
n
_
=
n=1
(V
n
) = lm
n
(n(V )) ([1, 2]) = 3
La conclusion es que (V ) = 0. Pero
_

_
n=1
V
n
_
1
lo que es una contradiccion.
Es posible probar que no se puede extender la medida de Lebesgue a la clase
de todos los conjuntos de la recta real de forma que se obtenga una medida
invariante bajo traslaciones.
La medida de Lebesgue se puede generalizar en el siguiente sentido. Sea
g una funcion nita, creciente y continua; existe una unica medida completa
denida en un -anillo

o
g
(que contiene a los conjuntos de Borel), tal que:
(g([a, b)) = g(b) g(a)
Se le llama la medida de Lebesgue-Stieltjes asociada a g. Para cada elemento
de

o
g
existe un boreliano cuya diferencia simetrica con el primer conjunto tiene
medida de Lebesgue-Stieltjes igual a cero.
1.3. Funciones medibles
Diremos que una cierta propiedad se verica casi doquiera si es cierta salvo
en un conjunto medible de medida nula. Un espacio de medida es un conjunto
X, con un -anillo o y una medida denida en el. Exigiremos que la union
de todos los conjuntos de o sea el espacio total (todo punto esta en alg un
conjunto de o) y nos limitaremos al caso en que o es una -algebra. Se suele
decir que un subconjunto de X es medible si pertenece a o (como hemos usado
anteriormente). Sea f una funcion denida en un espacio de medida con valores
en la recta real:
f: X R
Denicion 1.3.1 Se dice que una funcion f es medible si dado B, conjunto de
Borel de la recta real, el conjunto f
1
(B) es un conjunto medible de X
Recuerdese que los conjuntos de Borel son los de la -algebra generada por los
conjuntos abiertos.
Los mismos conceptos se pueden aplicar tambien a la medida Lebesgue (y
se habla de funciones medibles Borel o medibles Lebesgue).
1.3. FUNCIONES MEDIBLES 17
Ademas de funciones con valores reales, es necesario considerar funciones con
valores en la recta real extendida. Basta considerar que los conjuntos y
+ son borelianos. Una funcion es entonces medible si se cumple la denicion
anterior y los conjuntos f
1
( +) y f
1
( ) son medibles.
Para que una funcion sea medible, basta aplicar la denicion a borelianos
del tipo (, c).
Un ejemplo sencillo de funciones medibles son las funciones caractersticas
de conjuntos medibles. Si el conjunto X es medible, las funciones constantes son
medibles.
No es difcil probar que el valor absoluto de una funcion medible es medible
(y cualquier potencia del valor absoluto tambien lo es). Ademas la suma y el
producto de funciones medibles son medibles. Tambien son medibles la parte
positiva y negativa de una funcion:
f
+
=
1
2
([f[ +f), f
=
1
2
([f[ f)
El concepto de sucesiones de funciones medibles sera fundamental en el es-
tudio de la integral.
Teorema 1.3.1 Dada una sucesion de funciones medibles, f
n
, y una funcion
f tal que lm
n
f
n
(x) = f(x) casi doquiera, entonces f es medible.
Una generalizacion de las funciones caractersticas de conjuntos son las fun-
ciones simples. Sea X un espacio de medida. Se dice que la funcion s(x) es una
funcion simple si existe una coleccion nita de conjuntos medibles y disjuntos
A
1
, . . . , A
n
y de n umeros reales c
1
, . . . , c
n
tal que:
s(x) =
_
c
i
, x A
i
0, x / A
1
. . . A
n
Las funciones simples son medibles y se pueden escribir como combinaciones
lineales de funciones caractersticas:
s(x) =
n
i=1
c
i
A
i
(x)
La importancia de las funciones simples viene dada por el siguiente resultado.
Teorema 1.3.2 Sea f una funcion medible no negativa en un espacio de medida
Entonces, existe una sucesion creciente de funciones simples no negativas que
tienden a f.
La demostracion es como sigue: denimos para cada n el conjunto.
A
i
n
= x X :
i 1
2
n
f(x) <
i
2
n
, i = 1, . . . , n2
n
Los conjuntos A
i
n
son disjuntos si i ,= j y son medibles, al serlo f. Se denen
las funciones simples:
s
n
(x) =
n2
n
i=1
i 1
2
n

A
i
n
18 CAP

Se trata de una sucesion de funciones simples no negativas crecientes:
0 s
n
(x) s
n+1
(x) f(x)
La convergencia en cada x es consecuencia de la desigualdad (x jo):
0 f(x) s
n
(x)
1
2
n
cuando n es sucientemente grande.
1.4. Integracion
El ultimo concepto que se introducira en este captulo es el de integral de
una funcion. La denicion es muy sencilla despues de todo lo anterior, y a
continuacion estudiaremos algunas de sus propiedades en especial las referidas
a su comportamiento con las sucesiones de funciones.
1.4.1. Conceptos generales
Denicion 1.4.1 Se dice que una funcion simple es una funcion escalon si los
conjuntos A
n
que denen a la funcion simple son de medida nita.
Denimos primero lo que es la integral de una funcion escalon.
Denicion 1.4.2 Sea (X, o, ) un espacio de medida y
(x) =
n
i=1
c
i
A
i
(x)
una funcion escalon. Se dene la integral de s sobre el espacio X como:
_
X
d =
n
i=1
c
i
(A
i
)
Una funcion escalon se puede escribir de diversas formas en terminos de
funciones caractersticas, pero el valor de la integral no depende de esas des-
composiciones. A veces interesa denir la integral no sobre todo el espacio X
sino sobre una parte de el, A X:
_
A
d =
_
X
A
d
La integral as denida verica una serie de propiedades, que resultan natu-
rales despues de haberlas estudiado en la integral de Riemann.
Proposicion 1.4.1 Todas las funciones que aparecen a continuacion son fun-
ciones escalon.
1. La integral es lineal
_
(a +b) d = a
_
d +b
_
d
1.4. INTEGRACI
ON 19
2. Si es no negativa, la integral tambien lo es.
3.
_
[ +[ d
_
[[ d +
_
[[ d
4.
_
d
_
[[ d
5. Si A es un conjunto medible y una funcion escalon, tal que a (x) b
para x A, se tiene:
a(A)
_
A
d b(A)
Es posible denir la integral indenida de una funcion escalon. Si A es un
conjunto medible:
F(A) =
_
A
d
La integral indenida de una funcion escalon es absolutamente continua (una
funcion de conjunto, g es absolutamente continua, con respecto a una medida
, si para todo > 0 existe > 0, tal que para todo conjunto medible A, con
(A) < , entonces g(A) < ).
El objetivo es denir la integral para funciones mas generales que las fun-
ciones simples. Para ello estudiaremos las sucesiones de funciones escalon.
Proposicion 1.4.2 Sea
n
una sucesion decreciente de funciones escalon que
tiende a 0 (casi doquiera). Entonces la sucesion de las integrales de
n
es de-
creciente y tiende a 0. Y por lo tanto, si una sucesion creciente de funciones
escalon tiende a una funcion escalon , tambien la sucesion de las integrales es
creciente y tiende a la integral de esa funcion.
1.4.2. La integral de Lebesgue
Denicion 1.4.3 Una funcion se llama superior si existe una sucesion cre-
ciente de funciones escalon
n
(x), con integral nita, que converge a ella (casi
doquiera).
Llamaremos sucesion generadora de una funcion superior u a la sucesion de
funciones escalon
n
. Recordemos que una funcion escalon se escribe como:
(x) =
n
i=1
c
i
A
i
donde a
1
, . . . , a
n
es una coleccion de n umeros reales y los conjuntos A
i
son
disjuntos y medibles, de medida nita.
Una funcion superior tiene distintas sucesiones generadoras. Pero el lmite
_

n
d (que existe) es el mismo para todas ellas. Debido a esto, se puede denir;
20 CAP

Denicion 1.4.4 La integral de una funcion superior u, con una sucesion ge-
neradora
n
se dene como
_
ud = lm
n
_

n
d
La integral as denida es lineal:
_
(u +v) d =
_
ud +
_
v d
pero solo es homogenea cuando el coeciente es no negativo:
Proposicion 1.4.3 Si u es una funcion superior y a R, au es una funcion
superior si y solo si a 0. Entonces:
_
af d = a
_
f d, a 0
El problema con a < 0 es que la sucesion pasa de ser creciente a ser decreciente,
con lo que no se cumple la denicion de funcion superior. Se tiene tambien que
el maximo y el mnimo de dos funciones superiores es una funcion superior.
La integral de funciones superiores es monotona:
u v, c.d.
_
ud
_
v d
Para demostrarlo basta considerar dos sucesiones generadoras
n
y
n
de u
y g respectivamente. Entonces, al ser g menor o igual que f (casi doquiera,
por supuesto), la sucesion de funciones escalon mn
n
,
n
es tambien una
sucesion generadora de v. Pero
n
mn
n
,
n
de donde se concluye el resultado. En particular la integral de una funcion

superior mayor o igual a cero es tambien mayor o igual a cero.
Las sucesiones crecientes de funciones superiores (con integrales nitas) son
funciones superiores.
Sin embargo, las funciones superiores no forman un espacio vectorial. El
concepto de integral se extiende a funciones mas generales (que s forman un
espacio vectorial).
Denicion 1.4.5 Se dice que una funcion es integrable si es la diferencia de
dos funciones superiores (c.d.). La integral se dene como:
_
f d =
_
ud
_
v d
La integral de Lebesgue-Stieltjes se dene como la integral de Lebesgue, pero
asociada a la medida de Lebesgue-Stieltjes.
El valor de la integral es independiente de las funciones superiores que se
usen para calcularla. Una funcion integrable es medible (las funciones superiores
son medibles como lmites de funciones escalon).
1.4. INTEGRACI
ON 21
Las funciones integrables forman un espacio vectorial. Si una funcion es inte-
grable, su valor absoluto es integrable, as como sus partes positiva y negativa.
En particular una funcion es integrable si y solo si lo son sus partes positiva y
negativa.
La integral es nita. Al igual que con las funciones escalon, la suma de fun-
ciones integrables es integrable, el valor absoluto y la parte positiva y negativa
de una funcion son integrables. Se puede denir tambien la integral sobre un
conjunto tal y como se ha hecho en el caso de la integral de funciones escalon.
Proposicion 1.4.4 La integral es lineal:
_
(af +bg) d = a
_
f d +b
_
g d
Se tiene el siguiente resultado sobre funciones positivas (que se puede usar
para introducir la integral):
Teorema 1.4.1 Si una funcion integrable es no negativa (c.d.), entonces es
una funcion superior.
Como f es integrable, existen dos funciones superiores tales que f = u v. La
diferencia de las sucesiones generadoras de u y v tiende a f (aunque no sea en
principio un funcion generadora de f). Como F es no negativa, tenemos una
sucesion de funciones escalon no negativas que tiende a f:
+
f, c.d.
Un resultado previo 1.3.2 asegura que toda funcion medible es el lmite de una
sucesion creciente de funciones simples. En nuestro caso:
0 s
n
f, c.d.
Tomemos la sucesion
n
= mn s
n
, max
+
i
, i = . . . , n
Ahora solo queda probar que las integrales
_

n
d estan acotadas. Se tiene la
siguiente cadena de desigualdades (usando la monotona de la integral:
n
+v f +v = u
_

n
d +
_
v d
_
ud
_

n
d
_
ud
_
v d <
Proposicion 1.4.5 La integral tiene las siguientes propiedades:
1. Dada una funcion integrable no negativa casi doquiera, la integral es cero
si y solo si la funcion es igual a cero (c.d.)
2. La integral de una funcion integrable sobre un conjunto de medida cero es
cero.
22 CAP

3. Si una funcion integrable y positiva c.d. tiene integral cero sobre un con-
junto, la medida de este conjunto es cero.
4. Si una funcion tiene integral cero sobre cualquier conjunto medible, en-
tonces es cero c.d.
5. Si una funcion medible esta acotada entre dos funciones integrables (c.d.)
es integrable.
6. Sean f y g integrables. Entonces, f g
_
f d
_
g d
7. Si f es integrable se tiene: [
_
f d[
_
[f[ d
8. Sean f medible y g integrable. Si [f[ [g[ c.d., entonces f es integrable.
9. Un funcion medible es integrable si y solo si su valor absoluto es integrable.
10. Si f es esencialmente acotada (acotada c.d) y el conjunto A es medible,
entonces f es integrable sobre A.
Si f es integrable, su parte positiva y negativa son funciones superiores y
por tanto para calcular la integral se pueden usar como una descomposicion de
f en una diferencia de funciones superiores:
_
f d =
_
f
+
d
_
f
d
Veamos a continuacion algunos resultados concernientes al comportamiento
de la integral frente a sucesiones. Nos interesa especialmente el comportamiento
de las sucesiones de funciones integrables. Como se recordara esta fue una de
las razones para justicar la introduccion de la integral de Lebesgue.
Teorema 1.4.2 Sea f
n
una sucesion creciente de funciones integrables, tal
que lm
_
f
n
d < . Entonces, existe una funcion integrable que es el lmite de
la sucesion f
n
f y se tiene:
_
f
n
d
_
f d
Teorema 1.4.3 (Lema de Fatou) Sea f
n
una sucesion de funciones integra-
bles no negativas (como siempre, c.d.) y tal que lminf
n
_
f
n
d < . Entonces,
lminf f
n
es una funcion integrable y
_
lminf
n
f
n
d lminf
n
_
f
n
d
El lmite inferior de una sucesion a
n
es el lmite de los nmos de los conjun-
tos a
n
, a
n+1
. . .. El resultado mas importante es el teorema de convergencia
dominada de Lebesgue:
Teorema 1.4.4 Sea f
n
una sucesion de funciones integrables que verican
[f
n
[ g, n = 1, 2 . . ., casi doquiera, siendo g una funcion integrable. Si f
n
f
c.d., entonces f es integrable y se tiene:
lm
_
f
n
d =
_
lmf
n
d =
_
f d
1.4. INTEGRACI
ON 23
Demostracion. Puesto que todas las funciones estan acotadas por g, el lmite
tambien lo esta. Pero g es integrable, luego [f[ y por tanto f, tambien lo es.
Veamos ahora la cuestion del lmite. A la sucesion g f
n
se le aplica el lema de
Fatou (pues es positiva y lminf
n
_
(g f
n
) d < ). Ademas
lminf
n
(g f
n
) = g f, c.d.
Por tanto:
_
g d
_
f d =
_
(g f) d =
_
lminf
n
(g f
n
)
lminf
n
_
(g f
n
) d =
_
g d lmsup
n
_
f
n
d
es decir
lmsup
n
_
f
n
d
_
f d
Los mismos razonamientos se aplican a la sucesion g +f
n
:
_
g d +
_
f d =
_
(g +f) d =
_
lminf
n
(g +f
n
)
lminf
n
_
(g +f
n
) d =
_
g d + lminf
n
_
f
n
d
y se tiene:
_
f d lminf
n
_
f
n
d
Pero eso implica que los lmites inferior y superior son iguales y por tanto el
lmite existe y es el que arma el teorema.
Todas las integrales denidas hasta ahora son nitas. Pero la integral de una
funcion simple con coecientes positivos se puede denir, aunque posiblemente
sea innita (depende de la medida de los conjuntos sobre los que no es cero). Se
puede decir que estas funciones tienen una integral que es igual a innito. En-
tonces, si una funcion es el lmite de una sucesion creciente de funciones simples
positivas, el lmite de las integrales de esa sucesion existe aunque posiblemen-
te sea innito. Se dice entonces que la integral de la funcion lmite es innito
(aunque no es usual llamarla integrable). De acuerdo con esta idea, toda funcion
medible positiva tiene una integral (nita o no).
1.4.3. La integral de Riemann
La integral de Riemann se construye introduciendo unas particiones del in-
tervalo (cerrado y acotado) donde se dene la funcion (que es acotada). A con-
tinuacion se denen las sumas superiores (e inferiores), sumando los productos
del valor maximo (mnimo para la suma inferior) de la funcion en cada subin-
tervalo de la particion por la longitud del intervalo. Si la particion se rena
(se introducen mas puntos), las sumas superiores no crecen y las inferiores no
decrecen. Para dos particiones arbitrarias, la suma inferior de una de ellas es
menor o igual que la suma superior de la otra. De esta forma se construye la
integral de Riemann inferior como el supremo de las sumas inferiores sobre to-
das las particiones y la integral superior como el nmo de las sumas superiores
sobre todas las particiones. La integral inferior siempre es menor o igual que la
superior. Con estos resultados se puede hacer la siguiente denicion.
24 CAP

Denicion 1.4.6 Una funcion f acotada en un intervalo [a, b] es integrable
(Riemann) si la integral superior e inferior, coinciden. Al valor com un se le
llama integral de Riemann de esa funcion.
El valor de la integral se denota por:
_
b
a
f(x) dx
El criterio de Riemann proporciona una caracterizacion de las funciones
integrables en un intervalo.
Proposicion 1.4.6 (Riemann) Una funcion acotada en un intervalo [a, b] es
integrable (Riemann) si para todo > 0 existe una particion del intervalo [a, b]
tal que la diferencia entre la suma superior e inferior asociada a ese intervalo
es menor que .
Para una funcion integrable (Riemann), si en las sumas superiores e inferiores
se toma un punto del subintervalo y el valor de la funcion en ese punto (y no
el supremo o el nmo de la funcion en el subintervalo), se tiene que el lmite
de la suma de los valores de la funcion en ese punto por las longitudes de los
subintervalos tiende a la integral Riemann cuando la longitud del mayor de los
subintervalos tiende a cero.
Pues bien, las funciones integrables Riemann son integrables Lebesgue.
Teorema 1.4.5 Una funcion denida en un intervalo [a, b] integrable Riemann
es integrable Lebesgue y los valores de las integrales coinciden:
_
f d =
_
b
a
f(x) dx
Consideremos una particion del intervalo [a, b] en 2
n
subintervalos de la misma
longitud:
P
n
= x
0
, x
1
, . . . , x
n
, x
i
= a +i(b a)2
n
Denimos dos familias de funciones escalon por:
n
=
2
n
i=1
m
i
[x
i1
,x
i
)
,
n
=
2
n
i=1
M
i
[x
i1
,x
i
)
donde
m
i
=nf f(x) : x [x
i1
, x
i
] , M
i
= sup f(x) : x [x
i1
, x
i
]
De esta forma
n
(
n
) es una sucesion creciente (decreciente) de funciones
escalon que acotan a la funcion f:
n
(x) f(x)
n
(x), x [a, b)
Supongamos que
n
(x) g y
n
(x) h. Entonces g y h son integrables Lebesgue
y acotan a f:
g(x) f(x) h(x), x [a, b)
1.4. INTEGRACI
ON 25
Pero tal y como se han denido las sucesiones de funciones escalon esta claro
que coinciden con las sumas inferior y superior para la particion considerada.
Se tiene:
0
_
(h g) d = lm
_
(
n

n
) d = lm
_

n
d lm
_

n
) d =
lmS
(f, P
n
) lmS
(f, P
n
) = 0
donde S
(f, P
n
) (S
(f, P
n
)) es la suma superior (inferior) de la funcion f en la
particion considerada. Pero, por las propiedades de la integral Lebesgue, esto
implica que h = g = f casi doquiera, as que f es integrable Lebesgue (es una
funcion superior). Ademas:
_
f d = lm
_

n
d = lmS
(f, P
n
) =
_
b
a
f(x) dx
Lebesgue dio un criterio que permite establecer bajo que condiciones una
funcion acotada es integrable (Riemann) en un intervalo:
Teorema 1.4.6 Una funcion acotada en el intervalo [a, b] es integrable Rie-
mann si y solo si es una funcion continua casi doquiera (es decir, salvo en un
conjunto de medida nula).
Las funciones continuas son entonces integrables (Riemann) y su calculo se hace
mediante el teorema fundamental del calculo innitesimal.
1.4.4. Integrales impropias
Para una funcion denida en un intervalo no acotado, es posible en ocasiones
denir la integral Riemann como:
_

a
f(x) dx = lm
b
_
b
a
f(x) dx
cuando este lmite existe. Se habla de una integral impropia.
Si f (denida en [a, )) es integrable en todo subintervalo cerrado y acotado
de [a, ), la integral (impropia) en [a, ) existe si para todo > 0 existe M > 0
tal que
_
b
1
a
1
f(x) dx
< , a
1
, b
1
M
Es facil ver entonces que si f es integrable en todo subintervalo cerrado y acotado
de [a, ), y la integral
_

a
[f(x)[ dx
existe, entonces tambien existe
_
a
f(x) dx.
El resultado inverso es falso (hay funciones que son integrables Riemann,
en sentido impropio, pero su valor absoluto no lo es). En el caso de funciones
integrables Lebesgue se tiene:
26 CAP

Teorema 1.4.7 Supongamos que una funcion denida en el intervalo [a, )
es integrable Riemann en todo subintervalo cerrado. Entonces, f es integrable
Lebesgue si y solo si la integral de Riemann (impropia)
_
[f(x)[ dx existe y se
tiene en este caso:
_
f d =
_

a
f(x) dx
El comportamiento de la integral frente a lmites y derivaciones (parametri-
cas) se reeja en los dos siguientes resultados.
Teorema 1.4.8 Sea (X, o, ) un espacio de medida e I un intervalo de R.
Consideremos una funcion f : XI R, tal que f(x, t) es una funcion medible
en su primera variable para todo t I. Supongamos que existe una funcion g,
integrable, que acota a f: [f(x, t)[ g(x) para casi todo x y para todo t y sea t
0
un punto en el cierre de I, que puede ser igual a . Entonces, si para alg un
punto t
0
existe el lmite de f(x, t) cuando t t
0
, siendo h(x) = lm
tt
0
f(x, t)
para casi todo x, se tiene que h es integrable y ademas:
lm
tt
0
_
f(x, t) d(x) =
_
lm
tt
0
f(x, t) d(x)
Teorema 1.4.9 Sea (X, o, ) un espacio de medida e I un intervalo abierto
acotado de R. Consideremos una funcion f : X I R, tal que f(x, t) es una
funcion integrable Lebesgue en su primera variable para todo t I. Supongamos
que para alg un t
0
I existe la derivada parcial
t
f(x, t
0
), para casi todo x.
Supongamos que existe una funcion integrable g, y un entorno de t
0
, U, tal que
se da la siguiente acotacion:
f(x, t) f(x, t
0
t t
0
g(x)
para casi todo x y para todo t U. En este caso,
t
f(t
0
, x) es una funcion
integrable en x y la funcion F : I R, dada por la integral:
F(t) =
_
f(x, t) d(x)
es diferenciable en t
0
y su derivada es:
F
(t
0
) =
_
f
t
(x, t
0
) d(x)
Con estos resultados es posible evaluar la integral de ciertas integrales im-
propias.
Ejemplo 1.3 (Euler) Queremos calcular (si existe) el valor de la integral
_

0
e
x
2
dx
La integral de Riemann existe por la acotacion 0 e
x
2
e
x
, teniendo en
cuenta que esta ultima funcion es integrable en la semirrecta positiva. La integral
1.4. INTEGRACI
ON 27
es tambien una integral Lebesgue, pues la funcion e
x
2
es positiva en toda la
semirrecta. Consideremos ahora dos funciones denidas por:
f(t) =
__
t
0
e
x
2
dx
_
2
, g(t) =
_
1
0
e
t
2
(x
2
+1)
x
2
+ 1
dx
La derivada de la primera funcion no ofrece dicultades. La dependencia en t
esta en el extremo superior de la integral y por tanto (teorema fundamental del
calculo):
f
(t) = 2e
t
2
_
t
0
e
x
2
dx, t > 0
Para la otra funcion, g(t), se puede ver que se satisfacen las condiciones para
poder aplicar la derivacion parcial bajo el signo integral y se tiene:
g
(t) = 2e
t
2
_
1
0
te
x
2
t
2
= 2e
t
2
_
t
0
e
x
2
, t > 0
Por lo tanto, f
(t) = g
(t), luego f(t) y g(t) dieren en una constante para

t 0 (pues son continuas). Pero la constante se puede calcular muy facilmente:
f(t) = g(t) +

4
Usando las propiedades de calculo del lmite bajo el signo integral, se tiene:
4
= lm
t
f(t) + lm
t
g(t) =
__

0
e
x
2
dx
_
2
y por tanto
_

0
e
x
2
dx =
2
Ejemplo 1.4 La integral que nos proponemos evaluar a continuacion es:
F(t) =
_

0
e
x
2
cos(2xt) dx
La integral de Riemann existe (en sentido impropio), pues el coseno esta aco-
tado por 1 en valor absoluto y hemos probado que la integral de e
x
2
existe.
Por la misma razon que en el ejemplo anterior, existe la integral de Lebesgue.
Derivemos la integral con respecto a t bajo el signo integral (se cumplen las
condiciones adecuadas para poder hacerlo):
F
(t) = 2
_

0
xe
x
2
sen(2xt) dx = 2t
_

0
e
x
2
cos(2xt) dx
Se tiene entonces:
F
(t) = 2tF(t)
Esta ecuacion diferencial es inmediata de resolver y como F(0) =

/2 se
obtiene:
F(t) =
2
e
t
2
28 CAP

Ejemplo 1.5 Calculemos ahora para t 0 la siguiente integral:
F(t) =
_

0
e
xt
sen x
x
dx
Supongamos que t > 0. Acotando el valor absoluto del integrando por la funcion
e
xt
se ve que la integral de Riemann en sentido impropio existe y tambien la
integral Lebesgue. La funcion F(t) verica las dos propiedades siguientes:
lm
t
F(t) = 0, F
(t) =
1
1 +t
2
Para la primera, basta ver que se cumplen las hipotesis para poder calcular el
lmite bajo el signo integral. Para la segunda, hay que vericar que se cumplen
las correspondientes a poder derivar bajo la integral. Para poder llegar a ese
resultado hay que integrar por partes:
_
r
0
e
xt
sen xdx =
e
rt
1 +t
2
(t sen r + cos r) +
1
1 +t
2
y tomar el lmite cuando r . Ahora basta con integrar y obtener:
F(t) = arctan t +C
Cuando t , F(t) 0. Por lo tanto C = /2.
Veamos ahora que pasa cuando t = 0. La integral es:
_

0
sen x
x
dx
y no es integrable Lebesgue. La integral impropia del valor absoluto del inte-
grando no existe. En un intervalo [(k 1), k] se tiene
_
k
(k1)
[ sen x[
x
dx
1
k
_
k
(k1)
[ sen x[ dx =
2
k
En un intervalo [0, n] la integral se obtiene como una suma de de las anteriores:
_
n
0
[ sen x[
x
dx =
n
k=1
_
k
(k1)
[ sen x[
x
dx
2
k=1
1
k
y la suma no es convergente.
Sin embargo es integrable Riemann en sentido impropio, debido a las cance-
laciones entre las partes negativas y positivas. En efecto:
_
b
a
sen x
x
dx =
cos a
a

cos b
b

_
b
a
cos x
x
2
dx
y acotando:
_
b
a
sen x
x
dx
1
b
+
1
a
+
_
b
a
1
x
2
dx =
2
a
1.4. INTEGRACI
ON 29
Seg un hemos visto anteriormente esto implica que la funcion es integrable Rie-
mann. Si ponemos a = n, b = n + 1, tenemos:
_
n+1
n
sen x
x
dx
2
n
y por tanto,
_
n+1
n
sen x
x
dx 0, n
Vamos a calcular ahora el valor de esa integral (en sentido Riemann). Denamos
la sucesion de funciones:
f
n
(t) =
_
n
0
e
xt
sen x
x
dx, t 0
que verica:
lm
n
f
n
(n) = 0
ya que:
[f
n
(n)[
_
n
0
e
nx
dx =
1
n
(1 e
n
2
)
1
n
Tengase en cuenta que
f
n
(0) =
_
n
0
sen x
x
dx
Se cumplen las condiciones necesarias para poder calcular la derivada bajo el
signo integral:
f
n
(t) =
_
n
0
e
xt
sen xdx =
e
nt
(t sen n + cos n) 1
1 +t
2
y esta sucesion de funciones se puede acotar por una funcion que es integrable
Lebesgue en [0, ):
[f
n
(t)[
1
1 +t
2
_
1 + (1 +t)e
t
_
Ademas:
lm
n
f
n
(t) =
1
1 +t
2
Consideremos la sucesion f
n
restringida a los intervalos [0, n]:
g
n
(x) = f
n
(x)
[0,n]
Ahora tenemos una sucesion de funciones integrables Lebesgue, denidas en
toda la semirrecta positiva. La sucesion g
n
(t) esta acotada en valor absoluto
por f
n
(t) y tiene el mismo lmite que esta. Entonces, aplicando el teorema de
convergencia dominada de Lebesgue:
lm
n
_
n
0
f
n
(t) dt = lm
n
_

0
g
n
(t) dt =
_

0
lm
n
g
n
(t) dt =
_

0
lm
n
f
n
(t) dt =
_

0
1
1 +t
2
dt =
2
30 CAP

Finalmente en la relacion:
_
n+1
0
sen x
x
dx =
_
n
0
sen x
x
dx +
_
n+1
n
sen x
x
dx = f
n
(0) +
_
n+1
n
sen x
x
dx
se toma el lmite cuando n y se sustituye
lm
n
f
n
(0) =

2
igualdad que se obtiene del teorema fundamental del calculo:
_
n
0
f
n
(t) dt = f
n
(n) f
n
(0)
y tomando el lmite cuando n .
Tenemos por tanto:
_

0
sen x
x
dx =

2
que coincide con el valor de F(t) cuando t 0.
1.5. Productos de medidas
Nos interesa en esta seccion el estudio de medidas en espacios que son pro-
ducto cartesiano de dos (o mas) espacios de medida. El primer resultado se
reere a estructuras de anillos en espacios producto.
Proposicion 1.5.1 Si o y T son dos anillos de subconjuntos en dos conjuntos
X e Y respectivamente, en el espacio X Y la clase formada por las uniones
nitas disjuntas de rectangulos, es decir conjuntos de la formas A B, A
X, B Y es un anillo, que se llama o T .
Entonces si (X, o) e (Y, T ) son dos espacios medibles, el espacio (XY, o T )
es un espacio medible. Recuerdese que X e Y son uniones de conjuntos medibles
en cada medida.
Para conjuntos que no sean rectangulos (es decir, de la forma AB) nece-
sitamos relacionarlos de alguna forma con conjuntos en los espacios que forman
el producto. Introducimos la siguiente denicion:
Denicion 1.5.1 Sean (X, o) e (Y, T ) dos espacios medibles, con espacio pro-
ducto (X Y, o T ). Sea U X Y . Dado x X, el conjunto de X,
U
x
= y : (x, y) U se llama la seccion de U determinada por x. De igual
forma se determinan secciones en el espacio Y : U
y
= x : (x, y) U
De forma similar se dene lo que es una seccion de una funcion:
Denicion 1.5.2 Sean (X, o) e (Y, T ) dos espacios medibles, con espacio pro-
ducto (X Y, o T ). Sea f una funcion denida en un conjunto U de X Y .
Se llama seccion de f por x a la funcion f
x
(y) = f(x, y), y U
x
. De forma
similar se denen las secciones f
y
.
Los resultados que relacionan los conjuntos y funciones medibles en el espacio
producto con los espacios que lo forman son:
1.5. PRODUCTOS DE MEDIDAS 31
Teorema 1.5.1 Toda seccion de un conjunto medible es un conjunto medible.
Teorema 1.5.2 Toda seccion de una funcion medible es una funcion medible.
Pasemos ahora a resultados sobre las medidas y .
Teorema 1.5.3 Sean (X, o, ) e (Y, T , ) dos espacios de medida, con espacio
producto (X Y, o T ). Si U es un conjunto medible de X Y , las funciones
f(x) = (U
x
), g(y) = (U
y
) son funciones medibles no negativas y
_
f d =
_
g d
En el espacio (XY, o T ) se dene la medida producto de la forma
siguiente:
Teorema 1.5.4 Sean (X, o, ) e (Y, T , ) dos espacios de medida, con medidas
-nitas y espacio producto (X Y, o T ). La funcion denida por:
(U) =
_
(U
x
) d(x) =
_
(U
y
) d(y)
es una medida -nita y para todo rectangulo medible:
(AB) = (A)(B)
Se llama la medida producto cartesiano de las medidas y , = .
La ultima condicion determina a de forma unica.
El teorema mas importante relativo a la integracion con medidas producto
es el teorema de Fubini, que relaciona la integral en el espacio producto con las
integrales en los espacios que lo forman. Supongamos que h(x, y) es una funcion
integrable denida en el espacio XY , con la medida = (como siempre
se tienen dos espacios de medida (X, o, ) e (Y, T , ) y el espacio producto
(X Y, o T , )). La integral (la integral doble) es:
_
h(x, y) d(x, y)
_
h(x, y)( d(x) d(y))
Supongamos que h
x
(y) es la seccion de h en x X, y sea
f(x) =
_
h
x
(y) d(y)
en el caso en que este bien denida. Si f(x) es integrable, se tiene:
_
f(x) d(x) =
_ __
h(x, y) d(y)
_
d(x)
_
d(x)
_
h(x, y) d(y)
De manera similar se puede repetir el argumento con la otra seccion de h(x, y),
h
y
(x), y
g(y) =
_
h
y
(x) d(x)
32 CAP

_
g(y) d(y) =
_ __
h(x, y) d(x)
_
d(y)
_
d(y)
_
h(x, y) d(x)
Estas integrales se llaman iteradas. Tenemos tres tipos de integrales denidas
para una funcion: la doble (asociada al espacio de medida producto) y las dos
iteradas. El problema es si tienen alguna relacion. Este es el contenido del teo-
rema de Fubini, que establece la igualdad de estas tres integrales bajo ciertas
condiciones.
Proposicion 1.5.2 Un subconjunto de X Y es de medida cero si y solo si
casi toda X-seccion (o bien casi toda Y -seccion) tiene medida cero.
La demostracion es una simple consecuencia de la denicion de , la medida
producto:
(A) =
_
(A
x
) d(x) =
_
(A
y
) d(y)
Proposicion 1.5.3 Para toda funcion medible y no negativa en el producto
X Y se tiene:
_
hd( ) =
_ __
hd
_
d =
_ __
hd
_
d
y como conclusion
Teorema 1.5.5 (Fubini) Sea h(x, y) una funcion integrable en XY , tal que
toda seccion de h es integrable. Entonces, las funciones:
f(x) =
_
h(x, y) d(y), g(y) =
_
h(x, y) d(x)
son integrables y se tiene:
_
hd( ) =
_ __
hd
_
d =
_ __
hd
_
d
Captulo 2
Espacios topologicos,
metricos y normados
2.1. Introduccion
En este captulo se estudian conjuntos de puntos con ciertas propiedades
derivadas de la existencia de una topologa. Como lo que nos preocupa esen-
cialmente son los espacios de Hilbert, introduciremos unas nociones elementales
de los espacios topologicos y metricos para detenernos con mas detalle en los
espacios normados.
Esta claro que no pretendemos hacer una introduccion pormenorizada sino
simplemente esbozar las ideas fundamentales y las relaciones que existen entre
estos conceptos
2.2. Espacios topologicos
Sea X un conjunto. Llamaremos puntos a sus elementos. Como se ha visto
en R, la nocion de valor absoluto de un n umero real da lugar a la de distancia
entre dos n umeros reales (como el valor absoluto de la diferencia) y esto a una
serie de relaciones de proximidad de los puntos, a nociones de convergencia de
sucesiones, de intervalos abiertos y cerrados, de conjuntos acotados, etc. Sin
embargo, la nocion de distancia no es esencial para denir estos conceptos.
A continuacion introducimos la denicion de una topologa y veremos como
aparecen en cualquier espacio dotado de ella muchos de los conceptos que se
han visto en R.
Denicion 2.2.1 Sea X un conjunto de puntos. Una topologa T en X es una
clase de subconjuntos de X que verican las siguientes propiedades:
1. , X T
2. A
1
, . . . , A
n
T
n
i=1
A
i
T
3. A
i
T , i I
iI
A
i
T
33
34 CAP
ITULO 2. TOPOLOG
IA, DISTANCIA Y NORMA

Es decir las intersecciones nitas de elementos de T estan en T y las uniones
arbitrarias de elementos de T estan en T . Se dice que (X, T ) es un espacio
topologico. A los elementos de T se les llama abiertos.
Hay dos topologas triviales en todo conjunto. Una, en la que son abiertos
todos los subconjuntos de X. Otra, en la que los unicos conjuntos abiertos son
el total y el vaco: , X. Pero hay topologas mas interesantes. Por ejemplo
en R, con la distancia euclidiana, donde un conjunto es abierto si para cada uno
de sus puntos existe un intervalo abierto que lo contiene y que esta contenido
en el conjunto. Es facil ver que se cumplen las propiedades que deben vericar
los conjuntos abiertos.
Denicion 2.2.2 Un subconjunto de X es cerrado si su complementario es
abierto.
Para los conjuntos cerrados se tienen las siguientes propiedades
Proposicion 2.2.1 En un espacio topologico se verica:
1. , X son cerrados
2. F
1
, . . . , F
n
cerrados, entonces

n
i=1
F
i
es cerrado
3. F
i
, i I cerrados, entonces

iI
F
i
es cerrado.
La demostracion es muy sencilla pues basta aplicar las leyes de complementarie-
dad (el complementario de la union es la interseccion de los complementarios).
La nocion de proximidad que en R (y en todo espacio metrico, ver mas
adelante) da la distancia, se realiza aqu mediante la nocion de entorno.
Denicion 2.2.3 Sea (X, T ) un espacio topologico. Se dice que el conjunto V
es un entorno de un punto x X si existe un abierto de X tal que
x A V
Notese que el entorno no tiene por que ser abierto. En particular un abierto es
un entorno de cada uno de sus puntos.
Dado un punto x X se puede denir lo que se entiende por una base de
entornos de x.
Denicion 2.2.4 Sea x un punto de un espacio topologico. Se dice que la clase
de conjuntos V
i
, i I es una base de entornos de x si dado cualquier entorno
de x, U, existe i I tal que x V
i
U.
Se dice que el espacio verica el primer axioma de numerabilidad (ANI) si para
todo punto del espacio existe una base de entornos numerable. Una denicion
similar se puede hacer para todo el espacio.
Denicion 2.2.5 Sea (X, T ) un espacio topologico. Se dice que la clase de
conjuntos V
i
, i I es una base de la topologa si son abiertos y para todo punto
x X y para todo entorno de x, U, existe i I tal que x V
i
U.
2.2. ESPACIOS TOPOL
OGICOS 35
Se dice que el espacio verica el segundo axioma de numerabilidad (ANII) si
la topologa tiene una base numerable. Si un espacio es ANII tambien es ANI,
pues la clase de conjuntos de base de la topologa que contiene a un punto x es
una base de entornos de ese punto. Sin embargo hay espacios que son ANI pero
no ANII.
Clasicaremos ahora los puntos en relacion con sus propiedades respecto a
conjuntos.
Denicion 2.2.6 Sea B un subconjunto de X. Se dice que x X es un punto
interior de B si existe un entorno de x contenido en B.
Esto implica evidentemente que x B. Todos los puntos de un abierto son
interiores (inmediato de la denicion). Pero un cerrado puede no tener puntos
interiores (por ejemplo en R con la topologa anteriormente denida, los puntos
son cerrados y, obviamente, no contienen puntos interiores). El conjunto de los
puntos interiores de un conjunto B es un abierto, que se llama el interior de ese
conjunto, B
. Es el mayor abierto contenido en ese conjunto. En efecto, si A B,

A abierto, para todo punto x de A existe un entorno de x que esta contenido
en A y por tanto en B. De acuerdo con la denicion x B
. Luego A B
.
Un conjunto es abierto si y solo si coincide con el conjunto de sus puntos
interiores (una facil consecuencia de lo dicho anteriormente).
Denicion 2.2.7 Sea B X. Se dice que el punto x X es un punto de
adherencia (o de cierre) del conjunto B si para todo entorno V de x se tiene
V B ,=
El conjunto de los puntos de adherencia de un conjunto B se llama el cierre
de ese conjunto

B. El cierre de un conjunto es un conjunto cerrado. Para demos-
trarlo hay que probar que su complementario es abierto. Si x X

B, entonces
x /

B lo que quiere decir que hay un entorno de x que esta contenido en XB,
pues es evidente que B

B. Es el menor cerrado que contiene al conjunto (la
demostracion es similar a la que hemos hecho con el interior). Un conjunto es
cerrado si y solo si coincide con su cierre.
Denicion 2.2.8 Se dice que un conjunto B es denso en X si su cierre coincide
con X.
Por ejemplo, los racionales y los reales. En todo intervalo abierto que contenga
un n umero real hay un n umero racional. Luego los reales son el cierre de los
racionales.
Denicion 2.2.9 Se dice que un espacio topologico es separable si tiene un
subconjunto numerable denso.
El ejemplo anterior muestra que los racionales constituyen un conjunto denso
en los reales y son numerables, luego R es separable.
Denicion 2.2.10 Se dice que un punto x es de acumulacion de un conjunto
B si todo entorno de x excluido el propio punto x tiene interseccion no vaca
con el conjunto:
(V x) B ,=
36 CAP
ITULO 2. TOPOLOG

Un ejemplo sencillo es la sucesion 1/n en los reales. El 0 es un punto de
acumulacion. El conjunto de los puntos de acumulacion es un conjunto cerrado
y se llama el conjunto derivado, B
. El cierre de un conjunto es la union del

conjunto derivado con el propio conjunto.
Denicion 2.2.11 Se dice que un punto x es frontera de un conjunto B si todo
entorno de x tiene interseccion no vaca con el conjunto y su complementario:
V B ,= , V (X B) ,=
El intervalo (0, 1] tiene dos puntos frontera en R, el 0 que no esta en el intervalo
y el 1 que s lo esta. El conjunto de puntos frontera de un conjunto se llama la
frontera de ese conjunto. Un conjunto es cerrado si contiene a su frontera y es
abierto si es disjunto con ella. El intervalo anterior no es abierto ni cerrado: ni
contiene a su frontera ni es disjunto con ella.
Aunque en un espacio topologico las sucesiones no juegan el papel funda-
mental que realizan en un espacio metrico, no por ello dejan de ser importantes.
Denicion 2.2.12 Sea una sucesion x
n
en X. Se dice que x
n
converge a x
0
cuando n tiende a innito, si para todo entorno V de x
0
existe n
0
tal que si
n n
0
entonces x
n
V .
En un espacio topologico se pueden introducir lo que se llama los axiomas de
separacion. Nos restringiremos a la separacion de tipo Hausdor. Los espacios
de tipo Hausdor son los mas utilizados en las aplicaciones.
Denicion 2.2.13 Un espacio topologico se dice que es de Hausdor si dados
dos puntos x ,= y en X, existen dos entornos V y W de x e y respectivamente
tal que V W = .
Esta claro que R es un espacio de Hausdor. Pero un conjunto X con la to-
pologa que solo tiene como abiertos el vaco y el conjunto total no puede ser
Hausdor (si tiene dos puntos o mas). Denamos nalmente, en lo que a con-
juntos se reere, lo que es un conjunto compacto. Primero denimos que es un
recubrimiento.
Denicion 2.2.14 Sea X un espacio topologico y B X. Se dice que la colec-
cion de conjuntos abiertos A
i
, i I es un recubrimiento de B si B A
i
I.
y a continuacion lo que es un subrecubrimiento.
Denicion 2.2.15 Sea X un espacio topologico, B X y A
i
, i I un recu-
brimiento de B. Un subrecubrimiento de A
i
, i I es una familia A
i
, i J, con
J I, tal que B
iJ
A
i
.
para acabar con la denicion de un compacto.
Denicion 2.2.16 Se dice que K X es un conjunto compacto si todo recu-
brimiento abierto admite un subrecubrimiento nito.
2.2. ESPACIOS TOPOL
OGICOS 37
Para ser precisos, la nocion de compacto se establece sobre espacios topologicos
y no sobre subconjuntos. La denicion sobre subconjuntos se hace estudiando la
topologa relativa inducida sobre el subconjunto (en ella un conjunto es abierto
si es la interseccion de un abierto del espacio ambiente con el subconjunto).
El intervalo (0, 1) R no es un compacto. Se pueden construir recubrimien-
tos abiertos que no contengan ning un subrecubrimiento nito. El problema es
que los extremos del intervalo no estan en el. Como veremos en la siguiente pro-
posicion, este ejemplo se resuelve de manera inmediata. Pero vamos a discutir
un ejemplo de recubrimiento abierto de (0, 1) que no admite subrecubrimientos
nitos. Sea A
n
= (1/(n + 1), 1), n = 1, 2, . . . una familia de intervalos abiertos
que recubren a (0, 1), es decir:
(0, 1)
_
n=1
_
1
n + 1
, 1
_
Supongamos que tenemos una subfamilia nita. Entonces existe un n
0
maximo,
tal que A
n
0
esta en la subfamilia pero A
n
0
+1
no. Esta claro que hay puntos de
(0, 1) que no son cubiertos por el subrecubrimiento (los menores que 1/(n
0
+2).
Los conjuntos cerrados no son en general compactos. Pero el inverso es cierto.
Proposicion 2.2.2 Sea K un compacto de un espacio topologico (X, T ) de
Hausdor. Entonces K es cerrado. Ademas los subconjuntos cerrados de un
conjunto compacto son compactos.
Demostremos que X K es abierto. Sea y X K. Para cada x K, al
ser X un espacio de Hausdor, existe un entorno abierto de x a cuyo cierre no
pertenece y. La coleccion de esos abiertos es un recubrimiento abierto de K, y
al ser K compacto, podemos extraer un subrecubrimiento nito. El cierre de la
union (que es la union de los cierres al ser nita) contiene a K y no contiene a
y. Luego su complementario es un abierto que contiene a y y esta contenido en
X K que es un abierto. En cuanto a la segunda parte, sea K un compacto y
F K cerrado. Dado un recubrimiento abierto de F, consideramos el recubri-
miento de K a nadiendo al anterior el abierto KF. Pero K es compacto, luego
podemos extraer un subrecubrimiento nito. Eliminando XF de ese subrecu-
brimiento obtenemos un recubrimiento de F que es un subrecubrimiento nito
del recubrimiento inicial. Luego F es compacto.
Como hemos dicho antes, esta propiedad implica que (0, 1) no puede ser
compacto, al no ser cerrado. La recta real (que es cerrada) no es compacta (con
la distancia usual no esta acotada). Un caso mas interesante desde el punto de
vista de las aplicaciones a espacios vectoriales normados (en particular a espacios
de Hilbert) es que la bola unidad cerrada, es decir, el conjunto de los vectores
de ese espacio cuya norma es menor o igual que 1, es cerrada y acotada pero no
es compacta cuando la dimension es innita (como veremos mas adelante, hay
sucesiones innitas que no tienen puntos de acumulacion).
El siguiente resultado es fundamental en topologa.
Teorema 2.2.1 (Tychono) El producto de espacios compactos es un espacio
compacto.
Como consecuencia, el conjunto [0, 1]
I
es un compacto (I es un conjunto cual-
quiera). Sin embargo la esfera unidad en un espacio normado (ver seccion si-
guiente) de dimension innita no es un compacto.
38 CAP
ITULO 2. TOPOLOG

Aunque un espacio no sea compacto puede tener esa propiedad desde un
punto de vista local.
Denicion 2.2.17 Sea (X, T ) un espacio topologico. Se dice que es localmente
compacto si todo punto posee un entorno cuyo cierre es compacto.
Aunque R no es compacto, es localmente compacto. Todo punto tiene un entor-
no cuyo cierre es compacto (porque en Rlos cerrados y acotados son compactos).
Como veremos mas adelante, los espacios vectoriales de dimension nita (como
R), con la topologa que les hace espacios vectoriales topologicos, son local-
mente compactos, pero este resultado no es cierto cuando se trata de espacios
vectoriales de dimension innita.
Introducimos ahora la nocion de funcion continua entre espacios topologicos.
Denicion 2.2.18 Sea f : (X
1
, T
1
) (X
2
, T
2
) una funcion. Se dice que f es
continua en un punto x X
1
si para todo entorno V de f(x) existe un entorno
U de x tal que f(U) V .
Una funcion continua entre dos espacios topologicos se caracteriza de la forma
siguiente:
Denicion 2.2.19 Sea f : (X
1
, T
1
) (X
2
, T
2
). La funcion f es continua si y
solo si la imagen inversa de un abierto es un abierto.
Esta claro que si f es continua en X
1
lo es en cada punto de X
1
. Dado x X
1
,
y un entorno cualquiera de f(x), tenemos entonces un abierto de X
2
, A
2
tal
que, f(x) A
2
V . Por ser f continua, f
1
(A
2
) es un abierto de X
1
y por
tanto un entorno de x. Entonces, f(f
1
(A
2
)) V . Y si f es continua en todos
los puntos del espacio X
1
, se tiene que f es continua en X
1
. En efecto, sea V
un abierto en el segundo espacio, X
2
. Hay que probar que su imagen inversa
mediante f
1
es un abierto de X
1
. Sea x f
1
(V ). Por ser f continua en x,
y ser f(x) V , que es un abierto y por tanto un entorno de f(x), se tiene que
existe U, entorno de x tal que f(U) V . Pero U f
1
(f(U)) f
1
(V ), que
por lo tanto es abierto.
Se tiene el siguiente resultado en cuanto a los conjuntos compactos:
Proposicion 2.2.3 Sea f : (X
1
, T
1
) (X
2
, T
2
) continua. Entonces si K es un
compacto de X
1
, se tiene que f(K) es un compacto de X
2
.
La demostracion es muy sencilla. Se toma un recubrimiento abierto arbitrario
de f(K). La imagen inversa de cada elemento del recubrimiento es un abierto
del primer espacio, pues f es continua. Pero la union de esas imagenes inversas
es ciertamente un recubrimiento abierto de K. Como K es compacto se puede
extraer un subrecubrimiento nito. Los conjuntos del recubrimiento de f(K)
correspondientes al subrecubrimiento (de K) escogido son tambien un subrecu-
brimiento nito de f(K), que por lo anterior es compacto.
Notese que la imagen de un abierto bajo una aplicacion continua no tiene
por que ser abierta. Sin embargo se puede denir el siguiente concepto.
Denicion 2.2.20 Sea f una aplicacion entre dos espacios topologicos. Se dice
que es abierta si la imagen de un abierto es abierta.
2.3. ESPACIO M
ETRICOS 39
Si entre dos espacios topologicos se puede establecer una aplicacion biyectiva
y tanto ella como su inversa son continuas, se dice que son homeomorfos y la
aplicacion se llama un homeomorsmo. Un homeomorsmo es claramente una
aplicacion abierta.
Finalmente sean (X
1
, T
1
) y (X
2
, T
2
). En el conjunto producto cartesiano
X
1
X
2
se puede denir una topologa, la topologa producto. Una base de
esta topologa esta formada por los productos cartesianos de abiertos de X
1
y
X
2
. Es decir un conjunto A X
1
X
2
es un abierto en la topologa producto
si para todo punto (x
1
, x
2
) A se tienen dos entornos U
1
y U
2
de x
1
y x
2
respectivamente tales que:
(x
1
, x
2
) U
1
U
2
A
Proposicion 2.2.4 Las proyecciones p
i
: X
1
X
2
X
i
son continuas cuando
en el espacio producto se usa la topologa denida anteriormente.
La demostracion es una consecuencia directa de la denicion de la topologa
producto. Consideremos un abierto A
1
de X
1
. Su imagen inversa mediante la
proyeccion, p
1
1
(A
1
) = A
1
X
2
es un abierto en la topologa producto.
2.3. Espacio metricos
Consideremos nuevamente un espacio X y en el una distancia, es decir una
aplicacion de X X en R vericando las propiedades que se detallaran a con-
tinuacion. Estudiaremos entonces que es posible denir una topologa asociada
a esta metrica y determinaremos sus propiedades mas importantes.
Denicion 2.3.1 Sea X un conjunto y d una aplicacion:
d : X X R
que verica:
1. d(x, y) 0, d(x, y) = 0 x = y
2. d(x, y) = d(y, x)
3. d(x, y) d(x, z) +d(z, y) (desigualdad triangular)
Un espacio metrico es un conjunto de puntos con una distancia. El conjunto R
con la distancia denida a partir del valor absoluto es un espacio metrico:
d(x, y) = [x y[, x, y R
La aplicacion
d(x, y) =
_
0 si x = y
1 si x ,= y
denida en un conjunto X lo convierte en un espacio metrico.
Si d(x, y) es una distancia, la aplicacion:
(x, y) =
d(x, y)
1 +d(x, y)
40 CAP
ITULO 2. TOPOLOG

es tambien una distancia, con valores entre 0 y 1.
Veamos como denir una topologa a partir de la metrica. Primero denimos
lo que se entiende por bola abierta:
Denicion 2.3.2 Sea (X, d) un espacio metrico. Se dene la bola abierta de
centro a X y radio r > 0 por:
B(a, r) = x X : d(x, a) < r
y a continuacion lo que entendemos por un abierto en (X, d).
Denicion 2.3.3 Sea (X, d) un espacio metrico. Se dice que A X es un
abierto (en la topologa de la metrica) si para todo x A existe una bola de
centro x y radio r contenida en A.
Lo que hay que hacer ahora es comprobar que esta coleccion de abiertos as de-
nidos es una topologa en X. Es claro que y X son abiertos (trivialmente de
la denicion de abierto). Veamos ahora que la interseccion de dos abiertos es
un abierto. Sean A
1
y A
2
abiertos en X. Sea x A
1
A
2
. Existen dos bolas de
centro x y radios r
1
y r
2
tales que:
B(x, r
1
) A
1
, B(x, r
2
) A
2
Sea r = mn r
1
, r
2
. Es claro que
B(x, r) A
1
A
2
En cuanto a la union, si x
iI
A
i
entonces existe i
0
I tal que x A
i
0
que, por ser abierto, contiene a una bola de centro x y radio r, que tambien
estara contenida en la union.
Luego efectivamente estos abiertos constituyen una topologa en X. El con-
junto de bolas de centro en cualquier punto de X y radios arbitrarios es una
base de la topologa, as como el conjunto de bolas de centro x jado y radio
arbitrario es una base de entornos de ese punto. Lo que se tiene ademas es que
la familia
B
_
x,
1
n
_
, n = 1, 2, . . .
es tambien un base de entornos del punto x, y es numerable, por lo que todo
espacio metrico verica el primer axioma de numerabilidad.
De forma similar a las bolas abiertas, se denen las cerradas
B(a, r) = x X : d(x, a) r
Toda bola cerrada es un cerrado como es facil de ver. Podemos ahora dar una
caracterizacion de la convergencia de una sucesion en terminos de la metrica.
Proposicion 2.3.1 Sea (X, d) un espacio metrico y x
n
una sucesion en ese
espacio. Se dice que x
n
converge a x
0
(en la topologa de la metrica) si para
todo > 0 existe n
0
tal que si n n
0
se tiene d(x
n
, x
0
) < . Dicho de otra
forma, x
n
x
0
cuando n si d(x
n
, x
0
) 0 en R.
La demostracion se basa simplemente en un uso adecuado de bolas abiertas y
la propiedad de ser una base de entornos del punto.
2.3. ESPACIO M
ETRICOS 41
Proposicion 2.3.2 Sea (X, d) un espacio metrico. Entonces, x X es un
punto de acumulacion de un conjunto A X si y solo si existe una sucesion de
puntos en A (distintos de x) que converge a x.
Consideremos las bolas B(x, 1/n). Por ser x un punto de acumulacion, en todas
las bolas hay puntos de A distintos de x. Sea x
n
B(x, 1/n) A. La sucesion
x
n
esta en A y converge a x. En sentido contrario es inmediato por la denicion
de punto de acumulacion. Notese la importancia de tener una base de entornos
de x formada por las bolas de centro x y radios 1/n.
Sobre un mismo conjunto es posible denir en general distintas metricas. La
pregunta es como son las topologas que determinan esas metricas. Se dice que
dos metricas son equivalentes si las topologas que generan son iguales (es decir
los abiertos en una de ellas son abiertos en la otra y viceversa).
Por ejemplo, las metricas denidas anteriormente por d(x, y), (x, y) son
equivalentes.
Como hemos visto, los puntos de adherencia de un conjunto se caracterizan
por el hecho de que existe una sucesion contenida en el conjunto cuyo lmite es
el punto en cuestion. Si es de acumulacion la sucesion se puede elegir de puntos
distintos. Esta caracterizacion esta asociada a las propiedades de ser un espacio
metrico (en particular a ser ANI) y no se verica en un espacio topologico
arbitrario.
Usando la nocion de distancia es posible denir lo que quiere decir acotacion
en un espacio metrico.
Denicion 2.3.4 Sea (X, d) un espacio metrico. Se dice que un conjunto es
acotado si existe un n umero real positivo k tal que la distancia entre dos puntos
cualquiera del conjunto es menor que k.
Proposicion 2.3.3 De toda sucesion acotada en un espacio metrico se puede
extraer una subsucesion convergente.
Un concepto importante en espacios metricos es el de sucesiones de Cauchy.
Denicion 2.3.5 Sea (X, d) un espacio metrico y x
n
una sucesion en X. Se
dice que x
n
es una sucesion de Cauchy (fundamental) si para todo > 0 existe
n
0
tal que si n, m n
0
se tiene que d(x
n
, x
m
) < .
Una sucesion de Cauchy esta acotada. Es facil demostrar que toda sucesion
convergente es de Cauchy, pero el inverso no siempre es cierto (el ejemplo mas
sencillo es el de los racionales con la topologa de la metrica heredada de R).
Esto nos lleva a la introduccion del concepto de espacio metrico completo.
Denicion 2.3.6 Se dice que un espacio metrico es completo si toda sucesion
de Cauchy es convergente.
Por ejemplo, R es completo.
Denicion 2.3.7 Sean (X
1
, d
1
), (X
2
, d
2
) dos espacios metricos y f : X
1
X
2
una aplicacion. Se dice que f es una isometra si
d
2
(f(x), f(y)) = d
1
(x, y), x, y X
1
42 CAP
ITULO 2. TOPOLOG

Es obvio que una isometra es continua. Las isometras son siempre inyectivas
(si f(x) = f(y) entonces d
2
(f(x), f(y)) = 0 y por ser isometra, d
1
(x, y) =
0, luego x = y). Si la aplicacion es sobreyectiva se dice que los espacios son
isometricos (la isometra es un homeomorsmo, es decir, dos espacios isometricos
son homeomorfos).
Es posible demostrar que todo espacio metrico no completo admite un com-
pletado (es decir existe un espacio metrico completo que lo contiene y del que es
un subespacio denso, y cuya metrica restringida al primer espacio es la metrica
de partida). El completado es unico (salvo isometra). Se dice que un espacio
metrico es precompacto si su completado es compacto.
Para los espacios metricos la caracterizacion de compactos puede hacerse de
otras formas. Se tiene el siguiente resultado.
Teorema 2.3.1 (Bolzano-Weierstrass) Sea (X, d) un espacio metrico. Un
conjunto K es compacto si y solo si todo subconjunto innito de K tiene un
punto de acumulacion en K.
La condicion es necesaria en cualquier espacio topologico. La parte suciente
(para la que se necesita la estructura metrica) no es facil de probar.
Como consecuencia se tiene:
Proposicion 2.3.4 Sea (X, d) un espacio metrico. Un conjunto K es compacto
si y solo si toda sucesion en K tiene una subsucesion convergente a un punto
de K.
Los conjuntos compactos en R
n
tienen una caracterizacion muy sencilla.
Como veremos en la seccion siguiente, todo espacio vectorial topologico de di-
mension nita es isomorfo (en el sentido algebraico y en el topologico) a K
n
donde K es el cuerpo sobre el que esta construido (en nuestro caso R o C). Se
tiene el resultado siguiente.
Teorema 2.3.2 (Heine-Borel) Un subconjunto de un espacio K
n
es compac-
to si y solo si es cerrado y acotado (en la metrica usual).
Supongamos que K K
n
es compacto. De acuerdo con la proposicion 2.2.2 es
cerrado. Veamos que tambien es acotado. Si no lo estuviera se podra construir
una sucesion de puntos x
n
tales que |x
n
| > n para todo n N (|x| es la norma
usual en K
n
, ver seccion siguiente). Esta sucesion (que tiene innitos puntos
distintos) no tiene subsucesiones convergentes, lo que es una contradiccion con
el hecho de que K sea compacto.
Supongamos ahora que K es cerrado y acotado. Al ser acotado, toda sucesion
contenida en el esta acotada. Pero de toda sucesion acotada es posible extraer
una subsucesion convergente (ver 2.3.3). Como K es cerrado el lmite esta en K
(ver 2.3.1).
2.4. Espacios normados
Supongamos que el conjunto de puntos que estudiamos ahora es un espacio
vectorial L (real o complejo, K = R o C). Este es el caso fundamental a tratar
en estas notas (en particular cuando ademas tenemos un producto escalar).
2.4. ESPACIOS NORMADOS 43
En el espacio vectorial se puede denir una topologa. Cuando esta topologa
verica ciertas propiedades en relacion con las operaciones de L se dice que
tenemos un espacio vectorial topologico (e.v.t.). Los espacios normados son un
caso particular de los e.v.t. (y los espacios de Hilbert un caso particular de los
normados como veremos mas tarde).
Denicion 2.4.1 Sea L un espacio vectorial y T una topologa en el. Se dice
que (L, T ) es un espacio vectorial topologico si se verica:
1. La aplicacion (x, y) x +y de L L en L es continua.
2. La aplicacion (, x) x de KL en L es continua.
La topologa en el cuerpo es la usual (dada por la distancia asociada al modulo).
Y en los casos de un producto, la topologa es la producto.
Los entornos de un punto en un e.v t. estan directamente relacionados con
los entornos del vector 0. En efecto, sea U un entorno de 0. Entonces, el conjunto
x +U = x +y : y U
es un entorno de x. Y viceversa, todos los entornos de x son de esta forma: sea
V un entorno de x. Entonces, U = x + V es un entorno de 0 y por lo tanto
V = x +U.
Al disponer de una estructura adicional (la de espacio vectorial), hay con-
juntos importantes desde este punto de vista, como son los subespacios. Estos
conjuntos no tienen por que ser cerrados (lo son si la dimension es nita), pero
se verica:
Proposicion 2.4.1 Si (L, T ) es un espacio vectorial topologico y M un subes-
pacio, el cierre de M en la topologa de L es tambien un subespacio.
La suma es una aplicacion continua, luego

M +

M esta contenido en

M. Notese
que lo que se esta aplicando es que para un aplicacion continua, si f(A) B
entonces f(

A)

B. Por razones semejantes, K

M

M.
Dado un subespacio, el espacio vectorial cociente es tambien un e.v.t. (aun-
que no insistiremos en como determinar la topologa cociente de este espacio).
Pero, para ver la importancia que tiene el que los subespacios sean cerrados
para satisfacer ciertas propiedades, enunciaremos la siguiente proposicion.
Proposicion 2.4.2 Sea L un espacio vectorial topologico y M un subespacio
de L. Entonces el espacio vectorial cociente L/M con la topologa cociente es
Hausdor si y solo si M es cerrado.
La dimension de un espacio vectorial es el cardinal de una de sus bases (al-
gebraicas), que se puede demostrar que existen (se llaman bases de Hamel) y
tienen todas el mismo cardinal. Los espacios vectoriales de dimension nita jue-
gan un papel muy particular. Todo e.v.t. de Hausdor de dimension n sobre K
(que es R o C) es isomorfo a K
n
(isomorfo quiere decir que existe un isomor-
smo algebraico que es tambien homeomorsmo). La demostracion se basa en
el isomorsmo algebraico que se puede establecer entre ambos espacios. Fijada
una base de L, u
1
, . . . , u
n
, sea f la siguiente aplicacion:
f : L K
n
, f(x) = (a
1
, . . . , a
n
)
44 CAP
ITULO 2. TOPOLOG

donde x = a
1
u
1
+ a
n
u
n
. Esta aplicacion es biyectiva. Es facil ver que es
continua y abierta.
Ademas, en este caso las aplicaciones lineales tienen la siguiente propiedad
que no es cierta en el caso de dimension innita, donde existen aplicaciones
lineales que no son continuas.
Proposicion 2.4.3 Sea M un e.v.t. de dimension nita y L un e.v.t. de di-
mension arbitraria. Entonces, toda aplicacion lineal de M en L es continua.
La demostracion se puede hacer usando el isomorsmo anterior (de esa forma,
una aplicacion lineal viene dada por una matriz, y en el espacio de matrices
se puede denir una norma). Veremos mas tarde como la acotacion de una
aplicacion lineal usando una norma permite demostrar la continuidad.
La propiedad de compacidad local esta directamente relacionada con la di-
mension nita.
Teorema 2.4.1 Si L es un e.v.t. de Hausdor localmente compacto, entonces
tiene dimension nita.
Otros conjuntos importantes en la teora de e.v.t. son las variedades lineales.
Dado un e.v. L y un subespacio M, una variedad lineal es un conjunto x + M
donde x L, denido por:
x +M = x +y : y M
La dimension de una variedad lineal es la del subespacio que la dene. Un
hiperplano es una variedad lineal propia (distinta de L) de dimension maximal.
Los hiperplanos estan relacionados con las formas lineales en L (es decir las
aplicaciones lineales de L en K).
Proposicion 2.4.4 Un subconjunto H de L, e.v., es un hiperplano si y solo si
existe una forma lineal f y un escalar a K tales que:
H = x : f(x) = a
La forma f y el escalar a determinan H salvo un factor.
En particular si L es un espacio vectorial topologico, un hiperplano es cerrado
o denso en L. Es cerrado si y solo si la forma f que lo dene es continua.
A pesar de no tener denida una distancia es posible denir un concepto de
acotacion en un e.v.t.
Denicion 2.4.2 Se dice que un subconjunto A de un e.v.t. esta acotado si
para todo entorno de 0, U, existe c K tal que:
A c U
Se puede probar que toda sucesion de Cauchy esta acotada en el sentido
anterior. Resulta muy interesante ver como propiedades de acotacion, tan ele-
mentales como la que sigue, implican que la topologa de un e.v.t se puede
asociar a una metrica
Teorema 2.4.2 Todo e.v.t. de Hausdor localmente acotado (es decir, tiene
un entorno de 0 acotado) es metrizable (es decir, existe una metrica tal que las
bolas abiertas son una base de la topologa de L).
En la teora de e.v.t. los conjuntos convexos juegan un papel fundamental.
Denicion 2.4.3 Se dice que un subconjunto de un espacio vectorial es convexo
si dados dos puntos cualquiera del conjunto, el segmento que los une tambien
esta en el.
Es decir: si x, y A L, entonces tx + (1 t)y A para todo t (0, 1).
Denicion 2.4.4 Se dice que un espacio vectorial topologico es localmente con-
vexo si es Hausdor y todo entorno de un punto x contiene un entorno convexo
de x.
Los espacios localmente convexos estan asociados a seminormas.
Denicion 2.4.5 Sea L un e.v. y p una aplicacion de L en R. Se dice que p
es una seminorma si se verica:
1. p(ax) = [a[p(x), a K, x L
2. p(x +y) p(x) +p(y), x, y L
Una familia de seminormas determina en L una topologa que es localmente
convexa. Pero no entraremos en estos detalles ahora.
Lo que mas nos interesara en estas notas es una clase particular de seminor-
mas. Una norma en un espacio vectorial L se dene por:
Denicion 2.4.6 Sea L un e.v. Una aplicacion | | : L R se dice que es
una norma si se verica:
1. |x| = 0 x = 0
2. |ax| = [a[ |x|, a K, x L
3. |x +y| |x| +|y|, x, y L
Se tiene entonces que dada una norma es posible denir una distancia
d(x, y) = |x y|
Se dice que un espacio vectorial topologico es un espacio normado, si esta dotado
de una norma y la topologa es la derivada de la norma (de la distancia asociada
a la norma). Un espacio normado completo se llama un espacio de Banach.
Entre otras caracterizaciones de un espacio normable (es decir un e.v.t. cuya
topologa proviene de una norma) se tiene la siguiente
Proposicion 2.4.5 Un e.v.t. de Hausdor es normable si y solo si tiene un
entorno de 0 que es convexo y acotado.
La topologa de un espacio normado puede venir denida por diferentes normas.
Dos normas son equivalentes si dan lugar a la misma topologa.
46 CAP
ITULO 2. TOPOLOG

Proposicion 2.4.6 Dos normas | |
1
y | |
2
en un espacio vectorial L son
equivalentes si y solo si existen dos constantes k
1
, k
2
> 0 que verican para todo
x X:
k
1
|x|
1
|x|
2
k
2
|x|
1
Basta probar que toda bola abierta en una norma contiene una bola abierta de
la otra norma. Sea B
i
(0, r) una bola abierta en la norma | |
i
(para otros puntos
el resultado se obtiene por traslacion). Entonces, debido a las desigualdades de
la proposicion, se tienen los contenidos:
B
2
(0, k
1
r) B
1
(0, r), B
1
_
0,
r
k
2
_
B
2
(0, r)
lo que implica la igualdad de las topologas. Supongamos ahora que las normas
son equivalentes. Entonces la bola B
2
(0, 1) contiene una bola B
1
(0, r) para alg un
r. Es decir si |x|
2
< 1 entonces |x|
1
< r. Por las propiedades de las normas
frente a homotecias, si |x|
2
< k entonces |x|
1
< kr para todo k > 0. Eligiendo
k = |x|
2
se tiene:
|x|
1
< r|x|
2
La otra desigualdad se demuestra de modo similar (notese que se ha empleado
en la demostracion la propiedad de homogeneidad de la norma).
Como se ha visto, todo e.v.t. de Hausdor de dimension nita es isomorfo a
K
n
. Ademas se tiene el siguiente resultado.
Proposicion 2.4.7 Todas las normas en un espacio normado de dimension
nita son equivalentes
La demostracion en un sentido es muy sencilla. Lo haremos en K
n
. Tomemos
la base canonica de K
n
, u
1
, . . . , u
n
. Sea | | una norma arbitraria y | |
la
norma del supremo. Se tiene:
|x| = |
n
i=1
x
i
u
i
|
n
i=1
[x
i
[ |u
i
| |x|
i=1
|u
i
| = k
1
|x|
con k
1
=

n
i=1
|u
i
|. Sin embargo, en el otro sentido la situacion es bastante
mas complicada. Se hace por induccion en la dimension del espacio vectorial.
Para n = 1 es trivial. Supongamos que es cierta para n 1. Consideremos K
n
y supongamos que no existe una constante k
2
tal que
|x|
k
2
|x|, x K
n
Es decir, dado un n umero natural m, es posible hallar x K
n
distinto de cero
tal que:
|x|
> m|x|, x K
n
Sea j 1, . . . , n, tal que [x
j
[ = |x|
> 0. Entonces, si
x
m
=
1
|x|
x
se tiene:
|x
m
| = 1, |x
m
| <
1
m
Consideremos ahora el conjunto innito S de n umeros naturales m para los que
se tienen estas condiciones (en el cual podemos suponer que j esta jado, ya
que solo puede tomar un n umero nito de valores y por tanto uno de ellos se
repite un n umero innito de veces). El conjunto de vectores de K
n
que tienen
la componente j igual a cero, W, es un espacio vectorial de dimension n1. En
este espacio tenemos:
|y|
C|y|, y W
Si m S se dene
y
m
= x
m
u
j
que esta en W (pues su componente j es cero). Demostremos que y
m
, m S
es una sucesion de Cauchy. Sea > 0 y un n umero natural n
0
tal que >
2
n
0
.
para n, m S, n, m n
0
se tiene:
|y
n
y
m
| |x
n
x
m
| |x
n
| +|x
m
|
1
n
+
1
m

2
n
0

Por lo que y
m
, m S es de Cauchy tambien en la norma del supremo. Al ser
el espacio W completo, su lmite (cuando m , m S) es un vector y W.
Pero
|u
j
+y| |u
j
+y +y
m
y
m
| |u
j
+y
m
| +|y y
m
|
1
m
+C|y y
m
|
Cuando m , el segundo miembro tiende a cero y por tanto y = u

j
, lo que
es imposible, pues y W pero u
j
/ W.
Los conjuntos acotados denidos anteriormente adquieren ahora, en un es-
pacio normado, un aspecto mas cercano. Un conjunto de un espacio normado
es acotado si la norma esta acotada en ese conjunto.
Las aplicaciones continuas en un e.v.t. tienen la siguiente propiedad.
Proposicion 2.4.8 Sean L, M dos espacios vectoriales topologicos. Una apli-
cacion lineal T : L M es continua si y solo si es continua en 0.
Obviamente si es continua es continua en 0. Supongamos que es continua en
x = 0. Para todo entorno de 0 M, U, existe un entorno de 0 L, V , tal que
T(V ) U. Sea W un entorno de Tx M. Entonces Tx + W es un entorno
de 0 M, por lo que existe un entorno V
de 0 L tal que T(V
) Tx +W.
Pero entonces x +V
es un entorno de x y T(x +V
) W.
Las aplicaciones lineales continuas entre espacios normados pueden caracte-
rizarse en terminos de la norma.
Proposicion 2.4.9 Sean L, M dos espacios vectoriales normados. Una aplica-
cion lineal T : L M es continua si y solo si existe c > 0 tal que:
|Tx| c|x|, x L
Si T es continua, lo es en x = 0. Por tanto existen bolas en L y M de centro
0, tal que T(B
L
(0, r)) B
M
(0, r
), es decir |T(x)| r
si |x| r. Pero, para

todo x L (x ,= 0),
r
2x
x esta en B
L
(0, r), luego
_
_
_
_
T
_
r
2|x|
x
__
_
_
_
r
48 CAP
ITULO 2. TOPOLOG

es decir:
r
2|x|
|T(x)| r
|T(x)|
2r
r
|x|
Es inmediato probar que la aplicacion T es continua en 0 si se cumple esa
acotacion. Se dice que la aplicacion lineal esta acotada.
La proposicion anterior permite denir la norma de una aplicacion lineal
continua entre espacios normados.
Denicion 2.4.7 Sean L, M dos espacios normados y u : L M una aplica-
cion lineal continua. Entonces, el n umero real denido por:
|u| = sup |u(x)| : |x| 1
es nito y se tiene una norma en el espacio de las aplicaciones lineales continuas
de L en N, L(L, N)
Si M es un espacio de Banach, entonces L(L, M) es tambien un espacio de
Banach. Para el caso en que M = K, se tiene el espacio de las formas lineales
continuas de L, es decir, lo que se llama el dual topologico de L. En este caso,
L
= L(L, K) es un espacio de Banach (aunque L sea solo un espacio normado).

Tengase en cuenta que en el caso de dimension innita hay formas lineales que
no son continuas, por lo que el dual algebraico no coincide con el espacio de
formas lineales continuas (dual topologico).
En el espacio de las aplicaciones continuas entre dos espacios de Banach se
pueden denir diferentes topologas. Ademas de la de la norma (que se suele
llamar topologa de operadores uniforme), hay dos topologas particularmente
importantes, relacionadas con la accion de la aplicacion. Una de ellas se llama
la topologa de operadores fuerte. Se dene como la mas debil de las topologas
que hace que las evaluaciones (es decir, las aplicaciones T
x
: L(L, M) M,
T
x
(T) = Tx) sean continuas. Lo que implica, una de sus propiedades mas
inmediatas, que una sucesion T
n
de operadores converge a un operador T en
esta topologa si y solo si las sucesiones de vectores de M, T
n
(x) convergen a
Tx para todo x de L (por supuesto en la norma de M).
La ultima topologa que vamos a mencionar es la topologa de operadores
debil. Como anteriormente, se dene como la mas debil de las que hacen que las
aplicaciones T
x,f
de L(L, M) en C, denidas para cada x L y f L(M) por
T
x,f
(T) = f(Tx), sean continuas. Como antes, esto implica que una sucesion de
operadores T
n
converge en esta topologa a un operador T si y solo si f(T
n
x)
converge a (Tx) (en C) para cada x L y f L(M).
En todo espacio de Banach se puede denir una topologa (no la de la nor-
ma), como la mas debil que hace que los funcionales lineales acotados sean
continuos (es decir, todos los funcionales continuos en la topologa de la norma
son continuos en esta topologa). Una sucesion en el espacio x
n
converge en
la topologa debil si las sucesiones f(x
n
) lo hacen en C para todo funcional
acotado. Se puede probar que un funcional lineal es continuo debilmente si y
solo si lo es en norma. La topologa debil no es metrizable si el espacio es de
dimension innita.
Como ejemplo de la potencia de los resultados que se obtienen con estos
conceptos, enunciaremos a continuacion el teorema de Hahn-Banach, uno de los
pilares del analisis funcional. Este teorema establece que, bajo cierta condiciones,
existen formas lineales continuas no triviales sobre un espacio vectorial. Veamos
primeramente un lema.
Proposicion 2.4.10 Si L e un e.v.t. real de Hausdor de dimension mayor o
igual que 2 y B es un conjunto abierto de L que no contiene al vector 0, entonces
existe un subespacio de dimension 1 que no corta a B.
Una formulacion geometrica de este teorema es la siguiente:
Teorema 2.4.3 (Mazur) Sea L un e.v.t. y M una variedad lineal en M. Sea
A un subconjunto de L, convexo, abierto y no vaco, tal que su interseccion con
M sea el vaco. Entonces existe un hiperplano cerrado de L que contiene a M
y que no corta a A.
La demostracion no es trivial en absoluto, pero no requiere mas conocimien-
tos que los expuestos en estas notas (aparte de alg un resultado de la teora
de conjuntos). Supongamos primero que el espacio es real. Podemos tomar un
subespacio en vez de una variedad lineal (basta hacer una traslacion). Consi-
deremos los subespacios cerrados de L que contienen al subespacio M y que
no cortan al abierto A. Se trata de una clase de conjuntos, /, no vaca, pues
el cierre de M (que es un subespacio cerrado que contiene a M) esta en A.
Esta clase se puede ordenar por inclusion. Consideremos un subconjunto del
conjunto / que este totalmente ordenado. Tiene un supremo (que es el cierre
de la union) y por el Lema de Zorn existe un elemento maximal. Sea H
0
. Al ser
cerrado, el espacio cociente es de Hausdor, de dimension mayor o igual que 1
(porque A es no vaco). Supongamos que fuera de dimension mayor o igual que
2. La proyeccion canonica de L sobre L/H
0
es abierta, por lo que
1
(B) es un
abierto y convexo, que no contiene al vector 0. H
0
no corta a A. Entonces, existe
un subespacio unidimensional que no corta a B, con lo que la imagen inversa
de este subespacio mediante es un espacio vectorial de L que no corta a A y
y contiene a H
0
(siendo distinto de el). Esto es contradictorio con el hecho de
que H
0
sea el supremo y por tanto la dimension de L/H es igual a 1. Por tanto
H
0
es un hiperplano cerrado que cumple el teorema.
En el caso complejo se usa simplemente la complejizacion de un espacio real
de L/H
0
Como resultado de este teorema, se tiene que en un e.v.t. que contenga un
subconjunto abierto convexo y no vaco existen formas lineales continuas no
triviales (y viceversa).
La forma de este teorema para espacios normados es la siguiente.
Teorema 2.4.4 (Hahn-Banach) Sea (L, | |) un espacio normado y M un
subespacio. Sea f una forma lineal que verique [f(x)[ |x| para todo x M
(por tanto continua). Entonces f admite una extension (lineal), f
1
, a todo L
con la misma acotacion [f
1
(x)[ |x| para todo x en L (por tanto, continua con
la misma norma).
Veamos a continuacion otro de los teoremas fundamentales del analisis fun-
cional, el teorema de Banach-Steinhaus. Sean L, M dos espacio normados y
A L(L, M). Se dice que A es un conjunto puntualmente acotado si para cada
x A el conjunto
T(x) : T A
50 CAP
ITULO 2. TOPOLOG

es un conjunto acotado. Todo conjunto acotado en norma es puntualmente aco-
tado. El problema, que resuelve el principio de la acotacion uniforme o teorema
de Banach-Steinhaus, es el inverso.
Teorema 2.4.5 (Banach-Steinhaus) Sea L un espacio de Banach y M un
espacio normado. Un subconjunto de L(L, M) es acotado en norma si y solo si
es puntualmente acotado.
Para acabar esta introduccion enunciaremos dos teoremas que cierran el
conjunto de teoremas fundamentales del analisis funcional.
Teorema 2.4.6 (Aplicacion abierta) Sean L, M dos espacios de Banach, y
T L(L, M). Si T es sobreyectiva, entonces T es abierta (es decir transforma
abiertos en abiertos). Por tanto, si T es tambien inyectiva es un isomorsmo
(topologico).
Teorema 2.4.7 (Grafo cerrado) Sean L, M dos espacios de Banach, y T
L(L, M). Si el grafo de T, (G
T
= (x, T(x)) : x L LM), es cerrado en
L M entonces T es acotado.
Captulo 3
Espacios de Banach
Estudiaremos en este captulo espacios vectoriales reales o complejos, de
dimension nita o innita dotados de una norma y en especial espacios normados
completos (espacios de Banach).
3.1. Espacios normados de dimension nita
Sea K = R, C. Consideremos los espacios vectoriales K
n
y en ellos la si-
guiente norma:
|x|
2
=
_
n
i=1
[x
i
[
2
_1
2
, x K
n
Demostraremos que se trata de una norma. La unica propiedad difcil es la
tercera, la desigualdad triangular (Minkovski). Sean x, y K
n
.
|x +y|
2
=
n
i=1
[x
i
+y
i
[
2
=
n
i=1
( x
i
+ y
i
)(x
i
+y
i
)
= |x|
2
+|y|
2
+ 2
n
i=1
Re( x
i
y
i
)
pero esta claro que
Re( x
i
y
i
) [ x
i
y
i
[
as que solo tenemos que usar la desigualdad de Cauchy-Schwarz (Holder):
n
i=1
[ x
i
y
i
[
_
n
i=1
[x
i
[
2
_1
2
_
n
i=1
[y
i
[
2
_1
2
pues entonces
|x +y|
2
|x|
2
+|y|
2
+ 2|x| |y| = (|x| +|y|)
2
Pero hay otras normas en K
n
que (como sabemos) llevan a la misma topo-
loga.
|x|
1
=
n
i=1
[x[
i
51
52 CAP
ITULO 3. ESPACIOS DE BANACH

es una norma en K
n
. Como antes, la unica dicultad se encuentra en la de-
sigualdad triangular. Pero en este caso es una consecuencia inmediata de la
desigualdad triangular para el modulo de un n umero real o complejo. La expre-
sion
|x|
= max [x[
i
: i = 1, 2, . . . , n
es tambien una norma. La desigualdad triangular es inmediata de las propieda-
des del maximo. Que estas tres normas son equivalentes proviene de las siguien-
tes desigualdades:
|x|
|x|
2

n|x|
|x|
|x|
1
n|x|
En general, la siguiente aplicacion es una norma:

|x|
p
=
_
n
i=1
[x
i
[
p
_1
p
donde p 1. Como en el caso p = 2, la dicultad mayor esta en la desigualdad
triangular. Para demostrarla, utilizaremos la desigualdad de Holder (que para
p = q = 2 es la de Cauchy-Schwarz).
Proposicion 3.1.1 (Desigualdad de Holder) Sea x, y K
n
y p, q > 1 tales
que:
1
p
+
1
q
= 1
(se dice que p y q son conjugados). Entonces
n
i=1
[x
i
[ [y
i
[
_
n
i=1
[x
i
[
p
_1
p
_
n
i=1
[y
i
[
q
_1
q
Podemos demostrarlo de la forma siguiente. Esta claro que basta probarlo para
dos vectores a, b con coordenadas mayores que 0. Consideramos los vectores:
a =
a
(
n
i=1
a
p
i
)
1
p
,

b =
b
(
n
i=1
b
q
i
)
1
q
que verican:
n
i=1
a
p
i
= 1,
n
i=1
b
q
i
= 1
Como las componentes de a e

b son positivas, se tiene:
a
i
= e
r
i
/p
,

b
i
= e
s
i
/q
, i = 1, . . . , n
para ciertos n umeros reales r
i
, s
i
. Pero la funcion exponencial es convexa, es
decir, verica:
f(r + (1 )s) f(r) + (1 )f(s), 0 1
3.1. ESPACIOS NORMADOS DE DIMENSI
ON FINITA 53
(ver en la seccion 3.3 algunos resultados elementales sobre funciones convexas).
Sea = 1/p, lo que implica 1 = 1/q. Entonces:
e
r
i
p
+
s
i
q
1
p
e
r
i
+
1
q
e
s
i
y sustituyendo los valores de r
i
y s
i
:
a
i
b
i

1
p
a
p
i
+
1
q
b
q
i
Si ahora sumamos en i, se tiene:
n
i=1
a
i
b
i

1
p
n
i=1
a
p
i
+
1
q
n
i=1
b
q
i
=
1
p
+
1
q
= 1
Sustituyendo los valores de a
i
y

b
i
:
n
i=1
a
i
(
n
i=1
a
p
i
)
1
p
b
i
(
n
i=1
b
p
i
)
1
q
1
que es la desigualdad buscada. Evidentemente, cuando p = q = 1/2 se obtiene la
desigualdad de Cauchy-Schwarz. En realidad, la desigualdad de Cauchy-Schwarz
es la siguiente:

i=1
x
i
y
i
|x|
2
|y|
2
pero es una consecuencia inmediata de la anterior:
i=1
x
i
y
i
i=1
[x
i
[ [y
i
[
En el caso general (p 1), la desigualdad triangular es:
|x +y|
p
|x|
p
+|y|
p
Para demostrarlo (para p > 1, si p = 1 es inmediata) aplicamos la desigual-
dad de Holder:
n
i=1
[x
i
[ [x
i
+y
i
[
p1
_
n
i=1
[x
i
[
p
_1
p
_
n
i=1
[x
i
+y
i
[
(p1)q
_1
q
n
i=1
[y
i
[ [x
i
+y
i
[
p1
_
n
i=1
[y
i
[
p
_1
p
_
n
i=1
[x
i
+y
i
[
(p1)q
_1
q
Si ahora sumamos las desigualdades, se obtiene ((p 1)q = p):
n
i=1
([x
i
[ +[y
i
[)[x
i
+y
i
[
p1
_
_
_
n
i=1
[x
i
[
p
_1
p
+
_
n
i=1
[y
i
[
p
_1
p
_
_
_
n
i=1
[x
i
+y
i
[
p
_1
q
54 CAP

y por lo tanto:
n
i=1
[x
i
+y
i
[
p
i=1
([x
i
[ +[y
i
[)[x
i
+y
i
[
p1
_
_
_
n
i=1
[x
i
[
p
_1
p
+
_
n
i=1
[y
i
[
p
_1
p
_
_
_
n
i=1
[x
i
+y
i
[
p
_1
q
Finalmente
_
n
i=1
[x
i
+y
i
[
p
_1
p
_
n
i=1
[x
i
[
p
_1
p
+
_
n
i=1
[y
i
[
p
_1
p
Para 0 < p < 1 la desigualdad no se cumple. Lo que ahora se tiene es la
siguiente desigualdad. El conjugado de p es ahora negativo, q < 0. Entonces (si
a
i
0 y b
i
> 0):
n
i=1
a
i
b
i

_
n
i=1
a
p
i
_1
p
_
n
i=1
b
q
i
_1
q
Sea
u
i
= (a
i
b
i
)
p
, v
i
= b
p
i
Aplicamos la desigualdad de Holder a u, v con coecientes conjugados 1/p y
q/p (que son mayores que 1):
n
i=1
u
i
v
i

_
n
i=1
u
1/p
i
_
p
_
n
i=1
v
q/p
i
_
p
q
Sustituyendo las expresiones de u
i
y v
i
, tenemos:
n
i=1
a
p
i

_
n
i=1
a
i
b
i
_
p
_
n
i=1
b
q
i
_
p
q
Elevandolo todo a la potencia 1/p y despejando adecuadamente:
_
n
i=1
a
p
i
_1
p
_
n
i=1
b
q
i
_1
q
i=1
a
i
b
i
como queramos probar. Comprobemos con un simple ejemplo que la desi-
gualdad triangular no se cumple cuando p = 1/2. Sea x = (1, 0, . . . , 0), y =
(0, 1, 0, . . . , 0). Se tiene:
|x|
1/2
= 1, |y|
1/2
= 1
Pero, x +y = (1, 1, 0, . . . , 0) y se tiene
|x +y|
1/2
= (1
1/2
+ 1
1/2
)
2
= 4
En lugar de la desigualdad triangular lo que se verica es la siguiente relacion:
_
n
i=1
(a
i
+b
i
)
p
_1
p
_
n
i=1
a
p
i
_1
p
_
n
i=1
b
p
i
_1
p
3.2. ESPACIOS DE SUCESIONES L
P
55
La demostracion es similar a la que se ha hecho en el caso p > 1. Lo que ocurre
ahora es que la desigualdad de Holder se ve sustituida por la desigualdad que
acabamos de demostrar.
Sin embargo, si 0 < p < 1
d(x, y) = |x y|
p
p
es una distancia aunque no proceda de una norma.
3.2. Espacios de sucesiones l
p
Pasemos ahora al caso de dimension innita. Consideremos el espacio de
las sucesiones para las que la suma de los modulos a la potencia p > 0 de sus
terminos es convergente:
l
p
= x
n
: x
n
K,
n=1
[x
n
[
p
<
Consideremos en primer lugar el caso p 1. Demostraremos en primer
lugar que se trata de un espacio vectorial. El unico problema es probar que la
suma de dos elementos de este conjunto esta tambien en el conjunto. Para ello,
comprobemos que la siguiente expresion es una norma en l
p
.
|x|
p
=
_

n=1
[x
n
[
p
_1
p
Como siempre la desigualdad triangular es la unica complicacion. Pero podemos
repetir los pasos que dimos en el caso de dimension nita y llegar a
_
n
i=1
[x
i
+y
i
[
p
_1
p
_
n
i=1
[x
i
[
p
_1
p
+
_
n
i=1
[y
i
[
p
_1
p
Pero
_
n
i=1
[x
i
[
p
_1
p
i=1
[x
i
[
p
_1
p
<
Por lo tanto el miembro de la izquierda de la desigualdad esta acotado para
todo n y la desigualdad es valida cuando n . De esta forma se prueba que
l
p
es un espacio vectorial y ademas |x|
p
es una norma.
Los espacios l
p
con p 1 son espacios normados de dimension innita (no
numerable). Si 0 < p < 1, l
p
no es un espacio normado, aunque s un espacio
vectorial y ademas un espacio metrico (con una distancia que no proviene de
una norma).
En efecto,
d
p
(x, y) =
n=1
[x
n
y
n
[
p
, 0 < p < 1
es una distancia, pues la desigualdad de Minkovski se cumple:
d
p
(x, y) d
p
(x, z) +d
p
(z, y)
56 CAP

Vamos a demostrar ahora que l
p
es un espacio de Banach. Sea x
n
una
sucesion en l
p
, con 1 p. Es decir:
x
n
= (x
n
1
, . . . , x
n
k
, . . .)
Supongamos que es de Cauchy. Para todo > 0 existe n
0
tal que
|x
n
x
m
|
p
< , n, m n
0
Esto implica que cada una de las sucesiones x
n
k
n=1
es de Cauchy en K, pues
[x
n
k
x
m
k
[ |x
n
x
m
|
p
<
luego convergen al ser K completo. Sea x = (x
1
, x
2
, . . .) el vector de los lmites.
Hay que probar que esta en l
p
y que es el lmite de la sucesion. Al ser x
n
de
Cauchy, para todo , por ejemplo = 1, existe n
0
tal que para todo n, m n
0
y para todo N, se tiene:
N
k=1
[x
n
k
x
m
k
[
p
|x
n
x
m
|
p
p
< 1
En la suma nita podemos hacer n y se tiene una acotacion para todo
m n
0
y para todo N:
N
k=1
[x
k
x
m
k
[
p
1
y por lo tanto es cierta cuando N :
k=1
[x
k
x
m
k
[
p
< 1
De esta forma hemos demostrado que x x
m
esta en l
p
cuando m n
0
. Pero
x
m
l
p
, luego x l
p
. Probemos ahora que es el lmite de la sucesion. Hacemos
lo mismo que antes con arbitrario:
k=1
[x
k
x
m
k
[
p
, m n
0
luego
|x x
m
|
p
p
<
La demostracion es valida para cualquier p. Por lo tanto todo l
p
, 0 < p, es
completo (si es normado es de Banach).
Los espacios l
p
estan relacionados unos con otros, de acuerdo con las inclu-
siones:
l
r
l
s
, 0 < r < s
En efecto, sea x = x
n
l
r
, x ,= 0. Entonces
[x
n
[
|x|
r
1
[x
n
[
r
|x|
r
r
[x
n
[
s
|x|
s
r
3.3. ESPACIOS L
P
57
Sumando:

n=1
[x
n
[
r
|x|
r
r
n=1
[x
n
[
s
|x|
s
r
y por lo tanto x l
s
. Como, ademas:
n=1
[x
n
[
r
|x|
r
r
= 1
se tiene la desigualdad de Jensen:
|x|
s
|x|
r
El conjunto c
0
de las sucesiones que tienden a cero es tambien un espacio de
Banach (que contiene a cualquier l
p
y que esta contenido en l
, el espacio de
las sucesiones acotadas).
El conjunto de las sucesiones de tipo nito (es decir con un n umero nito
de elementos distintos de cero, que es lo mismo que el conjunto de las funciones
continuas con soporte compacto de N en K) esta contenido en cualquier l
p
y
contiene al espacio K
n
para cualquier n. Pero no es cerrado en ning un l
p
. Para
demostrarlo basta ver que es denso y distinto del espacio total. Para ver que es
distinto, basta considerar sucesiones como 1/n en l
p
si p > 1 y 1/n
2
si p 1.
Para ver que es denso, se hace con 1 p < . Pero ademas este espacio tiene
un cierre en la norma innito que esta contenido en c
0
y entonces no puede ser
denso en l
. La dimension de este espacio es

0
. Los espacios l
p
, con 1 p <
y c
0
son separables (porque el espacio de las sucesiones de tipo nito es denso
en l
p
(con su norma) y en c
0
(con la norma del supremo). Sin embargo l
no
es separable.
Los espacios l
p
guardan unas relaciones de dualidad. El dual de l
p
es l
q
, con
p, q conjugados. El dual de l
1
es l
, pero l
1
no es el dual de l
, sino de c
0
.
3.3. Espacios L
p
Dado cualquier conjunto X, se puede considerar las funciones de X en K
acotadas. Llamaremos B(X) a este conjunto de funciones:
B(X) = f : X K : f acotada
El conjunto B(X) es un espacio vectorial sobre K en el que se puede denir una
norma:
|f|
= sup[f(x)[ : x X
Se llama la norma de la convergencia uniforme. Es ademas un espacio de Banach.
Para probarlo, consideremos una sucesion f
n
de funciones que sea de Cauchy.
Por tanto
sup
xX
[f
n
(x) f
m
(x)[ 0, n
Como en el caso de las sucesiones, es sencillo ver que f
n
(x) es tambien una
sucesion de Cauchy en K. Al ser K completo, tiene lmite. Sea f(x) el lmite
para cada x X. Veamos que f es una funcion acotada y que es el lmite de la
58 CAP

sucesion en el sentido de la convergencia uniforme. El razonamiento es similar
al usado en las sucesiones. Al ser f
n
de Cauchy,
|f
n
f
m
|
1, n, m n
0
y por lo tanto, para cualquier x X:
[f
n
(x) f
m
(x)[ 1, n, m n
0
Cuando n , se tiene:
[f(x) f
m
(x)[ 1, m n
0
Por lo tanto, la funcion f f
m
esta acotada y en B(X) que es un espacio
vectorial, luego f B(X). Veamos que es el lmite. Basta tomar un arbitrario
y repetir el razonamiento:
[f(x) f
m
(x)[ , m n
0
implica que
|f f
m
|
, m n
0
Podemos demostrar ahora que l
es un espacio de Banach. Basta tomar

X = N y la medida discreta. Ademas se puede probar que
lm
p
|x|
p
= |x|
Como sabemos, cualquier subespacio cerrado de un espacio de Banach es un

espacio de Banach. Sea X un espacio topologico compacto. Entonces, el conjunto
de funciones continuas de X en K es un subespacio del conjunto de funciones
acotadas (pues X es compacto). Ademas es un subespacio cerrado (en la norma
del supremo de B(X)), pues la norma es la de la convergencia uniforme y por
tanto el lmite de una sucesion de funciones continuas es una funcion continua.
Luego
C(X) = f : X K : f continua
es un espacio de Banach (en la norma del supremo).
Consideremos un espacio de medida, (X, o, ), (que sera en lo que respecta a
las aplicaciones la recta real y la medida de Lebesgue). Si f es una funcion (con
valores en R o C) medible de este espacio, se tiene que [f[
p
, p > 0 es tambien
medible. L
p
es el conjunto de las funciones medibles tales que [f[
p
es integrable,
con 0 < p < .
El conjunto L
p
es un espacio vectorial. Para ver que la suma de dos funciones
de L
p
esta en este espacio, se puede usar la siguiente desigualdad (ver la Nota
mas adelante):
[a +b[
p
2
p
([a[
p
+[b[
p
)
Entonces
_
[f +g[
p
d
_
2
p
([f[
p
+[g[
q
) d <
3.3. ESPACIOS L
P
59
Nota. Funciones convexas
Las funciones convexas dan lugar a desigualdades interesantes, por lo que
daremos aqu una breve noticia de sus propiedades. Se dice que una funcion real
de variable real es convexa en un intervalo (a, b) si
f(x + (1 )y) f(x) + (1 )f(y), x, y (a, b), 0 < < 1
Las funciones convexas verican la desigualdad de Jensen, que no es mas
que la generalizacion de la denicion a n puntos:
f
_
n
i=1
i
x
i
_
i=1
i
f(x
i
), x
i
(a, b),
n
i=1
i
= 1
Se puede demostrar la siguiente propiedad, relativa a la relacion entre funciones
convexas y derivadas:
Si existe la derivada primera de una funcion f y es no decreciente en un
intervalo abierto, entonces f es convexa en ese intervalo.
Para probarlo basta usar el teorema del valor medio. Sea y > x, 0 1.
f(x) + (1 )f(y) f(x + (1 )y)
= [f(x) f(x + (1 )y)] + (1 )[f(y) f(x + (1 )y)]
Pero, por el teorema del valor medio, al ser f derivable:
f(x + (1 )y) f(x) = (1 )(x y)f
(c), c (x, x + (1 )y)

f(y) f(x + (1 )y) = (x y)f
(d), d (x + (1 )y, y)
Por tanto,
f(x) + (1 )f(y) f(x + (1 )y) =
(1 )(x y)f
(c) + (1 )(x y)f
(d) =
(1 )(x y)(f
(d) f
(c)) 0
Como consecuencia, si existe la derivada segunda y es no negativa en un intervalo
abierto, la funcion es convexa en ese intervalo.
Como aplicacion, si a, b 0, p > 1 se tiene:
(a +b)
p
2
p1
(a
p
+b
p
)
Basta usar el hecho de que h(x) = x
p
es convexa (su derivada segunda p(p
1)x
p1
en el caso en que p > 1 es claramente positiva en cualquier intervalo
abierto de la semirrecta positiva). Entonces:
(a +b)
p
= 2
p
_
1
2
a +
1
2
b
_
p
2
p
_
1
2
a
p
+
1
2
b
p
_
= 2
p1
(a
p
+b
p
)
De manera evidente:
(a +b)
p
2
p
(a
p
+b
p
)
60 CAP

pues 2
p1
2
p
. Pero esta desigualdad es tambien correcta cuando 0 < p < 1.
Tengase en cuenta que el anterior razonamiento no puede aplicarse cuando 0 <
p < 1, pues entonces x
p
no es convexa. Por ejemplo:
(1 + 4)
1
2
2
1
2
(1
1
2
+ 4
1
2
) 10
1/2
3
lo que no es correcto. Por tanto si esta segunda desigualdad se cumple para
0 < p < 1 habra que demostrarlo de otra forma.
Suponiendo que a ,= 0 (si a = 0 es trivialmente cierto), si t = b/a, lo que
tenemos que probar es que:
1 +t
2
(1 +t
p
)
1
p
, t 0, 0 < p < 1
La desigualdad es correcta (estrictamente) para t = 0. Si probamos que la
derivada de la funcion de la derecha es mayor que 1/2 (que es la derivada de la
funcion de la izquierda), habremos probado la desigualdad. Derivando:
1
p
(1 +t
p
)
1
p
1
pt
p1
= (1 +t
p
)
1p
p
t
p1
=
_
1 +
1
t
p
_
1p
p
> 1
En este espacio vectorial de funciones L
p
, se verica la desigualdad de Holder.
Si
1
p
+
1
q
= 1, 1 < p, q < , entonces
_
[fg[ d
__
[f[
p
d
_1
p
__
[g[
q
d
_1
q
, f L
p
, g L
q
Para probarlo, veamos en primer lugar que si a, b son dos n umeros reales no
negativos, entonces, para todo 0 < < 1 se tiene:
a
b
1
a + (1 )b
Supongamos que a, b > 0. Entonces, la funcion:
f(x) = 1 +x x
es positiva para todo x > 0. La funcion tiene solo un mnimo en la semirrecta

x 0 (f(0) = 1 > 0), pues su derivada es:
f
(x) = (1 x
1
) = 0 x = 1
Pero en x = 1, f(1) = 0 y por tanto se tiene la desigualdad buscada.
Para demostrar la desigualdad de Holder, supongamos que f y g no son
nulas casi doquiera (en caso contrario la desigualdad es trivial). Sea
a =
[f(x)[
p
_
[f[
p
d
, b =
[g(x)[
q
_
[g[
q
d
Aplicando la desigualdad anterior con = 1/p, tenemos:
[f(x)g(x)[
__
[f[
p
d
_1
p
__
[g[
q
d
_1
q
1
p
[f(x)[
p
_
[f[
p
d
+
1
q
[g(x)[
q
_
[g[
q
d
3.3. ESPACIOS L
P
61
Debido a esta acotacion, fg L
1
, con lo que podemos integrar y obtener:
_
[f(x)g(x)[ d
__
[f[
p
d
_1
p
__
[g[
q
d
_1
q
1
p
+
1
q
= 1
y la desigualdad de Holder queda probada. Usando esta desigualdad podemos
probar la de Minkovski:
__
[f(x) +g(x)[ d
_1
p
__
[f[
p
d
_1
p
+
__
[g[
p
d
_1
p
Supongamos que p > 1 (pues es inmediato en el caso p = 1). Sea q el coeciente
conjugado de p. Debido a la relacion entre p y q se tiene que [f +g[
p1
L
q
(pues
(p 1)q = p). Aplicando la desigualdad de Holder a las funciones [f[ [f +g[
p1
y [g[ [f +g[
p1
, que estan en L
1
, se tiene:
_
[f[ [f +g[
p1
d
__
[f[
p
d
_1
p
__
[f +g[
(p1)q
d
_1
q
=
__
[f[
p
d
_1
p
__
[f +g[
p
d
_1
q
_
[g[ [f +g[
p1
d
__
[g[
p
d
_1
p
__
[f +g[
(p1)q
d
_1
q
=
__
[g[
p
d
_1
p
__
[f +g[
p
d
_1
q
y sumando
_
[f +g[
p
d
_
__
[f[
p
d
_1
p
+
__
[g[
p
d
_1
p
_
__
[f +g[
p
d
_1
q
que lleva a la desigualdad de Minkovski. La aplicacion
f
__
[f[
p
d
_1
p
no es una norma, porque el hecho de que la integral sea cero no implica que la
funcion lo sea, ya que puede ser cero casi doquiera. La idea es introducir una
relacion de equivalencia en el conjunto L
p
de forma que dos funciones estan
en la misma clase si son iguales casi doquiera. De esta forma se construye el
espacio de clases L
p
y la aplicacion anterior es una norma en este espacio. Hay
que tener en cuenta esta circunstancia en las aplicaciones de esta teora. En la
practica seguiremos llamando a estas clases de funciones con el mismo nombre
que a una funcion, aunque prestando atencion a que todo lo que se diga de una
de estas funciones sera siempre salvo equivalencia, es decir, salvo una funcion
que es cero casi doquiera. Por tanto, los espacios L
p
son espacios normados para
1 p < . Se puede demostrar que estos espacios son de Banach.
62 CAP

Teorema 3.3.1 Sea 1 p < . El espacio L
p
es un espacio de Banach.
Para demostrarlo, consideremos una sucesion de funciones en L
p
que sea de
Cauchy, y supondremos que:
|f
n+1
f
n
|
p

1
2
n
(lo que siempre se puede conseguir considerando subsucesiones si es necesario).
A partir de esta sucesion construimos otra sucesion por:
g
1
= 0, g
2
= [f
1
[, g
3
= [f
1
[+[f
2
f
1
[, , g
n
= [f
1
[+[f
2
f
1
[+ +[f
n
f
n1
[, . . .
Esta sucesion es de funciones no negativas y creciente. Ademas:
_
[g
n
[
p
d
_
|f
1
| +
i=2
|f
i
f
i1
|
p
_
p
(|f
1
|
p
+ 1)
p
Esto quiere decir (por el teorema de Levi, ver bibliografa) que la sucesion g
n
converge casi doquiera a un funcion g cuya potencia p es integrable (g L
p
).
Ademas:
[f
n+k
(x) f
n
(x)[ =
n+k
i=n+1
(f
i
(x) f
i1
(x))
n+k
i=n+1
[f
i
(x) f
i1
(x)[
= g
n+k
(x) g
n
(x)
Por lo tanto, la sucesion f
n
(x) es de Cauchy y f
n
converge puntualmente casi
doquiera a una funcion f. Solo falta probar que esta funcion esta en L
p
y la
sucesion f
n
converge a ella en la norma de L
p
. Pero
[f
n
(x)[ = [f
1
(x) +
n
i=2
(f
i
(x) f
i1
(x))[ g
n
(x) g(x)
casi doquiera para todo n, luego [f(x)[ g(x) y por tanto f L
p
. Ademas:
[f(x) f
n
(x)[ 2g(x) c.d.
Como lm
n
[f(x) f
n
(x)[
p
= 0, el lmite de la norma de la diferencia es cero
por el teorema de la convergencia dominada:
lm
n
|f f
n
|
p
= 0
Hay que tener en cuenta que el que una sucesion de funciones de L
p
con-
verja en norma a una funcion, no quiere decir que la convergencia sea puntual
(incluso casi doquiera). Tambien es posible construir sucesiones que convergen
casi doquiera a una funcion en L
p
pero que no convergen en norma.
La desigualdad (cierta para 1 p < y a, b 0) (a +b)
p
2
p1
(a
p
+b
p
)
y el lema de Fatou permiten demostrar la siguiente propiedad:
Proposicion 3.3.1 Sea f
n
una sucesion de funciones en el espacio de Banach
L
p
y f L
p
. Si f
n
(x) converge a f(x) casi doquiera y la sucesion de normas
|f
n
|
p
converge a |f|
p
, entonces f
n
converge en norma a f (|f
n
f| 0).
3.3. ESPACIOS L
P
63
Hasta ahora nos hemos limitado en la construccion de estos espacios de fun-
ciones al intervalo 1 p < . Pero es posible denir un espacio que llamaremos
L
. Para ello denimos primero el supremo de una funcion f. Se dice que K es

una cota (esencial) de una funcion (de valores reales o complejos) f si [f(x)[ K
casi doquiera. De esta forma, una funcion esta esencialmente acotada si tiene
una cota (esencial). Llamaremos el supremo (esencial) al nmo de las cotas
(esenciales), cuando la funcion esta esencialmente acotada:
|f|
=nfK : [f(x)[ K, c.d.

El conjunto de las funciones medibles esencialmente acotadas se llama L
y es
un espacio vectorial. Como antes es necesario establecer una relacion de equi-
valencia para poder tener una norma. El espacio de clases se llamara L
y
es un espacio vectorial normado con la norma del supremo (en lo que sigue
prescindiremos de la palabra esencial). Este espacio es un espacio de Banach.
La demostracion es inmediata, bas andose como es usual en el hecho de que las
sucesiones de n umeros reales (o complejos) f
n
(x) son de Cauchy si f
n
lo es en
L
.
Entre las propiedades interesantes de estos espacio L
p
, 1 p < , podemos
citar que las funciones escalon estan contenidos en ellos y que incluso son densas
en la norma correspondiente. Igual les pasa a las funciones continuas de soporte
compacto (con algunas restricciones sobre el espacio y la medida, que obviamen-
te cumplen R y la medida de Lebesgue). Con estas condiciones la complecion
de los espacios de funciones continuas con soporte compacto son los espacios L
p
(cuando se considera la norma | |
p
). El conjunto C([0, 1]) con la norma p no
es, de acuerdo con lo anterior, completo. La convergencia es mas debil que la
uniforme y al completarlo se obtienen los espacios L
p
. Sin embargo, el conjunto
de las funciones que tienden a cero en el innito C
0
(X) (con X un espacio local-
mente compacto) es un subconjunto cerrado del conjunto de funciones acotadas
(L
) y por lo tanto es un espacio de Banach.

Se tiene tambien un resultado que relaciona unos espacios con otros:
Proposicion 3.3.2 Si el espacio tiene medida nita y 1 p < q , entonces
L
q
L
p
y |f|
p
|f|
q
.
La demostracion usa el hecho de que la funcion constante igual a 1 esta en todos
los espacios L
p
en este caso (porque la medida del espacio total es nita). Es
evidente que L
L
p
para todo p con 1 p (de nuevo porque el espacio total
tiene medida nita). Si q < , sea r = q/p > 1, y sea s su coeciente conjugado.
Toda funcion en L
q
tiene su modulo a la potencia p en L
r
. Por la desigualdad
de Holder el producto de esta funcion por la funcion 1 (que esta en L
s
) esta en
L
1
. Por lo tanto f L
p
.
Pero si el espacio no tiene medida nita la situacion no es tan simple. El
siguiente ejemplo muestra una funcion que esta en L
p
pero en ning un otro L
q
con p ,= q. Sea
f(x) =
1
x(1 +[ log x[)
2
Probemos en primer lugar que esta funcion esta en L
1
(0, ), aunque la funcion
diverge cuando x 0 y el intervalo es innito. La integral del valor absoluto
64 CAP

(la funcion es positiva) es (haciendo t = log x):
_

0
1
x(1 +[ log x[)
2
dx =
_

1
(1 +[t[)
2
dt =
_
0
1
(1 t)
2
dt +
_

0
1
(1 +t)
2
dt = 1 + 1 = 2
Por lo tanto, la funcion g(x) = (f(x))
1
p
esta en L
p
, pues [g(x)[
p
= f(x) es
integrable. Sin embargo, consideremos g
q
= (f(x))
q
p
con q ,= p y veamos si la
integral ( = q/p)
_

0
1
x
(1 +[ log x[)
2
dx =
_
1
0
1
x
(1 log x)
2
dx +
_

1
1
x
(1 + log x)
2
dx
converge (si lo hiciera, g L
q
). El integrando de la primera integral es singular
en x = 0. De los criterios usuales de convergencia se tiene que si > 1 esa
integral diverge (la singularidad que en x = 0 tiene x
es demasiado fuerte
para la convergencia y el logaritmo no puede compensarla, aunque este elevado
a 2). El punto singular para la segunda integral es y ahora el criterio es que
la integral diverge si < 1 (en este caso, x
no tiende a cero sucientemente

deprisa y la contribucion del logaritmo tampoco es suciente). En cualquier
caso, para ,= 1 (es decir p ,= q) la integral diverge en uno u otro extremo y
por tanto g / L
q
.
Los espacios L
p
y L
q
correspondientes a coecientes conjugados tienen unas
relaciones interesantes cuando se estudian sus funcionales. Existe un teorema de
Riesz (que estudiaremos en el caso en que p = q = 2) que asegura que cualquier
funcional lineal acotado de L
p
se puede representar por una funcion de L
q
en el
siguiente sentido:
F(g) =
_
fg d, g L
p
, f L
q
donde f viene jada unvocamente por el funcional F. Sin embargo este no es
el caso (en general) para los espacios L
1
y L
.
Los espacios L
p
(R) y L
q
(R) son duales (con p, q conjugados, mayores que
1). Sin embargo, de forma similar a como ocurra con los espacios l
p
, el dual de
L
1
(R) es L
(R), pero el dual de L
(R) no es L
1
R (hay funcionales lineales
continuos sobre L
(R) que no estan en L

1
R). Se puede probar que este ultimo
espacio no es el dual de ning un espacio de Banach.
Los espacios de sucesiones l
p
que hemos estudiado previamente se pueden
considerar como un caso particular de la teora de los espacios L
p
cuando la
medida es la medida discreta en el espacio N.
Captulo 4
Espacios de Hilbert
4.1. Introduccion
Los espacios de Hilbert constituyen el punto central de este curso. Aunque
en los tratados elementales no ocupan demasiado lugar (reservado a los espacios
vectoriales topologicos y a los espacios de Banach) desde el punto de vista de
las aplicaciones fsicas constituyen una herramienta fundamental. En lo que
sigue desarrollaremos la teora elemental, con especial enfasis en los aspectos
geometricos, para luego, en captulos posteriores estudiar la teora de operadores
sobre estos espacios.
4.2. Deniciones y propiedades
Denicion 4.2.1 Sea L un espacio vectorial sobre K = R, C. Consideremos
la siguiente aplicacion:
L L K
x , y (x, y)
que verica las siguientes propiedades:
1. (x, x) 0, x H; (x, x) = 0 x = 0
2. (x, y +z) = (x, y) + (x, z), x, y, z L
3. (x, y) = (x, y), K, x L
4. (x, y) = (y, x) x, y L
Las propiedades 2,3,4 equivalen a decir que ( , ) es una forma sesquilineal
hermtica (simetrica si K = R). La propiedad 1 quiere decir que la forma es
denida positiva. Se dice que el espacio L es un espacio pre-Hilbert con el
producto escalar ( , ).
Proposicion 4.2.1 (Desigualdad de Cauchy-Schwarz) Sea L un espacio
pre-Hilbert. Para todo par de vectores x, y H se tiene:
[(x, y)[
_
(x, x)(y, y)
65
66 CAP
ITULO 4. ESPACIOS DE HILBERT

Para todo C, x, y L (supongamos y ,= 0) se tiene:
0 (x +y, x +y) = (x, x) + 2 Re((x, y)) +[[
2
(y, y)
Sea (x, y) = re
i
y escojamos = te
i
, donde t R. Entonces:
0 (x, x) + 2t[(x, y)[ +t
2
(y, y)
En particular, para t = [(x, y)[/(y, y)
0 (x, x)
[(x, y)[
2
(y, y)
es decir:
[(x, y)[
_
(x, x)(y, y)
Proposicion 4.2.2 Sea H un espacio pre-Hilbert. La aplicacion
x H |x| = (x, x)
1/2
es una norma en H.
La demostracion es la siguiente. Por las propiedades de producto escalar, |x|
0 y |x| = 0 si y solo si x = 0. Ademas, |x| = (x, x)
1/2
= [[(x, x)
1/2
.
Finalmente,
|x +y|
2
= (x +y, x +y) = |x|
2
+|y|
2
+ 2 Re(x, y)
|x|
2
+|y|
2
+ 2[(x, y)[ |x|
2
+|y|
2
+ 2|x| |y| = (|x| +|y|)
2
Por lo tanto, un espacio pre-Hilbert es un espacio normado y como consecuencia
un espacio metrico. Los espacios que mas nos van a interesar son los espacios pre-
Hilbert que son completos (y por consiguiente espacios de Banach). El producto
escalar es una aplicacion continua en la topologa de la metrica que deriva de
el.
Denicion 4.2.2 Un espacio de Hilbert es un espacio pre-Hilbert completo, con
la topologa de la metrica derivada del producto escalar.
Como hemos visto, de todo producto escalar deriva un norma, pero el inverso
no es cierto (hay espacios de Banach que no son espacios de Hilbert).
Proposicion 4.2.3 (Identidad de polarizacion) En un espacio pre-Hilbert
L se tiene la siguiente igualdad
(x, y) =
1
4
(|x +y|
2
|x y|
2
)
i
4
(|x +iy|
2
|x iy|
2
), x, y L
En el caso de un espacio real la identidad de polarizacion se escribe como:
(x, y) =
1
4
(|x +y|
2
|x y|
2
) =
1
2
(|x +y|
2
|x|
2
|y|
2
), x, y L
Para comprobarlo basta desarrollar los segundos miembros. Esto implica en
particular que si una norma proviene de un producto escalar, este es unico. Se
cumple tambien la siguiente identidad (de clara interpretacion geometrica)
4.2. DEFINICIONES Y PROPIEDADES 67
Proposicion 4.2.4 (Ley del paralelogramo) Sea L un espacio pre-Hilbert.
Entonces,
|x +y|
2
+|x y|
2
= 2|x|
2
+ 2|y|
2
, x, y L
que se demuestra facilmente aplicando la denicion de la norma en funcion del
producto escalar. Pero lo que es mas interesante es que esta propiedad caracte-
riza las normas que se pueden denir a traves de un producto escalar.
Proposicion 4.2.5 Una norma en un espacio vectorial proviene de un producto
escalar (es decir, existe un producto escalar tal que |x| =
_
(x, x)) si y solo si
la norma verica la identidad del paralelogramo.
La demostracion consiste en denir un producto escalar a traves de la identi-
dad de polarizacion y comprobar que efectivamente se dan las propiedades del
producto escalar. Hagamoslo en el caso real. El producto escalar tiene que venir
denido por la identidad de polarizacion
(x, y) =
1
4
(|x +y|
2
|x y|
2
)
Obviamente, (x, x) 0 y solo es cero cuando x = 0. Ademas (x, y) = (y, x).
Veamos la linealidad en la primera variable:
(x, y +z) = (x, y) + (x, z)
es equivalente a
|x +y +z|
2
|y +z|
2
|x +y|
2
|x +z|
2
+|x|
2
+|y|
2
+|z|
2
= 0
Para probar esta identidad, pongamos, usando la ley del paralelogramo:
|x +y +z|
2
= |x z|
2
+ 2|x +
1
2
y|
2
+ 2|z +
1
2
y|
2
|x z|
2
= |x +z|
2
2|x|
2
2|z|
2
|x +
1
2
y|
2
=
1
4
|2x +y|
2
=
1
4
|y|
2
+
1
2
|x +y|
2
+
1
2
|x|
2
|z +
1
2
y|
2
=
1
4
|2z +y|
2
=
1
4
|y|
2
+
1
2
|z +y|
2
+
1
2
|z|
2
y sumando obtenemos el resultado deseado. Para probar que (x, y) = (x, y) se
prueba en primer lugar para naturales (usando la propiedad anterior). Resulta
inmediato probar que (x, y) = (x, y). Y para racionales se tiene:
(
1
q
x, y) =
1
4
(|
1
q
x +y|
2
|
1
q
x y|
2
) =
1
4q
2
(|x +qy|
2
|x qy|
2
) =
1
q
2
(x, qy) =
1
q
(x, y)
y por continuidad se demuestra en R. De forma similar se hace para C.
El espacio l
2
de las sucesiones complejas cuya suma de cuadrados es conver-
gente es un espacio de Hilbert. Sin embargo, el conjunto de funciones continuas
68 CAP

en el intervalo [0, 1] (de cuadrado integrable), no es un espacio de Hilbert sino
solo un espacio pre-Hilbert. Es claro que
(f, g) =
_
1
0
f(t)g(t) dt
es un producto escalar en ese espacio. Sin embargo no es completo. Sea la suce-
sion de funciones:
f
n
(t) =nfn, t
1/3
Se trata de una sucesion de funciones continuas en el intervalo [0, 1], que ademas
es de Cauchy. Sin embargo, su lmite en la norma
|f|
2
=
__
1
0
[f(t)[
2
dt
_1/2
no es una funcion continua. Se puede probar que el completado es el conjunto
de funciones de cuadrado integrable Lebesgue.
Un subespacio vectorial de un espacio de Hilbert no tiene porque ser cerrado.
Sin embargo su cierre tambien es un subespacio. Como estamos en un espacio
metrico completo, los conjuntos cerrados son completos (y viceversa). Por lo
tanto, todo subespacio cerrado de un espacio de Hilbert es un espacio de Hilbert.
Si un subespacio es de dimension nita, es cerrado (y completo, tambien en el
caso en que el espacio total es solo pre-Hilbert).
4.3. Ortogonalidad
Uno de los conceptos mas importantes en un espacio de Hilbert es el de
ortogonalidad. Aunque muchas de las propiedades siguientes son ciertas en un
espacio pre-Hilbert, consideremos para abreviar que estamos en un espacio de
Hilbert.
Denicion 4.3.1 Sea H un espacio de Hilbert. Se dice que dos vectores son
ortogonales si su producto escalar es cero.
Dos vectores ortogonales (no nulos) son linealmente independientes (l.i.).
Denicion 4.3.2 Un subconjunto S de un espacio de Hilbert H es ortogonal si
x ,= 0, x S y se tiene (x, y) = 0, x, y S.
El sistema se llama ortonormal si ademas de lo anterior, |x| = 1, x S.
Teorema 4.3.1 (Pitagoras) Sea x
1
, . . . , x
n
un conjunto de vectores en un
espacio de Hilbert, que forman un conjunto ortogonal. Entonces:
|
n
i=1
x
i
|
2
=
n
i=1
|x
i
|
2
La demostracion es inmediata. Sin embargo, el recproco no es cierto (en C).
Un sistema ortogonal es linealmente independiente. Basta usar el teorema de
Pitagoras para probarlo.
4.3. ORTOGONALIDAD 69
Denicion 4.3.3 Se dice que un subconjunto S de un espacio de Hilbert, H,
es total si el unico vector de H que es ortogonal a todos los vectores de S es el
vector 0.
Proposicion 4.3.1 El conjunto de vectores ortogonales a un subconjunto S
H es un subespacio vectorial cerrado de H (se le llama complemento ortogonal,
S
).
La demostracion es inmediata de las propiedades de linealidad y continuidad
del producto escalar.
La ortogonalidad cumple las siguientes propiedades.
Proposicion 4.3.2 Sea H un espacio de Hilbert. Entonces:
1. A B B
2. A (A
3. (
i
A
i
)
=
i
A
i
4. A
= (

A)
= (lin A)
La demostracion de las tres primeras es muy sencilla. En cuanto a la cuarta,

A

A y por tanto (

A)
Ademas A lin A y por tanto (lin A)
.
En sentido contrario, si x A
y x es ortogonal a una sucesion convergente de

vectores en A, tambien lo es a su lmite (que esta en

A), luego x (

A)
. Para
la envolvente lineal el argumento es similar.
El cierre de un conjunto siempre esta contenido en el ortogonal del ortogonal:
A (A
. Y en el caso de que se trate de un subespacio vectorial cerrado, el

ortogonal del ortogonal coincide con el conjunto de partida. Notese que si un
subespacio L es denso en H, su ortogonal es igual a 0, pues,
L
= (
L)
= H
= 0
La suma directa (ortogonal) de dos subespacios cerrados ortogonales, es un
subespacio cerrado. Pero en general, la suma de subespacios cerrados no tiene
por que ser cerrada. Veamos un ejemplo de esta situacion. Supongamos que
en un espacio de Hilbert tenemos dos sucesiones ortonormales, x
n
e y
n
(que supondremos innitas, ya que en un espacio de Hilbert de dimension nita

todos los subespacios son cerrados). Supongamos tambien que los vectores de la
primera sucesion son ortogonales a los de la segunda y construimos una tercera
sucesion como combinacion de las dos primeras:
z
n
=
_
cos
1
n
_
x
n
+
_
sen
1
n
_
y
n
Debido a las propiedades de las sucesiones x
n
e y
n
y a la eleccion de los
coecientes, la sucesion z
n
es ortonormal. Sean
L
x
= (linx
n
), L
z
= (linz
n
)
Es evidente que la suma no es ortogonal:
(x
n
, z
n
) = cos
1
n
70 CAP

Para cada N N, la suma de vectores
N
n=1
_
sin
1
n
_
y
n
esta en L
x
+L
z
:
_
sin
1
n
_
y
n
=
_
cos
1
n
_
x
n
+z
n
L
x
+L
z
La sucesion de esos vectores es una serie convergente pues:
n=1
sin
2
1
n
<
Por tanto,
y L
x
+L
z
Pero y / L
x
+L
z
. En efecto, si fuera as:
y = x +z, x L
x
, z L
z
y se tendra
sin
1
m
= (y, y
m
) = (x +z, y
m
) = (z, y
m
) =
_
n
(z
n
, z)z
n
, y
m
_
=
n
(z, z
n
)(z
n
, y
m
) = (z, z
m
) sin
1
m
lo que implica que los coecientes de Fourier de z respecto a la base de L
z
son
todos iguales a 1. Pero como el conjunto es innito esto es imposible (ver mas
adelante las condiciones sobre bases ortonormales).
La nocion de proyeccion sobre un conjunto puede establecerse en un espa-
cio metrico (y puede no existir para un subconjunto arbitrario): se plantea en
terminos de distancia mnima. Sin embargo, al limitarnos a espacios de Hilbert,
la introduciremos en terminos de ortogonalidad, con lo que las cuestiones de
aproximacion seran una consecuencia.
Teorema 4.3.2 (Teorema de la proyeccion ortogonal) Sea H un espacio
de Hilbert y L un subespacio lineal cerrado. El espacio H se puede escribir como
la suma directa (ortogonal) de L y su complemento ortogonal L
. Es decir
todo vector u se puede poner de forma unica como la suma de dos vectores
ortogonales, v L, w L
. Escribiremos:
H = L L
y diremos que v es la proyeccion ortogonal de u sobre L.

Notese que se ha exigido que el subespacio sea cerrado. En primer lugar proba-
remos que existe un vector v de L que minimiza la distancia |ux|, para u H
jado, y es unico. Sea a =nf|u x| : x L. Construimos una sucesion (x
n
)
en L tal que lm
n
|u x
n
| = a (que existe por ser a el nmo). Veamos que
x
n
es de Cauchy. Utilizando la ley del paralelogramo,
|(x
n
u) (x
m
u)|
2
+|x
n
+x
m
2u|
2
= 2|u x
n
|
2
+ 2|u x
m
|
2
es decir:
|x
n
x
m
|
2
= 2|u x
n
|
2
+ 2|u x
m
|
2
4|
1
2
(x
n
+x
m
) u|
2
Pero
1
2
(x
n
+ x
m
) L (notese que bastara con exigir que L fuera convexo,
aunque no fuera un subespacio, para tener esta propiedad). Por tanto:
|x
n
x
m
|
2
2(|u x
n
|
2
a
2
) + 2(|u x
m
|
2
a
2
)
Si n, m , el miembro de la derecha se hace tan peque no como quera-
mos y por tanto la sucesion (x
n
) es de Cauchy. Pero el subespacio L es cerra-
do y por tanto el lmite de esta sucesion, v, esta en L (como antes, bas-
tara que el subespacio L fuera un subconjunto completo de un espacio pre-
Hilbert). Ademas, |u v| = a, pues lm
n
(u x
n
) = u v y por tanto
lm
n
|u x
n
| = |u v| = a. Finalmente para acabar esta primera par-
te, probaremos que v es unico. Sea v
L tal que |u v
| = a. Usaremos
nuevamente la ley del paralelogramo.
|v v
|
2
= 2|u v|
2
+ 2|u v
|
2
|v +v
2u|
2
=
2|u v|
2
+ 2|u v
|
2
4|
1
2
(v +v
) u|
2
2a
2
+ 2a
2
4a
2
= 0
Luego v
= v. Pasemos ahora a la cuestion de la suma directa ortogonal. Tenga-

se en cuenta que la suma de subespacios puede ser directa sin ser ortogonal.
Tenemos que probar que u v es un vector ortogonal a todos los vectores de
L. Sea y L, y supongamos que |y| = 1 (obviamente, no se pierde generalidad
con esta hipotesis). Se tiene (w = u v):
|w y|
2
= (w, w y) (y, w y) = |w|
2
[(w, y)[
2
+[(w, y) [
2
Tomando
0
= (w, y) obtenemos:
|w
0
y|
2
= |w|
2
[(w, y)[
2
Pero w
0
y = u(v+
0
y) y el vector v+
0
y esta en L. Por lo tanto, la distancia
de u a este vector es mayor o igual que la de u a v: |w| = |uv| |w
0
y|.
Entonces
|w|
2
|w|
2
[(w, y)[
2
y no puede ocurrir la desigualdad estricta, luego (w, y) = 0.
La aplicacion P
L
: H H que asigna a cada vector u el vector v denido en
la proposicion anterior, se llama el proyector ortogonal asociado a L. Podemos
denir tambien el proyector correspondiente a L
. Estas aplicaciones son lineales

(como se puede comprobar facilmente) y verican las siguientes propiedades:
Proposicion 4.3.3 Sea L un subespacio vectorial cerrado de un espacio de
Hilbert H. Sea P
L
la proyeccion ortogonal sobre L. Entonces:
72 CAP

1. (P
L
x, y) = (x, P
L
y), x, y H
2. P
L
x = x, x L
3. P
L
y = 0, y L
4. P
2
L
= P
5. (P
L
x, x) = |P
L
x|
2
|x|
2
6. P
L
+P
L
= I
7. P
L
P
L
= P
L
P
L
= 0
La primera propiedad implica la siguiente igualdad. Si x = x
L
+ x
L
, y =
y
L
+y
L
, se tiene:
(P
L
x, y) = (x, P
L
y) = (x
L
, y
L
)
La segunda, tercera y cuarta son evidentes. En cuanto a la quinta,
(P
L
x, x) = |x
L
|
2
|x|
2
Las dos ultimas son tambien inmediatas.
Dada una sucesion ortogonal (un conjunto ortogonal numerable) en un es-
pacio de Hilbert, se tiene la siguiente desigualdad que relaciona los productos
escalares del vector x con los vectores del conjunto ortogonal y la norma del
vector.
Proposicion 4.3.4 (Desigualdad de Bessel) Sea e
n
, n N un sistema
ortonormal. Entonces, para todo x H se tiene que la serie

n=1
[(e
n
, x)[
2
es
convergente y :
n=1
[(e
n
, x)[
2
|x|
2
(La proposicion puede extenderse a familias arbitrarias de vectores ortonor-
males) Para demostrarla, probemos que las sumas parciales de la serie estan
acotadas:
0 (x
N
n=1
(e
n
, x)e
n
, x
N
n=1
(e
n
, x)e
n
) =
|x|
2
n=1
(e
n
, x)(x, e
n
)
N
n=1
(x, e
n
)(e
n
, x) +
N
n,m=1
(e
n
, x)(e
m
, x)(e
n
, e
m
) = |x|
2
n
[(e
n
, x)[
2
Al estar las sumas parciales acotadas, la serie es convergente y su suma esta aco-
tada por |x|
2
. Los escalares (e
n
, x) se llaman los coecientes de Fourier de x
respecto al sistema ortonormal e
n
. Como consecuencia de la desigualdad de
Bessel se tiene el siguiente teorema.
Teorema 4.3.3 Sea H un espacio de Hilbert y e
n
un sistema ortonormal.
1. Para todo x H, la serie

n=1
(e
n
, x)e
n
es convergente.
2. Para todo x, y H, la serie de escalares

n=1
(e
n
, x)(e
n
, y) converge a
(
n=1
(e
n
, x)e
n
, y)
3. Si M es el subespacio cerrado generado por el sistema ortonormal, y P
M
la proyeccion sobre ese espacio, se tiene:
P
M
(x) =
n=1
(e
n
, x)e
n
, x H
Probaremos que la sucesion de sumas parciales es de Cauchy.
|
m
k=n
(e
k
, x)e
k
|
2
=
m
k=n
[(e
k
, x)[
2
Pero la serie de la derecha es convergente por la desigualdad de Bessel, luego
para todo > 0 existe n
0
tal que si n, m n
0
se tiene:
m
k=n
[(e
k
, x)[
2

2
luego,
|
m
k=n
(e
k
, x)e
k
| <
y la sucesion de sumas parciales es de Cauchy, con lo que la serie es convergente
(al ser H un espacio completo por ser de Hilbert). Para demostrar la segunda
parte, se puede usar el hecho de que la aplicacion x (y, x) (para un y H
jado) es lineal y continua, y por lo tanto, la imagen de una sucesion convergente
es convergente. Al haber probado que la serie
n=1
(e
n
, x)e
n
es convergente, su
imagen

n=1
(e
n
, x)(y, e
n
) mediante la aplicacion anterior es convergente, y su
suma es la imagen de la suma, es decir: (
n=1
(e
n
, x)e
n
, y). Finalmente,
(e
m
, x
n=1
(e
n
, x)e
n
) = (e
m
, x) (e
m
,
n=1
(e
n
, x)e
n
) = 0
luego x
n=1
(e
n
, x)e
n
es ortogonal a la familia e
n
y por tanto al subespacio
que generan, luego pertenece al ortogonal. Si P
M
es la proyeccion sobre el cierre
del subespacio generado por e
n
, M, entonces
x P
M
(x) M
y por tanto
P
M
(x) =
n=1
(e
n
, x)e
n
Este vector es ademas el que hace mnima la distancia de x a M:
|x
n=1
(e
n
, x)e
n
| |x y|, y M
74 CAP

Denicion 4.3.4 Una base ortonormal en un espacio de Hilbert es un sistema
ortonormal maximal (en el sentido de que no esta contenido propiamente en
otro sistema ortonormal).
Proposicion 4.3.5 Sea H un espacio de Hilbert y S un sistema ortonormal.
Entonces, existe un sistema ortonormal maximal que contiene a S.
La demostracion se basa en el lema de Zorn. Como corolario se tiene:
Corolario 4.3.1 Todo espacio de Hilbert posee una base ortonormal.
A partir de una sucesion de vectores l.i. de un espacio de Hilbert es posible
construir un sistema ortogonal.
Proposicion 4.3.6 (Ortogonalizacion de Gram-Schmidt) Sea v
n
: n
N una sucesion de vectores linealmente independientes en un espacio de Hilbert
H. Entonces existe una sucesion ortogonal de vectores u
n
: n N que verica
que el subespacio generado por v
k
: k = 1, . . . , n es igual al generado por
u
k
: k = 1, . . . , n para todo n N. El sistema u
n
: n N esta determinado
de manera unica salvo constantes.
Sea M
n
= linv
k
: k = 1, . . . , n. Al ser un espacio de dimension nita es cerrado
(y por tanto completo) y existe la proyeccion P
M
n
. Sea u
1
= v
1
y supongamos
que el proceso de construccion de los u
k
se ha completado hasta n. Veamos como
construir u
n+1
. Sea
u
n+1
= v
n+1
P
M
n
(v
n+1
)
El vector u
n+1
es distinto de cero, pues los vectores que generan M
n
son l.i. con
v
n+1
. Por construccion,
u
n+1
M
n
lo que implica que se cumple la primera condicion (ser ortogonales). Ademas,
u
n+1
lin(M
n
v
n+1
) = M
n+1
y v
n+1
lin(M
n
u
n+1
) M
n+1
, por lo
que se concluye que
linv
1
, . . . , v
n
= linu
1
, . . . , u
n
En cuanto a la unicidad, si hubiera otro sistema u
n
: n N con la mismas
propiedades que u
n
: n N, se tendra:
u
n
linu
1
, . . . , u
n1
= linu
1
, . . . , u
n1
Ademas u
n
M
n
por lo tanto:
u
n
=
n
k=1
k
u
k
de donde u
n
=
n
u
n
. En la practica, la construccion de la familia ortogonal es:
u
n+1
= v
n+1
+
n
k=1
k
u
k
,
k
=
(u
k
, v
n+1
)
|u
k
|
2
Como consecuencia de esto, se puede demostrar:
Proposicion 4.3.7 Un espacio de Hilbert es separable si y solo si existe una
base hilbertiana (ortogonal) numerable
La demostracion es muy sencilla. Si el espacio tiene una base hilbertiana nu-
merable, el subespacio cerrado que genera es separable y coincide con todo el
espacio (basta entonces considerar combinaciones lineales con coecientes racio-
nales para acabar la demostracion). Y viceversa, si el espacio es separable existe
una sucesion que es densa en el espacio. Usando el proceso de Gram-Schmidt
podemos conseguir un sistema ortogonal que es total. Para ello, en primer lugar
hay que seleccionar una subsucesion que sea l.i. Por induccion se prueba que
esta subsucesion genera todo el espacio y ahora se aplica Gram-Schmidt.
Denicion 4.3.5 Se llama dimension hilbertiana de un espacio de Hilbert al
cardinal de una de sus bases ortonormales.
La denicion esta justicada por la siguiente proposicion:
Proposicion 4.3.8 1. Dos bases ortonormales de un espacio de Hilbert tie-
nen el mismo cardinal
2. Dos espacios de Hilbert son isomorfos si y solo si su dimension hilbertiana
es la misma.
Una base ortonormal se puede caracterizar por cualquiera de las siguientes
propiedades (el resultado es valido en espacios no separables, pero lo enuncia-
remos solo en el caso en que se tenga una base ortonormal innita numerable.
El caso de dimension nita es trivial).
Proposicion 4.3.9 Sea S = e
n
: n N un sistema ortogonal de un espacio
de Hilbert H. Son equivalentes:
1. S es una base ortonormal.
2. El cierre de la envolvente lineal de S es igual a H (la envolvente lineal es
densa en H).
3. El unico vector ortogonal a S es el vector 0.
4. Para todo x H la serie

n=1
(e
n
, x)e
n
converge al vector x.
Veamos la equivalencia de estas propiedades.
1) 2): Si S es una base ortonormal y lin(S) no fuera denso en H, su
complemento ortogonal sera distinto de 0 y habra un vector ortogonal a
todo S, que no sera maximal.
2) 3): Por ser lin(S) denso en H, lin(S)
= 0, luego S
= 0.
3) 4): Consideremos la serie en lin(S)
n=1
(e
n
, x)e
n
Por la desigualdad de Bessel sabemos que esta serie es convergente a un vector
x
. Veamos que x
= x. En efecto,
(e
m
, x x
) = (e
m
, x
n=1
(e
n
, x)e
n
) = (e
m
, x)
n=1
(e
n
, x)(e
m
, e
n
) = 0, m
76 CAP

y por 3), x x
= 0.
4) 1): Si (x, e
n
) = 0 para todo n, se tiene por 4) que x = 0.
Como resumen de estas deniciones y propiedades se tiene la identidad de
Parseval. Todo vector de un espacio de Hilbert separable se puede escribir como
una serie en los elementos de una base ortonormal:
x =
(e
n
, x)e
n
El producto escalar se puede escribir as:
(x, y) =
n=1
(e
n
, x)(e
n
, y)
y se tiene la identidad de Parseval:
n=1
[(e
n
, x)[
2
= |x|
2
Como un espacio de Hilbert es un espacio vectorial, admite una base alge-
braica, es decir un conjunto de vectores linealmente independientes que generan
(mediante combinaciones lineales, que son sumas nitas) el espacio. Una base
ortonormal no es una base algebraica en un espacio de dimension innita. A
estas ultimas se les llama bases de Hamel.
4.4. Polinomios ortogonales
En el espacio de Hilbert L
2
[a, b] existen numerosas bases ortonormales que
aparecen en las aplicaciones, pero entre las mas importantes se encuentran las
de polinomios ortogonales con un peso p(x). Sea I R un intervalo y p : I R
una funcion positiva (en el interior de I) y que verica:
_
I
[t[
n
p(t) dt < , n N
Denimos el espacio:
E
p
= f C(I) :
_
I
[f(t)[
2
p(t) dt <
Se trata de un espacio vectorial que contiene a los polinomios (debido a las
propiedades de la funci on p(t)). En este espacio podemos denir un producto
escalar:
(f, g) =
_
I
f(t)g(t)p(t) dt
siendo p(t) la funcion peso. Con este producto escalar, E
p
es un espacio pre-
Hilbert (si en vez de considerar las funciones continuas usamos las funciones de
cuadrado integrable Lebesgue obtenemos un espacio de Hilbert) y la distancia
entre dos funciones es la desviacion cuadratica media ponderada. Por ejemplo,
para diferentes intervalos y funciones peso se obtienen las familias de polinomios
que se detallan a continuacion.
4.5. SERIES DE FOURIER 77
I p(t) Polinomios
[1, 1] 1 Legendre
[1, 1]
1
1 t
2
Tchebychef
R e
t
2
Hermite
[0, ) e
t
Laguerre
El punto mas delicado al establecer que se trata de bases de un espacio
de Hilbert esta en la cuestion de si son o no un sistema maximal. Se tiene el
siguiente resultado:
Proposicion 4.4.1 Sea p
n
(t) una familia de polinomios ortonormales, que se
obtiene de la familia 1, t, t
2
, . . . utilizando Gram-Schmidt respecto al producto
escalar:
(f, g) =
_

f(t)g(t)m(t) dt
Si la funcion peso m(t) es no negativa (y no identicamente cero) y verica:
_

m(t) dt < ,
_

e
|t|
m(t) dt <
para alg un > 0, entonces
_
m(t)p
n
(t) son una base ortonormal en L
2
(A),
donde A = sop m
4.5. Series de Fourier
Entre las bases ortonormales mas importantes en las aplicaciones se encuen-
tran las series trigonometricas de Fourier. Consideremos el espacio de Hilbert
L
2
[0, 2] con el producto escalar usual:
(f, g) =
_
2
0
f(x)g(x) dt
En este espacio, las funciones
1
2
e
inx
, n Z
son una base ortonormal. El teorema de Weierstrass permite armar que estas
funciones (su envolvente lineal con mas precision) son densas en el conjunto de
funciones continuas con la norma del supremo, lo que implica que lo son con la
norma que deriva del producto escalar. Pero las funciones continuas son densas
en L
2
[0, 2] en cualquier norma | |
p
.
78 CAP

Los coecientes de Fourier se calculan facilmente:
f L
2
[0, 2], f(x) =
nZ
c
n
e
inx
donde
c
n
=
1
2
_
2
0
e
inx
f(x) dx
Tambien se puede usar una base ortonormal formada por funciones reales:
_
1
2
,
1
cos nx,
1
sen nx, n = 1, 2, . . .
_
En este caso, los coecientes de Fourier son:
a
0
=
1
2
_
2
0
f(x) dx,
a
n
=
1
_
2
0
f(x) cos nxdx, b
n
=
1
_
2
0
f(x) sen nxdx
para el desarrollo:
f(x) =
1
2
a
0
+
1
n=1
(a
n
cos nx +b
n
sen nx)
Aunque se pone el signo de igualdad, las series trigonometricas de Fourier
no convergen necesariamente de forma puntual (solo en la norma | |
2
). Sin
embargo, si la funcion f tiene primera derivada continua, la convergencia es no
solo puntual sino incluso uniforme. Para funciones en L
2
[0, 2], se sabe que la
convergencia es puntual casi doquiera. No podemos entrar aqu en un estudio
detallado de las series de Fourier.
Como conclusion de este captulo, mencionemos que un espacio de Hilbert
separable es isomorfo a l
2
(basta escoger una base ortonormal). Sin embargo,
este isomorsmo no siempre permite estudiar de la mejor manera posible las
propiedades del espacio de Hilbert y los operadores en el denidos.
Captulo 5
Operadores en espacios de
Hilbert
5.1. Introduccion
La teora de operadores en espacios de Hilbert tiene m ultiples aplicaciones en
Fsica, especialmente en Mecanica Cuantica. La teora es sin embargo extraordi-
nariamente compleja si uno pretende cubrir todos los tipos de operadores que se
presentan en Fsica. En esta corta introduccion estableceremos las propiedades
mas importantes de los operadores acotados. En cuanto a la teora espectral,
pospondremos para otro captulo unas consideraciones elementales sobre este
importante tema, fundamental en las aplicaciones.
5.2. Operadores acotados
Consideraremos como caso mas importante las aplicaciones lineales (opera-
dores, dado que todas las aplicaciones que apareceran son lineales omitiremos a
veces el adjetivo lineal para el termino operador) continuas entre dos espacios
de Hilbert.
Sean H
1
, H
2
dos espacios de Hilbert. Como ya hemos dicho, un operador
acotado es una aplicacion lineal T : H
1
H
2
que verica:
|Tx| k|x|, x H, k 0
Ya demostramos en el captulo 3 que esta condicion equivale (en un espacio
normado) a la continuidad del operador T. Ademas, permite denir la norma
del operador:
|T| = sup
_
|Tx|
|x|
: x H, x ,= 0
_
= sup|Tx| : x H, |x| = 1
Se tiene entonces:
|Tx| |T| |x|, x H
Tengase en cuenta que esta denicion implica que |T| es el nmo de las cons-
tantes k que acotan al operador. Y que no tiene por que existir un vector x
79
80 CAP
ITULO 5. OPERADORES EN ESPACIOS DE HILBERT

que verique |Tx| = |T| |x| (aunque veremos casos como el de los operadores
compactos, donde esto s ocurre). La norma de un operador verica:
|AB| |A| |B|
No es difcil construir ejemplos sencillos de operadores acotados, aunque no
sea tan sencillo calcular su norma. Sea H
1
= H
2
= l
2
y T la aplicacion en
l
2
que transforma el vector x en y con y
1
= 0, y
n
= x
n1
(operadores de
desplazamiento). Se trata de un operador acotado y su norma es igual a 1.
Hay ocasiones en las que los operadores no aparecen denidos sobre todo
el espacio de Hilbert sino sobre un subespacio (necesariamente se trata de un
subespacio al ser el operador lineal). Se llama dominio del operador T, D(T),
al subespacio en el que esta denido este operador. Se dice que un operador es
acotado en su dominio si
sup
_
|Tx|
|x|
: x D(T), x ,= 0
_
<
El resultado mas interesante es que un operador acotado se puede extender de
manera unica al cierre de su dominio, manteniendo la norma, con lo cual siempre
se puede suponer que el dominio de un operador acotado es cerrado (y por lo
tanto un espacio de Hilbert). Si el dominio de un operador acotado es denso en el
espacio de Hilbert, entonces dicho operador se puede extender a todo el espacio.
Este resultado no es cierto para un operador no acotado. La demostracion se
basa en el uso de sucesiones de Cauchy. Dado x D(T), existe una sucesion
en D(T) que tiende a x en H, que obviamente es de Cauchy en D(T). Al ser T
continuo, la imagen de esta sucesion de Cauchy es tambien de Cauchy y por lo
tanto tiene lmite en el espacio nal. Se llama rango (o recorrido) de un operador
a su imagen.
Los operadores no acotados son fundamentales en Mecanica Cuantica, aun-
que su teora es mucho mas complicada que la de los acotados. Por ejemplo, el
operador momento, P = i
d
dx
, no es acotado en el siguiente dominio de L
2
[0, 1]
D(T) = f L
2
[0, 1] : f C
1
[0, 1]
Resulta necesario restringir el dominio, pues no todas las funciones de L
2
[0, 1]
son derivables. Si se toma en este espacio el conjunto de funciones e
inx
, que
tienen norma 1, se observa como las normas de las imagenes no estan acotadas.
La restriccion puede dar lugar a operadores con propiedades muy diferentes.
Supongamos que P est a denido en el siguiente dominio (un subespacio de
L
2
[0, 1]):
D(T) = f L
2
[0, 1] : f absolutamente continua
(absolutamente continua equivale esencialmente a ser (casi doquiera) la integral
indenida de una funcion continua). Pues bien, el espectro (concepto que dis-
cutiremos en el proximo captulo) de T es todo C. Pero si el dominio se dene
como:
D(T) = f L
2
[0, 1] : f absolutamente continua, f(0) = 0
entonces el espectro es vaco (aunque los dominios son diferentes, ambos son
densos en L
2
[0, 1]).
5.2. OPERADORES ACOTADOS 81
No todo operador admite un inverso. Aunque lo admita, es posible que dicho
inverso no sea acotado. El problema es que, en general, el rango de un operador
(aunque sea acotado), no es un subespacio cerrado (aunque obviamente sea
un subespacio). Una condicion suciente para que el rango sea cerrado, es la
siguiente:
Proposicion 5.2.1 Dado un operador acotado T en un espacio de Hilbert H,
si existe k > 0 tal que
|Tx| k|x|, x H
entonces el rango de T es cerrado.
La demostracion es sencilla. Sea x
n
una sucesion de vectores en H e y
n
=
Tx
n
sus correspondientes imagenes. Supongamos que la sucesion de imagenes
converge a y H. Pero entonces:
|x
n
x
m
|
1
k
|T(x
n
x
m
)| =
1
k
|y
n
y
m
|
luego x
n
es de Cauchy y converge a x H. Como el operador es acotado,
Tx = lm
n
Tx
n
= y
luego y esta en el rango de T.
Puede entonces demostrarse la siguiente proposicion relativa al operador
inverso.
Proposicion 5.2.2 Un operador acotado en un espacio de Hilbert, H, es inver-
tible (posee un operador inverso que es acotado) si y solo si su rango es denso
en H y existe k > 0 tal que
|Tx| k|x|, x H
Si el operador es invertible, el rango coincide con todo H. Ademas, al ser T
1
acotado,
|T
1
y| |T
1
||y|, y H
es decir, escribiendo x = T
1
y:
|x| |T
1
||Tx|, x H
luego
|Tx| k|x|, x H
con k = 1/|T
1
|. Supongamos ahora que el rango es denso y se da la acotacion
anterior. Por la proposicion demostrada en primer lugar, el rango es cerrado y
por tanto coincide con H. Veamos que el operador T es inyectivo:
|Tx Ty| k|x y|
pero si Tx = Ty, entonces |x y| 0 y T es inyectivo. Luego existe T
1
(y
es lineal). Para probar que es acotado basta usar nuevamente la acotacion de la
proposicion.
82 CAP

Pero no es difcil encontrar ejemplos de operadores acotados que admiten un
inverso, pero este no es acotado. Por ejemplo, el operador (lineal acotado) en l
2
denido sobre la base ortonormal canonica,
Te
n
=
1
n
2
e
n
, n = 1, 2, . . .
tiene un inverso (porque es inyectivo). El dominio del inverso no es sin embargo,
todo l
2
, pero es denso en el (pues contiene a la base ortonormal e
n
). Si T
1
fuera continuo, de acuerdo con lo anterior, se podra extender su accion a todo
l
2
. Pero no lo es:
T
1
e
n
= n
2
e
n
y los elementos de la base tienen norma 1. Luego no es acotado. Es posible
encontrar elementos de l
2
sobre los que no esta denido T
1
. Por ejemplo x =
(1, 1/2, 1/3, . . .)
Como se vio en el captulo dedicado a los espacios de Banach, el espacio de
aplicaciones lineales continuas entre dos espacios de Hilbert (que son de Banach)
es un espacio de Banach, con la norma denida anteriormente. Pero en general
no es un espacio de Hilbert (con mas precision solo lo es si el espacio nal tiene
dimension 1, es decir, es el dual topologico). Sin embargo, en ocasiones es mas
conveniente usar otras topologas en este espacio de aplicaciones. Supongamos
que el espacio nal e inicial son el mismo y consideremos el espacio de operadores
acotados /(H). La topologa inducida por la norma se llama tambien topologa
uniforme. Una sucesion de operadores A
n
converge en esta topologa al operador
A si y solo si |A A
n
| 0 cuando n . Se puede denir tambien una
topologa fuerte, en la que la convergencia se describe como sigue. Una sucesion
de operadores A
n
converge en la topologa fuerte a un operador A si y solo si
para cada vector x del espacio H, la sucesion de vectores de H, A
n
x, converge
a Ax. Esta claro que si una sucesion converge en norma, tambien lo hace en la
topologa fuerte (no entraremos en detalles de como se dene la topologa fuerte.
Tengase en cuenta que el hecho de saber cuando una sucesion es convergente o
no, no basta para determinar completamente la topologa). La topologa debil
reduce a un mas el concepto de convergencia llevandolo al cuerpo: una sucesion
de operadores acotados A
n
es convergente debilmente a un operador A si y solo
si la sucesion de escalares (x, A
n
y) converge a (x, Ay) para cualquier par de
vectores x, y H. La topologa uniforme es mas na que la fuerte y esta mas
na que la debil. Es decir, hay sucesiones que convergen debilmente pero no
lo hacen fuertemente y sucesiones que lo hacen fuertemente pero no en norma.
Sin embargo, si una sucesion converge en norma tambien lo hace fuertemente y
debilmente.
5.3. Funcionales lineales continuos
Como en el caso de operadores entre espacios de Banach, un caso muy impor-
tante de operadores aparece cuando el espacio nal es el cuerpo K sobre el que
esta construido el espacio de Hilbert. Se habla entonces de funcionales lineales.
Los mas interesantes son los continuos, y en el caso de espacios de Hilbert, como
se haca en dimension nita, es muy sencillo construirlos utilizando el producto
5.3. FUNCIONALES LINEALES CONTINUOS 83
escalar. Veamos dos ejemplos de funcionales sobre el espacio l
2
(C). Sea
F(x) =
n=1
x
n
n
, x = (x
n
) l
2
(C)
Se trata de un funcional lineal, pues si
n=1
[x
n
[
2
<
se tiene tambien (por la desigualdad de Cauchy-Schwarz)
n=1
x
n
n
<
Este funcional se puede escribir como:
n=1
x
n
n
= (y, x), y =
_
1
n
_
l
2
(C)
Es continuo, pues
[(y, x)[ |y| |x|, x l
2
(C)
Se tiene ademas que la norma del funcional es:
|F| = |y| =
n=1
1
n
2
De hecho todos los funcionales de esta forma son continuos, y ademas, como
veremos a continuacion por el teorema de Riesz-Frechet, todos los funcionales
lineales continuos son de esta forma. Sea ahora
G(x) =
n=1
x
n
n
, x = (x
n
) l
2
(C)
denido cuando la serie de termino general
x
n
n
es convergente. Este funcional es
lineal, pero no es continuo. Si lo fuera, estara representado por el vector (1/
n)
(seg un el teorema de Riesz-Frechet) que no pertenece a l
2
(C).
Como en el caso de dimension nita, se verica el teorema de Riesz-Frechet.
Teorema 5.3.1 (Riesz-Frechet) Sea H un espacio de Hilbert. Entonces, para
todo funcional continuo F : H K existe un unico vector x
F
H tal que:
F(y) = (x
F
, y), y H
Demostremos este resultado. En primer lugar, el n ucleo de un funcional continuo
(y en general, de un operador acotado) es un subespacio cerrado. Si coincide
con H el funcional es el cero. Si no coincide, sea
H = ker F (ker F)
84 CAP

la descomposicion ortogonal de H respecto al n ucleo de F. Consideremos un
vector no nulo x (ker F)
. Todo vector y H se puede escribir como:

y = y ax +ax
donde a K. Elijamos a de forma que y ax ker F:
F(y ax) = F(y) aF(x) = 0 a =
F(y)
F(x)
Entonces
y =
_
y
F(y)
F(x)
x
_
+
F(y)
F(x)
x
y el vector x es ortogonal a y
F(y)
F(x)
x, con lo que:
(x, y) =
F(y)
F(x)
|x|
2
F(y) =
F(x)
|x|
2
(x, y) =
_
F(x)
|x|
2
x, y
_
= (x
F
, y)
donde
x
F
=
F(x)
|x|
2
x
A pesar de que x se ha elegido arbitrariamente en (ker F)
, el vector x
F
es
unico. Si z H verica:
F(y) = (x
F
, y) = (z, y), y H
entonces z = x
F
.
Una consecuencia del teorema de Riesz-Frechet es que la dimension del subes-
pacio ortogonal al n ucleo de un funcional lineal continuo es 1. Tengase en cuenta
que estos resultados son ciertos para funcionales lineales continuos. Si no es con-
tinuo, el n ucleo no es un subespacio cerrado, de hecho es denso en el espacio
total (y distinto de el).
El espacio de funcionales lineales continuos (el dual, H
) es un espacio de
Hilbert, con un producto escalar denido de forma natural como:
(F, G) = (x
F
, x
G
)
y existe un anti-isomorsmo (lineal conjugado) entre H y su dual H
.
5.4. Funcionales bilineales hermticos
Dado un espacio de Hilbert H, se pueden denir aplicaciones de H H en
K que veriquen las siguientes propiedades:
(x, y +z) = (x, y) +(x, z)
(x +y, z) = (x, z) +

(y, z)
Es decir lineales en la segunda variable y antilineales en la primera. Se llamaran
funcionales (o formas) bilineales (por abuso de lenguaje ciertamente). En el caso
particular en que se verique ademas:
(x, y) = (y, x)
5.5. OPERADORES AUTOADJUNTOS Y UNITARIOS 85
se llamaran formas hermticas (o sesquilineales).
Asociados a ellos aparecen las formas cuadraticas, dadas por
Q
(x) = (x, x)
(no entraremos en detalles de una denicion independiente de formas cuadraticas
ni la restringiremos al caso en que sea hermtica, aunque esto sea lo mas
natural).
Debido a las propiedades expuestas anteriormente, cuando es un funcio-
nal hermtico, Q(x) es real (y viceversa). En este caso, se dice que la forma
cuadratica es denida positiva si Q(x) > 0 para todo x H distinto de cero.
La forma bilineal se puede expresar en terminos de su forma cuadratica
asociada (identidades de polarizacion):
(x, y) = Q
_
1
2
(x+y)
_
Q
_
1
2
(xy)
_
+iQ
_
1
2
(x+iy)
_
iQ
_
1
2
(xiy)
_
Los conceptos de acotacion (continuidad) para funcionales bilineales y formas
cuadraticas son similares a los utilizados para funcionales lineales. Se dice que
una forma bilineal es acotada si existe k > 0 tal que
[(x, y)[ k|x| |y|, x, y H
y una forma cuadratica es acotada si
[Q
(x)[ k|x|
2
, x H
Se comprueba facilmente que es posible denir las normas de formas bilineales
y cuadraticas acotadas por:
|| = sup[(x, y)[ : |x| = |y| = 1, |Q
| = sup[Q
(x)[ : |x| = 1
y que una forma bilineal y su forma cuadratica asociada son acotadas o no
simultanemante.
Ademas se dan la siguientes desigualdades entre sus normas cuando son
acotadas:
|Q
| || 2|Q
|
La demostracion es una consecuencia de la identidad de polarizacion y la ley
del paralelogramo. Pero si es hermtica, entonces:
|Q
| = ||
5.5. Operadores autoadjuntos y unitarios
Consideremos ahora el caso de operadores lineales acotados (en principio se
pueden hacer desarrollos similares para operadores no acotados, pero no po-
demos entrar en ello ahora) de un espacio de Hilbert en s mismo. Sea pues
A : H H un operador lineal acotado.
Denicion 5.5.1 Se llama operador adjunto de A al operador A
+
que verica:
(x, Ay) = (A
+
x, y), x, y H
86 CAP

Se puede demostrar que el operador A
+
existe y es unico, usando formas bili-
neales. Si A es un operador acotado,
A
(x, y) = (x, Ay)
es una forma bilineal (no necesariamente hermtica). Pero es tambien acotada
y se puede probar facilmente que
|A| = |
A
|
Partiendo de
A
se puede denir para cada x H jado, un funcional lineal:
x
(y) = (x, y) = (x, Ay)
que es tambien acotado. Por el teorema de Riesz-Frechet, existe z
x
H tal que:
x
(y) = (z
x
, y) = (x, Ay)
La correspondencia
x z
x
es lineal y dene un operador lineal y acotado (como se puede probar facilmente)
A
+
, que cumple
(A
+
x, y) = (x, Ay), |A| = |A
+
|
Proposicion 5.5.1 El operador adjunto verica las siguientes propiedades:
1. (aA+bB)
+
= aA
+
+
bB
+
2. (A
+
)
+
= A
3. (AB)
+
= B
+
A
+
4. Si el operador A tiene un inverso que esta acotado, entonces A
+
tambien
lo tiene y se verica (A
1
)
+
= (A
+
)
1
5. |A|
2
= |AA
+
|
La demostracion de la ultima propiedad, se sigue de la acotacion siguiente
|AA
+
| |A| |A
+
| = |A|
2
y de:
|Ax|
2
= (Ax, Ax) = (A
+
Ax, x) |A
+
Ax| |x| |A
+
A| |x|
2
lo que implica que
|A
+
A| |A|
2
Una clase importante entre los operadores acotados es la de los que coinciden
con su adjunto.
Denicion 5.5.2 Sea A un operador lineal acotado denido sobre un espacio
de Hilbert H. Se dice que A es autoadjunto si
A = A
+
Se tiene entonces que A : H H, lineal y acotado, es autoadjunto si y solo si:
(x, Ay) = (Ax, y), x, y H
o tambien si y solo si (Ax, x) es real para todo x H. La norma de un operador
autoadjunto se puede calcular mediante la expresion:
|A| = sup[(x, Ax)[ : x H, |x| = 1
En efecto,
[(x, Ax)[ |A| |x|
2
y por tanto (si x ,= 0):
[(x, Ax)[
|x|
2
|A|
de donde
k = sup
_
[(x, Ax)[
|x|
2
, x ,= 0
_
|A|
La desigualdad en sentido contrario se puede obtener de la forma siguiente.
Aplicando A a una combinacion con dos vectores x, y H y siendo K se
tiene:
k|x +y|
2
[(x +y, A(x +y))[
= [(x, Ax) +[[
2
(y, Ay) + 2 Re((x, Ay))[
Cambiando por
k|x y|
2
[(x y, A(x y))[
= [(x, Ax) +[[
2
(y, Ay) 2 Re((x, Ay))[
Es decir,
(x, Ax) +[[
2
(y, Ay) + 2 Re((x, Ay)) k|x +y|
2
(x, Ax) [[
2
(y, Ay) + 2 Re((x, Ay)) k|x y|
2
y sumando
4 Re((x, Ay)) k(|x +y|
2
+|x y|
2
) = 2k(|x|
2
+[[
2
|y|
2
)
Si ahora tomamos
=
(x, Ay)|x|
(x, Ay)|y|
se obtiene
Re (x, Ay) k|x| |y|
para toda pareja de vectores x, y H. Eligiendo x = Ay, se tiene:
|Ay|
2
= [(Ay, Ay)[ k|Ay| |y|
Luego |Ay| k|y| y por tanto |A| k lo que demuestra el resultado.
Un operador autoadjunto es evidentemente normal, es decir conmuta con
su adjunto. Como veremos los operadores unitarios son tambien normales y
88 CAP

comparten muchas propiedades con los autoadjuntos debido a este hecho. Los
operadores autoadjuntos son fundamentales en las aplicaciones de la teora en
la Mecanica Cuantica, en la que los observables vienen representados por este
tipo de operadores. Tengase en cuenta que cuando el dominio del operador no es
todo H, es posible que el dominio de su operador adjunto no coincida con el del
operador de partida. Si se verica (x, Ay) = (Ax, y) para todo par de vectores
x, y D(A), se dice que el operador es simetrico (o a veces hermtico) (con
D(A
+
) D(A)), reservando el termino autoadjunto para el caso de operadores
simetricos cuyos dominios coincidan. En ciertos casos es posible denir lo que se
denomina extensiones autoadjuntas, pero no podemos entrar en este tema aqu.
Consideremos por ejemplo el operador posicion en Mecanica Cuantica:
(Qf)(x) = xf(x)
Esta claro que su dominio no es todo L
2
(R). Se puede elegir:
D(Q) = f L
2
(R) : xf L
2
(R)
que no es todo L
2
(R), pero que es denso en el. Efectivamente, no es difcil
comprobar que el dominio contiene a las funciones continuas en un compacto
(en cualquiera) y por lo tanto a todas las funciones de soporte compacto. Pero
sabemos que el conjunto de funciones con soporte compacto es denso en L
2
(R)
(en cualquier L
p
(R)). Por lo tanto tenemos un operador con dominio denso en
L
2
(R). Sin embargo este operador no es acotado en su dominio. Consideremos
las funciones
[n,+n]
(x) que estan obviamente en D(Q). Su norma L
2
es:
_
R
[
[n,+n]
(x)[
2
dx =
_
[n,+n]
dx = 2n
Sin embargo, la norma de las imagenes es:
_
R
[x
[n,+n]
(x)[
2
dx =
_
[n,+n]
x
2
dx =
2n
3
3
y el cociente es:
|Q
[n,+n]
|
|
[n,+n]
|
=
n
2
3
que no esta acotado.
El operador adjunto (que se puede denir, aunque Q no sea acotado) verica:
(Q
+
f, g) = (f, Qg), f D(Q
+
), g D(Q)
En este caso, el operador Q es hermtico (simetrico), pues:
(Qf, g) = (f, Qg), f, g D(Q)
y, por tanto (de la construccion del operador adjunto),
D(Q) D(Q
+
)
Se puede demostrar tambien que ambos dominios coinciden (pero no lo haremos
aqu) y el operador es autoadjunto.
Otro tipo de operadores importantes, de los que ya hemos visto un ejem-
plo cuando estudiamos la descomposicion ortogonal del espacio de Hilbert (en
realidad, como veremos, todos son as), son los proyectores ortogonales.
Denicion 5.5.3 Se dice que un operador acotado denido en un espacio de
Hilbert H es un proyector ortogonal si es autoadjunto (P = P
+
) e idempotente
(P
2
= P).
Al ser acotado, el nucleo de P es un subespacio cerrado y por tanto
H = ker P (ker P)
(suma directa ortogonal). Pero se tiene que

(ker P)
= Ran P
pues si x Ran P, entonces x = Px por ser P idempotente. De esta forma,
(x, y) = (Px, y) = (x, Py) = 0
cuando y ker P. Luego Ran P (ker P)
. Si x (ker P)
, entonces, para
todo y H:
(x Px, y) = (x, y Py) = 0
pues y Py ker P y por tanto, x Px = 0 y x Ran P.
Por tanto, todo proyector induce una descomposicion ortogonal del espacio
de Hilbert, en suma de su n ucleo y su rango. Y viceversa, como hemos visto,
dado un subespacio cerrado, M, se tiene un proyector del cual es el rango.
Veamos que es acotado.
H = M M
, x = y +z, y M, z M
Px = y, |Px|
2
= |y|
2
|y|
2
+|z|
2
= |x|
2
luego |P| 1 y si x M, Px = x. y la norma de un proyector ortogonal es
igual a 1. El ser autoadjunto e idempotente es inmediato (como ya vimos en su
momento)
Un operador en un espacio de Hilbert puede actuar de forma irreducible o
reducible. En el primer caso, no existe ning un subespacio cerrado (nos limitare-
mos a este caso) invariante excepto el total y el 0. En el segundo existe alg un
subespacio no trivial tal que AM M. Pero en este segundo caso se puede
uno preguntar si el subespacio complementario a M es tambien invariante. De
entre los posibles subespacios complementarios (cerrados), el mas interesante es
el ortogonal. Se dice que un subespacio reduce a un operador (el operador es
completamente reducible) si tanto M como M
son invariantes bajo A. Como

se puede probar, un subespacio reduce a un operador si y solo si es invariante
bajo A y A
+
(consecuencia inmediata de que si M es un subespacio invariante
para un operador A, su complementario ortogonal es invariante bajo A
+
).
Es muy sencillo construir un operador que sea reducible pero no completa-
mente reducible. Consideremos el espacio de Hilbert l
2
y en el el operador de
desplazamiento:
A(x
1
, x
2
, . . .) = (0, x
1
, x
2
, . . .)
Su operador adjunto se calcula facilmente:
A
+
(x
1
, x
2
, . . .) = (x
2
, x
3
, . . .)
90 CAP

El operador A es reducible. Cualquier subespacio N con vectores de la forma:
(0, . . . , 0, x
m
, x
m+1
, . . .)
es invariante bajo A. Su ortogonal, formado por vectores:
(x
1
, . . . , x
m1
, 0, . . .)
lo es bajo A
+
. Sin embargo, N no es invariante bajo A
+
, luego este tipo de
subespacios no reduce a A.
Pero a un mas. No hay nig un subespacio no trivial que reduzca a A. Supon-
gamos que M fuera uno de tales subespacios. Sea
x = (0, . . . , 0, x
m
, x
m+1
, . . .)
un vector no nulo de M, con x
m
,= 0. Aplicando m veces A
+
se tiene:
(A
+
)
m
x = (x
m+1
, x
m+2
, . . .)
y m veces A:
A
m
(A
+
)
m
x = (0, . . . , 0, x
m+1
, x
m+2
, . . .)
que, debido a la invariancia de M bajo A y A
+
, es un vector de M y por lo
tanto:
x A
m
(A
+
)
m
x = (0, . . . , 0, x
m
, 0, . . .) M
Es decir, los vectores de la base ortonormal canonica de l
2
estan en M (al estar
uno de ellos y ser invariante bajo A y A
+
es inmediato que estan todos). Por lo
tanto M = l
2
.
Resulta entonces que las condiciones de invariancia de un subespacio se
pueden escribir en terminos de proyectores. As es posible demostrar que un
subespacio (cerrado) es invariante bajo un operador A (siempre acotado) si su
proyeccion asociada P verica
AP = PA
De forma similar, un subespacio reduce a un operador si su proyector conmuta
con el.
Dados dos proyectores, P
1
y P
2
su suma no es en general un proyector.
Sin embargo si P
1
P
2
= P
2
P
1
= 0, entonces su suma es un proyector sobre el
espacio suma de los asociados a P
1
y P
2
(que son necesariamente ortogonales).
Para poder estudiar en detalle la teora espectral de operadores y los teoremas
de descomposicion espectral, es necesario introducir sumas (no necesariamente
nitas ni siquiera numerables) de proyectores y una relacion de orden (asociada
a la inclusion de los correspondientes subespacios). Pero no podemos ir por
ahora mas lejos en este asunto.
El tercer tipo de operadores que vamos a estudiar es fundamental en Mecani-
ca Cuantica: operadores unitarios (operadores de evolucion).
Denicion 5.5.4 Se dice que un operador lineal acotado en un espacio de Hil-
bert es unitario si
UU
+
= U
+
U = 1
H
Si un operador es unitario conserva el producto escalar:
(Ux, Uy) = (x, y), x, y H
De hecho esta propiedad, unida a que el operador sea biyectivo, dene a los
operadores unitarios. La norma de un operador unitario es igual a 1. Los ope-
radores que conservan el producto escalar (y por tanto de la norma) sin ser
necesariamente biyectivos se llaman isometras. Existe otra clase de operadores
llamados isometras parciales que son fundamentales, por ejemplo, en la teora
de colisiones. Una isometra parcial es un operador que restringido al ortogonal
de su n ucleo es una isometra.
Por ejemplo, el operador desplazamiento en l
2
:
T(x
1
, x
2
, . . .) = (0, x
1
, x
2
, . . .)
es isometrico, sin embargo no es unitario. No es biyectivo (su rango son los
vectores con primera coordenada cero). Su adjunto es
T
+
(x
1
, x
2
, . . .) = (x
2
, x
3
, . . .)
y se tiene:
T
+
T(x
1
, x
2
, . . .) = (x
1
, x
2
, x
3
, . . .)
luego T
+
T = I, pero TT
+
,= I.
La transformada de Fourier en L
2
(R)
Un operador unitario muy importante en las aplicaciones a la Fsica es la
transformada de Fourier. Su denicion usual es
(Tf)(k) =
1
2
_

e
ikx
f(x) dx
Para denirla en el espacio L
2
(R) utilizaremos una base ortonormal. Sea la base
formada por las funciones de Hermite:
n
(x) =
1
(n!2
n
)
1/2
e
x
2
/2
H
n
(x), n = 0, 1, 2, . . .
Sobre esta base, la transformada de Fourier se dene por:
(T
n
)(k) = (i)
n
n
(k), n = 0, 1, . . .
(se puede comprobar que coincide con la denicion anterior). A partir de aqu,
por linealidad lo construimos para cualquier combinacion lineal nita de las
funciones de esta base y viene dada por la integral anterior. Se puede probar
facilmente que es biyectivo (sobre lin
n
) e isometrico. Su inverso viene dado
por:
(T
1
g)(x) =
1
2
_

e
ikx
g(k) dk
Finalmente se prueba que existe un unico operador lineal acotado en L
2
(R)
que coincide con este en el subespacio lin
n
. La actuacion sobre funciones
arbitrarias de L
2
(R) se dene por:
(Tf)(k) =
i
2
d
dk
_

e
ikx
1
x
f(x) dx
92 CAP

(T
1
g)(x) =
i
2
d
dx
_

e
ikx
1
k
g(k) dk
En el caso en que la funcion f sea integrable en modulo en R, es decir este en
L
1
(R) ademas de en L
2
(R), es sencillo probar que las formulas anteriores se
reducen a:
(T)(k) =
1
2
_

e
ikx
f(x) dx
(T
1
g)(y) =
1
2
_

e
ikx
g(k) dk
5.6. Operadores positivos
En un espacio de Hilbert es posible introducir un concepto de operador
positivo utilizando el producto escalar.
Denicion 5.6.1 Se dice que el operador acotado A en el espacio de Hilbert H
es positivo si (Ax, x) 0 para todo x de H.
Para un operador positivo es posible denir su raz cuadrada, como el unico ope-
rador positivo que verica que su cuadrado es el operador de partida. Con esta
denicion, el modulo de un operador arbitrario se dene como la raz cuadrada
del producto de ese operador por su adjunto (producto que es positivo):
[A[ =

A
+
A
Usando estas deniciones es posible escribir la descomposicion polar de un
operador (similar a la de los n umeros complejos).
Teorema 5.6.1 Dado un operador lineal acotado en un espacio de Hilbert, exis-
te una isometra parcial U tal que
A = [A[U
La isometra U se determina de manera unica si se exige que su n ucleo sea igual
al de A. El rango de U es el cierre del rango de A.
5.7. Operadores compactos
Los operadores compactos (o completamente continuos), ((H), forman una
clase de operadores en espacios de Hilbert con numerosas aplicaciones. Su rela-
cion con los operadores integrales hace que les dediquemos unas breves lneas.
Denicion 5.7.1 Se dice que un operador lineal en un espacio de Hilbert es
compacto si la imagen de un subconjunto compacto es precompacta (es decir su
complecion (o, en este caso, su cierre) es un compacto).
La siguiente propiedad es equivalente a la denicion: un operador es compacto
si toda sucesion acotada tiene como imagen una sucesion que admite subsu-
cesiones convergentes. Se puede probar que un operador compacto transforma
sucesiones debilmente convergentes (en la topologa debil, es decir, x
n
converge
5.8. OPERADORES DE CLASE DE TRAZA Y HILBERT-SCHMIDT 93
debilmente a x
0
si (x
n
, y) converge en C para todo y H a (x
0
, y)) en sucesiones
convergentes en el sentido de la norma. Todo operador compacto es continuo (en
dimension nita coinciden con todos los operadores). La norma de un operador
compacto se puede obtener para alg un vector x H:
|Tx| = |T|, |x| = 1
Ademas si un operador es compacto, su adjunto tambien lo es.
Un caso sencillo de operadores compactos son los de rango nito (es decir, el
rango de T es un subespacio vectorial de dimension nita). Pero se puede decir
a un mas. Un operador compacto en un espacio de Hilbert separable es el lmite
(en norma) de una sucesion de operadores de rango nito. Esto hace que muchas
de las propiedades de los espacios de dimension nita puedan ser trasladadas
a dimension innita. En particular los relacionados con las soluciones de la
ecuacion Tx = x. En el caso de dimension nita esta ecuacion tiene solucion
no trivial o bien el operador (T 1
H
)
1
existe. En el caso innito la situacion es
mas complicada. Pero para operadores compactos se sigue dando esa propiedad.
Lo veremos con mas detalle cuando estudiemos los espectros de operadores.
5.8. Operadores de clase de traza y operadores
Hilbert-Schmidt
La traza de un operador en un espacio de Hilbert se puede denir de la forma
siguiente. Dada una base ortonormal u
n
y un operador acotado positivo, la
traza de A es:
tr A =
n=1
(u
n
, Au
n
)
La traza no depende de la base elegida. Se dice que un operador es de la clase de
traza si la traza de su modulo (en el sentido denido en la seccion 5.6) es nita.
Los operadores de clase de traza forman un ideal en el espacio de los operadores
acotados. En este espacio es posible denir una norma, | |
1
= tr [A[. De esta
forma, el espacio de los operadores de clase de traza es un espacio de Banach.
Ademas
|A| |A|
1
Los operadores de clase de traza son compactos. Para operadores no necesaria-
mente positivos (pero en ((H)), la traza se dene por:
tr A =
n=1
(u
n
, Au
n
)
pues se puede demostrar que esta suma es convergente y ademas no depende de
la base ortonormal elegida (se usan conceptos de operadores de Hilbert-Schmidt
que deniremos a continuacion). Uno de los aspectos mas interesantes de los
operadores de clase de traza es que son el dual del espacio de los operadores
compactos (usando la traza).
Los operadores Hilbert-Schmidt son una clase especial de operadores com-
pactos, con interesantes propiedades algebraicas. Sea A un operador lineal aco-
tado que verica que para alguna base ortonormal u
n
se tiene
n
|Au
n
|
2
< .
94 CAP

Es decir, tal que tr AA
+
es nita. Se escribe
|A|
2
=
n=1
|Au
n
|
Denicion 5.8.1 Se dice que un operador acotado es Hilbert-Schmidt si
|A|
2
<
La norma (usual) de un operador Hilbert-Schmidt es siempre menor o igual
que la norma Hilbert-Schmidt (| |
2
es una norma en la clase de operadores
Hilbert-Schmidt). El conjunto de los operadores de tipo Hilbert-Schmidt es un
espacio de Banach con esta norma | |
2
(de hecho, presenta una estructura
mas rica, pero no entraremos ello). Mas a un, el conjunto de operadores de tipo
Hilbert-Schmidt es un espacio de Hilbert. Se le denota por (
2
(H). Todo operador
Hilbert-Schmidt es un operador de la clase de traza y por tanto un operador
compacto
Una de las aplicaciones mas importantes de los operadores Hilbert-Schmidt
se basa en su relacion con las ecuaciones integrales que estudiaremos a conti-
nuacion.
5.9. Ecuaciones integrales
Comenzaremos por establecer la relacion existente entre los operadores in-
tegrales y los operadores de Hilbert-Schmidt en una realizacion concreta.
Sea H = L
2
(I), donde I es un intervalo de la recta real (en general, las
funciones de cuadrado integrable en un cierto espacio de medida). Si T es un
operador de Hilbert-Schmidt en H, entonces existe una funcion de cuadrado
integrable en I I, k(x, y),
_
II
[k(x, y)[
2
dxdy <
tal que el operador puede denirse por:
(Tf)(x) =
_
I
k(x, y)f(y) dy
Ademas, la norma Hilbert-Schmidt es:
|A|
2
=
_
II
[k(x, y)[
2
dxdy
El anterior es un operador integral aunque no todos los operadores integra-
les son Hilbert-Schmidt. Deniremos primeramente lo que es el n ucleo de un
operador integral.
Denicion 5.9.1 Sea L
2
(I) el espacio de Hilbert de las funciones de cuadrado
integrable con valores en C denidas en el intervalo I de la recta real. Un n ucleo
es una funcion k(x, y) medible Borel en I I, tal que la integral
_
I
[k(x, y)f(y)[ dy
esta en L
2
(I) para toda funcion f L
2
(I).
5.9. ECUACIONES INTEGRALES 95
Con las funciones k(x, y) es posible denir un operador en el espacio L
2
(I):
K : L
2
(I) L
2
(I), (Kf)(x) =
_
I
k(x, y)f(y) dy
Se trata de un operador lineal continuo (de n ucleo k(x, y)). El n ucleo dene
obviamente al operador, y viceversa, si dos operadores integrales son iguales,
entonces sus n ucleos son iguales casi doquiera. Dado un operador integral (con
n ucleo k(x, y)), su adjunto es otro operador integral cuyo n ucleo es k(y, x). Por
tanto un operador integral es autoadjunto si y solo si el n ucleo es simetrico, es
decir:
k(x, y) = k(y, x)
A partir de un operador integral K, se pueden construir las potencias K
n
.
Los n ucleos de estos operadores se llaman n ucleos iterados y verican la ecuacion
de recurrencia:
k
n
(x, y) =
_
I
k(x, t)k
n1
(t, y) dt, k
1
(x, y) = k(x, y)
Un operador integral se llama de tipo compacto si K
n
es un operador compacto
para alg un n.
Asociadas a este tipo de operadores se pueden considerar ecuaciones integra-
les que se presentan muy a menudo en Fsica. Se llaman ecuaciones integrales de
Fredholm homogeneas, de primera y de segunda clase y corresponden al esquema
(donde f es la funcion a calcular):
(K )f = g
Si g = 0 se llaman homogeneas. Si = 0 se llaman de primera clase. Y en el
caso general, de segunda clase. Si el n ucleo k(x, y) verica
k(x, y) = 0, x < y
se llaman ecuaciones de Volterra.
Como veremos en el siguiente tema, la resolucion de las ecuaciones integrales
es equivalente a obtener el espectro de los operadores integrales asociados.
96 CAP

Captulo 6
Espectros de operadores
6.1. Introduccion
El analisis del espectro de un operador en un espacio de Hilbert es funda-
mental en las aplicaciones de esta teora, especialmente en Mecanica Cuantica.
No podemos entrar aqu en todas las implicaciones que conlleva, especialmente
en el caso de operadores no acotados, pero intentaremos al menos dar algunos
resultados que pueden ser utiles para ciertas clases de operadores.
La situacion es muy diferente en los casos de dimension nita e innita.
Recuerdese que dado un operador en un espacio de Hilbert de dimension nita,
un escalar es un autovalor si existe un vector no nulo tal que
Ax = x
Se dice entonces que x es un autovector con autovalor . Y no hay ning un otro
elemento esencial en la teora.
Sea T un operador (no necesariamente acotado) en un espacio de Hilbert
H cuyo dominio es denso en H ( aunque no tiene por que ser igual a H). El
operador fundamental a la hora de clasicar los puntos del plano complejo en
relacion a T es el operador
(T 1
H
)
1
Este operador puede o no existir, ser acotado o no, y tener un dominio u otro. De
acuerdo con estas caractersticas se tiene lo siguiente (el operador (T 1
H
)
1
caso de existir se supone que esta denido en el rango de T 1
H
y tiene como
rango el dominio de ese operador).
Denicion 6.1.1 Clasicacion de los puntos de C atendiendo al operador T.
1. Se dice que C esta en el espectro puntual (
p
(T)) del operador T
si no existe el operador (T 1
H
)
1
.
2. Se dice que esta en el espectro residual del operador T (
r
(T)) si
el operador (T 1
H
)
1
existe, pero su dominio (es decir, el rango del
operador T 1
H
) no es denso en el espacio H.
3. Se dice que esta en el espectro continuo de T (
c
(T)) si existe (T
1
H
)
1
y su dominio es denso en H, pero no es acotado en su dominio.
97
98 CAP
ITULO 6. ESPECTROS DE OPERADORES

4. Se dice que esta en el resolvente de T ( (T) si existe (T 1
H
)
1
,
su dominio es denso en H y es acotado en su dominio.
Esta denicion clasica a todos los puntos del plano complejo en cuatro
conjuntos disjuntos. En el caso de dimension nita solo existe espectro puntual
y conjunto resolvente.
El operador R
(T) = (T 1
H
)
1
(que se llama operador resolvente) existe
(en cuyo caso estamos en el conjunto resolvente) o no (en cuyo caso estamos en
el espectro, que es solo puntual cuando la dimension es nita).
Cuando el operador es acotado el espectro es no vaco.
6.2. El espectro puntual y el espectro continuo
El espectro puntual es en todos sus aspectos igual en dimension nita e in-
nita. Si un punto pertenece a
p
, existe un vector del espacio (autovector), que
verica Tx = x. Esto es debido a la no existencia del operador inverso. Eviden-
temente puede existir mas de un vector l.i. con esta propiedad. El conjunto de
los autovectores asociados a un autovalor es el espacio propio de ese autovalor
y es un espacio invariante bajo el operador T. Pero puede ser de dimension in-
nita. Si dos autovectores corresponden a autovalores distintos son linealmente
independientes.
Supongamos el operador posicion en L
2
(R). Como hemos demostrado es un
operador con dominio denso en L
2
(R), pero no es acotado. Su espectro puntual
es vaco pues de:
( x)f(x) = 0
se tiene que f(x) = 0 casi doquiera. Al ser autoadjunto no existe espectro
residual (como veremos mas adelante). Su espectro continuo es toda la recta.
Podemos usar el siguiente criterio para demostrarlo.
Proposicion 6.2.1 Sea T un operador en un espacio de Hilbert con dominio
D(T). El operador (T 1
H
)
1
no existe o si existe no esta acotado en su
dominio si y solo si existe una sucesion de vectores en el dominio de T de
norma 1 tal que T 1
H
aplicado a esa sucesion, nos da una sucesion que
tiende a 0 cuando n .
Supongamos que existe dicha sucesion x
n
y que existe el operador (T 1
H
)
1
.
Construimos la sucesion:
y
n
=
1
|(T 1
H
)x
n
|
(T 1
H
)x
n
que es una sucesion de vectores de norma 1. Aplicando (T 1
H
)
1
(T 1
H
)
1
y
n
=
1
|(T 1
H
)x
n
|
x
n
obtenemos una sucesion de vectores de norma no acotada. Luego (T 1
H
)
1
no
esta acotado. Supongamos ahora que no existe el operador inverso (T 1
H
)
1
.
Eso implica que existe x H (que podemos elegir de norma 1), tal que
(T 1
H
)x = 0
6.3. EL RESOLVENTE 99
En este caso, podemos denir x
n
= x para todo n. La sucesion (T 1
H
)x
n
0
obviamente. La otra situacion es que exista el inverso (T 1
H
)
1
pero no
este acotado. Existe por tanto una sucesion, y
n
, de vectores de norma 1 en el
dominio de (T 1
H
)
1
, tales que:
|(T 1
H
)
1
y
n
|
Entonces la sucesion
x
n
=
1
|(T 1
H
)
1
y
n
|
(T 1
H
)
1
y
n
cumple las condiciones de la proposicion. Esto acaba la demostracion.
Si un punto C esta en el espectro puntual, el operador (T 1
H
)
1
no
existe y la sucesion de la que habla la proposicion se puede construir como hemos
visto en la demostracion (y de otras formas usando diferentes autovectores con
el mismo autovalor) aunque posiblemente contenga innitos terminos iguales. Si
esta en el espectro residual, la sucesion no puede contener innitos terminos
iguales.
Demostremos ahora que el espectro continuo del operador posicion es toda
la recta real (por ser autoadjunto, como veremos mas adelante, el espectro es
real). Consideremos la sucesion de funciones de L
2
(R):
f
n
(x) =
_
n
2
_
1/4
e
n
2
(x)
2
/2
que tienen norma 1. La sucesion de sus imagenes mediante Q1
H
(Q1
H
)f
n
=
_
n
2
_
1/4
(x )e
n
2
(x)
2
/2
tienen norma
|(Q1
H
)f
n
| =
_
n
2
_
1/2
_
R
(x )
2
e
n
2
(x)
2
dx =
1
2n
2
que tiende a 0 cuando n .
6.3. El resolvente
En el caso de dimension nita el resolvente es el conjunto de puntos que no
son autovalores. Sin embargo, en dimension innita la situacion es mas compleja.
Si nos limitamos a operadores acotados denidos en H lo unico que hay que
probar es que para que un punto este en el resolvente, el dominio de (T 1
H
)
1
debe ser denso en H (lo que por otra parte equivale a que este operador sea
acotado en todo H). Se puede demostrar que el conjunto resolvente es siempre
un abierto del plano:
Teorema 6.3.1 Sea H un espacio de Hilbert y T un operador lineal acotado.
Entonces, el conjunto resolvente es un abierto y el resolvente (como funcion de
) es analtico en su dominio (en cada componente conexa para ser mas precisos,
100 CAP

con valores en el espacio de operadores acotados de H). Para dos puntos cual-
quiera del conjunto resolvente, los operadores resolventes asociados conmutan y
se tiene:
R
(T) R
(T) = ( )R
(T)R
(T)
El resolvente se puede escribir usando la serie de Neumann. Desarrollando
formalmente:
R
(T) = (T 1
H
)
1
=
1
T 1
H
=
1
1
1 T/
=
1
_
1 +
n=1
_
T
_
n
_
que es una serie que converge cuando > |T|.
El espectro (la union del puntual, el continuo y el residual) es un cerrado. Es
mas, si el operador esta acotado, el espectro es no vaco, compacto y contenido
en el disco de centro el origen y radio la norma del operador. Si el operador es
autoadjunto, el radio espectral (el supremo de los puntos del espectro) es igual
a la norma del operador.
6.4. El espectro de un operador y de su adjunto
Entre el espectro de un operador y el de su operador adjunto existen unas
relaciones que generalizan las sencillas del caso de dimension nita (donde si
es un autovalor, su conjugado es un autovalor del operador adjunto). As, es
posible probar el siguiente resultado para operadores acotados con dominio en
H.
Proposicion 6.4.1 Los puntos del resolvente de un operador son los conju-
gados del resolvente del operador adjunto. De la misma forma los puntos del
espectro continuo de un operador son conjugados a los del espectro continuo del
operador adjunto. Sin embargo si un punto esta en el espectro puntual de un
operador su conjugado puede estar en el puntual del adjunto o en el residual.
Pero si un punto esta en el residual de un operador, su conjugado esta en el
puntual del adjunto.
6.5. Espectro de operadores acotados normales
Un operador acotado es normal si conmuta con su adjunto. La propiedad
mas importante (en relacion al espectro) que verican los operadores normales
es que si un punto del plano complejo es un autovalor, entonces su conjugado es
un autovalor del operador adjunto (recuerdese que para operadores arbitrarios
lo mas que puede decirse es que es un autovalor o esta en el espectro residual).
Ademas si dos autovectores corresponden a autovalores distintos, entonces son
ortogonales. Ambas propiedades son inmediatas de demostrar y se corresponden
al caso de dimension nita. El espectro residual es vaco para operadores norma-
les, es decir no hay puntos del plano complejo para los que exista (T 1
H
)
1
y el rango de T 1
H
no sea denso en H.
Si U es un operadores unitario, entonces es normal y por lo tanto se le aplican
los resultados anteriores. Pero ademas, el espectro (que consta de puntual y
continuo) se encuentra sobre la circunferencia unidad.
6.6. ESPECTRO DE OPERADORES COMPACTOS 101
Proposicion 6.5.1 Si U es un operador unitario, todo punto del espectro tiene
modulo 1.
De forma similar, para los operadores autoadjuntos se tiene la siguiente
proposicion.
Proposicion 6.5.2 Sea A un operador acotado autoadjunto en H. Entonces,
los puntos del espectro son reales y estan contenidos en el intervalo [nf(v, Av) :
|v| = 1, sup(v, Av) : |v| = 1]. Se tiene ademas que los extremos de este
intervalo estan en el espectro de A.
De aqu se deduce, usando el resultado sobre la norma que presentamos cuando
denimos los operadores autoadjuntos, que la norma de un operador autoad-
junto es igual al maximo de los valores absolutos de los extremos del intervalo
en el que esta contenido el espectro puntual.
Para proyectores ortogonales el resultado es el siguiente.
Proposicion 6.5.3 Sea P un proyector ortogonal distinto de 0 y la identidad.
Entonces, su espectro es solo puntual e igual a 0, 1.
6.6. Espectro de operadores compactos
Para los operadores compactos se tienen resultados mas precisos sobre la
estructura de su espectro. Se puede demostrar el siguiente resultado.
Proposicion 6.6.1 Sea A un operador compacto en un espacio de Hilbert. Se
tiene entonces que la suma de la dimensiones de los subespacios propios corres-
pondientes a autovalores que verican > k > 0 para todo k > 0, es nita.
Ademas, el espectro puntual es numerable (o nito) y el unico punto de acu-
mulacion (en el caso de que tenga alguno) es el 0. Todos los puntos del plano
complejo, salvo el cero, estan en el espectro puntual o en el resolvente y el cero
esta en el espectro.
6.7. Ecuaciones integrales
Volvemos ahora al tema de las ecuaciones integrales, centrandonos ahora en
las soluciones de las ecuaciones de Fredholm. En primer lugar estudiaremos los
n ucleos de rango nito. Consideremos el siguiente tipo de n ucleos:
k(x, y) =
n
i=1
a
i
(x)b
i
(y)
La ecuacion integral homogenea es
_
I
n
i=1
a
i
(x)b
i
(y)f(y) dy = f(x)
que se puede escribir como:
n
i=1
__
I
b
i
(y)f(y) dy
_
a
i
(x) = f(x)
102 CAP

es decir, si ,= 0, f es una combinacion lineal de las funciones a
i
(x), i = 1, . . . n,
y desde el punto de vista de operadores, se trata de calcular el espectro puntual
de un operador de rango nito. Las soluciones deben ser:
f(x) =
n
i=1
i
a
i
(x)
y sustituyendo en la ecuacion:
n
i=1
_
_
_
I
b
i
(y)
n
j=1
j
a
j
(y) dy
_
_
a
i
(x) =
n
i=1
i
a
i
(x)
es decir
n
j=1
ij
j
=
i
, i = 1, . . . , n
donde
ij
=
_
I
b
i
(y)a
j
(y) dy
Deniendo la matriz n n, A, de elementos
ij
, el problema queda reducido a
encontrar los autovalores no nulos de la matriz A.
Captulo 7
Distribuciones
7.1. Introduccion
Las distribuciones (o funciones generalizadas) permiten justicar de una ma-
nera adecuada muchas operaciones en Fsica que no estaban adecuadamente
formalizadas y encontrar nuevas e importantes aplicaciones. En esta breve in-
troduccion nos centraremos en las distribuciones sobre funciones de soporte
compacto y de decrecimiento rapido. Las primeras como introduccion al tema y
las segundas para poder denir la transformada de Fourier y desarrollar algunas
aplicaciones importantes.
7.2. Los espacios de funciones prueba
Las distribuciones van a ser funcionales lineales sobre unos ciertos espacios
de funciones (funciones prueba). Resulta de esta interpretacion que los espacios
de funciones mas interesantes son dos que vamos a describir a continuacion.
Sea un conjunto conexo y abierto de R
n
y C
0
() el conjunto de funcio-
nes de soporte compacto (el soporte de una funcion es el cierre de los puntos
donde esa funcion es distinta de cero) innitamente derivables denidas en .
Queremos dotar a este conjunto de una topologa que lo convierta en un espacio
localmente convexo y completo. Las dicultades provienen del hecho de que R
n
no es un espacio compacto. Para ser mas concretos, si en vez de considerar fun-
ciones en R
n
las consideramos en un compacto, entonces se puede denir una
topologa a traves de una familia de seminormas (los supremos de las derivadas
en el compacto) que es completa (espacios de Frechet: localmente convexos y
completos):
||
J
= supD
J
(x) : x K
n
, J = (j
1
, . . . , j
n
) Z
n
+
donde
D
J
(x
1
, . . . , x
n
) =

|J|
x
j
1
1
x
j
n
n
, [J[ = j
1
+ +j
n
Pero la completitud no se mantiene cuando se considera todo R
n
. La solucion
es considerar a R
n
como una union de compactos y hacer lo que se llama un
lmite inductivo. La descripcion de esta topologa nos lleva demasiado lejos (ver
103
104 CAP
ITULO 7. DISTRIBUCIONES
nota en el captulo dedicado al estudio de espacios topologicos), por lo que nos
limitaremos a estudiar algunas de las propiedades mas importantes.
Sea como antes, un abierto conexo de R
n
, y K
n
una familia creciente
de compactos, cuya union es igual a . En cada uno de los compactos K
n
consideramos las funciones de soporte compacto innitamente diferenciables y
la topologa localmente convexa asociada a la familia de seminormas del supremo
de las derivadas. El espacio que queremos considerar es la union de estos espacios
de funciones,
C
0
() =
_
n=1
C
0
(K
n
)
con la topologa del lmite inductivo. Este espacio se llamara T() y es un
espacio de Frechet. Dadas las dicultades de describir esta topologa nos limi-
taremos a exponer que quiere decir que una sucesion converja en ella. Sea pues
n
T(). Se tiene que
n
converge a si y solo si las funciones
n
y tie-
nen su soporte en un compacto y las derivadas D
J
n
convergen uniformemente
a D
J
para cada multi-ndice J.
Pero el espacio anterior no es util para todas las aplicaciones que uno en-
cuentra de distribuciones. Concretamente hay demasiadas distribuciones para
poder aplicar con facilidad la transformada de Fourier. Por eso consideramos
otro espacio, el de las funciones de decrecimiento rapido, que no tiene soporte
compacto, pero decrecen en el innito, ellas y sus derivadas, mas deprisa que
el inverso de cualquier polinomio. De esta manera engloban a las funciones de
soporte compacto y las distribuciones (que son los funcionales lineales) son mas
restrictivas que antes.
Se dene o(R
n
), el espacio de las funciones de decrecimiento rapido, como
el conjunto de funciones tales que:
||
I,J
= sup[x
I
D
J
(x)[ : I, J Z
n
+
, x R
n
<
Como antes, pero mas sencillamente, el espacio o(R
n
) con la topologa de las
seminormas anteriores es un espacio de Frechet.
7.3. Distribuciones
Una distribucion es un funcional lineal continuo sobre el espacio T(). La
cuestion de la continuidad hay que analizarla sobre la topologa de lmite induc-
tivo. Como esto resulta complicado desde nuestro punto de vista, la siguiente
proposicion proporciona un criterio adecuado para el estudio de la continuidad.
Proposicion 7.3.1 Un funcional lineal sobre T(R
n
) es continuo si y solo si
para todo compacto de R
n
se pueden encontrar una constante k y un entero
positivo m tal que:
[T()[ k
|J|m
|D
J
|
, C
0
(K)
Obviamente, el espacio T
es un espacio vectorial. Usaremos la topologa

debil, asociada a la siguiente nocion de convergencia:
lm
n
T
n
= T lm
n
T
n
() = T(), T
7.4. EJEMPLOS DE DISTRIBUCIONES EN T
105
(que es la apropiada para las seminormas que hemos discutido anteriormente).
entonces el espacio es completo, es decir
Proposicion 7.3.2 Sea T
n
una sucesion en T
y
T() = lm
n
T
n
(), T(R
n
)
Entonces, T es una distribucion ( lm
n
T
n
= T en T
).
Se puede denir el espacio de distribuciones sobre un subconjunto X de R
n
,
T
(X) con funciones prueba en T(X). Aunque una distribucion no esta denida
en un punto (en general), pues se trata de un funcional, se puede sin embargo
denir su soporte. Dado Y X y T T(X) se dene la restriccion de T a
Y haciendola actuar sobre funciones en T(Y ). Se tiene entonces la siguiente
denicion.
Denicion 7.3.1 Si T T(X), el soporte de T es el conjunto de puntos de X
para los que no existe ning un abierto que los contenga y en el que la restriccion
de T sea cero.
Un conjunto interesante de distribuciones es el de las de soporte compacto, pero
no entraremos en su estudio aqu.
7.4. Ejemplos de distribuciones en T
/
Toda funcion localmente sumable f (es decir, con integral nita en cualquier
subconjunto acotado del conjunto en el que esta denida) dene una distribucion
T
f
de T
. Se llaman distribuciones regulares. La distribucion se dene como:

T
f
() =
_
fdx
Funciones que denen la misma distribucion son iguales casi doquiera (es decir,
desde el punto de vista de los espacios L
p
son iguales).
Toda distribucion en T
es el lmite de una sucesion de funciones en T. Sea

por ejemplo f T(R
n
) y
u
(x) =
n
f
_
x
_
entonces, la distribucion asociada a u
(x) es:
u
(x)() =
_

n
f
_
x
_
(x) dx =
_
f(x)(x) dx (0)
_
f(x) dx
es decir, como veremos mas abajo, es esencialmente la delta de Dirac (salvo un
factor).
Veamos otro ejemplo de lmite. Sea ahora u
= e
ix
cuando x > 0 y
u
(x) = 0 si x 0. Calculemos el lmite cuando en el sentido de

distribuciones.
u
(x)() =
_

0
e
ix
(x) dx = i(0) +
_

0
e
ix
(x) dx
= i(0)
1
(0)
1
_

0
e
ix
(x) dx i(0)
106 CAP
integrando por partes y usando el hecho de que es de soporte compacto.
Pero hay distribuciones que no son regulares, como por ejemplo la delta de
Dirac. Si a R, se dene
a
como:
a
() = (a), f T
Se trata de un funcional lineal continuo sobre el espacio de las funciones de
soporte compacto.
La pseudofuncion 1/x, T(
1
x
), denida como sigue:
T
_
1
x
_
() = lm
0+
_
|x|>
1
x
(x) dx
(la integral es el valor principal de Cauchy, VP) es una distribucion de T
.
Veamos que es continuo al actuar sobre las funciones de T(R).
_
T
_
1
x
_
,
_
VP
_
|x|<a
1
x
(x) dx
donde el soporte de T(R) esta contenido en (a, a). Utilizando el teorema

del valor medio:
(x) (0) =
()x, (0, x)
_
T
_
1
x
_
,
_
VP
_
|x|<a
_
() +
(0)
x
_
dx
_
|x|<a
[
()[ dx
= 2a[
()[ 2a sup[
(x)[ : x (a, a)
que es una de las seminormas que se utilizan para determinar la topologa de
T(R). Esta distribucion esta relacionada con la delta de Dirac a traves de las
formulas de Sochozki,
lm
0
+
_
(x)
x + i
dx = VP
_
(x)
x
dx i(0)
Para demostrarla,
lm
0
+
_
|x|<a
1
x + i
(x) dx = lm
0
+
_
|x|<a
x i
x
2
+
2
(x) dx
Sumando y restando (0)
(0) lm
0
+
_
a
a
x i
x
2
+
2
dx + lm
0
+
_
a
a
x i
x
2
+
2
((x) (0)) dx
De la primera integral solo obtenemos la parte correspondiente a i, pues la
correspondiente a x es impar y se anula para todo . Integrando, se tiene
2i(0) lm
0
+
arctan
a
+ lm
0
+
_
a
a
x i
x
2
+
2
((x) (0)) dx
y tomando el lmite cuando 0 (en la integral podemos hacerlo dentro de
ella, pues la funcion ((x) (0))/x no tiene problemas en el origen)
i(0) +
_
a
a
(x) (0)
x
dx = i(0) + lm
0
_

(x)
x
dx
7.5. PROPIEDADES ELEMENTALES DE DISTRIBUCIONES 107
(basta descomponer el intervalo [a, a] en tres intervalos [a, ], [, ], [, a]).
De forma similar se puede probar que
1
x i0
= i +T
_
1
x
_
7.5. Propiedades elementales de distribuciones
Una distribucion puede multiplicarse por una funcion continua y obtener de
esta forma una nueva distribucion. Para una distribucion regular u es inmediato
escribir:
_
(f(x)u(x))(x) dx =
_
u(x)(f(x)(x)) dx
siendo f(x) una funcion continua, para toda funcion prueba (x).
Denicion 7.5.1 Dada una distribucion u T
y una funcion f C
se
dene la distribucion fu T
como:
(fu) = u(f)
Sin embargo el producto de distribuciones no se puede denir en general: es
necesario que los soportes de las distribuciones veriquen ciertas condiciones y
no lo consideraremos aqu. Sin embargo, siempre es posible denir el producto
de distribuciones asociadas a variables distintas (producto tensorial).
Uno de los objetivos de la introduccion de distribuciones es el poder te-
ner derivadas de cualquier orden. Para justicar la denicion de derivada de
una distribucion, consideremos una funcion u(x) que tiene una derivada parcial
continua,
x
k
u. Integrando por partes se tiene:
_
(
x
k
u)(x) dx =
_
u(x)
x
k
(x) dx
para toda funcion prueba T. Por tanto
Denicion 7.5.2 Dada una distribucion u T
se dene la derivada de una

distribucion como:
(
x
k
u) = u(
x
k
), T
Iterando la denicion es inmediato poder escribir:
(
J
u) = (1)
|J|
u(
J
), T
Ademas se puede comprobar facilmente que se verica la regla de Leibniz
x
k
(fu) = f(
x
k
u) + (
x
k
f)u
Veamos un ejemplo simple de calculo de la derivada de una distribucion. La
funcion de Heaviside (funcion paso (x)) es una distribucion regular:
() =
_

0
(x) dx
108 CAP
Su derivada es
() =
_

0
(x) dx = (0)
y por lo tanto
=
Esta propiedad se puede generalizar de la siguiente forma. Sea una funcion
u(x) continua en un subconjunto de R salvo en un punto (x
0
), y cuya derivada
(v) es integrable (excepto en un entorno de x
0
). Se tiene entonces que existen
los lmites de u(x) cuando x x
0
0 (por la derecha e izquierda). En efecto
u(y) u(x) =
_
y
x
v(t) dt, x
0
< x < y
u(x) u(z) =
_
x
z
v(t) dt, z < x < x
0
lo que asegura la existencia de esos lmites. Veamos ahora como calcular la
derivada de u en sentido de distribuciones
u
() = u(
) = lm
+0
_
|xx
0
|>
u(x)
(x) dx
Integrando por partes:
_
|xx
0
|>
u(x)
(x) dx = u(x
0
)(x
0
) u(x
0
+)(x
0
+)
_
|xx
0
|>
v(x)(x) dx
y tomando el lmite cuando +0:
u
() = (u(x
0
+ 0) u(x
0
0))(x
0
) + lm
+0
_
|xx
0
|>
v(x)(x) dx
es decir:
u
= (u(x
0
+ 0) u(x
0
0))
x
0
+v
Sin embargo, se puede probar que si la derivada de una distribucion en T
(),
con un abierto de R, es cero, entonces la distribucion es constante.
Como uno de los usos mas importantes que vamos a hacer de distribuciones
es en la teora de ecuaciones diferenciales, interesa conocer cuando la solucion
de estas lleva a funciones o a distribuciones (aunque el problema este planteado
inicialmente como distribuciones). Se tiene entonces el siguiente resultado
Proposicion 7.5.1 Si u T
(), R, verica
u
+au = f
donde a C
() y f C(), entonces u es una funcion en C

1
() y la ecuacion
se satisface en el sentido de funciones.
7.6. SOLUCIONES FUNDAMENTALES 109
Si a = 0, como f tiene una primitiva (v C
1
), se tiene:
(u v)
= 0
y por lo dicho anteriormente u v es constante con lo que u = v +k C
1
.
Si a ,= 0, se toma una solucion (C
), g(x) de la ecuacion g
= ag. Entonces
(gu)
= g(u
+au) = gf C
por lo que gu C
1
y u C
1
. El resultado se verica tambien en una ecuacion
diferencial lineal de orden arbitrario.
Las anteriores propiedades se pueden extender a n dimensiones y tenemos el
siguiente resultado (similar al que se obtuvo para la distribucion de Heaviside):
Proposicion 7.5.2 Sea un abierto de R
n
e Y , tal que Y tiene una
frontera C
1
en X. Entonces, si f C
1
, se tiene:
x
k
(f
Y
) = (
x
k
f)
Y
+fn
k
dS
donde
Y
es la funcion caracterstica del conjunto Y , n es la normal interior
al borde Y y dS la medida eucldea en ese borde.
y se tiene para ecuaciones en derivadas parciales:
Proposicion 7.5.3 Sea P un operador diferencial de primer orden
P =
k
a
k
(x)
x
k
+b(x)
donde a
k
C
1
y b C
0
en R
n
. Supongamos que la funcion u es C
1
y que
Pu = f, con f continua. Entonces, la ecuacion
Pu = f
se verica en el sentido de distribuciones.
7.6. Soluciones fundamentales
Como hemos repetido varias veces, una de las aplicaciones mas importantes
de las distribuciones es su uso en el calculo de soluciones de ecuaciones dife-
renciales. Veamos a continuacion lo que se entiende por solucion fundamental y
calculemos algunos ejemplos sencillos.
Denicion 7.6.1 Sea P un operador diferencial lineal de coecientes constan-
tes
P =
J
a
J
J
donde J es un multi-ndice. Una distribucion c es una solucion fundamental de
este operador si
Pc =
0
110 CAP
Vamos a calcular las soluciones fundamentales del operador de Laplace. En
el plano, la funcion:
c =
1
2
log r, x R
2
0, r = |x|
dene una distribucion que es la solucion fundamental buscada. Fuera del origen,
el laplaciano (escrito en polares) es:
c =
_

2
r
2
+
1
r
r
+
1
r
2
2
_
1
2
log r = 0
Veamos en primer lugar cuales son las derivadas primeras:
x
k
c() = c(
x
k
) = lm
0
_
S
c(
x
k
) d
siendo S
el exterior del disco de radio y centro el origen y d = dx

1
dx
2
.
Aplicando el teorema de Gauss y teniendo en cuenta que es de soporte com-
pacto,
_
S
x
k
(c) d =
_
C
c
x
k
r
dl
(siendo dl el elemento de lnea en la circunferencia de radio , C
, y por tanto
_
S
c(
x
k
) d =
_
S
(
x
k
c)d
_
C
c
x
k
r
dl
Finalmente:
x
k
c() = lm
0
_
S
(
x
k
c)d + lm
0
_
C
c
x
k
r
dl
Pero la segunda integral es cero, ya que es integrable cuando 0. Es decir:
x
k
c() = lm
0
_
S
(
x
k
c)d
y la funcion localmente integrable (
x
k
c) dene la distribucion derivada. Cal-
culamos ahora el laplaciano.
(c)() = c() = lm
0
_
S
c() d
y aplicamos el teorema de Green:
_
(fg gf) d =
_
_
f
g
n
g
f
n
_
dl
Se tiene entonces:
_
S
cd =
_
S
c d +
_
C
_
c
n

c
n
_
dl =
_
C
_
c
n

c
n
_
dl
7.7. CONVOLUCI
ON DE FUNCIONES Y DISTRIBUCIONES 111

y por lo tanto, tomando el lmite cuando 0
lm
0
_
S
cd = lm
0
_
C
_
c
n

c
n
_
dl
=
1
2
lm
0
_
C
_
log r
r
+
log r
r
_
r d
=
1
2
lm
0
_
C
_
r log r
r
+
_
d =
1
2
lm
0
_
C
d
= (0)
De esta manera se tiene que:
c =
0
En el caso n > 2 el resultado es
c =
0
, c =
1
(n 2)
n
1
r
n2
, r ,= 0
siendo
n
el area de la esfera unidad en n dimensiones y la funcion gamma
de Euler:
n
=
2
n/2
(
n
2
)
, (z) =
_

o
t
z1
e
t
dt
7.7. Convolucion de funciones y distribuciones
La convolucion de distribuciones es una herramienta muy util en las apli-
caciones. Daremos aqu los conceptos mas elementales para su uso. Veamos en
primer lugar su denicion para funciones.
Denicion 7.7.1 La convolucion de dos funciones continuas f, g, una de las
cuales es de soporte compacto es una funcion denida por:
f g(x) =
_
R
n
f(x y)g(y) dy
La convolucion es un operacion conmutativa y asociativa, con las condiciones
adecuadas sobre las funciones que aparecen en ella. Ademas:
_
(f g) dx =
_
f dx
_
g dx
En cuanto a la derivacion se tiene, si f es C
1
x
k
(f g) = (
x
k
f) g
Podemos extender esta denicion al caso en que T(R
n
) y u T
(R
n
)
(u )(x) = u((x y))
donde en el miembro de la derecha se entiende que la distribucion u act ua sobre
(x y) como funcion de y.
112 CAP
Las propiedades son similares a las expuestas para la convolucion de dos
funciones:
x
k
(u ) = (
x
k
u) = u (
x
k
)
(u ) = u ( )
Asimismo se puede extender al caso de distribuciones aunque aqu hay que
tomar mas precauciones. Sean las distribuciones u
1
, u
2
T
, una de las cuales

tiene soporte compacto. Entonces existe una unica distribucion u tal que
u
1
(u
2
) = u , T
y se escribe
u = u
1
u
2
La convolucion juega un papel esencial en la aplicacion de soluciones funda-
mentales al calculo de soluciones de ecuaciones diferenciales. Sea P un operador
diferencial lineal de coecientes constantes.
P =
J
a
J
J
y sea c una solucion fundamental
Pc =
0
Pues bien, la solucion fundamental es, respecto a la convolucion una inversa de
P en el siguiente sentido
c (Pu) = u, P(c f) = f
donde u, f son distribuciones de soporte compacto. La razon es que la delta de
Dirac juega el papel de unidad en la convolucion.
7.8. Distribuciones temperadas (o
/
)
Se denen las distribuciones temperadas, o
(R
n
), como los funcionales li-
neales continuos sobre el espacio o(R
n
). Recordemos que el espacio o(R
n
) es
el conjunto de funciones que verican
sup[x
J
K
(x)[ : x R
n
<
y que o es un espacio de Frechet con la topologa dada por estas seminormas.
Se tiene que el conjunto de las funciones de soporte compacto innitamente
diferenciables (T) es un subespacio denso en o. Lo que implica que o
se puede
identicar con un subespacio de T
.
Es posible probar, usando resultados generales sobre espacios localmente
convexos, que la continuidad del funcional esta asegurada si existe una seminor-
ma | |
J,K
y una constante c tal que:
[T(f)[ c|f|
J,K
Veamos algunos ejemplos de estas distribuciones.
7.8. DISTRIBUCIONES TEMPERADAS (o
) 113
Si f o(R
n
) es posible denir el funcional T
f
mediante la expresion (como
con las distribuciones sobre funciones de soporte compacto):
T
f
(g) =
_
R
n
f(x)g(x) dx
que es continuo, pues:
[T
f
(g)[ |f|
1
|g|
Es decir, el espacio o esta contenido en o
(mediante la identicacion f T
f
anterior). El mismo tipo de distribuciones puede obtenerse con funciones de L
p
.
Tambien aqu (como en T
) hay otras distribuciones que no estan asociadas a

funciones. Por ejemplo la delta de Dirac. Al igual que en T
, se trata de un
funcional lineal continuo:
[
a
(f)[ |f|
0,0
Esta distribucion esta relacionada con una medida. Sin embargo, la distribucion
a
, denida por:
a
(f) = f
(a)
no esta relacionada con ninguna medida.
La distribucion T(
1
x
) es tambien una distribucion temperada. Tenemos que
ver que la integral esta bien denida y que el funcional es continuo. En cuanto
a lo primero, se puede escribir, usando el hecho de que 1/x es impar:
_
|x|>
1
x
f(x) dx =
_

f(x) f(x)
x
dx
Como la funcion f es derivable se tiene:
lm
x0
f(x) f(x)
x
= f
(0)
y la distribucion es:
T
_
1
x
_
(f) =
_

0
f(x) f(x)
x
dx
luego el funcional esta bien denido. Veamos que es continuo (con un metodo
equivalente al utilizado en el caso anterior):
f(x) f(x)
x
1
x
_
x
x
[f
(y)[ dy 2|f|
(7.1)
(usando el teorema fundamental del calculo y la norma del supremo). Por lo
tanto:

T
_
1
x
_
(f)
_

0
f(x) f(x)
x
dx (7.2)
Separando la integral en dos partes y aplicando en la primera la acotacion (7.1),
la expresion (7.2) es menor o igual que:
2
_
1
0
|f
dx +
_

1
f(x)
x
dx
114 CAP
La primera expresion es la seminorma |f|
0,1
. En cuanto a la segunda, para
que la integral sea nita al sustituir [f[ (o [x
f[) por su supremo, tenemos que

multiplicar y dividir por x (al menos, pues 1/x no es integrable en el innito)
Finalmente:

T
_
1
x
_
(f)
2|f|
0,1
+|f|
1,0
lo que demuestra que es un funcional continuo y pertenece a o
. Las formu-
las de Sochozki se verican aqu tambien (en notacion distinta de la utilizada
anteriormente):
lm
0
+
1
x x
0
+i
= T
_
1
x x
0
_
i(x x
0
)
El lmite es en la llamada topologa o-debil (la topologa mas debil en o
pa-
ra la que los funcionales de tipo o (denidos anteriormente, esencialmente las
evaluaciones) son continuos).
7.9. Operaciones con distribuciones temperadas
Estudiaremos ahora algunas propiedades y operaciones con distribuciones
temperadas. Para ello tenemos que denir una clase especial de funciones, T,
las funciones innitamente diferenciables que verican que, tanto ellas como sus
derivadas, estan acotadas de forma polinomica (funciones de crecimiento a lo
mas polinomico), condicion que se puede expresar por:
[D
J
f(x)[ K(1 +x
2
)
m
para todos los multi-ndices J, siendo K una constante y m un entero positivo,
que pueden depender de J. Estas funciones son distribuciones temperadas (en
el sentido explicado en la seccion anterior).
Es facil comprobar que el producto de un funcion en o por una funcion en T
es de nuevo una funcion en o. Esto nos permite denir la primera de las opera-
ciones que se pueden establecer con distribuciones temperadas: el producto de
una funcion en T por una distribucion temperada es una distribucion tempera-
da (la multiplicacion de funciones de o por una funcion de T es un aplicacion
continua de o en o):
(fT)() = T(f)
La segunda operacion se reere a la derivacion de distribuciones. La idea es
la misma que vimos con las distribuciones en T
. Se dene la derivada de una

distribucion temperada como:
D
J
(T)() = (1)
|J|
T(D
J
)
Se tiene el siguiente resultado que nos da un idea de la regularidad de las dis-
tribuciones temperadas.
Teorema 7.9.1 Sea T una distribucion temperada. Entonces, existe una fun-
cion continua acotada polinomicamente f y alg un multi-ndice J tal que:
T = D
J
f
en el sentido de distribuciones.
7.10. TRANSFORMADA DE FOURIER Y CONVOLUCI
ON 115
Las dos siguientes propiedades son esencialmente cambios de variable, pero
los separaremos en dos: traslaciones y transformaciones lineales. En o denimos
un operador de traslacion:
(U
a
f)(x) = f(x a)
que nos permite llevar esta nocion al espacio de distribuciones. Si T es una
distribucion
(U
a
T)() = T(U
a
)
De forma similar, si es una transformacion lineal en R
n
, sea el operador
(U
f)(x) = f(
1
x)
En el espacio de distribuciones podemos denir, de acuerdo con lo anterior:
(U
T)() = [ det [ T(U

1
)
7.10. Transformada de Fourier y convolucion
Un dominio apropiado para denir la transformada de Fourier es el espacio
de las funciones de decrecimiento rapido o(R
n
). Como vimos en el estudio de
operadores unitarios, la transformada de Fourier puede denirse en el espacio de
funciones L
2
(R) (o R
n
), pero aparecan diversas complicaciones debido a la que
no toda funcion de cuadrado integrable es integrable. Sin embargo, en el caso
que nos ocupa ahora esos problemas desaparecen (pues las funciones de decre-
cimiento rapido son integrables) y ademas podremos extender la transformada
al espacio de distribuciones.
En el espacio de distribuciones temperadas, la transformada de Fourier se
dene de la forma siguiente.
Denicion 7.10.1 La transformada de Fourier de una funcion f o(R
n
) se
dene por:
f(k
1
, . . . , k
n
) =
1
(2)
n/2
_
R
n
e
i
n
i=1
x
i
k
i
f(x
1
, . . . , x
n
) dx
1
. . . dx
n
La transformada inversa es (x = x
1
, . . . , x
n
), k = (k
1
, . . . , k
n
)):
g(x) =
1
(2)
n/2
_
R
n
e
ikx

f(k) dk
Estas transformadas son realmente inversas una de la otra. En primer lugar,
ambas transformaciones son continuas de o(R
n
) en o(R
n
). Ademas tienen un
comportamiento sencillo frente a las derivaciones.
Sea f o(R
n
). Veamos cual es la transformada de Fourier de D
J
((ix)
I
f(x)),
donde I, J son dos multi-ndices.
(

D
J
((i x)
I
f(x)))(k) =
1
(2)
n/2
_
R
n
e
ikx
D
J
((i x)
I
f(x)) dx
=
(1)
|J|
i
|I|
(2)
n/2
_
R
n
x
I
D
J
(e
ikx
)f(x) dx
116 CAP
integrando por partes y teniendo en cuenta que las funciones (y sus derivadas)
de o(1
n
) se anulan en el innito. El operador D es el operador derivada con
respecto a x o k, dependiendo de la funcion a la que se aplica. Se tiene (derivadas
con respecto a x en la primera expresion y con respecto a k) en la segunda):
D
x,J
(e
ikx
) = (i)
|J|
k
J
e
ikx
, D
k,I
(e
ikx
) = (i)
|I|
x
I
e
ikx
por lo que:
x
I
D
x,J
(e
ikx
) = (i)
|J||I|
k
J
D
k,I
(e
ikx
)
y por lo tanto,
(

D
J
((i x)
I
f(x)))(k) = (ik)
J
D
I
_
1
(2)
n/2
_
R
n
(e
ikx
)f(x) dx
_
= (ik)
J
(D
I

f)(k)
Esta propiedad de la transformada de Fourier frente a derivadas permite
demostrar que tanto ella como su inversa son continuas.
En cuanto a la relacion entre la transformada y su inversa se tiene el resul-
tado:
Teorema 7.10.1 La transformada de Fourier es una transformacion lineal, bi-
yectiva y continua tanto ella como su inversa, de o en s mismo. Ademas la
transformacion inversa es la transformada inversa de Fourier.
La transformacion de Fourier es isometrica en el siguiente sentido:
_
R
n
[f(x)[
2
dx =
_
R
n
[
f(k)[
2
dk
Una vez denida la transformada de Fourier en el espacio o(R
n
) pasamos
a denirla en el espacio de las distribuciones temperadas. La idea es la misma
que con las derivadas de las distribuciones, es decir, pasar la accion al espacio
de las funciones prueba.
Denicion 7.10.2 La transformada de Fourier de una distribucion temperada
T o
(R
n
) es otra distribucion denida por:
Tf = T(

f)
Es sencillo comprobar que cuando la distribucion proviene de una funcion de o,
la transformada de Fourier en o
coincide con la introducida en o. Al igual que

en o, la transformada de Fourier es un isomorsmo de o
en o
que extiende a la
transformada de Fourier de o (es la unica que la extiende de manera debilmente
continua).
La convolucion se puede extender al espacio de distribuciones o
.
Denicion 7.10.3 La convolucion de una distribucion temperada T o
(R
n
)
con una funcion f o(R
n
) es otra distribucion temperada denida por:
(T f)(g) = T(

f g), g o
donde

f(x) = f(x).
7.10. TRANSFORMADA DE FOURIER Y CONVOLUCI
ON 117
Esta operacion tiene las siguientes propiedades (como en T
). En primer
lugar, si T o
y f o, T f es una funcion de crecimiento polinomico

(innitamente derivable). Ademas
D
J
(T f) = (D
J
T) f = T D
J
(f)
Tambien es asociativa en el siguiente sentido:
(T f) g = T (f g)
Finalmente, la transformada de Fourier de T f es el producto de las trans-
formadas de Fourier salvo un factor:
T f = (2)
n/2

f

T
En los ejercicios se encuentran algunas aplicaciones de la transformada de
Fourier al calculo de soluciones fundamentales.
La transformada de Fourier en otros espacios de funciones
Aunque el espacio o sea muy apropiado para denir la transformada de Fou-
rier, en ocasiones resulta mas conveniente utilizar otros espacios de funciones.
Por ejemplo, como ya hemos visto, la transformada de Fourier se extiende a
una transformacion unitaria a todo el espacio L
2
(R
n
) (Teorema de Plancherel).
En el caso de L
1
(R
n
), la transformada de Fourier se extiende a un operador
acotado de este espacio en el de las funciones innitamente diferenciables (lema
de Riemann-Lebesgue). Pero no es sobreyectiva. La formula que dene la trans-
formada de Fourier en el espacio L
1
(R
n
) es la misma que en el espacio o. Este
no es el caso del espacio L
2
(R
n
) (ya vimos como hacerlo en el captulo dedicado
a operadores en espacio de Hilbert).
118 CAP
Captulo 8
Ejercicios
1. Sea (X, o, ) un espacio de medida y A, B dos conjuntos medibles. Demostrar
que:
(A B) +(A B) = (A) +(B)
2. Sea la funcion f(x) denida por:
f(x) =
_
1
n
si n 1 x < n
1
2
, n = 1, 2, . . .
1
n
si n
1
2
x < n, n = 1, 2, . . .
Demostrar que es integrable Lebesgue en cualquier intervalo [0, a], a > 0. De-
mostrar que no es integrable Lebesgue en [0, ). Es integrable Riemann (en
sentido impropio) en ese intervalo?
3. Calcular el siguiente lmite:
lm
n
_

0
(sen
1/n
x)[ log x[ dx
4. Calcular la integral:
F(t) =
_

0
log(1 +t cos x) dx, 1 < t < 1
siguiendo los pasos que se detallan a continuacion.
a) Sea f(x, t) = log(1 +t cos x), 0 x , 1 < t < 1. Probar que para cada
t, la funcion f(x, t) es integrable Lebesgue en x [0, ].
b) Probar que para x [0, ], la funcion f(x, t) tiene derivada parcial con
respecto a t, y que dicha derivada esta acotada en t [a, b], 0 < a < b < 1.
c) Los pasos anteriores aseguran que se puede derivar bajo el signo integral
(respecto t). Calcular F
(t).
119
120 CAP
ITULO 8. EJERCICIOS
d) Integrar F
(t) y calcular F(t).

5. Sea f L
1
(R). Se dene (k R)
f(k) =
1
2
_

e
ikx
f(x) dx
a) Sea la sucesion convergente k
n
k
0
. Probar que lm
n

f(k
n
) =

f(k
0
).
b) Es

f(k) continua en R?
6. Calcular
lm
n
_
f
n
,
_
lm
n
f
n
donde f
n
(x) = e
x/n
sen x en el intervalo [0, ), y estudiar si esta sucesion
de funciones verica las hipotesis del teorema de la convergencia dominada de
Lebesgue, detallando si las cumple todas o cual de ellas falla.
7. Se consideran las sucesiones de funciones (n = 1, 2, . . .):
f
n
(x) =
_
n
1
, si [x[ n
2
0, si [x[ > n
2
, x R, g
n
(x) = x
n
, x [0, 1]
a) Estudiar si f
n
y g
n
convergen en la norma del supremo en R y [0, 1], res-
pectivamente, y calcular (si existe) su lmite en esa norma.
b) Sean F(x) = lmf
n
(x) y G(x) = lmg
n
(x) los lmites puntuales de las
sucesiones f
n
(x) y g
n
(x). Calcular lm
_
R
f
n
, lm
_
[0,1]
g
n
,
_
R
F,
_
[0,1]
G y
discutir las condiciones de aplicabilidad del teorema de la convergencia
dominada de Lebesgue.
c) Discutir sobre los ejemplos anteriores la relacion entre intercambio del lmite
y la integral y la convergencia uniforme.
8. Se considera la sucesion de funciones: f
n
(x) =
[n,n+1]
, n = 1, 2, . . .
a) Calcular lm
n
f
n
(x) para cada x.
b) Calcular
_
f
n
y comprobar si lm
n
_
f
n
=
_
lm
n
f
n
.
c) Discutir si se verican las hipotesis del teorema de la convergencia dominada
de Lebesgue. En caso contrario, estudiar cual de ellas falla.
9. Se considera la sucesion de funciones: f
n
(x) = x
21/n
e
x
, n = 1, 2, . . ..
Calcular
lm
n
_

0
f
n
(x) dx
121
10. Sea f : R R una funcion continua. Estudiar si el conjunto x R :
f(x) < 1 es abierto en R.
11. Si d es una distancia en un conjunto X, demostrar que
(x, y) =
d(x, y)
1 +d(x, y)
es tambien una distancia, equivalente a la primera. Demostrar que todo subcon-
junto de X es acotado con esta distancia.
12. Sea (X, d) un espacio metrico. Se dene la distancia de un punto a un
conjunto A como:
D(x, A) =nf d(x, y) : y A
Sea A un conjunto cerrado. Demostrar que D(x, A) = 0 si y solo si x A.
13. Demostrar que en un espacio de Banach las series absolutamente conver-
gentes son convergentes.
14. Sea x
n
una sucesion de n umeros complejos. Consideremos el conjunto l
de las sucesiones acotadas con la norma |x|
= sup [x
k
[ : k N. Sea l
1
el
conjunto de las sucesiones que verican

n=1
[x
n
[ < y c
0
el conjunto de las
sucesiones cuyo lmite es cero.
a) Demostrar que l
1
y c
0
son subconjuntos de l
.
b) Probar que el cierre de l
1
es c
0
en el espacio normado l
.
15. Demostrar que el subconjunto de los vectores de tipo nito de l
2
(es decir,
los que tienen un n umero nito de elementos distintos de 0) es un subespacio
denso en l
2
.
16. Sea N un n umero natural. Demostrar que el conjunto de l
2
formado por
los vectores para los que la suma de las N primeras componentes es cero, es un
subespacio vectorial cerrado. Calcular otro subespacio tal que su suma directa
con el anterior es el espacio total l
2
.
17. Demostrar que el conjunto de l
2
formado por los elementos x
m
:
x
m
n
=
_
1 +
1
n
_
nm
es cerrado y que en el no existe un elemento de norma mnima.
18. Demostrar que si T es un espacio vectorial complejo dotado de un producto
escalar, se tiene (N 3)
(x, y) =
1
N
N
k=1
|x + e
2ik/N
y|
2
e
2ik/N
, (x, y) =
1
2
_
2
0
|x + e
i
y|
2
e
i
122 CAP
ITULO 8. EJERCICIOS
19. Sea C[z] el espacio de polinomios sobre z con coecientes complejos. Las
siguientes expresiones denen dos productos escalares en este espacio (z = x +
iy):
(p, q) =
_
|z|R
p(z)q(z) dxdy, (p, q) =
_
C
p(z)q(z)e
|z|
2
dxdy
Ortonormalizar el conjunto 1, z, z
2
, . . . siguiendo el procedimiento de Gram-
Schmidt en ambos productos.
20. Sea S
0
el conjunto de las sucesiones de n umeros reales que tienden a cero.
a) Es S
0
un espacio vectorial? Es un subespacio de l
2
?
b) Sea x = (x
n
) l
2
. Esta x en S
0
?
c) Sea x = (x
n
) l
2
y e
n
la base canonica. Calcular, para n = 1, 2, . . ., las
distancias d
n
de x a los subespacios line
1
, e
2
, . . . , e
n
y hallar lm
n
d
n
.
Justicar el resultado obtenido.
21. Se consideran las funciones f
n
denidas por: f
n
(x) = sgn(sen(2
n
x)) donde
sgn(x) es la funcion signo (1 si x > 0 y 1 si x < 0). Demostrar que el conjunto
de estas funciones (n = 1, 2 . . .) es ortogonal en L
2
[0, 1]. Probar que f(x) =
cos(2x) es ortogonal a todas las funciones f
n
. Es f
n
: n = 1, 2, . . . un
conjunto ortogonal completo?
22. Consideremos el espacio de funciones L
2
[1, 1] con el producto escalar usual
y sea a
n
(t) = t
n
1. Aplicar Gram-Schmidt a la sucesion a
n
(t) y calcular los cuatro primeros
vectores ortonormales u
0
, u
1
, u
2
, u
3
correspondientes.
2. Hallar
nf
__
1
1
[t
3
a bt ct
2
[
2
dt : a, b, c R
_
3. Hallar el maximo de
_
1
1
t
3
g(t) dx
cuando g(t) verica las condiciones:
_
1
1
g(t) dt =
_
1
1
tg(t) dt =
_
1
1
t
2
g(t) dt = 0,
_
1
1
g(t)
2
dt = 1
23. Sea el espacio de Hilbert l
2
y en el una base ortonormal u
n
. Se considera
en l
2
el subconjunto denido por S = v
n
= u
1
+u
n
: n = 2, 3, . . . Se pide:
123
a) Estudiar si los vectores de S son linealmente independientes. Nota: Basta
considerar combinaciones lineales (nitas) con elementos arbitrarios de S.
Son ortogonales?
b) Calcular el complemento ortogonal de S.
c) Demostrar que el lmite de la sucesion x
n
=
1
n1
(v
2
+ + v
n
) es igual a
u
1
. Nota: Usar el teorema de Pitagoras.
d) Estudiar si S y lin(S) son densos en l
2
. Nota: Demostrar que u
1
no esta en
S. Es lin(S) un subespacio cerrado de l

2
?
24. Sea el espacio de Hilbert H = L
2
[0,

2
] y el subconjunto de H, S =
1, cos nx, sen nx : n = 1, 2, . . .. Se pide:
a) Estudiar si S es un sistema ortogonal de H.
b) Encontrar los vectores del subespacio W = lin1, sen 4x, cos 12x, que mejor
aproximan (en el sentido de la norma de H) a los vectores: i) f(x) =
x, ii) f(x) = sen 24x
c) Desarrollar cos 6x en la base ortonormal B = c
0
, c
n
cos 4nx, d
n
sen 4nx :
n = 1, 2, . . ., calculando las constantes de normalizacion c
0,
c
n
, d
n
.
d) Es W un subespacio cerrado de H?
25. Calcular la serie de Fourier de la funcion cos x, R, en el intervalo
[, ]. Integrando en el resultado obtenido, representar la funcion
1
x
sen x
como un producto innito.
26. Calcular el desarrollo de Fourier en serie de senos y cosenos en el intervalo
[, ] de la funcion f() = cos(x sen ), utilizando para escribir los coecientes
una representacion integral de las funciones de Bessel J
n
(x).
27. Se considera la funcion denida por la serie:
f(x) =
n=0
(1)
n
2n + 1
cos(2n + 1)x
en el intervalo [0, 2]. Demostrar que f L
2
[0, 2] y expresar la funcion f
mediante funciones elementales, sumando la serie.
28. Sea la funcion:
f(x) =
_
3
, x
_
0,

3
_
0, x
_
3
,
2
3
_
3
, x
_
2
3
,
_
124 CAP
ITULO 8. EJERCICIOS
Escribir la serie de senos y la de cosenos en el intervalo [0, ]. Calcular el valor
de las series as obtenidas en los puntos 0,

3
,
2
3
, y en cualquier otro punto
del intervalo [0, ].
29. En el espacio de Hilbert H = L
2
[0, /6] se considera el conjunto de funciones:
o =
_
_
12
cos 6nx, n = 1, 2, . . .
_
a) Encontrar f H, f ,= 0, ortogonal a todas las funciones de o. Es o una
base ortonormal de H?
b) Construir B tal que o B y B sea una base ortonomal de H. Calcular en
esa base los tres primeros coecientes de Fourier de f(x) = sen 2x.
30. Sea el espacio de Hilbert L
2
[0, /3].
a) Calcular k, R de forma que el conjunto de funciones k sen nx, n =
1, 2, . . . sea una base ortonormal de ese espacio.
b) Calcular el desarrollo de la funcion f(x) = e
x
en esa base ortonormal.
31. En el espacio de Hilbert L
2
[a, a], a > 0, se considera el conjunto de
funciones B = 1, cos nkx, sen nkx, n = 1, 2, . . .
a) Calcular k para que el conjunto B sea una base ortonormal (despues de la
normalizacion adecuada).
b) Desarrollar en la base ortonormal anterior la funcion (x), a x a.
c) Cual sera (formalmente) el desarrollo de (x)? Tiene sentido ese desarrollo
para calcular la accion de sobre una funcion ?
2
R
[1, 1], con el producto escalar:
_
1
1
p(t)q(t)
1 t
2
dt
se considera el subespacio V , ortogonal al generado por las funciones 1, t, t
2
.
a) Estudiar si V es cerrado.
b) Calcular la distancia mnima de la funcion f(t) = t
3
al subespacio V .
c) Los polinomios que se obtienen al ortogonalizar el conjunto l.i. 1, t, t
2
, . . .,
son T
n
(x) = cos(narc cos t). Comprobarlo para n = 0, 1, 2 y calcular el
polinomio n = 3 (no es preciso normalizar).
125
2
y (c
n
) l
. Se dene la aplicacion T por

T(x) = (c
n
x
n
), donde x = (x
n
) l
2
. Demostrar que T es una aplicacion lineal
continua de H en s mismo y calcular su norma. Calcular la aplicacion adjunta
T
+
y estudiar si T = T
+
.
34. Sea H un espacio de Hilbert y P : H H una aplicacion que verica:
i) P
2
= P, ii) (P(x), y) = (x, P(y)), x, y H
Demostrar:
1. P es lineal y continua. Calcular su norma.
2. M = P(H) es un subespacio lineal cerrado, ortogonal a ker P = im(I P)
y P es la proyeccion ortogonal sobre M.
3. En un espacio de Hilbert existe una correspondencia biunvoca entre los
subespacios cerrados y las aplicaciones P que verican i) y ii).
2
y el subconjunto S formado por los elemento
de l
2
que tienen todas las componentes cero salvo un n umero nito. Se pide:
a) Calcular S
.
b) Sea T un operador acotado denido en S. Es posible extender T a un
operador acotado

T denido en todo l
2
? (es decir,

T = T en S). En caso
armativo, Es

T unico? Y si no se exige que

T sea acotado?
c) Si e
n
es la base ortonormal usual de l
2
, encontrar el vector del subespacio
W = line
1
e
2
, e
2
+e
4
, e
3
e
1
, que mejor aproxima (en el sentido de la norma
de l
2
) al vector: u = (0,
1
2
2
, 0,
1
4
2
, 0,
1
6
2
, . . .).
d) Es W
= line
5
, e
6
. . .? Si no es as, calcular W
y la proyeccion de u
sobre W
.
e) Tiene sentido la pregunta c) si en vez del subespacio W se tratara de S? En
caso armativo, calcular la mejor aproximacion a u en S.
36. Sea H un espacio de Hilbert separable, e
n
una base ortonormal y
n
una
sucesion de n umeros complejos distintos de 1, que tiende a 1 cuando n .
Se dene una aplicacion T : H H:
T(x) =
n=1
n
(e
n
, x)e
n
Demostrar:
1. T es lineal y continuo y
n
son autovalores de T.
2. = 1 no es un autovalor de T, pero im(T 1
H
) es densa en H y 1 (T).
3. (T) =
n
: n N 1
126 CAP
ITULO 8. EJERCICIOS
37. Determinar si el operador T : D(T) L
2
(R) L
2
(R), denido por
(Tf)(x) = e
x
f(x), con D(T) = f L
2
(R) : sop f compacto es acotado en su
dominio.
38. Estudiar si los siguientes operadores son lineales, continuos, autoadjuntos,
unitarios, etc,
1. (Af)(x) = (x a)f(x) en L
2
(R), siendo la funcion paso, (x) = 1 si
x > 1, (x) = 0 si x < 1.
2. (Af)(x) = (x a)f(x a) en L
2
(R
+
), a > 0.
3. (Af)(x) = f(x a) en L
2
(R).
39. Demostrar que para que un operador acotado T sea unitario es necesario
que Te
n
sea una base ortonormal para cualquier base ortonormal e
n
y es
suciente que Te
n
sea una base ortonormal para alguna base e
n
.
40. Calcular la norma y el espectro de los siguientes operadores:
1. (Qf)(x) = xf(x) en L
2
[0, 1].
2. (Tf)(x) = e
ix
f(x) en L
2
(R)
3. (U
a
f)(x) = f(x a) en L
2
(R)
41. Sea el operador T denido en l
2
(C) por T(x) = (0, 0, x
1
, x
2
, . . .), x =
(x
1
, x
2
, . . .) l
2
(C).
a) Demostrar que el operador T es continuo y calcular su norma.
b) Determinar el operador adjunto de T.
c) Estudiar el espectro puntual de T y el de T
+
.
42. Sea T denido por T(x) = (
1
x
1
,
2
x
2
,
3
x
3
, . . .), x = (x
1
, x
2
, . . .) l
2
(C),
siendo (
n
) una sucesion de n umeros complejos.
a) Demostrar que si (
n
) es una sucesion convergente, T es un operador denido
en todo l
2
(C). Es T continuo en este caso? Es necesario que la sucesion
(
n
) sea convergente para asegurar la continuidad de T?
En las condiciones del apartado a):
b) Estudiar el espectro puntual de T.
c) Demostrar que cualquier vector e
n
= (0, . . . , 0, 1, 0, . . .) esta en la imagen del
operador T I si ,=
n
, n. Que se puede decir del espectro residual
de T?
127
43. Sea el operador T denido en l
2
(R) por T(x) = (x
1
, 0,
1
3
x
3
, 0,
1
5
x
5
, . . .), x =
(x
1
, x
2
, . . .) l
2
(R).
a) Demostrar que el operador T es continuo y calcular su norma.
b) Determinar el operador adjunto de T.
c) Estudiar el espectro puntual de T. Que se puede decir del residual?
44. En el espacio l
2
se considera la aplicacion denido por:
x = (x
n
) l
2
Tx = (y
n
), y
n
=
_
x
n
n
si n es par
0 si n es impar
a) Es T un operador de l
2
en l
2
? Es T lineal? Es T continuo?
b) Para cada C estudiar si los vectores de la base canonica e
n
estan en la
imagen de T I.
c) Calcular el espectro de T.
45. En el espacio de Hilbert l
2
se considera el operador T, denido por
Tx = (x
1
x
2
, x
2
x
3
, x
3
x
4
, . . .), x = (x
1
, x
2
, x
3
, . . .) l
2
a) Demostrar que T es un operador lineal continuo y que |T| 2.
b) Calcular el espectro puntual de T y las autofunciones correspondientes.
c) Es T un operador autoadjunto?
d) Estudiar si existe y l
2
, y ,= 0, tal que (y, Tx) = 0 para todo x l
2
. Es
= 0 un punto del espectro residual de T?
Nota: puede ser util relacionar T con el operador T
+
x = (x
2
, x
3
, . . .).
46. Sea el operador T en l
2
(C) denido por:
T(x
1
, x
2
, . . .) = (0,
1
2
x
1
,
1
3
x
2
, . . .)
a) Probar que T es un operador lineal continuo.
b) Calcular el operador adjunto de T y estudiar si T es normal.
c) Calcular los espectros puntuales de T y T
+
.
d) Encontrar alg un C tal que
r
(T).
47. Sea el operador
T(x
1
, x
2
, . . .) = (ix
1
,
1
2
x
2
,
i
3
x
3
,
1
4
x
4
,
i
5
x
5
, . . .)
128 CAP
ITULO 8. EJERCICIOS
a) Estudiar para que valores de R, T es un operador lineal continuo de
l
2
(C) en l
2
(C).
Para esos valores de :
b) Calcular la norma de T.
c) Calcular el espectro puntual de T. Es T un operador autoadjunto?
d) Clasicar los puntos = 0, i seg un el espectro de T.
48. Resolver la ecuacion en L
2
[0, 1]:
_
1
0
k(x, y)f(y) dy f(x) = g(x)
cuando
a) k(x, y) = xy,
b) k(x, y) = e
x+y
.
49. Calcular la norma y espectro de los operadores A y K denidos por:
a) (Af)(x) =
_
/2
0
cos(x y)f(y) dy, b) (Kf)(x) =
_

0
cos xsen yf(y) dy
en los espacios L
2
[0, /2] y L
2
[0, ] respectivamente.
50. Calcular el espectro puntual del operador K y resolver la ecuacion: (K
)f = g, siendo K en L
2
[0, 1]:
(Kf)(x) =
_
x
0
(1 +x)f(y) dy
51. Sea el n ucleo integral k(x, y) = sen
2
(x y), x, y [0, 2]. Se pide:
a) Calcular los autovalores no nulos del operador integral, K, denido por el
n ucleo anterior en L
2
[0, 2]: K(f) = f. (Nota: 2 sen
2
z = 1 cos 2z)
b) Es = 0 un autovalor de K? Cual es la dimension de ker K?
52. Sea la funcion k(x, y) = 12xy
2
2, x, y [0, 1]. Se pide:
a) Calcular los autovalores no nulos del operador integral K denido por k(x, y)
en L
2
[0, 1].
b) Calcular, si existen, dos funciones linealmente independientes que esten en
el n ucleo del operador K.
129
53. Sea K el operador integral denido por el n ucleo k(x, y) = 3y(1 + 5x
2
y
2
)
en L
2
[0, 1]. Se pide:
a) Calcular las autofunciones de K que tienen un autovalor no nulo.
b) Encontrar, si existen, dos funciones de L
2
[0, 1] con la misma imagen bajo
K.
54. Sea el operador K denido en L
2
[0, 2] por
(Kf)(x) =
_
2
0
(x
2
y +
2
y
2
sen x)f(y) dy
a) Calcular los autovalores distintos de cero del operador K.
b) Son ortogonales las autofunciones obtenidas? Es K autoadjunto?
55. Sea el operador K denido en L
2
[0, 1] por
(Kf)(x) =
_
1
0
xy(3 5xy)f(y) dy
a) Calcular los autovalores distintos de cero de K y las autofunciones corres-
pondientes.
b) Calcular una funcion no nula que este en el n ucleo de K.
2
[1, 1] se considera el operador integral,
K, de n ucleo
k(x, y) =
3
2
+ 15xy(1 +xy)
a) Calcular los autovalores no nulos de K y sus autofunciones correspondientes.
b) Sea V el subespacio de H generado por las autofunciones de K calculadas
en a). Demostrar que V es cerrado. Calcular el vector v V que mejor
aproxima a g(x) = x
3
en el sentido de la norma de H.
c) Calcular la proyeccion ortogonal, w, de g sobre V
. Cual de los vectores,

v, w, aproxima mejor a g?
d) Coincide V
con el n ucleo de K?
57. Sea el n ucleo integral k(x, y) = cos
2
x sen
2
y en L
2
[0, ].
a) Calcular los autovalores no nulos y las autofunciones correspondientes del
operador integral asociado a k(x, y). Son ortogonales? Es el n ucleo simetri-
co?
130 CAP
ITULO 8. EJERCICIOS
b) Calcular dos funciones linealmente independientes que sean anuladas por
el operador integral. Escribir los elementos del n ucleo en terminos de una
base ortonormal trigonometrica en L
2
[0, ].
58.
a) Calcular las derivadas hasta orden 4 (en sentido de distribuciones) de T
1
=
[x[ sen x y T
2
= [x[ cos x, expresando el resultado en su forma mas sencilla.
b) Son T
1
y T
2
soluciones de la ecuacion: T
(4)
+ 2T
+T = 4
?
59. Calcular, en el sentido de distribuciones, las segundas derivadas de las fun-
ciones:
f(x) = sen [x[, g(x) = cos [x[
60. Sea la distribucion: T =
1
2
(x) sin 2x
a) Demostrar (sustituyendo) que es solucion de la ecuacion: T
+ 4T =
Nota: Aplicar la regla de Leibnitz al producto de la distribucion (x) por la
funcion
1
2
sin 2x o usar las deniciones de fT (con f una funcion adecuada
y T una distribuci on) y la derivada de una distribucion.
b) Calcular todas las soluciones de la ecuacion anterior.
61. Calcular, en el sentido de distribuciones, las derivadas sucesivas de las fun-
ciones [x[
n
, n = 0, 1, 2 . . ., estudiando si aparece o no la distribucion (x) en
alguna de ellas.
62. Sea f L
1
(R) y T
la distribucion en T
(R) asociada a la funcion f
(x) =
1
f(
x
). Demostrar que
lm
0
+
T
() = c
f
(0), T(R), c
f
=
_
R
f(x) dx
Aplicar el resultado anterior a las funciones: a) e
x
2
, b)
1
1+x
2
.
63. Calcular la densidad de carga de un dipolo, con momento 1 situado en x = 0,
con direccion u R
3
, |u| = 1. Para hallarla, calcular el lmite en sentido de
distribuciones de T
(R
3
), cuando 0 de
1
(x u)
1
(x), > 0
Comprobar que la carga total es cero y el momento es 1.
64. Demostrar que las distribuciones:
T
_
1
x
_
,
1
x i0
131
son soluciones de la ecuacion: xT = 1.
65. Calcular las transformadas de Fourier de las distribuciones:
a) x
n
T
_
1
x
_
, n = 1, 2, . . . , b) x
n
(m)
, m n
66. Demostrar la siguiente igualdad:
1
2
n=
e
ikx
=
n=
(x 2k)
67. Comprobar que la solucion fundamental de la ecuacion de Laplace en R
3
es:
f(x) =
1
[x[
,
1
[x[
= 4(x)
Cual es la solucion fundamental del laplaciano en dos dimensiones?
68. Calcular la transformada de Fourier de la distribucion: (x)e
ax
y su lmite
cuando a 0.
69. Resolver la ecuacion x
n
T = 0 en o
(R) mediante una transformada de

Fourier.
70. Calcular la solucion de la ecuacion diferencial
T
+aT = , a R
donde T es una distribucion en o
(R) y escribir la solucion de la ecuacion

y
+ay = f.
71. Calcular la solucion fundamental de la ecuacion de ondas, resolviendola en
el sentido de distribuciones
T
t
2

T
x
2
= (x)(t)
72. Se consideran las distribuciones siguientes:
u
1
=
1
2
((t) (t)) sen t, u
2
=
1
2
((t) +(t)) cos t
a) Calcular la accion del operador T = D
2
t
+
2
sobre cada una de ellas.
b) Es alguna de las distribuciones anteriores una funcion diferenciable? Y
solucion fundamental del operador T?
132 CAP
ITULO 8. EJERCICIOS
73.
a) Calcular la derivada, en sentido de distribuciones, de (x) (aplicar la de-
nicion de derivada de una distribucion).
b) Demostrar que las distribuciones:
u
1
=
i
2
(e
ix
(x) + e
ix
(x)), u
2
=
i
2
(e
ix
(x) + e
ix
(x))
son soluciones fundamentales del operador diferencial P = D
2
x
+
2
(aplicar
la regla de Leibniz al producto de una funcion por una distribucion).
c) Encontrar una solucion fundamental real del operador anterior.
74.
a) Estudiar si la distribucion x
se puede escribir en funcion de .

b) Sea u = xT
_
1
x
_
. Calcular el valor de u
sobre una funcion f T.

c) Calcular la transformada de Fourier de
(n)
.
75.
a) Calcular el producto de convolucion de la distribucion e
|x|
por s misma.
b) Calcular la derivada en sentido de distribuciones de la convolucion anterior
de dos formas distintas:
i) a partir de la solucion encontrada en el apartado a).
ii) teniendo en cuenta que se trata de una convolucion (intercambiar la
derivacion por la integral en el producto de convolucion).
Expresar el resultado en la forma mas sencilla posible (utilizando valores
absolutos, funciones paso, deltas, etc).
76.
a) Calcular la transformada de Fourier de las distribuciones
T
() =
1
x i
, > 0
b) Tomar el lmite cuando 0 y calcular a partir de este resultado la
transformada de Fourier de la de Dirac y de T
_
1
x
_
.
Captulo 9
Soluciones a los Ejercicios
1. A y B no seran en general disjuntos, pero se tiene:
A B = (AB) (B A) (A B)
que son disjuntos, luego:
(A B) = (AB) +(B A) +(A B)
Ademas
A = (AB) (A B), (AB) (A B) =
(A) = (AB) +(A B)
B = (B A) (A B), (B A) (A B) =
(B) = (B A) +(A B)
por tanto
(A) +(B) = (AB) +(B A) + 2(A B) =
(AB) +(B A) +(A B) +(A B) =
(A B) +(A B)
2. La graca de la funcion es:
2 4 6 8 10
-1
-0.5
0.5
1
133
134 CAP
ITULO 9. SOLUCIONES A LOS EJERCICIOS

Sea c > 0. La integral de la funcion en el intervalo [0, c] es la de una funcion
escalon.
_
[0,c]
f =
_
_
1
n + 1
(c n) n c n +
1
2
1
n + 1
(n + 1 c) n +
1
2
c n + 1
En cualquiera de los dos casos, c n <
1
2
, n + 1 c <
1
2
y
1
n+1

1
c
por lo que
se tiene:
0
_
[0,c]
f
1
2c
de donde se concluye que en el lmite la integral es cero, y la funcion es integrable
Riemann.
Sin embargo, la integral de Lebesgue no existe. Un resultado sobre las relaciones
entre las integrales de Lebesgue y Riemann asegura que que si una funcion
es integrable Riemann en sentido impropio en el intervalo [a, ), entonces es
integrable Lebesgue si y solo si existe la integral de Riemann en sentido impropio
del valor absoluto de la funcion. Y esto no ocurre en este caso, pues (n c
n + 1)
_
[0,c]
f =
n
k=1
1
k
+
c n
n + 1
y la serie:
n=1
1
n
diverge.
3. La funcion (sen
1/n
x)[ log x[ esta acotada en todo el intervalo [0, ] por:
(sen
1/n
x)[ log x[ [ log x[
(pues sen
1/n
x esta acotada en ese intervalo por 1, y es mayor o igual que cero)
y la funcion [ log x[ es integrable en ese intervalo. Ademas,
lm
n
(sen
1/n
x)[ log x[ = [ log x[
casi doquiera. Por el teorema de la convergencia dominada,
lm
n
_

0
(sen
1/n
x)[ log x[ =
_

0
[ log x[ =
_
1
0
log x +
_

1
log x =
x(log x 1)
1
0
+x(log x 1)
1
= 1 +(log 1) + 1 = 2 +(log 1)
4.
F(t) =
_

0
log(1 +t cos x) dx, 1 < t < 1
a) La funcion f(x, t) = log(1 + t cos x), 0 x es continua en todo el
intervalo [0, ] para cada t (1, 1). Luego es integrable Riemann y por
tanto integrable Lebesgue.
135
b) La derivada parcial existe para todo t (1, 1)
f(x, t)
t
=
cos x
1 +t cos x
y es continua en la region anterior. Esta acotada por ser continua en un
compacto ([0, ] [a, b]). En cualquier caso, es facil ver que para cualquier
t [a, b] (1, 1) la funcion es decreciente en x. La derivada verica:
sen x
(1 +t cos x)
2
0
en el intervalo [0, ] para todo t (1, 1). Por lo tanto, calculando en los
extremos (con t [a, b] y k = max[a[, [b[):
cos x
1 +t cos x
x=0
=
1
1 +t

1
1 k
,
cos x
1 +t cos x
x=
=
1
1 t

1
1 k
y se tiene:
1
1 k

cos x
1 +t cos x

1
1 k
c) Derivando bajo el signo integral:
F
(t) =

t
_

0
log(1 +t cos x) dx =
_

0
cos x
1 +t cos x
dx
En particular, F
(0) = 0. Calculemos esta integral. Con el cambio usual

y = tan
x
2
se tiene (la integral impropia existe):
F
(t) =
2
1 +t
_

0
1 y
2
(1 +y
2
)(1 +my
2
)
dy, m =
1 t
1 +t
> 0
Separando en fracciones simples
2
1 +t
1 y
2
(1 +y
2
)(1 +my
2
)
=
2
t
1
1 +y
2

1
t(1 +t)
1
1 +my
2
y la integral es (cuando t ,= 0):
2
t
arctan y
0

2
t
1 t
2
arctan(
my)
0
=

t
_
1
1
1 t
2
_
d) Finalmente calculemos F(t) integrando esta ultima expresion. Para integrar
podemos poner 1 t
2
= u
2
, y se tiene:
_

t
_
1
1
1 t
2
_
dt =
_

t
dt
_
1
t
1 t
2
dt =
log [t[ +
_
1
1 u
2
du = log(1 +
_
1 t
2
) +C
Como F(0) = 0, se puede calcular la constante y se tiene:
F(t) = log
1
2
(1 +
_
1 t
2
)
136 CAP

5.
a) La funcion

f es la transformada de Fourier de f. Se tiene:
lm
n
f(k
n
) =
1
2
lm
n
_

e
ik
n
x
f(x) dx
La sucesion de funciones h
n
(x) = e
ik
n
x
f(x) esta en L
1
(R), es decir, son
funciones integrables Lebesgue. Ademas,
[h
n
(x)[ = [f(x)[
Como f L
1
(R), se cumplen las hipotesis del teorema de la convergencia
dominada y se puede intercambiar el lmite con la integral
lm
n
_

e
ik
n
x
f(x) dx =
_

lm
n
e
ik
n
x
f(x) dx
y, por continuidad de e
ikx
,
1
2
lm
n
_

e
ik
n
x
f(x) dx =
1
2
_

e
ik
0
x
f(x) dx =

f(k
0
)
b) Seg un lo anterior,

f es continua en cada punto de R.
6.
lm
n
e
x/n
sen x = sen x, x R
y por tanto,
_

0
lm
n
e
x/n
sen xdx =
_

0
sen xdx
que no existe. Sin embargo,
_

0
e
x/n
sen xdx =
n
2
n
2
+ 1
y se tiene:
lm
n
_

0
e
x/n
sen xdx = lm
n
n
2
n
2
+ 1
= 1
No se puede aplicar el teorema de la convergencia dominada pues la sucesion
de funciones f
n
(x) no esta acotada por una funcion integrable Lebesgue (en
particular,
_
0
e
x/n
dx = n).
7.
a)
lm
n
f
n
(x) = 0, si x ,= 0
Si x = 0:
lm
n
f
n
(0) = lm
n
1
n
= 0
137
Ademas
sup
xR
[f
n
(x) 0[ =
1
n
0, cuando n
por lo que la convergencia a la funcion F(x) = 0 es uniforme (en L
(R)).
G(x) = lm
n
g
n
(x) =
_
0 si x ,= 1
1 si x = 1
Por tanto
sup
xR
[g
n
(x) G(x)[ = 1
luego la sucesion no converge uniformemente, es decir no converge en
L
(R).
b)
_
R
F = 0,
_
[0,1]
G = 0,
_
R
f
n
= 2n,
_
[0,1]
g
n
=
1
n + 1
y por tanto
lm
n
_
R
f
n
no existe, lm
n
_
[0,1]
g
n
= 0
c) La convergencia uniforme no est a relacionada con la integrabilidad Lebesgue
(en el sentido de los apartados anteriores).
8.
a)
lm
n
f
n
(x) = 0
b)
_
R
f
n
= n, lm
n
f
n
= 0,
_
R
lm
n
f
n
= 0
c) No existe una funcion que acote a la sucesion f
n
y que sea integrable.
9. Las funciones f
n
(x) son integrables Lebesgue por serlo Riemann en valor
absoluto (por el comportamiento de la exponencial en el innito, en el cero no
hay problemas, 2 1/n > 0). Son positivas en todo el semieje positivo y se
cortan en x = 1 (all todas valen e
1
). Ademas, en el intervalo [0, 1]
x
21/n
x, 0 x 1
mientras que en [1, ) se tiene:
x
21/n
x
2
, 1 x <
pues
1 2
1
n
2
138 CAP

Por lo tanto, deniendo
g(x) =
_
xe
x
0 x 1
x
2
e
x
1 < x <
se tiene
[f
n
(x)[ g(x)
y g(x) es una funcion integrable Lebesgue (por las razones dadas al principio).
Podemos aplicar el teorema de la convergencia dominada e intercambiar el lmite
por la integral, obteniendo:
lm
n
_
0
f
n
(x) dx =
_
0
lm
n
f
n
(x) dx =
_
0
x
2
e
x
dx = x
2
e
x
0
+2
_
0
xe
x
dx = 2
_
xe
x
0
+
_
0
e
x
dx
_
= 2e
x
0
= 2
10. Basta aplicar la denicion de funcion continua: la imagen inversa de un
abierto es un abierto. Pero el conjunto dado se puede escribir tambien como:
f
1
((, 1))
y (, 1) es un abierto de R, luego por continuidad, el conjunto dado es abierto.
11. Las dos primeras propiedades son evidentes. Veamos la desigualdad trian-
gular. Habra que probar
d(x, y)
1 +d(x, y)

d(x, z)
1 +d(x, z)
+
d(z, y)
1 +d(x, z)
es decir:
a
1 +a

b
1 +b
+
c
1 +c
, a, b, c 0
que se puede escribir como:
a b +c +bc(2 +a)
Como d es una distancia, a b+c. Pero bc(2+a) 0, luego a b+c+bc(2+a)
como queramos probar. Tenemos entonces una distancia (que es menor o igual
que 1). Ademas son equivalentes. Sea B
d
(x, r) una bola de centro x y radio r
en la metrica d. La bola B
(x, r), contiene a B

d
(x, r), pues, si y B
d
(x, r),
entonces
(x, y) <
r
1 +d(x, y)
r
lo que implica que y B
(x, r). Ademas, la bola B
(x, r
) (con 0 < r
< 1),
esta contenida en la bola B
d
(x, r) con r = r
/(1r
). Luego ambas metricas son

equivalentes. Si A es un subconjunto de X, la distancia entre dos de sus puntos
es:
(x, y) =
d(x, y)
1 +d(x, y)
< 1
luego todo subconjunto de X esta acotado (y X tambien).
139
12. Supongamos que D(x, A) = 0. Entonces, nf d(x, y) : y A = 0 y por
denicion de nmo, para todo > 0 existe y A tal que d(x, y) < . Eso quiere
decir que toda bola de centro x corta a A luego x

A y como A es cerrado,
x A. En sentido inverso es trivial. Si x A, la distancia de x a A es 0.
13. Sea (E, | |) un espacio de Banach y
n=1
x
n
una serie que es absolutamente convergente. Esto quiere decir que la serie de
n umeros reales:
n=1
|x
n
|
es convergente. Probemos que la sucesion s
n
=
n
k=1
x
k
es de Cauchy en E. Se
tiene (m n):
|s
n
s
m
| = |
m
k=n
x
k
|
m
k=n
|x
k
|
y como la serie de las normas converge, es de Cauchy y el segundo miembro de
la igualdad tiende a cero cuando n, m tienden a innito. Como el espacio E es
de Banach, se tiene asegurada la existencia del lmite.
14. De las propiedades de convergencia de series de n umeros complejos, se
deduce inmediatamente que l
1
es un subespacio de c
0
y c
0
es un subespacio de l
(si una serie de n umeros complejos es absolutamente convergente es convergente

y el lmite de la sucesion del termino general de la serie es cero, con lo cual la
sucesion esta acotada en norma). Esta claro que c
0
no es igual a l
1
. Es mas, en
c
0
hay elementos que no estan en ning un l
p
con p 1. Por ejemplo la sucesion:
_
1,
1
log 2
,
1
log 3
, . . .
_
En cuanto a la parte b), hay que probar que cualquier sucesion que converja a
cero, puede ser aproximada en norma (la del supremo) por una sucesion cuya
serie asociada sea absolutamente convergente. Sea x = (x
n
) c
0
. Consideremos
la sucesion y
m
donde
y
m
= (x
1
, x
2
, . . . , x
m
, 0, 0, . . .)
Es obvio que y
m
l
1
para todo m. Ademas, (en l
),
lm
m
y
m
= x
pues, dado > 0 existe m
0
a partir del cual (m m
0
),
sup
n
[x
n
y
m
n
[ = sup
n>m
[x
n
[
140 CAP

pues la sucesion (x
n
) converge a cero. Por tanto, x

l
1
. Hay que probar tambien
que toda sucesion de puntos de l
1
convergente en l
tiene lmite en c
0
. Es decir,
tenemos una sucesion de sucesiones, cuyas series asociadas son absolutamente
convergentes, que converge (en la norma del supremo). Hay que probar que la
sucesion lmite tiende a cero (notese que puede que la serie correspondiente a la
sucesion lmite no sea absolutamente convergente).
Consideremos en l
1
la sucesion x
m
que converge en m a x, equivalentemente,
para todo > 0 existe m
0
tal que si m m
0
entonces |x
m
x|
< . Es decir:
sup
n
[x
m
n
x
n
[ <
o lo que es lo mismo
[x
m
n
x
n
[ < , n N
Pero esto quiere decir que
lm
m
x
m
n
= x
n
, n N
Lo que queremos probar es que:
lm
n
x
n
= 0
Sea pues > 0. Se tiene:
[x
n
[ = [x
n
x
m
n
+x
m
n
[ [x
n
x
m
n
[ +[x
m
n
[
dado el anterior, existe m
0
tal que, cuando m m
0
:
[x
n
x
m
n
[ <

2
, n N
por lo dicho anteriormente. Ademas, x
m
n
tiende a cero para todo m, luego existe
n
0
tal que si n n
0
se tiene:
[x
m
n
[ <

2
Por tanto si n n
0
[x
n
[ = [x
n
x
m
n
+x
m
n
[ [x
n
x
m
n
[ +[x
m
n
[ <

2
+

2
=
lo que concluye la demostracion.
Sin embargo, el cierre de c
0
no es l
. Hay sucesiones acotadas que no pueden

ser aproximadas en la norma del supremo por sucesiones que tiendan a cero (por
ejemplo, una sucesion constante).
15. Los vectores de l
2
de tipo nito forman un subespacio en l
2
. Para ver que
es denso, hay que demostrar que para todo x l
2
y para todo > 0, podemos
encontrar un vector de tipo nito, x
f
tal que:
|x x
f
| <
Al ser x l
2
,
n=1
[x
n
[
2
<
141
luego, dado , existe n
0
tal que:
n=n
0
[x
n
[
2
<
En este caso, escojamos x
f
como:
x
f
= (x
1
, x
2
, . . . , x
n
0
, 0, . . .)
que obviamente es nito. Se tiene:
|x x
f
| =
n=n
0
[x
n
[
2
<
16. Es un cerrado (por ejemplo como n ucleo de una forma lineal continua). El
ortogonal es un espacio vectorial de dimension 1 generado por el vector cuyas
primeras N coordenadas son iguales a 1 y a cero las demas.
17. Consideremos la sucesion S de l
2
formado por los vectores x
m
que tienen
todos los elementos cero salvo el m que es igual a 1 + 1/m:
x
m
n
=
_
1 +
1
n
_
nm
La norma de cada uno de estos vectores es:
|x
(m)
| = 1 +
1
m
El nmo de este conjunto es 1, pero ninguno de los elementos del conjunto tiene
norma 1. La sucesion es sin embargo un conjunto cerrado pues no tiene puntos
de acumulacion. El vector 0, que es al que tienden las sucesiones de componentes
de la sucesion, no es de acumulacion, pues la norma de todos los vectores de S
esta acotada inferiormente por 1.
18. Basta escribir la norma en funcion del producto escalar:
|x + e
2ik/N
y|
2
e
2ik/N
= (x + e
2ik/N
y, x + e
2ik/N
y)e
2ik/N
=
|x|
2
e
2ik/N
+|y|
2
e
2ik/N
+ (x, y) + (y, x)e
4ik/N
Pero la suma de las races de la unidad, la suma de sus cuadrados y la suma de
las inversas de sus cuadrados son cero, por tanto
N
k=0
|x + e
2ik/N
y|
2
e
2ik/N
= N(x, y)
Con la otra expresion es similar:
|x + e
i
y|
2
e
i
= (x + e
i
y, x + e
i
y)e
i
=
|x|
2
e
i
+|y|
2
e
i
+ (x, y) + (y, x)e
2i
142 CAP

y la integral de e
ni
en [0, 2] es cero para todo entero n ,= 0. Para n = 0 es
igual a 2, luego:
_
2
0
|x + e
i
y|
2
e
i
d = 2(x, y)
19. Usemos el producto escalar
(p, q) =
_
|z|R
p(z)q(z) dxdy
(z
n
, z
m
) =
_
|z|R
z
n
z
m
dxdy =
_
R
0
r
n+m+1
dr
_
2
0
e
i(mn)
d =
2
mn
_
R
0
r
2n+1
dr =
R
2(n+1)
n + 1

mn
luego 1, z, z
2
, . . . es una base ortogonal y la correspondiente ortonormal es:
1
R
n+1
_
n + 1
z
n
, n = 0, 1, 2, . . .
En el otro producto:
(p, q) =
_
C
p(z)q(z)e
|z|
2
dxdy
(z
n
, z
m
) =
_
C
z
n
z
m
e
|z|
2
dxdy =
_

0
r
n+m+1
e
r
2
dr
_
2
0
e
i(mn)
d =
2
mn
_

0
r
2n+1
e
r
2
dr =
2
n!

mn
luego tambien 1, z, z
2
, . . . es una base ortogonal y la correspondiente ortonor-
mal es:
_
2
n!
z
n
, n = 0, 1, 2, . . .
20.
a) S
0
es un espacio vectorial:
lm
n
(a
n
+b
n
) = lm
n
a
n
+ lm
n
b
n
lm
n
(a
n
) = lm
n
a
n
para sucesiones convergentes. Pero no es un subespacio de l
2
. La sucesion
a
n
=
1
n
tiende a cero (esta en S
0
), pero no en l
2
, pues
n=1
_
1
n
_
2
=
n=1
1
n
=
143
b) l
2
S
0
, pues toda serie convergente tiene un termino general que tiende a
0.
c) Si x l
2
, x =
k=1
x
k
e
k
. Por tanto la proyeccion sobre line
1
, . . . , e
n
es:
n
k=1
x
k
e
k
y la distancia a ese subespacio:
d
n
= |x
n
k=1
x
k
e
k
| =
k=n+1
[x
k
[
2
Como la serie

k=1
[x
k
[
2
converge, se tiene que
lm
n
d
n
= 0
La razon de este hecho es que

n
k=1
x
k
e
k
tiende a x en la norma de l
2
.
21.
_
1
0
f
n
(x)f
m
(x) dx =
_
1
0
sgn(sen(2
n
x)) sgn(sen(2
m
x)) dx
Supongamos que m > n. En cada cero de la funcion sen(2
n
x), la funcion f
n
(x)
cambia de signo (pasa de valer 1 a 1). Veamos que entre dos ceros de la
funcion f
n
(x) hay un cero de f
n+1
(x). En efecto, sea x
k
=
k
2
n
, con 0 k 2
n
uno de esos ceros. El siguiente es: x
k
=
k
2
n
Consideremos dos ceros consecutivos
de f
n
(x)
x
(n)
k
=
k
2
n
, x
(n)
k+1
=
k + 1
2
n
, 0 k 2
n
1
Estos dos puntos son tambien ceros de f
m
(x):
x
(m)
2
mn
k
= x
(n)
k
=
k
2
n
=
2
mn
k
2
m
, x
(m)
2
mn
(k+1)
= x
(n)
k+1
=
k + 1
2
n
=
2
mn
(k + 1)
2
n
pues m > n. Y ademas entre ellos hay otros ceros de f
m
(x):
2
mn
k
2
m
,
2
mn
k + 1
2
m
,
2
mn
k + 2
2
m
, . . . ,
2
mn
(k + 1)
2
n
es decir, tenemos
2
mn
(k + 1) 2
mn
k 1 = 2
mn
1
ceros en el interior, que es un n umero impar. Eso hace que el area encerrada por
la segunda funcion sea cero y las funciones sean ortogonales. Calculemos ahora
el producto
_
1
0
cos(2x)f
n
(x) dx
144 CAP

La funcion cos(2x) es simetrica respecto a x = 1/2 en el intervalo [0, 1]. Sin
embargo, todas las funciones f
n
(x) son antisimetricas respecto a ese punto.
Luego la integral es cero.
22.
(1, 1) =
_
1
1
dt = 2, u
0
=
1
2
v
1
= t
10
u
0
,
_
1
1
(t
1
10
) dt =
2
10
= 0
(t, t) =
_
1
1
t
2
dt =
2
3
, u
1
=
_
3
2
t
v
2
= t
2
20
u
0

21
u
1
_
1
1
_
t
2
20

21
_
3
2
t
_
dt =
2
3

2
20
= 0,
20
=
2
3
_
1
1
t
_
t
2
20

21
_
3
2
t
_
dt =
_
2
3
21
= 0,
21
= 0
v
2
= t
2
1
3
,
_
1
1
v
2
2
dt =
8
45
, u
2
=
_
5
2
_
3
2
t
2
1
2
_
v
3
= t
3
30
u
0

31
u
1

32
u
2
_
1
1
_
t
3
30
1
2

31
_
3
2
t
32
_
5
2
_
3
2
t
2
1
2
_
_
dt =
2
30
= 0
_
1
1
t
_
t
3
30
1
2

31
_
3
2
t
32
_
5
2
_
3
2
t
2
1
2
_
_
dt =
2
5

31
_
2
3
= 0
31
=
6
5
_
1
1
_
t
2
1
3
_
_
t
3
31
_
3
2
t
32
_
5
2
_
3
2
t
2
1
2
_
_
dt =
2
3
_
2
5
32
= 0
v
3
= t
3
3
5
t,
_
1
1
v
2
3
dt =
8
175
, u
3
=
5
2
_
7
2
_
t
3
3
5
t
_
que son los polinomios de Legendre con otra normalizacion.
b) El nmo se obtiene cuando se usa la proyeccion. El subespacio considerado,
lin1, t, t
2
, tiene como base ortonormal u
0
, u
1
, u
2
. La proyeccion de t
3
sobre
este espacio es:
0
u
0
+
1
u
1
+
2
u
3
con
0
=
1
2
_
1
1
t
3
dt = 0
1
=
_
3
2
_
1
1
t
4
dt =
6
5
145
2
=
_
5
2
_
1
1
t
3
_
3
2
t
2
1
2
_
dt = 0
Luego la mejor aproximacion a t
3
en linu
0
, u
1
, u
2
es
3
5
t
y el valor mas peque no de esa integral es:
_
1
1
_
t
3
3
5
t
_
2
dt =
8
175
c) La norma de g es igual a 1, por lo tanto, si se desarrolla g en la base ortonormal
u
n
se tiene:
n=3
a
2
n
= 1, g(t) =
n=0
a
n
u
n
(t), a
0
= a
1
= a
2
= 0
Por lo tanto
a
2
3
= 1
n=4
a
2
n
1
El maximo se obtendra cuando a
n
= 0, n = 4, 5, . . .. En este caso a
3
= 1 y
entonces
g(t) = u
3
=
5
2
_
7
2
_
t
3
3
5
t
_
siendo el maximo igual a
_
1
1
5
2
_
7
2
_
t
3
3
5
t
_
t
3
dt =
2
5
_
2
7
23.
a) Sean v
i
1
, . . . , v
i
n
S
1
v
i
1
+ +
n
v
i
n
= (
1
+
n
)u
1
+
1
u
i
1
+ +
n
u
i
n
= 0
y como u
1
, u
i
1
, . . . , u
i
n
son l.i., se tiene
1
= =
n
= 0. Sin embargo,
no son ortogonales:
(v
n
, v
m
) = (u
1
+u
n
, u
1
+u
m
) = (u
1
, u
1
) + (u
n
, u
m
) = 1 +
nm
b) Sea x l
2
tal que (x, v
n
) = 0, n = 2, 3 . . .:
(x, u
1
+u
n
) = (x, u
1
) + (x, u
n
) = x
1
+x
n
= 0, n = 2, 3, . . .
Por tanto,
x =
n=1
x
n
u
n
= x
1
u
1
x
1
n=2
u
n
que no es un elemento de l
2
a no ser que x
1
= 0. Luego
S
= 0
146 CAP

c)
x
n
=
1
n 1
((n 1)u
1
+u
2
+ +u
n
) = u
1
+
1
n 1
(u
2
+ +u
n
)
Por consiguiente,
(u
m
, x
n
) = (u
m
, u
1
) +
1
n 1
(u
m
, u
2
+ +u
n
) =
_
0 si m > n
1
n1
si m n
para m = 2, 3, . . . y se tiene
(u
m
, lm
n
x
n
) = 0, (u
1
, lm
n
x
n
) = 1
lo que implica que
lm
n
x
n
= u
1
c) S no es denso en l
2
, ya que u
1
/

S, pues para todo k = 2, 3 . . ., |u
1
v
k
| =
|v
k
| = 1. Pero lin(S) es denso en l
2
y por tanto no es cerrado (pues no
coincide con l
2
). El que sea denso en l
2
es consecuencia de que S
= 0:
lin(S) = (S
= l
2
24.
a) No es un sistema ortogonal:
_
/2
0
cos xdx = 1 ,= 0
Luego 1 no es ortogonal a cos x.
b) W es un conjunto ortogonal:
_
/2
0
sen 4xdx = 0,
_
/2
0
cos 12xdx = 0
_
/2
0
sen 4xcos 12xdx =
1
2
_
/2
0
(sen 16x sen 8x) dx = 0
Normalizando:
_
/2
0
dx =

2
,
_
/2
0
sen
2
4xdx =

4
,
_
/2
0
cos
2
12xdx =

4
W =
_
_
2
,
2
sen 4x,
2
cos 12x
_
i) Si f(x) = x, su proyeccion sobre W es:
f(x) = c
1
_
2
+c
2
2
sen 4x +c
3
2
cos 12
147
donde
c
1
=
_
2
_
/2
0
xdx =
_
3
32
c
2
=
2
_
/2
0
xsen 4xdx =
_
3
16
c
3
=
2
_
/2
0
xcos 12xdx = 0
es decir
pr(x) =

4

1
2
sen 4x
ii) sen 24x es ortogonal a W y su proyeccion es 0 (ver apartado siguiente).
c)
_
/2
0
dx =

2
,
_
/2
0
cos
2
4nxdx =

4
,
_
/2
0
sen
2
4nxdx =

4
y la base es
_
_
2
,
2
cos 4nx,
2
sen 4nx
_
_
2
_
/2
0
cos 6xdx = 0,
2
_
/2
0
cos 6xcos 4nxdx = 0,
2
_
/2
0
cos 6xsen 4nxdx
=
1
__
/2
0
sen(4n + 6)xdx +
_
/2
0
sen(4n 6)xdx
_
=
4n
1
4n
2
9
y por tanto
cos 6x =
8
n=1
n
4n
2
9
sen 4nx
d) W es cerrado por ser de dimension nita.
25. Los coecientes del desarrollo de Fourier son:
a
0
=
1
2
_

cos xdx =
sen
a
n
=
1
cos nxcos xdx

=
1
_
1
n +
sen(n +) +
1
n
sen(n )
_
=
1
_
(1)
n
n +
sen
(1)
n
n
sen
_
=
2(1)
n+1
(n
2
2
)
sen
148 CAP

b
n
=
1
sen nxcos xdx = 0

Se tiene por tanto:
cos x =
_
1
+
2
n=1
(1)
n+1
n
2
2
cos nx
_
sen
La serie converge puntualmente en x = al valor de la funcion (cosa que no
ocurre cuando x > ). En x = se tiene:
cot =
1
n=1
1
n
2
2
La serie anterior converge para todo y la expresion se puede integrar entre 0
y t, con t < 1
_
t
0
_
cot
1
_
d =
n=1
_
t
0
2
n
2
2
d
es decir:
log
sen t
t
=
n=1
(log(n
2
t
2
) log n
2
) =
n=1
log
_
1
t
2
n
2
_
= log
n=1
_
1
t
2
n
2
_
y quitando los logaritmos:
sen t
t
=
n=1
_
1
t
2
n
2
_
Si ponemos x = t
sen x
x
=
n=1
_
1
x
2
n
2
2
_
que es valida para todo x.
26. Las funciones de Bessel J
n
(x) tienen una representacion integral dada por:
J
n
(x) =
1
_

0
cos(x sen n) d
Los coecientes del desarrollo son:
a
0
=
1
2
_

cos(x sen ) d =
1
_

0
cos(x sen ) d = J
0
(x)
a
n
=
1
cos n cos(x sen ) d

=
1
_

0
cos(x sen +n) d +
1
_

0
cos(x sen n) d
= J
n
(x) +J
n
(x) = (1 + (1)
n
)J
n
(x)
149
es decir:
a
2n
= 2J
n
(x), a
2n+1
= 0
Ademas, por ser la funcion par,
b
n
=
1
sen n cos(x sen ) d = 0

luego, la serie de Fourier es:
cos(x sen ) = J
0
(x) + 2
n=1
J
2n
(x) cos 2n
27. La serie
n=0
(1)
n
2n + 1
cos(2n + 1)x
representa una funcion en L
2
[0, 2], pues los coecientes en la base ortonormal
1, cos nx, sen nx o en e
inx
verican:
n=0
1
(2n + 1)
2
<
de manera evidente. Para sumarla, escribamos:
cos(2n + 1)x = Re
_
e
(2n+1)ix
_
= Re
_
z
2n+1
_
con z = e
ix
.
n=0
(1)
n
2n + 1
cos(2n + 1)x = Re
_

n=0
(1)
n
2n + 1
z
2n+1
_
que es la serie del arco tangente. Luego:
n=0
(1)
n
2n + 1
cos(2n + 1)x = Re(arctan z)
Para calcularla de forma explcita. usemos:
z = tan w =
e
iw
e
iw
i(e
iw
+ e
iw
)
y por tanto:
w = arctan z =
1
2i
log
1 + iz
1 iz
Re w = Re
_
1
2i
log
1 + iz
1 iz
_
=
1
2
Im
_
log
1 + iz
1 iz
_
=
1
2
arg
_
1 + iz
1 iz
_
Sustituyendo z:
1
2
arg
_
1 + ie
ix
1 ie
ix
_
=
1
2
arg
_
i cos x
1 + sen x
_
=
1
2
arg(i cos x) =

4
sgn(cos x)
150 CAP

pues 1 + sen x 0. Analizando el signo del coseno entre 0 y 2, se tiene que la
funcion buscada es:
_
4
, 0 < x <

2
4
,

2
< x <
3
2
4
,
3
2
< x < 2
28. La serie de cosenos en el intervalo [0, ] se obtiene prolongando la funcion
f de forma par, f
P
, al intervalo [, ]. Los coecientes son:
a
0
=
1
2
_

f
P
(x) dx =
1
_

0
f(x) dx = 0
a
n
=
1
f
P
(x) cos nxdx =
2
_

0
f(x) cos nxdx
Los unicos coecientes no cero son:
a
6n+1
=
2
3(6n + 1)
, a
6n+5
=
2
3(6n + 5)
b
n
=
1
2
_

f
P
(x) sen nxdx = 0
por lo que el desarrollo es:
f(x)
2
n=0
_
cos(6n + 1)x
6n + 1

cos(6n + 5)x
6n + 5
_
De forma similar, para obtener un desarrollo en senos, basta extender la funcion
de forma impar al intervalo [, ]
b
n
=
1
f
I
(x) sen nxdx =
2
_

0
f(x) sen nxdx
Los unicos coecientes no cero son:
a
6n+2
=
1
3n + 1
, a
6n+4
=
1
3n + 2
y el desarrollo es:
f(x)
n=0
_
sen(6n + 2)x
3n + 1
+
sen(6n + 4)x
3n + 2
_
El valor de las series en los puntos indicados es:
151
Punto Cosenos Senos f
0

3
0

3
6

2
3

3
0
3
En los demas puntos la serie converge puntualmente.
29.
a) Como
_
/6
0
cos 6nx dx = 0
para todo n, se tiene que f(x) = 1 es ortogonal a todo S, que no es una
base ortonormal.
b) Si a nadimos a S la funcion
_
6
el nuevo conjunto es una base ortonormal de H (de la teora general de

series de Fourier).
El desarrollo de Fourier de sen 2x es:
_
/6
0
sen 2x dx =
1
4
,
_
/6
0
sen 2xcos 6nx dx =
(1)
n
2
4(9n
2
1)
sen 2x =
3
2
+
3
n=1
(1)
n
2
9n
2
1
cos 6nx =
3
2
9
8
cos 6x
3
35
cos 12x+
30.
a) Para que sea ortogonal
k
2
_
/3
0
sen nxsen mx dx =
mn
es decir,
k
2
(m
2
n
2
)
_
ncos
n
3
sen
m
3
mcos
m
3
sen
n
3
_
=
mn
Aunque no hay una solucion unica para este problema, = 3 lo es, pues
entonces el seno es cero. Tambien = 6, . . . son soluciones, pero es facil
ver que en estos casos hay funciones no nulas ortogonales a ese conjunto,
por ejemplo sen 3x, con lo que no es una base ortonormal. Esto no ocurre
152 CAP

para = 3 (de la teora general de series de Fourier). Ahora se puede
hallar k:
k
2
_
/3
0
sen
2
3nx dx = 1, k =
_
6
b)
e
x
=
n=1
c
n
sen 3nx
c
n
=
6
_
/3
0
e
x
sen 3nx dx =
18n(1 (1)
n
e
/3
)
(1 + 9n
2
)
31.
a)
_
a
a
sen nkx dx = 0
_
a
a
cos nkx dx =
1
nk
sen nkx
a
a
=
2
nk
sen nka = 0, k =

a
_
a
a
cos
mx
a
cos
nx
a
dx =
_
a
a
cos
mx
a
sen
nx
a
dx
=
_
a
a
sen
mx
a
sen
nx
a
dx = 0, n ,= m
b)
(x) = a
0
+
n1
_
a
n
cos
nx
a
+b
n
sen
nx
a
_
a
0
=
1
_
a
a
dx
_
a
a
(x) dx =
1
2a
a =
1
2
a
n
=
1
_
a
a
cos
2
nx
a
dx
_
a
a
(x) cos
nx
a
dx = 0
b
n
=
1
_
a
a
sen
2
nx
a
dx
_
a
a
(x) sen
nx
a
dx =
1
n
(1 (1)
n
)
(x) =
1
2
+
2
n1
1
2n 1
sen
(2n 1)x
a
c)
(x) = a
0
+
n1
_
a
n
cos
nx
a
+b
n
sen
nx
a
_
a
0
=
1
_
a
a
dx
_
a
a
(x) dx =
1
2a
153
a
n
=
1
_
a
a
cos
2
nx
a
dx
_
a
a
(x) cos
nx
a
dx =
1
a
b
n
=
1
_
a
a
sen
2
nx
a
dx
_
a
a
(x) sen
nx
a
dx = 0
(x) =
1
2a
+
1
a
n1
cos
nx
a
La accion de sobre una funcion es:
() = (0)
() =
1
2a
_
1
1
(x) dx +
1
a
n1
_
1
1
(x) cos
nx
a
dx
Si el desarrollo de (x) es:
(x) = a
0
+
n1
_
a
n
cos
nx
a
+b
n
sen
nx
a
_
en x = 0 tendremos:
(0) = a
0
+
n1
a
n
=
1
2a
_
1
1
(x) dx +
1
a
n1
_
1
1
(x) cos
nx
a
dx ()
32.
a) El espacio W = lin1, t, t
2
es cerrado por ser de dimension nita. W
= V ,
es tambien cerrado (por ser el ortogonal a un subconjunto de H). Se tiene
una suma directa ortogonal.
b) Por ser V
cerrado, podemos calcular la proyeccion ortogonal. Ortonorma-

lizamos la base 1, t, t
2
usando Gram-Schmidt.
_
1
1
1
1 t
2
dt = arc cos t
1
1
= ,
_
1
1
t
2
1 t
2
dt =

2
_
1
1
t
4
1 t
2
dt =
3
8
,
_
1
1
t
1 t
2
dt = 0,
_
1
1
t
3
1 t
2
dt = 0
u
1
=
1
, u
2
= t
21
u
1
,
21
=
1
_
1
1
t
1 t
2
dt = 0, u
2
=
_
2
t
u
3
= t
2
32
u
2

31
u
1
,
31
=
1
_
1
1
t
2
1 t
2
dt =
32
=
_
2
_
1
1
t
3
1 t
2
dt = 0
154 CAP

u
3
= t
2
1
2
,
_
1
1
1
1 t
2
_
t
2
1
2
_
2
dt =
3
8

2
+

4
=

8
u
3
=
_
2
_
2t
2
1
_
Proyectamos el vector t
3
:
(u
1
, t
3
) = 0, (u
2
, t
3
) =
_
2
_
1
1
t
4
1 t
2
dt =
3
8
2, (u
3
, t
3
) = 0
Luego el vector que mejor aproxima a t
3
es este espacio es p(t) =
3
4
t, y la
distancia es:
d
2
=
_
1
1
1
1 t
2
_
t
3
3
4
t
_
2
dt =
5
16

9
16
+
9
32
=

32
_
1
1
t
6
1 t
2
dt =
5
16
, D =
_
5
16

32
=
3
4
_
2
c)
T
0
(t) = cos(0 arc cos t) = 1, T
1
(t) = cos(arc cos t) = t
T
2
(t) = cos(2 arc cos t) = 2 cos
2
(arc cos t) 1 = 2t
2
1
T
3
(t) = cos(3 arc cos t) = 4t
3
3t
33. Como (c
n
) l
, |(c
n
)|
= K. Es facil ver que T esta bien denida en

todo l
2
y es lineal. Ademas T es continua, pues
|Tx| =
n=1
[c
n
x
n
[
2
K|x|
Esto implica que |T| K. Pero si consideramos los vectores de la base orto-
normal e
n
= (0, . . . , 1, . . .), |Te
n
| = [c
n
[ y por tanto
|T| [c
n
[, n
de donde se deduce que |T| K y |T| = K. La aplicacion adjunta verica:
(Tx, y) = (x, T
+
y), x, y l
2
(Tx, y) = ((c
n
x
n
), y) =
n=1
c
n
x
n
y
n
= (x, ( c
n
y
n
))
Por tanto:
T
+
x = ( c
n
x
n
)
que tambien esta denida en todo l
2
. La aplicacion T es autoadjunta si y solo
si (c
n
) es una sucesion de n umeros reales.
155
34.
1. P es una aplicacion lineal:
(P(x +y), z) = (x +y, P(z)) = (x, P(z)) + (y, P(z)) =
(x +y, P(z)) = (P(x +y), z)
(P(x), y) = (x, P(y)) =

(x, P(y)) =

(P(x), y) = (P(x), y)
Ademas es continua:
|P(x)|
2
= (P(x), P(x)) = (P
2
(x), x) = (P(x), x) |P(x)|
2
|x|
2
por lo tanto
|P(x)| |x|
y |P| = 1 (si x P(H), Px = x).
2. M = P(H) es un subespacio lineal cerrado. Al ser lineal P, M es un subes-
pacio. Para ver que es cerrado, sea (x
n
) una sucesion en M, convergente a
x H. Como P es continua, (P(x
n
)) es una sucesion convergente a P(x).
Pero, P(x
n
) = x
n
, (pues x
n
M), por lo tanto x = P(x) y x M. Como
M es un subespacio cerrado, H = M M
y P
M
es el proyector ortogo-
nal sobre M. Veamos que ker P es ortogonal a M. Sea x M, y ker P.
Entonces:
(x, y) = (Pz, y) = (z, Py) = 0
Ademas ker P = im(1
H
P) pues
x ker P x = P(y) +z, y, z H P(x) = P
2
(y) +P(z)
x = z P(z) x im(1
H
P)
x im(1
H
P) y H, x = (1
H
P)(y)
P(x) = P(1
H
P)(y) = 0
3. Es una consecuencia de lo anterior (P M).
35.
a) El conjunto S es un subespacio denso en l
2
. Por tanto su ortogonal es
S
= 0. O si se quiere, la base canonica de l

2
esta en S y el unico vector
ortogonal a esa base es el 0.
b) Puesto que S contiene a la base canonica y T es acotado y se exige que su
extension tambien lo sea:
x l
2
, x =
n
x
n
e
n
,

Tx =

T
_
n
x
n
e
n
_
=
T(x
n
e
n
) =
n
x
n
Te
n
Luego la extension es unica. Si no se exige la acotacion, no se puede dar
este paso y T no queda unvocamernte determinado sobre los vectores que
estan en l
2
pero no en S.
156 CAP

c) Calculemos una base ortonormal de W:
v
1
= e
2
+e
4
, v
2
= e
3
e
1
, v
3
= e
1
e
2
u
1
=
1
2
(e
2
+e
4
), u
2
=
1
2
(e
3
e
1
)
u
3
= v
3
(v
3
, u
1
)u
1
(v
3
, u
2
)u
2
= e
1
e
2

1
2
(1)(e
2
+e
4
)
1
2
(1)(e
3
e
1
)
=
1
2
(e
1
e
2
+e
3
+e
4
)
u
3
=
1
2
(e
1
e
2
+e
3
+e
4
)
Proyectando el vector u:
v = P
W
u = (u
1
, v)u
1
+ (u
2
, v)u
2
+ (u
3
, v)u
3
=
1
2
_
1
4
+
1
16
_
(e
2
+e
4
) +
1
2
(0)(e
3
e
1
)
+
1
4
_
1
4
+
1
16
_
(e
1
e
2
+e
3
+e
4
)
=
5
32
(e
2
+e
4
)
3
64
(e
1
e
2
+e
3
+e
4
) =
_
3
64
,
13
64
,
3
64
,
7
64
, 0, . . .
_
d) No, como se comprueba mas abajo (a pesar de que todos los vectores del
espacio indicado son ortogonales a los de W). Falta una combinacion lineal
de e
1
, e
2
, e
3
, e
4
, ortogonal a W y ademas hay que tomar el cierre de la
envolvente lineal. El vector que falta es:
(e
1
e
2
, w) = 0, (e
2
+e
4
, w) = 0, (e
3
e
1
, w) = 0
luego
w = (w
n
), w
2
= w
1
, w
4
= w
2
, w
3
= w
1
y por tanto
W
= line
1
+e
2
+e
3
2
4
, e
5
, e
6
, . . .
La proyeccion de u sobre W
es simplemente:
P
W
= u P
W
u
=
_
0,
1
2
2
, 0,
1
4
2
, 0,
1
6
2
, . . .
_
1
64
(3e
1
+ 13e
2
3e
3
+ 7e
4
)
=
_
3
64
,
3
64
,
3
64
,
3
64
, 0,
1
6
2
, 0,
1
8
2
, 0, . . .
_
e) El espacio S no es cerrado y por tanto no se puede aplicar el teorema de la
proyeccion ortogonal. La mejor aproximacion no existe en S, pues u

S
y no hay ning un vector en S que aproxime a u mas que todos los demas.
157
36.
1. T esta bien denida, es lineal y continua:
|Tx|
2
=
n=1
[
n
(e
n
, x)[
2
K
2
n=1
[(e
n
, x)[
2
= K
2
|x|
2
pues (
n
) esta acotada por alg un K. La ecuacion de autovalores es:
Tx x =
n=1
(
n
)x
n
e
n
= 0
luego
n
es autovalor para todo n y no hay mas autovalores.
2. = 1 no es un autovalor (
n
,= 1 para todo n). Sin embargo im(T 1
H
)
es un subespacio denso en H, pues contiene a los vectores de la base
ortonormal y por tanto a su envolvente y esto es cierto para todo ,=
n
.
Por lo tanto el espectro residual es vaco.
3. El espectro de T consiste en el espectro discreto
n
: n N y el con-
tinuo, 1. La razon mas simple de este resultado es que el espectro es
un conjunto cerrado del plano complejo y por tanto, como 1 es un punto
de acumulacion del espectro, forma parte de el. Al no ser un autovalor y
ser el espectro residual vaco, es un punto del espectro continuo. Pero hay
que ver que si no es punto de acumulacion de la sucesion, entonces no
esta en el continuo. Se tiene:
|(T 1
H
)
1
x|
2
=
n=1
[
n
[
2
[x
n
[
2
Al no ser punto de acumulacion de la sucesion (
n
), existe un entorno
de en el que no hay puntos de la sucesion: [
n
[ > k para todo n y
alg un k. Por tanto:
n=1
[
n
[
2
[x
n
[
2
1
k
2
|x|
2
Es decir, el operador (T 1
H
)
1
esta acotado y los puntos del plano
complejo que no son puntos de acumulacion de la sucesion y que no estan
en la sucesion estan en el resolvente.
37.
|Tf|
2
=
_
R
e
2x
f(x)
2
dx =
_
sop(f)
e
2x
f(x)
2
dx
La siguiente sucesion de funciones:
f
n
(x) =
[n,n+1]
(x)
esta en D(T), y su norma es |f
n
| = 1 para todo n. Sin embargo:
|Tf|
2
=
_
n+1
n
e
2x
dx =
e
2n
2
(e
2
1)
158 CAP

que es divergente. Luego T no es acotado en su dominio.
38.
1. A esta bien denido en L
2
(R) y es lineal. Ademas es continuo:
|Af|
2
=
_
R
(x a)[f(x)[
2
dx =
_

a
[f(x)[
2
dx
_
R
[f(x)[
2
dx
No es unitario (no conserva la norma), pero es autoadjunto:
(g, Af) =
_
R
g(x)(x a)f(x) dx =
_
R
(x a)g(x)f(x) dx = (Ag, f)
y los dominios de A y A
+
coinciden.
2. Bien denido en L
2
(R
+
) y lineal. Es continuo:
|Af|
2
=
_
R
+
(x a)[f(x a)[
2
dx =
_

0
[f(x)[
2
dx =
_
R
+
[f(x)[
2
dx
Conserva la norma y es por tanto una isometra:
(g, Af) =
_
R
+
g(x)(x a)f(x a) dx =
_
R
+
(x)g(x +a)f(x) dx = (A
+
g, f)
pero no es unitario. El rango de A no es el espacio L
2
(R
+
)
3. Bien denido en L
2
(R) y lineal. Es continuo:
|Af|
2
=
_
R
[f(x a)[
2
dx =
_
R
[f(x)[
2
dx
Conserva la norma y es unitario:
(g, Af) =
_
R
g(x)f(x a) dx =
_
R
g(x +a)f(x) dx = (A
+
g, f)
(A
+
f)(x) = f(x +a)
39. Si T es unitario, y e
n
es una base ortonormal, entonces Te
n
es tambien
una base ortonormal:
(Te
n
, Te
m
) = (e
n
, e
m
) =
nm
Veamos que si se da lo anterior para una base, entonces T es unitario.
(Tx, Ty) =
n,m=1
x
n
y
m
(Te
n
, Te
m
) =
n,m=1
x
n
y
m
nm
=
n
x
n
y
n
= (x, y)
Ademas, el operador inverso pasara de la segunda base a la primera con lo que
su dominio sera todo el espacio de Hilbert. Por tanto, T es unitario.
159
40.
1. El dominio de Q es todo L
2
[0, 1]. Se tiene
|Qf|
2
=
_
1
0
x
2
[f(x)[
2
dx
_
1
0
[f(x)[
2
dx = |f|
2
Q es un operador acotado. Su norma es igual a 1. Para probarlo, basta
denir la sucesion de funciones:
f
n
(x) =
[1
1
n
,1]
que verican:
|f
n
|
2
=
_
1
0
2
[1
1
n
,1]
dx =
1
n
,
|Qf
n
|
2
=
_
1
0
x
2
2
[1
1
n
,1]
dx =
1
n
_
1
1
n
+
1
3n
2
_
Dividiendo y haciendo n se obtiene el resultado deseado.
Su espectro puntual es vaco, xf(x) = f(x) implica que f(x) = 0 (salvo
conjuntos de medida nula). El operador posicion en L
2
[0, 1] es autoadjunto,
luego su espectro residual vaco. En cuanto al espectro continuo, al ser
autoadjunto, es real. El operador (QI)
1
existe y tiene un dominio que
es denso en todo el espacio (pues esta en el resolvente o en el continuo).
Solo nos falta ver cuando este operador es no acotado. Se tiene:
((QI)
1
f)(x) =
1
x
f(x), |(QI)
1
f| =
_
1
0
[f(x)[
2
(x )
2
dx
Es claro que los casos [0, 1] y / [0, 1] van a ser claramente distintos.
Supongamos primero que no esta en el intervalo [0, 1]. Entonces [x[ >
k para alg un k > 0 cuando x [0, 1], y por tanto:
_
1
0
[f(x)[
2
(x )
2
dx
1
k
2
_
1
0
[f(x)[
2
dx =
1
k
2
|f|
2
dx
luego el operador es acotado y esta en el resolvente. Si [0, 1], ,= 1,
consideramos la siguiente sucesion de funciones y probamos que el opera-
dor no esta acotado.
f
n
(x) =
[
1+(n1)
n
,1]
La norma de estas funciones es
|f
n
|
2
=
_
1
0
2
[
1+(n1)
n
,1]
dx =
(n 1)(1 )
n
y la de las imagenes:
|(QI)
1
f
n
|
2
=
_
1
0
1
(x )
2
2
[
1+(n1)
n
,1]
dx =
n 1
1
160 CAP

por tanto:
|(QI)
1
f
n
|
|f
n
|
=
n
1
y el operador no esta acotado. Como el espectro es cerrado, el punto 1
esta en el espectro continuo, que resulta ser todo el intervalo [0, 1].
2.
|Tf|
2
=
_
R
[f(x)[
2
dx = |f|
2
T es un operador unitario, el operador inverso coincide con el adjunto,
T
+
f(x) = e
ix
f(x). Su norma es igual a 1 y su espectro esta contenido
en la circunferencia de radio unidad, pero el puntual es vaco (como en
el caso anterior). No tiene espectro residual (por ser normal). En cuanto
al espectro continuo, para todo = e
i
con [0, 2) se puede probar
que no es acotado, luego todo el espectro continuo es la circunferencia de
radio unidad.
3.
|U
a
f|
2
=
_
R
[f(x a)[
2
dx =
_
R
[f(x)[
2
dx = |f|
2
U
a
es un operador unitario. Su norma es igual a 1. Su espectro puntual
es vaco (las funciones periodicas no estan en L
2
(R)). Para probar que el
continuo es toda la circunferencia unidad, se considera la siguiente sucesion
de funciones:
f
n
(x) =
1
2na
e
ix/a
[na,na]
(x)
La norma de esta funciones es:
_
R
[f
n
(x)[
2
dx =
1
2na
_
na
na
dx = 1
y las de sus imagenes con el operador U I, = e
i
:
_
R
[f
n
(x a) f
n
(x)[
2
dx =
1
n
que tiende a innito cuando n tiende a cero, por lo que esta en el espectro
continuo, que es toda la circunferencia unidad.
41.
a)
|Tx|
2
=
n=1
[x
n
[
2
= |x|
2
Luego T es continuo y su norma es 1.
b)
(T
+
x, y) = (x, Ty) = x
3
y
1
+ x
4
y
2
+
Sea T
+
x = (x
1
, x
2
, . . .). Entonces
x
1
= x
3
, x
2
= x
4
, x
3
= x
5
. . .
161
y
T
+
x = (x
3
, x
4
, . . .)
c) El espectro puntual es:
Tx = x, 0 = x
1
, 0 = x
2
, x
1
= x
3
, x
2
= x
4
, . . .
Si ,= 0, no es autovalor. Es facil ver que = 0 tampoco es autovalor:
p
(T) = . Por tanto, el operador (T )
1
existe para todo C.
Calculemos el espectro residual. Para ello estudiaremos en primer lugar si
el rango de este operador es denso en l
2
. Veamos si existe un vector y l
2
que sea ortogonal a Ran(T )
0 = (y, (T )x) =
n=1
( y
n+2
y
n
)x
n
ecuacion que debe ser cierta para todo x
n
, por tanto:
y
3

y
1
= 0, y
4

y
2
= 0, y
5

y
3
= 0 . . .
es decir:
y
2n
=

n1
y
2
, y
2n+1
=

n
y
1
Ahora bien, para que y l
2
se tiene que cumplir que [[ < 1, luego el
espectro residual es el interior del crculo unidad. De manera inmediata,
puesto que el espectro es un cerrado, se deduce que el espectro continuo
es el conjunto de puntos [[ = 1. El resolvente son los puntos [[ > 1
En cuanto al espectro de T
+
, sabemos que los conjugados del resolvente
de T son los puntos del resolvente de T
+
. Por tanto:
(T
+
) = (T) = C : [[ > 1
Ademas, los puntos del espectro continuo de T
+
son los conjugados de los
puntos del espectro continuo de T.
c
(T
+
) =
c
(T) = C : [[ = 1
Finalmente, los conjugados de los puntos del residual de T estan en el
espectro puntual de T
+
:
p
(T
+
)
r
(T) = C : [[ < 1
con lo que queda claro que
p
(T
+
) = C : [[ < 1,
r
(T
+
) =
Como se puede ver, los puntos del espectro puntual de T
+
no estan en el
espectro puntual de su adjunto T, sino en su residual
Veamos con mas detalle el espectro de T
+
.
T
+
x = x, x
3
= x
1
, x
4
= x
2
, x
5
= x
3
, x
6
= x
4
, . . .
162 CAP

Por tanto, si = 0, x
3
= x
4
= = 0, siendo x
1
, x
2
arbitrarios:
(1, 0, 0, . . .) y (0, 1, 0, . . .) son autovectores de autovalor 0. Si ,= 0
x
n
= x
n2
relacion de recurrencia con solucion:
x
2n
=
n1
x
2
, x
2n+1
=
n
x
1
es decir:
x = (x
1
, x
2
, x
1
, x
2
,
2
x
1
,
2
x
2
, . . .)
y calculando la norma
|x|
2
= [x
1
[
n=0
[[
2n
+[x
2
[
n=0
[[
2n
y para que estas sumas sean nitas, [[ < 1. Todos los puntos interiores
del crculo unidad son autovalores.
42.
a) Al ser la sucesion (
n
) convergente, esta acotada: [
n
[ k para todo n y
alg un k R. Entonces
|Tx|
2
=
n=1
[
n
x
n
[
2
=
n=1
[
n
[
2
[x
n
[
2
k
2
n=1
[x
n
[
2
= k
2
|x|
2
Por tanto, T es continuo, denido en todo l
2
(C), y ademas, |T| k. De
lo anterior se ve que lo unico que hace falta es que la sucesion sea acotada.
No es necesario que converja.
b) De la ecuacion
Tx = x
n
x
n
= x
n
, n = 1, 2, . . .
se deduce que
n

p
(T) para todo n. Los autovectores correspondientes
son e
n
= (0, . . . , 0, 1, 0, . . .). No hay mas puntos en el espectro puntual. Si
,=
n
para todo n, entonces x
n
= 0 para todo n y x = 0.
c) Dado e
n
= (0, . . . , 0, 1, 0, . . .), sea
y =
1
n

e
n
Entonces:
(T I)y = Ty y =
1
n

Te
n

n

e
n
=
_

n
n

_
e
n
= e
n
Por tanto e
n
R(T). Por linealidad, line
n
R(T), y como line
n
=
l
2
(C), se tiene que el rango del operador T I es denso en l
2
(C). Luego
el espectro residual es vaco.
163
43.
a)
|Tx| =
n=0
(Tx)
n
= x
2
1
+
1
9
x
2
3
+
1
25
x
2
5
+ =
k=0
x
2
2k+1
(2k + 1)
2
como
1
(2k + 1)
2
1
|Tx|
k=0
x
2
2k+1

k=0
x
2
k
= |x|
T es continuo y |T| 1. Pero T(1, 0, . . .) = (1, 0 . . .), luego |T| = 1.
b)
(x, Ty) =
n=0
x
k
(Ty)
k
=
k=0
x
2k+1
y
2k+1
2k + 1
luego T
+
= T (basta comprobarlo para la base canonica de l
2
(R)).
c) No hay espectro residual, pues T es autoadjunto. En cuanto al espectro
puntual es inmediato comprobar que es:
p
=
_
1,
1
3
,
1
5
, . . .
_
con autovectores: e
1
, e
3
, e
5
, . . ..
44.
a) Para todo x l
2
se tiene
Tx = (0,
x
2
2
, 0,
x
4
4
, 0,
x
6
6
, . . .)
y por tanto,
|Tx|
2
=
n=1
[x
2n
[
2
4n
2

n=1
[x
2n
[
2
n=1
[x
n
[
2
= |x|
2
luego T esta bien denido, es continuo y |T| 1.
b) Dado C, buscamos x l
2
tal que
(T I)x = e
n
es decir:
(x
1
,
x
2
2
x
2
, x
3
,
x
4
4
x
4
, . . .) = (0, . . . , 0, 1, 0, . . .)
Si = 0, no todo e
n
esta en la imagen (por ejemplo e
1
no esta). Si ,= 0,
los vectores e
2n1
estan en la imagen. Basta tomar un vector con todas
las componentes 0 salvo la 2n 1 y esa tomarla igual a 1/
1
. Pero para
que este, por ejemplo, e
2
, es necesario que ,= 1/2, para obtener e
4
, que
,= 1/4 etc.
Como conclusion, para todo / 0,
1
2
,
1
4
,
1
6
, . . ., la base ortonormal e
n
esta en el rango de T I, y por tanto este rango es denso en l

2
.
164 CAP

c) El espectro puntual es el conjunto
p
(T) = 0,
1
2
,
1
4
,
1
6
, . . .
como se ve facilmente. Los autovectores de = 0 son los vectores e
2n1
,
n = 1, 2, . . . y el de =
1
2n
es e
2n
. Seg un el apartado b), el espectro residual
es vaco. Tambien es sencillo probar que el operador T es autoadjunto lo
que implica tambien que el espectro residual es vaco.
Si /
p
(T), existe el operador inverso, que es muy sencillo de obtener al
ser T diagonal:
(T I)
1
x =
_
1
x
1
,
_
1
2

_
x
2
,
1
x
3
, . . .
_
y en normas
|(T I)
1
x|
2
=
2
n=1
[x
2n1
[
2
+
n=1
_
1
2n

_
2
[x
2n
[
2
de donde se deduce que T I esta acotado, pues
1
2n
> k > 0 al
no ser un punto de acumulacion de la sucesion 1/(2n). El unico punto
de acumulacion de la sucesion es = 0 que es un punto del espectro
puntual. Por lo tanto, el espectro continuo es vaco y el resolvente es el
complementario del puntual.
45.
a) Se tiene:
T = I T
+
Como sabemos, T
+
es un operador lineal pues
n=2
[x
n
[
2
n=1
[x
n
[
2
por lo que
|T
+
| 1
y se tiene
|T| = |I T
+
| |I| +|T
+
| 1 + 1 = 2
b) Para calcular el espectro puntual, Tx = x:
x
1
x
2
= x
1
, x
2
x
3
= x
2
, x
3
x
4
= x
3
, . . .
x
2
= (1 )x
1
, x
3
= (1 )x
2
, . . . , x
n
= (1
n1
x
1
Para que el vector x = ((1 )
n1
) este en l
2
se ha de satisfacer:
n=1
[1 [
2(n1)

lo que implica
[1 [ < 1
Por lo tanto el espectro puntual es la bola abierta (en el plano complejo)
de centro 1 y radio 1, B(1, 1). Los autovectores son ((1 )
n1
)
165
c) El operador T
+
no es autoadjunto, pues T
+
tampoco lo es:
T
+
+
x = (0, x
1
, x
2
, x
3
, . . .)
y por tanto
T
+
= I T
+
+
,= T
d)
(y, Tx) = y
1
(x
1
x
2
) + y
2
(x
2
x
3
) + y
3
(x
3
x
4
) +. . .
= y
1
x
1
+ ( y
2
y
1
)x
2
+ ( y
3
y
2
)x
3
+ = 0
y por tanto
y
1
= y
2
= = 0
luego no existe y con esas caractersticas. Esto quiere decir que el rango
(la imagen) de T es denso en l
2
, y por tanto = 0 (que no esta en el
espectro puntual) no esta en el residual. Se puede ver que este operador
tiene espectro residual vaco y el continuo es la frontera de la bola B(1, 1).
El conjunto resolvente es el exterior de esta bola.
46.
a) T es claramente lineal. En cuanto a la acotacion
|Tx|
2
=
n=1
[x
n
[
2
(n + 1)
2

n=1
[x
n
[
2
= |x|
2
luego T es acotado y ademas |T| 1.
b)
(Tx, y) = ((0,
1
2
x
1
,
1
3
x
2
, . . .), (y
1
, y
2
, . . .)) =
1
2
x
1
y
2
+
1
3
x
2
y
3
+. . .
(x, T
+
y) = ((x
1
, x
2
, . . .), (y
1
, y
2
, . . .)) = x
1
y
1
+ x
2
y
2
+. . .
luego
y
1
=
1
2
y
2
, y
2
=
1
3
y
3
, . . . , y
n
=
1
n + 1
y
n
, . . .
T
+
(x
1
, x
2
, . . .) = (
1
2
x
2
,
1
3
x
3
, . . .)
TT
+
(x
1
, x
2
, . . .) = T(
1
2
x
2
,
1
3
x
3
, . . .) = (0,
1
4
x
2
,
1
9
x
3
, . . .)
T
+
T(x
1
, x
2
, . . .) = T
+
(0,
1
2
x
1
,
1
3
x
2
, . . .) = (
1
4
x
1
,
1
9
x
2
, . . .)
y por lo tanto T no es normal.
166 CAP

c) Los puntos del espectro puntual de T verican:
(0,
1
2
x
1
,
1
3
x
2
, . . .) = (x
1
, x
2
, . . .)
por lo tanto, si ,= 0, x
1
= 0 lo que lleva a x = 0. Si = 0, se llega
tambien a que x = 0. Luego el espectro puntual es vaco. En cuanto al de
T
+
:
(
1
2
x
2
,
1
3
x
3
, . . .) = (x
1
, x
2
, . . .)
por tanto,
x
2
= 2x
1
, x
3
= 3x
2
= 3!
2
x
1
, . . . , x
k
= k!
k1
x
1
, . . .
pero el vector
x = (1, 2, . . . , n!
n1
, . . .)
no esta en l
2
, pues
n=1
[x
n
[
2
=
n
1
(n!)
2
[[
2(n1)
solo converge para = 0. Este valor de = 0 es el unico autovalor de T
+
,
con autovector
(1, 0, . . .)
d) Si
p
(A), entonces

p
(A
+
)
r
(A
+
). Como 0
p
(T
+
), entonces
0
p
((T
+
)
+
)
r
((T
+
)
+
) =
p
(T)
r
(T)
Pero
p
(T) = , luego 0
r
(T).
47.
a) Sea
n
=
i
n
n
. Entonces, el operador es
T(x
n
) = (
n
x
n
) =
_
i
n
n
x
n
_
Pero
[
n
[ =
1
n
luego (
n
) es una sucesion que esta acotada en modulo si 0. En este
caso:
[
n
[ 1, n, [
n
[ |(
n
)|
= 1
y por tanto
|Tx|
2
=
n=1
[
n
x
n
[
2
n=1
[x
n
[
2
= |x|
2
Si < 0 la sucesion no esta acotada y el operador no esta denido en todo
l
2
(C).
167
b) |T| 1. Pero T(1, 0, . . .) = (i, 0, . . .). Entonces, |T| = 1.
c) T es un autovalor diagonal. La ecuacion de autovalores
Tx = x
lleva, como se facilmente, a que
n
es un autovalor con autofuncion e
n
. El
operador no es autoadjunto. Los autovalores no son reales.
d) = 0 es el lmite de la sucesion
n
. Este punto esta en el espectro continuo.
En efecto, el espectro residual es vaco. Si no es un autovalor ( ,=
n
, n), sea e
n
= (0, . . . , 0, 1, 0, . . .). Entonces e
n
esta en el rango de
AI, pues
(T I)
_
1
n

e
n
_
=
1
n

(Te
n
e
n
) = e
n
R(T)
Esto quiere decir que R(T) contiene una base ortonormal, luego contiene
a su envolvente y su cierre contiene al cierre de la envolvente de la base,
que es todo l
2
(C). Luego para todo punto fuera del espectro puntual, el
rango de T es denso en l
2
(C). Esto quiere decir que el espectro residual
es vaco. Ademas se puede demostrar que el resolvente esta contenido en
el complementario del cierre de la sucesion. Sea un punto que no es de
acumulacion de las sucesion. Existe > 0 tal que [
n
[ > 0 para todo
n. Entonces
|(T I)
1
x|
2
=
n=1
[x
n
[
2
[
n
[
2

1
2
|x|
2
cuando x esta en el rango de T I. Por tanto (T I)
1
esta acotado
y es un elemento del resolvente. Usando el hecho de que el espectro
es cerrado se concluye que el continuo esta formado por los puntos de
acumulacion de la sucesion (que no coinciden con nig un elemento de la
sucesion, es decir con ning un autovalor).
48.
a) Resolvamos primero el problema homogeneo
_
1
0
xyf(y) dy f(x) = x
_
1
0
yf(y) dy f(x) = 0
Si = 0, la solucion son las funciones que verican:
_
1
0
yf(y) dy = 0
es decir, las funciones ortogonales a la funcion u
1
(x) = x. Si ,= 0,
entonces las soluciones son f(x) = ax para alg un a R (arbitrario por
ser el problema homogeneo):
x
_
1
0
y
2
dy x = 0
168 CAP

y por tanto,
1
3
x x = 0
es decir, solo hay una solucion (l.i.):
=
1
3
, f(x) = x
El operador
Kf(x) =
_
1
0
xyf(y) dy
se puede poner como:
Kf = (u, f)u, u(x) = x
y se puede interpretar como la proyeccion (salvo un factor) sobre el subes-
pacio engendrado por u (que no es de norma 1, sino |u| = 1/
3):
K =
1
3
P
luego, la ecuacion Kf f = g es:
1
3
Pf = g +f
y aplicando P (si ,= 0, 1/3):
(
1
3
)Pf = Pg Pf =
1
1
3

Pg
Por tanto:
f =
1
3
Pf
1
g =
1
(1 3)
Pg
1
g
Si = 0
1
3
Pf = g
luego no hay solucion a no ser que Pg = g. En este caso,
Pf = 3g, f = 3g +h
donde h es ortogonal a u. Si = 1/3
Pf f = 3g
luego no hay solucion a no ser que Pg = 0. En este caso,
f = 3g +h, Ph = h
.
169
b) Resolvamos primero el problema homogeneo
_
1
0
e
x+y
f(y) dy f(x) = e
x
_
1
0
e
y
f(y) dy f(x) = 0
Si = 0, la solucion son las funciones que verican:
_
1
0
e
y
f(y) dy = 0
Si ,= 0, las soluciones son f(x) = e
x
:
e
x
_
1
0
e
2y
dy e
x
= 0
1
2
(e
2
1)e
x
e
x
= 0 =
1
2
(e
2
1), f(x) = e
x
El problema no homogeneo se trata como el anterior, con u(x) = e
x
.
|u|
2
=
1
2
(e
2
1), K =
1
2
(e
2
1)P
Pf =
1
1
2
(e
2
1)
Pg
si ,= 0,
1
2
(e
2
1). Por tanto:
f =
e
2
1
(e
2
1 2)
Pg
1
g
Para = 0,
f =
2
e
2
1
g +h, Ph = 0, Pg = g
Para =
1
2
(e
2
1),
f =
2
e
2
1
g +h, Ph = h, Pg = 0
49.
a)
Af(x) =
_
/2
0
cos(x y)f(y) dy
Se trata de un n ucleo degenerado, pues
Af(x) = cos x
_
/2
0
(cos y)f(y) dy + sen x
_
/2
0
(sen y)f(y) dy
Sean u
1
= cos x, u
2
= sen x. Entonces,
Af(x) = (u
1
, f)u
1
(x) + (u
2
, f)u
2
(x)
170 CAP

Busquemos los autovalores de A. Esta claro que el rango del operador es
el espacio
linu
1
, u
2
Para = 0, las soluciones estan en el subespacio ortogonal al rango de A.

Para ,= 0, las autofunciones estan en el rango de A:
f = au
1
+bu
2
Sustituyendo:
(u
1
, au
1
+bu
2
)u
1
+ (u
2
, au
1
+bu
2
)u
2
= (au
1
+bu
2
)
y como:
(u
1
, u
1
) = (u
2
, u
2
) =
_
/2
0
cos
2
xdx =

4
(u
1
, u
2
) =
_
/2
0
cos xsen xdx =
1
2
tenemos,
_
4

_
a +
1
2
b = 0
1
2
a +
_
4

_
b = 0
Los autovalores son las soluciones de la ecuacion
det
_

4

1
2
1
2
4

_
=
_
4

_
2
1
4
es decir:
=

4
+
1
2
,

4

1
2
Las autofunciones son:
f
1
= u
1
+u
2
, f
2
= u
1
u
2
El operador A es autoadjunto (su n ucleo es simetrico y real) y su norma
coincide con el maximo de los autovalores.
|A| =

4
+
1
2
No hay espectro continuo por ser de tipo compacto (tampoco hay residual
por ser autoadjunto).
b)
(Kf)(x) =
_

0
cos xsen yf(y) dy
En este caso, el rango de K, igual a lincos x tiene dimension 1 (el n ucleo
no es simetrico). Si u(x) = sen x, v(x) = cos x, |v|
2
= |u|
2
=
1
2
,
Kf = (u, f)v, (u, v) =
_

0
cos xsen xdx = 0
171
luego f = av, y sustituyendo en la ecuacion de autovalores:
(u, v)v = v = 0
El espectro puntual consta de un solo punto = 0 y el subespacio propio
asociado a este autovalor es el ortogonal a u. En cuanto a la norma,
|Kf| = [(u, f)[ |v| =
_
2
[(u, f)[
_
2
|u| |f| =

2
|f|
luego
|K|

2
Pero, si f = u,
|Ku| = [(u, u)[ |v| =

2
luego
|K| =

2
No hay espectro residual ni continuo.
50.
(Kf)(x) =
_
x
0
(1 +x)f(y) dy = (1 +x)
_
x
0
f(y) dy = f(x)
Si = 0, entonces f(x) = 0. Para ,= 0
f(x) =
1
(1 +x)
_
x
0
f(y) dy
Notese que f(0) = 0. La funcion f es continua y se tiene, si:
h(x) =
_
x
0
f(y) dy, f(x) = g
(x), h(0) = 0
h
(x) =
1
(1 +x)h(x)
una ecuacion diferencial cuya soluci on es
h(x) = Ce
1
2
(1+x)
2
pero que debido a la condicion inicial es cero. Luego no hay autovalores. En
cuanto al problema no homogeneo (en el caso ,= 0):
(1 +x)
_
x
0
f(y) dy f(x) = g(x)
empleando la misma tecnica que antes:
h
(x) (1 +x)h(x) = g(x)

La solucion del problema homogeneo ya la conocemos:
h
H
(x) = Ce
1
2
(1+x)
2
172 CAP

y una solucion particular del completo se obtiene de:
C
(x) =
1
1
2
(1+x)
2
g(x)
La solucion completa es (con h(0) = 0)
h(x) =
1
e
1
2
(1+x)
2
_
x
0
e
1
2
(1+y)
2
g(y) dy
y la solucion del problema es
f(x) = h
(x) =
1
g(x)
1
2
(1 +x)
_
x
0
e
1
2
[(1+x)
2
(1+y)
2
]
g(y) dy
En el caso = 0,
_
x
0
f(y) dy =
g(x)
1 +x
Derivando:
f(x) =
d
dx
_
g(x)
1 +x
_
51.
a)
k(x, y) =
1
2

1
2
cos 2(x y) =
1
2

1
2
cos 2xcos 2y
1
2
sen 2xsen 2y
1
2
_
2
0
f(y) dy
1
2
_
2
0
f(y) cos 2y
1
2
sen 2x
_
2
0
f(y) sen 2y dy = f(x)
Si ,= 0, entonces f(x) = a +b cos 2x +c sen 2x y se tiene
1
2
_
2
0
(a +b cos 2y +c sen 2y) dy
1
2
cos 2x
_
2
0
(a +b cos 2y +c sen 2y) cos 2y
1
2
sen 2x
_
2
0
(a +b cos 2y +c sen 2y) sen 2y dy
= (a +b cos 2x +c sen 2x)
es decir
a
b
2
cos 2x
c
2
sen 2x = (a +b cos 2x +c sen 2x)
Por tanto los autovalores no nulos son , /2 y las autofunciones son
1, cos 2x, sen 2x.
b) = 0 es un autovalor y el n ucleo tiene dimension innita, pues estan en el
todas las funciones sen nx, cos nx para n ,= 2.
52.
173
a)
Kf(x) =
_
1
0
(12xy
2
2)f(y) dy = 12x
_
1
0
y
2
f(y) dy 2
_
1
0
f(y) dy
= f(x)
Si ,= 0, f(x) = ax +b y se tiene
12x
_
1
0
y
2
(ay +b) dy 2
_
1
0
(a +by) dy = (ax +b)
y por tanto:
3a + 4b = a, a 2b = b
Los autovalores son 1, 2 y las autofunciones x 1, 4x 1.
b) Si consideramos f(x) = ax
2
+bx +c e imponemos Kf = 0, se obtienen las
ecuaciones:
2a + 3b + 6c = 0, 12a + 15b + 20c = 0
y por tanto, dos funciones que dieran en la funcion 15x
2
16x+3 tienen
la misma imagen.
53.
a) La ecuacion para calcular las autofunciones es:
_
1
0
k(x, y)f(y) dy = f(x)
es decir:
_
1
0
3y(1 + 5x
2
y
2
)f(y) dy = 3
_
1
0
yf(y) dy + 15x
2
_
1
0
y
3
f(y) dy = f(x)
Si ,= 0, f(x) = a +bx
2
, por tanto;
3
_
1
0
y(a +by
2
) dy + 15x
2
_
1
0
y
3
(a +by
2
) dy = (a +bx
2
)
3
2
a +
3
4
b +
_
15
4
a +
5
2
b
_
x
2
= (a +bx
2
)
Hay que calcular los autovalores de la matriz:
_
_
_
3
2
3
4
15
4
5
2
_
_
_,
2
4 +
15
16
= 0,
1
=
1
4
,
2
=
15
4
Las autofunciones son, para
1
:
_
_
_
3
2

1
4
3
4
15
4
5
2

1
4
_
_
_
_
a
b
_
=
_
_
_
5
4
3
4
15
4
9
4
_
_
_
_
a
b
_
= 0, b =
3
5
a
174 CAP

y para
2
:
_
_
_
3
2

15
4
3
4
15
4
5
2

15
4
_
_
_
_
a
b
_
=
_
_
_
9
4
3
4
15
4

5
4
_
_
_
_
a
b
_
= 0, b = 3a
es decir:
f
1
(x) = 5 3x
2
, f
2
(x) = 1 + 3x
2
b) Basta encontrar una funcion que este en el n ucleo del operador.
_
1
0
3y(1 + 5x
2
y
2
)f(y) dy = 3
_
1
0
yf(y) dy + 15x
2
_
1
0
y
3
f(y) dy = 0
es decir:
_
1
0
yf(y) dy = 0,
_
1
0
y
3
f(y) dy = 0
La mas sencilla es un polinomio de orden 2 (de orden 1 no hay ninguno):
_
1
0
y(a +by +cy
2
) dy =
1
2
a +
1
3
b +
1
4
c = 0
_
1
0
y
3
(a +by +cy
2
) dy =
1
4
a +
1
5
b +
1
6
c = 0
Una solucion particular del sistema de ecuaciones es:
a = 4, b = 15, c = 12, f(x) = 4 15x + 12x
2
Dos funciones que dieran en la funcion anterior tienen la misma imagen.
54.
a)
x
2
_
2
0
yf(y) dy +
2
sen x
_
2
0
y
2
f(y) dy = f(x)
Como ,= 0
f(x) =
1
x
2
_
2
0
yf(y) dy +
1
2
sen x
_
2
0
y
2
f(y) dy = ax
2
+b sen x
Por tanto:
x
2
_
2
0
y(ay
2
+b sen y) dy +
2
sen x
_
2
0
y
2
(ay
2
+b sen y) dy = f(x)
Pero
_
2
0
y
3
dy = 4
4
,
_
2
0
y
4
dy =
32
5

5
_
2
0
y sen y dy = y cos y
2
0
+
_
2
0
cos y dy = 2
175
_
2
0
y
2
sen y dy = 4
2
y se tiene
(4
4
a 2b)x
2
+ (
32
5

7
a 4b
4
) sen x = ax +bsen x
(4
4
)a 2b = 0,
32
5

7
a (4
4
+)b = 0
Los autovalores son las soluciones de la ecuacion
(4
4
)(4
4
+) +
64
5

8
= 0,
2
16
8
+
64
5

8
=
2
16
5

8
= 0
es decir:
1
=
4
4
5
,
2
=
4
4
5
Las autofunciones son
2
3
_
1 +
1
5
_
a b = 0, 8
3
a (5
5)b = 0
2
3
_
1
1
5
_
a b = 0, 8
3
a (5 +
5)b = 0
es decir:
1
=
4
4
5
, f
1
(x) = x
2
+ 2
3
_
1 +
1
5
_
sen x
2
=
4
4
5
, f
2
(x) = x
2
+ 2
3
_
1
1
5
_
sen x
b) Las autofunciones f
1
y f
2
no son ortogonales
_
2
0
(x
2
+sen x)(x
2
+ sen x) dx
=
_
2
0
(x
4
+ ( +)x
2
sen x + sen
2
x) dx
=
32
5

5
16
5
=
16
5

5
Por lo tanto, el operador K no es autoadjunto (autofunciones correspon-
dientes a autovalores distintos no son ortogonales).
55.
a)
_
1
0
xy(3 5xy)f(y) dy = f(x)
se puede escribir como:
3x
_
1
0
yf(y) dy 5x
2
_
1
0
y
2
f(y) dy = f(x)
176 CAP

Luego, si ,= 0 se tiene que
f(x) = ax +bx
2
Sustituyendo
_
1
0
xy(3 5xy)(ay +by
2
) dy =
_
a +
3
4
b
_
x +
_
5
4
a b
_
= (ax +bx
2
)
Es decir, es trata de calcular los autovalores de la matriz
( 1
3
4

5
4
1 )
que son
1
16
= 0,
1,2
=
1
4
Las autofunciones son
f
1
(x) = x(x 1), f
2
(x) = x(5x 3)
b De acuerdo con lo anterior debe ser ortogonal a x y a x
2
. Probando con un
polinomio de grado 3:
_
1
0
(p +qy +y
2
)y dy = 0,
_
1
0
(p +qy +y
2
)y
2
dy = 0,
Es decir:
6p + 4q = 3, 20p + 15q = 12
con soluciones:
p =
3
10
, q =
6
5
y la funcion buscada es:
3 12y + 10y
2
56.
a) El n ucleo k es degenerado:
k(x, y) =
3
2
+ 15xy + 15x
2
y
2
y la ecuacion de autovalores Kf = f es:
_
1
1
_
3
2
+ 15xy + 15x
2
y
2
_
f(y) dy =
3
2
_
1
1
f(y) dy
+15x
_
1
1
yf(y) dy + 15x
2
_
1
1
y
2
f(y) dy = f
177
Para calcular los autovalores distintos de cero, tomamos f(x) = a+bx+cx
2
_
1
1
_
3
2
+ 15xy + 15x
2
y
2
_
f(y) dy
=
3
2
_
1
1
(a +by +cy
2
) dy + 15x
_
1
1
y(a +by +cy
2
) dy
+15x
2
_
1
1
y
2
(a +by +cy
2
) dy
=
3
2
_
2a +
2
3
c
_
+ 15x
_
2
3
b
_
+ 15x
2
_
2
3
a +
2
5
c
_
= (a +bx +cx
2
)
es decir:
3a +c = a
10b = b
10a + 6c = c
es decir, la matriz de la que hay que calcular los autovectores es (lo mejor
es utilizar una matriz simetrica, pero el resultado es el mismo.):
_
_
3 0 1
0 10 0
10 0 6
_
_
, (10 )((3 )(6 ) 10) = (10 )( 8)( 1)
luego los autovalores no nulos son:
1, 8, 10
y los autovectores correspondientes son:
_
_
2 0 1
0 9 0
10 0 5
_
_
_
_
_
_
= 0, = 0, = 2,
_
_
1
0
2
_
_
_
_
5 0 1
0 2 0
10 0 2
_
_
_
_
_
_
= 0, = 0, = 5,
_
_
1
0
5
_
_
_
_
7 0 1
0 0 0
10 0 1
_
_
_
_
_
_
= 0, = = 0,
_
_
0
1
0
_
_
es decir:
f
1
(x) = 1 2x
2
, f
2
(x) = 1 + 5x
2
, f
3
(x) = x
b)
V = lin1 2x
2
, 1 + 5x
2
, x = lin1, x, x
2
es un subespacio cerrado al ser de dimension nita. Hay que encontrar una

base ortonormal de V . Pero la base de autovectores es ortogonal:
_
1
1
x(1 2x
2
) dx =
_
1
1
x(1 + 5x
2
) dx = 0
178 CAP

(por paridad). Ademas:
_
1
1
(1 2x
2
)(1 + 5x
2
) dx =
_
1
1
(x +x
3
2x
5
) dx = 2 + 2 4 = 0
un resultado por otra parte obvio, al ser K autoadjunto (por ser simetrico).
Normalizando
_
1
1
(1 2x
2
)
2
dx =
14
15
,
_
1
1
(1 + 5x
2
)
2
dx =
56
3
,
_
1
1
x
2
dx =
2
3
u
1
=
_
15
14
(1 2x
2
), u
2
=
_
3
56
(1 + 5x
2
), u
3
=
_
3
2
x
y la proyeccion que hay que calcular es:
P
V
(g) = (x
3
, u
1
)u
1
+ (x
3
, u
2
)u
2
+ (x
3
, u
3
)u
3
con
(x
3
, u
1
) =
_
15
14
_
1
1
(1 2x
2
)x
3
dx = 0
(x
3
, u
2
) =
_
3
56
_
1
1
(1 + 5x
2
)x
3
dx = 0
(x
3
, u
3
) =
_
3
2
_
1
1
x
4
dx =
6
5
y, por tanto:
v = P
V
(x
3
) =
3
5
x
c) La proyeccion sobre V
es:
w = P
V
(x
3
) = x
3
P
V
(x
3
) = x
3
3
5
x
(que obviamente es ortogonal a P
V
(x
3
)). Ademas:
|g v|
2
=
_
1
1
_
x
3
3
5
x
_
2
dx =
1
2

6
25
=
13
50
|g w|
2
=
_
1
1
_
3
5
x
_
2
dx =
6
25
luego la funcion que mejor aproxima a g es w.
d) De la forma de K esta claro que las funciones del n ucleo son ortogonales a
las funciones 1, x, x
2
, que es V . Luego ker K = V
.
179
57.
a)
_

0
k(x, y)f(y) dy = f(x)
cos
2
x
_

0
f(y) dy
_

0
sen
2
yf(y) dy = f(x), f(x) = a +b cos
2
x
cos
2
x
_

0
(a +b cos
2
y) dy
_

0
sen
2
y(a +b cos
2
y) dy =
cos
2
x
_
a
_

0
dy +b
_

0
cos
2
y dy
_
_
a
_

0
sen
2
y dy +b
_

0
sen
2
y cos
2
y dy
_
=
cos
2
x
_
a +b
2
_
_
a
2
+b
8
_
= (a +b cos
2
x)
_
a
_
2

_
b
8
= 0
a +b
_
2

_
= 0
det
_

2

_
=
2

2
8
, =

8
Las autofunciones son:
_
8
__
a
b
_
= 0,
_
a
b
_
=
_
1
4
8
_
f
1
(x) = 1
_
4 +
8
_
cos
2
x, f
2
(x) = 1 +
_
4 +
8
_
cos
2
x
_

0
f
1
(x)f
2
(x) dx =
_

0
(1 (4 +
8) cos
2
x)(1 +(4 +
8) cos
2
x) dx = 0
Las autofunciones son ortogonales y el n ucleo es simetrico:
cos
2
x sen
2
y = cos
2
x + cos
2
y 1
b) Si una funcion esta en el n ucleo:
cos
2
x
_

0
f(y) dy
_

0
sen
2
yf(y) dy = 0
_

0
f(y) dy = 0,
_

0
sen
2
yf(y) dy = 0
Es facil ver que cos x es una de esas funciones. Otra, l.i. con la anterior, es
cos 3x (pero no cos 2x). Las ecuaciones anteriores se pueden poner como:
_

0
f(y) dy = 0,
_

0
cos 2yf(y) dy = 0
180 CAP

Consideremos la base de Fourier: 1, cos 2nx, sen 2nx, n = 1, 2, . . .. Las
funciones que verican las dos condiciones anteriores son:
f(x) =
n=2
a
n
cos 2nx +
n=1
b
n
sen 2nx
Tambien se puede coger como base de Fourier en L
2
[0, ]: cos nx, n =
0, 1, 2, . . ., y en este caso las funciones del n ucleo son:
f(x) = a
1
cos x +
n=3
a
n
cos nx
58.
a)
T
1
= [x[ cos x + ((x) (x)) sen x
T
1
= [x[ sen x + 2((x) (x)) cos x + 2 sen x
= [x[ sen x + 2((x) (x)) cos x
T
1
= [x[ cos x 3((x) (x)) sen x + 4 cos x
= [x[ cos x 3((x) (x)) sen x + 4
T
(4)
1
= [x[ sen x 4((x) (x)) cos x 6 sen x + 4
= [x[ sen x 4((x) (x)) cos x + 4
2
= [x[ sen x + ((x) (x)) cos x
T
2
= [x[ cos x 2((x) (x)) cos x + 2 cos x
= [x[ cos x 2((x) (x)) cos x + 2
T
2
= [x[ sen x 3((x) (x)) cos x 4 sen x + 2
= [x[ sen x 3((x) (x)) cos x + 2
T
(4)
2
= [x[ cos x + 4((x) (x)) sen x 6 cos x + 2
= [x[ cos x + 4((x) (x)) sen x + 2
b) Solo T
1
es solucion:
T
(4)
2
+ 2T
2
+T
2
= 4 + 2
59. g(x) = cos x y su derivada segunda es cos x.

f(x) = ((x) (x)) sen x
f
(x) = ((x) (x)) cos x + 2(x) sen x = ((x) (x)) cos x

f
(x) = ((x) (x)) sen x + 2(x) cos x + 2
sen x
= ((x) (x)) sen x + 2(x) = sen [x[ + 2
60.
181
a)
T
=
1
2
sen 2x + cos 2x =
1
2
sen 2x + cos 2x = cos 2x
T
cos 2x 2 sen 2x = cos 2x 4T = 4T

b) Si T
1
y T
2
son soluciones, T
1
T
2
es una solucion de la ecuacion homogenea.
La solucion general de la no homogenea es:
T
g
=
1
2
sen 2x +a cos 2x +b sen 2x
61. Si n es par, [x[
n
= x
n
, y las derivadas son:
x
n
, nx
n1
, n(n 1)x
n2
, . . . , n!x, n!, 0
No aparece (x). Pero si n es impar, f(x) = [x[
n
= x
n
((x)(x)). La primera
derivada es:
f
(x) = nx
n1
((x) (x)) + 2x
n
((x) +(x)) = nx
n1
((x) (x))
Por tanto ninguna derivada tiene (x) salvo la derivada de orden n + 1:
f
(n1)
(x) = n!x((x) (x))
f
(n)
(x) = n!((x) (x))
f
(n+1)
(x) = 2n!(x)
f
(n+2)
(x) = 2n!
(x)
.
.
.
62.
T
() =
_
R
f
(x)(x) dx =
1
_
R
f
_
x
_
(x) dx =
_
R
f(x)(x) dx
Tomando el lmite cuando 0
lm
0
+
T
() = lm
0
+
_
R
f(x)(x) dx =
0
_
R
f(x) dx = c
f
0
El intercambio del lmite con la integral se puede hacer por el teorema de la
convergencia dominada. Si f(x) = e
x
2
1
f
_
x
_
=
1
e
x
2
/
2
y como > 0, se puede considerar la funcion:
1
e
x
2
/
y por tanto, al ser
_
R
e
x
2
dx =

lm
0
+
1
e
x
2
/
=

182 CAP

Si ahora f(x) =
1
x
2
+1
, se tiene
1
f
_
x
_
=

x
2
+
2
y:
_
R
1
x
2
+ 1
dx =
lm
0
+
x
2
+
2
=
63. Calculando el lmite en T
, tenemos:
lm
0
+
1
((xu) (x))() = lm
0
+
(u) (0)
= (u )(0) = (u )()
luego la densidad es:
u
Para calcular la carga total aplicamos la distribucion densidad a la funcion 1
(se integra la densidad). El resultado es 0:
(u )(1) = (u 1) = 0
Para calcular el momento, se aplica la distribucion densidad a la funcion u x
(se integra la densidad de carga por el vector u x):
(u )(u x) = ((u )(u x)) = 1
pues
(u )(u x) = u u = 1
64.
_
xT
_
1
x
__
(f) = T
_
1
x
_
(xf) = VP
_
f(x) dx = 1(f)
Pero se tiene tambien:
1
x i0
= T
_
1
x
_
i
luego
_
xT
_
1
x
_
ix
_
(f) = T
_
1
x
_
(xf) = 1(f)
pues (x)f = 0.
65. a) Calculemos la transformada de Fourier de T(
1
x
). Como se vera en un
problema a continuacion,
=
i
2
1
k i0
=
i
2
T
_
1
k
_
+
_
183
Por tanto
T
_
1
k
_
= i
i
Calculando la transformada de Fourier:
T
_
1
k
_
= i
2(k) i
La transformada de Fourier de la distribucion es
=
1
2
de donde
T
_
1
x
_
= i
_
2
(2(x) 1) = i
_
2
sgn(k)
Pero
x
m
f(x) =
_
i
d
dk
_
m
f
y se tiene
x
m
T
_
1
x
_
=
_
i
d
dk
_
m
_
i
_
2
sgn(k)
_
= (i)
m1
_
2
d
m
dk
m
sgn(k)
Las derivadas de la distribucion signo son 2 y sus derivadas.
b) Se tiene,
d
m
f
dx
m
= (ik)
m

f
luego
(m)
= (ik)
m
= i
m
k
m
x
n
(m)
=
_
i
d
dk
_
n
(m)
= i
mn
d
n
dk
n
k
m
= i
mn
m!
(mn)!
k
mn
66. Desarrollando por Fourier la funcion:
f(x) =
x
2

x
2
4
se obtiene:
c
0
=
1
2
_
2
0
_
x
2

x
2
4
_
dx =

6
, c
n
=
1
2
_
2
0
_
x
2

x
2
4
_
e
inx
dx =
1
2n
2
f =

6

n=0
1
2n
2
e
inx
, x [0, 2]
La serie puede derivarse termino a termino en sentido de distribuciones, pero
para ello hay que considerar la extension 2-periodica a toda al recta de la
funcion f,

f. Esto introduce singularidades en los puntos 2n (ver graca)
184 CAP

-10 -5 5 10
0.2
0.4
0.6
0.8
n=0
i
2n
e
inx
=
1
2

x
2
+
n
(x 2n)
-10 -5 5 10
-0.4
-0.2
0.2
0.4
n=0
1
2
e
inx
=
1
2
+
n
(x 2n)
y por tanto:
n
1
2
e
inx
=
n
(x 2n)
67. Se puede demostrar facilmente utilizando la expresion del laplaciano en
coordenadas esfericas
1
r
=
1
r
2
r
_
r
2

r
1
r
_
= 0, r = [x[ , = 0, n ,= 2
Para estudiar que ocurre cuando r = 0,
_
1
r
_
() = T()
pues 1/r es una funcion localmente integrable en R
3
que dene una distribucion
en T
, T,
T() =
_
R
3
1
r
() d
3
x
Teniendo en cuenta que es una funcion de soporte compacto, consideremos
una esfera de centro el origen y radio R que contenga (y no corte) al soporte de
:
1
r
() = lm
0
+
__
<r<R
1
r
() d
3
x
_
185
Utilizando la formula de Green, en la corona esferica , < r < R:
_
( ) dx =
_
S
R
(
n

n
) dS
_
S
(
n

n
) dS
sustituyendo
_
1
r
dx =
_
1
r
dx +
_
S
R
_
1
r
n

n
1
r
_
dS +
_
S
_
1
r
n

n
1
r
_
dS
Pero y sus derivadas desaparecen en la esfera S
R
y el laplaciano de 1/r se
anula en :
_
1
r
dx =
_
S
_
1
r
n

n
1
r
_
dS
Como se puede calcular facilmente (en la supercie esferica S
n
dS =
r
dS,
n
1
r
dS =
1
r
2
dS, dS =
2
d
y se tiene:
_
1
r
dx =
_
S
_
1
r
r
+
1
r
2
_
dS =
1
_
S
r
dS
1
2
_
S
dS
y si tomamos el lmite cuando 0
+
lm
0
+
_
1
r
dx = lm
0
+
_
S
(x) d =
lm
0
+
__
S
((x) (0)) d +(0)

_
S
d
_
= 4(0)
y nalmente:
1
r
= 4
En el caso bidimensional se tiene:
log r = 2
68. De la denicion:
T
a
() =
1
2
_
R
__
R
(x)e
ax
e
ikx
dx
_
(k) dk =
1
2
_
R
__
R
(x)e
(a+ik)x
dx
_
dk =
1
2
_
R
__

0
e
(a+ik)x
dx
_
(k) dk =
i
2
_
R
1
k ia
(k) dk
y cuando a 0 se tiene:
= lm
a0
+
T
a
=
i
2
1
k i0
186 CAP

69. La transformada de Fourier de x
n
T se puede calcular a partir de la de T:
x
n
T =
_
i
d
dk
_
n
T = 0,

T
(n)
= 0
y por tanto

T es un polinomio de grado n 1:
T =
n1
j=0
c
j
k
j
y la transformada inversa es
T =
n1
j=0
c
j
(j)
70. Aplicando la transformada de Fourier:
ik
T +a
T =
1
2
, a > 0
luego
T =
i
2
1
k ia
y la transformada inversa es:
i
2
_
R
e
ikx
k ia
dk
La forma natural de calcular esta integral es utilizar la tecnica de residuos.
Si x > 0, integramos en el semiplano superior (se cumplen las hipotesis para
poder aplicar esta tecnica, pues hay una exponencial que decrece en el innito)
y cerrando por una semicircunferencia, al haber un polo simple en k = ia, se
tiene
i
2
_
R
e
ikx
k ia
dk =
i
2
2i Res
_
e
ikx
k ia
, ia
_
= e
ax
, x > 0
Si x < 0, tenemos que escoger la semicircunferencia en el semiplano inferior, y
all no hay ning un polo. Por lo tanto, la integral es 0. En denitiva:
T = e
ax
(x)
La solucion de la ecuaci on no homogenea, y
+ay = f, es ahora y = T f, pues,

y
= T
f = ( aT) f = f aT f = f ay.
71. La tecnica es la misma que en el problema anterior, pero ahora hay dos
variables. Resolvemos primero el caso de una variable:
u
+a
2
u = (x)
187
La transformada de Fourier de u verica:
k
2
u +a
2
u =
1
2
, u =
1
2
1
k
2
a
2
y por tanto:
u =
1
2
_
R
e
ikx
k
2
a
2
dk
Para resolver la integral desplazamos los polos, que estan sobre el eje real su-
mando i (o restando) seg un la gura (de forma equivalente se sortean los polos
mediante semicircunferencias de radios que tienden a cero).
Entonces:
k
2
a
2
= (k a i)(k +a i), cuando 0
Cuando x > 0, integrando en el semiplano superior,
_
R
e
ikx
(k a i)(k +a i)
dk = 2i
_
e
ikx
k +a i
k=a+i
+
e
ikx
k a i
k=a+i
_
=
i
a
(e
iax
e
iax
) =
2
a
sen ax
Y es cero cuando x < 0 (integrando en el semiplano inferior). por tanto la
solucion es
u = (x)
sen ax
a
Si se desplazan los polos al semiplano inferior, la solucion que se obtiene es
u = (x)
sen ax
a
que diere de la anterior, como cualquier otra solucion de esta ecuacion, en una
solucion de la homogenea.
Pasemos ahora a la ecuacion de ondas:
T
tt
T
xx
= (x)(t)
y su transformada de Fourier en x:
T
tt
+k
2

T =
1
2
(t)
188 CAP

Como hemos visto, una solucion es:
T =
(t)
2
sen kt
k
Calculando la transformada inversa
_
R
sen kt
k
e
ikx
dk =
1
2i
_
R
1
k
e
ik(x+t)
dk
1
2i
_
R
1
k
e
ik(xt)
dk
Desplazando el polo en k = 0 a k = i,
1
2i
_
R
1
k i
e
ik(x+t)
dk
1
2i
_
R
1
k i
e
ik(xt)
dk
pero
1
k i
= i
2(p)
por tanto
T
1
= (t)
1
2
((x +t) (x t))
Si se usa
T =
(t)
2
sen kt
k
la solucion es:
T
2
= (t)
1
2
((x +t) (x t))
Estas dos soluciones dieren en soluciones de la ecuacion homogenea y se pueden
escribir como:
T
1
=
1
2
(t [x[)
T
2
=
1
2
(t [x[)
en donde se observa facilmente cuales son sus soportes.
72.
a) Como
(t) +(t) = 1
se tiene
u
2
=
1
2
cos t
y por tanto
Tu
2
= 0
Por otra parte
t
u
1
=
1
2
( +) sen t +
1
2
((t) (t)) cos t =
1
2
((t) (t)) cos t
2
t
u
1
=
1
2
( +) cos t

2
((t) (t)) sen t =
2
u
1
, Tu
1
=
189
b) De lo anterior se deduce que u
1
es una solucion fundamental de T y que u
2
es diferenciable.
73.
a) Aplicando la denicion
(x) = (x)
=
_

(x)
(x) dx =
_
0
(x) dx = (0)
luego
(x) =
b) Calculando la derivada segunda de u
1
:
u
1
=
i
2
(ie
ix
(x) ie
ix
(x) e
ix
+ e
ix
)
=
1
2
(e
ix
(x) e
ix
(x))
u
1
=
1
2
(ie
ix
(x) + ie
ix
(x) e
ix
e
ix
)
=
i
2
(e
ix
(x) + e
ix
(x)) + =
2
u
1
+
Identico resultado se obtiene con u
2
, pues basta usar que u
2
= u
1
y que
el operador es real.
c) Todas las soluciones fundamentales son:
i
2
(e
ix
(x) + e
ix
(x)) +Asen x +Bcos x =
i
2
(e
ix
(1 (x)) + e
ix
(x)) +Asen x +Bcos x =
i
2
(e
ix
2i(x) sen x) +Asen x +Bcos x =
(x)
sen x
+
i
2
e
ix
+Asen x +Bcos x
y eligiendo A y B adecuadamente (A = 1/(2), B = i/(2))
(x)
sen x
es una solucion fundamental real.

74.
a)
x
, ) =
, x) = , (x)
) = , +x
) = , )
luego
x
=
(inmediato de (x)
= 0).
190 CAP

b)
u
, ) = u,
) = T
_
1
x
_
, x
)
= lm
0
_
|x|
dx = lm
0
(() ()) = 0
luego
u
= 0
c)
(n)
, ) =
(n)
, ) = (1)
n
,
(n)
)
como
(k) =
1
2
_

(x)e
ikx
dx
su derivada es:

(n)
=
1
2
_

(ix)
n
(x)e
ikx
dx
y por tanto
(n)
, ) = (1)
n
1
2
_

(ix)
n
(x) dx
es decir:
(n)
=
(ik)
n
2
resultado que se puede deducir de forma inmediata de
=
1
2
,

n
x
f = (ik)
n

f
75.
a)
u = e
|x|
e
|x|
=
_

e
|xy|
e
|y|
dy
Si x > 0
_

e
|xy|
e
|y|
dy =
_
0
e
|xy|
e
y
dy +
_

0
e
|xy|
e
y
dy =
_
0
e
(xy)
e
y
dy +
_
x
0
e
(xy)
e
y
dy +
_

x
e
xy
e
y
dy =
_
0
e
x+2y
dy +
_
x
0
e
x
dy +
_

x
e
x2y
dy
= e
x
_
0
e
2y
dy + e
x
_
x
0
dy + e
x
_

x
e
2y
dy =
1
2
e
x
+xe
x
+
1
2
e
x
e
2x
= (1 +x)e
x
191
Si x < 0
_

e
|xy|
e
|y|
dy =
_
0
e
|xy|
e
y
dy +
_

0
e
|xy|
e
y
dy =
_
x
e
(xy)
e
y
dy +
_
0
x
e
xy
e
y
dy +
_

0
e
xy
e
y
dy =
_
x
e
x+2y
dy +
_
0
x
e
x
dy +
_

0
e
x2y
dy
= e
x
_
x
e
2y
dy + e
x
_
0
x
dy + e
x
_

0
e
2y
dy =
1
2
e
x
xe
x
+
1
2
e
x
= (1 x)e
x
y por tanto, el producto de convolucion es:
u = (1 +[x[)e
|x|
b)
i)
u
= ((x) (x) (1 +[x[)((x) (x)))e

|x|
= ((x) (x))[x[e
|x|
= xe
|x|
ii)
D
x
u = D
x
(e
|x|
e
|x|
) = D
x
_

e
|xy|
e
|y|
dy
=
_

D
x
e
|xy|
e
|y|
dy
D
x
e
|xy|
= ((x y) (y x))e
|xy|
D
x
u =
_

((x y) (y x))e
|xy|
e
|y|
dy
=
_

(x y)e
|xy|
e
|y|
dy
+
_

(y x)e
|xy|
e
|y|
dy
=
_
x
e
(xy)
e
|y|
dy +
_

x
e
xy
e
|y|
dy
Si x > 0
D
x
u =
_
0
e
(xy)
e
y
dy
_
x
0
e
(xy)
e
y
dy +
_
x
e
xy
e
y
dy
=
_
0
e
x+2y
dy
_
x
0
e
x
dy +
_
x
e
x2y
dy = xe
x
192 CAP

Si x < 0
D
x
u =
_
x
e
(xy)
e
y
dy +
_
0
x
e
xy
e
y
dy +
_
0
e
xy
e
y
dy
=
_
x
e
x+2y
dy +
_
0
x
e
x
dy +
_
0
e
x2y
dy = xe
x
luego
D
x
u = xe
|x|
76.
a)
1
2
_

e
ikx
x i
dx =
1
2
2i Res
_
e
ikx
x i
, i
_
=
_
0 si k > 0
i
2e
k
si k < 0
= i
2e
k
(k)
1
2
_

e
ikx
x + i
dx =
1
2
2i Res
_
e
ikx
x + i
, i
_
=
_
0 si k < 0
i
2e
k
si k > 0
= i
2e
k
(k)
T(T
()) = i
2e
k
(k)
b)
lm
0
T(T
()) = lm
0
i
2e
k
(k) = i
2(k)
luego
T
_
1
x i0
_
= i
2(k)
T
_
1
x i0
+
1
x + i0
_
= i
2(k) i
2(k)
= i
2((k) (k)) = i
2 sgn(k)
T
_
1
x i0

1
x + i0
_
= i
2(k) + i
2(k)
= i
2((k) +(k)) = i
2
De las formulas de Sochozki
1
x i0
= i +T
_
1
x
_
se tiene:
1
x i0
+
1
x + i0
= 2T
_
1
x
_
,
1
x i0

1
x + i0
= 2i
y por tanto,
=
1
2
,
T
_
1
x
_
= i
_
2
sgn(k)
Bibliografa
[1] L. Abellanas, A. Galindo, Espacios de Hilbert (Geometra, Operadores, Es-
pectros), Eudema, Madrid 1987.
[2] L. Abellanas, L. Martnez Alonso, Metodos Matematicos de la Fsica: Pro-
blemas y Tests, Tecnigraf, Talavera 1995.
[3] C.D. Aliprantis, O. Burkinshaw, Principles of real analysis, Elsevier, New
York 1981.
[4] C.D. Aliprantis, K.C. Border, Innite dimensional analysis, Springer, Ber-
lin 1999.
[5] S.K. Berberian, Introduccion al espacio de Hilbert, Teide, Barcelona 1970.
[6] S.K. Berberian, Lectures in Functional Analysis and Operator Theory,
Springer, New York 1974.
[7] N. Boccara, Functional Analysis: An introduction for physicists, Academic
Press, San Diego 1990.
[8] N. Bourbaki,

Elements dhistoire des mathematiques, Hermann, Paris 1969.
[9] M. Carter, B. van Brunt, The Lebesgue-Stieltjes Integral , Springer, New
York 2000.
[10] B. Gelbaum, Problems in Analysis, Springer, New York 1982.
[11] P.R. Halmos, Measure Theory, Van Nostrand, New York 1950.
[12] P.R. Halmos, Introduction to Hilbert space and the theory of spectral mul-
tiplicity, Chelsea Publ. Co., New York 1951.
[13] P.R. Halmos, A Hilbert space problem book, Van Nostrand, New York 1967.
[14] T. Hawkins, Lebesgues Theory of Integration, Chelsea, New York 1975.
[15] J.M. Jauch, Foundations of Quantum Mechanics, Addison-Wesley, Reading
1968.
[16] T.F. Jordan, Linear Operators for Quantum Mechanics, Wiley, New York
1969.
[17] J.L. Kelley, Topologa general , Eudeba, Buenos Aires 1975.
193
194 BIBLIOGRAF
IA
[18] A.N. Kolmogorov, S.V. Fomin, Introductory real analysis, Dover, New York
1970.
[19] E. Kreyszig, Introductory Functional Analysis with Applications, Wiley,
New York 1978.
[20] M.J. Lighthill, Fourier analysis and generalized functions, Cambridge
Univ. Press, Cambridge 1970.
[21] L. Lusternik, V. Sobolev, Precis danalyse fonctionnelle, Mir, Moscou 1989.
[22] C.C. Pugh, Real Mathematical Analysis, Springer, New York 2002.
[23] M. Reed, B. Simon, Methods of Modern Mathematical Physics. I: Functio-
nal Analysis, Academic Press, New York 1972.
[24] F. Riesz, B. Sz.-Nagy, Functional Analysis, Dover, Mineola 1955.
[25] W. Rudin, Functional Analysis, Tata MacGraw-Hill, New Delhi 1973.
[26] H.H. Schaefer, Espacios vectoriales topologicos, Teide, Barcelona 1974.
[27] H.H. Schaefer, Operator methods in Quantum Mechanics, Dover, New York,
2002.
[28] L. Schwartz, Metodos Matematicos para las Ciencias Fsicas, Selecciones
Cientcas, Madrid 1969.
[29] L. Schwartz, Analyse: Topologie generale et analyse fonctionnelle, Her-
mann, Paris 1970.
[30] L. Schwartz, Theorie des distributions, Hermann, Paris 1973.
[31] V. Trenoguine, B. Pissarevski, T. Soboleva, Probl`emes et exercises dana-
lyse fonctionnelle, Mir, Moscou 1987.
[32] V.S. Vladimirov, Generalized Functions in Mathematical Physics, Mir,
Moscow 1979.
[33] V.S. Vladimirov, Equations of Mathematical Physics, Mir, Moscow 1984.

AF

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

AF

Uploaded by

Copyright:

Available Formats

AN

ITULO 1. LA INTEGRAL DE LEBESGUE

ITULO 1. LA INTEGRAL DE LEBESGUE

ITULO 1. LA INTEGRAL DE LEBESGUE

ITULO 1. LA INTEGRAL DE LEBESGUE

sobre H con valores en la recta

ITULO 1. LA INTEGRAL DE LEBESGUE

(A) 0, (no negativa)

-medibles es un -anillo. Y lo que resulta es que

es -aditiva en el siguiente sentido:

-medibles cuya union es igual a B. La demostracion

una medida exterior en un -anillo hereditario H y

-medibles. Todo conjunto de medida exterior cero es

-medible (la desigualdad en sentido contrario se da

-medible (es decir, o(1)

ITULO 1. LA INTEGRAL DE LEBESGUE

en la clase de los conjuntos

(A) = sup (B) : A B o

ITULO 1. LA INTEGRAL DE LEBESGUE

(A) =nf (B) : A B, B abierto

ITULO 1. LA INTEGRAL DE LEBESGUE

ITULO 1. LA INTEGRAL DE LEBESGUE

ITULO 1. LA INTEGRAL DE LEBESGUE

de donde se concluye el resultado. En particular la integral de una funcion

ITULO 1. LA INTEGRAL DE LEBESGUE

ITULO 1. LA INTEGRAL DE LEBESGUE

ITULO 1. LA INTEGRAL DE LEBESGUE

(t), luego f(t) y g(t) dieren en una constante para

ITULO 1. LA INTEGRAL DE LEBESGUE

ITULO 1. LA INTEGRAL DE LEBESGUE

ITULO 1. LA INTEGRAL DE LEBESGUE

IA, DISTANCIA Y NORMA

. Es el mayor abierto contenido en ese conjunto. En efecto, si A B,

IA, DISTANCIA Y NORMA

. El cierre de un conjunto es la union del

IA, DISTANCIA Y NORMA

IA, DISTANCIA Y NORMA

IA, DISTANCIA Y NORMA

IA, DISTANCIA Y NORMA

IA, DISTANCIA Y NORMA

Cuando m , el segundo miembro tiende a cero y por tanto y = u

de 0 L tal que T(V

si |x| r. Pero, para

IA, DISTANCIA Y NORMA

= L(L, K) es un espacio de Banach (aunque L sea solo un espacio normado).

IA, DISTANCIA Y NORMA

ITULO 3. ESPACIOS DE BANACH

En general, la siguiente aplicacion es una norma:

ITULO 3. ESPACIOS DE BANACH

ITULO 3. ESPACIOS DE BANACH

. La dimension de este espacio es

ITULO 3. ESPACIOS DE BANACH

es un espacio de Banach. Basta tomar

Como sabemos, cualquier subespacio cerrado de un espacio de Banach es un

(c), c (x, x + (1 )y)

(c) + (1 )(x y)f

ITULO 3. ESPACIOS DE BANACH

es positiva para todo x > 0. La funcion tiene solo un mnimo en la semirrecta

ITULO 3. ESPACIOS DE BANACH

. Para ello denimos primero el supremo de una funcion f. Se dice que K es

=nfK : [f(x)[ K, c.d.

) y por lo tanto es un espacio de Banach.

ITULO 3. ESPACIOS DE BANACH

no tiende a cero sucientemente