Analisis Funcional

Teorı́a, procedimientos de demostración y
ejercicios de Análisis Funcional
Lic. Alejandro Alonso Fúster

Dra. Lucı́a Argüelles Cortés
FACULTAD DE MATEMÁTICA, FÍSICA

Y COMPUTACIÓN
Universidad Central “Marta Abreu”de Las Villas
Cuba
2005
Índice General
1 Una aproximación al estudio del Análisis Funcional 1

1.1 Orientaciones metodológicas . . . . . . . . . . . . . . . . . . . 2
1.2 Caracterı́sticas del texto . . . . . . . . . . . . . . . . . . . . . 3
1.3 Sobre el enfoque global en el curso de Análisis Funcional . . . 5
1.4 Preámbulo al texto . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4.1 Influencia del Análisis Clásico en el Análisis Funcional 7
1.4.2 Generalización de la geometrı́a al Análisis Funcional . . 10
1.4.3 Importancia de los espacios normados generales . . . . 11
1.5 Panorámica del texto . . . . . . . . . . . . . . . . . . . . . . . 12
2 Espacios normados 15
2.1 Espacios normados . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2 Espacios de Banach . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3 Espacios de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . 24
2.4 Desigualdades de Hölder y Minkowski . . . . . . . . . . . . . . 25
2.5 Ejercicios Resueltos . . . . . . . . . . . . . . . . . . . . . . . . 27
2.6 Ejercicios Propuestos . . . . . . . . . . . . . . . . . . . . . . . 43
3 Operadores lineales 45
3.1 Continuidad, acotación y norma de un operador lineal . . . . . 45
3.1.1 Ejercicios Resueltos . . . . . . . . . . . . . . . . . . . . 50
3.2 Espacio de operadores lineales acotados . . . . . . . . . . . . . 60
3.3 Operadores inversos . . . . . . . . . . . . . . . . . . . . . . . . 70
3.4 Operadores cerrados . . . . . . . . . . . . . . . . . . . . . . . 79
3.5 Operadores casi cerrados . . . . . . . . . . . . . . . . . . . . . 92
i
4 Espacios duales y operadores conjugados 99

4.1 Funcionales lineales continuos en espacios normados . . . . . . 99
4.2 Teorema de Hahn-Banach. Estructura del Espacio Dual . . . . 101
4.2.1 Aplicaciones del Teorema de la Acotación Uniforme al
caso de funcionales . . . . . . . . . . . . . . . . . . . . 102
4.3 Espacio Dual . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
4.3.1 Operadores Conjugados . . . . . . . . . . . . . . . . . 121
4.3.2 Conjugado de Hermite . . . . . . . . . . . . . . . . . . 122
4.4 Convergencia Débil . . . . . . . . . . . . . . . . . . . . . . . . 132
5 Conjuntos compactos y Operadores totalmente continuos 142

5.1 Conjuntos compactos en espacios normados . . . . . . . . . . 143
5.2 Operadores lineales totalmente continuos . . . . . . . . . . . . 144
5.3 Ejercicios resueltos aplicados a la resolución de ecuaciones in-
tegrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
5.4 Ejemplos Propuestos . . . . . . . . . . . . . . . . . . . . . . . 179
6 Operadores autoconjugados. Teorı́a espectral 180

6.1 Operadores autoconjugados . . . . . . . . . . . . . . . . . . . 180
6.2 Espectro de un operador lineal . . . . . . . . . . . . . . . . . . 188
ii
Capı́tulo 1
Una aproximación al estudio

del Análisis Funcional
El Análisis Funcional es un producto de las matemáticas modernas que con-

densa resultados de diferentes ramas del análisis tales como: las ecuaciones
diferenciales ordinarias y parciales, ecuaciones integrales, cálculo variacional,
análisis numérico, teorı́a de aproximaciones y otros. Se ha demostrado que
resulta sumamente importante para una mejor comprensión de resultados ya
obtenidos y por obtener. Hoy dı́a, es imposible trabajar en temas del análisis
sin algún conocimiento de los métodos y herramientas que nos proporciona.
El análisis clásico trabaja en espacios euclı́deos n−dimensionales, de donde

tenemos las nociones de funciones, convergencia, etc. El Análisis Funcional
extiende y generaliza considerablemente algunas nociones como espacio, con-
vergencia y función. Los elementos de los espacios ahora no sólo serán
números o n−uplos de números sino elementos de naturaleza arbitraria, por
ejemplo: funciones, medidas, sucesiones. Estos espacios pueden tener infini-
tas dimensiones y éstas pueden ser contables o no. Además de funciones se
tienen aplicaciones (transformaciones) de espacios en otros, por lo que en ca-
sos especiales podemos hablar de funcionales y operadores. La convergencia
y los lı́mites serán también redefinidos de manera muy general para espacios
muy abstractos.
La forma muy general de estas nociones básicas permite aplicar los resul-
tados en otras ramas distintas de las matemáticas. Algunos resultados están
muy cerca de los clásicos del análisis, pero en otros casos difieren considerable-
1
mente de las ideas que se tienen de los espacios euclideanos n−dimensionales.
Resulta un hecho que las interpretaciones geométricas son muy importantes

para entender muchos métodos del Análisis Funcional, es por esto que resul-
ta necesario conocer las nociones geométricas en cualquier momento en esta
especialidad.
Las herramientas algebraicas son, también, de suma importancia y comple-

tan la idea de que existen tres ramas de las matemáticas (geometrı́a, álgebra
y análisis) que se encuentran conectadas de una manera muy evidente.
Este texto comienza desde un recordatorio de algunos conceptos y se va

adentrando en la teorı́a mı́nima necesaria para resolver múltiples problemas
del Análisis Funcional.
1.1 Orientaciones metodológicas

La asignatura Análisis Funcional es una de las de mayor grado de abstracción
a la cual se enfrenta el estudiante de Licenciatura en Matemática. Esto se
debe a su carácter unificador, destinado a la obtención de resultados muy
generales que pueden ser aplicados prácticamente en todas las ramas de la
Matemática. Lo anterior explica por qué esta asignatura es considerada si-
multáneamente como básica especı́fica y como asignatura del ejercicio de la
profesión.
El enfoque intrı́nseco del Análisis Funcional constituye una dificultad para

la generalidad de los estudiantes que la reciben a la altura del cuarto año
de la carrera, tras haber recibido otras asignaturas básicas y del ejercicio de
la profesión, donde se han aprendido algunas técnicas un tanto especı́ficas
del Análisis Funcional. Entre estas asignaturas pueden citarse el Análisis
Matemático, la Topologı́a y la Teorı́a de la Medida e Integración.
La dificultad que se ha aludido ha sido reconocida por estudiantes de todas

las universidades del paı́s en diversos contextos, por lo cual la impartición
del Análisis Funcional constituye un reto pedagógico para los profesores del
claustro de la carrera, agravado por la carencia de textos con caracterı́sticas
idóneas.
2
El texto básico carece explı́citamente de ejercitación y los textos de con-
sulta que pueden utilizarse (que se refieren en la bibliografı́a de este texto)
manifiestan algunos de los señalamientos siguientes:
• Solo muestran algunos ejercicios propuestos, ninguno resuelto.
• Indican respuestas cualitativas de algunos ejercicios propuestos. En

algunos casos se esboza la aplicación de ciertos artificios.
Por lo antes señalado reviste importancia acometer la didáctica especializa-

da de esta asignatura a partir de la elaboración de un libro como material
de estudio que posea las caracterı́sticas requeridas, en particular, cubrir los
contenidos planteados en el Plan de Estudios de la Carrera de Matemática.
La intención del texto es viabilizar la adquisición de habilidades en las técni-

cas del Análisis Funcional, que deben lograrse mediante las formas organi-
zativas de docencia tales como el seminario, cuya preparación debe estar
apoyada en una adecuada orientación del trabajo independiente.
El seminario es propicio para debatir tanto aspectos teóricos como prácticos,

por lo que se ha prestado atención al desarrollo de ejemplos de ambos tipos
en el texto. Por tanto, complementando el texto con una guı́a apropiada, se
puede estimular la independencia en el estudiante, potenciar la inclusión de
temas novedosos del perfil del especialista (de acuerdo con el Plan de Estu-
dio), seleccionar las actividades preparatorias para el desarrollo del seminario
y basar la ejecución de actividades de reafirmación de conocimientos.
1.2 Caracterı́sticas del texto

El presente libro es el resultado de varios años de trabajo de los profesores de
la asignatura Análisis Funcional y surge debido a la necesidad de que tanto
los estudiantes como los profesores puedan utilizar un texto metodológica-
mente apropiado para el desarrollo del proceso docente-educativo.
El mismo está estructurado mediante seis capı́tulos que abarcan temas básicos
de la formación del profesional en esta asignatura. Cada uno de los capı́tu-
los presenta los esenciales teóricos dosificados en epı́grafes que muestran las
3
definiciones, relaciones teóricas fundamentales y comentarios que contribuyen
a la fijación del conocimiento. El desarrollo de los ejercicios está preparado
para que el profesor pueda viabilizar la enseñanza problémica y para que el
estudiante pueda estudiar de forma tutorial bajo la orientación del docente
porque se han explotado creativamente las facilidades del editor1 para este fin.
Como caracterı́stica general, la forma de presentación de los capı́tulos confiere

una unidad metodológica al texto. Este hecho, unido a que el tratamiento
teórico es general y el contenido es consecuente con los requerimientos de la
ejercitación seleccionada, hace del texto un material bibliográfico auto con-
tenido.
Con el fin de reafirmar y ampliar la formación profesional relacionada con

el ejercicio de la profesión, en el penúltimo capı́tulo se han introducido ejer-
cicios relacionados con la aplicación práctica de la teorı́a de Fredholm a la
resolución de ecuaciones integrales, lo cual refuerza el carácter extraordinario
de este texto en cuanto a su aplicabilidad.
Sobre la base de resultados ya publicados, relativos a la aplicación de mo-

dernos métodos de enseñanza en el aprendizaje de la Matemática, en algunos
casos vinculados al uso de la computación, en la confección del presente libro
se manifiestan las siguientes perspectivas que confieren aspectos novedosos
al texto:
• Se han utilizado las extraordinarias ventajas que ofrece el LaTeX en
cuanto al manejo de la simbologı́a estructural, con vistas a instrumentar
la condición tutorial del conocimiento, lo cual aumenta notablemente
la calidad del autoestudio. Esto puede apreciarse a lo largo de los
ejercicios que son explicados en este libro.
• Se han aprovechado invariantes metodológicas para el desarrollo de
algunos temas, tales como la determinación de la norma de un operador,
en particular de un funcional.
• Se ha procurado facilitar tanto al profesor como al estudiante la con-
cepción del seminario como forma de concretar el papel integrador de
la asignatura. A este fin contribuye la forma en que se ha diseñado la
resolución de los ejercicios.
1
LaTeX
4
• Se viabiliza la comprensión del estudiante en lo relativo al tratamiento
de la modelación matemática en problemas del Análisis Funcional, si
el profesor aplica las reglas heurı́sticas que caracterizan el método de
enseñanza problémica.
• Se facilita al profesor el montaje de una ingenierı́a didáctica, debido a

que se ha utilizado un enfoque apropiado mediante el cual los ejercicios
se presentan de forma natural en el contexto de la presentación teórica
y los ejercicios propuestos no son simplemente ejercicios adicionales,
sino que constituyen un complemento, puesto que se originan en los
ejercicios resueltos o los generalizan.
1.3 Sobre el enfoque global en el curso de

Análisis Funcional
Para el logro de valores éticos en el estudiante, es muy útil que gane concien-
cia de la relevancia de los hechos precedentes y del esfuerzo mantenido del
hombre para alcanzar nuevas conquistas como respuesta a los retos sociales.
Por esto se impone abordar de forma sistemática y organizada el contenido

con un enfoque que proyecte en particular la historia de la profesión.
La presentación realizada toma en consideración diversas dimensiones o lı́neas

de la relación Análisis Funcional-contexto histórico con caracterı́sticas uti-
litarias bien definidas. Entre las dimensiones pueden citarse las siguientes:
Psicológica: Busca la motivación por la aplicación de potentes resultados
que conducen al manejo de valores éticos inherentes a la matemática,
tales como la elegancia, la precisión y la concisión.
Epistemológica: Destinada a materializar las relaciones con otras disci-

plinas. En este caso son claros los vı́nculos con las más notables
propiedades topológicas de los espacios métricos, entre ellas la caracteri-
zación de la continuidad de funciones definidas entre espacios métricos
(ampliamente utilizada en la resolución de los ejercicios), el teorema de
Baire (base de la demostración del teorema general de la acotación uni-
forme) y las caracterizaciones de la compacidad en espacios métricos,
explı́citamente resumidas en el capı́tulo 5 por su relevancia práctica en
5
el mismo.
Como proyección de la teorı́a estudiada se han aplicado resultados

básicos del Análisis Funcional en diversas áreas, como por ejemplo el
teorema de la acotación uniforme en Análisis Matemático; la teorı́a de
operadores inversos en Matemática Numérica y en Ecuaciones Diferen-
ciales; la noción de convergencia débil en la teorı́a de funciones genera-
lizadas y la teorı́a espectral en la resolución de ecuaciones integrales.
Lógica: Mediante la dosificación de procesos inductivo-deductivos. En este

texto se procura un balance entre lo general y lo particular y una con-
catenación teórico-práctica basada en los esenciales mı́nimos y la ade-
cuada aplicación de la experiencia acumulada.
Axiológica: Debe garantizar la derivación de valores partiendo de la ase-

quibilidad del conocimiento a partir de las caracterı́sticas de la pre-
sentación, la forma de usar las técnicas y el lenguaje. El objetivo
es lograr la actualidad en la información, profundizar la especificidad
cultural e inculcar un compromiso social mediante el análisis de los he-
chos y de la labor de eminentes profesionales. En el presente estudio
hay nombres explı́citos de gran significación cientı́fica en la historia del
Análisis Funcional, entre ellos: Stefan Banach (1892-1945) pionero en
el estudio de los espacios normados y de sus aplicaciones a partir de
1922; David Hilbert (1862-1943) considerado el más célebre matemático
alemán de la primera mitad del siglo XX, con aportes en casi todas las
ramas de la matemática (fue contemporáneo de Otto Hölder (Alema-
nia, 1859-1937)); Hermann Minkowski (1864-1909), matemático y fı́sico
alemán de origen ruso, creador de algunos tipos de espacios que fueron
la base del progreso de la Teorı́a de la Relatividad y Frederich Riesz
(1880-1956), húngaro, que continuó y generalizó la obra de Hilbert.
1.4 Preámbulo al texto

Con vistas a propiciar una motivación inicial para un acercamiento al texto,
brindamos aquı́ una exposición informal que constituye una visión escueta de
ideas previas que contribuyen a la comprensión de la perspectiva del presente
libro.
6
1.4.1 Influencia del Análisis Clásico en el Análisis Fun-
cional
Para adquirir una idea de cómo se originó la teorı́a del Análisis Funcional, es
útil tomar en consideración algunos hechos basados en la geometrı́a clásica,
como los que se exponen a continuación:
• En el espacio Rn de n-plos de coordenadas reales, se pueden definir

dos operaciones: una de suma (que permite la traslación) y otra de
multiplicación por un escalar (o dilatación en sentido amplio) y estas
operaciones dotan a este espacio de una estructura de espacio vectorial,
lo cual ofrece la posibilidad de expresar algebraicamente propiedades
afines de la geometrı́a (por ejemplo, el segmento xy es paralelo al zu si
el vector y − x es igual al vector u − z).
• La distancia euclideana permite fundamentar la noción de convergen-

cia de una sucesión de puntos en Rn . La formalización del concepto
de distancia euclideana entre dos puntos x, y como una aplicación de
valores positivos definida sobre el producto cartesiano de Rn por sı́ mis-
mo, posee tres propiedades muy caracterı́sticas asociadas a la noción
heurı́stica de la separación entre dos puntos: la propiedad triangular,
que expresa que en todo triángulo XY Z, la longitud del lado XY es
menor que la suma de las longitudes de los otros dos lados; la propiedad
de invarianza del valor de la distancia al permutar la notación de los
puntos considerados y la propiedad de nulidad del valor de la distancia
si y sólo si los puntos coinciden.
De aquı́ que Rn está dotado de una estructura métrica que presen-

ta dos propiedades básicas, sobre las cuales descansa la teorı́a clásica
de funciones, esto es, el Análisis Matemático: el teorema de Cauchy-
Bolzano (una sucesión es convergente si y sólo si es de Cauchy) y el
teorema de Bolzano-Weirstrass (de toda sucesión acotada se puede ex-
traer una subsucesión convergente). La suficiencia para la convergencia
en el teorema de Cauchy-Bolzano ofrece un modelo de comportamiento
de Rn que debe recuperarse en espacios más generales mediante una
caracterı́stica explı́cita, lo cual origina la noción de espacio métrico
completo.
• La relación entre las caracterı́sticas vectorial y métrica (euclideana,
7
por lo que Rn se designa entonces como E n ) está dada por las dos
propiedades que pueden expresarse ası́:
(1) La distancia d(x, y) entre los puntos x, y no cambia si los dos puntos
se someten a la misma traslación, esto es: d(x + z, y + z) = d(x, y).
(2) La distancia entre los puntos x, y queda multiplicada por el módulo
del escalar que dilata ambos puntos, es decir:
d(cx, cy) = |c| d(x, y).
Tomando z = −y en la primera propiedad se tiene
d(x − y, 0) = d(x, y),
lo cual significa que es suficiente conocer las distancias al origen
para determinar las distancias entre todos los puntos.
Por tanto, el número d(x, 0) adquiere una relevancia especial que

tiene las propiedades siguientes:
d(x, y) ≥ 0 , d(x, 0) = 0 ⇔ x = 0, d(cx, 0) = |c| d(x, 0)
Prop. (1)
d(x + y, 0) = d(x + y − y, −y) = d(x, −y)
≤ d(x, 0) + d(0, −y)
| {z }
d((−1)(0),(−1)y)
Prop. (2)
= d(x, 0) + |−1| d(0, y)
|{z}
=1
Por invarianza
= d(x, 0) + d(0, y) = d(x, 0) + d(y, 0)
A la aplicación p(x) = d(x, 0) de valores positivos definida sobre Rn se

le llama norma y de acuerdo con lo anterior cumple las propiedades:
(N1) p(x) = 0 ⇔ x = 0;
(N2) p(cx) = |c| p(x);
(N3) p(x + y) ≤ p(x) + p(y).
• El concepto de norma se vincula estrechamente al de producto escalar
de cualquier par de vectores de Rn :
x = (x1 , x2 , ..., xn ) y = (y1 , y2 , ..., yn )
8
definido ası́: n
X
(x| y) = xi y i ,
i=1
debido a que
n
X
(x| x) = x2i ≡ (d(x, 0))2 = (p(x))2 .
i=1
Este producto obedece a las leyes siguientes:
(x1 + x2 | y) = (x1 | y) + (x2 | y)

(cx| y) = c (x| y)
(x| y) = (y| x)
(x| x) ≥ 0; (x| x) = 0 ⇔ x = 0;
y además la desigualdad fundamental
|(x| y)| ≤ p(x) p(y)
Luego para dos vectores no nulos x, y se tiene que
|(x| y)| (x| y)

≤ 1 ⇒ −1 ≤ ≤1
p(x) p(y) p(x) p(y)
y este hecho origina la noción de ángulo α entre dos vectores x, y

mediante la definición
(x| y)
cos α = .
p(x) p(y)
La importancia de esta relación radica en que nociones tales como la

perpendicularidad entre vectores, ası́ como resultados asociados (por
ejemplo el teorema de Pitágoras) se generalizan a espacios arbitrarios
siempre que exista un producto que satisfaga la axiomática del producto
escalar analizado.
9
1.4.2 Generalización de la geometrı́a al Análisis Fun-
cional
Aunque desde la época de Euclides se sabı́a que la validez de los teoremas
de la geometrı́a dependen sólamente de la axiomática que gobierna el com-
portamiento de los entes geométricos y no de la naturaleza de dichos entes,
durante mucho tiempo la imagen fı́sica de los conceptos de punto, recta,
ángulo, etc., ejerció una gran limitación al campo de aplicación de los teore-
mas.
Con el desarrollo del Análisis Matemático, la perspectiva axiomática para la

aplicación práctica de los resultados ganó fuerza, y por tanto trascendió del
marco de E n . Son muy notables los problemas que plantean los ejemplos
siguientes:
1) Dada una matriz K = (kij ) y un vector y = (y1 , ..., yn ) ∈ E n , hallar un
vector x = (x1 , ..., xn ) ∈ E n tal que:
n
X
kij xj = yi i = 1, ..., n
j=1
De forma precisa, la incógnita es una función x con dominio en el

conjunto {1, ..., n} tal que
x(i) = xi i = 1, ..., n
Entonces, x constituye un punto en un cierto conjunto de funciones.
Nótese que una matriz es un caso particular de una función de dos

variables, y sobre la base de esta analogı́a, Ivar Fredholm (Suecia, 1866-
1927) planteó el problema que se presenta a continuación.
2) Dada una función de dos variables k(t, s), t, s ∈ [a, b], la función y(t) y el
parámetro λ, hallar una función x(t) tal que
Z b
λx(t) + k(t, s)x(s) ds = y(t)
a
Como en el caso de la teorı́a de ecuaciones algebraicas se tiene una in-

terpretación geométrica de la misma por su relación con E n , Hilbert se
10
propuso hallar un enfoque geométrico análogo para la teorı́a de Fred-
holm, y esto lo llevó a introducir espacios de dimensión infinita cuyos
elementos eran sucesiones o funciones con ciertas caracterı́sticas, donde
se puede definir la noción de distancia, perpendicularidad u ortogona-
lidad, etc. En la teorı́a de Hilbert se generaliza la noción de punto,
pero se mantiene análoga la fórmula para la distancia. En sus traba-
jos, Minkowski generaliza la noción de distancia en un cierto sentido;
pero implı́citamente la generalización del concepto de distancia se tenı́a
desde que Pafnuty Chebychev (Rusia, 1821-1894), en la teorı́a de aprox-
imación de una función continua x por un polinomio P (t), al evaluar
la bondad de la aproximación, utilizaba el valor de
d(x, P ) = sup |x(t) − P (t)| ,

t∈[a,b]
ya que posee todas las propiedades reseñadas para la distancia.
1.4.3 Importancia de los espacios normados generales

La creación de las teorı́as abstractas de espacios métricos, normados, hilber-
tianos, etc., donde sólo se fijan los axiomas a los que obedecen estos con-
ceptos, permite deducir un grupo de teoremas que después puede aplicarse a
diversas teorı́as particulares y ası́ se evita repetir para cada teorı́a particular
el mismo razonamiento.
Usualmente, la teorı́a general se enriquece mediante las tres vı́as siguientes:
• Buscando analogı́as de “buenas”propiedades establecidas en espacios

concretos. Ası́, por ejemplo, se generalizan las nociones de espacio
completo y de conjunto compacto. En el caso de esta última noción, el
proceso de transferencia de la misma a espacios infinito-dimensionales
conduce a un concepto cualitativamente más amplio que el que se tiene
en E n .
• Aumentando la cantidad de estructuras disponibles sobre un conjunto,

ya que hay más propiedades y resultados que pueden ser utilizados. Por
ejemplo, si en un espacio normado se considera además un producto
como operación interna, que satisface ciertas compatibilidades tanto
con la estructura algebraica de espacio vectorial como con la estructura
11
topológica de norma, entonces la teorı́a se hace más rica porque se
pueden considerar además las especificidades de otras teorı́as tales como
la de ideales.
• Estableciendo relaciones entre diversos espacios mediante morfismos

apropiados. Entre ellos se destacan los que dan lugares a los espacios
normados siguientes:
L(E) = {T : E → E, T lineal} (completo si E es completo)

E0 = {f : E → K, f lineal} .
La importancia de L(E) reside en que constituye el marco apropiado

para la teorı́a espectral, la cual resulta una generalización a espacios
infinitos de la reducción de una matriz a la forma diagonal, mientras
que la del espacio E0 radica en que permite obtener resultados de rep-
resentación que logran la identificación de espacios arbitrarios con es-
pacios conocidos.
1.5 Panorámica del texto

El presente texto consta de seis capı́tulos, especializados en técnicas del Análi-
sis Funcional lineal a partir del segundo.
Las principales ideas de cada capı́tulo pueden resumirse como sigue:
• El segundo capı́tulo, relativo a espacios normados, destaca la axiomática

esencial del concepto de norma e introduce por su relevancia la noción
de espacio de Banach como caso particular de espacio métrico comple-
to, ya que dicha noción fundamenta un conjunto sustancial de resulta-
dos muy importantes en las aplicaciones. A su vez, son introducidos
los espacios de Hilbert como casos particulares de espacios de Banach,
debido a que constituyen la generalización natural de los espacios euclı́-
deos (donde existe el concepto de ortogonalidad) y además constituyen
también el marco apropiado para el básico teorema de Riesz.
Los espacios normados resultan el caso más sencillo de espacios vec-

toriales topológicos, y en los ejemplos resueltos se fortalece la idea de
la compatibilidad entre la estructura algebraica de espacio vectorial y la
12
estructura topológica asociada a la norma mediante la demostración de
la continuidad de las operaciones de espacio vectorial. Se muestra una
forma general del teorema de la acotación uniforme que se particulariza
posteriormente en el cuarto capı́tulo.
• El tercer capı́tulo estudia los operadores lineales con una gran inciden-
cia práctica como muestran los tipos abordados en la ejemplificación:
integrales, diferenciales, de diferencias finitas, de transformadas, ma-
triciales, de retardo, de evaluación, de proyección, etc.
Dentro de la clase de los operadores lineales se estudian y caracterizan

subclases distinguidas por su potencia teórica: los operadores conti-
nuos, los inversibles y los cerrados.
Aquı́ se establece la equivalencia entre operadores continuos y aco-

tados, lo cual facilita el manejo de diversas formas equivalentes de la
noción de norma de un operador.
En cuanto a los operadores inversibles se investigan las condiciones

para garantizar la continuidad del inverso y se demuestran diversas
relaciones entre los conceptos de operador cerrado y operador contin-
uo.
• En el cuarto capı́tulo, la noción de norma de un operador se particula-

riza al caso de funcionales lineales continuos, que constituyen su objeto
de estudio. Los resultados teóricos que se manejan se dividen en tres
sentidos: el primero, enfatizar las aplicaciones analı́ticas del teorema
de Hahn-Banach; el segundo, particularizar al caso de algunos fun-
cionales el teorema de la acotación uniforme analizado en el capı́tulo
2 y el tercero, introducir la importante noción (por su aplicación en
optimización) de operador lineal adjunto y del concepto derivado en el
contexto de espacios de Hilbert que se denomina como conjugado de
Hermite.
• El quinto capı́tulo trata una clase con propiedades especiales, que es

usual en la teorı́a de las ecuaciones integrales y en los procesos de
sumación: ésta es la clase de los operadores totalmente continuos.
• El sexto capı́tulo se utiliza para aplicar los fundamentos teóricos del
13
capı́tulo anterior, vinculados con el desarrollo de rudimentos de la teorı́a
espectral.
Finalmente se ofrece un ı́ndice de materias para ayudar al lector a localizar

las principales definiciones y las nomenclaturas de los teoremas que son es-
tudiados y aplicados en el texto.
14
Capı́tulo 2
Espacios normados
La noción de módulo (o valor absoluto) de un número real es muy importante

porque a partir de él se define un indicador de la cercanı́a entre dos números
cualesquiera: éste consiste en considerar el módulo de la diferencia entre
ellos, es decir, se puede definir la aplicación:
d : R × R −→ R+ ası́: d(x, y) = |x − y|
Con este concepto se puede definir inmediatamente la noción de lı́mite de

una sucesión {xn } a x, se denota xn → x y se dice que xn tiende a x:
def.
xn −→ x ≡ ∀² > 0 ∃n0 ∈ N : ∀n ≥ n0 d(xn , x) = |xn − x| < ²
La relevancia de este hecho es que permite dotar a R de una estructura no

sólo algebraica, sino analı́tica en el sentido de que hace posible manejar la
noción de convergencia.
Si se intenta buscar cuáles son las propiedades del valor modular que ha-
cen posible este salto cualitativo, se puede observar que en relación con las
operaciones de suma y multiplicación de números reales se cumple que:
|λx| = |λ| |x|

|x + y| ≤ |x| + |y|
y además |0| = 0.
Si se trata de generalizar estas propiedades y convertirlas en axiomática de
15
una aplicación de valores positivos definida sobre cualquier espacio vectorial,
también denominado lineal, se tendrá la definición de norma que va a con-
stituir un marco apropiado de estudio de un elevado número de propiedades
de gran impacto en el Análisis Funcional.
2.1 Espacios normados

Un espacio lineal X sobre el conjunto de los números reales R (de los com-
plejos C) se denomina espacio normado si para todo x ∈ X se pone en
correspondecia un número no negativo kxk llamado norma de x, tal que se
cumplan los tres axiomas siguientes:
1) kxk = 0 ⇒ x = 01
2) kλxk = |λ| kxk
3) kx + yk ≤ kxk + kyk
(Ejercicios Resueltos 1 y 2)
Todo espacio normado X resulta un espacio métrico para la aplicación
d : R × R −→ R+
dada por:
d(x, y) = kx − yk ,
(Ejercicio resuelto 3)
por lo que adquiere sentido la noción de bola y consecuentemente la no-

ción topológica de conjunto abierto.
La denominación de bola responde a la forma geométrica del conjunto que

corresponde a la utilización de la norma euclideana en el espacio tridimen-
sional.
El conjunto Sr (x0 ) = {x ∈ X : kx − x0 k < r} se llama bola abierta con

1
x = 0 ⇒ kxk = 0 por lo que el axioma 1) se puede sustituir por si y sólo si como
consecuencia del axioma 2).
16
centro en el punto x0 ∈ X y radio r > 0. El conjunto S̄r (x0 ) = {x ∈ X :
kx − x0 k ≤ r} se llama bola cerrada de centro en el punto x0 ∈ X y radio
r > 0. El conjunto σ(x0 ) = {x ∈ X : kx − x0 k = r} se llama esfera con
centro en el punto x0 ∈ X y radio r > 0. Un conjunto A ⊂ X se denomina
acotado si es posible encerrarlo en una bola (abierta o cerrada). (Ejercicio
resuelto 4)
El número
Diam(A) = sup kx − yk
x,y∈A
se denomina diámetro del conjunto A ⊂ X.
La nomenclatura de diámetro se justifica porque esta noción generaliza la

de diámetro de un cı́rculo y la importancia de este concepto radica en que
proporciona una vı́a alternativa para probar que un conjunto de un espacio
métrico está acotado:
A está acotado ⇔ Diam(A) < +∞.
(Ejercicio propuesto 2)
El número
d(x, A) = inf kx − yk
y∈A
se denomina distancia de un punto x ∈ X a un conjunto A ⊂ X.
El número
d(A, B) = inf kx − yk
x∈A,y∈B
se denomina distancia entre los conjuntos A, B ⊂ X.
Un conjunto se llama abierto si para cualquier x0 ∈ M existe un r > 0

tal que, Sr (x0 ) ⊂ M . Un punto a ∈ X se llama punto de acumulación del
conjunto M ⊂ X si en cualquier bola Sr (a) existe un punto x ∈ M (x 6= a).
El conjunto de todos los puntos de acumulación del conjunto M se designa
por M 0 . El conjunto M ∪ M 0 se llama clausura del conjunto M y se denota
mediante M̄ . Un conjunto M ⊂ X se llama cerrado si M = M̄ .
Una sucesión {xn } ⊂ X(n ∈ N) se llama convergente hacia el elemento
17
x0 ∈ X y se escribe xn −→ x0 si kxn − x0 k −→ 0. Una caracterización muy
n→∞
útil de punto de clausura es la siguiente:
x ∈ M̄ ⇔ ∃ {xn } ⊂ M : xn → x.
Un conjunto L ⊂ X se denomina variedad lineal si de x, y ∈ L se deduce que

λ1 x + λ2 y ∈ L, para cualesquiera λ1 , λ2 . Si la variedad lineal es un conjunto
cerrado en X, entonces se llama subespacio.
Se llama segmento, que une los puntos x, y ∈ X, al conjunto de puntos

del tipo αx + (1 − α)y, α ≥ 0. Un conjunto A ⊂ X se llama convexo si el seg-
mento que une cualesquiera dos puntos de A, está contenido totalmente en A.
Las nociones topológicas de conjunto compacto y de conjunto relativamente

compacto adquieren en un espacio métrico formas especiales muy prácticas
porque pueden establecerse en términos de sucesiones. Debido a que todo
espacio normado es métrico, estas formas son válidas también en los espacios
normados.
Un subconjunto A ⊆ (E, δ) se dice que es relativamente compacto si to-

da sucesión infinita {xn } ⊂ A contiene al menos un punto de acumulación
x0 ∈ E.
En otras palabras A ⊆ (E, δ) es compacto si todo subconjunto infinito de

A posee un punto de acumulación contenido en E. En particular, un espacio
métrico (E, δ) es compacto si para toda sucesión infinita {xn } ⊂ E existe, al
menos, una subsucesión {xnk } que converge a x0 ∈ E.
Sobre un mismo espacio pueden definirse varias normas y es posible que éstas
estén relacionadas. Dos normas kxk1 y kxk2 en un espacio lineal X se llaman
equivalentes si existen dos números α, β > 0 tales que, para cualquier x ∈ X
se cumple la desigualdad α kxk1 ≤ kxk2 ≤ β kxk1 . (Ejercicios resueltos 6 y
7)
Algunas normas de uso más común
Se resumen seguidamente algunas definiciones de norma en diversos tipos de
espacios familiares tales como: espacios de n−uplos de escalares; espacios de
18
sucesiones y espacios funcionales constituidos por funciones continuas, con-
tinuamente diferenciables, acotadas, medibles y de variación acotada. Cada
uno de ellos se denomina con la notación que se utilizará en lo sucesivo.
• En el espacio E m
" m # 21
X 2
kxk = |xk |
k=1
• El espacio lp (p > 1) de las sucesiones P

acotadas x = (x1 , x2 , ...)(xk ∈
R(xk ∈ C)) que satisfacen la condición ∞ p
k=1 |xk | < ∞
" m # p1
X
kxk = |xk |p
k=1
• El espacio lm de los vectores x = (xk )m

k=1 (xk ∈ R(xk ∈ C)),
m
X
kxk = |xk |
k=1
• El espacio lpm (p > 1) de los vectores x = (xk )m

k=1 (xk ∈ R(xk ∈ C)),
" m # p1
X
kxk = |xk |p
k=1
• El espacio C[a, b] de las funciones continuas sobre [a,b]
kxk = max |x(t)|

t∈[a,b]
• El espacio C k [a, b] de las funciones k veces continuamente diferenciables

sobre [a,b]
Xk
¯ ¯
kxk = max ¯x(i) (t)¯
t∈[a,b]
i=0
• El espacio M [a, b] de las funciones acotadas sobre [a, b]
kxk = sup |x(t)|

t∈[a,b]
19
• El espacio L̃p [a, b] de las clases de funciones medibles en el intervalo
[a, b] según la relación de igualdad en casi todas partes
·Z b ¸ p1
kxk = |x(t)|p dt , 1 ≤ p < ∞
a
• El espacio V [a, b] de las funciones de variación acotada sobre [a, b] con

la norma:
_b
kxk = |x(a)| + x(t).
a
La función x(t) real dada en [a, b] se llama función de variación acotada
si existe una constante c tal que para toda partición del segmento
[a, b] : a = t0 < t1 < ... < tn = b
se cumple la desigualdad:
n
X
|x(tk ) − x(tk−1 )| < c.
k=1
La variación total de una función de variación acotada sobre [a, b] es

un número
_ b Xn
x(t) = sup |x(tk ) − x(tk−1 )| ,
a k=1
donde la cota superior se toma sobre todas las posibles particiones
finitas del segmento [a, b].
Se puede observar que el espacio lm es un caso particular de los espacios
lpm (p > 1) cuando p vale 1, por lo que resulta natural extender la notación
lpm al caso p ≥ 1 porque la aplicación no constituye una norma para p < 1.
2.2 Espacios de Banach

El concepto de espacio de Banach es muy importante porque en ellos resultan
válidos los teoremas más significativos del Análisis Funcional, por ejemplo
el teorema de la Acotación Uniforme (que se particularizará en el siguiente
capı́tulo) y los teoremas del inverso acotado y del gráfico cerrado (que se
estudiarán en el próximo capı́tulo).
20
Definición 2.2.1 Sea (X, d) un espacio métrico. Una sucesión {xn } ⊂ X
se denomina fundamental si para cualquier ² > 0 existe un N = N (²) tal
que, para cualquier n > N y todos los p naturales se cumple la desigualdad
d(xn+p , xn ) < ². Un espacio X se denomina completo si toda sucesión fun-
damental converge en él. Un espacio normado completo se denomina espacio
de Banach.
(Ejercicios resueltos 9, 10 y 11)
El teorema de la Acotación Uniforme basa su demostración en el teorema

de Baire, por lo que se introducen a continuación las definiciones topológicas
que fundamentan este último teorema.
Un conjunto A ⊂ X se llama denso en X, si Ā = X. Un conjunto A ⊂ X se

llama nunca denso en X, si
Int(Ā) = ∅
Definición 2.2.2 A es de 1ra categorı́a si es unión contable de conjuntos

nunca densos.
Definición 2.2.3 A es de 2da categorı́a si no es de 1ra categorı́a.
Proposición 2.2.1 A ∪ B = C , entonces B es de 2da categorı́a.

I II
Proposición 2.2.2 ∅ es nunca denso2 ⇒ ∅ de 1ra categorı́a ⇒ ∅ no es de

2da categorı́a.
La forma más directa de demostrar el teorema de Baire es considerarlo como

corolario de un teorema que establece una caracterı́stica de los conjuntos de
primera categorı́a en los espacios completos.
Teorema 2.2.1 Sea X un espacio métrico completo. A ⊂ X, A de 1ra categorı́a.

Entonces Å = ∅.
Corolario 2.2.1.1 (Teorema de Baire) Sea X 6= ∅, X espacio métrico

completo. Entonces X es de 2da categorı́a.
2
Por la definición.
21
Demostración[Teorema de Baire]
Supongamos lo contrario, es decir, suponer que X es de 1ra categorı́a, en-
tonces ◦
X = X = ∅ contrario a la hipótesis
Combinando el teorema de Baire y la proposición 2.2.1, se puede construir
un procedimiento de demostración de que un conjunto dado es de segunda
categorı́a:
Procedimiento 1
(P1) Escribir la unión disjunta X = A ∪ B, donde X es un espacio métrico
completo.
(P2) Garantizar que A es un conjunto de primera categorı́a.
(P3) Inferir que B es un conjunto de segunda categorı́a.
Apliquemos el Procedimiento 1 para demostrar que el conjunto de los
irracionales (I) es de 2da categorı́a en R con la topologı́a usual.
(P1) Q ∪ I = R, donde A = Q, B = I, X = R.
(P2) A = Q es la unión contable de sus puntos, cada uno de los cuales es
un conjunto nunca denso.
(P3) I es de 2da categorı́a3 , Q ∪ I = R4 .
I II
En el enunciado del teorema de la acotación uniforme interviene la noción

de seminorma, que es una aplicación que satisface los axiomas N2 y N3
establecidos para la norma.
Teorema 2.2.2 (Teorema de la Acotación Uniforme) Sean X un es-
pacio de Banach no vacı́o, α ∈ I, x ∈ X, pα (x) ≥ 0. {pα }α∈I familia de
seminormas continuas. Si
sup pα (x) < +∞ ∀x ∈ X
α∈I
entonces,
sup sup pα (x) < +∞
α∈I kxk≤1
3
Aplicando la proposición 2.2.1.
4
Por el Teorema de Baire.
22
Demostración
Formemos An = {x ∈ X : pα (x) ≤ n ∀α ∈ I}
Notemos que An es cerrado puesto que

\
An = p−1
α [0, n]
α∈I
además [ [
An ⊂ 5 X ⊂ 6 An
n n
concluyendo, [ [
X7 = An = Ān
n n
Esto implica que existe n0 ∈ N : An0 = Ān0 tiene un punto interior, es decir,
∃x0 ∈ X, r > 0 tales que
B(x0 , r) ⊂ An0 .
Probemos que {pα (x)} está uniformemente acotada sobre kxk < 2r. Consi-
deremos que x está en la bola B(x0 , r). Entonces x admite la descomposición
x x
z }|1 ´{ z³ }|2 ´{
³ x x
x = x0 + − x0 − = x1 − x2
2 2 |{z} |{z}
∈B(x0 ,r) ∈B(x0 ,r)
aplicando pα
pα (x) = pα (x1 ) + pα (−x2 ) ≤ 2n0 ∀α ∈ I.
| {z } | {z }
∈B(x0 ,r) pα (x2 )∈B(x0 ,r)⊂An0
1. Si 2r ≥ 1, entonces
sup pα (x) ≤ 2n0 ∀α ∈ I,
kxk≤1
de donde
sup sup pα (x) ≤ 2n0 < +∞.
α∈I kxk≤1
5
Por construcción
6
∀x, {pα } está acotada
7
Completo, luego de 2da categorı́a.
23
1 1
2. Si 2r < 1, entonces > 0. Sea m > > 1.
2r ∈N 2r
Consideremos x : kxk ≤ 1,
1 1 kxk °x°
° °
m> ⇒ 1 > 2r > ⇒ ≤ 2r kxk ⇒ ° ° ≤ 2r
2r m m |{z} m
≤1
aplicando pα (x) α ∈ I
³x´
pα ≤ 2n0
m
Entonces,
pα (x) ≤ 2mn0 .
De aquı́ que
sup pα (x) ≤ 2mn0 ⇒ sup sup pα (x) ≤ 2mn0 < +∞.

kxk≤1 α∈I kxk≤1
2.3 Espacios de Hilbert

Un espacio lineal real se llama euclı́deo si a todo par de sus elementos x, y
se le pone en correspondencia un número real denotado (x | y) y llamado
producto escalar, el cual debe cumplir los axiomas siguientes:
1) (x | x) ≥ 0, (x | x) = 0 si y sólo si x = 0
2) (x | y) = (y | x)
3) (λx | y) = λ(x | y) para cualquier λ ∈ K
4) (x + y | z) = (x | z) + (y | z)
Un espacio lineal complejo se llama unitario si a todo par de elementos suyos

x, y se le pone en correspondencia un número complejo denotado (x | y) y
llamado producto escalar, siempre que se cumplan los axiomas siguientes:
(1) (x | x) ≥ 0, (x | x) = 0 si y sólo si x = 0,
(2) (x | y) = (y | x),
24
(3) (λx | y) = λ(x | y) para cualquier λ ∈ C,
4) (x + y | z) = (x | z) + (y | z).
Del axioma (1) y de la desigualdad de Cauchy-Buniakovski 8 se desprende
que en espacios euclı́deos
p y unitarios se puede introducir la norma mediante
la igualdad kxk = (x | x) (Ejercicios propuestos 1 y 2). Un espacio H con
producto escalar (euclı́deo o unitario) se llama de Hilbert si es completo con
respecto a esta norma. (Ejercicio resuelto 12, ejercicios propuestos 3, 4 y 5)
Se llama ángulo entre dos elementos no nulos x e y y de un espacio de

Hilbert real a un ángulo ϕ comprendido entre 0 y π tal que
(x | y)
cos ϕ =
kxk kyk
Los elementos x, y ∈ H se llaman ortogonales y se escribe x⊥y si (x | y) = 0.
Un conjunto de elementos z ∈ H tales que (z | x) = 0 para cualquier
x ∈ M ⊂ H se denota M ⊥ .
Un sistema de elementos h1 , h2 , ... ∈ H se llama ortogonal si

(
1 para i 6= j,
(hi | hj ) = δij =
0 para i = j.
El sistema de elementos x1 , x2 , ... ∈ H se llama linealmente independiente si

para cualquier n ∈ N el sistema x1 , x2 , ..., xn es linealmente independiente.
2.4 Desigualdades de Hölder y Minkowski

La demostración de la desigualdad de Hölder se basa en propiedades de las
funciones convexas, por lo que se estudia en ocasiones bajo la denominación
de desigualdad de convexidad y su utilidad fundamental se explica porque
interviene en la demostración de la desigualdad de Minkowski. La impor-
tancia de esta última está dada porque fundamenta la demostración de la
desigualdad triangular en ciertos espacios. Es por esto que resulta útil pre-
sentarlas agrupadas en diversas formas: para sumas finitas, para series y para
integrales, como se resumen a continuación.
8 2
|(x | y)| ≤ (x | x)(y | y).
25
Desigualdades de Hölder. Sean p, q dos números reales positivos deter-
minados por la relación p1 + 1q = 1.
(1) Para cualesquiera números x1 , ..., xn ; y1 , ..., yn ,

n
( n ) p1 ( n ) 1q
X X X
|xk yk | ≤ |xk |p |yk |q .
k=1 k=1 k=1
(2) Para cualesquiera números x1 , ..., xn , ...; y1 , ..., yn , ..., tales que,
∞
X ∞
X
p
|xk | < ∞, |yk |q < ∞,
k=1 k=1
se tiene,
∞
( ∞
) p1 ( ∞
) 1q
X X X
|xk yk | ≤ |xk |p |yk |q .
k=1 k=1 k=1
(3) Para cualesquiera funciones continuas x(t), y(t) sobre una región T ,
Z ½Z ¾ p1 ½Z ¾ 1q
p q
|x(t)y(t)| dt ≤ |x(t)| dt |y(t)| dt .
T T T
Desigualdades de Minkowski. Sea 1 ≤ p < ∞.

(1) Para cualesquiera números x1 , ..., xn ; y1 , ..., yn ,
( n ) p1 ( n ) p1 ( n ) p1
X X X
|xk + yk |p ≤ |xk |p + |yk |p .
k=1 k=1 k=1
(2) Para cualesquiera números x1 , ..., xn , ...; y1 , ..., yn , ..., tales que
∞
X ∞
X
p
|xk | < ∞, |yk |p < ∞,
k=1 k=1
se tiene,
( ∞
) p1 ( ∞
) p1 (∞ ) p1
X X X
|xk + yk |p ≤ |xk |p + |yk |p .
k=1 k=1 k=1
26
(3) Para cualesquiera funciones continuas x(t), y(t) sobre una región T ,
½Z ¾ p1 ½Z ¾ p1 ½Z ¾ p1
p p p
|x(t) + y(t)| dt ≤ |x(t)| dt + |y(t)| dt .
T T T
Una aplicación F : X −→ Y , X e Y espacios normados, se llama continua

en el punto x0 ∈ X, si para cualquier ² > 0 existe δ = δ(x0 ) > 0 tal que, para
todo x0 ∈ Sδ (x0 ), f (x) ∈ S² (f (x0 )). Una aplicación F : X −→ Y se llama
continua, si es continua en cada punto x0 ∈ X. Una aplicación F : X −→ Y
se llama uniformemente continua, si para cualquier ² > 0 existe δ = δ(²) > 0
tal que, para todo x0 ∈ X de x ∈ Sδ (x0 ) se deduce que f (x) ∈ S² (f (x0 )).
(Ejercicios resueltos 15, 16 y 17, ejercicio propuesto 6)
También es válida y muy útil desde el punto de vista práctico, la siguiente ca-
racterización de la continuidad de una función definida entre espacios métri-
cos mediante el concepto de sucesión y que se conoce con la denominación
de función sucesionalmente continua. Se tiene en este caso que:
f es continua en x ≡ f es sucesionalmente continua en x

≡ [xn −→ x ⇒ f (xn ) −→ f (x)].
2.5 Ejercicios Resueltos

1. Probar que en el espacio X de las funciones acotadas sobre [a, b],
p(x) = sup |x(t)| x∈X

t∈[a,b]
constituye una norma.
Solución:
1)
p(x) = 0 ⇒ sup |x(t)| = 0 ⇒ |x(t)| = 0 ∀t ∈ [a, b]

t∈[a,b]
⇒ x(t) = 0 ∀t ∈ [a, b] ⇒ x = 0.
27
2)
p(αx) = sup |(αx)(t)| = sup |αx(t)| = sup |α| |x(t)| = |α| sup |x(t)|
t∈[a,b] t∈[a,b] t∈[a,b] t∈[a,b]
= |α| p(x) α ∈ K x ∈ X.
3) Sean x, y ∈ X t ∈ [a, b]
|(x + y)(t)| = |x(t) + y(t)| ≤ |x(t)| + |y(t)|
≤ sup |x(t)| + sup |y(t)|
t∈[a,b] t∈[a,b]
| {z } | {z }
p(x) p(y)
| {z }
cota superior
⇒ sup |(x + y)(t)| ≤ p(x) + p(y).
t∈[a,b]
| {z }
p(x+y)
2. En el espacio de las funciones continuamente diferenciables sobre [a, b]

determinar si las siguientes expresiones constituyen normas:
a) max |x0 (t)|;
t∈[a,b]
µ ¶
0
b) max |x (t)| + |x(a)|.
t∈[a,b]
Solución al inciso a) Denominemos p(x) = max |x0 (t)|

t∈[a,b]
p(x) = 0 ⇒ max |x0 (t)| = 0 ⇒ |x0 (t)| = 0 ∀t ∈ [a, b]

t∈[a,b]
0
⇒ X (t) = 0 ∀t ∈ [a, b] ⇒ x(t) es constante en [a, b]
; x=0
Conclusión: p no es una norma.
Solución al inciso b) Denominemos p(x) = max |x0 (t)| + |x(a)|
t∈[a,b]
p(x) = 0 ⇒ max |x0 (t)| = 0 ∧ |x(a)| = 0

t∈[a,b]
Por el razonamiento hecho en el inciso a), x(t) es constante en

[a, b] y x(a) = 0, lo cual indica que la constante es necesariamente
0.
∴ p(x) = 0 ⇒ x = 0.
28
Es necesario analizar si se cumplen los restantes axiomas;
µ ¶
0
p(αx) = max |(αx) (t)| + |(αx)(a)|
t∈[a,b]
= max |αX 0 (t)| + |α| |x(a)|

t∈[a,b] | {z }
|α||x0 (t)|
µ ¶
0
= |α| max |x (t)| + |x(a)|
t∈[a,b]
| {z }
p(x)
Veamos el último axioma

p(x + y) = max |(x + y)0 (t)| + |(x + y)(a)|
t∈[a,b]
Pero por las definiciones

µ ¶
0 0 0
max |(x + y) (t)|+|(x + y)(a)| = max |x (t) + y (t)| +|(x + y)(a)|
t∈[a,b] t∈[a,b]
Para todo t ∈ [a, b] se tiene

|x0 (t) + y 0 (t)| ≤ |x0 (t)| + |y 0 (t)| ≤ max |x0 (t)| + max |y 0 (t)|
t∈[a,b] t∈[a,b]
∴ max |x (t) + y (t)| ≤ max |x (t)| + max |y 0 (t)|

0 0 0
t∈[a,b] t∈[a,b] t∈[a,b]
A partir de la expresión de p(x + y) llegamos a que

p(x + y) ≤ max |x0 (t)| + max |y 0 (t)| + |x(a)| + |y(a)|
t∈[a,b] t∈[a,b]
= max |x (t)| + |x(a)| + max |y 0 (t)| + |y(a)|

0
t∈[a,b] t∈[a,b]
| {z } | {z }
p(x) p(y)
3. Probar que todo espacio normado es métrico.
Solución:
Sea X un espacio normado. Definamos:

d(x, y) = kx − yk ,
donde d satisface los axiomas siguientes:
29
1) d : X × X −→ R+ ;
2) d(x, y) = kx − yk = k(−1)(y − x)k = |−1| ky − xk = d(y, x);
3) d(x, y) = 0 ⇒ kx − yk = 0 ⇒ x = y;
4) d(x, y) = kx − yk = 9 k(x − z) + (z − y)k ≤ kx − zk + kz − yk.
| {z } | {z }
d(x,z) d(z,y)
De aquı́ que se cumplen los axiomas de distancia, por lo que (X, d) es

un espacio métrico.
4. Hallar las formas geométricas de las bolas siguientes:
4.1) S̄1 (0) en E 3 .

4.2) S̄1 (0) en R3 con la norma kxk = max |xi |.
i=1,2,3
4.3) S1 (f0 ) en C[a, b].

Solución al inciso 4.1) S̄1 (0) = {(x1 , x2 , x3 ) ∈ R3 : x21 + x22 + x23 ≤ 1}
(esfera centrada en el origen y radio 1).
Solución al inciso 4.2) S̄1 (0) = {max(|x1 | , |x2 | , |x3 |) ≤ 1}.
max(|x1 | , |x2 | , |x3 |) ≤ 1 ⇔ |x1 | ≤ 1, |x2 | ≤ 1 ∧ |x3 | ≤ 1

⇔ −1 ≤ x1 ≤ 1 , −1 ≤ x2 ≤ 1 , −1 ≤ x3 ≤ 1.
Luego, S̄1 (0) es un cubo centrado en el origen y con arista de

longitud 2.
½ ¾
Solución al inciso 4.3) S1 (f0 ) = f ∈ C[a, b] : max |f (t) − f0 (t)| < 1 .
t∈[a,b]
max |f (t) − f0 (t)| < 1 ⇔ ∀t ∈ [a, b] |f (t) − f0 (t)| < 1

t∈[a,b]
⇔ ∀t ∈ [a, b] − 1 < f (t) − f0 (t) < 1

⇔ ∀t ∈ [a, b] f0 (t) − 1 < f (t) < f0 (t) + 1.
Entonces, la ordenada f (t) del gráfico de cada una de las fun-

ciones en la bola centrada en f0 están comprendidas en la banda
determinada por las ordenadas de las funciones f0 (t)−1 y f0 (t)+1.
9
Introduciendo z ∈ X.
30
5. Probar que Diam(A) = Diam(Ā).
Solución:
A ⊂ Ā ⇒ Diam(A) ≤ Diam(Ā).
Sean x, y ∈ Ā.
∃ {xn } , {yn } ⊂ A : xn −→ x ∧ yn −→ y.
Sea ² > 0
∃n0 ∈ N : ∀n ≥ n0 d(xn , x) < ² ∧ d(yn , y) < ².
Entonces,
d(x, y) ≤ d(x, xn ) +d(xn , yn ) + d(yn , y) < 2² + Diam(A),
| {z } | {z }
<² <²
⇒ Diam(Ā) ≤ 2² + Diam(A) ∀n ≥ n0 .
Como ² es arbitrario
Diam(Ā) ≤ Diam(A).
6. Indicar normas de R3 para las cuales la sucesión

Ã !
6n −n+1 1
xn = , 2 , 1− 2
en n
es convergente. Determinar el lı́mite.
Solución:
Para la norma euclideana o cualquiera equivalente a ella, xn converge

a x = (a, b, c) donde
6n 1
a = lim b = lim 2−n+1 c=1−
n→∞ en n→∞ n2
si cada uno de estos lı́mites existe
Ã !
6n 1
a = lim n b = lim 2 · 2−n c = lim 1− 2
n→∞ e n→∞ n→∞ n
Ã !
6 2 1
a = lim = 0 b = lim = 0 c = lim 1 − =1−0=1
n→∞ en n→∞ 2n n→∞ n2
31
Por tanto el lı́mite es (0, 0, 1).
En particular si se designa x = (x1 , x2 , x3 ), las normas

3
X
kxk0 = max |xi | , kxk1 = |xi |
i=1,2,3
i=1
son equivalentes a la euclideana

Ã 3
! 12
X
kxk2 = |xi |2
i=1
Vamos a probar en particular que kk0 es equivalente a la euclideana

sµ ¶ 2
Def.
kxk0 = max |xi | = max |xi |
i=1,2,3 i=1,2,3
q
≤ |x1 |2 + |x2 |2 + |x3 |2
| {z }
kxk2
s µ ¶2
√
≤ 3 max |xi | = 3 kxk0
i=1,2,3
√
Se han obtenido las constantes a = 1 y b = 3 tales que:
a kxk0 ≤ kxk2 ≤ b kxk0 ,
lo cual significa por la definición que las normas son equivalentes.
Se puede probar que todas las normas sobre un espacio vectorial finito
dimensional son equivalentes y este hecho será utilizado en capı́tulos
posteriores. Por tanto, el aspecto más interesante de esta comprobación
reside en evaluar las constantes especı́ficas a y b para el caso tratado.
7. Si se define en el conjunto de las normas sobre un espacio vectorial la

relación
kk1 R kk2 ⇔ kk1 ∧ kk2 son normas equivalentes
32
probar que R es una relación de equivalencia.
Solución:
Hay que probar que R satisface las propiedades de ser reflexiva, simétri-
ca y transitiva.
(1) Propiedad reflexiva. Hay que establecer que
k k1 R k k 1
Eligiendo a = b = 1 se tiene trivialmente que
a k k1 ≤ k k 1 ≤ b k k1
Por lo que se cumple la propiedad reflexiva.

(2) Propiedad simétrica. Se requiere probar que
k k 1 R k k2 ⇒ k k 2 R k k1
k k1 R k k2 ⇒ ∃a, b > 0 : a kxk1 ≤ kxk2 ≤ b kxk1
1 1
⇒ kxk1 ≤ kxk2 ∧ kxk2 ≤ kxk1
a b
1 1
⇒ kxk2 ≤ kxk1 ≤ kxk2
b a
⇒ k k 2 R k k1 .
(3) Propiedad Transitiva.
k k1 R k k2 ∧ k k2 R k k3 ⇒k k1 R k k3
k k1 R k k2 ⇒ ∃a1 , a2 > 0 : a1 kxk1 ≤ kxk2 ≤ a2 kxk1
k k2 R k k3 ⇒ ∃b1 , b2 > 0 : b1 kxk2 ≤ kxk3 ≤ b2 kxk2 .
De estas desigualdades se deduce:
kxk3 ≤ b2 kxk2 ≤ b2 a2 kxk1

kxk3 ≥ b1 kx2 k ≥ b1 a1 kxk1
∴ a1 b1 kxk1 ≤ kxk3 ≤ a2 b2 ⇒k k1 R k k3 .
|{z} |{z}
a>0 b>0
33
8. ¿Constituye
" m # p1
X
kxk = |xk |p
k=1
una norma en el conjunto de los vectores x = (xk )m

k=1 (xk ∈ R) si p < 1
y m ≥ 2?
Solución:
La respuesta es no, veamos qué ocurre cuando tenemos dos vectores

de la forma siguiente:
   
1/2 0
 0  1/2
   
 .   . 
x= 
 .  y y =  
 . 
   
 .   . 
0 0
Verifiquemos que no se cumple el tercer axioma de norma10 :

" Ã !p # p1
1 1−p
kx + yk = 2 =2 p
2
1−p 1−p
donde 0 < p < 1 ⇒ > 0 ⇒ 2 p > 1 = kxk + kyk .
p
9. Probar que toda sucesión fundamental está acotada.
Solución:
Sea {xn } ⊂ X una sucesión fundamental.
∀² > 0∃n0 ∈ N tal que ∀n, m ≥ n0 ⇒ kxn − xm k < ²
En particular
kxn − xn0 k < ² y kxm − xn0 k < ² ⇒ xn ∈ B² (xn0 ) y xm ∈ B² (xn0 )

10
Desigualdad triangular.
34
Esto significa que la sucesión está acotada a partir del término n0 , es
decir, ∀n ≥ n0
kxn k ≤ kxn − xn0 + xn0 k ≤ kxn − xn0 k + kxn0 k < ² + kxn0 k
Por tanto,
kxn k ≤ max(kx1 k , kx2 k , ..., kxn0 −1 k , ² + kxn0 k).
10. Sea (X, kk) un espacio de Banach. Probar que (X × X, kk0 ) donde
k(x, y)k0 = max(kxk , kyk)
es un espacio de Banach.
Solución:
Sea (xn , yn ) una sucesión fundamental en X × X. Se tiene que
∀² > 0∃n0 ∈ N tal que ∀n, m ≥ n0 ⇒ k(xn , yn ) − (xm , ym )k0 < ².
Pero
k(xn , yn ) − (xm , ym )k0 = k(xn − xm , yn − ym )k0

= max(kxn − xm k , kyn − ym k) < ²
∀n, m ≥ n0 ⇒ {xn } y {yn } son sucesiones fundamentales en X. Como

X es un espacio de Banach, existen x, y ∈ X tales que
xn −→ x y yn −→ y
n→∞ n→∞
Obtengamos ahora que (xn , yn ) −→ (x, y).
k(xn , yn ) − (x, y)k0 = k(xn − x), (yn − y)k0

= max(kxn − xk , kyn − yk) −→ 0
n→∞
11. Sean (X, kk1 ) un espacio de Banach, kk1 y kk2 dos normas equivalentes.
Demostrar que (X, kk2 ) es también un espacio de Banach.
35
Solución
Def.
kk1 son kk2 equivalentes ⇔ ∃α > 0, β > 0 : ∀x ∈ X α kxk2 ≤ kxk1 ≤ β kxk2
Y {an } es una sucesión fundamental en (X, kk2 ) si y sólo si
²
∀² > 0 ∃n0 (²) ∈ N : ∀n0 ≥ n ∀p ∈ N kan+p − an k2 <
β
Como ∀x ∈ X
kxk1 ≤ β kxk2 ⇒ kan+p − an k1 < ²
entonces {an } es una sucesión fundamental en (X, kk1 ), como este es

de Banach, entonces,
∃a ∈ X : ∀² > 0 ∃n1 (²) ∈ N : n ≥ n1 kan − ak1 < α².
Como ∀x ∈ X
α kxk2 ≤ kxk1 ⇒ α kan − ak2 ≤ kan − ak1 ≤ α² ⇒ kan − ak2 ≤ ²
entonces, {an } −→ a en (X, kk2 ). Luego, como {an } es una sucesión

n→∞
fundamental arbitraria que converge a un punto a ∈ (X, kk2 ), entonces
(X, kk2 ) es un espacio de Banach.
12. Sea X un espacio de Hilbert. Sea M ⊂ X. Definimos
M ⊥ = {z ∈ X : (z | m) = 0 ∀m ∈ M } .
Probar que M es un subespacio (variedad lineal cerrada).
Solución:
Sean x, y ∈ M ⊥ α, β ∈ K. ¿αx + βy ∈ M ⊥ ?
Hay que probar que ∀m ∈ M, (αx + βy | m) = 0
(αx + βy) = α (x | m) +β (y | m) = 0
| {z } | {z }
=0 =0
36
Para probar que M ⊥ es cerrado es suficiente probar que M̄ ⊥ ⊂ M ⊥ .
Consideremos que x ∈ M̄ ⊥ . Entonces existe {xn } ⊂ M ⊥ : xn −→ x.

Demostremos que x ∈ M ⊥ .
Sea m ∈ M . ¿(x | m) = 0?
Tenemos que
(xn | m) = 0 donde xn ∈ M ⊥ y m ∈ M
Pero,
(xn | m) −→ (x | m)11
| {z } n→∞
=0
luego (x | m) = 0 ∀m ∈ M . Concluimos con que x ∈ M ⊥ y M ⊥ es

un subespacio.
13. Probar que:
13.1) Toda función de variación acotada sobre [a, b] es acotada sobre

[a, b].
13.2) La expresión
b
_
kxk = |x(a)| + x(t)
a

Solución al inciso 13.1) Sea P[a, b] el conjunto de todas las parti-
ciones finitas de [a, b]. Entonces
n
X
Def.
∀x(t) ∈ V [a, b] ⇔ ∃c > 0 : ∀p ∈ P[a, b] |x(tk ) − x(tk−1 )| < c
k=1
Consideremos un p = {a, t, b}:
|x(t) − x(a)| + |x(b) − x(t)| < c ⇒ |x(t) − x(a)| < c

|x(t)| − |x(a)| < |x(t) − x(a)| < c ⇒ |x(t)| < c + |x(a)|
11
Consecuencia del Ejemplo Resuelto (5).
37
Solución al inciso 13.2) Probemos ahora que
b
_
kxk = |x(a)| + x(t),
a
es una norma. Veamos

1)
b
_
kxk = 0 ⇔ |x(a)| + x(t) = 0
a
b
_
⇒ |x(a)| = 0 ∧ x(t) = 0.
a
Como
n
X n
X b
_
|x(tk ) − x(tk−1 )| ≤ sup |x(tk ) − x(tk−1 )| = x(t)
k=1 k=1 a
entonces, ∀z ∈ [a, b]
b
_
| x(z) − x(a) | + |x(b) − x(z)| ≤ x(t) = 0.
|{z}
=0 a
Luego, ∀z ∈ [a, b] |x(z)| = 0.

2) Debemos probar que kαxk = |α| kxk.
b
_
kαxk = |αx(a)| + αx(t)
a
n
X
= |α| |x(a)| + sup |α(x(tk ) − x(tk−1 ))|
k=1
Xn
= |α| |x(a)| + sup |α| |x(tk ) − x(tk−1 )|
k=1
38
" n
#
X
= |α| |x(a)| + |α| sup |x(tk ) − x(tk−1 )|
k=1
" b
#
_
= |α| |x(a)| + x(t) = |α| kxk .
| {z a }
kxk
3) Sean x(t), y(t) ∈ V [a, b], probemos que kx + yk ≤ kxk + kyk.

b
_
kx + yk = |(x + y)(a)| + (x + y)(t)
a
n
X
= |(x + y)(a)| + sup |(x + y)(tk ) − (x + y)(tk−1 )|
k=1
= |x(a) + y(a)|
Xn
+ sup |x(tk ) + y(tk ) − x(tk−1 ) − y(tk−1 )|
k=1
≤ |x(a)| + |y(a)|
Xn
+ sup |[x(tk ) − x(tk )] + [y(tk ) − y(tk−1 )]|
k=1
Aplicando la desigualdad de Minkowski (p = 1),

n
X n
X
|[x(tk ) − x(tk )] + [y(tk ) − y(tk−1 )]| ≤ |x(tk ) − x(tk−1 )|
k=1 k=1
n
X
+ |y(tk ) − y(tk−1 )| .
k=1
Luego,
n
X
|x(a)| + |y(a)| + sup |[x(tk ) − x(tk )] + [y(tk ) − y(tk−1 )]|
k=1
Xn
≤ |x(a)| + |y(a)| + sup |x(tk ) − x(tk−1 )|
k=1
n
X
+ sup |y(tk ) − y(tk−1 )|
k=1
39
Agrupando convenientemente,
n
X
= |x(a)| + sup |x(tk ) − x(tk−1 )|
k=1
n
X
+ |y(a)| + sup |y(tk ) − y(tk−1 )|
k=1
b
_ b
_
= |x(a)| + x(t) + |y(a)| + y(t) = kxk + kyk .
a a
| {z } | {z }
kxk kyk
14. Probar que la aplicación f2 (α, x) = αx es continua.
Solución:
f2 : K × X −→ X,
donde K es el cuerpo de escalares. Consideremos sobre K ×X cualquier
estructura topológica que induzca la convergencia por coordenadas, en
particular
k(α, x)k = max(|α| , kxk).
Probemos que f2 es sucesionalmente continua. Supongamos que,
(αn , xn ) −→ (α, x).

n→∞
Hay que probar que
f2 (αn , xn ) −→ f2 (α, x),

n→∞
esto es por definición de f2
f2 (αn , xn ) = αn xn f2 (α, x) = αx;
luego concretamente tenemos que demostrar que:

Def.
αn xn −→ αx ≡ kαn xn − αxk −→ 0.
n→∞ n→∞
40
Por esto analizamos el comportamiento de kαn xn − αxk. Introduciendo
el término auxiliar αn x
kαn xn − αxk = kαn xn − αn x + αn x − αxk

= kαn (xn − x) + (αn − α)xk
≤ kα(xn − x)k + k(αn − α)xk
= |αn | kxn − xk + |αn − α| kxk
| {z }
−→ 0
n→∞
En el primer término de la última suma, se observa que {αn } está aco-

tada por ser convergente, por tanto ∃M > 0 tal que ∀n |αn | ≤ M , de
aquı́ que
|αn | kxn − xk −→ 0.
|{z} | {z } n→∞
≤M −→ 0
n→∞
15. Probar que la función f (x) = kxk es continua.
Solución:
f : X −→ R+
Vamos a probar que f es sucesionalmente continua, es decir
[xn −→ x ⇒ f (xn ) −→ f (x)]

n→∞ | {z } n→∞ |{z}
∈ R ∈R
Supongamos entonces que
Def.
xn −→ x ≡ kxn − xk −→ 0
n→∞ n→∞
Debemos estimar:
|f (xn ) − f (x)| = |kxn k − kxk|
Tenemos que
kxn k = 12 k(xn − x) + xk ≤ kxn − xk + kxk ⇒ kxn k − kxk ≤ kxn − xk

12
Se introduce el lı́mite x.
41
Análogamente
kxk = 13 k(x − xn ) + xn k ≤ kx − xn k + kxn k ⇒ kxk−kxn k ≤ kxn − xk

| {z }
kxn −xk
Como kxn − xk es mayor que (kxn k − kxk) y también es mayor que el

opuesto de este número (kxk − kxn k), se infiere que kxn − xk supera el
valor modular de (kxn k − kxk), de aquı́ que
|kxn k − kxk| ≤ kxn − xk .
A partir de esta estimación se deduce, debido a que
kxn − xk −→ 0, que kxn k −→ kxk .

n→∞ n→∞
16. Sea X un espacio de Hilbert sobre K. Definamos f (x, y) = (x | y),

donde ( | ) es el producto escalar del mismo. Probar que f es una apli-
cación continua.
Solución:
Consideremos sobre X ×X cualquier estructura topológica que induzca

la convergencia por coordenadas, en particular,
k(x, y)k = max(kxk , kyk).
De aquı́ que se tiene que

³ ´ ³ ´
(xn , yn ) −→ (x, y) ⇒ xn −→ x ∧ yn −→ y
n→∞ n→∞ n→∞
Probemos que f es sucesionalmente continua. Supongamos que:
(xn , yn ) −→ (x, y);
hay que probar que:
f (xn , yn ) −→ f (x, y)
| {z } | {z }
∈K ∈K
f (xn , yn ) = (xn | yn ) ; f (x, y) = (x | y),
13
Se introduce el término xn .
42
luego hay que demostrar que
Def.
(xn | yn ) −→ (x | y) ≡ |(xn | yn ) − (x | y)| −→ 0.
n→∞
Por esto vamos a analizar el comportamiento de |(xn | yn ) − (x | y)|.

Introduciendo el término auxiliar (xn | y)
|(xn | yn ) − (x | y)| = |(xn | yn ) − (xn | y) + (xn | y) − (x | y)|

= |((xn | yn ) − (xn | y)) + ((xn | y) − (x | y))|
Aplicando propiedades del módulo y del producto interior
≤ |(xn | yn ) − (xn | y)| + |(xn | y) − (x | y)|

= |(xn | yn − y) + (xn − x | y)|
Por la desigualdad de Cauchy-Buniakowski
|(xn | yn − y) + (xn − x | y)| ≤ kxn k kyn − yk + kxn − xk kyk

| {z } | {z } | {z }
≤M −→ 0 −→ 0
n→∞ n→∞
| {z } | {z }
−→ 0 −→ 0
n→∞ n→∞
Por tanto,
|(xn | yn ) − (x | y)| −→ 0
n→∞
2.6 Ejercicios Propuestos

1. Determinar la forma geométrica de la bola S1 (0) en l2 .
2. Probar que:
A está acotado ⇔ Diam(A) < +∞.
3. Probar que en todo espacio unitario
(x | λy) = λ̄(x | y).
4. Probar que en los espacios euclı́deos y unitarios la aplicación

p
kxk = (x | x)
43
5. Probar los ejercicios resueltos 14 y 15 a partir de la definición expresada
en téminos de ², δ.
6. Probar que si X es un espacio unitario, x0 ∈ X la aplicación
f (x) = (x, x0 ), (x ∈ X)
es una aplicación continua, aplicando:
a) la caracterización de función sucesionalmente continua;

b) la definición en términos ², δ;
c) el ejercicio resuelto 16.
44
Capı́tulo 3
Operadores lineales
Si X, Y son espacios normados y se establece una aplicación T de X en Y ,

el estudio de las peculiaridades de esta función (denominada operador) y
sus principales propiedades conduce a la obtención de esquemas de compor-
tamiento predeterminados en casos aparentemente muy distintos como los
siguientes:
1ro) T (x) = Ax, donde x ∈ Rn y A es una matriz cuadrada de dimensión

n.
2do) T (x) = x0 , donde x es una función con derivada continua x0 en un

intervalo [a, b].
3ro) T x = g, si x es una función continua en [0, 1] y g es la función dada

por: Z 1
g(s) = stx(t)dt 0 ≤ s ≤ 1
0
Este conocimiento resulta muy útil en la teorı́a de resolución de ecuaciones.
3.1 Continuidad, acotación y norma de un

operador lineal
El conocido concepto de función continua entre espacios métricos adquiere
un matiz especial cuando los espacios son vectoriales y el operador es lineal.
Se verá que en este caso son válidos dos resultados de gran fuerza práctica:
45
el primero establece la equivalencia entre la continuidad en un punto y la
continuidad en todo el espacio. El mismo fundamenta la demostración de
que el concepto de continuidad equivale a un nuevo concepto: el de operador
acotado, más fácil de manejar porque está basado en una desigualdad.
Definición 3.1.1 Sea F un operador con campo de definición D(F ) ⊂ X

y campo de valores R(F ) ⊂ Y . Se llama acotado si transforma cualquier
conjunto acotado de D(F ) en un conjunto acotado en el espacio Y .
Definición 3.1.2 Sean X, Y espacios normados, ambos reales o ambos com-

plejos. Un operador A : X → Y con campo de definición D(A) ⊂ X se llama
lineal si D(A) es una variedad lineal en X y para cualesquiera x, y ∈ D(A),
ası́ como para cualesquiera λ1 , λ2 ∈ R(λ1 , λ2 ∈ C) se cumple la igualdad
A(λ1 X1 + λ2 X2 ) = λ1 A(X1 ) + λ2 A(X2 ).
El conjunto N (A) = {x ∈ D(A) : A(X) = 0} se denomina conjunto de

ceros o núcleo del operador A.
La importancia práctica del concepto de operador lineal está dada por la

variedad de operadores muy útiles que satisfacen esta propiedad. Se resumen
seguidamente algunos de ellos, suponiendo en todos los casos un dominio de
definición apropiado. (Ejercicio propuesto 4)
Algunos ejemplos de operadores lineales
(1) El operador nulo: Ax = 0 ∀x ∈ X;
(2) El operador identidad: Ax = 1;

Rb
(3) Ax = y si y(s) = a K(s, t) x(t) dt;
(4) Ax = y si y(s) = x00 (s) + λ x(s);
(5) El operador de diferencias finitas: Ax = y si y(s) = ∆ x(s) + λ x(s),

siendo
∆ x(s) = x(s + ∆ s) − x(s), x : R −→ R;
R∞
(6) El operador de transformada: Ax = −∞ ei k s x(s) ds k ∈ R;
46
(7) Si x = (x1 , x2 , x3 , ...)
Ã !
1 1 1
A1 x = (x1 + x2 ), (x2 + x3 ), (x3 + x4 ), ... ;
2 2 2
Ã∞ ∞
!
X X
A2 x = a1k xk , a2k xk , ...
k=1 k=1
(8) Ax = y si y(s) = s x(s);
(9) Ax = y si y(s) = x(s − 1);
(10) El operador combinado (evaluación y multiplicación):
Ax = y tal que y(t) = t2 x(0).
Donde A : C[0, 1] −→ C[0, 1];
(11) El operador producto por una función fija:
Ax = y siendo y(t) = θ0 (t) x(t);
(12) Operador entre espacios de sucesiones:
Ax = (λ1 x1 , λ2 x2 , ..., λn xn , ...), x = (x1 , ..., xn , ...) λn ∈ R n ∈ N.
Teorema 3.1.1 Un operador lineal A : X → Y , dado sobre todo X y con-

tinuo en el punto x0 ∈ X es continuo en cualquier punto y ∈ X.
Por tanto un operador lineal A : X → Y con D(A) = X es continuo si

es continuo en el punto 0 ∈ X.
Definición 3.1.3 Un operador lineal A : X → Y con D(A) = X se lla-

ma acotado si existe c > 0 tal que para cualquier x ∈ S¯1 (0) es válida la
desigualdad kAxk ≤ c.
Teorema 3.1.2 Un operador lineal A : X → Y con D(A) = X es acotado

si y sólo si para cualquier x ∈ X se cumple la desigualdad kAxk ≤ c kxk.
47
(Ejercicio resuelto 3, ejercicio propuesto 2)
Teorema 3.1.3 Un operador lineal A : X → Y con D(A) = X es continuo

si y sólo si es acotado.
Denominación:
L(X, Y ) = {A : X −→ Y tales que A es lineal acotado} .
Definición 3.1.4 El número
kAk = sup kAxk

x∈X,kxk≤1
se denomina norma del operador lineal acotado A : X → Y con D(A) = X.
Proposición 3.1.1 (Definiciones alternativas de norma) Sea A ∈ L(X, Y ).

Definamos,
kAxk
E = sup , C = sup kAxk ,
x6=0 kxk kxk≤1
B = sup kAxk , D = inf{k ≥ 0 : ∀x ∈ X kAxk ≤ k kxk}.

kxk=1
Entonces E ≤ B ≤ C ≤ D ≤ E.
La denominación de norma se justifica por el hecho de que la aplicación

kAk = E = B = C = D constituye una norma sobre el espacio L(X, Y )
(Ejercicio propuesto 3). Tomando en consideración las expresiones equiva-
lentes para la norma de un operador lineal y continuo, se puede construir un
procedimiento para el cálculo de la norma.
Procedimiento 2. Cálulo de la norma de un operador
Sea A ∈ L(X, Y ).
(P1) Verificar que A es un operador (A : X −→ Y ).
48
(P2) Verificar que A es lineal.
(P3) Verificar que A está acotado.
(Es decir ∃k : ∀x ∈ X kAxk ≤ k kxk)
Nota: Al terminar (P3) hemos probado que A ∈ L(X, Y )
(P4) Acotar superiormente la norma.
Nota: Al terminar (P4) se concluye que kAk ≤ k.
(P5) Hallar kAk.
Nota: Si se quiere probar que kAk = k proceder entonces de una

de las formas siguientes:
kAx0 k
1ra forma) Buscar x0 ∈ X, x0 6= 0, tal que =k
kx0 k
Nota: Con esto se demuestra que:
kAx0 k
= k ≤ E = kAk ,
kx0 k
que es la desigualdad contraria a la determinada en (P4).

2da forma) Buscar x0 ∈ X, kx0 k = 1, tal que kAx0 k = k.
Nota: Con esto se demuestra que:
kAx0 k = k ≤ B = kAk ,
que es la desigualdad contraria a la determinada en (P4).
(Ejercicios resueltos 8, 9, 10 y 11)
Si en un espacio normado se define una ley interna con las propiedades al-
gebraicas de un producto con identidad e, entonces la estructura de álgebra
que se obtiene se hace compatible con la estructura topológica de espacio
normado exigiendo las condiciones:
49
(1) kxyk ≤ kxk kyk;
(2) kek = 1.
La primera de estas condiciones conduce a establecer que la ley de producto
es continua, como lo son también las leyes de suma y de multiplicación por
un escalar. (Ejercicio resuelto 12)
3.1.1 Ejercicios Resueltos

1. Sean X e Y , espacios lineales; A : X → Y un operador lineal. De-
mostrar que el operador A transforma un conjunto convexo de D(A)
en un conjunto convexo en el espacio Y .
Solución:
A lineal, S ⊂ X convexo, ¿A(S) convexo?
y1 , y2 ∈ A(S) ⇒ ∃x1 , x2 ∈ S : y1 = Ax1 ∧ y2 = Ax2 .
Sea α ∈ [0, 1]
αy1 + (1 − α)y2 = αAx1 + (1 − α)Ax2 ⇔ 1 A(αx1 + (1 − α)x2 ) ∈ A(S)

| {z }
∈S
2. Veamos la demostración del Teorema 3.1.1.
Demostración
Sea y ∈ X. Como X e Y son espacios métricos por ser normados, es

suficiente probar que A es sucesionalmente continuo.
Supongamos que yn → y, entonces ¿A(yn ) → A(y)?
A(yn ) = A(yn − y + y − x0 + x0 )
Por la linealidad de A, se tiene que
A(yn ) = A(yn − y + x0 ) + A(y) − A(x0 ),

1
Por la linealidad de A.
50
pero como A es continuo en x0
yn − y + x0 → x0 ⇒ A(yn − y + x0 ) → A(x0 )
∴ A(yn ) → A(x0 ) + A(y) − A(x0 ) = A(y)
3. Demostrar que el núcleo N (A) de un operador lineal acotado A : X →

Y es un subespacio del espacio X.
Solución:
Sean x, y ∈ N (A), entonces Ax = 0 y Ay = 0 dos elementos de N (A).

Por la linealidad de A tenemos
A(x + y) = |{z}
Ax + Ay = 0 ⇒ x + y ∈ N (A)
|{z}
=0 =0
y
Aαx = α |{z}
Ax = 0 ⇒ αx ∈ N (A),
=0
esto nos asegura que N (A) es una variedad lineal, por lo que sólo nos
faltarı́a probar que es cerrado.
1ra forma) Un conjunto cerrado es aquel donde se verifica N (A) =

N (A). Es suficiente probar que N (A) ⊂ N (A).
x ∈ N (A) ⇒ ∃xn ∈ N (A) : xn −→ x ⇒ Axn −→ Ax

|{z}
0
Por ser A un operador continuo. De aquı́ que Ax = 0 ⇒ x ∈

N (A).
Preimagen
z}|{
−1
2da forma) N (A) = | A{z }( |{z}
{0} )
| {z }
cerrado continua cerrado
4. Veamos la demostración del Teorema 3.1.3, es decir
A lineal y continuo ≡ A acotado.
51
Demostración
Supongamos que A es acotado y que xn → 0, entonces
¿Axn → A(0)?
Donde A(0) = 0 por el carácter lineal de A. Como una consecuencia

del Teorema 3.1.2
A acotado ⇔ ∃c > 0 : kAxn k ≤ c kxn k .
Luego,
xn → 0 ⇒ kxn k → 0 ⇒ kAxn k → 0 ⇒ Axn → 0
Por tanto, A continuo en x0 = 0 ⇒ A continuo.2
Supongamos ahora que A es continuo, entonces ¿será A acotado? Supon-

gamos lo contrario; es decir, para cada n existe xn tal que
¯ µ ¶¯
¯ xn ¯
kAxn k > n kxn k ⇒ ¯A ¯ ¯>1
n kxn k ¯
xn
sea yn = ,
n kxn k
¯ ¯
¯ 1 xn ¯ 1
kyn k = ¯¯ ¯ = −→ 0, n → ∞
n kxn k ¯ n
pero Ayn 9 0, n → ∞, luego A no es continuo en el punto cero y por

tanto no es continuo en ningún punto por el Teorema 3.1.1.
dx
5. ¿Será acotado el operador A : C[0, 1] → C[0, 1], Ax(t) = , cuyo cam-
dt
po de definición L es la variedad lineal de las funciones continuamente
diferenciables sobre [0,1]?
Solución:
2
Recordar Teorema 3.1.1
52
Sean A lineal, xn (t) = tn , x0n (t) = ntn−1 y Axn = x0n .
¯ ¯
kAxn k = kx0n k = sup |x0n (t)| = sup ¯ntn−1 ¯ = n
t∈[0,1] t∈[0,1]
kxn k = sup |xn (t)| = sup |tn | = 1

t∈[0,1] t∈[0,1]
Luego,
{kxn k∞
n=1 } , es un conjunto acotado; pero
{kAxn k∞
n=1 } , no está acotado.
Como podemos apreciar el operador A no está acotado ≡ A no es

continuo.3
6. Sean X, Y , espacios de Banach; A : X → Y un operador lineal acotado

con D(A) = X. ¿Constituyen normas en X las igualdades:
a) kxk1 = kAxk,
b) kxk2 = kxk + kAxk? En caso afirmativo, ¿será X un espacio de
Banach con esta norma?
Solución al inciso a) Vamos a analizar el primer axioma de norma
kxk1 = 0 ⇒ kAxk = 0 ⇒ Ax = 0
Si N (A) = {0} entonces se puede implicar que x = 0, luego en

general esta aplicación no constituye una norma. En el caso de
que N (A) = {0}, X resulta isométrico a R(A), por lo que serı́a
completo si este espacio lo es.
Solución al inciso b) Sı́. Probemos el primer axioma
kxk2 = kxk + kAxk = 0 ⇒ kxk = 0 ∧ kAxk = 0 ⇒ x = 0.
Sea λ un escalar
kλxk2 = 4 kλxk + kλAxk = |λ| kxk + |λ| kAxk = |λ| kxk2 .

3
Recordar Teorema 3.1.2.
4
A es lineal.
53
Probemos ahora el axioma triangular, kx + yk2 ≤ kxk2 + kyk2
kx + yk2 = kx + yk + kA(x + y)k
≤ kxk + kAxk + kyk + kAyk
| {z } | {z }
kxk2 kyk2
Recordemos que en un espacio de Banach toda sucesión funda-

mental debe ser convergente. Probemos esta propiedad,
kxn+p − xn k2 −→ 0 ⇒ kxn+p − xn k + kA(xn+p − xn )k −→ 0
| {z } | {z }
≥0 ≥0
⇒ kxn+p − xn k −→ 0 ∧ kA(xn+p − xn )k −→ 0.
n→∞ n→∞
Veamos cada sumando por separado,

kxn+p − xn k −→ 0 ⇒ 5 ∃x ∈ X : kxn+p − xk −→ 0
y en el otro sumando,
kA(xn+p − xn )k −→ 0 ⇔ 6 kAxn+p − Axn k −→ 0,
luego, {Axn } es una sucesión fundamental. Entonces
∃y ∈ Y : kAxn+p − yk −→ 07 ⇒ y = Ax8
Luego,
kxn+p − xk2 = kxn+p − xk + kA(xn+p − x)k −→ 0
∴ (X, kk2 ) es de Banach.
7. Demostrar la proposición 3.1.1.
Solución:
° Ã !°
kAxk ° ° x °
°
1ro) = °A ° ≤ B ⇒ E ≤ B ≤ 9 C.
kxk ° kxk °
5
X es un espacio completo
6
Por la linealidad de A.
7
Y es de Banach
8
A acotado, luego continuo
9
Por definición.
54
2do) kAxk ≤ k ∀x : kxk ≤ 1 ⇒ C ≤ D.
²
3ro) Supongamos que D − E = ² > 0 ⇒ E = D − ² < D −
2
Entonces ∀x 6= 0
Ã !
kAxk ² ²
≤ E < D− ⇒ kAxk < D− kxk ∀x 6= 0 ¡Absurdo!
kxk 2 2
Luego, E ≤ B ≤ C ≤ D ≤ E.
8. Demostrar que los siguientes operadores son lineales acotados y hallar

sus normas aplicando el procedimiento 2:
Rt
a) A : C[0, 1] → C[0, 1], Ax(t) = 0 x(τ )dτ ;
b) A : C[0, 1] → C[0, 1], Ax(t) = t2 x(0);
Solución inciso a)
(P1) A es un operador;
(P2) la linealidad es una consecuencia inmediata de la linealidad de
la integral;
(P3) por la definición de norma en C[0, 1] se tiene que,
¯Z t ¯
¯ ¯
kAxk = sup |(Ax)(t)| = sup ¯¯ x(τ )dτ ¯¯
t∈[0,1] t∈[0,1] 0
Podemos acotar la expresión que aparece en el último miembro

¯Z t ¯ Z t
¯ ¯
¯ x(τ )dτ ¯ ≤ |x(τ )| dτ
¯ ¯
0 0
≤ sup |x(τ )| sup |t − 0|
τ ∈[0,1] t∈[0,1]
| {z } | {z }
kxk 1
¯Z t ¯
¯ ¯
⇒ sup ¯¯ x(τ )dτ ¯¯ ≤ 1 kxk ⇒ sup kAxk ≤ 1
t∈[0,1] 0 kxk≤1
| {z } | {z }
kAxk kAk
55
Para probar la desigualdad en sentido contrario consideremos x0 ∈
C[0, 1] dado por x0 (t) ≡ 1 ∀t ∈ [0, 1]. Notemos que kx0 k = 1 y
hallemos kAx0 k.
¯ ¯
¯Z t ¯
¯ ¯
kAx0 k = sup ¯ x0 (τ ) dτ ¯¯ = sup |t| = 1.
¯
t∈[0,1] ¯ 0 | {z } ¯ t∈[0,1]
=1
Entonces
kAx0 k = 1 ≤ sup kAxk = kAk ,
kxk≤1
luego kAk = 1.
Solución al inciso b) Prueba de la linealidad.
A(αx(t) + βy(t)) = t2 (αx(0) + βy(0)) = α t2 x(0) +β t2 y(0)

| {z } | {z }
Ax(t) Ay(t)
= αAx(t) + βAy(t)
Hallemos kAk. Por definición de norma en C[0, 1]

¯ ¯
kAxk = sup |(Ax)(t)| = sup ¯t2 x(0)¯ ≤ |x(0)| ≤ 1 kxk
t∈[0,1] t∈[0,1]
entonces,
sup kAxk ≤ 1
kxk≤1
| {z }
kAk
Recı́procamente, sea x0 (t) ≡ 1 ∀t ∈ [0, 1], por lo que kx0 k = 1

¯ ¯
kAx0 k = sup ¯t2 (1)¯ = 1 ≤ sup kAxk = kAk
t∈[0,1] kxk≤1
luego
kAk = 1.
∴ kAk ≤ 1 la igualdad se alcanza cuando x es constante.
9. Dado el operador T : l1 −→ l1 definido por:
T (x1 , x2 , x3 , ...) = (0, x1 , 2x2 , x3 , 2x4 , ...),

| {z }
=x
56
probar que kT k = 2.
Solución: La linealidad se demuestra directamente de la definición.
kT xk = |x1 | + 2 |x2 | + |x3 | + 2 |x4 | + ...

≤ 2 |x1 | + 2 |x2 | + 2 |x3 | + 2 |x4 | + ... ≤ 2 kxk
⇒ kT k ≤ 2.
Para probar la desigualdad contraria, consideremos el elemento de l1 :

x0 = (0, 1, 0, 0, 0, ...). Entonces kx0 k = 1
T x0 = (0, 2, 0, 0, ...) ⇒ kT x0 k = 2
kT x0 k 2 kT xk
= = 2 ≤ sup = kT k .
kx0 k 1 kxk6=0 kxk
10. En el espacio de Hilbert H el operador de proyección ortogonal sobre

el subespacio L ⊂ H para x = u + v, siendo u ∈ L y v ∈ L⊥ se define
por la igualdad P x = u. Demostrar que el operador P es acotado y
hallar su norma.
Solución:
P es lineal si y = u0 + v 0 entonces
P (αx + βy) = αu + βu0 = αP (x) + βP (y)
Sea x ∈ H
q p
kP xk = kuk ≤ kuk2 + kvk2 = (u + v | u + v) = kxk ⇒ kP k ≤ 1.
La igualdad kP xk = kxk se cumple para cualquier u ∈ L por lo que

para todo u 6= 0
kP uk kuk kP xk
= = 1 ≤ sup = kP k ,
kuk kuk kxk6=0 kxk
luego kP k = 1.
57
11. En el espacio C[−1, 1] consideremos los operadores
1
Ax(t) = [x(t) + x(−t)], (3.1.1)
2
1
Bx(t) = [x(t) − x(−t)] (3.1.2)
2
a) Demostrar que A es un operador lineal acotado y hallar su norma.
b) Probar que A2 = A.
Solución al inciso a) Demostremos la linealidad.
1
A(αx + βy)(t) = [(αx + βy)(t) + (αx + βy)(−t)]
2
1
= [αx(t) + βy(t) + αx(−t) + βy(−t)]
2
1 1
= α [x(t) + x(−t)] +β [y(t) + y(−t)]
|2 {z } |2 {z }
Ax(t) Ay(t)
Hallemos kAk
kAk = sup kAx(t)k

kxk=1
1
sup max [x(t) + x(−t)]
kxk=1 t∈[−1,1] 2
" #
1
≤ sup (kxk + kxk)
kxk=1 2
= sup kxk = 1
kxk=1
La cota superior se alcanza para x ≡ 1, por lo que kAk = 1.

Solución al inciso b)
1
A2 x(t) = [Ax(t) + Ax(−t)] = Ax(t)
2 | {z }
Ax(t)
12. Si {xn } , {yn } son sucesiones fundamentales de un álgebra normada A,

probar que {xn yn } es una sucesión fundamental. Además, si xn −→ x
58
y yn −→ y, pruebe que xn yn −→ xy.
Solución: Hay que probar que
kxn yn − xm ym k −→ 0
n,m→∞
kxn yn − xm ym k = kxn yn − xn ym + xn ym − xm ym k
agrupando = kxn (yn − ym ) + (xn − xm )ym k
≤ kxn (yn − ym )k + k(xn − xm )ym k
Por la definición de Álgebra

≤M ≤M
z }| { z }| {
≤ kxn k kyn − ym k + kxn − xm k kym k
| {z } | {z }
−→ 0 −→ 0
n,m→∞ n,m→∞
Supongamos ahora que xn −→ x y que yn −→ y.
kxn yn − xyk = kxn yn − xyn + xyn − xyk = k(xn − x)yn + x(yn − y)k
≤ kxn − xk kyn k + kxk kyn − yk
| {z } |{z} | {z }
−→ 0 ≤M −→ 0
n→∞ n→∞
Observe que el término auxiliar introducido
−xyn + xyn = 0,
pudo haber sido alternativamente
−xn y + xn y
la demostración se hubiera cambiado por:
kxn yn − xyk = kxn yn − xn y + xn y − xyk = kxn (yn − y) + (xn − x)yk

≤ kyn − yk kxn k + kyk kxn − xk
| {z } | {z } | {z }
−→ 0 ≤M −→ 0
n→∞ n→∞
59
3.2 Espacio de operadores lineales acotados
Definición 3.2.1 Sean X e Y , espacios normados, ambos reales o comple-
jos; A, B, operadores lineales acotados definidos sobre todo el espacio X y
con valores pertenecientes a Y . Al suponer según la definición:
(A + B)x = Ax + Bx, λA(x) = λAx, kAk = sup kAxk

x∈X,kxk≤1
obtenemos el espacio L(X, Y ) normado de operadores lineales acotados.
Definición 3.2.2 En el espacio L(X, X) = L(X) suponemos, por defini-

ción, (AB)x = A(Bx). Por lo tanto L(X) pasa a ser una álgebra con unidad,
donde ésta es el operador idéntico I : X −→ X, Ix = x.
(Ejercicios resueltos 1 y 2)
Definición 3.2.3 Una sucesión An ∈ L(X, Y )(n ∈ N) se llama uniforme-

u
mente convergente hacia el operador A ∈ L(X, Y ) y se denota An −→ A
si kAn − Ak −→ 0(n −→ ∞). Una sucesión An ∈ L(X, Y )(n ∈ N) se
llama fuertemente convergente hacia el operador A ∈ L(X, Y ) y se denota
s
An −→ A si para todo x ∈ X kAn x − Axk −→ 0(n −→ ∞).
Teorema 3.2.1 Si Y es un espacio de Banach, L(X, Y ) es un espacio de

Banach.
Teorema 3.2.2 (Principio de acotación uniforme) Sea Λ un conjunto

de ı́ndices de cardinalidad arbitraria y supongamos que la sucesión {Aα },
donde α recorre a Λ, es una colección de elementos de L(X, Y ) donde X es
un espacio de Banach. Si
sup kAα xk < ∞ ∀x ∈ X

α
entonces,
sup kAα k < ∞.
α
60
Demostración
Aplicaremos el teorema de la acotación uniforme, por lo cual el primer paso

será construir una familia de seminormas continuas.
Sea pα = kAα (x)k α ∈ I. Debemos comprobar que cada pα es una semi-

norma.
pα (βx) = kAα (βx)k = |β| kAα xk = |β| pα (x)

pα (x + y) = kAα (x + y)k = kAα (x) + Aα (y)k
≤ kAα (x)k + kAα (y)k = pα (x) + pα (y).
Ahora debemos comprobar que cada pα es continua, lo cual se hará mediante

el análisis de la condición de ser sucesionalmente continua.
Supongamos que xn −→ x
pα (xn ) = kAα (xn )k −→ kAα (x)k = pα (x)
↓
Aα (x)
Por hipótesis se tiene,
sup pα (x) = sup kAα (x)k < +∞ ∀x,

α α
obteniéndose la tesis de acuerdo con el teorema de la acotación uniforme
sup sup pα (x) = sup sup kAα (x)k < +∞.

α kxk≤1 α kxk≤1
| {z }
kAα k
En particular, cuando Λ = N se obtiene:

Teorema 3.2.3 (Teorema de Banach-Steinhaus) Sean X un espacio de
Banach, An ∈ L(X, Y )(n ∈ N) y la sucesión kAn xk acotada para cualquier
x ∈ X. Entonces, la sucesión kAn k es acotada.
Agrupemos seguidamente algunas aplicaciones del teorema de la acotación

uniforme que muestran su alcance práctico.
61
Aplicaciones
1.- X espacio de Banach, Y espacio normado y Tn ∈ L(X, Y ). Supongamos

que Tn converge en cada punto x ∈ X. Entonces el operador T definido
por
T (x) = lim Tn (x) está en L(X, Y )
n→∞
Demostración
Es necesario probar que T es lineal y continuo. Mostremos en primer

lugar la linealidad. Sean α, β escalares; x, y ∈ X.
Def. Tn ∈L(X,Y )
T (αx + βy) = lim Tn (αx + βy) = lim (αTn (x) + βTn (y))
n→∞ n→∞
= α lim Tn (x) + β lim Tn (y) = αT (x) + βT (y).
n→∞ n→∞
Veamos ahora la acotación. Para cada n se tiene que
kTn (x)k ≤ kTn k kxk ≤ 10 K kxk ∀x ∈ X
Pasando al lı́mite:
kT (x)k ≤ K kxk
2.- X espacio de Banach
F ⊂ X 0 : sup |x0 (x)| < +∞ ∀x ∈ X

x0 ∈F
Entonces F está acotado.
Demostración
Tomemos en el Teorema 3.2.2 a Y = K entonces,
sup kx0 k < +∞.

x∈F
Teorema 3.2.4 Sean X, Y espacios de Banach; An ∈ L(X, Y )(n ∈ N).

Para que la sucesión An con n −→ ∞ converja fuertemente hacia el operador
A ∈ L(X, Y ) es necesario y suficiente que:
10
Por el Teorema de Banach-Steinhaus
62
1) la sucesión kAn k sea acotada.
2) An −→ A fuertemente en una variedad lineal L densa en el espacio X.

n→∞
Teorema 3.2.5 Sea X un espacio normado, Y un espacio de Banach, A :
X −→ Y un operador lineal y, además, D(A) = X siendo el operador A
acotado sobre D(A). Entonces existe un operador
° ° lineal acotado Â ∈ L(X, Y )
° °
tal que Âx = Ax para cualquier x ∈ D(A) y °Â° = kAk.
Por tanto el operador Â es una prolongación del operador A que preserva su

norma. (Ejercicio resuelto 8)

1. Sean T, U, V espacios normados, G ∈ L(T, U ), H ∈ L(U, V ). Entonces
kHGk ≤ kHk kGk.
Solución:
kHGxk ≤ kHk kGxk ∀x ∈ T

≤ kHk kGk kxk ∀x ∈ T ⇒ kHk kGk ≥ kHGk
2. Sean X, Y, Z espacios normados; An , A ∈ L(X, Y ) y Bn , B ∈ L(Y, Z)

donde n ∈ N y An −→ A y Bn −→ B. Pruebe que:
n→∞ n→∞
Bn An −→ BA
n→∞
en el espacio L(X, Z).
Solución:
kBn An − BAk = kBn An − Bn A + Bn A − BAk

= kBn (An − A) + (Bn − B)Ak
≤ kBn (An − A)k + k(Bn − B)Ak
≤ kBn k kAn − Ak + kBn − Bk kAk −→ 0
| {z } | {z } | {z } n→∞
≤M −→0 −→0
63
3. En el espacio l2 , para un elemento x = (x1 , x2 , ...) ∈ l2 pongamos las
sucesiones de operadores
³x x ´
1 2
An x = , , ... ,
n n
Bn x = (0, 0, ..., 0, xn+1 , xn+2 , ...), n ∈ N.
| {z }
n
¿Cuál es el carácter de la convergencia de cada una de las sucesiones?
Solución:
Probemos que An converge uniformemente, lo cual nos da una condi-

ción suficiente para todas las demás convergencias.
Ã∞ !1
X ¯¯ xk ¯¯2 2 1
kAn xk = ¯ ¯ = kxk
k=1
n n
1
⇒ kAn k = sup kAn xk =
kxk≤1 n
1
lim kAn − 0k = lim kAn k = lim =0
n→∞ n→∞ n→∞ n
u
∴ An −→ 0 en l2 .
s u
Probemos que Bn −→ 0 y Bn 9 0. Sea x = (x1 , x2 , ...) ∈ l2
Ã ∞
! 12
X
kBn x − 0xk = kBn xk = |xk |2 −→ 0(n → ∞).
k=n+1
Este resultado se obtiene de que

X
xn ∈ l 2 ≡ |xn |2 < +∞
n
≡ resto −→ 0.
Veamos que kBn − 0k −→ 0 (n → ∞).
64
Sea xn = (0, 0, ..., 0, 1, 0, 0, ...) ⇒ kxn k = 1 para cada n
| {z }
n
kBn k = sup kBn xk ≥ kBn xn k = 1 ∀n ∈ N

kxk≤1
⇒ lim kBn − 0k ≥ 1 6= 0
n→∞
∴ Bn 9 0
uniformemente en l2 .
4. Consideremos el operador A : C[0, 1] −→ C[0, 1],

Z t
Ax(t) = eτ x(τ )dτ
0
y la sucesión de operadores An : C[0, 1] −→ C[0, 1]

Z t "Xn
#
τk
An x(t) = x(τ )dτ, n ∈ N,
0 k=0
k!
¿Converge la sucesión An hacia A? ¿Cuál es el carácter de la conver-

gencia?
65
Solución:
kAn − Ak = sup k(An − A)xk

kxk=1
= sup max |(An − A)x(t)|

kxk=1 t∈[0,1]
¯Z ¯
¯ t X ∞
τk ¯
¯ ¯
= sup max ¯ x(τ ) dτ ¯
kxk=1 t∈[0,1] ¯ 0 k=n+1 k! ¯
¯Z ¯
¯ t X ∞
τk ¯
¯ ¯
≤ sup max ¯ kxk dτ ¯
kxk=1 t∈[0,1] ¯ 0 k=n+1 k! ¯
¯Z ¯
¯ t X ∞
τ k ¯¯
¯
= max ¯ dτ ¯
t∈[0,1] ¯ 0 k! ¯
k=n+1
Por la convergencia uniforme de la serie
¯ ∞ Z ¯ ¯ ∞ ¯
¯ X 1 k
τ ¯ ¯ X tk+1 ¯
¯ ¯ ¯ ¯
= max ¯ dτ ¯ = max ¯ ¯
t∈[0,1] ¯ 0 k! ¯ t∈[0,1] ¯ (k + 1)! ¯
k=n+1 k=n+1
∞
X 1
= ⇒ An ⇒ A.
k=n+1
(k + 1)!
En el caso anterior se ha utilizado un resultado del análisis matemático,
x x2 xn
ex = + + ... + + ...
1! 2! n!
5. Demostrar el Teorema 3.2.1.
Y de Banach ⇒ L(X, Y ) es de Banach.
Solución:
{An } ⊂ L(X, Y ) ⇒ kAn − Am kL(X,Y ) −→ 0

| {z } n,m→∞
f undamental
⇒ ∀x ∈ X, kAn x − Am xkY ≤ kAn − Am kL(X,Y ) kxkX −→ 0
n,m→∞
⇒ {An x} ⊂ Y ←− Banach.
| {z }
fundamental
66
Entonces,
∃y ∈ Y : An x −→ y.
n→∞
Formemos
A : X −→ Y
x −→ lim An x = y
n→∞
Probemos que:
a) A ∈ L(X, Y )
b) kAn − AkL(X,Y ) −→ 0(n → ∞)
Solución al inciso a) A lineal:
A(αx + βy) = lim An (αx + βy)

n→∞ |{z}
lineal
= lim (αAn x + βAn y) = αAx + βAy.
n→∞
A continuo ≡ A acotado ≡ ∃c > 0 : ∀x ∈ X, kAxk ≤ c kxk.

Probemos esta última condición. Se tiene que:
kAn xk ≤ kAn k kxk ≤ c kxk ∀n

| {z } | {z }
lineal y continua fund.⇒acotada
Pasemos al lı́mite: ∀x ∈ X,
An x −→ Ax ⇒ kAn xk −→ kAxk ⇒ kAxk ≤ c kxk
Como A es lineal y continuo se concluye que A ∈ L(X, Y ).

Solución al inciso b) ∀² > 0 ∃n0 ∈ N : ∀n, m ≥ n0 kAn − Am k < ²
⇒ kAn x − Am xk ≤ kAn − Am k kxk < ² kxk
Para n ≥ n0 y m → ∞
kAn x − Axk ≤ ² kxk ⇒ k(An − A)(x)k ≤ ² kxk

⇒ kAn − Ak ≤ ² , n ≥ n0
⇒ An −→ A
n→∞
en L(X, Y ).
67
6. Sean X, Y , espacios de Banach, An ∈ L(X, Y )(n ∈ N) y cuando
n −→ ∞ converge fuertemente hacia un operador A ∈ L(X, Y ). De-
mostrar que si xn , x ∈ X y xn −→ x cuando n → ∞, entonces
An xn −→ Ax cuando n → ∞.
Solución:
kAn xn − Axk = k(An xn − An x) + (An x − Ax)k
≤ kAn k kxn − xk + kAn x − Axk −→ 0
| {z } | {z } | {z } n→∞
≤M →0 →0
| {z }
teorema 3.2.3
⇒ An xn −→ Ax,
n→∞
Solución
⇒) 1) es una consecuencia del Teorema 3.2.3 y 2) se tiene como caso
particular de la definición de convergencia fuerte.
⇐) Sea x ∈ X arbitrario, ² > 0
∃x² ∈ L : kx − x² k < ² ya que L̄ = X
∃n0 ∈ N : ∀n ≥ n0 kAn x² − Ax² k < ² Por la condición 2)
Vamos a estimar kAn x − Axk
kAn x − Axk = kAn x − An x² + An x² − Ax² + Ax² − Axk
= k(An x − An x² ) + (An x² − Ax² ) + (Ax² − Ax)k
≤ kAn k kx − x² k + kAn x² − Ax² k + kAk kx − x² k
| {z } | {z } | {z } | {z }
≤M <² <² <²
≤ ²(M + 1 + kAk)
Solución:
x ∈ X = D(A) ⇒ ∃xn ∈ D(A) : xn → x
kAxn − Axm k ≤ kAk kxn − xm k −→ 0(n → ∞)
| {z }
converge
68
{Axn } es fundamental en Y 11 ⇒ ∃y ∈ Y : Axn −→ y(n → ∞).
Sea
Âx = y = lim Axn
n→∞
1ro) Probar que Â está bien definido. Supongamos que {Ax0n } es otra
sucesión tal que x0n −→ x; como antes se demuestra que {Ax0n } es
fundamental en Y , por tanto ∃z ∈ Y : Ax0n → z
ky − zkY ≤ ky − Axn + Axn − Ax0n + Ax0n − zkY

≤ ky − Axn kY + kAkL(X,Y ) kxn − x0n kX
+ kAx0n − zkY −→ 0
n→∞
⇒ y = z.
2do) Probar que Â es lineal. Sugerencia: utilizar la linealidad del

lı́mite.
3ro) Â(x) = A(x) ∀x ∈ D(A).
Considerar xn ≡ x ∈ D(A), entonces
xn −→ x,
n→∞
de aquı́ que
Â(x) = lim A(xn ) = A(x).
n→∞
° °
° °
4to) kAk ≤ °Â° porque Â es una extensión de A12
° ° ° °
° ° ° °
°Âx° = ° lim Axn °
n→∞
donde xn −→ x. Pero,
kAx k ≤ kAk kxn k

| {zn } | {z }
Âx kxk
11
De Banach
12
Vea resultado anterior
69
donde kxn k está acotada (luego, convergente). Pasando al lı́mite,
° ° ° °
° ° ° °
Âx
° ° ≤ kAk kxk ⇒ °Â° ≤ kAk
° °
° °
∴ °Â° = kAk.
3.3 Operadores inversos

Sean X, Y espacios normados; A un operador lineal que aplica D(A) sobre
R(A) biunı́vocamente. Entonces existe el operador inverso A−1 que aplica
R(A) sobre D(A) biunı́vocamente y también es lineal. (Ejercicio resuelto 1)
Definición 3.3.1 Un operador lineal A : X −→ Y se llama continuamente

inversible si R(A) = Y, A−1 existe y es acotado, es decir, A−1 ∈ L(Y, X).
Teorema 3.3.1 El operador A−1 existe y es acotado sobre R(A) si y sólo si,
para una constante m > 0 y cualquier x ∈ D(A) se cumple la desigualdad
kAxk ≥ m kxk.
Definición 3.3.2 Los espacios normados X e Y se llaman isomorfos si so-

bre todo X está definida la aplicación J : X −→ Y lineal, que realiza el
isomorfismo de X e Y como espacios lineales y es tal que, existen dos cons-
tantes α, β > 0 tales que para cualquier x ∈ X se cumple la desigualdad
α kxk ≤ kJ(x)k ≤ β kxk. Si kJ(x)k = kxk los espacios X e Y se llaman
isométricos.
Teorema 3.3.2 (Teorema del inverso acotado) Sean X, Y espacios de

Banach, A ∈ L(X, Y ), R(A) = Y y sea A inversible. Entonces, A es conti-
nuamente inversible.
El teorema del inverso acotado se aplica en la generalización de la teorı́a
70
de los valores propios a los espacios infinitos-dimensionales. El operador
básico que se estudia en este caso tiene la forma:
T − λI = 0 , T ∈ L(X) , λ un escalar
Para λ 6= 0, el miembro izquierdo puede escribirse como
−λ(I − λ−1 T ),
por lo que el problema original se relaciona con el comportamiento del ope-
rador de la forma I − C, para C ∈ L(X). Por tanto, interesa conocer bajo
qué condiciones I − C tiene inverso acotado.
Teorema 3.3.3 Sean X espacio de Banach, C ∈ L(X) y kCk < 1. En-
tonces, el operador I − C es continuamente inversible y es válida la esti-
mación
° ° 1
°(I − C)−1 ° ≤ .
1 − kCk
Teorema 3.3.4 Sean X un espacio de Banach, A, B ∈ L(X), sea A conti-
nuamente inversible y supongamos que se cumpla la desigualdad
° °−1
kB − Ak ≤ °A−1 ° .
Entonces, B es continuamente inversible y es válida la estimación
° −1 ° kA−1 k
°B ° ≤ .
1 − kB − Ak kA−1 k

1. Sean X, un espacio lineal; A, B : X −→ X, operadores lineales que
satisfacen las relaciones AB + A + I = 0 y BA + A + I = 0. Demostrar
que el operador A−1 existe.
Solución:
AB + A + I = 0 ⇒ A(B + I) + I = 0 ⇒ I = −A(B + I)
BA + A + I = 0 ⇒ (B + I)A + I = 0 ⇒ I = −(B + I)A
71
Hagamos C = −B − I, se satisface que
AC = CA = I ⇒ A−1 = C = −B − I.
2. Sean X un espacio normado; A, A−1 ∈ L(X) y sea k = kAk kA−1 k el

número de condición del operador A. Consideremos la ecuación Ax = y
donde y ∈ X, y 6= 0. Sea x̄ ∈ X su solución aproximada. Demostrar
que su error relativo puede estimarse según la fórmula:
1 kAx̄ − yk kx̄ − xk kAx̄ − yk
≤ ≤k
k kyk kxk kyk
Solución:
kAx̄ − yk = kAx̄ − Axk ≤ kAk kx̄ − xk
Pero ° ° ° °
x = A−1 y ⇒ kxk = °A−1 y ° ≤ °A−1 ° kyk
Para x 6= 0
kxk
kAx̄ − yk ≤ kAk kx̄ − xk
kxk
kx̄ − xk ° −1 ° kx̄ − xk
≤ kAk °A ° kyk = k kyk
kxk kxk
1 kAx̄ − yk kx̄ − xk
⇒ ≤ ,
k kyk kxk
con lo cual se demuestra la primera de las desigualdades. Por otra parte
° °
kx̄ − xk = °A−1 A(x̄ − x)°
° °
= °A−1 (Ax̄ − Ax)°
° °
≤ °A−1 ° kAx̄ − yk
Para y 6= 0
kyk = kAxk ≤ kAk kxk
° ° kyk
∴ kx̄ − xk ≤ °A−1 ° kAx̄ − yk
kyk
° ° kAx̄ − yk
≤ °A−1 ° kAk kxk
kyk
kx̄ − xk kAx̄ − yk
≤ k
kxk kyk
72
Esta es la segunda de las desigualdades que se querı́an probar.
3. Consideremos el operador A : C[0, 1] −→ C[0, 1],

Z t
Ax(t) = x(τ )dτ.
0
a) ¿Qué representa su campo de valores R(A)?

b) ¿Existe sobre R(A) el operador inverso A−1 , es acotado este ope-
rador?
Solución al inciso a) R(A) es una variedad lineal de funciones continua-
mente diferenciables y(t) que satisfacen la condición y(0) = 0.
Solución al inciso b) Para probar la existencia de A−1 basta de-
mostrar que A es inyectivo. Sean x, y ∈ C[0, 1]
Z t Z t
Ax = Ay ⇒ x(τ )dτ = y(τ )dτ
0 0
⇒ x(t) ≡ y(t)
(Derivando en ambos miembros y sabiendo que x, y ∈ C[0, 1])

d
Por el Teorema fundamental del cálculo, se tiene que A−1 = .
dt
Probemos que A−1 no es acotado.
Sea xn (t) = tn ,
kx k = 1
° −1 n°
°A xn ° = sup ntn−1 = n
t∈C[0,1]
Luego, A−1 no es acotado.
4. Consideremos el operador lineal A : C[0, 1] −→ C[0, 1],

Z t
Ax(t) = x(τ )dτ + x(t).
0
a) Demostrar que N (A) = 0, de modo que para cualquier y ∈ C[0, 1]

la ecuación Ax = y no puede tener más que una solución.
73
b) Demostrar que A es continuamente inversible y hallar el operador
A−1 .
Solución al inciso a) Ax = 0 ⇔ Ax(t) = 0 ∀t ∈ [0, 1]
Z t
x(τ )dτ + x(t) = 0 ⇒ x(0) = 0, x(t) = −x0 (t) (derivando)
0
x0 (t) + x(t) = 0, x(t) = ce−t y x(0) = 0 ⇒ c = 0 ⇒ x ≡ 0.
Solución al inciso b) Hallemos A−1 y probemos que es sobreyectivo

y acotado. Sea y ∈ C[0, 1] y probemos que ∃x ∈ C[0, 1] : Ax = y
Z t
Ax(t) = x(τ )dτ + x(t) = y(t)
0
⇒ x0 (t) + x(t) = y 0 (t). (3.3.1)
Si xh es la solución que satisface x0h + xh = 0, entonces

| {z }
Axh
Axh (t) = 0 ∀t ∈ [0, 1] ⇒ Axh = 0

⇒ xh (t) = 0 (A inyectiva).
La solución general xg (t) = xh (t) + xp (t), donde xp es una solución

particular de la ecuación no homogénea, se reduce a la forma:
xg (t) = xp (t).
La solución particular se propone en la forma:
xp (t) = c(t)e−t , luego

x0p (t) + xp (t) = y(t) ⇒ c0 (t)e−t − c(t)e−t + c(t)e−t = y 0 (t)
Z t
0 t 0
c (t) = e y (t) ⇒ eτ y 0 (τ )dτ = c(t)
0
Z t
xp (t) = eτ −t y 0 (τ )dτ,
0
integrando por partes,
u = eτ −t dv = y 0 (τ )dτ
du = eτ −t dτ v = y(τ ),
74
luego,
Z t
τ −t
x(t) = e y(τ )|t0 − eτ −t y(τ )dτ
0
Z t
x(t) = y(t) − eτ −t y(τ )dτ ∈ C[0, 1],
|{z}
∈C[0,1] |0 {z }
∈C (1) [0,1]⊂C[0,1]
ya que y(0) = 0.
Z t
−1
∴ A y(t) = y(t) − eτ −t y(τ )dτ.
0
Probemos que A−1 es acotado.

¯ Z t ¯
° −1 ° ¯ ¯
°A y ° ≤ sup ¯y(t) + −eτ −t
y(τ )dτ ¯
¯ ¯
t∈[0,1] 0
Z t¯ ¯
⇒ kyk + sup ¯eτ −t ¯ |y(τ )t| dτ
t∈[0,1] 0
Z t
≤ kyk + sup (1) kyk dτ = kyk (1 + 1) = 2 kyk .
t∈[0,1] 0
Solución:
“⇒” Supongamos que A−1 existe y es acotado sobre R(A), entonces
° °
∀y ∈ R(A) ∃ °A−1 y ° ≤ M kyk M > 0 tal que (3.3.2)
∀x ∈ D(A) se cumple que y = Ax ∈ R(A), luego sustituyendo en
la desigualdad (3.3.2)
−1
M kAxk ≥ k A
| {zA} x k= kxk
I
1
⇒ kAxk ≥ kxk ∀x ∈ D(A),
M
|{z}
m
1
para m =
M
75
“⇐” Supongamos que
∀x ∈ D(A), kAxk ≥ m kxk , con m > 0 (3.3.3)
Ax = 0 ⇒ x = 0 ⇒ A13 es inyectiva. Luego, A es biyectivo sobre

R(A), luego existe A−1 .
Sea y = Ax. Entonces x = A−1 y. Sustituyendo en (3.3.3):

° °
kyk ≥ m °A−1 y °
° ° 1
∴ °A−1 y ° ≤ kyk ∀y ∈ R(A) ⇒ A−1 es continuo.
m
|{z}
m>0
6. Sea X un espacio normado; A : X −→ X, un operador lineal, supon-

gamos que en X exista una sucesión xn ∈ D(A)(n ∈ N) tal que
kxn k = 1 y Axn −→ 0.
n→∞
Demostrar que el operador A no tiene inverso acotado.
Solución:
Supongamos que A−1 existe y es acotado, entonces por el Teorema

3.3.1 se tiene que
∃m > 0 : kAxk ≥ m kxk ∀x ∈ D(A).
En particular
kAxn k ≥ m kxn k = m,
| {z }
=1
lo cual es un absurdo porque tenemos por hipótesis que Axn −→ 0.

n→∞
7. Sea X un espacio vectorial. Sean kk1 , kk2 dos normas sobre X con
respecto a una de las cuales X es de Banach. Supongamos que existe
a > 0 tal que kxk1 ≤ a kxk2 ∀x ∈ X. Probar que las dos normas son
equivalentes.
13
Lineal
76
Solución:
Consideremos el operador identidad
I : (X, kk2 ) −→ (X, kk1 ).
Este operador es biyectivo y por la hipótesis es continuo. Aplicando el

teorema 3.3.2
I −1 : (X, kk1 ) −→ (X, kk2 ),
es continuo, por lo que existe b > 0 tal que
k I| −1
{zx} k2 ≤ b kxk1 ,
x
de aquı́ que
1
kk ≤ kk1 ≤ a kk2 ,
b 2
por tanto, las normas son equivalentes.
8. Demostrar el Teorema 3.3.3
Solución:
Vamos a aplicar el teorema 3.3.2. Consideremos Y = X (espacio de

Banach). I − C es lineal porque C ∈ L(X).
a) Se puede probar que R(I − C) = X mediante el principio de las

aplicaciones contraı́das. (Ejercicio propuesto 6)
b) Probemos que existe el inverso de I − C. Se tiene la identidad
(I − C)(I + C + C 2 + ... + C n ) = I + C + C 2 + ... + C n

− C − C 2 − ... − C n − C n+1
= I − C n+1
= (I + C + C 2 + ... + C n )(I − C)
Como k(AB)xk = kA(Bx)k ≤ kAk kBxk ≤ kAk kBk kxk en-

tonces kABk ≤ kAk kBk. Si B = A, se tiene que kA2 k ≤ kAk2 .
77
Luego kC n+1 k ≤ kCkn+1 −→ 0 ya que kCk < 1.
n→∞
Formemos la sucesión Sn = I+C+C 2 +...+C n ∈ L(X). Probemos

que ∃S ∈ L(X) tal que
lim Sn = S,
n→∞
para lo cual es suficiente demostrar que es fundamental. Para todo

p ∈ N se tiene:
° n+p °
° X ° Xn+p
° k°
° k° °C ° −→ 014
kSn+p − Sn k = ° C °≤
° ° n→∞
k=n+1 k=n+1
Pasando al lı́mite en la identidad se llega a que

(I − C)S = I = S(I − C)
Con el convenio C 0 ≡ I
∞
X
−1
S = (I − C) = C n ∈ L(X),
n=0
luego
R(I − C) = D[(I − C)−1 ] = X
(I − C)−1 es acotado en virtud del Teorema 3.3.2 y además
∞
° ° X 1
°(I − C)−1 ° ≤ kCkn =
n=0
1 − kCk
9. Sean X un espacio de Banach; A ∈ L(X) y kI − Ak < 1. Demostrar

que A es continuamente inversible.
Solución:
Sea
∈L(X)
z}|{
B= A , kBk < 1 ⇒ A = I − B 15
I − |{z}
∈L(X)
luego A es continuamente inversible.

14
Resto de una serie convergente, ya que kCk < 1.
15
Por el resultado del Teorema 3.3.3
78
Solución:
Sea
B−A = C
B = A + C = A(I + A−1 C) = A(I − (−A−1 C)).
Se tiene que: ° ° ° °
°−A−1 C ° ≤ °A−1 ° kCk <1
|{z}
<kA−1 k−1
∴ I + A−1 C es inversible ⇒ B es inversible16 .
B −1 = (I + A−1 C)−1 A−1

° −1 ° ° °° ° kA−1 k
°B ° ≤ °(I + A−1 C)−1 ° °A−1 ° ≤
1 − kA−1 Ck
Como kA−1 Ck ≤ kA−1 k kCk
kA−1 k kA−1 k
≤
1 − kA−1 Ck 1 − kA−1 k kCk
kA−1 k
≤
1 − kA−1 k kB − Ak
3.4 Operadores cerrados

Comenzaremos por definir de manera más global el concepto de gŕafico que
conocemos para funciones reales de una variable real. Para esto supongamos
que X e Y son conjuntos y A una aplicación de algún subconjunto D de X
en Y . Entonces la colección de pares ordenados
GA = {(x, A(x)) | x ∈ D}
se denomina gráfico de A. Nuestro interés principal se centra en el caso de

que X e Y sean espacios normados y A sea un operador lineal; para este caso
16
Por el Teorema 3.3.3
79
se supone que el subconjunto D de X es una variedad lineal de X. (Ejercicio
resuelto 1, ejercicio propuesto 5)
Podemos hacer que el producto cartesiano entre espacios vectoriales X e

Y sea un espacio lineal si tomamos la adición de elementos de X × Y de la
forma siguiente:
(x1 , y1 ) + (x2 , y2 ) = (x1 + x2 , y1 + y2 )
y la multiplicación por un escalar,
α(x, y) = (αx, αy).
Viendo a X × Y de esta manera es común denotarlo por X ⊕ Y , el espacio
vectorial resultante es llamado suma directa externa de X e Y . En este caso
se puede verificar que A es de hecho un operador lineal si y sólo si GA es una
variedad lineal de X × Y .
Si X e Y son ambos espacios normados, definimos directamente la norma

a partir de ellos para X × Y , una posibilidad a tomar es:
k(x, y)k = kxkX + kykY .
Otras dos normas que de igual manera podrı́amos manejar son:
1
k(x, y)k = (kxkpX + kykpY ) p , (p ≥ 1)
y
k(x, y)k = max(kxkX , kykY ),
debiéndose notar que estas tres normas son equivalentes en X × Y , por lo
que cuando se trabaja con la convergencia puede usarse cualquiera de ellas.
Una observación final resulta que si X e Y son espacios de Banach entonces
X × Y también lo es. (Ejercicio resuelto 2)
Definición 3.4.1 Sean X e Y espacios normados y D el dominio de A.
Entonces el operador lineal,
A : D −→ Y
se llama cerrado si para toda sucesión convergente {xn } de puntos de D,
donde xn → x ∈ X, tal que {Axn } es una sucesión convergente de puntos en
Y , donde Axn → y ∈ Y , las dos siguientes condiciones se satisfacen:
x∈D ∧ y = Ax.
80
Teorema 3.4.1 A es un operador lineal cerrado si y sólo si su gráfico es
una variedad lineal cerrada.
Demostración
A
Primero supongamos que X ⊃ D −→ Y es un operador lineal cerrado. Para
probar que GA es cerrado, debemos probar que G¯A ⊂ GA , es decir, que
cualquier punto de clausura de GA está en GA . Sea (x, y) un punto lı́mite
de GA . Por la caracterización de punto de clausura en un espacio métrico,
existe una sucesión de puntos de GA , (xn , Axn ), xn ∈ D, que converge a
(x, y). Esto es equivalente a que k(xn − x, Axn − y)k −→ 0 o que kxn − xk +
kAxn − yk −→ 0, lo cual implica que
xn → x ∧ Axn → y.
Puesto que A es cerrado, podemos decir que esto implica que
x∈D ∧ y = Ax
entonces podemos escribir
(x, y) = (x, Ax) ∈ GA ;
Por tanto GA es cerrado. De forma inversa, supongamos que GA es cerrado

y que
xn → x, xn ∈ D
para cualquier n, y Axn −→ y. Debemos probar que x ∈ D y que y = Ax.
La condición implica que
(xn , Axn ) −→ (x, y) ∈ ḠA .
Puesto que GA es cerrado GA = ḠA , teniendo entonces que
(x, y) ∈ GA .
Aplicando la definición de GA esto significa que
x∈D ∧ y = Ax;
A, por tanto, es cerrado.
81
Teorema 3.4.2 Sea A un operador lineal acotado tal que
A
X ⊃ D −→ Y,
donde D es un variedad lineal cerrada de X, entonces A es cerrado.

Corolario 3.4.2.1 Supongamos que A es un operador lineal tal que
A : X −→ Y.
Si A es continuo, entonces A es cerrado.
Teorema 3.4.3 Sea A un operador lineal cerrado tal que

A
X ⊃ D −→ Y.
Si A−1 existe, entonces es un operador lineal cerrado.
Teorema 3.4.4 Sea A un operador lineal acotado tal que
A
X ⊃ D −→ Y,
donde Y es un espacio de Banach. Si además suponemos que A es cerrado,

entonces D es un subespacio cerrado de X.
Resulta natural preguntarse bajo qué hipótesis podemos obtener el recı́pro-

co del corolario 3.4.2.1, es decir, cuándo podemos asegurar que un operador
lineal cerrado es continuo.
El resultado que se obtiene es denominado Teorema del gráfico cerrado.

Teorema 3.4.5 (Teorema del gráfico cerrado) Sea A un operador lineal
tal que
A : X −→ Y,
X, Y espacios de Banach. Entonces si A es cerrado, también es acotado.
82
Además de la importancia directa del teorema del gráfico cerrado como condi-
ción suficiente para obtener la continuidad de un operador lineal, también
posee el valor indirecto de permitir la contrucción de un procedimiento para
demostrar que un espacio no es de Banach.
Procedimiento 3
(P1) Considerar X un espacio de Banach, D ⊂ X.
(P2) Construir un operador lineal A : D −→ X.
(P3) Probar que A es cerrado.
(P4) Probar que A no es continuo.
(P5) Inferir que D no es un espacio de Banach aplicando el teorema del

gráfico cerrado.
Ejemplo 1.- Probar que:
D = {x ∈ C[0, 1] : x0 ∈ C[0, 1]}
no es un espacio de Banach.
(P1) Considerar X = C[0, 1] (Espacio de Banach).
(P2) Construir A : D −→ X tal que Ax = x0 (lineal).
(P3) Probar que A es cerrado.
Solución:
Supongamos que:
xn −→ x y Ax −→ y.
|{z}n
x0n
Entonces
u u u
xn −→ x ∧ Xn0 −→ y ⇒ Xn0 − y −→ 0,
entonces para cada t ∈ [0, 1]
Z t
[x0n (τ ) − y(τ )] dτ −→ 0.
0 n→∞
83
Efectuando la integración,
Z t
xn (t) − xn (0) − y(τ ) dτ −→ 0.
0 n→∞
Pasando al lı́mite en el primer miembro

u
xn −→ x ⇒ xn (t) −→ x ∧ xn (0) −→ x(0),
Z t
x(t) − x(0) − y(τ ) dτ = 0
0
Se tiene que x es continua, y es continua (lı́mites uniformes de suce-

siones de funciones continuas) y además
x0 (t) = y(t) ⇒ x ∈ D.
También
Axn = x0n −→ 17
y = x0 = 18 Ax.
n→∞
Es decir y = Ax.
(P4) Probar que A no es continuo.
Solución:
Recordemos que:
xn (t) = tn kxn k = 1 ∀n {xn } acotado;

Axn (t) = x0n kx0n k = n {x0n } no acotado.
(P5) D no es un espacio de Banach, porque si lo fuera, aplicando el teorema

del gráfico cerrado A tendrı́a que ser continua, lo cual es falso.
Como la noción de operador cerrado está estrechamente vinculada a la de

clausura de un conjunto, podemos preguntarnos: si un operador no es cerra-
do, ¿bajo que condiciones admite una extensión lineal mı́nima?
17
Por hipótesis.
18
Por definición de A.
84
1. Demostrar que el gráfico de un operador lineal A : X −→ Y es una
variedad lineal en el espacio Z = X × Y .
Solución:
Sean x, y ∈ D(A)19
α(x, Ax) + β(y, Ay) = (αx + βy , A(αx + βy)) ∈ GA .
| {z } | {z }
∈D(A) ∈R(A)
2. Demostrar que en la suma directa de espacios de Banach se puede

introducir la norma de los modos siguientes:
q
a) kzk1 = kxk2 + kyk2 , kzk2 = max(kxk , kyk).
b) Demostrar que estas normas son equivalentes.
Solución:
Analicemos los axiomas de norma en el primer caso. Los dos primeros

son inmediatos. Verifiquemos el axioma triangular.
Sean zi = (xi , yi ), i = 1, 2. Probemos que:

kz1 + z2 k ≤ kz1 k + kz2 k
Elevando al cuadrado, lo que hay que probar es que:
µq q ¶2
2 2 2 2 2 2
kx1 + x2 k + ky1 + y2 k ≤ kx1 k + ky1 k + kx2 k + ky2 k
= kx1 k2 + kx2 k2 + ky1 k2 + ky2 k2 +

q
2 (kx1 k2 + ky1 k2 )(kx2 k2 + ky2 k2 )
Se tiene que
kx1 + x2 k2 ≤ (kx1 k + kx2 k)2 = kx1 k2 + kx2 k2 + 2 kx1 k kx2 k
ky1 + y2 k2 ≤ (ky1 k + ky2 k)2 = ky1 k2 + ky2 k2 + 2 ky1 k ky2 k
19
Variedad lineal.
85
Sumando ordenadamente
kx1 + x2 k2 + ky1 + y2 k2 ≤ kx1 k2 + kx2 k2 + ky1 k2 + ky2 k2 +

2(kx1 k kx2 k + ky1 k ky2 k).
Para probar lo requerido, es suficiente demostrar que:

q
(kx1 k kx2 k + ky1 k ky2 k) ≤ (kx1 k2 + ky1 k2 )(kx2 k2 + ky2 k2 )
Esto será una consecuencia de desarrollar algebraicamente la siguiente

proposición verdadera:
(kx1 k ky2 k − ky1 k kx2 k)2 ≥ 0

⇔ 2 kx1 k kx2 k ky1 k ky2 k ≤ kx1 k2 ky2 k2 + ky1 k2 kx2 k2
Completando cuadrados,
kx1 k2 kx2 k2 + 2 kx1 k kx2 k ky1 k ky2 k + ky1 k2 ky2 k2

≤ kx1 k2 ky2 k2 + ky1 k2 kx2 k2 + kx1 k2 kx2 k2 + ky1 k2 ky2 k2
⇔ (kx1 k kx2 k + ky1 k ky2 k)2 ≤ (kx1 k2 + ky1 k2 )(kx2 k2 + ky2 k2 )
Ahora analizaremos los axiomas para el segundo caso,
kzk = max(kxk , kyk)
ahora,
kx1 + x2 k ≤ kx1 k+kx2 k ≤ max(kx1 k , ky1 k)+max(kx2 k , ky2 k) = kz1 k1 +kz2 k2
Análogamente,
ky1 + y2 k ≤ kz1 k2 + kz2 k2
∴ kz1 + z2 k2 = max(kx1 + x2 k , ky1 + y2 k) ≤ kz1 k2 + kz2 k2 .
Probemos ahora que las normas son equivalentes

q √
kzk1 ≤ kzk22 + kzk22 = 2 kzk2 ,
q q
kxk ≡ kxk ≤ kxk2 + kyk2 = kzk1 ,
2
86
y análogamente kyk ≤ kzk1 ,
√
⇒ kzk2 ≤ kzk1 ∴ kzk2 ≤ kzk1 ≤ 2 kzk2
Entonces, kk1 y kk2 son equivalentes.
3. Si T es lineal cerrado entonces T − λI también lo es.
Solución:
Sea xn ∈ D(T ) xn −→ x y (T − λI)xn −→ y.
Hay que probar que x ∈ D(T ) y que (T − λI)x = y.
Denominemos: zn = (T − λI)xn y observemos que zn −→ y por

hipótesis.
De aquı́ que: zn = T xn − λxn .
Despejando: T xn = zn + λxn −→ y + λx.
Como por hipótesis T es cerrado
[xn ∈ D(T ) y T xn −→ y + λx] ⇒ x ∈ D(T ) y T x = y + λx,
de donde T x − λx = y, o sea (T − λI)x = y. Por tanto, tenemos lo

requerido.
4. Sean X, Y espacios normados, A : X −→ Y un operador lineal cerrado;

F un subconjunto compacto de X. Probar que A(F ) es un subconjunto
cerrado de Y .
Solución:
Sea y ∈ A(F ). Hay que probar que y ∈ A(F ).
y ∈ A(F ) ⇒ ∃yn ∈ A(F ) tal que yn −→ y

n→∞
y ∈ A(F ) ⇒ ∃xn ∈ F tal que yn = Axn
87
Como {xn } ⊂ F y F es compacto, ∃ {xnk } ⊂ {xn } ⊂ F tal que xnk
converge a cierto elemento x ∈ F .
Se tiene entonces la situación siguiente:

xnk −→ x y Axnk = ynk −→ y (ya que {ynk } ⊂ {yn })
y toda subsucesión de una sucesión convergente converge al mismo
lı́mite. Luego
A es cerrado ⇒ x ∈ D(A) y y = Ax ∈ A(F ).
5. Sean X, Y espacios normados.
T1 : D(T1 ) −→ Y un operador lineal cerrado.
T2 : X −→ Y un operador lineal acotado.
Probar que T1 + T2 es un operador lineal acotado.
Solución: T1 y T2 son lineales, entonces T1 + T2 es lineal. Hay que

probar que si xn −→ x y (T1 + T2 )xn −→ y, entonces x ∈ D(T1 + T2 )
| {z }
=zn
y (T1 + T2 )x = y.
zn = T1 xn + T2 xn ⇒ T1 xn = zn − T2 xn −→ y − T2 x,
⇒ x ∈ D(T1 ) y T1 x = y − T2 x,
⇒ x ∈ D(T1 + T2 ) y (T1 + T2 )x = y.
| {z }
=D(T1 )
6. Sea A : X −→ Y un operador lineal tal que R(A) es cerrado en Y y

supongamos que existe un m > 0 tal que para cualquier x ∈ D(A) se
cumple la desigualdad kAxk ≥ m kxk. Demostrar que A es un ope-
rador cerrado.
Solución:
Supongamos que,
xn ∈ D(A) ∀n ∈ N, xn → x, Axn → y.
88
Probemos que x ∈ D(A) ∧ Ax = y.
Ax −→ y ∈ R(A)20 ⇒ ∃x̃ ∈ D(A) : Ax̃ = y, x̃ es único21

|{z}n
∈R(A)
entonces por hipótesis
Ax̃ k −→ 0
m kxn − x̃k ≤ k Axn − |{z}
n→∞
=y
⇒ kxn − x̃k −→ 0 ⇒ xn → x
n→∞
= x̃ ∈ D(A) (Por la unicidad del lı́mite).
Además y = Ax̃ = Ax.
Debemos probar que:
({yn } ⊆ R(A), yn −→ y, A−1 yn −→ x) ⇒ y ∈ R(A) ∧ A−1 y = x.
yn ∈ R(A) ⇒ ∃xn ∈ D(A) tal que yn = Axn ⇒ xn = A−1 yn .
Por la hipótesis asumida xn = A−1 yn −→ x ∧ yn = Axn −→ y.
Como A es cerrado se tiene que x ∈ D(A) y y = Ax.
Esto implica que y ∈ R(A) y que x = A−1 y.
8. Sea el operador lineal acotado A : X −→ Y
a) Si Y es de Banach y A es acotado, probar que D(A) es cerrado.

(Teorema 3.4.4)
b) Si D(A) es cerrado, entonces A es cerrado. (Teorema 3.4.2)
Solución al inciso a) Supongamos D(A) cerrado. Sea
{xn } ⊆ D(A), xn −→ x y Axn −→ y.

20
Por ser R(A) cerrado en Y .
21
Por existir A−1 .
89
Entonces x ∈ D(A)22 = D(A) y como A Axn → Ax y necesa-
riamente Ax = y por la unicidad del lı́mite en espacios métricos.
Luego, A es cerrado.
Solución al inciso b) Sea A cerrado. Entonces hay que demostrar
que D(A) ⊂ D(A). Sea
x ∈ D(A) ⇒ ∃{xn } ⊂ D(A)
tal que
xn −→ x ∈ X 23 ⇒ 24 ∃y ∈ Y : Axn → y.
Como A es cerrado x ∈ D(A). Luego, D(A) es cerrado.
9. Probar el Teorema del Gráfico Cerrado (Teorema 3.4.5) basándose en

el Teorema del Inverso Acotado (Teorema 3.3.2).
Solución: Sea T : X −→ Y , donde T es lineal; X, Y espacios de

Banach.
Definimos el operador auxiliar:
P : GT −→ X
P ((x, T x)) = x
Vamos a considerar a X × Y con la norma:
k(x, y)k = kxk + kyk .
Observemos que P cumple las hipótesis del Teorema del Inverso Aco-
tado (Teorema 3.3.2):
• P está definido entre espacios de Banach, ya que GT es un cerrado

del espacio de Banach X × Y , luego es también un espacio de
Banach;
• P es lineal, sobreyectivo;
22
Por ser D(A) cerrado.
23
Como A es lineal acotado es continuo
24
{Axn } es fundamental en Y (Banach).
90
• P acotado
kP (x, T x)k = 25 kxk ≤ 26 k(x, T x)k ⇒ kP k ≤ 1.
• P inyectivo
P (x, T x) = x = 0 ⇒ T (0)27 = 0 ⇒ (x, T x) = (0, 0)
Aplicando el Teorema del Inverso Acotado (Teorema 3.3.2) se concluye

que existe P −1 y es acotado.
Por definición P −1 x = (x, T x). Probemos que T es acotado

° ° ° ° ° °
kT xk ≤ k(x, T x)k = °P −1 x° ≤ °P −1 ° kxk ⇒ 28 kT k ≤ °P −1 ° .
10. Sean A : X −→ Y un operador lineal cerrado, R(A) = Y , con X, Y

espacios de Banach y existe el operador A−1 . Demostrar que A−1 ∈
L(Y, X).
Solución:
Como consecuencia del Teorema 3.4.3 tenemos que A−1 es cerrado.

Teo 3.4.5
(D(A−1 ) = Y ∧ A−1 es cerrado) ⇒ A−1 es acotado.
Como
A lineal ⇒ A−1 lineal,
Entonces:
A−1 ∈ L(Y, X).
11. Sea T un operador lineal. Probar que T admite una extensión T̄ que
es lineal y cerrada.
Solución:
25
Por la definición de P .
26
Por la definición de la norma de X × Y .
27
T es lineal.
28
T es acotado.
91
• Lineal: Sean
x1 , x2 ∈ DT̄ ; ∃z1 , z2 ∈ Y : (x1 , z1 ) ∈ ḠT , (x2 , z2 ) ∈ ḠT .
Sean α, β ∈ K
α(x1 , z1 ) + β(x2 + z2 ) ∈ ḠT

(αx1 + βx2 , αz1 + βz2 ) ∈ ḠT
Por definición de T̄ :
T̄ (αx1 + βx2 ) = α z1 +β z2 .
|{z} |{z}
T̄ x1 T̄ x2
© ª
• Por la construcción GT̄ = (x, T̄ x) = ḠT , luego T̄ es cerrado.
• Para obtener que T̄ extiende a T observemos que si
x ∈ DT , (x, T x) ∈ GT ⊂ ḠT ⇒ x ∈ DT̄ y T̄ x = T x.
∴ DT ⊂ DT̄ y T̄ x = T x.
Nótese que T es mı́nima en el sentido siguiente: si T1 es una extensión

lineal cerrada de T entonces también es una extensión de T̄ , ya que se
tiene que
GT ⊂ GT1 29 ⇒ G¯T ⊂ GT1 .
3.5 Operadores casi cerrados

Debido a que la noción de operador lineal cerrado A se caracteriza en términos
de que su gráfico GA es un subespacio cerrado y además siempre se tiene la
relación GA ⊂ G¯A , si a partir de un operador lineal A no necesariamente
cerrado construimos un operador Ā cuyo gráfico sea por definición ḠA (es
decir GĀ ⊂ ḠA ), de inmediato nos preguntamos:
• ¿Qué condiciones sobre A se requieren para poder definir Ā?
• ¿Qué relación puede establecerse entre A y Ā?

29
Cerrado.
92
• Si A es continuo, ¿tendrá Ā esta caracterı́stica? En caso afirmativo,
¿qué relación existirá entre las normas de estos operadores?
Aplicando la propiedad de que ḠA (clausura del conjunto A) es el menor
cerrado que contiene a A, podemos transferir a Ā la propiedad de que resulta
la menor extensión lineal cerrada de A, por lo que resulta natural denominarla
clausura de A y se justifica utilizar esta notación para dicho operador. De A
se dirá que es casi cerrado o también que es pre-cerrado.
Definición 3.5.1 Sean X, Y espacios normados, DA ⊂ X y
A : DA −→ Y lineal.
Supongamos que G(A) no es cerrado. Si existe
Ā : DĀ −→ Y : G(Ā) = Ḡ(A)
se dice que A es casi cerrado (también pre-cerrado) y que Ā es la clausura

de A.
Teorema 3.5.1 Resultan equivalentes las siguientes proposiciones (i) A tiene

una extensión lineal cerrada mı́nima (clausura) y (ii) ∀y ∈ Y, y 6= 0, (0, y) 6∈
Ḡ(A).

1. Probar el Teorema 3.5.1.
Solución:
i) ⇒ ii) Supongamos que ∃Ā. Observemos que

Hip.
∀y 6= 0 (0, y) 6∈ G(|{z}
Ā ) = Ḡ(A),
lineal
luego, (0, y) 6∈ Ḡ(A).

ii) ⇒ i) Definamos
© ª
DĀ = x ∈ X : ∃z ∈ Y ∧ (x, z) ∈ Ḡ(A) ,
luego, Ā(x) = z.
93
1ro) Ā está bien definido. Supongamos
z1 , z 2 ∈ Y : (x, z1 ), (x, z2 ) ∈ Ḡ(A)

Hip.
(x, z1 ) − (x, z2 ) = (0, z1 − z2 ) ∈ Ḡ(A) ⇒ z1 = z2 .
| {z }
subespacio
2do) Ā lineal.
3ro) Cerrado por construcción.
4to) ¿Ā extiende a A?
Debemos probar que (i) DA ⊂ DĀ y que (ii) Āx = Ax ∀x ∈

DA . Comencemos por verificar (i)
x ∈ DA ⇒ (x, A(x)) ∈ G(A) ⊂ Ḡ(A) ⇒ x ∈ DĀ ;
ahora, verifiquemos (ii), por la definición de DĀ y de Ā tene-

mos que,
Ā(x) = A(x) ∀x ∈ DA .
5to) Ā mı́nima.
Debemos probar que si A1 es una extensión cerrada de A,

entonces (i)DĀ ⊂ DA1 y (ii)A1 x = Āx ∀x ∈ DĀ .
Para probar (i) observemos que
G(A) ⊂ G(A1 ) = 30 Ḡ(A1 );
entonces
Ḡ(A) = G(Ā) ⊂ G(A1 ) ⇒ DĀ ⊂ DA1 .
Probemos (ii), ∀x ∈ DĀ
(x, y) ∈ GĀ ⇒ (x, y) ∈ GA1

y = Āx ⇒ y = A1 x ⇒ Āx = A1 x.
30
A1 cerrado.
94
2. Sean X, Y dos espacios normados, Y de Banach; A un operador lineal
y acotado,
A : D ⊂ X −→ Y.
Probar que A es casi cerrado
° ° y Ā es la única extensión continua de A
a D̄ y es tal que kAk = °Ā°.
Solución:
Técnica de construcción: x0 ∈ D̄
∃xn ∈ D : xn → x0
Como A es lineal y acotado y Y es de Banach
{A(xn )} es de Cauchy en Y ⇒ ∃ lim A(xn ) = Ã(x0 )

n→∞
1ro) Ã bien definido. Supongamos que x0n → x0 . Es necesario probar

que
lim A(xn ) = lim A(x0n )
n→∞ n→∞
Estimemos
lineal
z}|{
A(xn ) − A(x0n ) = A (xn − x0n )
| {z }
−→ 0
n→∞
como A es continuo, A(0) = 0.

2do) Ã es lineal.
3ro) Ã extiende a A
Ã = lim A(x)31 = A(x) ∀x ∈ D

n→∞
4to) Relación entre las normas
kA(xn )k ≤ kAk kxn k ° ° ° °

° ° ° °
↓ ↓ ⇒ °Ã° ≤ kAk ≤ °Ã°
° °
° °
°Ã(x0 )° ≤ kAk kx0 k
31
Sucesión de términos constantes A(x).
95
Teniéndose la última desigualdad al ser Ã una extensión de A.
Luego, ° °
° °
°Ã° = kAk .
5to) Unicidad de Ã como extensión de A a D̄.
Sea B una extensión de A a D̄ lineal y continua.

Def.
B (x0 ) = lim B 32 (xn ) = lim A(xn ) = Ã(x0 ).
|{z} n→∞ |{z} n→∞
∈D̄ ∈D
6to) Probar que Ã = Ā.
Es necesario probar que (i) DÃ = DĀ y (ii) Ã(x) = Ā(x).
Verifiquemos (i) ¿DÃ = D̄ ⊂ DĀ ?
x ∈ D̄ ⇒ ∃ xn → x y Ã(x) = lim A(xn )

|{z}
∈D |n→∞{z }
∈Y
⇒ (xn , A(xn )) −→ (x, Ã(x)) ∈ Ḡ(A)

| {z } | {z }
∈G(A) ∈Y
⇒ x ∈ DĀ y Ā(x) = Ã(x) ∀x ∈ DĀ .
Veamos ahora (ii) ¿DĀ ⊂ DÃ = D̄?
x ∈ DĀ ⇒ ∃z ∈ Y | (x, z) ∈ Ḡ(A)

⇒ ∃( xn , A(xn )) −→ (x, z) ≡ xn → x y A(xn ) → z
|{z}
∈D
⇒ x ∈ D̄.
Además
Ā(x) = z = lim A(xn ) = Ã(x).
n→∞
32
Extensión de A.
96
1. En relación con el listado de operadores lineales presentados en el
epı́grafe 3.1, responder:
a) Para los ejemplos 3 y 11, si D(A) = C[a, b]. ¿Con qué hipótesis se
garantiza que R(A) = D(A)?
b) Si el operador del ejemplo 7 se expresa con matriz
 
a11 a12 . . .
a21 a22 . . .
 
 . . . . .
 ,
 . . . . .
. . . . .
hallar la matriz que corresponde a A1 .
2. Probar el teorema 3.1.2.
3. Probar que kAk = E = B = C = D constituye una norma sobre

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

Z 1
y(s) = K(s, t) x(t) dt K = s2 t + st2 .
0
c) Sea el operador Ax = y con
x ∈ l1 y {λ = (1, 2, 1, 2, ...)} y = (x1 , 2 x2 , x3 , 2 x4 , ...).
d) Sea A un operador definido de la manera siguiente:
Ax = 3 x1 + 4 x2 x ∈ E2 .
97
e) Ejemplo 5. En caso afirmativo hallar kAk.
f ) Sea X = {x : [a, b] −→ R : x es continua}
Z b Z b
kxk = |x(t)| dt ; f (x) = x(t) dt.
a a
Hallar su norma.
g) El operador
T2 x = (0, 0, x3 , x4 , x5 , ...) x ∈ l2 .
h) Sea el operador T : E 2 −→ E 2 definido ası́:
µ ¶ µ ¶
x x
T = .
y 2x + y
Escribir a T en forma matricial.

i) T : E n −→ E n , donde
T v = (v · u1 ) u1 + (v · u2 ) u2 + ... + (v · un ) un
y u1 , ..., un es una base de E n .
5. Probar que si GA es una variedad lineal, entonces A es un operador

lineal.
6. Probar que R(I − C) = X con las hipótesis del teorema 3.3.3.
7. Ejemplificar un operador lineal continuo, no cerrado.
98
Capı́tulo 4
Espacios duales y operadores

conjugados
4.1 Funcionales lineales continuos en espacios

normados
La idea geométrica de que las rectas pueden ser usadas para separar conjuntos
en el plano, conduce a resultados muy útiles desde el punto de vista práctico
cuando esta idea se generaliza a espacios normados generales, utilizando para
caracterizar las rectas ciertas funciones definidas en el espacio normado y con
valores sobre el cuerpo de escalares del espacio vectorial, las cuales reciben
el nombre de funcionales. En particular los funcionales lineales y continuos
se caracterizan por condiciones que hacen más fácil su manejo porque cons-
tituyen condiciones de acotación. La generalización de los resultados no
solo tendrá una forma geométrica, sino también una forma analı́tica como
prolongación de un funcional con caracterı́sticas previamente requeridas. Sea
X un espacio normado. Todo operador f : X −→ Y siendo Y = R o Y = C
se llama funcional, además, el valor del funcional f para el elemento x se
denota también f (x). Puesto que el funcional lineal es un caso particular del
operador lineal, siguen siendo válidos los conceptos de continuidad, acotación
y norma utilizados en el capı́tulo anterior. El espacio L(X, Y ) donde Y = R
o Y = C se denomina dual de X y se denota mediante X 0 . Llamamos
hiperplano a un conjunto {x ∈ X : f (x) = λ} donde f es un funcional lineal,
λ ∈ R(λ ∈ C).
99
Definición 4.1.1 Sea f una función numérica definida sobre un espacio li-
neal L, se denominará funcional lineal si cumple que ∀x, y ∈ L
f (αx + βy) = αf (x) + βf (y)
donde α, β ∈ K.
Teorema 4.1.1 Sea f un funcional lineal en un espacio normado X. En-

tonces si f es continuo en x0 ∈ X, lo es en cualquier punto de X.
Definición 4.1.2 El funcional lineal f en el espacio normado X es acotado

si existe un valor k constante, tal que para todo x ∈ X,
|f (x)| ≤ k kxk
Existen muchos números reales k que cumplen la Definición 4.1.2 para una f
particular. Por ejemplo, si k1 satisface, ciertamente cualquier otro mayor que
él lo hace. El próximo teorema nos muestra cómo la condición de acotación
es equivalente a la continuidad.
Teorema 4.1.2 El funcional lineal f definido sobre un espacio lineal norma-

do X es acotado si y sólo si es continuo.
(Ejercicio resuelto 1, ejercicio propuesto 1)
La demostración es análoga a la del teorema 3.1.3 para el caso particular

en que la norma sobre el espacio de las imágenes (en este caso el cuerpo de
escalares) es el módulo.
El procedimiento metodológico para calcular la norma de un operador puede

utilizarse para obtener en particular la norma de un funcional. (Ejercicio
resuelto 2)
Como L(X, K) es en particular un espacio normado, se puede analizar el

comportamiento de la convergencia en este espacio. (Ejercicio resuelto 3)
100
4.2 Teorema de Hahn-Banach. Estructura
del Espacio Dual
Teorema 4.2.1 (Teorema de Hahn-Banach) Sea M un subespacio del
espacio lineal real X, p un funcional sublineal en X, y f un funcional lineal
en M tal que, para todo x ∈ M ,
f (x) ≤ p(x).
Entonces existe un funcional lineal F definido en todo X y extendiendo a f

tal que
F (x) ≤ p(x) (∀x ∈ X).
Veamos esquemáticamente lo anterior:

F
X −→ R [F (x) ≤ p(x)],
|
f
M −→ R [f (x) ≤ p(x)].
En caso de tener espacios complejos, tendrı́amos entonces:

F
X −→ C [| F (x) |≤ p(x)],
|
f
M −→ C [| f (x) |≤ p(x)].
Teorema 4.2.2 (Teorema de Hahn-Banach para espacios normados)

En un espacio normado real X sea dado un funcional f con D(f ) ⊂ X. En-
tonces existe un funcional
° ° lineal y acotado f˜ extensión de f , definido en todo
° ˜° ˜
X tal que kf k = °f ° y f (x) = f (x) para cualquier x ∈ D(f ).
Si se quiere definir sobre un espacio normado un funcional que satisfaga

determinadas condiciones, el teorema 4.2.2 nos aporta el fundamento teórico
para establecer un procedimiento metodológico que guı́e la forma de obtener
un elemento del dual con valores prefijados en puntos o subespacios.
101
Procedimiento 4
(P1) Considerar una variedad lineal M asociada a los entes prefijados.
(P2) Definir un funcional f sobre M que cumpla los requerimientos pedidos.
(P3) Probar que f es lineal, continuo y hallar su norma.
(P4) Inferir que existe una extensión de f a todo el espacio que preserva la
norma utilizando el teorema 4.2.2.
Los siguientes corolarios del teorema 4.2.2 se pueden probar utilizando esta
metodologı́a.
Corolario 4.2.2.1 Sea x ∈ X, x 6= 0. Entonces existe una f ∈ X 0 tal que
kf k = 1 y f (x) = kxk
Corolario 4.2.2.2 Sean L ⊂ X una variedad lineal, x0 ∈ X, x0 6∈ L y
d = ρ(x0 , L) > 0. Entonces existe una f ∈ X 0 tal que f (x) = 0 para
cualquier x ∈ L, f (x0 ) = 1 y kf k = d1 .
Teorema 4.2.3 (Teorema de Riesz) Sea H un espacio de Hilbert. Para
cualquier funcional lineal acotado f , dado sobre todo H, existe un elemento
único y ∈ H, tal que f (x) = (x | y) para cualquier x ∈ H. Además kf k =
kyk.
4.2.1 Aplicaciones del Teorema de la Acotación Uni-

forme al caso de funcionales
A continuación se enuncia el teorema de Banach-Steinhaus para su aplicación
especializada al caso en que los operadores que deben manejarse sean fun-
cionales.
Sean X espacio de Banach, {Tn } ⊂ L(X, Y ).

∀x ∈ X ∃cx ∈ R : kTn (x)k ≤ cx n = 1, 2, ... (4.2.1)
⇒ ∃c ∈ R : kTn k ≤ c n = 1, 2, ... (4.2.2)
102
Aplicaciones
1. A los espacios de polinomios.
Si X es el espacio de polinomios
x(t) = α0 + α1 t + ... + αn tn n ∈ N,
con
kxk = max |αj | .
0≤j≤n
Entonces X no es completo.
Demostración
Se basa en construir una sucesión {Tn } ⊂ L(X, Y ) que satisfaga la

condición (4.2.1) pero no a (4.2.2).
Vamos a tomar Y = K (los Tn funcionales). Definamos:

Tn (0) = 0; Tn (x) = α0 + α1 + ... + αn
se tiene directamente de la definición que Tn es lineal y se cumple la
acotación:
¯ ¯
¯Xn ¯ X n
¯ ¯
|Tn (x)| = ¯ αi ¯ ≤ |αi | ≤ (n + 1) kxk
¯ ¯
i=0 i=0
(4.2.1) De acuerdo con la acotación si Nx = Grad(x), entonces

|Tn (x)| ≤ (Nx + 1)1 kxk ⇒ kTn k ≤ Nx + 1
(4.2.2) Probemos que kTn k no está acotada. Sea
x(t) = 1 + t + ... + tn
|Tn (x)| = 1| + {z
... + 1} = (n + 1) kxk
|{z}
n+1 =1
|Tn (x)| (n + 1)(1)
= =n+1
kxk (1)
|Tn (x)|
⇒ sup = kTn k ≥ n + 1.
x6=0 kxk
1
Cantidad de coeficientes
103
2. A las series de Fourier.
Existe una función continua de valores reales cuya serie de Fourier

diverge en un punto dado t0 .
Demostración
Sea X el espacio de las funciones continuas de valores reales de perı́odo

2π.
kxk = max |x(t)|
X = C[0, 2π] es un espacio de Banach. Tomando t0 = 0; Y = K (los
Tn funcionales).
Si Tn es el valor de la n−ésima suma parcial de la serie de Fourier

de x evaluada en t0 = 0, entonces
Xn
1
Tn (x) = a0 + am
2 m=1
Resulta inmediato por la definición de Tn que es lineal.
Se puede probar que

Z
1 2π
kTn k = |qn (t)| dt
2π 0
Ã !
1
sin n + t
2
donde qn (t) = y que kTn k −→ ∞ y por tanto {kTn k}
1 n→∞
sin t
2
no está acotada, entonces,
∃x ∈ X : |Tn (x)| no está acotado2 ,
luego, por definición de Tn la serie de Fourier de x diverge en t0 .

2
Aplicando la ley de contraposición en el teorema de la Acotación Uniforme.
104
3. A la aplicación canónica.
Esta aplicación requiere el manejo de un importante operador que se

denota por J y que relaciona de forma natural un espacio con su bidual,
por lo que se le denomina aplicación canónica.
Sabemos que:
Y de Banach ⇒ L(X, Y ) de Banach.
Si Y = K entonces L(X, Y ) ≡ X 0 es completo.
Sea x ∈ X definiremos:
x00 (x0 ) = x0 (x) ∀x0 ∈ X 0
y formemos J(x) = x00 . Entonces se tiene que:
x00 ∈ X 00 .
Demostración
Hay que probar que x00 es lineal y continua.
Linealidad :
Def.
x00 (x01 + x02 ) = (x01 + x02 )(x) = 3 x01 (x) + x02 (x) = x00 (x01 ) + x00 (x02 ).
También,
Def.
x00 (λx01 ) = (λx01 )(x) = 4 λx01 (x) = λx00 (x01 ).
Continuidad :
Def.
|x00 (x0 )| = |x0 (x)| ≤ kx0 k kxk ⇒ kx00 k ≤ kxk .
(2) J lineal y continuo.
3
Definición de suma de funciones.
4
Definición de producto de un escalar por una función.
105
Demostración
Linealidad :
J(x1 + x2 ) = y 00 : y 00 (x0 ) = x0 (x1 + x2 ) ∀x0 ∈ X 0

y 00 (x0 ) = x0 (x1 + x2 ),
pero tenemos que x0 es lineal, entonces
x0 (x1 + x2 ) = x0 (x1 ) + x0 (x2 )

= x001 (x0 ) + x002 (x0 ) = (x001 + x002 )(x0 )
⇒ y 00 = x001 + x002 = J(x1 ) + J(x2 ).
También,
J(λx) = y 00 : y 00 (x0 ) = x0 (λx),
pero como x0 es lineal, entonces
x0 (λx) = λx0 (x) = λx00 (x0 )

= (λx00 )(x0 )
⇒ y 00 = λx00
∴ J(λx) = λx00 = λJ(x).
Continuidad :
kJxk = kx00 k = sup |x00 (x0 )| = sup |x0 (x)| ,

kx0 k=1 kx0 k=1
pero, x0 ∈ X 0 , tenemos
|x0 (x)| ≤ kx0 k kxk ≤ kxk ∀x ∈ X 0 : kx0 k = 1.
Luego,
sup |x0 (x)| ≤ kxk ⇒ kJk ≤ 1.
kx0 k=1
| {z }
=kJxk
Sea x ∈ X ∃x00 ∈ X 0 tal que kx00 k = 1 y |x00 (x)| = kxk por el

teorema 4.2.1.
∴ kxk = |x00 (x)| ≤ sup |x0 (x)| = kJxk ≤ kxk .

kx0 k=1
106
Por tanto kJxk = kxk ∀x ∈ X. Como J es lineal, ∀x1 , x2 ∈ X
se tiene que
kJ(x1 − x2 )k = kx1 − x2 k
| {z }
=kJx1 −Jx2 k
esto es,
d(x1 , x2 ) = d(J(x1 ), J(x2 )),
por lo que se dice que J es una isometrı́a.
Una consecuencia de que J sea una isometrı́a es que:
M acotado ⇔ J(M ) acotado.
4. A la acotación de conjuntos.
Caso 1) Sea X un espacio normado
M ⊂ X : sup |x0 (m)| < +∞ ∀X 0 ∈ X 0 .

m∈M
Entonces M está acotado.

Demostración
Sea F = J(M ) ⊂ X 0 y observando que X 0 es de Banach.
F = J(M ) ⊂ X 0 : sup | J(m)(x0 ) |< +∞5 ∀X 0 ∈ X.

J(m)∈J(M ) | {z }
m∈M x0 (m)
Entonces
J(M )6 está acotado ⇒ M está acotado.
Caso 2) Sea {xn } ⊂ X, X espacio normado. Supongamos que
∀x0 ∈ X 0 existe lim x0 (xn ).

n→∞
Entonces kxn k está acotada.
5
Por hipótesis.
6
Isometrı́a.
107
Demostración
Utilizando la aplicación 3 y considerando M = {xn } es suficiente
probar que
sup |x0 (xn )| < +∞ x0 ∈ X 0 .
n
Como toda sucesión convergente de escalares está acotada
⇒ ∀x0 ∈ X 0 sup |x0 (xn )| < +∞.
n
De aquı́ que M está acotado.

1. ¿Estarán acotadas las siguientes funcionales lineales en el espacio C[0, 1]?
R1 √
a) f (x) = 0 x( t)dt;
R1
b) f (x) = lim 0 x(tn )dt;
n→∞
Solución al inciso a)
¯Z 1 ¯
¯ √ ¯
|f (x)| = max ¯¯ x( t)dt¯¯
t∈[0,1] 0
Z 1¯ ¯
¯ √ ¯ √
≤ max ¯x( t)dt¯ 0≤t≤1⇒0≤ t≤1
t∈[0,1] 0
¯ √ ¯
¯ ¯
⇒ ¯x( t)¯ ≤ kxk
Z 1¯ √ ¯
¯ ¯
⇒ ¯x( t)¯ dt ≤ kxk (1 − 0) = kxk ∴ Está acotada.
0
R1
Solución al inciso b) Sea fn (x) = x(tn )dt
0
¯Z 1 ¯
¯ ¯
|fn (x)| = ¯¯ x(t )dt¯¯
n
0
Z 1
≤ |x(tn )| dt ≤ max |x(tn )|
0 t∈[0,1]
n n n
t ∈ [0, 1] ⇒ t ∈ [0, 1] ⇒ |x(t )| ≤ kxk ⇒ max |x(t )| ≤ kxk
t∈[0,1]
∴ |fn (x)| ≤ kxk ∀n. Pasando al lı́mite |f (x)| ≤ kxk, luego f

está acotado.
108
2. Demostrar que en el espacio C[−1, 1] las siguientes funcionales son
lineales, continuas y hallar sus normas:
1
a) f (x) = [x(−1) + x(1)];
3
b) f (x) = 2[x(−1) + x(0)];
Pn
c) f (x) = k=1 αk x(tk ), donde αk ∈ R, t1 , t2 , ..., tn ∈ [−1, 1] son
fijos.
Solución al inciso a) Linealidad
1
f (αx + βy) = [(αx + βy)(−1) + (αx + βy)(1)]
3
1
= [(αx(−1) + βy(−1)) + (αx(1) + βy(1))]
3
1 1
= α [x(−1) + x(1)] +β [y(−1) + y(1)]
|3 {z } |3 {z }
f (x) f (y)
= αf (x) + βf (y).
Acotación
∀x ∈ C[−1, 1]
1
|f (x)| = max [|x(−1) + x(1)|]
t∈[−1,1] 3
1
≤ max [|x(−1) | + | x(1)|]
t∈[−1,1] 3
1
≤ [ max |x(t)| + max |x(t)|]
3 t∈[−1,1] t∈[−1,1]
| {z } | {z }
kxk kxk
2
= kxk
3
2
⇒ kf k ≤
3
109
Cálculo de la norma
Considerar x0 (t) ≡ 1 ∀t ∈ [−1, 1]; x0 ∈ C[−1, 1]. Entonces

¯ ¯
¯1 ¯
¯ ¯
¯ (1 + 1)¯
|f (x0 )| ¯3 ¯ 2 |f (x)|
= = ≤ sup ,
kx0 k 1 3 x6=0 kxk
| {z }
kf k
2
luego kf k = .
3
Solución al inciso b) Linealidad
f (αx + βy) = 2[(αx + βy)(1) + (αx + βy)(0)]
= 2[(αx(1) + βy(1)) + (αx(0) + βy(0))]
= α 2[x(1) + x(0)] +β 2[y(1) + y(0)]
| {z } | {z }
f (x) f (y)
= αf (x) + βf (y).
Acotación
∀x ∈ C[−1, 1]
|f (x)| = max 2[|x(1) + x(0)|]
t∈[−1,1]
≤ max 2[|x(1)| + |x(0)|]

t∈[−1,1]
≤ 2[ max |x(t)| + max |x(t)|]

t∈[−1,1] t∈[−1,1]
| {z }
2kxk
= 4 kxk
⇒ kf k ≤ 4 kxk
Cálculo de la norma
Considerar x0 (t) ≡ 1 ∀t ∈ [−1, 1]; x0 ∈ C[−1, 1]. Entonces

|f (x0 )| |2(1 + 1)| |f (x)|
= = 4 ≤ sup ,
kx0 k 1 x6=0 kxk
| {z }
kf k
110
luego kf k = 4.
Solución al inciso c) Linealidad
n
X
f (αx + βy) = αk (αx + βy)(tk )
k=0
Xn
= αk (αx(tk ) + βy(tk ))
k=0
Xn n
X
= α αk x(tk ) +β αk y(tk ) = αf (x) + βf (y).
|k=0 {z } |k=0 {z }
f (x) f (y)
Acotación
∀x ∈ C[−1, 1]
¯ ¯
¯Xn ¯
¯ ¯
|f (x)| = max ¯ αk x(tk )¯
t∈[−1,1] ¯ ¯
k=1
n
X
≤ max |αk x(tk )|
t∈[−1,1]
k=1
n
X
≤ max |αk | |x(tk )|
t∈[−1,1]
k=1
Ã n !
X
≤ |αk | kxk −→ Sea α0 = max |αk |
1≤k≤n
k=1
Definamos x0 como la función seccionalmente lineal que satisface

(
α0 Si αk ≥ 0,
x0 (tk ) =
−α0 Si αk < 0.
111
Entonces
¯ n ¯
|f (x0 )| 1 ¯¯X ¯
¯
= ¯ αk x0 (t)¯
kx0 k α0 ¯ k=1 ¯
¯ ¯
1 ¯¯X n ¯ X
¯
n
= ¯ |αk | α0 ¯ = |αk |
α0 ¯ k=1
¯
k=1
|f (x)|
≤ sup = kf k
x6=0 kxk
3. Sean X un espacio normado, fn ∈ X 0 (n ∈ N) Demostrar que fn

converge en X 0 si y sólo si fn (x) converge uniformemente en la bola
B̄1 = {x ∈ X : kxk ≤ 1}.
Solución:
Def
fn −→ f en X 0 ≡ ∀² > 0 ∃n0 ∈ N : ∀n ≥ n0 kfn − f k ≤²
| {z }
= sup |fn (x)−f (x)|
kxk≤1
y esto implica que fn (x) converge uniformemente en la bola unitaria,

es decir que
∀² > 0 ∃n0 ∈ N : ∀n ≥ n0 ∀x ∈ B̄1
se cumple que
|fn (x) − f (x)| ≤ ².
Recı́procamente, sea y ∈ X, sea f (y) = lim fn (y) y supongamos que
n→∞
y
esta convergencia es uniforme sobre B̄1 . Para y 6= 0, ∈ B̄1 .
kyk
Por hipótesis, dado ² > 0 existe n0 ∈ N tal que ∀n ≥ n0
¯ Ã !¯
¯ y ¯
¯ ¯
(f
¯ n − f ) ¯≤²
¯ kyk ¯
¯ ¯
¯ 1 ¯
¯ ¯
⇔ ¯ (fn (y) − f (y))¯ ≤ ² ⇒ |fn (y) − f (y)| ≤ ² kyk
¯ kyk ¯
esta desigualdad es trivial para y = 0
∴ ∀² > 0 ∃n0 ∈ N : ∀n ≥ n0 ∀y ∈ X
112
se tiene que
|fn (y) − f (y)| ≤ ² kyk ⇒ fn − f lineal y acotado, luego

f = f − fn + fn
| {z } |{z}
⇒ f ∈ X 0 y kfn − f k ≤ ²
⇔ fn −→ f
en X 0 .
4. Demostrar el teorema 4.2.2.
Solución:
Es necesario probar que si
f ∈ D0 ⇒ ∃f˜ ∈ X 0 : kf k =k f˜ k .
Construiremos una seminorma p(x) tal que
p(x) = kf k kxk .
Se verifica que ∀x ∈ D
|f (x)| ≤ kf k kxk .
| {z }
p(x)
Por el teorema 4.2.1, ∃f˜ lineal, que extiende a f tal que
| f˜(x) |≤ p(x) ⇒ f˜ ∈ X 0 y k f˜ k≤ kf k ≤ 7 k f˜ k
|{z}
kf kkxk
5. Probar el corolario 4.2.2.1.
Solución:
Es necesario probar que si
x ∈ X, x 6= 0 ⇒ ∃f ∈ X 0 : kf k = 1 y f (x) = kxk .
7
Por ser f˜ una extensión de f .
113
(P1) Consideremos
M = {λx : λ ∈ K} .
(P2) Definamos
f (λx) = λ kxk .
(P3) f es un funcional lineal sobre M :
f (x1 + x2 ) = f ( λ1 x + λ2 x ) = (λ1 + λ2 ) kxk

|{z} |{z}
x1 x2
= λ1 kxk + λ2 kxk .
| {z } | {z }
f (x1 ) f (x2 )
f (αx1 ) = f (α λ1 x )
|{z}
x1
Aplicando ahora la definición de f
= α λ1 kxk = αf (x1 ).
| {z }
f (x1 )
Para λ = 1 f (x) = kxk.
f continuo sobre M :
|f (λx)| = |λ kxk| = |λ| kxk = kλxk ⇒ kf k ≤ 1.
Luego,
|f (λx)| |f (y)|
∀λ 6= 0 = 1 ≤ sup = kf k ,
kλxk y6=0 kyk
de donde kf k = 1.
(P4) ∃f˜ ∈ X 0 : k f˜ k= kf k = 1 y f˜(x) = f (x) = kxk.
6. Sean X un espacio normado, x, y ∈ X, x 6= y. Demostrar que existe

una f ∈ X 0 tal que, f (x) 6= f (y).
114
Solución:
Sea x − y 6= 0 ⇒ 8 ∃f ∈ X 0 : f (x − y) = kx − yk. Entonces

f (x − y) = f (x) − f (y) ⇒ f (x) = f (y)+ k x − y k
| {z }
>0
⇒ f (x) 6= f (y)
7. Sean X un espacio normado, x0 ∈ X y supongamos que para cualquier

f ∈ X 0 , tal que kf k = 1, se cumple la desigualdad |f (x0 )| ≤ 1. De-
mostrar que kx0 k ≤ 1.
Solución:
Para el caso de que x0 = 0 tenemos una trivialidad. Para el ca-

so x0 6= 0, por el Corolario 4.2.2.1 tenemos que ∃f ∈ X 0 tal que
kf k = 1 y |f (x0 )| = kx0 k aplicando directamente la hipótesis tenemos
que kx0 k ≤ 1.
8. Sea x0 (t) ∈ C[0, 1], x0 6= 0, consideramos el subespacio unidimensional
L = {λx0 (t)} donde λ ∈ R. Definamos sobre L un funcional lineal f
mediante la igualdad f (x) = λ si x = λx0 .
1
a) Demostrar que kf k = .
kx0 k
b) Según el Teorema 4.2.2 f se puede prolongar sobre todo el espa-
cio C[0, 1] conservando la norma. ¿Es única esta prolongación si
x0 (t) = 1 − 2t?
Solución al inciso a) f (λx0 ) = λ es lineal
kx0 k |λ| kx0 k 1 |f (x)| 1
| f ( λx0 ) |= |λ| = = kxk ⇒ sup = .
|{z} kx0 k kx0 k kx0 k x6=0 kxk kx0 k
x | {z }
kf k
1 1
x0 (t) = 1 − 2t f (λx0 ) = λ kf k = = =1
kx0 k max |x0 (t)|
t∈[0,1]
8
Consecuencia del Corolario 4.2.2.1
115
Consideremos
f1 (x) = x(0) y f2 (x) = −x(1)
se tiene que
kf1 k = kf2 k = 1
Probemos que f1 y f2 coinciden con f sobre L
f1 (λx0 ) = (λx0 )(0) = λx0 (0) = λ(1 − 2(0))

Def. de f1 | {z }
=1
= λ = f (λx0 )
f2 (λx0 ) = (−λx0 )(1) = −λx0 (1) = (−λ)(1 − 2(1))
Def. de f2 | {z }
=−1
= λ = f (λx0 )
Luego f1 y f2 son dos prolongaciones de f a C[0, 1] que preservan

la norma.
9. Probar el corolario 4.2.2.2.
Solución:
(P1) Consideremos
M = {λx0 + l : λ ∈ K, l ∈ L}
(P2) Definamos
f (λx0 + l) = λ.
(P3) Hay que probar que f es un funcional lineal, continua sobre L y
1
que kf k = para aplicar seguidamente el corolario 4.2.2.1.
d
f (x1 + x2 ) = f [(λ1 x0 + l1 ) + (λ2 x0 + l2 )] = f [(λ1 + λ2 ) x0 + (l1 + l2 )]
| {z } | {z } | {z } | {z }
x1 x2 ∈K ∈L
= λ1 + λ2 = f (x1 ) + f (x2 ).
De manera análoga se prueba que f (αx1 ) = αf (x1 ).
116
f continua:
° Ã !°
d 1 ° l °
° °
|f (λx0 + l)| = |λ| ≤ |λ| °x0 − − ° ∀λ 6= 0,
d d ° d °
l
donde − ∈ L.
d
1
∴ |f (λx0 + l)| ≤ kλx0 + lk
d
Observemos que si λ = 0, entonces
1
| f (l) |≤ klk .
|{z} d
=0
Luego,
1
kf k ≤ .
d
Se tiene que
| f (x0 − l) |≤ kf k kx0 − lk ∀l ∈ L.
| {z }
=1
Como
d = inf kx0 − lk ∃ {ln } ⊂ L : ln −→ kx0 − ln k −→ d.

l∈L n→∞
Sustituyendo
1 ≤ kf k kx0 − lk ∀n.
Pasando el lı́mite
1
1 ≤ kf k d ⇒ kf k ≥ .
d
(P4) ∃f˜ ∈ X 0 : f (x0 ) = 1 y kf˜k = 1/d.
117
10. Sean X un espacio normado, xn ∈ X(n ∈ N) un sistema de elemen-
tos fijos, L su variedad lineal generada, x ∈ X un elemento arbitrario.
Demostrar que x ∈ L̄ si y sólo si de f ∈ X 0 , f (xk ) = 0 para k ∈ N se
deduce que f (x) = 0.
Solución:
Supongamos que f (xk ) = 0 ∀k ∈ N

l
X
x∈L ⇒ x= αmk xmk
k=1
Ã l ! l
X X
⇒ f (x) = f αmk xmk = αmk f (xmk ) = 0
| {z }
k=1 k=1 =0
∈L̄
z}|{
x ∈ L̄ ≡ ∃xn ∈ L : xn −→ x ⇒ f (xn ) −→ f (x)
|{z} | {z } |{z}
∈L =0 =0
∴ x ∈ L̄ ⇒ [f ∈ X 0 ∧ f (xk ) = 0 ⇒ f (x) = 0]
Para probar la implicación contraria utilizaremos el principio de con-

traposición, es decir si p ⇒ q entonces ¬q ⇒ ¬p. Supongamos que
x 6∈ L̄ que es la negación de q. Por el Teorema 4.2.2,
∃f0 : f0 (xk ) = 0 k = 1, 2, ... f0 (x) = d(x, L̄) > 0 lo cual consti-

tuye la negación de p.
11. Sean X un espacio normado, M ⊂ X un conjunto arbitrario. Hagamos

M ⊥ = {f ∈ X 0 : f (x) = 0 para todo x ∈ M }.
a) Demostrar que M ⊥ es un subespacio en el espacio X 0 .

b) ¿Qué representa M ⊥ , si X es un espacio de Hilbert?
118
Solución al inciso a) Sean f, g ∈ M ⊥ α ∈ R(C).
f ∈ M⊥ ⇒ f ≡ 0 en M
⇒ αf ≡ 0 en M
⇒ αf ∈ M ⊥ .
⊥
f, g ∈ M ⇒ f ≡ 0 ∧ g ≡ 0 en M
⇒ f + g ≡ 0 en M ⇒ f + g ∈ M ⊥ .
Probemos ahora que M ⊥ es cerrado. Sea
x ∈ M , {fn } ⊆ M ⊥ , fn −→ f.
fn ∈ M ⊥ ⇒ fn (x) = 0 ∀n ∈ N ⇒ lim fn (x) = f (x) = 0 ⇒ f ∈ M ⊥ .
fn ∈M ⊥ n
M ⊥ = {f ∈ X 0 : f (x) = 0 ∀x ∈ M } se corresponde con:

MH⊥ = {y ∈ X : f (x) = (x, y) = 0 ∀x ∈ M }. (4.2.3)
Teo. 4.2.2
A (4.2.3) lo llamamos Complemento Ortogonal de M .
4.3 Espacio Dual

Supongamos que f y g son funcionales lineales acotados sobre un espacio
normado X. Decimos que f y g son iguales, f = g, si y sólo si f (x) = g(x)
para todo x ∈ X. Por definición f + g corresponde al valor del funcional
lineal, en cualquier punto x ∈ X, de f (x) + g(x) y, con un escalar α y f como
arriba, αf será αf (x) en cualquier punto x; se verifica que la clase de dichos
funcionales lineales acotados es un espacio lineal.
Definición 4.3.1 Si f es un funcional lineal acotado en un espacio normado

X, podemos definir
|f (x)|
kf k = sup (4.3.1)
kxk6=0 kxk
Como caso particular de operador lineal acotado, se tiene para toda x,
|f (x)| ≤ kf k · kxk .
119
El espacio normado que contiene a todos los funcionales lineales y acotados
sobre X, es llamado dual topológico y se denota X 0 .
Se tienen las formas equivalentes de expresar kf k.
(1) kf k = inf k tales que |f (x)| ≤ k kxk para toda x donde

k∈K
K = {k : |f (x)| ≤ k kxk ∀x ∈ X} .
(Observemos directamente que, puesto que kf k ∈ K,
kf k ≥ inf k)
k∈K
(2) kf k = supkxk≤1 | f (x) |.
(3) kf k = supkxk=1 | f (x) |.
La demostración constituye un caso particular de la realizada en el ejercicio

resuelto 7 del Capı́tulo 3.
Cuando el dominio de un funcional es un espacio finito-dimensional, no hace

falta señalar ni demostrar que es continuo porque automáticamente lo es,
como muestra el siguiente teorema. En este caso se trabaja con la propiedad
de equivalencia de las normas para obtener criterio sobre el comportamiento
de la norma del espacio en cuestión.
Teorema 4.3.1 Si X es un espacio normado finito-dimensional, entonces

todo funcional lineal es acotado.
Demostración
Sean f un funcional lineal en X, x1 , x2 , ..., xn una base de X. Entonces deben

existir escalares α1 , α1 , ..., αn asociados a cualquier vector x ∈ X tales que
podemos escribir
Xn
x= αi xi .
i=1
120
Puesto que f es un funcional lineal, tenemos
n
X
f (x) = αi f (xi ),
¯i=1 ¯
¯X n ¯ X n
¯ ¯
|f (x)| = ¯ αi f (xi )¯ ≤ |αi | |f (xi )|
¯ ¯
i=1 i=1
n
X
≤ kxk0 |f (xi )| , siendo kxk0 = max |αi |
i≤i≤n
i=1
Definamos n
X
k= |f (xi )| ,
i=1
podemos ver que

|f (x)| ≤ k kxk0
pero como f es acotado con respecto kk0 es acotado con cualquier otra norma
kk de X, ya que ∃β > 0 tal que kxk0 ≤ β kxk, luego |f (x)| ≤ kβ kxk.9
|{z}
M
Teorema 4.3.2 El espacio dual X 0 es un espacio de Banach.
Este teorema resulta un caso particular del ejercicio resuelto 5 del Capı́tulo
3, ya que para K = R ◦ C, L(X, K) ≡ X 0 y K es de Banach.
4.3.1 Operadores Conjugados

Sean E, E1 espacios normados, A ∈ L(E, E1 ), es decir, A : E −→ E1 ; sea g
un funcional lineal y continuo arbitrario de E1 (g ∈ E1∗ ) es decir g : E1 −→ K.
Al hallar su composición con A, ésta es lineal y continua.10 Podemos formar
A∗ (g) = g ◦ A,
A∗ : E1∗ −→ E ∗
g −→ g ◦ A
9
Ver nota que sigue al ejercicio resuelto 6 del Capı́tulo 2.
10
La composición de dos aplicaciones lineales y continuas tiene el mismo carácter.
121
Probemos que A∗ es lineal y continuo, es decir, A∗ ∈ L(E1∗ , E ∗ ). Sean α1 , α2 ∈
K y g1 , g2 ∈ E1∗ ,
A∗ (α1 g1 + α2 g2 ) = (α1 g1 + α2 g2 ) ◦ A = α1 (g1 ◦ A) +α2 (g2 ◦ A) .
| {z } | {z }
A∗1 g1 A∗2 g2
Ahora probemos la acotación,

kA∗ (g)k = kg ◦ Ak ≤ kAk kgk
|{z}
k
entonces kA∗ k está acotado por kAk (kA∗ k ≤ kAk). (Ejercicios resueltos 1
y 2)
4.3.2 Conjugado de Hermite

Sea H un espacio de Hilbert arbitrario, entonces tenemos,
A
H −→ H
H 0 −→
∗
H0
A
pero también y como resultado de la aplicación del Teorema de Riesz, te-

nemos,
y z
Ã∗
H −→ H
x
  −1
Γy Γ
0
H −→∗
H0
Γy A Γz
entonces podemos obtener Ã∗ = Γ−1 ◦ A∗ ◦ Γ, llamaremos a Ã∗ Conjugado

de Hermite. Este operador se define del espacio H en sı́ mismo y cumple la
propiedad fundamental (A(x) | y) = (x | Ã∗ (y)).
Demostración
(A(x) | y) = 11 Γy (A(x)) = 12 (A∗ (Γy ))(x) = 13 Γz (x) = 14 (x | z) = 15 (x | Ã∗ (y))

11
Aplicando el Teorema de Riesz.
12
Por la definición de A∗ .
13
Ver esquema anterior.
14
Aplicando el Teorema de Riesz.
15
Ver esquema anterior.
122
Hemos denominado fundamental a esta propiedad porque caracteriza al con-
jugado de Hermite en el sentido que es el único operador sobre H que la
cumple. (Ejercicio resuelto 3)
La propiedad fundamental y la unicidad pueden combinarse para establecer

un procedimiento que permita probar la forma que debe tener el conjuga-
do de un cierto operador, o también demostrar sus propiedades operativas.
Procedimiento 5
(P1) Seleccionar el operador A y el vector del miembro izquierdo de la

propiedad fundamental de acuerdo con lo que se requiera probar.
(P2) Plantear la forma para que (Ax | y) en dependencia de la definición

de A y del producto escalar.
(P3) Aplicar propiedades del producto escalar hasta obtener
(Ax | y) = (x | By).
(P4) Inferir que B = Ã∗ .
Observemos las propiedades de Ã∗ ,
(1) Lineal. (Ejercicio resuelto 4)
(2) Continuo.
Analicemos cómo se comporta la acotación que se tiene como conse-

cuencia de (2),
° °
° ∗ °2
°Ã (x)° = (Ã∗ (x) | Ã∗ (x)) = (A(Ã∗ (x)) | x)
° ° ° °
° ° ° °
≤ °A(Ã∗ (x))° kxk ≤ kAk °Ã∗ (x)° kxk
° °
° ∗ °
°Ã (x)° ≤ kAk kxk
° °
° °
⇒ °Ã∗ ° ≤ kAk .
123
Recı́procamente, si y = A(x), (A(x) | A(x)) = (x | Ã∗ (A(x))). En-
tonces,
° ° ° °
2 ° ∗ ° ° °
kA(x)k ≤ °Ã (A(x))° kxk ≤ kA(x)k °Ã∗ ° kxk
° °
° °
kA(x)k ≤ °Ã∗ ° kxk
° °
° °
⇒ kAk ≤ °Ã∗ °
° °
° °
∴ °Ã∗ ° = kAk .
De aquı́ que si A = Ã∗ se llama Autoconjugado y se tiene que,
(A(x) | y) = (x | A(y))
El conjugado de Hermite posee un conjunto de propiedades operativas sig-

nificativas que provienen de aplicar la propiedad fundamental demostrada y
utilizar las propiedades caracterı́sticas del producto escalar. (Ejercicios re-
sueltos 3 y 4)
La propiedad fundamental aludida tiene también un gran valor práctico para

determinar la expresión del conjugado de Hermite. (Ejercicios resueltos 5, 6
y 7)
En general, la definición de operador conjugado se hace técnicamente más

compleja cuando las hipótesis que se asumen sobre el operador original son
más débiles. (Ejercicios resueltos 8 y 9)

1. Probar que kA∗ k = kAk.
Solución:
Ya se ha visto que:
kA∗ k ≤ kAk .
124
Por el teorema 4.2.1:
kAxk = sup |f (A(x))| = sup | (A∗ (f )) x |
kf k=1 kf k=1 | {z }
∈E ∗
∗ ∗
≤ sup kA (f )k kxk ≤ kA k kxk .
kf k=1
De aquı́ que kAk ≤ kA∗ k, luego

kA∗ k = kAk .
2. Sea X un espacio normado, A, B ∈ L(X). Demostrar que

(AB)∗ = B ∗ A∗ .
Solución:
B ∗ A∗ (f ) = B ∗ (A∗ (f )) = B ∗ (f ◦A) = (f ◦A)◦B = f ◦(A◦B) = (AB)∗ (f ).
3. Probar que Ã∗ es el único operador sobre H tal que

(Ax | y) = (x | Ã∗ y).
Solución:
Supongamos que existe B : H −→ H tal que

(Ax | y) = (x | By).
Como (Ax | y) = (x | Ã∗ y) se tiene, comparando que:
(x | By) = (x | Ã∗ y) ∀x ∈ H, ∀y ∈ H
⇒ (x | By) − (x | Ã∗ y) = 0
⇒ (x | By − Ã∗ y) = 0 ∀x
⇒ (By − Ã∗ y | By − Ã∗ y) = 0 ∀y ⇒ B = Ã∗ .
4. Probar que Ã∗ es lineal.
Solución:
Apliquemos el Procedimiento 5
125
(P1) A ≡ A, y = αy1 + βy2 ;
(P2) (Ax | y) = (Ax | αy1 + βy2 ) = (x | Ã∗ (αy1 + βy2 ));
(P3) Aplicando propiedades del producto escalar:
(Ax | αy1 + βy2 ) = ᾱ(x | Ã∗ y1 ) + β̄(x | Ã∗ y2 )

= (x | ᾱÃ∗ y1 + β̄ Ã∗ y2 )
= (x | By) donde By = ᾱÃ∗ y1 + β̄ Ã∗ y2 ;
(P4) By = Ã∗ y = Ã∗ (αy1 + βy2 ) = ᾱÃ∗ y1 + β̄ Ã∗ y2 .
5. Sean X, Y espacios de Hilbert; α, β ∈ C, A, B ∈ L(H). Demostrar que

∗
^
(αA + βB) = ᾱÃ∗ + β̄ B̃ ∗16 .
Solución:
(P1) A = αA1 + βA2 ; y ≡ y;

∗
(P2) ((αA1 + βA2 )x | y) = (x | (αA^
1 + βA2 ) y);
(P3) Aplicando las propiedades del producto escalar:
((αA1 + βA2 )x | y) = α(A1 x | y) + β(A2 x | y)

∗ ∗
= α(x | Ã1 y) + β(xÃ2 y)
∗ ∗
= (x | ᾱÃ1 y + β̄ Ã2 y)
∗ ∗
= (x | (ᾱÃ1 + β̄ Ã2 )y);
∗ ∗ ∗
(P4) (αA^
1 + βA2 ) = ᾱÃ1 + β̄ Ã2 .
6. Si A, B son autoconjugados; α, β ∈ R, probar que:
αA + βB
es autoconjugado.
Solución:
16
La barra significa conjugación compleja.
126
Por el ejercicio 5:
α β
z}|{ ∗ z}|{ ∗
∗
^
(αA + βB) = ᾱ |{z}
Ã + β̄ |{z}
B̃ .
A B
7. Si A : l2 −→ l2 se define ası́:
A(x1 , x2 , ..., xn , ...) = (0, x1 , x2 , ...).
Hallar Ã∗ y determinar si es autoconjugado.
Solución:
(P1) A ≡ A ; y = y;
(P2) (Ax | y) = ((0, x1 , x2 , ...) | (y1 , y2 , ...)) = x1 y2 + x2 y3 + ... +
xn yn+1 + ...;
(P3) (Ax | y) = ((x1 , x2 , ..., xn , ...) | (y2 , y3 , ..., yn+1 , ...)) = (x | By);
(P4) By = Ã∗ y = (y2 , y3 , ..., yn+1 , ...).
Luego, A no es autoconjugado.
8. Probar que:
∗ ∗ ∗
^
(A1 B1 ) = B̃1 Ã1 .
Solución:
(P1) A ≡ A1 B1 ; y ≡ y;
∗
^
(P2) (A1 B1 x | y) = (x | (A 1 B1 ) y);
∗ ∗ ∗
(P3) (A1 B1 x | y) = (B1 x | Ã1 y) = (x | B̃1 Ã1 y).
∗ ∗ ∗
^
(P4) (A1 B1 ) = B̃1 Ã1 .
9. En el espacio l2 para x = (x1 , x2 , ...) ∈ l2 hacemos An x = (xn+1 , xn+2 , ...).

s
a) Demostrar que An ∈ L(l2 ) y An −→ 0.
s
b) Hallar A∗n y averiguar si es cierto que A∗n −→ 0.
127
Solución al inciso a) An ∈ L(l2 )
An (αx + βy) = (αxn+1 + βyn+1 , αxn+2 + βyn+2 , ...)

= (αxn+1 , αxn+2 , ...) + (βyn+1 , βyn+2 , ...)
= α (xn+1 , xn+2 , ...) +β (yn+1 , yn+2 , ...) .
| {z } | {z }
An x An y
Por tanto An es lineal. También:
kAn xk ≤ kxk ⇒ kAn k ≤ 1.
Para cada x ∈ X
∞
X
2 s
kAn xk = |xk |2 −→ 0 ⇒ An −→ 0.
n→∞
k=n+1
La convergencia fuerte es una consecuencia inmediata de la in-

finitesimalidad del resto de una serie convergente.
Solución al inciso b) Hallemos An ∗ por el procedimiento:
(P1) A ≡ An ; y ≡ y;
(P2) (An x | y) = (x | An ∗ y).
Se plantea el miembro izquierdo aplicando la definición de An y
de producto escalar en l2 , para y = (y1 , y2 , ..., yn , ...)
(An x | y) = ((xn+1 , xn+2 , ...) | y) = xn+1 y1 + xn+2 y2 + ...
(P3) Hallemos ahora el miembro derecho e indiquemos lo que

deben valer los componentes de An ∗ :
(x1 (An ∗ y )1 + ... + xn (An ∗ y )n + xn+1 (An ∗ y)n+1 +...

| {z } | {z } | {z }
0 0 y1
∗
+xn+2 (An y)n+2 +...)
| {z }
y2
∗
= (x | An y);
(P4) An ∗ x = (0, 0, ..., 0, x1 , x2 , ...).

| {z }
n
128
Como kAn ∗ xk = kxk ∀x ∈ l2 ⇒ ∀x 6= 0 An ∗ x 9 0.
Por tanto no hay convergencia fuerte a 0.

10. Hallar el operador conjugado al operador A : L2 [0, 1] −→ L2 [0, 1] si:
Ax(t) = tx(t).
Solución:
Z 1
(Ax | y) = (L) Ax(t)y(t)dt
0
Z 1 Z 1
= (L) tx(t)y(t)dt = (L) x(t)ty(t)dt = (x | A∗ y)
0 0
⇒ A∗ y(t) = ty(t).
11. Sea T un operador lineal definido de DT ⊂ X en Y ; X, Y son espacios

normados. Probar que T admite una extensión lineal cerrada si y sólo
si
[∀ {xn } ∈ DT : xn → 0 ∧ T xn → y] ⇒ y = 0.
Solución:
Sea T̄ una extensión lineal cerrada de T . Sea
{xn } ⊂ DT tal que xn → 0 y T xn → y.
T̄ cerrada ≡ GT̄ 17 es cerrado.
Como T̄ es una extensión de T
GT ⊂ GT̄ ⇒ ḠT ⊂ GT̄
Si se considera (xn , T xn ) n = 1, 2, ..., se tiene que
(xn , T xn ) −→ (0, y) ∈ ḠT ⊂ GT̄ ,
luego,
(0, y) ∈ GT̄ ⇒ y = T̄ (0) = 0.
|{z}
Lineal
17
Gráfico de T̄
129
Recı́procamente, supongamos que ∀ {xn } ⊂ DT tal que xn → 0 y
T xn → y se cumple que y = 0.
Definamos:
© ª
DT̄ = x ∈ X : ∃z ∈ Y que satisface (x, z) ∈ ḠT ,
T̄ (x) = z.
Probemos que T̄ está bien definida.
Supongamos que ∃z1 ∈ Y que satisface que (x, z1 ) ∈ ḠT .
Como ḠT es un subespacio
(x, z) − (x, z1 ) ∈ ḠT

| {z }
(0,z−z1 )
⇒ ∃(xn , T xn ) ∈ GT : (xn , T xn ) −→ (0, z − z1 )

⇒ xn −→ 0 y T xn −→ z − z1 .
Por la condición z − z1 = 0, es decir z = z1 .

12. Si M es un subespacio del espacio normado X, M̄ = X; Y es un espa-
cio de Banach. T : M −→ Y un operador lineal acotado. Probar que
T posee una extensión lineal única T̄ que preserva la norma.
Solución:
Sea x ∈ X = M̄ ⇒ ∃ {xn } ⊂ M tal que xn −→ x. Probemos que

{T xn } es una sucesión fundamental en Y .
kT xn − T xm k = kT (xn − xm )k ≤ kT k kxn − xm k 18
| {z }
−→ 0
n,m→∞
Y es de Banach⇒ ∃y ∈ Y tal que T xn −→ y.
Definamos
T̄ x = y = lim T xn .
n→∞
18
Porque {xn } es convergente.
130
Ante todo hay que probar que T̄ está bien definida, es decir que es
independiente de la selección de {xn }. Supongamos que {zn } es otra
sucesión tal que zn −→ x. Consideremos la sucesión alternada
T x1 , T z1 , T x2 , T z2 , ..., T xn , T zn , ...
Por cálculo directo se obtiene que esta sucesión es fundamental y las dos
subsucesiones tienen un lı́mite común que es y. (Ejercicio propuesto 5)
T̄ cumple las caracterı́sticas siguientes:
• Es lineal.
Si x, y ∈ X = M̄ , entonces existen {xn } , {yn } ∈ M tales que

xn −→ x y yn −→ y. Sean α, β ∈ K. Entonces αxn + βyn −→
αx + βy. Por tanto:
T̄ (αxn + βyn ) = lim T (αxn + βyn )

n→∞
= lim (αT xn + βT yn )
n→∞
= α lim T xn +β lim T yn
n→∞ n→∞
| {z } | {z }
T̄ x T̄ y
• T̄ es continuo.
kT xk = lim kT xn k
n→∞
Pero kT xn k ≤ kT k kxn k. Pasando al lı́mite en la desigualdad

° ° ° °
°T̄ x° ≤ kT k kxk ⇒ °T̄ ° ≤ kT k .
Para obtener la desigualdad en sentido contrario observemos que

T̄ es una extensión de T , ya que si x ∈ M se tiene que
T̄ x = lim T xn donde puede tomarse xn = x ∀n.

n→∞
De aquı́ que ° °
T̄ x = 19 T x ⇒ kT k ≤ °T̄ ° .
19
Lı́mite de la sucesión constante de término T x.
131
4.4 Convergencia Débil
Definición 4.4.1 Sea una sucesión {xn } en un espacio normado X, de-
w
cimos que converge débilmente a x ∈ X y se escribe xn −→ x, si para todo
f ∈ X 0 (X 0 , como notación usual del dual topológico de X),
f (xn ) −→ f (x).
El primer hecho que demostraremos sobre la convergencia débil es la uni-

cidad del lı́mite “débil”; precisamente, si
w w
xn −→ x xn −→ y
(lo cual significa para cualquier f ∈ X 0 que:
f (xn ) −→ f (x) y f (xn ) −→ f (y)),
entonces debemos probar que x = y. Puesto que en un espacio métrico el

lı́mite es único, la hipótesis implica que
f (x) = f (y).
Por la linealidad de f , esto es equivalente a
f (x − y) = 0
para cualquier f ∈ X 0 . Puesto que f puede ser cualquier funcional lineal

acotado, podemos aplicar el Corolario 4.2.2.1 para afirmar que x − y = 0
ó x = y; por tanto es imposible para una sucesión que converja débilmente a
dos elementos diferentes.
Se cumplen también las propiedades operativas del lı́mite siguientes:
Si
w w
xn −→ x yn −→ y,
entonces
w
xn + yn −→ x + y.
132
De manera similar, si α es un escalar y
w
xn −→ x,
entonces
w
αxn −→ αx.
La definición de continuidad de una función f (x) implica que si xn −→ x,

entonces f (xn ) −→ f (x). Puesto que todo funcional lineal acotado, satisface
|f (xn ) − f (x)| ≤ kf k kxn − xk
se tiene que convergencia fuerte implica convergencia débil.
Podemos preguntarnos cómo se comporta el recı́proco de esta propiedad.

El siguiente para que la convergencia débil implique la fuerte.
Teorema 4.4.1 Si X es un espacio normado finito-dimensional entonces
convergencia fuerte es equivalente a convergencia débil.
w
Teorema 4.4.2 Si X es un espacio normado y xn −→ x, entonces existe
alguna constante positiva M tal que
kxn k ≤ M
para toda n.
Teorema 4.4.3 Sea {xn } una sucesión de vectores de un espacio normado
X con la propiedad de que, para todo n, existe una constante positiva M tal
que
kxn k ≤ M.
Además, supongamos que f (xn ) −→ f (x) para todos los funcionales lineales
acotados f que pertenecen al conjunto A, donde A tiene la propiedad [A] es
denso en X 0 , esto es,
¯ = X 0.
[A]
w
Entonces xn −→ x.
Los Teoremas 4.4.2 y 4.4.3 se utilizan en la demostración del teorema si-

guiente:
133
w
Teorema 4.4.4 Para que xn −→ x es necesario y suficiente que la sucesión
kxn k sea acotada y f (xn ) −→ f (x) para cualquier f de una variedad lineal
densa en X 0 .
Para la convergencia débil de los funcionales se extiende la definición da-

da al dominio de X 0 .
w
Definición 4.4.2 x0n −→ x0 ⇔ ∀x00 ∈ X 00 x00 (x0n ) −→ x00 (x0 ).
Cuando la convergencia débil definida sobre X 0 se restringe a J(X) ⊂ X 00 se

llama convergencia debilitada (o ∗−débil) y como entonces para
x00 ∈ J(X) ∃!x ∈ X : x00 (x0n ) = x0n (x) , x00 (x0 ) = x0 (x).
se plantea:
∗−w
Definición 4.4.3 x0n −→ x0 ⇔ ∀x ∈ X x0n (x) −→ x0 (x).
Teorema 4.4.5 Sea X un espacio de Banach. Para cada x ∈ X fijo, la

igualdad Jx (f ) = f (x) define un funcional lineal acotado Jx sobre el espacio
X 0 tal que kJx k = kxk.
Por lo tanto, tiene lugar el encaje isométrico J(X) ⊂ X 00 . Si además

J(X) = X 00 , entonces el espacio X se llama reflexivo. En este caso, co-
mo X 00 es de Banach y J una isometrı́a, X es necesariamente un espacio de
Banach.
∗−w
Teorema 4.4.6 Para que fn −→ f es necesario y suficiente que la sucesión
kfn k sea acotada y fn (x) −→ f (x) para cualquier x de una variedad lineal
densa en X.
134
w
1. Sean H un espacio de Hilbert; xn , x ∈ H(n ∈ N), xn −→ x y
kxn k −→ kxk. Demostrar que xn −→ x.
n→∞
Solución:
w
Como xn −→ x se tiene (xn | y) −→ (x | y) ∀y ∈ H. En parti-
cular, tomando y = x podemos escribirlo
¯ ¯
(xn | x) −→ kxk2 ⇒ ¯(xn | x) − kxk2 ¯ −→ 0;
de la definición de lı́mite de escalares es inmediato que

¯ ¯
kxn k2 −→ kxk2 ⇒ ¯kxn k2 − kxk2 ¯ −→ 0.
Luego,
k(xn − x)k2 = (xn − x | xn − x)

= (xn | xn ) − (xn | x) − (x | xn ) + (x | x)
= kxn k2 − (xn | x) − (x | xn ) + kxk2 .
| {z } | {z } | {z }
I II III
Veamos cada uno de los casos anteriores
(I) Por propiedad de las normas
kxn k2 −→ kxk2
(II) Por las hipótesis
(xn | x) −→ (x | x) = kxk2
(III) Como
(x | xn ) = (xn | x),
entonces,
(xn | x) −→ (x | x) = kxk2
Luego,
kxn k2 − (xn | x) − (x | xn ) + kxk2 −→ 0
n→∞
135
2. Sean X un espacio normado, Y un espacio de Hilbert, A ∈ L(X, Y );
{An } ⊂ L(X, Y ). Probar que
w
An x −→ Ax ∀x ∈ X ⇔ (An x | y) −→ (Ax | y) ∀x ∈ X ∧ ∀y ∈ Y
n→∞
Solución:
w
Supongamos que An x −→ Ax ∀x ∈ X. Consideremos la aplicación
n→∞
definida ası́:
gy (z) = (z | y) ∀y ∈ Y.
Entonces, ∀y ∈ Y, gy ∈ Y 0 (esto ya se ha probado)
w
∀x ∈ X, An x −→ Ax ⇒ gy (An x) −→ gy (Ax)
n→∞ | {z } n→∞ | {z }
(An x|y) (Ax|y)
⇒ ∀x ∈ X y ∀y ∈ Y (An x | y) = (Ax | y).

Recı́procamente, supongamos que
∀x ∈ X, ∀y ∈ Y (An x | y) −→ (Ax | y).
Consideremos g ∈ Y 0 . Por el teorema 4.2.3, ∃y ∈ Y tal que
g(z) = (z | y) ∀z ∈ Y
En particular,
w
g(An x) = (An x | y) −→ 20 (Ax | y) = g(Ax) ⇒ An x −→ Ax.
|{z} n→∞ n→∞
∈Y
Solución:
w
Supongamos que xn −→ x y que dim X = k. Sea {b1 , ..., bk } una
base de X.
X k
(n)
xn = αi bi
i=1
Xk
x = αi bi .
i=1
20
Por la hipótesis.
136
Consideremos:
Ã k !
X
∀j = 1, ..., k fj (x) = fj αi bi = αj
i=1
21
f es lineal y necesariamente continua.
fj (xn ) −→ fj (x) 22 ∀j = 1...k
| {z } | {z }
αj
(n) αj
Ahora probemos la convergencia fuerte,

Ã k !
X ¯¯ (n) ¯
¯
kxn − xk ≤ 23 β kxn − xk1 = β ¯αi − αi ¯ −→ 0.
i=1
En general convergencia débil ; convergencia fuerte.
Ejemplo: Sean X = l2 (l2 de Hilbert), {en }∞

n una sucesión y
en = (0, ..., |{z}

1 , ..., 0, ...).
n
w
Primero veamos que en −→ 0. Tomemos f ∈ l2∗ , entonces ∃yf ∈ l2 :
f (en ) = (en | yf ). Sea yf = {y1 , ..., yn , ...}. Como yf ∈ l2 entonces
f (en ) = yn −→ 0. Es importante destacar que {en } no converge en el
n→∞ √
sentido fuerte ya que ken − em k = 2 ∀n 6= m.
Solución:
w
Probemos en primer lugar el caso en que g(xn ) −→ g(x) ∀g ∈ L(A)
k
X
g = α i fi
|{z}
i=1 ∈A
k
X k
X
g(xn ) = αi fi (xn ) −→ αi fi (x) = g(x).
|{z} |{z}
i=1 ∈A i=1 ∈A
21
X finito-dimensional.
22
Por la convergencia débil.
23
k k y k k1 son equivalentes.
137
Probemos ahora que tiene lugar la convergencia para todo h ∈ L(A) =
X 0 . Tomemos ² > 0 y hallemos g ∈ L(A) : kh − gk < ². Para n
suficientemente grande:
z }| { z }| {
|h(xn ) − h(x)| = | h(xn ) − g(xn ) + g(xn ) − g(x) + g(x) − h(x) |
| {z }
≤ kh − gk kxn k + |g(xn ) − g(x)| + kh − gk kxk .
| {z } | {z } | {z } | {z } |{z}
<² ≤k <² <² ≤k
Ya que por hipótesis ∃k > 0 : kxn k ≤ k ∧ kxk ≤ k.
5. En el espacio l2 para x = (x1 , x2 , ...) ∈ l2 pongamos fn (x) = xn . De-

∗−w
mostrar que fn −→ 0. ¿Es cierto que fn −→ 0?
Solución:
Sea x ∈ l2 ; |fn x − 0x| = |fn x| = |xn | −→ 24 0;
También,
kfn k = sup |fn x| = sup |xn | = 1 ⇒ fn 9 0(n → ∞).

kxk=1 kxk=1
6. Sea 0 ∈ [a, b] δ(x) = x(0) ϕ ∈ C[a, b]. Considere la sucesión de

funciones continuas ϕn (t) con las condiciones:
1
1) ϕn (t) = 0 para |t| > ,
n
1
2) ϕn (t) ≥ 0 para |t| ≤ ,
n
Rb
3) a ϕn (t)dt = 1.
Sea Z b
fn (x) = ϕn (t)x(t)dt x ∈ C[a, b].
a
qP
24 ∞ 2
Por la condición necesaria de convergencia de la serie kxk = n=1 |xn |
138
Probar que fn converge débilmente a δ.
Solución:
Z b
|fn (x)| = |ϕn (t)| |x(t)| dt ≤ kxk
a
⇒ kfn k ≤ 1 ∀n.
Hallemos lim fn (x),
n→∞
Z 1 Z 1
n n
25
fn (x) = ϕn (t)x(t)dt = x(ξn ) ϕn (t)dt
1 1
−n −n
| {z }
=1
donde − n1 ≤ ξn ≤ n1 . Pasando al lı́mite

lim fn (x) = lim x(ξn ) = x(0) = δ(x).
n→∞ n→∞
∗−w
Por tanto tenemos que fn −→ δ.
7. Sea X un espacio reflexivo; f ∈ X 0 . Demostrar que existe x ∈ X, x 6= 0
tal que f (x) = kxk kf k.
Solución:
Para f ≡ 0 es trivial; sea f 6= 0.
Por el Corolario 4.2.2.1

∃J ∈ X 00 : kJk = 1 ∧ J(f ) = kf k .
1
Tomando J = J, se tiene por la definición de norma que:
kf k
1
kJk =
kf k
1
J(f ) = J(f ) = 1 = kJk kf k . (4.4.1)
kf k |{z}
kf k
25
Consecuencia del Teorema del valor medio.
139
Por ser X reflexivo, aplicando el Teorema 4.4.526 se puede afirmar que
∃x ∈ X : f (x) = J(f ) ∧ kJk = kxk. Sustituyendo en (4.4.1) obte-
nemos: f (x) = kf k kxk .
|{z} |{z}
J(f ) kJk
Solución:
w
Probemos en primer lugar el caso en que g(xn ) −→ g(x) ∀g ∈ L(A).
k
X
g = α i fi
|{z}
i=1 ∈A
k
X k
X
g(xn ) = αi fi (xn ) ⇒ αi fi (x) = g(x).
|{z} |{z}
i=1 ∈A i=1 ∈A
Probemos ahora que tiene lugar la convergencia para todo h ∈ L(A) =

X 0 . Tomemos ² > 0 y hallemos g ∈ L(A) : kh − gk < ².
¯z }| { z }| {¯¯
¯
¯
|h(xn ) − h(x)| = ¯h(xn ) − g(xn ) + g(xn ) − g(x) + g(x) − h(x)¯¯
| {z }
≤ kh − gk kxn k + |g(xn ) − g(x)| + kh − gk kxk
| {z } | {z } | {z } | {z } |{z}
<² ≤k <² <² ≤k
Por hipótesis ∃k > 0 : kxn k ≤ k ∧ kxk ≤ k.

1. Determinar si el funcional
Z 1
f (x) = x(t2 ) dt
0
lineal en C[0, 1] está acotado.

26
Nótese que X es de Banach por ser reflexivo.
140
2. Probar alternativamente que el funcional del ejercicio resuelto 1 es aco-
tado.
3. Probar que
A1 , A2 ∈ L(E, E1 ) ⇒ (A1 + A2 )∗ = A∗1 + A∗2 .
w w w
4. Si xn −→ x y yn −→ y; α, β escalares, probar que αxn + βyn −→
αx + βy.
5. Probar que la sucesión alternada del ejercicio resuelto 12 es fundamen-

tal.
∗
6. Probar que (g
T̃ ∗ ) = T .
141
Capı́tulo 5
Conjuntos compactos y
Operadores totalmente
continuos
La noción de operador totalmente continuo es muy importante desde el pun-

to de vista teórico porque implica muchas buenas propiedades operativas.
También es relevante desde el punto de vista práctico porque hay ejemplos

muy útiles de este tipo de operador.
Este nuevo concepto está basado en la noción de conjunto compacto, y para

demostrar de forma idónea las diversas propiedades, se requiere dominar las
distintas caracterizaciones de la compacidad en los espacios métricos, dadas
en términos de nociones relacionadas con la definición topológica de com-
pacidad (en términos de cubrimientos por conjuntos abiertos).
Por esto resulta útil reunir las nociones equivalentes a la compacidad y tra-
bajar con ellas de la forma más apropiada en el contexto de la noción de este
nuevo tipo de operador.
142
5.1 Conjuntos compactos en espacios norma-
dos
Definición 5.1.1 Sea Λ un conjunto de ı́ndices y ademásS supongamos que
{Gα }, donde α recorre Λ, tiene la propiedad de que A ⊂ α∈Λ Gα . Entonces
{Gα } se denomina cubrimiento del conjunto A. Un subcubrimiento de A es
una parte del cubrimiento que constituye también un cubrimiento para A. Si
el conjunto Λ es finito, se dice que es un cubrimiento finito de A. Si cada
Gα es abierto, entonces se dice que es un cubrimiento abierto de A y si el
conjunto A tiene la propiedad de que, para todo cubrimiento abierto, se puede
tomar un subcubrimiento finito, decimos que A es compacto.
Teorema 5.1.1 Sea (X, d) un espacio métrico. Entonces si A es compacto

se cumple que A es cerrado y acotado.
(Ejercicio resuelto 1) Un conjunto Q en un espacio normado X se denomina

sucesionalmente compacto si de toda sucesión xn ∈ Q(n ∈ N) se puede
escoger una subsucesión cuyo lı́mite pertenece a Q.
Definición 5.1.2 En el espacio métrico (X, d) un subespacio A se denomina

relativamente compacto si Ā es compacto.
En los espacios finito-dimensionales, en particular en los espacios euclı́deos

Rn (Cn ), relativamente compacto es equivalente a acotación en virtud de la
definición anteriormente expuesta. En general, como los conjuntos compactos
son siempre cerrados, también podemos decir que los conjuntos compactos
son siempre relativamente compactos.
Definición 5.1.3 El conjunto de puntos N de un espacio métrico (X, d) se

denomina ²−red respecto al conjunto A si para todo x ∈ A existe un y ∈ N
tales que d(x, y) < ².
De manera equivalente para el caso en que tengamos un espacio normado

podemos reescribir la definición anterior: un conjunto M² ⊂ X se denomina
²−red si para cualquier x ∈ M existe un x̂ ⊂ M² tal que kx − x̂k < ².
Por ejemplo, supongamos que A es R2 . Entonces el conjunto
N = {(m, n) : m, n = 0, ±1, ...}
143
√
2
constituye una ²−red para R2 , para cualquier ² > .
2
Sea Ḡ un recinto acotado y cerrado en el espacio E n , C(Ḡ) un espacio de
funciones continuas sobre Ḡ con la norma kxk = max |x(t)|, M ⊂ C(Ḡ) un
t∈Ḡ
conjunto de funciones. Este conjunto se denomina equiacotado si existe un
c ∈ R tal que para cualquier x ∈ M se cumple la desigualdad kxk ≤ c;
equicontinuo si para cualquier ² > 0 existe un δ = δ(²) > 0 tal que para
cualesquiera t1 , t2 ∈ Ḡ que satisfacen la desigualdad kt1 − t2 k < δ se cumple
la desigualdad |x(t1 ) − x(t2 )| < ² simultáneamente para todos los x ∈ M .
Si tenemos un conjunto A de un espacio métrico (X, d) decimos que es total-

mente acotado si para cualquier ² > 0 existe una ²−red finita1 con respecto
a A.
Probemos que totalmente acotado en espacios métricos implica inmediata-

mente acotación. (Ejercicio resuelto 2) La compacidad en espacios métricos
se puede resumir mediante la caracterización siguiente:
Teorema 5.1.2 Sea A un subconjunto de un espacio métrico X. Entonces

las siguientes aseveraciones son equivalentes: (i) A es compacto, (ii) A es
sucesionalmente compacto.
5.2 Operadores lineales totalmente continuos

Muchos de los operadores integrales que se presentan en la práctica tienen
una caracterı́stica especial que facilita su estudio y que está relacionada con
las nociones de continuidad y de compacidad.
Esta caracterı́stica se define como operador lineal compacto (o también total-

mente continuo, completamente continuo) y una de las razones de su utilidad
es que se transmite mediante operaciones usuales como la suma, el producto
por un escalar, el producto por un operador lineal continuo (en el sentido de
la composición) y el lı́mite.
Para comenzar a introducir este tema empezaremos por recordar la noción

1
Una ²−red finita es una ²−red con un número finito de elementos.
144
de conjunto relativamente compacto: son aquellos conjuntos cuya clausura
es compacta.
Definición 5.2.1 Sean X, Y espacios normados, A un operador lineal tal

que,
A : X −→ Y.
A se denomina totalmente continuo si transforma conjuntos acotados de X
en conjuntos relativamente compactos de Y .
Teorema 5.2.1 A totalmente continuo ⇒ A continuo.
El conjunto de todos los operadores totalmente continuos de L(X, Y ) se

denomina mediante σ(X, Y ).
Veamos algunos casos particulares en que continuidad implica totalmente

continuo.
(1) Sean A un operador lineal, X, Y espacios normados lineales, X es finito

dimensional ⇒ A es totalmente continuo.
Demostración
Supongamos que B ⊂ X es acotado, A(B)2 ⊂ A(X)3 ⊂ Y ⇒ A(B)4 es

compacto.
(2) Sean A un operador lineal y continuo, A : X −→ Y y A(X) es finito-

dimensional ⇒ A es totalmente continuo.
Demostración
2
Como A es continuo, A(B) es acotado.
3
Finito-dimensional por ser A lineal.
4
Cerrado y acotado en un espacio finito-dimensional.
145
Se tiene que A es lineal, supongamos que B está acotado,
B acotado ⇒ A(B) ⊂ A(X)

| {z } | {z }
acotado finito-dimensional
⇒ A(B) relativamente compacto
Sin embargo, en general
si A continuo ; A totalmente continuo,
X = l2 A = I (operador unidad) B bola unitaria. I(B) = B que como

sabemos no es relativamente compacto porque no es sucesionalmente com-
pacto. (Ver Teorema 5.1.2)
Teorema 5.2.2 (Teorema de Hausdorff ) Sean X un espacio métrico com-
pleto, S ⊆ X. Decimos que S es compacto en X si y sólo si para cualquier
² > 0 existe una ²−red finita de S.5
Teorema 5.2.3 A ∈ σ(X, Y ) es equivalente a que A transforma la bola

unitaria de X en un conjunto relativamente compacto en Y .
(Ejercicios resueltos 5 y 6) El siguiente Teorema nos da un criterio importante

para determinar si un conjunto es totalmente acotado porque relaciona este
concepto con un resultado similar al Teorema de Bolzano-Weierstrass para
los números reales.
Teorema 5.2.4 Sea A un subespacio de un espacio métrico (X, d). Si para
toda sucesión de puntos de A se puede seleccionar una subsucesión conver-
gente, entonces A es totalmente acotado.
Teorema 5.2.5 σ(X, Y ) es un subespacio en el espacio L(X, Y ), siendo Y

un espacio de Banach.
(Ejercicio resuelto 7) El teorema 5.2.5 fundamenta un procedimiento para de-

mostrar que un operador dado T es totalmente continuo y es posible obtenerlo
como lı́mite en norma de una sucesión de operadores totalmente continuos
sobre un espacio de Banach.
5
S totalmente acotado.
146
Procedimiento 6
(P1) Definir una sucesión {Tn } de operadores asociados a T .
(P2) Probar que cada Tn es lineal y totalmente continuo.
(P3) Probar que kTn − T k −→ 0.
n→∞
(P4) Inferir que T es totalmente continuo.
Ejemplo: Probar que T : l2 −→ l2 definido ası́: si

Ã !
1 1 1
x = (x1 , x2 , ...) T x = x1 , x2 , x3 , ..., xn , ... ,
2 3 n
es totalmente continuo.
Ã !
1 1
(P1) Tn x = x1 , x2 , ..., xn , 0, 0, ... .
2 n
(P2) Tn es lineal, continuo y R(Tn ) finito-dimensional, por tanto Tn es to-

talmente continuo.
(P3) Desarrollando kT x − Tn xk2
° °2
° 1 1 °
° °
kT x − Tn xk2 = ° xn+1 , xn+2 , ...°
°n + 1 n+2 °
1 1
= 2
|xn+1 |2 + |xn+2 |2 + ...
(n + 1) (n + 2)2
1
≤ 2
(|xn+1 |2 + |xn+2 |2 + ...)
(n + 1)
1
≤ kxk2 .
(n + 1)2
Luego,
1 1
kT x − Tn xk2 ≤ kxk 2
⇒ kT x − T n xk ≤ kxk
(n + 1)2 n+1
1
⇒ kT − Tn k ≤ −→ 0.
n + 1 n→∞
147
(P4) T es totalmente continuo.
Teorema 5.2.6 Sean A ∈ L(X, Y ) y B ∈ L(Y, Z). Si por lo menos alguno

de estos dos operadores es totalmente continuo, entonces su producto BA es
totalmente continuo.
w
Teorema 5.2.7 Sea A ∈ σ(X, Y ). Si xn ∈ X(n ∈ N) y xn −→ x0 entonces
A(xn ) −→ A(x0 ).
Teorema 5.2.8 Sea A ∈ L(X, Y ), donde Y es un espacio de Banach. El
operador A es totalmente continuo si y sólo si A∗ es totalmente continuo.
Sea X un espacio de Banach y consideremos Y = X. Entonces se denota
A ∈ σ(X, Y ) = σ(X); x, y ∈ X. La ecuación
Ax = y
se denomina ecuación de primera especie, la ecuación
x − Ax = y (5.2.1)
se denomina ecuación de segunda especie. Conjuntamente con la ecuación

(5.2.1) consideramos la ecuación homogénea correspondiente
z − Az = 0 (5.2.2)
análogamente, consideramos la ecuación conjugada
f − A∗ f = ω (5.2.3)
y una ecuación homogénea conjugada
ψ − A∗ ψ = 0. (5.2.4)
Teorema 5.2.9 Las siguientes afirmaciones son equivalentes:

a) La ecuación (5.2.1) tiene solución única para cualquier segundo miembro
y;
b) la ecuación (5.2.2) tiene solamente solución trivial;
148
c) la ecuación (5.2.3) tiene solución única para cualquier segundo miembro;
d) la ecuación (5.2.4) tiene solamente solución trivial.
Si se cumple una de las condiciones anteriores, entonces los operadores I −A

e I − A∗ son continuamente inversibles.
Teorema 5.2.10 Las ecuaciones (5.2.2) y (5.2.4) tienen el mimso número

finito de soluciones linealmente independientes.
Los teoremas 5.2.9 y 5.2.10 son muy importantes para las aplicaciones porque
caracterizan de forma alternativa el comportamiento de un operador total-
mente continuo y en el caso de existir solución única se puede demostrar
mediante el manejo de la ecuación homogénea, lo cual es usualmente más
simple.
En particular, los resultados se estos teoremas son aplicables al estudio de

las ecuaciones integrales de la forma:
Z b
x(s) − µ k(s, t)x(t) dt = y(s), con µ 6= 0
a
puesto que de forma operacional puede escribirse ası́:
x(s) − (Ax)(s) = y(s),
donde Z b
(Ax)(s) = µ k(s, t)x(t) dt
a
| {z }
(A1 x)(s)
o sea
x − Ax = y.
Para utilizar los teoremas citados, se requiere una condición suficiente para
que A1 sea totalmente continuo. Esta condición estará dada porque k(s, t)
sea una función continua sobre [a, b] × [a, b].
149
1. Demostrar el teorema 5.1.1
Solución:
Compacto ⇒ Cerrado
Supongamos que A es un subconjunto compacto de (X, d). Vamos a

probar que Ac es abierto. Sea y ∈ Ac , demostraremos que existe un
conjunto abierto B tal que y ∈ B ⊂ Ac . Consideremos x ∈ A, como
x 6= y, para algún número real ²x , existen vecindades de x e y, S²x (x)
y S²x (y) tales que,
S²x (x) ∩ S²x (y) = ∅, (5.2.5)
ya que cada espacio métrico satisface el axioma de separación de Haus-
dorff. Además, como x ∈ S²x (x) para todo x ∈ A, se cumple que
[
A⊂ S²x (x).
x∈A
Puesto que A es compacto, entonces existen x1 , x2 , ..., xn ∈ A, tales que

n
[
A⊂ S²xi (xi ). (5.2.6)
i=1
Para cada xi ∈ A (i = 1, 2, 3, ..., n) como y ∈ Ac existe alguna vecindad

de y, S²xi (y) que satisface (5.2.5), es decir
S²xi (xi ) ∩ S²xi (y) = ∅. (5.2.7)
Ahora formemos n
\
B= S²xi (y).
i=1
Supongamos que A ∩ B no es vacı́o. Como

n
[
A∩B ⊂ (S²xi (xi ) ∩ B).
i=1
Esto significa que

B ∩ S²xi (xi ) 6= ∅
150
para algún i por la hipótesis (5.2.6). Pero
B ∩ S²xi (xi ) ⊂ S²xi (y) ∩ S²xi (xi ).
Por tanto,
S²xi (x) ∩ S²xi (y) 6= ∅,
y contradice la hipótesis (5.2.7). Por tanto A ∩ B = ∅, donde B es
un conjunto abierto por ser la intersección finita de bolas abiertas y
además
A ∩ B = ∅ ⇒ y ∈ B ⊂ Ac .
Compacto ⇒ Acotado
Supongamos que A es compacto y consideremos un cubrimiento abierto

de A que consiste en 1−vecindades para cada uno de sus puntos. Luego,
[
A⊂ S1 (x).
x∈A
Puesto que asumimos que A es compacto, entonces existen x1 , x2 , ...xn

tales que
[n
A⊂ S1 (xi ) = C.
i=1
Probemos que A está acotado. Sea
a = max d(xi , xj ), 1 ≤ i ≤ j ≤ n
y sean x, y ∈ A; existen elementos xi e yi tales que x ∈ S1 (xi ) e

y ∈ S1 (xj ). Aplicando la desigualdad triangular, podemos decir que:
d(x, y) ≤ d(x, xi ) + d(xi , xj ) + d(xj , y) ≤ 1 + a + 1 = 2 + a.
Esto implica que el diámetro de A es menor o igual que 2 + a y por

tanto A está acotado.
2. Probar que si un conjunto es totalmente acotado es necesariamente

acotado.
Solución:
151
Supongamos que A totalmente acotado y sea ² > 0. Como hemos
asumido que A es totalmente acotado, entonces existe un ²−conjunto
finito para A, llamémoslo N . Puesto que N es un conjunto finito de
puntos, su diámetro es finito, o sea, Diam(N ) < ∞. Ahora, sean a1 y
a2 dos puntos de A. Entonces existen dos puntos y1 , y2 ∈ N , tales que
d(a1 , y1 ) < ² y d(a2 , y2 ) < ². Aplicando la desigualdad triangular, se
tiene,
d(a1 , a2 ) ≤ d(a1 , y1 ) + d(y1 , y2 ) + d(y2 , a2 )

≤ 2² + Diam(N ),
pero, puesto que a1 y a2 son dos puntos cualesquiera de A, esto implica

que
sup d(a1 , a2 ) = Diam(A) ≤ 2² + Diam(N ),
a1 ,a2 ∈A
quedando probado ası́ que A es acotado. El recı́proco de manera general

no se cumple y resulta evidente por el contraejemplo siguiente:
• Consideremos el espacio métrico l2 y sean
x = (α1 , α2 , ..., αn , ...) e y = (β1 , β2 , ..., βn , ...)
dos puntos de este espacio con la distancia d(x, y) definida de la

manera siguiente:
"∞ # 12
X
d(x, y) = |αi − βi |2 .
i=1
Consideremos el subespacio siguiente de l2 ,
A = {x ∈ l2 : d(x, 0) = 1},
estos son los puntos de la superficie de la bola unitaria en l2 . Para

dos puntos cualesquiera x e y en A, podemos decir que
d(x, y) ≤ d(x, 0) + d(y, 0) = 2
152
concluyendo que A es, de hecho, acotado. Para probar que A no es
totalmente acotado, consideremos la siguiente colección de puntos
de A:
e1 = (1, 0, 0, ...)
e2 = (0, 1, 0, ...)
e3 = (0, 0, 1, ...)
. .
. .
. .
√
En este caso, para n 6= m, se tiene√ que d(en , em ) = 2. Pode-
2
mos afirmar que, para un ² < , no existe una ²−red finita,
√2
2
ya que si suponemos que ² < y si denotamos por N la red
2
correspondiente, existen yi , yj ∈ N tales que
d(ei , yi ) < ² y d(ej , yj ) < ².
Probemos que ∀i 6= j se cumple que yi 6= yj . Supongamos lo con-

trario, es decir, que existen i0 6= j0 tales que yi0 = yj0 . Entonces
√
d(ei0 , ej0 ) ≤ d(ei , yi0 ) + d( yi0 , ej ) < 2² ≤ 2, ¡Absurdo!
|{z}
=yj0
por tanto,√N es infinito. De aquı́ que no existe una ²−red finita

2
para ² < , y A no es totalmente acotado.
2
3. Sean X un espacio normado, z ∈ X fijo y f ∈ X 0 .
Definamos A : X −→ X de la manera siguiente:
x∈X A(x) = f (x) z (5.2.8)

|{z}
∈K
Probar que A es totalmente continuo.
Solución:
153
1ro) ¿A lineal?
A(αx+βy) = f (αx+βy)z = [αf (x)+βf (y)]z = α f (x)z +β f (y)z

| {z } | {z }
A(x) A(y)
2do) ¿A totalmente continuo? Consideremos A acotado ¿A(B) rela-

tivamente compacto? De acuerdo con el Teorema 5.1.2 debemos
probar que de cada sucesión en A(B) se puede extraer una sub-
sucesión convergente (en A(B)).
Sea
yn ∈ A(B) ⇒ ∃ xn ∈ B : yn = A(xn ) = f (xn )z

|{z}
acotada
Vamos a probar que {f (xn )} es una sucesión acotada de escalares
|f (xn )| ≤ kf k kxn k ≤ kf k M ∀n ∈ N
Por tanto,
∃xnk : f (xnk ) −→ λ ∈ K.
Consideremos {A(xnk )}, entonces podemos inferir sustituyendo en
(5.2.8):
A(xnk ) = f (xnk )z −→ λz.
Solución:
A continuo ≡ [B acotado ⇒ A(B) acotado].
Por tanto vamos a partir de que B es acotado en X, entonces
A(B) es relativamente compacto ⇒ A(B) es compacto6 .
Como
A(B) acotado7 ⇒ A(B) acotado8 .
6
Aplicando la definición de relativamente compacto.
7
Aplicando el Teorema 5.2.1.
8
Cualquier subconjunto de un conjunto acotado también está acotado.
154
5. Sea T ∈ σ(l2 ).
a) Si Tn es totalmente continuo para cada n,
Tn : X −→ Y,
donde Y es un espacio de Banach y

s
Tn −→ T.
Mostrar que no necesariamente T es totalmente continuo.

b) Demostrar que existe una sucesión
Tn ∈ L(l2 )(n ∈ N),
tal que
Tn −→ T
n→∞
y R(T ) es de dimensión finita para todos los n.

Solución al inciso a) Sea
X = Y = l2 ; x = (x1 , x2 , ..., xn , ...) ; Tn x = (x1 , x2 , ..., xn , 0, 0, ...).
Entonces Tn es lineal, continuo, dim R(Tn ) = n, luego Tn es total-

mente continuo. Pero
s
Tn −→ I,
y sabemos que I no es totalmente continuo.
Solución al inciso b) Sean
T x = (y1 , y2 , ...) y Tn x = (y1 , ..., yn , 0, 0, ...),
luego dim R(Tn ) = n. Probemos que kTn − T k −→ 0.

n→∞
kTn − T k = sup k(0, ..., 0, yn+1 , yn+2 , ...)k

kxk=1 | {z }
n
" ∞
# 12
X
= sup |yk |2 −→ 0.
kxk=1 n→∞
k=n+1
155
Solución:
Def.
A ∈ σ(X, Y ) ⇔ [B acotado de X
⇒ A(B) relativamente compacto en Y ]
Considerando como caso particular de conjunto acotado la bola uni-

taria, se tiene que
A ∈ σ(X, Y ) ⇒ [B bola unitaria de X

⇒ A(B) relativamente compacto en Y ]
Recı́procamente supongamos que B es un conjunto acotado. Entonces

existe r > 0 tal que B ⊂ {x ∈ X : kxk ≤ r}. Se tiene que
| {z }
Sr
A(B) ⊂ A(Sr ) ⇒ A(B) ⊂ A(Sr )
Es suficiente probar que A(Sr ) es relativamente compacto y aplicar que

un subconjunto cerrado de un compacto también lo es. Probemos que
de cada sucesión de A(Sr ) se puede extraer una subsucesión conver-
gente en A(Sr ).
Sea
yn ∈ A(Sr ) ⇒ ∃xn ∈ Sr : yn = Axn , kxn k ≤ r ⇒k xn /r k≤ 1

|{z}
zn
Por la hipótesis de Azn se puede extraer una subsucesión convergente

a z. Como xnk = rznk y A es lineal:
Axnk = rAznk −→ rz
Solución:
156
1ro.) Sea C acotado en X.
{xn } ⊂ C.
(1) (1)
A compacto ⇒ ∃{xn } ⊂ {xn } : A(xn ) −→ y;
(2) (1) (2)
B compacto ⇒ ∃{xn } ⊂ {xn } : B(xn ) −→ z,
(2) (2) (1)
Consideremos (A + B)(xn ) = A(xn ) + B(xn ) −→ y + z,
luego A, B ∈ σ(X, Y ) ⇒ A + B ∈ σ(X, Y ).
Análogamente se prueba que A ∈ σ(X, Y ) y λ escalar ⇒ λA ∈

σ(X, Y ).
2do.) σ(X, Y ) cerrado.
Sea A ∈ σ(X, Y ).
∃An ∈ σ(X, Y ) : An −→ A en L(X, Y ).

n→∞
Consideremos C acotado en X y {xn } ⊂ C. Entonces ∃L > 0

tal que kxn k ≤ L. Veamos si {Axn } contiene una subsucesión
convergente,
(1) (1)
para A1 existe {xn } ⊂ {xn } tal que {A1 (xn )} es convergente;
(2) (1) (2)
para A2 existe {xn } ⊂ {xn } ⊂ {xn } tal que {A2 (xn )} es con-
vergente y ası́ sucesivamente.
(n) (n)
Construyamos la sucesión diagonal {xn } y probemos que {A(xn )}
converge. Como Y es de Banach es suficiente probar que es fun-
damental. Para ² > 0, existen n, m, k suficientemente grandes de
157
modo que:
° ° ° ° ° °
°A(xn(n) ) − A(x(m)
m )
° ≤ °A(x(n) (n) ° ° (n)
n ) − Ak (xn ) + Ak (xn ) − Ak (xm )
(m) °
° °
+ °Ak (x(m)
m ) − A(xm )
(m) °
° ° ° °
≤ kA − Ak k °x(n)
n
° + °Ak (x(n) (m) °
n ) − Ak (xm )
| {z } | {z } | {z }
<² ≤L <²
° °
+ kAk − Ak °(x(m)
m )
°
| {z } | {z }
<² ≤L
(n)
∴ {Ak (xn )} converge.
Solución:
1ro) Supongamos que A es totalmente continuo.
C acotado ⇒ A(C) relativamente compacto ≡ A(C) compacto9 .
Entonces,
B(A(C)) compacto en Z 10 ,
luego es cerrado.
B(A(C)) ⊂ B(A(C)) ⇒ B(A(C)) ⊂ B(A(C))11 .
Entonces B(A(C)) es compacto, por ser un subconjunto cerrado

de un conjunto compacto.
2do) Supongamos ahora que B es totalmente continuo.
C acotado
A continuo ⇒ A(C) acotado

⇒ B(A(C)) relativamente compacto
⇒ BA totalmente continuo.
10
Por ser la imagen continua de un compacto.
11
Por la caracterización de clausura de un conjunto.
158
Consecuencia
• Si X = l2 , entonces un operador A totalmente continuo no puede

tener inverso acotado. Si existiera A−1 acotado se tuviera:
|{z} A−1 = I ⇒ I
A |{z} totalmente continuo,
Tot. cont. acot.
esto es imposible porque la bola unitaria cerrada se transforma en

sı́ misma y ésta no es compacta según se ha visto.
Solución:
1ro) Vamos a probar que

w
Axn −→ Ax0 .
Sea g ∈ Y 0 y definamos
f (z) = g(Az),
es decir f = g ◦ A. entonces f es lineal, continuo porque A es

totalmente continuo y por tanto
w
xn −→ x0 ⇒ f (xn ) −→ f (x0 )
⇒ g(Axn ) −→ g(Ax0 ) ∀g ∈ Y 0
w
∴ Axn −→ Ax0 .
2do) Vamos a probar que
Axn −→ Ax0 .
Supongamos lo contrario. Entonces ∃η > 0 tal que {Axn } contiene

una subsucesión {Axnk } que cumple
kAxnk − Ax0 k ≥ η.
Como {Axnk } converge débilmente (porque {xn } converge débil-

mente), ella ©está acotada,
ª luego {Axnk } contiene a su vez una
subsucesión Axnk convergente a y ∈ Y 0 (por ser A totalmente
0
159
continuo).
Entonces también
w
Ax0nk −→ y.
Pero
w w
Axn −→ Ax0 ⇒ Ax0nk −→ Ax0 .
Por la unicidad del lı́mite débil, y = Ax0 , de donde se tendrı́a que
° 0 °
°Axn − y ° ≥ η ¡Absurdo!
k
Esto contradice el hecho de que Ax0nk converge a y.
10. Probar que:

Z b
(A1 x)(s) = k(s, t)x(t) dt x ∈ C[a, b].
a
es totalmente continuo si k(s, t) es continua sobre [a, b] × [a, b].
Solución:
A1 : C[a, b] −→ C[a, b] es lineal.
Sea C un conjunto acotado y consideremos {xn } ⊂ C. Formemos

{T xn } ⊂ C[a, b] y probemos que es equiacotado y equicontinuo para
utilizar el teorema 5.2.3.
1ro) Equiacotado:
¯Z b ¯ Z b
¯ ¯
kA1 xn k = max ¯¯ k(s, t)xn (t) dt¯¯ ≤ kxn k |k(s, t)| dt
S∈[a,b] a a
{xn } acotada y k(s, t) continua sobre un compacto implican que

existen c > 0 y M > 0 tales que
kxn k ≤ c ∀n y |k(s, t)| ≤ M ∀s, t ∈ [a, b]

∴ kA1 xn k ≤ c M (b − a).
160
2do) Equicontinuo:
¯Z b ¯
¯ ¯
|(A1 xn )(s1 ) − (A1 xn )(s2 )| = ¯¯ [k(s1 , t) − k(s2 , t)] xn (t) dt¯¯
a
Z b
≤ |k(s1 , t) − k(s2 , t)| |xn (t)| dt
a
Z b
≤ c |k(s1 , t) − k(s2 , t)| dt.
a
Como k es continua sobre un compacto, entonces k es uniforme-

mente continua. Luego, ∀² > 0 ∃δ > 0 tal que si
|s1 − s2 | < δ ⇒ ∀t ∈ [a, b] |k(s1 , t) − k(s2 , t)| < ².
∴ |(A1 xn )(s1 ) − (A1 xn )(s2 )| ≤ c ² (b − a) para |s1 − s2 | < δ.
5.3 Ejercicios resueltos aplicados a la resolu-

ción de ecuaciones integrales
1. Sea T : C[a, b] −→ C[a, b] definido por
Z t
(T x)(t) = v(t) + µ K(t, s) x(s) ds
a
Probar por inducción que:

¯ m+1 ¯ (t − a)m+1
¯(T (x))(t) − (T m+1 ¯
(y))(t) ≤ |µ| m+1
M m+1
d(x, y) m = 0, 1, 2, ...
(m + 1)!
donde se supone que K(t, s) ∈ (C[a, b] × [a, b]).
Solución:
Probemos la propiedad para m = 0,

¯ Z t Z t ¯
¯ ¯
|(T (x))(t) − (T (y))(t)| = ¯¯6 v(t) + µ K(t, s) x(s) ds− 6 v(t) − µ K(t, s) y(s) ds¯¯ ,
a a
por la linealidad de la integral tenemos entonces que

¯Z t ¯
¯ ¯
|(T (x))(t) − (T (y))(t)| = |µ| ¯ K(t, s)[x(s) − y(s)] ds¯¯ .
¯
a
161
Como K es continua sobre un compacto, existe M > 0 tal que
|K(t, s)| ≤ M ∀(t, s) ∈ [a, b] × [a, b].
Si
d(x, y) = max |x(s) − y(s)| ,
s∈[a,b]
se obtiene la acotación siguiente:
|(T (x))(t) − (T (y))(t)| ≤ |µ| M d(x, y) (t − a).
Sea la hipótesis de inducción:
m m
(t − a)m
m m
|(T (x))(t) − (T (y))(t)| ≤ |µ| M d(x, y)
m!
Demostración de la tesis:
¯ m+1 ¯
¯(T (x))(t) − (T m+1 (y))(t)¯ = |(T m (x))(t) − (T m (y))(t)|
Por la definición de T , tenemos:

¯ Z t Z t ¯
¯ ¯
¯6 v(t) + µ K(t, s)(T m
(x))(s) ds− 6 v(t) − µ K(t, s)(T m
(y))(s) ds¯
¯ ¯
a a
¯Z t ¯
¯ ¯
= |µ| ¯¯ K(t, s)[(T m (x))(s) − (T m (y))(s)] ds¯¯
a
Por propiedades de la integral tenemos,

Z t
≤ |µ| |K(t, s)| |(T m (x))(s) − (T m (y))(s)| ds
a
Z t
≤ |µ| M |(T m (x))(s) − (T m (y))(s)| ds Por hipótesis sobre K
a
m Z t
m M
≤ |µ| M |µ| d(x, y) (s − a)m ds Por la hipótesis de inducción
m!
|a {z }
m+1
(t − a)
m+1
1
= |µ|m+1 M m+1 d(x, y)(t − a)m+1
(m + 1)!
162
2. Resolver por iteración, eligiendo x0 = v y suponiendo que |µ| < 1 la
ecuación: Z 1
x(t) − µ et−s x(s) ds = v(t)
0
Solución:
De acuerdo a la notación del ejercicio 1, se quiere resolver la ecuación

Z 1
(T x)(t) = v(t) + µ et−s x(s) ds = x(t),
0
donde K(t, s) = et−s . El proceso iterativo está dado por
xn+1 = T xn n = 0, 1, 2, ...
Para n = 0 la primera iteración es:

Z 1
x1 (t) = v(t) + µ et−s x0 (s) ds
0 | {z }
v(s)
Z 1
= v(t) + µ et e−t v(s) ds
|0 {z }
K0
Para n = 1 la segunda iteración es:

Z 1
x2 (t) = v(t) + µ et−s x1 (s) ds
0
Z 1
t
= v(t) + µe e−s (v(s) + µ es K0 ) ds
0
= v(t) + µet (K0 + µ K0 ) = v(t) + µ K0 et (1 + µ)
Probemos por inducción que:
xn+1 (t) = v(t) + µ et K0 (1 + µ + µ2 + ... + µn )
Para n = 1 ya está probado.
La hipótesis de inducción es:
xn (t) = v(t) + µ et K0 (1 + µ + ... + µn−1 )
163
La tesis de inducción resulta:
Z 1
xn+1 (t) = 12
v(t) + µ et−s xn (s) ds
0
Sustituyendo en la hipótesis de inducción y efectuando:

Z 1
t
xn+1 (t) = v(t) + µ e e−s v(s) + µ es K0 (1 + µ + ... + µn−1 ) ds
Z0 1
= v(t) + µ et K0 + µ K0 (1 + µ + ... + µn−1 ) ds
Z0 1
= v(t) + µ et K0 (1 + µ(1 + µ + ... + µn−1 )) ds
0
= v(t) + µ et K0 (1 + µ + µ2 + ... + µn )
Como |µ| < 1, la solución buscada es
1
x(t) = lim xn (t) = v(t) + µ et K0
n→∞ 1−µ
3. Definir el operador S : C[a, b] −→ C[a, b] de la manera siguiente:

Z b
(S(x))(t) = K(s, t) x(s) ds
a
y hacer zn = xn − xn−1 , n ≥ 1.
3.1) Probar que la fórmula del proceso relativo conduce a
zn+1 = µ S(zn ) n ≥ 1. (5.3.1)
3.2) Eligiendo x0 = v, probar el desarrollo de Neumann
x = lim xn (t) = v(t) + µ S(v) + µ2 S 2 (v) + µ3 S 3 (v) + ... (5.3.2)

n→∞
Solución al inciso 3.1)

Def.
zn+1 (t) = xn+1 (t) − xn (t)
= 6 v(t) + µ S(xn )(t)− 6 v(t) − µ S(xn−1 )(t) n ≥ 1
12
Definición de la iteración
164
Como S es lineal
zn+1 (t) = µ S (xn − xn−1 )(t) ⇒ zn+1 = µ S(zn )

| {z }
zn

z z
z }|1 { z }|n {
x = lim xn = lim [ x0 + (x1 − x0 ) + (x2 − x1 ) +...+ (xn − xn−1 )]
n→∞ n→∞ |{z} | {z }
v z2
Obtengamos los sumandos a partir del segundo en el orden señal-

ado:
v(t) x1 (t)
Def.
z }| { z }| {
z1 (t) = x1 (t) − x0 (t) = 6 v(t) + µ S( x0 )(t) − 6 v(t)
|{z}
v
⇒ z1 = µ S(v)
Por (5.3.1)
z2 = µ S(z1 ) = µ S(µ S(v)) S lineal
⇒ µ2 S 2 (v)
Tomando como hipótesis de inducción zn = µn S n (v) y sustituyen-

do en el caso (n + 1)−ésimo con n ≥ 1:
zn+1 = µ S(zn ) = µ S(µn S n (v)) S lineal

= µn+1 S n+1 (v)
Sustituyendo
x = lim xn = lim [v + µ S(v) + µ2 S 2 (v) + ... + µn S n (v)]

n→∞ n→∞
= v + µ S(v) + µ2 S 2 (v) + ...
R1
4. Resolver x(t) − µ 0
x(s) ds = 1 aplicando el desarrollo de Neumann.
Solución:
Para este caso:

K(t, s) ≡ 1; v(t) ≡ 1
165
Sustituyendo en la ecuación (5.3.2)
x = 1 + µ S(1) + µ2 S 2 (1) + ... + µn S n (1) + ... (5.3.3)
Se obtiene
Z 1
1
z}|{
S(1) = K(s, t) v(s) ds = 1
0 | {z }
1
Z 1
1
z }| {
S 2 (1) = K(s, t) (S(1))(s) ds = 1, etc.
0 | {z }
1
Sustituyendo en (5.3.3),
x = 1 + µ + µ2 + ... + µn + ...
1
Nota: Para |µ| < 1, se tiene que x = .
1−µ
5. Obtener la serie de Neumann sustituyendo en la ecuación integral
Z b
v(t) = x(t) − µ K(t, s) x(s) ds
a
la siguiente serie (supuesta uniformemente convergente).
x(t) = v0 (t) + µ v1 (t) + µ2 v2 (t) + ...
Solución:
v(t) = (v0 (t) + µ v1 (t) + µ2 v2 (t) + ...)

Z b
−µ K(s, t)(v0 (s) + µ v1 (s) + µ2 v2 (s) + ...) ds.
a
Integrando término a término
v(t) = (v0 (t) + µ v1 (t) + µ2 v2 (t) + ...)

Z b Z b
2
−µ K(s, t)v0 (s) ds − µ K(s, t) v1 (s) ds
a a
Z b
3
−µ K(s, t) v2 (s) + ...) ds − ...
a
166
Agrupando
µ Z b ¶
v(t) = v0 (t) + µ v1 (t) − µ K(s, t)v0 (s) ds
a
µ Z b ¶
2
+µ v2 (t) − K(s, t)v1 (s) ds
a
µ Z b ¶
3
+µ v3 (t) − K(s, t)v2 (s) ds + ...
a
Comparando los coeficientes podemos observar que:

Z b
v0 (t) = v(t); vn (t) − µ K(s, t)vn−1 (s) ds = 0 n ≥ 1.
a
5.1) Si |v(t)| ≤ c0 y |K(t, s)| ≤ M probar que:
|vn (t)| ≤ c0 [M (b − a)]n
5.2) Determinar una condición suficiente para que la serie sea uni-
formemente convergente.
5.3) Probar que la serie de Neumann puede escribirse:
Z b
x(t) = v(t) + µ K̃(t, s, µ) v(s) ds
a
donde n
X
K̃(t, s, µ) = µj Kj+1 (t, s),
j=0
siendo
Z b Z b
Kn (t, s) = ... K(t, t1 )K(t1 , t2 )...K(tn−1 , s) dt1 ...dtn−1
a a

Z b
|v1 (t)| ≤ |K(t, s)| | v0 (s) | ds ≤ 13 M c0 (b − a)
a | {z }
v(s)
13
Por hipótesis y aplicando propiedades de la integral.
167
De manera análoga
Z b
|v2 (t)| ≤ |K(t, s)| |v1 (s)| ds ≤ M (M c0 (b−a))(b−a) = M 2 c0 (b−a)2 .
a
Por inducción
|vn+1 (t)| ≤ M (M n c0 (b − a)n )(b − a) = M n+1 c0 (b − a)n+1 .
Solución al inciso 5.2) Como el término general de la serie
x(t) = v0 (t) + µ1 v1 (t) + µ2 v2 (t) + ...
es µn vn (t), podemos acotarlo ası́

1
|µn vn (t)| = |µ|n |vn (t)| ≤ 14 |µ|n M n (b − a) c0n
Vamos a aplicar el criterio de la raı́z n−ésima a la serie cuyo

término general está dado por el miembro derecho de la desigual-
dad anterior
pn
1
|µ| c0 M n (b − a)n = |µ| M (b − a) c0n
1
⇒ lim |µ| M (b − a) c0n = |µ| M (b − a).
n→∞
Si |µ| M (b − a) < 1 entonces

∞
X
|µ|n M n (b − a)n c0 < +∞,
n=0
luego,
∞
X
µ n vn
n=0
es absolutamente convergente si
1
|µ| < .
M (b − a)
14
Por el inciso 5.1.
168
Solución al inciso 5.3) Por convenio K1 ≡ K. Se tiene que
x = v + µS(v) + µ2 S 2 (v) + µ3 S 3 (v) + ...

Z b zK1}|
(t,s)
{
x(t) = v(t) + µ K(t, s) v(s) ds
|a {z }
S(v)
Z b
+µ2 K(t, t1 )(S(v))(t1 ) dt1 +...
a
| {z }
S 2 (v)
Sustituyendo
Z b ·Z b ¸
2
S (v) = K(t, t1 ) K(t1 , s)v(s) ds dt1
a a
Z b ·Z b ¸
= K(t, t1 )K(t1 , s) dt1 v(s) ds.
a a
| {z }
K2 (t,s)
Análogamente:
Z b
3
S (v) = K(t, t2 )S 2 (v)(s) ds
a
Z b ·Z b Z b ¸
= K(t, t2 ) K(t2 , t1 )K(t1 , s)v(s) dt1 ds dt2
a a a
Z b ·Z b Z b ¸
= K(t, t2 )K(t2 , t1 )K(t1 , s) dt2 dt1 v(s) ds
a a a
| {z }
K3 (t,s)
Y ası́, de la misma manera, se obtienen los demás términos de la

serie.
6. Probar que los núcleos iterados satisfacen la condición:

Z b
Kn (s, t) = Kn−1 (s, u)K(u, t) du
a
169
Solución:
De acuerdo con la expresión dada en el enunciado del inciso 5.3

Z b Z b
Kn+1 (s, t) = ... K(s, t1 )K(t1 , t2 )...K(tn−1 , tn )K(tn , t)dt1 ...dtn−1 dtn
a a
Aplicando el método de Fubini, podemos transformar la expresión an-

terior
Z b ·Z b Z b ¸
... K(s, t1 )...K(tn−1 , tn ) dt1 ...dtn−1 K(tn , t)dtn
a a a
| {z }
K(s,tn )
Luego, Z b
Kn+1 (s, t) = Kn (s, tn )K(tn , t) dtn
a
7. Hallar los núcleos iterados correspondientes a K(s, t) = t es con a = 0

y b = 1.
Solución:
K1 (s, t) ≡ K(s, t)
Z 1 Z 1
s
K2 (s, t) = K1 (s, t1 ) K(t1 , t) dt1 = t e t1 et1 dt1
0 | {z } | {z } 0
t1 es t et1
Integrando por partes obtenemos que,

Z 1
t1 et1 dt1 = 1 ⇒ K2 (s, t) = K1 (s, t) = t es .
0
De manera análoga se llega a probar que
Kn (s, t) = t es ∀n ≥ 1
8. Dada la ecuación integral

Z 1
x(s) − µ t s x(t) dt = v(s)
0
170
determinar K̃(s, t, µ).
Solución:
De acuerdo con el inciso 5.3

∞
X
K̃(s, t, µ) = µj Kj+1 (s, t)
j=0
= K1 (s, t) + µK2 (s, t) + µ2 K3 (s, t) + ...

K1 (s, t) = s t
Z 1 Z 1
K2 (s, t) = K1 (s, u)K(u, t) du = u s t u du
0 0
1
= st
3 Ã !
Z 1 Z 1
1
K3 (s, t) = K2 (s, u)K(u, t) du = st t u du
0 0 3
1
= st
32
Análogamente
Ã !n
1
Kn+1 (s, t) = st
3
Ã !0
1 1 1 1
∴ K̃(s, t, µ) = µ s t + s t µ + 2 s t µ2 + ... + n s t µn + ...
3 3 3 3
∞
Ã !n
X 1
= st µ
n=0
3
Que resulta convergente si |µ| < 3.
9. Calcular Kn (s, t) si el núcleo de la ecuación de Fredholm es:
K(s, t) = sin(t − 2s) 0 ≤ t, s ≤ 2π.
171
Solución:
Sustituyendo K(s, t) y K1 (s, u) ≡ K(s, u) en la fórmula dada en el

inciso 5.3 tenemos:
Z 2π
K2 (s, t) = sin(s − 2u) sin(u − 2t) du
0
aplicando identidades trigonométricas tenemos,

Z 2π Z 2π
1 1
cos(s − 3u + 2t) du − cos(s − u − 2t) du
2 0 2 0
luego integrando,
11 ¯2π 1 ¯2π
K2 (s, t) = − sin(s − 3u + 2t)¯u=0 − (−1) sin(s − u − 2t)¯u=0
23 2
1 1
= − (0) + (0) = 0
6 2
∴ Kn (s, t) = 0 n ≥ 2.
10. Resolver la ecuación de Fredholm donde a = 0, b = 2π y

N
X
K(t, s) = an sin nt cos ns
n=1
Solución:
Utilizando el desarrollo de Neumann

Z 2π
x(t) = v(t) + µ K(t, s)v(s)ds
0
| {z }
S(v)
ya que por la fórmula del ejercicio 7

Z 2π
K2 (t, s) = K(t, t1 )v(t1 , s) dt1 = 0,
0
172
y también K3 = 0, ... Efectuando por ejercicio
Z 2π ÃX N
!Ã N
X
!
K2 (t, s) = an sin nt cos nt1 aj sin jt1 cos js dt1
0 n=1 j=1
N Z 2π
N X
X
= (an sin nt cos nt1 aj sin jt1 cos js) dt1
n=1 j=1 0
N X
X N Z 2π
= an aj sin nt cos js cos nt1 sin jt1 dt1 .
n=1 j=1 0
Donde Z 2π
cos nt1 sin jt1 dt1 = 015
0
11. Supongamos que

n
X
K(s, t) = aj (s)bj (t),
j=1
donde aj , bj son funciones linealmente independientes. Si la ecuación

de Fredholm tiene solución, probar que tiene la forma:
n
X
x(s) = v(s) + µ cj aj (s) (5.3.4)
j=1
donde Z b
cj = bj (t)x(t) dt
a
y las incógnitas satisfacen:
n
X Z b
cj − µ ajk ck = vj siendo ajk = bk (t) aj (t) dt
j=1 a
Z b
vj = bj (t) v(t) dt.
a
15
Aplicando identidades trigonométricas.
173
Solución:
Obtengamos la expresión para S(x)

Z b Z b ÃX !
S(x)(s) = K(s, t)x(t) dt = aj (s) bj (t) x(t) dt
a a j
X µZ b ¶
= aj (s) bj (t)x(t) dt ∈ L(a1 , ..., an )
a
j | {z }
cj
Sustituyendo en la ecuación (5.3.4) escrita en términos de S(x) obte-

nemos
X
x(s) = v(s) + µ(S(x))(s) = v(s) + µ ci ai (s) (5.3.5)
i
Sustituyendo el núcleo y la solución en la ecuación (5.3.4) obtenemos:

Z b ÃX n
!Ã
X
!
x(s) = v(s) + µ ai (s)bi (t) v(t) + µ cj aj (t) dt
a i=1 j
XZ b
= v(s) + µ ai (s)bi (t)v(t) dt
i a
XX Z b
2
+µ cj ai (s) bi (t)aj (t) dt
i j |a {z }
aji
reescribiendo la última expresión

XZ b X X
v(s) + µ ai (s)bi (t)v(t) dt + µ2 ai (s) cj aji (5.3.6)
i a i j
Igualando ahora las ecuaciones (5.3.5) y (5.3.6)

X XZ b X X
ci ai (s) = ai (s)bi (t)v(t) dt + µ ai (s) cj aji
i i a i j
luego, X
∀i ci = vi + µ cj aji
j
174
podemos escribir el sistema de la forma:
X
vi = ci − µ ci aii − µ cj aji
j6=i
X
= ci (1 − µ aii ) − µ cj aji
j6=i
De este sistema podemos obtener las expresiones de los ci i = 1, ..., n.
12. Resolver Z 1
x(s) = µ t2 (5s2 − 3)x(t) dt + es
0
Solución:
Como podemos apreciar tenemos un caso particular del ejercicio an-

terior, veamos que:
a1 (s)
Z 1 z }| {
2 2 s
x(s) = µ |{z} (5s − 3) x(t) dt + e ,
t n = 1, v(s) = es
0
b1 (t)
Evaluemos la expresión
Z t2
1 z}|{
1 − µ a11 = 1 − µ a1 (t) b1 (t) dt = 1 − µ(1 − 1) = 1
0 | {z }
5t2 −3
Luego hay solución única ∀µ : x(s) = es + µ c1 a1 (s), de acuerdo con

el ejercicio 12 donde
Z et
1 z}|{
(1 − µ a11 ) c1 = v1 = b1 (t) v(t) dt = 16 e − 2
| {z } 0 |{z}
=1 t2
finalizando
x(s) = es + µ(e − 2)(5s2 − 3).
16
Integrando por partes
175
13. Determinar los valores de µ para los cuales la ecuación:
Z 1
x(s) = µ (t2 s + ts2 )x(t) dt + v(s)
0
tiene solución.
Solución:
Aquı́:
a2 (s)
z}|{ z}|{a1 (s)
2
K(s, t) = |{z}
t t s2
s + |{z}
b1 (t) b2 (t)
La forma de la solución es:

n
X
x(s) = v(s) + µ cj aj (s)
j=1
= v(s) + µ(c1 s + c2 s2 )
Debemos resolver el sistema:
(1 − µ a11 ) c1 − µ a12 c2 = v1 ,
−µ a21 c1 + (1 − µ a22 ) c2 = v2 ;
donde
Z 1
t
z }| { 1
a11 = b1 (t) a1 (t) dt =
0 |{z} 4
t2
Z t2
1 z }| { 1
a22 = b2 (t) a2 (t) dt =
0 |{z} 4
t
Z 1
t
z }| { 1
a12 = b2 (t) a1 (t) dt =
0 |{z} 3
t
Z t2
1 z }| { 1
a21 = b1 (t) a2 (t) dt =
0 |{z} 5
t2
176
 
1 1 Ã !2 Ã !Ã !
 1 − µ − µ 1 1 1
det  4 3   = 1− µ − − µ − µ
1 1 4 3 5
− µ 1− µ
5 4
µ µ2 240 − 120µ − µ2
= 1− − = .
2 240 240
Resolvamos:
√
∆(µ) = 0 ⇒ 240 − 120µ − µ2 = 0 ⇒ µ = −60 ± 16 15
√
Luego, hay solución única ∀µ 6= −60 ± 16 15.
R1
14. Considerar x(s) − µ 0 (s + t)x(t) dt = v(s)
15.1 Resolver suponiendo que µ2 + 12µ − 12 6= 0.
15.2 Hallar los valores propios.
Solución al inciso 15.1
a1 (s) = s b1 (t) = 1
a2 (s) = 1 b2 (t) = t
Hallemos los términos a11 , a22 , a12 , a21 ,
Z 1
t
z }| { 1
a11 = b1 (t) a1 (t) dt = = a22
0 |{z} 2
1
Z 1
t
z }| { 1
a12 = b2 (t) a1 (t) dt =
0 |{z} 3
t
Z 1
1
z }| {
a21 = b1 (t) a2 (t) dt = 1
0 |{z}
1
 
1 1 Ã !2 Ã !
1 − 2 µ − 3 µ  1 1
det   = 1 − µ − − µ (−µ)
1 2 3
−µ 1− µ
2
µ2 µ2 + 12µ − 12
= 1−µ− = (−1).
12 12
177
Solución al inciso 15.2
√
µ2 + 12µ − 12 = 0 ⇒ µ1,2 = −6 ± 4 3.
15. Sabiendo que

Z Z
x
n
x
(x − t)n−1
u(t)dt = u(t) dt, (5.3.7)
0 0 (n − 1)!
obtener la ecuación integral correspondiente al problema de Cauchy:
y 00 + y = 0 y(0) = 0 y 0 (0) = 1. (5.3.8)
Solución:
Para la resolución de este ejercicio proponemos un procedimiento que

se puede utilizar en casos similares para resolver este tipo de problemas.
Procedimiento 7
(P1) Hagamos: u(x) = y 00 .

Rx
(P2) Integremos: y 0 = 0 u(t) dt + c1 .
(P3) Hallemos c1 : y 0 (0) = 0 + c1 ⇒ c1 = 1.
|{z}
=1
Ahora podemos expresar

Z x
0
y = u(t) dt + 1.
0
(P4) Integrando Z x
y= u(t) dt2 + x + c2
0
por (5.3.7), para n = 2
Z x
(x − t)1
u(t) dt + x + c2
0 1
c2 = y(0) = 0 por la condición inicial.
Z x
∴ y= (x − t) u(t) dt + x.
0
178
(P5) Sustituyendo en la ecuación diferencial (5.3.8)
Z x
u(x) + (x − t) u(t) dt + x = 0
|{z} 0
y 00
(P6) Arreglando los términos convenientemente

Z x
u(x) − (t − x) u(t) dt = −x.
0 | {z }
K(x,t)
5.4 Ejemplos Propuestos

1. Probar que la proyección de un espacio de Hilbert sobre un subespacio
finito-dimensional es totalmente continuo.
2. Probar que A : l2 −→ l2 definido por
Ã !
x1 x2 x3 xn
A(x1 , x2 , x3 , ..., xn , ...) = , , , ..., n , ...
2 4 8 2
es totalmente continuo.
3. Haciendo y 000 = u(x), probar que si
d3 y d2 y dy
− 3 − 6 + 5y = 0
dx3 dx2 dx
entonces Z x
(x − t)2 x2
y= u(t) dt + c1 + c2 x + c3
0 2! 2
y además:
Ã !
5 2
u(x) = − x − 6x + 3 c1 − (5x − 6)c2 − 5c3
2
Z x" #
5 2
+ 3 + (x − t) − (x − t) u(t) dt.
0 2
(Sugerencia: Analizar el ejercicio resuelto 15)
179
Capı́tulo 6
Operadores autoconjugados.
Teorı́a espectral
El estudio del operador A − λI cuando A es un operador lineal y λ un escalar

está asociado a la resolución de algunos tipos de ecuaciones integrales. Por
tanto, interesa saber para qué valores de λ el inverso de A − λI existe y es
continuo.
Las caracterı́sticas del comportamiento de dicho operador inverso en depen-

dencia de la clasificación de los valores de λ constituyen el objeto central del
estudio de la teorı́a espectral.
6.1 Operadores autoconjugados

Sea H un espacio de Hilbert complejo. El operador A ∈ L(H) se denomina
autoconjugado si Ã∗ = A, es decir, para todos los x, y ∈ H se cumple la
igualdad (Ax | y) = (x | Ay). El conjunto de todos los operadores auto-
conjugados de L(H) se denota mediante δ(H). (Ejercicios resueltos 1, 2 y
3)
Teorema 6.1.1 Si A, B ∈ δ(H), α, β ∈ R entonces αA + βB ∈ δ(H).
Teorema 6.1.2 Sean A, B ∈ δ(H). El operador AB es autoconjugado si y

sólo si AB = BA.
180
Teorema 6.1.3 Si A ∈ δ(H), kAk = supkxk≤1 |(Ax | x)|.
Un operador A ∈ δ(H) se denomina no negativo y se designa por A ≥ 0 si

(Ax | x) ≥ 0 para cualquier x ∈ H. Para los operadores A, B ∈ δ(H) la
notación A ≥ B o B ≤ A significa que A − B ≥ 0. (Ejercicios resueltos 6, 7
y 8)
Teorema 6.1.4 Sea P un operador de proyección en un espacio de Hilbert

H sobre un subespacio M . Entonces:
a) P ∈ L(H) además, kP k = 1 si M 6= 0;
b) P 2 = P ;
c) P ∈ δ(H);
d) P ≥ 0;
e) x ∈ M si y sólo si kP xk = kxk;
f ) (P x | x) ≤ kxk2 para cualquier x ∈ H.
Teorema 6.1.5 Sea A ∈ δ(H), A2 = A. Entonces A es el proyector sobre

un subespacio M ⊂ H.
Si T ∈ δ(H) y T ≥ 0, entonces T 2 ≥ 0 ya que
(T 2 x | x) = (T x | T x) ≥ 0.
En el siguiente teorema se plantea una respuesta para el problema recı́proco.
Teorema 6.1.6 Para cada operador no √ negativo A ∈ δ(H) existe

√ un opera-
2
dor
√ único, denominado
√ raı́z cuadrada, A ∈ δ(H) tal que ( A) = A y
A ≥ 0. Además A es conmutable con un operador C ∈ L(H) si y sólo si
C es conmutable con A.
181
1. Sea T un operador sobre un espacio de Hilbert H. Probar que
T es autoconjugado ⇔ (T x | x) ∈ R ∀x ∈ H.
Solución:
Supongamos que T = T̃ ∗ . Entonces:

(T x | x) = (x | T x) = (T x | x) ⇒ (T x | x) ∈ R.
Recı́procamente, vamos a aplicar el resultado del ejercicio propuesto 1,
que establece que
((T − T̃ ∗ )x | x) = 0 ∀x ∈ H ⇒ T = T̃ ∗
((T − T̃ ∗ )x | x) = (T x − T̃ ∗ x | x)
= (T x | x) − (T̃ ∗ x | x)
∗
= (T x | x) − (x | (g T̃ ∗ ) x)
| {z }
| {zT }
∈ R
= (T x | x) − (T x | x) = 0.
2. Si A1 , A2 son autoadjuntos, definamos

A1 ≤ A2 si (A1 x | x) ≤ (A2 x | x) ∀x ∈ H.
Probar que
A1 ≤ A2 ∧ A2 ≤ A1 ⇒ A1 = A2 .
Solución:
A1 ≤ A2 ⇒ (A1 x | x) ≤ (A2 x | x) ∀x ∈ H
⇒ ((A1 − A2 )x | x) ≤ 0 ∀x ∈ H.
A2 ≤ A1 ⇒ (A2 x | x) ≤ (A1 x | x) ∀x ∈ H
⇒ ((A2 − A1 )x | x) ≤ 0 ∀x ∈ H
⇒ ((A1 − A2 )x | x) ≥ 0 ∀x ∈ H
∴ ((A1 − A2 )x | x) = 0 ∀x ∈ H.
Por el ejercicio propuesto 1, A1 − A2 = 0, es decir A1 = A2 .
182
3. Probar que para un operador cualquiera T , T̃ ∗ T y T T̃ ∗ son autoconju-
gados.
Solución:
∗
¶ µ
∗
(T x | x) = (x | T̃ x) = f̃
(T̃ ∗ x∗
| x) = x | T x
µ ∗ ¶ µµ ∗ ¶ ¶
= f̃∗
T x|x ⇒ f̃
∗
T −T x|x =0
f̃∗ ∗ = T.
⇒ T
Luego
(^
T̃ ∗ T ) = T̃ ∗ T.
4. Sean A ∈ δ(H), xn ∈ H(n ∈ N), xn −→ x. Demostrar que

n→∞
(Axn | xn ) −→ (Ax | x).

n→∞
¿Es sustancial que A ∈ δ(H)?
Solución
|(Axn | xn ) − (Ax | x)| = | (Axn | xn ) − (Ax | xn )

+(Ax | xn ) − (Ax | x) |
= |(Axn − Ax | xn ) + (Ax | xn − x)|
≤ |(Axn − Ax | xn )| + |(Ax | xn − x)|
≤ |(A(xn − x) | xn )| + |(Ax | xn − x)|
≤ kAk kxn − xk kxn k + kAk kxk kxn − xk .
| {z } acotada | {z }
→0 →0
Entonces
|(Axn | xn ) − (Ax | x)| −→ 0.
n→∞
No es sustancial que A ∈ δ(H) porque para llegar al resultado es sufi-

ciente que A ∈ L(H).
183
5. Demuestre el Teorema 6.1.1.
Solución
∀A, B ∈ δ(H)
(Ax | y) = (x | Ay) = (Ay | x)
(Bx | y) = (x | By) = (By | x)
Sumando ordenadamente y aplicando propiedades del producto inte-

rior,
((A + B)x | y) = (Ay | x) + (By | x) = ((A + B)y | x)

= (x | (A + B)y) ⇒ (A + B) ∈ δ(H)
∀α ∈ R
(αAx | y) = α(Ax | y) = α(x | Ay) = (x | αAy) ⇒ αA ∈ δ(H).
6. Demuestre el Teorema 6.1.2.
Solución
Supongamos que AB es autoconjugado
(ABx | y) = (x | ABy) = (Ax | By) = (BAx | y)

AB∈δ(H) A∈δ(H) B∈δ(H)
⇒ ((AB − BA)x | y) = 0 ∀y,
En particular para y = (AB − BA)x se tiene que
((AB − BA)x | (AB − BA)x) = 0 ⇒ k(AB − BA)xk = 0 ∀x
entonces, AB − BA = 0 ⇒ BA = AB.
Supongamos que AB = BA. Hay que probar que:
(ABx | y) = (x | ABy)
(ABx | y) = (Bx | Ay) = BA y)
(x | |{z}
A∈δ(H) B∈δ(H)
AB
(ABx | y) = (x | ABy)
184
7. Demostrar que el operador A : L2 [0, 1] −→ L2 [0, 1], Ax(t) = tx(t) es un
operador autoconjugado no negativo.
Solución
Primero probemos que A es autoconjugado:

Z 1 Z 1
(Ax | y) = (L) Ax(t)y(t)dt = (L) tx(t)y(t)dt = (x | Ay)
0 0
Veamos ahora que es no negativo:

Z 1 Z 1
(Ax | x) = (L) Ax(t)x(t)dt = (L) tx2 (t)dt ≥ 0 ∀x(t) ∈ L2 [0, 1]
0 0
8. Demostrar que A : l2 −→ l2 , Ax = (λ1 x1 , λ2 x2 , ...) para x = (x1 , x2 , ...) ∈

l2 donde λk ∈ R(k ∈ N), sup |λk | < ∞, es un operador autoconjugado.
k
¿Bajo qué condición para la sucesión λk , A es un operador autoconju-
gado no negativo?
Solución
Demostremos primero el hecho de que A es un operador autoconju-

gado,
X
(Ax | y) = ((λ1 x1 , λ2 x2 , ...) | (y1 , y2 , ...)) = λk xk yk
k
X
(x | Ay) = ((x1 , x2 , ...) | (λ1 y1 , λ2 y2 , ...)) = xk λk yk = (Ax | y)
k
Para que A sea no negativo debe cumplir que: (Ax | x) ≥ 0,

X
((λ1 x1 , λ2 x2 , ...) | (x1 , x2 , ...)) ∀x ∈ l2 ⇒ λk x2k ≥ 0 ∀x ∈ l2
k
en particular para
(0, ..., 0, 1, 0, ...) ∈ l2 ⇒ λk ≥ 0 (∀k ∈ N)

| {z }
k−1
185
9. Si T ≥ 0 probar que (I + T )−1 existe.
Solución:
Probemos que: (I + T )x = 0 ⇒ x = 0
(I + T )x = 0 ⇒ x + T x = 0 ⇒ T x = −x
⇒ (T x | x) = −(x | x) = − kxk2 ≤ 0.
Pero T ≥ 0 ⇒ (T x | x) ≥ 0
∴ kxk2 = 0 ⇒ x = 0.
10. Demuestre el Teorema 6.1.4
Solución
a) Veamos una demostración alternativa a la establecida en la ejercitación

del capı́tulo 3.
Teo. 6.1.3
kP k = sup |(P x | x)| = sup kxM k2 = 1, donde x = xM + xM ⊥ .
kxk≤1 kxk=1
|{z} |{z}
∈M ∈M ⊥
b)
P 2 x = P (P x) = xM = P x.
c)
(P x | x) = (xM | xM +xM ⊥ ) = kxM k2 = (xM +xM ⊥ | xM ) = (x | P x).
d)
(P x | x) = kxM k2 ≥ 0.
e)
(⇒) x ∈ M ⇒ P x = x ⇒ kP xk = kxk
q
(⇐) kP xk = kxk ⇒ kxM k2 + kxM ⊥ k2 = kxM k
| {z } | {z }
kxk kP xk
⇒ xM ⊥ = 0 ⇒ x ∈ M.
186
f)
(P x | x) = kxM k2 ≤ kxM k2 + kxM ⊥ k2 = kxk2 .
11. Sea T : l2 −→ l2 definido ası́: si
x = (x1 , x2 , ..., xn , ...),

xi ∈ R T x = (0, 0, x3 , x4 , ...).
√
Probar que T ∈ δ(l2 ), T ≥ 0 y hallar T .
Solución:
T es lineal, continuo.
Veamos que T = T̃ ∗ . Sea
y = (y1 , y2 , ...) yi ∈ R
(T x | y) = (0, 0, x3 , x4 , ...)(y1 , y2 , y3 , ...) = x3 y3 + x4 y4 + ...
(x | T y) = (x1 , x2 , x3 , ...)(0, 0, y3 , y4 , ...) = x3 y3 + x4 y4 + ...
∴ (T x | y) = (x | T y) ∀x, y ∈ l2 .
Vamos a analizar (T x | x)
(T x | x) = (0, 0, x3 , x4 , ...)(x1 , x2 , x3 , ...) = x23 + x24 + ... ≥ 0.
Observamos que
T 2 x = T (T x) = T (0, 0, x3 , x4 , ...) = (0, 0, x3 , x4 , ...) = T x

√
Luego T ≥ 0 satisface que T 2 = T ⇒ T = T .
12. Sea T autoconjugado, T ≥ 0. Probar que ∀x, y ∈ H
|(T x | y)| ≤ (T x | x)1/2 (T y | y)1/2
Solución:
¯√ √ ¯ ¯√ √ ¯
¯ ¯ ¯ ¯
|(T x | y)| = ¯( T T x | y)¯ = ¯( T x | T y)¯
°√ ° °√ ° √ √ √ √
° °° °
≤ ° T x° ° T y ° = ( T x | T x)1/2 ( T y | T y)1/2
= (T x | x)1/2 (T y | y)1/2 .
187
13. Sea T autoconjugado, T ≥ 0. Probar que
kT xk ≤ kT k1/2 (T x | x)1/2 . (6.1.1)
Solución:
Haciendo y = T x en el ejercicio 11 se obtiene:
(T x | T x) ≤ (T x | x)1/2 (|{z}
T T x | T x)1/2 .
T2
Pero
° °
(T 2 x | T x) ≤ °T 2 x° kT xk ≤ kT k kT xk2
⇒ (T 2 x | T x) ≤ kT k1/2 kT xk ,
por lo que sustituyendo en la ecuación (6.1.1) se obtiene:
kT xk2 ≤ (T x | x)1/2 kT k1/2 kT xk .
Si T x = 0 se cumple trivialmente esta desigualdad.
Si T x 6= 0, dividiendo por kT xk 6= 0 se llega a:
kT xk = (T x | x)1/2 kT k1/2 .
6.2 Espectro de un operador lineal

Sean X un espacio de Banach complejo; A : X −→ Y un operador lineal con
el campo de definición D(A) denso en X y λ un número complejo.
Un punto λ se denomina punto regular del operador A si el operador A − λI

es continuamente inversible. El conjunto de los puntos regulares del operador
A se denomina conjunto resolvente del operador A y se designa por ρ(A). Si
λ ∈ ρ(A) el operador lineal acotado Rλ (A) = (A − λI)−1 se llama resolvente
del operador A. El complemento del conjunto ρ(A) en el plano complejo se
denomina espectro del operador A y se denota mediante σ(A).
El número λ ∈ C se denomina valor propio de un operador A, si existe
188
un elemento x ∈ D(A), x 6= 0, tal que Ax = λx. Con esto x se llama vector
propio del operador A correspondiente a un valor propio λ. Todo valor pro-
pio del operador A es punto de su espectro debido a que el operador A − λI
es no inversible.
Proposición 6.2.1 Si A ∈ L(X), el conjunto resolvente del operador A,

ρ(A), es un abierto de C.
Demostración
Sea λ0 ∈ ρ(A). Hay que probar que λ0 es un punto interior de ρ(A), es decir
que ∃r > 0 tal que Sλ0 (r) ⊂ ρ(A). Por esto debemos considerar δ ∈ C y
formar:
Def.
Aδ ≡ A − δI = A − λ0 I + λ0 I − δI = 1 Aλ0 + (λ0 − δ)I
¿Bajo qué condiciones Aδ tiene inverso acotado? Por el teorema 3.3.3, si
1
kAδ − Aλ0 k < ° °
°A−1 °
λ0
entonces Aδ es continuamente inversible. Pero
kAδ − Aλ0 k = kA − δI − A + δ0 Ik
1
= k(λ0 − δ)Ik < ° °
°A−1 ° = r.
λ0
Resumiendo,
|δ − λ0 | < r ⇒ A−1
δ ∈ L(X) ≡ δ ∈ ρ(A)
es decir
Sλ0 (r) ⊂ ρ(A)
Teorema 6.2.1 El espectro de un operador A ∈ L(X) es un conjunto ce-

rrado que está contenido en el cı́rculo |λ| ≤ kAk.
1
Agrupando.
189
Demostración
σ(A) es cerrado por ser complemento de un abierto. Basta probar que σ(A)
es acotado para poder implicar que es compacto.
Podemos decir que

z }| {
σ(A) ⊂ {λ ∈ C : |λ| ≤ kAk} ≡ 2 {λ ∈ C : |λ| > kAk} ⊂ ρ(A)
| {z } D
B
Por tanto, para probar lo requerido en el teorema vamos a demostrar esta

última inclusión equivalente.
Por definición tenemos,

Ã!
1
Aλ = A − λI = −λ I − A ∀λ 6= 0
λ
1
¿Bajo qué condiciones I − A posee inverso acotado? Si se cumple que:
λ
° °
°1 °
° °
° A° < 1 ⇒ |λ| > kAk .
°λ °
Podemos concluir entonces que,
λ ∈ D ⇒ λ ∈ ρ(A)
Sabemos que
σ(A) ⊂ {λ ∈ C : |λ| ≤ kAk} ,
pero podemos tener una noción más precisa de la acotación del espectro
mediante la noción de radio espectral, que de forma natural se define ası́:
rσ (A) = sup |λ| .

λ∈σ(A)
Se tiene que rσ (A) ≤ kAk. Una forma práctica de calcularlo se establece en

el resultado siguiente:
2
Complementando.
190
Teorema 6.2.2 Sea A ∈ L(X) donde X es un espacio de Banach. Entonces
existe el lı́mite finito
1
rσ (A) = lim kAn k n
n→∞
llamado radio espectral del operador A.

Teorema 6.2.3 Sea A ∈ L(X) donde X es un espacio de Banach.
Si |λ| > rσ (A), entonces λ ∈ ρ(A).

El hecho de que el resolvente de un operador A es una función de variable
compleja, sugiere la definición de una función operador ası́:
S : D −→ L(X)
S(λ) = Sλ
donde D ⊂ C y X es un espacio normado.
Por ejercicio, dado A ∈ L(X), la aplicación:
R : ρ(A) −→ L(X),
R(λ) = Rλ (A) = (A − λI)−1 es una función operador.
Si se considera f ∈ (L(X))0 , entonces se puede realizar la composición:
f ◦ S : D −→ C
que resulte una función compleja de variable compleja, muy útil para carac-
terizar el comportamiento del resolvente mediante el teorema de Liouville,
el cual se enuncia en el teorema 6.2.4 para utilizarlo en la demostración del
teorema 6.2.6.
Se dice que una función compleja de variable compleja A(λ) es analı́tica

en D si para todo λ0 ∈ D el lı́mite
A(λ) − A(λ0 )
A0 (λ0 ) = lim
λ→λ0 λ − λ0
existe y se denomina derivada de A(λ) en λ0 .
191
Teorema 6.2.4 (Teorema de Liouville) Sea F : C −→ C. Si F (λ) es
analı́tica en todo C y existe algún M > 0 tal que |F (λ)| < M para todo
λ ∈ C, entonces F (λ) es una constante.
Teorema 6.2.5 Si A ∈ L(X) entonces para |λ| > rσ (A)

∞
X
Rλ (A) = − λ−n−1 An .
n=0
Teorema 6.2.6 Si A ∈ L(X), donde X es un espacio de Banach, entonces

σ(A) es un conjunto no vacı́o.
Demostración
Supongamos lo contrario, es decir, que
σ(A) = ∅ ≡ ρ(A) = C
Consideremos
R f
ρ(A) −→ L(X) −→ |{z}
K f ∈ (L(X))0 , donde R(λ) = Rλ (A).
|{z }
= C = C
Entonces podemos formar f ◦ R : C −→ C. Probemos que f ◦ R satisface las
hipótesis del Teorema 6.2.4.
1ro ) f ◦ R analı́tica. Para λ0 ∈ C.
(f ◦ R)(λ) − (f ◦ R)(λ0 ) (f (R(λ)) − (f (R(λ0 ))

=
λ − λ0 λ − λ0
Ã !
f lineal (R(λ) − R(λ0 )
= f
λ − λ0
f continua
−→ f (R(λ0 ))2 , ya que:
(R(λ))−1 [R(λ) − R(λ0 )](R(λ0 ))−1 = (R(λ0 ))−1 − (R(λ))−1

= (A − λ0 I) − (A − λI)
= (λ − λ0 )I.
192
Por tanto,
R(λ) − R(λ0 ) = R(λ)(λ − λ0 )I R(λ0 ).
Luego
R(λ) − R(λ0 )
= R(λ)R(λ0 ) −→ (R(λ))2 .
λ − λ0
2do ) f ◦ R acotada.
|f (R(λ))| ≤ kf k kR(λ)k
Aplicando el Teorema 6.2.5 se tiene,
∞
Ã
!n
1X 1
R(λ) = A−1
λ =− A
λ n=0
λ
∞
Ã !n
° −1 ° 1 X kAk
kR(λ)k = °Aλ ° ≤
|λ| n=0 |λ|
 
1  1 

=  
|λ|  kAk
1−
|λ|
1
= −→ 0
|λ| − kAk λ→∞
1
entonces kR(λ)k está acotado y |f (R(λ))| ≤ kf k para
|λ| − kAk
|λ| > kAk. Para |λ| ≤ kAk , f ◦ R está acotada por ser continua
sobre un compacto. Como consecuencia del Teorema 6.2.4, tenemos
que,
f (R(λ)) = constante
f (R(λ1 )) = f (R(λ2 )) ∀λ1 , λ2 ∈ C
f (R(λ1 ) − R(λ2 )) = 0 ∀f ∈ (L(E))0
⇒ R(λ1 ) − R(λ2 ) = 0 ∀λ1 λ2 ∈ C
(Por el corolario 4.2.2.1)
⇒ R(λ) = constante
Pero, R(λ) → 0 cuando λ → ∞ ⇒ R(λ) = A−1

λ = 0 ¡Absurdo!
193
El espectro de un operador autoconjugado tiene caracterı́sticas especiales,

como se aprecian en el ejercicio resuelto 16. También el espectro de cada
operador totalmente continuo está caracterizado por un comportamiento que
asemeja al de los espacios finito-dimensionales, de aquı́ la importancia del es-
tudio de estas clases de operadores.
Existen también clases más amplias de operadores con propiedades operativas

muy útiles, algunas de las cuales se manejan en los restantes ejercicios de este
capı́tulo.
Del resultado del ejercicio resuelto 18 se motiva la siguiente definición:

Definición 6.2.1 Se dice que un operador N es normal si
N Ñ ∗ = Ñ ∗ N.
Utilizamos la denominación
N (H) = {N : H −→ H : N Normal} .
Ya se conoce la importante isometrı́a J entre un espacio normado X y su

bidual. Veamos como puede caracterizarse una isometrı́a en un espacio de
Hilbert.
Si U es un operador lineal isométrico, entonces

kU xk = kU k ∀x ∈ H ⇒ kU xk2 = kU k2 ∀x ∈ H.
En términos del producto escalar esto significa que:
Ũ ∗ U normal
(U x | U x) = (x | Ũ ∗ U x) = (Ũ ∗ U x | x) = (x | x).
Si U es un operador que satisface Ũ ∗ U = I, entonces constituye una isometrı́a.
Esto motiva la definición de operador unitario.
Definición 6.2.2 El operador U : H −→ H es unitario si
U Ũ ∗ = Ũ ∗ U = I.
194
1. Sea A : C[0, 1] −→ C[0, 1], A(x) = y : y(t) = tx(t). Probar que
σ(A) ⊂ [0, 1].
Solución:
La linealidad se puede probar de manera inmediata y se tiene que A es

continuo ya que:
kA(x)k = kyk = sup |tx(t)| = kxk .

t∈[0,1]
Resulta equivalente probar que λ ∈ C − [0, 1] ⇒ λ ∈ ρ(A).
1ro ) Determinemos Aλ :
Aλ (x) = A(x) − λx = y − λx = z
evaluando para t ∈ [0, 1]
(y − λx)(t) = tx(t) − λx(t) = (t − λ)x(t) = z(t)
observamos que,
1
A−1
λ (z) = x : x(t) = z(t)
|{z} t − |{z}
λ
lineal
6∈[0,1]
luego,
¯ ¯
° −1 ° ¯ 1 ¯
°A (z)° = kxk = sup |x(t)| ≤ Kλ kzk ¯ ¯
λ donde Kλ = sup ¯ ¯
t∈[0,1] t∈[0,1] ¯ t − λ¯
por tanto, λ ∈ ρ(A)

2do ) Notemos que A no tiene valores propios puesto que,
Aλ (x) = 0 ⇒ x = 0.
λ6∈[0,1]
195
2. Sea A : l2 −→ l2 tal que A(x1 , x2 , ..., xn , ...) = (0, x1 , x2 , ...). Probar
que λ = 0 ∈ σ(A) pero no es un valor propio.
Solución:
A es lineal y acotado, l2 es un espacio de Hilbert. Como

A−1 : R(A) −→ l2 , λ = 0 ∈ σ(A) R(A) no denso en l2 .
| {z }
6=l2
λ = 0 no es valor propio ya que A(x) = 0 ⇒ x = 0.

3. Sea E un espacio normado complejo. Obtener σ(I), ρ(I) y Rλ (I).
(Donde I es el Operador Identidad.)
Solución:
Haciendo A = I
I − λI = 0 ⇒ (1 − λ)I = 0 ⇒ (1 − λ) x = 0 ⇒ λ = 1 ∴ σ(I) = {1}
6=0
Nótese que
1
y = (1 − λ)x ⇒ ∀λ 6= 1 x = y,
1−λ
es decir,
1 1
(I − λI)−1 (y) = y⇒ I ∈ L(E)
1−λ 1| {z
− λ}
Rλ
4. Sea X = C[0, 1]; v ∈ X fijo. Se define A(x) = vx. Hallar σ(A) y obser-
var directamente que es compacto.
Solución:
Aλ (x) = A(x) − λx = vx − λx = y
⇒ ∀t ∈ [0, 1] v(t)x(t) − λx(t) = y(t)
compacto
(v(t) − λ)x(t) = 0 ⇒ σ(A) = v [0, 1]
continuo
6=0 | {z }
compacto
196
5. Sea A : l∞ −→ l∞ definido por:
A(x1 , x2 , x3 , ...) = (x2 , x3 , ...)
a) Si |λ| > 1 probar que λ ∈ ρ(A).

b) Si |λ| ≤ 1, probar que λ es un valor propio.
Solución al inciso a) Es suficiente probar que kAk = 1. A es lineal;
kA(x)k = max |xi | ≤ max |xi | ⇒ kAk ≤ 1.

i≥2 i≥1
| {z }
kxk
Si x = (0, x2 , ...), entonces kAxk = kxk ⇒ kAk = 1

Aλ (x) = (x2 , x3 , ...) − λ(x1 , x2 , ...)

= (x2 − λx1 , x3 − λx2 , ..., xn − λxn−1 , ...)
Aλ (x) = 0 ⇒ xn − λxn−1 = 0 ∀n = 2, 3, ...
⇒ xn = λxn−1 ∀n > 1
Si |λ| ≤ 1 entonces |xn | ≤ |xn−1 |. Luego Aλ (x) = 0 ; x = 0.
∴ λ es un valor propio.
Ahora definiremos el espacio propio asociado:
S = {(x1 , x2 , ..., xn , ...) : x − Aλ (x) = 0} = {(x1 , λx1 , λx2 , ...)}

= {(x1 , λx1 , λ2 x1 , λ3 x1 , ...)} λ ∈ C.
6. Si A : lp −→ lp se define como
A(x1 , x2 , ...) = (x2 , x3 , ...)
y |λ| = 1 ¿Es λ un valor propio de A?
197
Solución:
De manera análoga al inciso b) del ejercicio anterior se llega a que

|xn | = |xn−1 | ∀n > 1. Supongamos que:
|xn | = m > 0
entonces X
mp = lim kmp = +∞ ⇒ x 6∈ lp
k→∞
n
luego, como necesariamente se tendrı́a que x = 0 entonces λ no es un

valor propio si |λ| = 1.
7. Si S, T ∈ L(E), probar que ∀λ ∈ ρ(S) ∩ ρ(T )
Rλ (S) − Rλ (T ) = Rλ (S)(T − S)Rλ (T )
Solución:
Multiplicando el miembro izquierdo de la igualdad por (Rλ (S))−1 a

la izquierda y por (Rλ (T ))−1 a la derecha
(Rλ (S))−1 (Rλ (S) − Rλ (T ))(Rλ (T ))−1 = (Rλ (T ))−1 − (Rλ (S))−1
| {z } | {z }
T −λI S−λI
(T − λI) − (S − λI) = T − S
De aquı́ lo requerido.
8. Sea A ∈ L(E), 3 A 6= 0, I tal que A2 = A (idempotente). Probar que

{0, 1} ⊂ σ(A).
Solución: Debemos, en primer lugar, obtener Rλ (A) = R(λ) para

3
E espacio de Banach
198
este caso.
∞
−1
1X 1 n
Rλ (A) = (A − λI) =− A
λ n=0 λn
Ã !
1 1 1 2 1 3
= − I + A + 2 |{z} A + 3 |{z}
A +...
λ λ λ λ
=A =A
 Ã !
1 1 1
= −  (I − A) + A +A + 2 + ... 
λ | {z } λ λ
términos auxiliares
" Ã !#
1 1 1 1
= − (I − A) + A 1 + + 2 + 3 + ...
λ λ λ λ
 
1 1 
= − (I − A) + A 
λ 1
1−
" λ#
1 λ
= − (I − A) + A
λ λ−1
1 1
= − (I − A) + A
λ 1−λ
∴ {0, 1} 6∈ ρ(A) ⇒ {0, 1} ∈ σ(A).
9. Sea A un álgebra de Banach compleja con identidad e. Si kx − ek < 1

probar que x es inversible y que
∞
X
−1
x =e+ (e − x)k
k=1
Solución:
kx − ek < 1 ⇒ ke − xk < 1 ⇒ e − (e − x) es inversible
| {z }
=x
y además
∞
X
−1
x =e+ (e − x)j ,
j=1
lo cual se demuestra de forma análoga en el teorema 3.3.3.
199
−1
kxk2
10. Probar que k(e − x) − e − xk ≤ .
1 − kxk
Solución:
∞
X ° ° kxk2
(e − x) −1
=e+x+ x ⇒ °(e − x)−1 − e − x° ≤
k
.
k=2
1 − kxk
11. Si x es inversible y y es tal que kyx−1 k ≤ 1. Probar que x − y es

◦
inversible y que, adoptando que a = e ∀a ∈ A, se tiene que:
∞
X
−1
(x − y) = x−1 (yx−1 )k
k=0
Solución:
−1 −1 −1
x − y = (x − y) x
| {zx} = [(x − y)x ]x = (e − yx )x
=e
−1
⇒ (x − y) = x−1 (e − yx−1 )−1
X∞
° −1 °
°yx ° < 1 ⇒ (x − y)−1 = x−1 (yx−1 )k .
k=0
12. Si {xn }, {yn } son sucesiones de Cauchy en un álgebra normada A, pro-

bar que xn yn es una sucesión de Cauchy.
Solución:
kxn yn − xm ym k = k(xn yn − xn ym ) + (xn ym − xm ym )k

−→ 0 −→ 0
n,m→∞ n,m→∞
z }| { z }| {
≤ kxn k kyn − ym k + kxn − xm k kym k,
| {z } | {z }
≤M ≤M
13. Probar la igualdad resolvente:
v(µ) − v(λ) = (µ − λ)v(µ)v(λ)
si v(λ) = (x − λe)−1 .
200
Solución:
Multiplicando el miembro izquierdo por (v(µ))−1 por la izquierda y

(v(λ))−1 por la derecha y efectuando,
(v(µ))−1 (v(µ) − v(λ))(v(λ))−1 = (v(λ))−1 − (v(µ))−1

= (x − λe) − (x − µe) = (λ − µ)e
14. Probar que la aplicación,

f
G −→ G
x −→ x−1
es continua, donde G es el conjunto de los elementos inversibles del

álgebra normada A.
Solución:
° ° ° °° °
x−1 − y −1 = y −1 (y − x)x−1 ⇒ °x−1 − y −1 ° ≤ °y −1 ° °x−1 ° ky − xk
haciendo y = xn , la última desigualdad se escribe ası́:

° °° °
4 ° −1 ° ° −1 °
x−1 − x−1
k |{z} n k≤ x xn kx − xn k .
|{z}
f (x) f (xn )
Por tanto, si xn −→ x entonces kf (xn ) − f (x)k −→ 0.

n→∞
15. Sea A : l2 −→ l2 definida de la manera siguiente:

Ã !
1 1 1
A (x1 , x2 , ..., xn , ...) = x1 , x2 , x3 , ..., xn , ...
| {z } 2 3 n
x
Determinar si 0 ∈ σ(A).
° °
4 ° −1 °
ke − xn k
xn ≤ + 1, que se deduce del ejercicio 8).
1 − ke − xn k
201
Solución:
A ∈ σ(H) ⊂ L(H)
Ã !
1 1 1
A(x1 , x2 , ..., xn , ...) = x1 , x2 , x3 , ..., xn , ...
2 3 n
= (y1 , y2 , ..., yn , ...)
⇒ A−1 (y1 , y2 , ..., yn , ...) = (x1 , x2 , ..., xn , ...)
como xn = nyn
= (y1 , 2y2 , ..., nyn , ...) ∴ no está acotada
⇒ λ = 0 ∈ σ(A) pero no es un valor propio.
16. Si kA2 k = kAk2 probar que
rσ (A) = kAk .
Solución:
° 2° ° ° ° ° ° °
°A ° = kAk2 ⇒ °A4 ° = °(A2 )2 ° = °A2 °2 = kAk4 .
| {z }
kAk2
En general se tiene que para cada k ∈ N

° °
° 2k ° 2k
°A ° = kAk .
Entonces
° ° k
° k °1/2
rσ (A) = lim kAn k1/n = lim °A2 °
n→∞ k→∞
h k
i1/2k
= lim kAk2 = kAk .
k→∞
| {z }
kAk
17. Probar que todos los valores propios de un operador autoconjugado T

(si existen) son reales.
202
Solución:
Sea λ un valor propio de T y x el vector propio correspondiente. En-

tonces x 6= 0 y T x = λx.
λ(x | x) = (λx | x) = (T x | x) = (x | T x)
= (x | λx) = λ̄(x | x)
(x | x) 6= 0 ⇒ λ = λ̄ ⇒ λ ∈ R.
18. Sean T : H −→ H un operador aritrario; α, β ∈ C : |α| = |β|. Probar

que N = αT + β T̃ ∗ conmuta con Ñ ∗ . (Es decir N Ñ ∗ = Ñ ∗ N )
Solución:
N Ñ ∗ = (αT + β T̃ ∗ )(ᾱT̃ ∗ + β̄T )
= |α|2 T T̃ ∗ + αβ̄T 2 + ᾱβ(T̃ ∗ )2 + |β|2 T̃ ∗ T.
∗
Ñ N = (ᾱT̃ ∗ + β̄T )(αT + β T̃ ∗ )
= |α|2 T̃ ∗ T + ᾱβ(T̃ ∗ )2 + αβ̄T 2 + |β|2 T T̃ ∗
= |β|2 T̃ ∗ T + ᾱβ(T̃ ∗ )2 + αβ̄T 2 + |α|2 T T̃ ∗
= N Ñ ∗ .
Ejemplo: N = T + T̃ ∗ ı conmuta con Ñ ∗ .
19. Probar que:
19.1) δ(H) ⊂ N (H);
19.2) Probar que N (H) es cerrado para la multiplicación por un es-
calar y el lı́mite fuerte.
Solución al inciso 19.1) Sea A ∈ δ(H)
Ã∗ = |{z}
A |{z} Ã∗ A = A2 ⇒ A ∈ N (H).
=A =A
Solución al inciso 19.2) Multiplicación por un escalar :

N ∈ N (H), α ∈ C ⇒ αN ∈ N (H)
∗
]) = (αN )(ᾱÑ ∗ ) = |α|2 N Ñ ∗
(αN )(αN
∗
]) (αN ) = (ᾱÑ ∗ )(αN ) = |α|2 Ñ ∗ N .
(αN | {z }
=N Ñ ∗
203
Lı́mite fuerte:
Nk ∈ N (H) ∧ Nk −→ N ⇒ N ∈ N (H)
° ° ° n→∞ °
° ∗ ∗ ° ° ∗ ∗ ∗ ∗ ∗ ∗ °
°N Ñ − Ñ N ° ≤ °N Ñ − Nk Ñk + Nk Ñk − Ñk Nk + Ñk Nk − Ñ N °
° °
° °
≤ °N Ñ ∗ − Nk Ñk∗ ° + k Nk Ñk∗ − Ñk∗ Nk k
| {z } | {z }
=0
I
° °
° ∗ °
+ °Ñk Nk − Ñ ∗ N °
| {z }
II
∗
I) N^
− Nk = Ñ ∗ − Ñk∗ . Entonces
° ° ° °
° ^ ∗° ° ∗ ∗°
kN − Nk k = °N − Nk ° = °Ñ − Ñk °
⇒ [Nk −→ N ≡ Ñk∗ −→ Ñ ∗ ]
⇒ Nk Ñk∗ −→ N Ñ ∗ .
II) Ñk∗ Nk −→ Ñ ∗ N . De manera análoga al caso I, luego

° °
° °
0 ≤ °Ñk∗ Nk − Ñ ∗ N ° ≤ 0, pasando al lı́mite
⇒ Ñk∗ Nk = Ñ ∗ N.
20. Sea T un operador. Probar que

° °
° ∗ °
T normal ≡ °T̃ x° = kT xk ∀x.
Solución:
“⇒” Como δ(H) ⊂ N (H). Aplicando la definición de autoconjugado
(T̃ ∗ x | T̃ ∗ x) = (x | T T̃ ∗ x) = (x | T̃ ∗ T x) = (T x | T x).
“⇐” ¿Será cierto que ((T T̃ ∗ − T̃ ∗ T )x | x) = 0?
((T T̃ ∗ − T̃ ∗ T )x | x) = (T T̃ ∗ x | x) − (T̃ ∗ T | x)
= (T̃ ∗ x | T̃ ∗ ) − (T x | T x) = 0 ⇒ T T̃ ∗ = T̃ ∗ T.
| {z } | {z }
2
=kT̃ ∗ k kT k2
204
21. Probar que:
° °
° ∗ °
21.1) °T̃ T ° = kT k2 .
21.2) N ∈ N (H) ⇒ kN 2 k = kN k2 .
Solución al inciso 21.1) Veamos primero que:
° ° ° °
° ∗ ° ° ∗° 2
°T̃ T ° ≤ °T̃ ° kT k = kT k .
| {z }
=kT k
Por otra parte,

° ° ° °
° ° ° °
(T x | T x) = (T̃ ∗ T x | x) ≤ °T̃ ∗ T x° kxk ≤ °T̃ ∗ T ° kxk2 ,
luego,
° ° r° ° ° °
° ∗ ° ° ° ° °
2
kT xk ≤ °T̃ T ° kxk ⇒ kT k ≤ °T̃ ∗ T ° ⇒ kT k2 ≤ °T̃ ∗ T ° .
2
Solución al inciso 21.2) Como consecuencia de inciso anterior te-

nemos que: ° °
2 ° ∗ °
kN k = °Ñ N ° .
Es suficiente probar que:
° °
° ∗ ° ° °
°Ñ N ° = °N 2 ° .
Veamos,
(N 2 x | N 2 x) = (N x | Ñ ∗
| {zN} N x)
N Ñ ∗
= (Ñ ∗ N x | Ñ ∗ N x)
° ° ° °
°
°
⇒ °N 2 x° = °Ñ ∗ N ° ∀x ∈ H
° ° ° ° ° ° ° °
° ° ° °
∴ °N 2 ° = sup °N 2 x° = sup °Ñ ∗ N x° = °Ñ ∗ N ° .
kxk≤1 kxk≤1
205
1. Probar que
(T (αx+βy) | αx+βy)−|α|2 (T x | x)−|β|2 (T y | y) = αβ̄(T x | y)+ᾱβ(T y | x).
2. Probar que si H es un espacio de Hilbert
T = 0 ⇔ (T x | x) = 0 ∀x ∈ H.
3. Si A1 , A2 son autoconjugados y α ≥ 0, probar que
A1 ≤ A2 ⇒ αA1 ≤ αA2 .
4. Para un operador arbitrario T sobre H, probar que T T̃ ∗ y T̃ ∗ T pertenecen

a δ(H) y que son positivos.
5. Probar que los vectores propios correspondientes a valores propios dis-

tintos de un operador autoconjugados son ortogonales.
6. Sean A, B ∈ δ(H). Probar que:
AB autoconjugado ≡ AB = BA.
7. Sea H = M ⊕ M ⊥ , H de Hilbert, M cerrado. Probar que PM ≥ 0.
8. Sea A : l2 −→ l2 Ax = (λ1 x1 , λ2 x2 , ..., λn xn , ...).
8.1) ¿Bajo qué condición A ∈ L(H)?

8.2) ¿Bajo qué condición A ∈ δ(H)?
8.3) ¿Bajo qué condición A ≥ 0?
9. Sean H un espacio de Hilbert; xn → x. ¿Bajo qué condición
(Axn | xn ) −→ (Ax | x)?

n→∞
206
Bibliografı́a
[1] Trenoguin, V.A.; B.M. Pisarievski; T.S. Sóboleva (1987): Problemas y

Ejercicios de Análisis Funcional. Editorial MIR, Moscú, 269pp.
[2] Bachman, George; L. Narici (1972): Functional Analysis. Academic

Press, 530pp.
[3] Kolmogorov, A.; S. Fomin (1975): Elementos de la Teorı́a de Funciones

y el Análisis Funcional. Editorial MIR, Moscú, 534pp.
[4] Rosov, N (1967): Cours d0 Analyse Moderne. Traité à la Faculte des

Sciences d0 Alger, 90pp.
[5] Kiesewetter, H. (october 1967 to january 1968): Lectures on Functional

Analysis. UCLV, Santa Clara, 115pp.
[6] Kreyszig, E.; John Wiley and Sons (1978): Introductory Functional
Analysis with Applications, 688pp.
[7] Argüelles Cortés, L.; G. Hernández Cuellar; J. V. López Palacio (2003):

Experiencia en la aplicación de métodos de enseñanza vinculados al uso
de la computación. Universidad Pedagógica, México, 92pp.
[8] Argüelles Cortés, L.; G. Hernández Cuellar; J. V. López Palacio (2002):

Experiencia en la aplicación de modernos métodos de enseñanza en el
aprendizaje de la Matemática. Universidad Pedagógica, México, 137pp.
[9] Cotlar, M; Cignoli, R (1967): Nociones de Espacios normados. Editorial

Universitaria de Buenos Aires, 361pp.
[10] Taylor, A. E. (1958): Introduction to funtional Analysis. Wiley Interna-

tional Edition, Japan, 423pp.
207
[11] Maroni, P.; Nedzela, M. (1969): Elements d0 Analyse Fonctionnelle.
Instiute Blaise Pascal, 200pp.
[12] Simmons, G. F. (1963): Introduction to Topology and modern analysis.

McGraw-Hill Book Company, 372pp.
208
Índice de Materias
A Clausura, 16
Acotación Uniforme Compacto, 16, 105
Aplicaciones, 75 Convexos, 16
Principio, 44 de operadores totalmente con-
Teorema, 17 tinuos, 110
Aplicación Débilmente compacto, 110
Continua, 19 Densos, 16
Continua en un punto, 19 Diámetro, 15
Uniformemente continua, 19 Distancia entre, 15
Localmente compacto, 109
B Nunca densos, 16
Baire teorema, 17 Relativamente compacto, 16, 107
Banach-Steinhaus teorema, 45 Resolvente, 137
Aplicaciones, 45, 46 Totalmente acotado, 108
Bola Convergencia
Abierta, 15 Débil, 96
Cerrada, 15 Debilitada, 98
C Fuerte, 44, 47
Campo Uniforme, 44
Definición, 35 Cubrimiento, 105
Valores, 35
D
Categorı́as
Desigualdades
1ra, 16
Cauchy-Buniakowski, 22
2da, 16
Hölder, 22
Completación, 21
Minkowski, 23
Conjugado de Hermite, 89
Distancia entre,
Conjuntos
conjuntos, 15
Abierto, 15
un punto y un conjunto, 15
Acotado, 15
Cerrado, 16
209
E Inverso
Epsilon red, 107 Derecho, 55
Equiacotado, 107 Izquierdo, 55
Equicontinuo, 107
Espacios L
de Banach, 20 Liouville teorema, 139
Bicompacto, 107 N
Compacto, 16, 105 Normas
Completo, 20 Definición, 15
Conjugado, 85 Ejemplos, 19
Dual, 72 Equivalentes, 20
Encajado, 21
Hilbert, 21 O
Isomorfos, 20 Operador
Isométricos, 20 Acotado, 35
Normados, 15 Autoconjugado, 133
Operadores lineales acotados, 43 Casi cerrado, 72
Reflexivo, 98 Cerrado, 63, 64
Separables, 16 Conjugado, 56
Unitario, 21 Continuamente inversible, 55
Espectro de un operador, 138 Continuo, 34, 35
Continuo en un punto, 34
F
de proyección, 134
Función analı́tica, 139
Idéntico, 44
Funcional, 72
Inverso, 55
Acotado, 73
Lineal, 35
Continuo, 73
Totalmente continuo, 107, 108
Lineal, 73
Cerrado, 65
G Norma, 35
Gráfico, 63 Núcleo, 35
Gráfico cerrado teorema, 65 Prolongación, 47
Proyección ortogonal, 53
H
Totalmente acotado, 108
Hahn-Banach teorema, 74
Hausdorf teorema, 112 P
Hiperplano, 72 Producto escalar, 24
I Punto de Adherencia, 16
Inverso acotado teorema, 55
210
R
Radio espectral, 139
Riesz Lema, 74
S
Sucesión
Convergente, 16
Débilmente acotada, 98
Débilmente fundamental, 98
Fundamental (de Cauchy), 20
Uniformemente convergente, 44
Subespacio, 16
Suma directa externa, 63
V
Variedad Lineal, 16
Localmente compacta, 110
211

Analisis Funcional

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Analisis Funcional

Cargado por

Copyright:

Formatos disponibles

Teorı́a, procedimientos de demostración y

ejercicios de Análisis Funcional

Lic. Alejandro Alonso Fúster

FACULTAD DE MATEMÁTICA, FÍSICA

1 Una aproximación al estudio del Análisis Funcional 1

4 Espacios duales y operadores conjugados 99

5 Conjuntos compactos y Operadores totalmente continuos 142

6 Operadores autoconjugados. Teorı́a espectral 180

Una aproximación al estudio

El Análisis Funcional es un producto de las matemáticas modernas que con-

El análisis clásico trabaja en espacios euclı́deos n−dimensionales, de donde

Resulta un hecho que las interpretaciones geométricas son muy importantes

Las herramientas algebraicas son, también, de suma importancia y comple-

Este texto comienza desde un recordatorio de algunos conceptos y se va

1.1 Orientaciones metodológicas

El enfoque intrı́nseco del Análisis Funcional constituye una dificultad para

La dificultad que se ha aludido ha sido reconocida por estudiantes de todas

• Solo muestran algunos ejercicios propuestos, ninguno resuelto.

• Indican respuestas cualitativas de algunos ejercicios propuestos. En

Por lo antes señalado reviste importancia acometer la didáctica especializa-

La intención del texto es viabilizar la adquisición de habilidades en las técni-

El seminario es propicio para debatir tanto aspectos teóricos como prácticos,

1.2 Caracterı́sticas del texto

Como caracterı́stica general, la forma de presentación de los capı́tulos confiere

Con el fin de reafirmar y ampliar la formación profesional relacionada con

Sobre la base de resultados ya publicados, relativos a la aplicación de mo-

• Se facilita al profesor el montaje de una ingenierı́a didáctica, debido a

1.3 Sobre el enfoque global en el curso de

Por esto se impone abordar de forma sistemática y organizada el contenido

La presentación realizada toma en consideración diversas dimensiones o lı́neas

Epistemológica: Destinada a materializar las relaciones con otras disci-

Como proyección de la teorı́a estudiada se han aplicado resultados

Lógica: Mediante la dosificación de procesos inductivo-deductivos. En este

Axiológica: Debe garantizar la derivación de valores partiendo de la ase-

1.4 Preámbulo al texto

• En el espacio Rn de n-plos de coordenadas reales, se pueden definir

• La distancia euclideana permite fundamentar la noción de convergen-

De aquı́ que Rn está dotado de una estructura métrica que presen-

• La relación entre las caracterı́sticas vectorial y métrica (euclideana,

Por tanto, el número d(x, 0) adquiere una relevancia especial que

A la aplicación p(x) = d(x, 0) de valores positivos definida sobre Rn se

Este producto obedece a las leyes siguientes:

(x1 + x2 | y) = (x1 | y) + (x2 | y)

y además la desigualdad fundamental

|(x| y)| ≤ p(x) p(y)

Luego para dos vectores no nulos x, y se tiene que

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

y este hecho origina la noción de ángulo α entre dos vectores x, y

La importancia de esta relación radica en que nociones tales como la

Con el desarrollo del Análisis Matemático, la perspectiva axiomática para la

De forma precisa, la incógnita es una función x con dominio en el

Entonces, x constituye un punto en un cierto conjunto de funciones.

Nótese que una matriz es un caso particular de una función de dos

Como en el caso de la teorı́a de ecuaciones algebraicas se tiene una in-

d(x, P ) = sup |x(t) − P (t)| ,

ya que posee todas las propiedades reseñadas para la distancia.

1.4.3 Importancia de los espacios normados generales

Usualmente, la teorı́a general se enriquece mediante las tres vı́as siguientes:

• Buscando analogı́as de “buenas”propiedades establecidas en espacios

• Aumentando la cantidad de estructuras disponibles sobre un conjunto,

• Estableciendo relaciones entre diversos espacios mediante morfismos

L(E) = {T : E → E, T lineal} (completo si E es completo)

La importancia de L(E) reside en que constituye el marco apropiado