Topicos en Analisis Convexo

MA3002
Apuntes de Clases
Profesor: Rafael Correa F.
Matas Ya nez Quezada
16 de septiembre de 2013
Santiago, Chile.
Seccion

INDICE 0

Indice
1. Introducci on 1
2. Semana 1 2
2.1. Problema Principal del curso. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2. Teorema de separacion de Tuckey. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3. Teorema de Minkowsky. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.4. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3. Semana 2 6
3.1. Teorema de Separacion de Mazur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4. Semana 3 10
4.1. Lema de Zorn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4.2. Demostracion del teorema de Mazur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4.3. Teorema de Separacion de Eidelhert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4.4. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5. Semana 4 12
5.1. Espacio Dual y conjunto Ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
5.2. Teorema de Prolongacion de Hahn-Banach . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
5.3. Resumen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

Indice de guras
1. separacion de conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2. puntos x e y con sus vecindades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
MA3002 Topicos en Analisis Convexo
Seccion 1. Introduccion 1
1. Introduccion
En este curso se presentan en el Contexto de Espacios Vectoriales Normados, los resultados clasicos de
la Convexidad en Analisis: Teoremas de Separacion y sus principales consecuencias. Se presentan las nociones
basicas de la Analisis Convexo, desarrolladas durante la decada del 60, partiendo por la conjugada de Fenchel
y el Subdiferencial Asociado, ademas de las principales aplicaciones a la optimizacion convexa.
El contenido del curso es el siguiente:
Conjuntos y Funciones Convexas en Espacios Vectoriales
Conjuntos y Funciones Convexas en Espacios Vectoriales: Teoremas de Separacion
Funciones convexas con valores en R ,continuidad y diferenciabilidad
Sub diferencial y Conjugada de Fenchel de Funciones Convexas
Aplicaciones a la Optimizacion
MA3002 Topicos en Analisis Convexo
Seccion 2. Semana 1 2
2. Semana 1
2.1. Problema Principal del curso.
El tema principal de este curso es poder separar dos conjuntos A y B en un espacio vectorial

E con un
hiperplano 1, es decir, encontrar o saber cuando existe una aplicacion l /(

E, R) que verique:
l(x) c l(y) x A, y B (1)
para algunta constante real c. En general pediremos l , 0.
Observacion: Cuando se tiene (1) decimos que

1 separa los conjuntos A y B.
Denicion: Se llama Hiperplano an al conjunto:

1 = x

E : l(x) = c
donde l /(

E, R). se denen tambien los conjuntos:

= x

E : l(x) c,

1

= x

E : l(x) c
Figura 1: separacion de conjuntos
Es facil ver que (1) se puede escribir l(x) l(y)x A, y B; trivialmente (1) Obs y claramente Obs
(1), para ver esto, basta tomar c = sup
xA
l(x).
MA3002 Topicos en Analisis Convexo
Seccion 2.1 Problema Principal del curso. 3
Recordemos la denicion de hiperplano y de hiperplano an

1

E es hiperplano si es subespacio vectorial
propio(que es distinto de

E) maximal (es decir, si 1 es subespacio vectorial de

E propio tal que 1 1,
entonces, 1 = 1).
Observacion: 1 maximal signica que a

E 1
gen1, a = x = h + a, R, h 1 =

E
Proposicion 1.- 1 es hiperplano si y solo si l :

E R, lineal, no nula, que verica:
1 = x

E : l(x) = 0
Denicion: Se llama Hiperplano an en

E a todo conjunto de la forma 1+a, donde 1 es un hiperplano
y a

E 1.
Proposicion 2.-

1 es hiperplano si y solo si l :

E R, lineal, no nula, y c ,= 0 tal que

1 = x

E : l(x) = c
dem.- Mostremos que 1 = l
1
(0) es hiperplano. Sea a

E 1, mostremos que si x

E, h 1, tal
que x = h + a, se verica facilmente que h = x
l(x)
l(a)
a, es decir, x = h + a, con =
l(x)
l(a)
.
Reciprocamente, sea 1 hiperplano, sea a

E 1, entonces, todo x

E se escribe x = h +
x
a. Entonces
denimos l(x) =
x
y vericamos que l es lineal y que 1 = x

E : l(x) = 0.
Denicion: Decimos A y B en

E se pueden separar estrictamente si existe l /(

E, R) no nula y c R
tal que
l(x) < c l(y)x A, y B
y se puede separar fuertemente si ademas existe c

R tal que
l(x) c < c

l(y) x A, y B (2)
Observacion: Separar A y B es lo mismo que separar A B y 0. En efecto,
l(x) l(y)x A, y B l(x) l(y) (0) l(x y) 0 x A, y B
l(z) l(u) z A B, u 0
En lo que sigue consideremos A y B convexos. A es convexo si x, y A, se tiene que
[x, y] = x + (1 )y : [0, 1] A
Para continuar con esta teoria de separacion de conjuntos convexos, es fundamental introducir en

E una norma
y trabajar con los conceptos de conjuntos abiertos, cerrados, compactos, etc.
MA3002 Topicos en Analisis Convexo
Seccion 2.2 Teorema de separacion de Tuckey. 4
2.2. Teorema de separacion de Tuckey.
Teorema de separacion de Tuckey(1942).- Si A y B son dos convexos, disjuntos, en un espacio de
Hilbert

E, los dos cerrados, y uno de ellos compacto, entonces se pueden separar fuertemente.
dem.- Debemos separar estrictamente 0 de AB. Como AB es cerrado, 0 / AB y AB es convexo,
p
0
proyeccion de 0 sobre A B que debe vericar
0 p
0
, x p
0
0
p
0
, x p
0
0 x A B p
0
, x |p
0
|
2
Es decir,
p
0
, x p
0
, y +|p
0
|
2
x A, y B
Concluimos que deniendo l(x) = p
0
, x x

E se verica (2).
Veremos mas adelante que el teorema de Tuckey es tambien valido en cualquier espacio vectorial normado,
en ese caso, la contruccion de l es enormemente mas compicado. Cual es la dicultad de separar dos convexos
disjuntos en un e.v.

E? Ninguna cuando

E es de dimension nita.
2.3. Teorema de Minkowsky.
Teorema de Minkowsky(1910).- Dados dos convexos A y B en un e.v. de dimension nita

E, existe
l :

E R lineal no nula que verica (1)
l(x) l(y) x A, y B
dem.- Para esto introduciremos en

E una estructura de espacio de Hilbert y como

E es de dimension
nita, sabemos que existe en A un subconjunto a
n

nN
que es denso en A y un subconjunto b
n

nN
en B
que es denso en B. Construimos entonces para n N los conjuntos
A
n
= coa
1
, ..., a
n
A, B
n
= cob
1
, ..., b
n
B
Donde coa
1
, ..., a
n
=
1
a
1
+ ... +
n
a
n
A :

n
i=1

i
= 1,
i
0. Claramente estos conjuntos son
compactos y
A
n
B
n
=
entonces, a cada par A
n
, B
n
se aplica teorema de Tuckey y se concluye que existe l
n
:

E R lineal no nula
que verica
l
n
(x) l
n
(y) x A
n
, y B
n
Idea: Para obtener (1) bastaria encontrar l :

E R lineal no nula tal que l(a
i
) l(b
j
) i, j N. Esto
implicaria (1), Por que? Por ser a
i

iN
denso en A, b
j

jN
denso en B y por ser l continual (

E es de
dimension nita).
Probema: Sea

E e.v.n., f :

E R continua en A

E y D

E denso en A, entonces, f(x) c x D
f(x) c x A.
MA3002 Topicos en Analisis Convexo
Seccion 2.4 Resumen 5
Sin perdida de generalidad podemos suponer |l| = 1 (Para esto basta reemplazar l
n
por
ln
ln
y ver que
sigue siendo valido). Es decir, l
n

nN
resulta ser acotada, como estamos en dimension nita (pues /(

E, R)
tiene la misma dimension que

E) existe l
n
j

jN
tal que l
n
j
l. Sabemos que
l
n
(a
i
) l
n
(b
j
) n maxi, j
y se tiene
l
n
k
(a
i
) l
n
k
(b
j
) k grande
Tomando limite sobre k obtenemos
l(a
i
) l(b
j
) i, j N
2.4. Resumen
Un hiperplano 1 en un e.v.

E es un sub-e.v. propio de

E si es maximal.
Los hiperplanos de

E son conjuntos de la forma 1 = x : l(x) = 0 donde l :

E R es lineal no nula.
Teorema de Tuckey: Si A, B son dos convexos cerrados, disjuntos, uno de ellos compacto, entonces
existe una aplicacion l /(

E, R) no nula y constantes c, c

R tal que: l(x) c < c

l(y), x
A, y B.
Teorema de Minkowski: Sea

E e.v. de dimension nita y sean A y B dos convexos disjuntos, entonces
existe una aplicacion l /(

E, R) y una constante c R tal que: l(x) c l(y), x A, y B.

MA3002 Topicos en Analisis Convexo
Seccion 3. Semana 2 6
3. Semana 2
Veamos que en un e.v. de dimension no nita hay convexos que no se pueden separar: Sea

E el e.v. de
las sucesiones reales con un numero nito de elementos no nulos y A

E el conjunto de las sucesiones cuyo
ultimo termino no nulo es > 0, notar que este conjunto es convexo y no contiene el

0 (sucesion nula). Veamos
que no es posible separar

0 de A.
Supongamos que si es posible separarlos, es decir, existe l /(

E, R) no nula tal que

l(x) 0 x A (3)
Sea x = x
n

n


E y sea k tal que x
n
= 0 n k, claramente (x
n
) + te
k
A t > 0, donde e
k
=
(0, 0, ..., 1, ..., 0, ...) y (x
n
) + te
k
tambien tiene que pertenecer a A. Entonces de (3) tendriamos
l(x
n
) + l(te
k
) 0 t > 0
y haciendo t 0
+
obtenemos l(x
n
) 0 por lo que se tendra que l(x
n
) = 0 para cualquier (x
n
)
n
, lo que
muestra que l 0.
Para entender un poco este extra no hecho de no poder separar un convexo de un punto que esta fuera de
el, con una aplicacion lineal miremos este ejemplo desde una perspectiva algebraica. Para esto consideremos
en

E la norma | |

(|x
n
|

= sup
nN
[x
n
[). Como es A en

E dotado de esta norma? Es denso en

E!!!.
Veriquemoslo: Dado (x
n
)

E y > 0 debemos mostrar que
B((x
n
), ) A ,=
Si denimos (z
n
)
n
= (x
n
)
n
+

2
e
k
vemos que (z
n
)
n
A y |(z
n
)
n
(x
n
)
n
|

=

2
, por lo que la densidad
de A en

E aclara la imposibilidad de separar A del origen.
Lema:
1. En un e.v.

E, un hiperplano 1 es o bien denso, o bien cerrado.
2. Ademas 1 es cerrado si y solo si la aplicacion lineal que verica 1 = l
1
(0) es continua.
dem.-
1. Supongamos que 1 no es cerrado, demostremos que es denso. Entonces

1 es un subespacio que verica
1

1

E, con 1 ,=

1
lo que implica por denicion de hiperplano (maximal) que

1 =

E. Es evidente que si es cerrado no
puede ser denso.
2. Si l es continua, 1 = l
1
(0) es cerrado y estamos listos.
Supongamos ahora que 1 es cerrado. Sea a

E tal que l(a) ,= 0, se tendra que a

E 1 (abierto).
Entonces existe B(a, ) 1
c
, es decir, l(x) ,= 0 x B(a, ). Mostremos entonces, que l es acotada
en B(a, ).
MA3002 Topicos en Analisis Convexo
Seccion 3. Semana 2 7
Como B(a, ) 1
<
1
>
, veamos que B(a, ) esta en uno de estos dos semiespacios. Si existen
x, y B(a, ) tal que x 1
<
y y 1
>
, sea R tal que l(x) + (a )l(y) = 0, entonces, se
tendra que x+(1)y 1(x+(1)y / B(a, )) lo que no puede ser porque B(a, ) es convexo.
Por ser l acotada en B(a, ), aplicando el proximo lema, concluimos que l es continua.
Lema: En un e.v.n.

E, una aplicacion lineal l :

E R es continua si y solo si existe B(a, ) en

E donde
l es acotada.
dem.-
Si l es continua, es evidente que es acotada en cualquier bola; en efecto, si l es continua sabemos que
l(x) K|x|
Entonces en una bola B(a, ) se tiene que x B(a, )
l(x a) K|x a| K

Es decir, l(x) l(a) + K

Supongamos que l(x) c x B(a, ), entonces haciendo el cambio de variable x

= x a x

+a
B(0, ), es decir, l(x

) c l(a) x

B(0, ), lo que implica

l
_
x

|x

|
_
c l(a) x

E = l(x

)
c l(a)

|x

| x

E
Vimos en el ejemplo anterior un convexo patologico: era un conjunto convexo diferente del espacio entero
que era denso en el espacio.
Despues vimos un lema que mostraba que en un hiperplano en un e.v.n. si no es cerrado es denso!, tenemos
ahi una innidad de convexos patologicos, los hiperplanos no cerrados( = x : l(x) = 0, con l lineal no
continua).
Para generalizar Minkowski a un e.v. de dimension no nita, debemos evitar patologias, es decir, encontrar un
test que detecte patologias o mas simplemente que garantice que no hay patologias.
El test corresponde a la siguiente propiedad de los conjuntos convexos: Si C es un conjunto convexo con
interior no vacio (int(C) ,= ) verica int(adh(C)) = int(C).
Lema: Un conjunto convexo C en un e.v.n.

E verica:
1. int(C) + (a )adh(C) int(C) (0, 1]
2. Si int(C) ,= entonces adh(int(C)) = adh(C)
3. Si int(C) ,= entonces int(adh(C)) = int(C)
dem.-
1. Con = 1 es trivial. Supongamos que (0, 1) y sea x int(C), y adh(C) y sea B(x, r) C,
entonces, para z C B
_
y,
r
1
_
, se tiene que
x +
1

(y z) B(x, r)
lo que implicara que
x + (1 )(y z) B(x, r) C
MA3002 Topicos en Analisis Convexo
Seccion 3.1 Teorema de Separacion de Mazur. 8
Figura 2: puntos x e y con sus vecindades
Hemos probado que x+(1)y esta en un abierto contenido en C, esto muestra que x+(1)y
int(C) que es lo que queriamos probar.
2. Para demostrar que dos conjuntos son iguales tenemos que mostrar que se contienen entre ellos. Primero
veamos que adh(int(C)) adh(C), sabemos que int(C) C, tomando adherencia se llega a lo
que queremos. Veamos ahora la otra inclusion, sea y adh(C), sea x
0
int(C), entonces, por 1.,
x
0
+ (1 )y int(C) (0, 1], es decir, podemos generar una sucesion de elementos de la
forma
__
1
n
_
x
0
+
_
1
1
n
_
y
_
n
que estan en int(C),luego, esta sucesion converge a y, por lo que y
adh(int(C)).
3. Como int(C) int(adh(C)) es trivial, mostremos la otra. Sea x int(adh(C)), jamos x
0
int(C)
y sea B(x, r) adh(C) y > 0 tal que (x x
0
) B(o, r). Entonces x + (x x
0
) B(x, r)
adh(C), pero por 1. tenemos que x (x x
0
) = X
=
+ (1 )x int(C) y usando nuevamente 1.
x =
1
2
(x (x x
0
)) +
1
2
(x + (x x
0
)) int(C).
3.1. Teorema de Separacion de Mazur.
Teorema de separacion de Mazur(1933).- Sea

E un e.v.n., A un conjunto convexo abierto en

E, /
un sub-e.v. en

E tal que A / = . Entonces existe un hiperplano 1 en

E tal que / 1 y ademas no
intersecta a A(A 1 = ).
Lema fundamental: Sea

E e.v.n., /sub-e.v. en

E no hiperplano, A un abierto convexo tal que A/ = .
Entonces existe x

E / tal que el sub-espacio generado por / y x,

/ = h + x : h /, R
verica A

/ =
Demostracion del Lema fundamental: Si x

E y si

/A = , se tendra que existiria h /, ,= 0
tal que a = h + x A, es decir, x =
h

+
a

/+RA.
Entonces

/A ,= x

E =

E = /+RA, es decir,

E ,= /+RA = x

E tal que

/A = . Si
el lema fuera falso, se tendra que

E = /+RA, la demostracion que haremos del lema sera entonces negando
una contradiccion a partir de la igualdad

E = /+RA. Denamos /
+
= /+R
>0
A, /

= /+R
<0
A,
abiertos, es facil vericar que /+RA = / /
+
/

.
MA3002 Topicos en Analisis Convexo
Seccion 3.2 Resumen 9
Tomamos a /
+
y sea

/ el sub-espacio generado por / y a. Como / no es hiperplano, b

E

/,
entonces b /
+
/

(pues b / /). Supongamos sin perdida de generalidad que b esta en /

, co-
mo b /

/, la recta L = a + R(b a)(que pasa por a y b) no intersecta / , entonces L esta uncluida en
la union de los abiertos /
+
y /

con interseccion no vacia en cada uno; lo que contradice la convexidad de L.

3.2. Resumen
Todo hiperplano 1 en un e.v.n. es o bien cerrado, o bien denso en

E.
Un hiperplano 1 en

E es cerrado si y solo si la aplicacion lineal l :

E R asociada es continua.
La imagen de B(0, 1) en

E, por una aplicacion lineal l :

E R es un intervalo equilibrado, i.e., un
intervalo de la forma (a, a)
Sea l /(

E, R), A convexo en

E. Entonces l(A) es convexo en R.
Teorema de Mazur: Sea A un convexo abierto y / un sub-e.v. tal que A / = . Entonces existe
un hiperplano cerrado 1 tal que / 1 y A 1 = .
Lema Fundamental: Sea A un convexo abierto y / un sub-e.v. no hiperplano tal que A / = .
Entonces existe x

E / tal que el sub-espacio generado por / y x,

/ = h+x : h /, R
verica A

/ =
MA3002 Topicos en Analisis Convexo
Seccion 4. Semana 3 10
4. Semana 3
4.1. Lema de Zorn
Lema de Zorn.- Si toda cadena C en un conjunto parcialmente ordenado E tiene cota superior, entonces
el conjunto E tiene un elemento maximal.
4.2. Demostracion del teorema de Mazur
Recordemos que es lo que dice el teorema de Mazur: Sea

E un e.v.n., A un conjunto convexo
abierto en

E, / un sub-e.v. en

E tal que A / = . Entonces existe un hiperplano 1 en

E tal que / 1 y ademas no intersecta a A(A 1 = ). Denotemos al conjunto de todos los

s.e.v. 1 en

E que verican / 1 y 1 A = , preordenados por .
Es facil ver que toda cadena ( en tiene cota superior: Si ( es cadena en , una cota superior es
o =
_
HC
1
Es facil vericar que o , veamos que o es s.e.v., sean x, y o, ,= 0, entonces, x 1
x
(, y 1
y
(,
y por denicion de cadena 1
x
1
y
(o lo contrario), entonces x + y 1
x
o.
Claramente o 1, tambien es claro que o A = . Si existiera x o A, entonces x 1
x
o y se tendra
1
x
A ,= , lo que es una contradiccion.
Ademas, como o 1 1 (, concluimos que o es cota superior, entonces, por Lema de Zorn, tiene
elemento maximal

1. Si se verica que

1 es hiperplano, el teorema de Mazur estara demostrado. Si

1 no
fuese hiperplano, deacuerdo con el Lema Fundamental, existira x

E

1 tal que

1 = gen

1, x, verica

1 A = y como

1

1, se contradice la maximalidad de

1 en .
Observacion: Es claro que el hiperplano

1 del teorema de Mazur es cerrado, pues no es denso por tener
interseccion vacia con A.
4.3. Teorema de Separacion de Eidelhert
Teorema de Separacion de Eidelhert(1936).- Si A, B son convexos disjuntos en un e.v.n.

E, uno de
ellos abierto, entonces se pueden separar estrictamente, es decir, existe l /(

E, R) no nula y c R tal que

l(x) c l(y) x A, y B
dem.- Apliquemos teorema de Mazur al conjunto convexo abierto no vacio A B y al s.e.v. / = 0.
Evidentemente (A B) / = , entonce existe un hiperplano cerrado 1 = x : l(x) = 0 que no intersecta
a A B, es decir, l(x) ,= 0 x A B y como A B es convexo y l es continua se tendra que
l(a b) < 0 a A, b B
que implica l(x) < l(y) x A, y B, por lo que:
l(x) c l(y) x A, y B
con c =nf
yB
l(y).
MA3002 Topicos en Analisis Convexo
Seccion 4.4 Resumen 11
Veamos un resultado negativo sorprendente: dos convexos cerrados disjuntos que no es posible separarlos!!
Sea

E =
2
(el espacio vectorial de las sucesiones (x
n
)
n
tal que

[x
n
[
2
< ). A este espacio se le dota
generalmente de la norma:
|(x
n
)|
2
=
_

n
x
2
n
_1
2
Sean ademas los conjuntos
A =
_
(x
n
)
2
: x
1
n
_
x
n
n

2
3
_
n = 2, ...
_
B =
_
(x
n
)
2
: x
1
R, x
n
= 0 n = 2, ...
_
Veriquemos que son convexos cerrados disjuntos y que no es posible separarlos
B es un s.e.v. de dim = 1
A =

kN
_
(x
k
)
2
: L
n
((x
k
)) 0
_
Donde L
n
es la aplicacion lineal continua de
2
en R (L
n
/(
2
, R)) denida por
L
n
((x
k
)) = n
_
x
n
n

2
3
_
x
1
L
n
es claramente lineal; para ver que es evidentemente continua, basta ver que cualquier aplicacion lineal del
tipo l
n
((x
k
)) = x
n
es continua
[l
n
((x
k
))[ = [x
n
[ |(x
n
)|
2
es decir, L es convexa por lo que A sera convexo.
4.4. Resumen
Lema de Zorn: Si toda cadena C en un conjunto parcialmente ordenado E tiene cota superior, entonces
el conjunto E tiene un elemento maximal.
Teorema de Separacion de Eidelhert: Si A, B son convexos disjuntos en un e.v.n.

E, uno de ellos
abierto, entonces se pueden separar estrictamente, es decir, existe l /(

E, R) no nula y c R tal que

l(x) c l(y) x A, y B
MA3002 Topicos en Analisis Convexo
Seccion 5. Semana 4 12
5. Semana 4
El teorema de separacion de Tuckey tambien se tiene cuando

E es normado(no necesariamente Hilbert).
Recordemos que el teorema dice: Si A y B son dos convexos, disjuntos, en un espacio de Hilbert

E, los dos
cerrados, y uno de ellos compacto, entonces se pueden separar fuertemente., veamos que es posible separar
A, B sin la condicion de que

E sea Hilbert.
Claramente d(A, B) =nf
xA,yB
|x y| > 0. En efecto, d(A, B) =nf
xA
d(x, B) y si A es compacto, por
ser d(, B) continua, se tiene que el inmo se alcanza en B y su valor debe ser positivo, pues la funcion es
positiva en A.
Entonces, dado r
_
0,
d(A,B)
2
_
construimos los abiertos A

= A+B(0, r), B

= B+B(0, r) que son convexos

disjuntos, entonces, por teorema de Eidelheit, existe l aplicacion lineal de

E en R no nula, c R, tal que
l(x

) < c l(y

) x

, y

lo que nos permite concluir de forma inmediata, como???

c l(y

) y

= B + B(0, r)
c l(y + h) y B, h B(0, r)
c l(y) + l(h) y B, h B(0, r)
c l(y) + nf
hB(0,r)
l(h) = l(y) sup
hB(0,r)
l(h) y B
= c < c + sup
hB(0,r)
l(h) l(y)
pero l(x) < l(x + h) x A, h B(0, r) por lo que l(x) < c l(y), hemos asi, separado fuertemente.
5.1. Espacio Dual y conjunto Ortogonal
Veamos ahora un par de deniciones que nos ayudaran en lo que queda del curso, las cuales son fundamen-
tales. Consideremos un e.v.n.

E, denotaremos por

E

= /(

E, R), e.v. de las aplicaciones lineales continuas.

A

E

lo llamamos dual de

E y sus elementos los vamos a denotar x

, y

, z

, ....
Tambien usaremos la notacion x

, x := x

(x) para x

, x

E. No confundir con el producto
interno cuando

E es Hilbert!.
Sabemos que en

E

se dene la norma:
|x

:= sup
x

E,x=0
x

, x
|x|
y de esto se ve que x

(x) |x

||x| x

, lo que muestra que la aplicacion lineal , x :

E

R,
es continua; entonces , x /(

, R) que es el dual de

E

. Usaremos la notacion

E

= /(

, R) y lo
llamaremos bidual de

E

.
MA3002 Topicos en Analisis Convexo
Seccion 5.1 Espacio Dual y conjunto Ortogonal 13
De esto vemos que
_
, x : x

E
_


E

, y esta inclucion puede ser estricta!!, es decir, pueden existir en

/(

, R) elementos que no se pueden escribir de la forma , x para alg un x

E; pero cuando

E es Hilbert,
si hay igualdad, como lo muestra el Teorema de Riesz. Mas adelante llamaremos reexivo un e.v.n. que
verica la igualdad
_
, x : x

E
_
=

E

Denicion: Dado un conjunto D

E, denimos el ortogonal al conjunto D como
D

=
_
x

: x

, x = 0 x D
_
Dado un conjunto D

, denimos
D

=
_
x

E : x

, x = 0 x

_
Proposicion: Sea D

E,

E e.v.n., y / sub e.v. en

E, se tiene:
1. El sub e.v. cerrado engendrado por D es (D

.
2. Si D

= 0, entonces el e.v. cerrado engendrado por D es

E.
3. Si /

= 0, entonces adh(/) =

E = / es denso en

E.
Veamos que D

=
_
x

: x

, x = 0 x D
_
y D

=
_
x

E : x

, x = 0 x

_
son cerrados:
D

xD
L
x
, con L
x
= x

: x

, x = 0, hiperplano cerrado en

E

, pues x

, :

E R es lineal
continua; D

D
L
x
, con L
x
= x : x

, x = 0, hiperplano cerrado en

E, pues x

:

E R es
lineal continua.
demostraci on de la proposicion:
1. Mostremos que (D

o: sub e.v. engendrado por D. Para usar separacion, mostremos que z / o

z / (D

. Si z / o, usanto Teorema de Tuckey, podemos separar fuertemente z de o(convexo),

entonces existe x

no nula,c, c

R tal que x

c x o, x

> c

. Como x

c x o, se
tendra que x

(x) = 0 x o, es decir, x

, y como c

> c 0, x

, z > 0 z / (D

, que es
lo que queriamos probar.
La inclucion o (D

es facil pues sabemos que (D

es un sub e.v. cerrado en

E y ademas
D (D

. .
??
.
x D x

, x = 0 x

x (D

= x : x

, x = 0 x

2. Si 0

=

E, entonces (D

=

E, se concluye por 1).
3. Si /

= 0

, entonces (/

= 0

=

E de donde podemos concluir ya que por 1) sabemos que
/

= adh(/).
MA3002 Topicos en Analisis Convexo
Seccion 5.1 Espacio Dual y conjunto Ortogonal 14
Observacion: D

E se tiene que (D

es el sub e.v. cerrado engendrado por D.

Pregunta: Y si D

E

, se tendra tambien que (D

es el sub e.v. cerrado engendrado por D en

E

??.
No necesariamente!!.
Ejemplo: Sea

E = C
0
e.v. de las sucesiones reales convergentes a 0 con la norma | |

. Se puede
demostrar que

E

se identica con
1
(e.v.n. de las sucesiones (z
n
)
n
reales que verican

[z
n
[ < , con la
norma |(z
n
)|
1
=

[z
n
[), es decir, toda aplicacion lineal continua l

E

= /(C
0
, R) se puede escribir de la
manera:
l(x
n
) =

z
n
x
n
x
n
C
0
, con alg un z
n

1
Para entender mejor que signica que un dual se identique con un e.v.n. veamos que pasa si

E = R
n
.
Si

E = R
n
, entonces

E

= /(R
n
, R),

E

se identica con R
n
, es decir, toda aplicacion lineal continua
l

E

= /(R
n
, R) se puede escribir:
l((x
1
, x
2
, ..., x
n
)) =
n

i=1
z
i
x
i
(x
1
, ..., x
n
) R
n
, para alg un (z
1
, ..., z
n
) R
n
Sea ahora F = (z
n
)
1
:

z
n
= 0 que es claramente un sub e.v. cerrado de
1
; en efecto, F se puede
escribir como F = (z
n
)
1
: L(z
n
) = 0, donde L :
1
R denida por L((z
n
)) =

z
n
que es lineal
continua, ya que [L((z
n
))[ 1|z
n
|
1
=

z
n
. Entonces, si la proposicion fuese verdadera, deberia tenerse que
(F

= F, ya que F es cerrado; mostremos que es falso, la triste verdad es que (F

es
1
(es decir

E

).
Mostremos que F

= 0, donde 0 es e n cero de C
0
, la sucesion nula.
Sea (x
n
)
n
F

, con (x
n
) ,= 0; sea x
n
,= 0 y x
n
,= 0 tal que x
n
,= x
n
, y sea ademas
z
n
=
_
_
_
1 si n = n
1 si n = n
0 si no
Claramente z
n
F y

z
n
x
n
= x
n
x
n
,= 0; es decir, se muestra que (x
n
) F

. Si existe solo un elemento

en la sucesion (x
n
)
n
distinto de 0, entonces puedo tomar
z
n
=
_
_
_
1 si n = n
1 si n = n + 1
0 si no
y tendremos que

z
n
x
n
,= 0. Donde se cae la teoria???, en la forma en la que se denio anteriormente D

cuando D

E

.
Lema: Dado l

E

, a

E tal que l(a) = 1, entonces
(a + B(0, r)) l
1
(0) = [l(x)[ < 1 x B(0, r)
Veamos ahora el GRAN teorema de prolongacion de Hahn-Banach.
MA3002 Topicos en Analisis Convexo
Seccion 5.2 Teorema de Prolongacion de Hahn-Banach 15
5.2. Teorema de Prolongacion de Hahn-Banach
Teorema de Prolongacion de Hahn-Banach(1927-1929).- Sea L sub e.v. de un e.v.n.

E, y l : L R
lineal no nula, entonces, existe

l :

E R tal que:
1.

l(x) = l(x) x L
2. |

l| = |l|
dem.- Supongamos l , 0. Sea a L tal que l(a) = 1, notemos que l(x) < 1 x B(0,
1
l
) L; del
lema obtenemos que (a + B(0,
1
l
)) l
1
(0) = , entonces, al aplicar el teorema de Mazur al conjunto
A = a + B

(0,
1
l
) (que es un sub e.v. cerrado) existe un hiperplano

A = x :

l :

E R,

l(x) = 0 tal que

l
1
(0) A = y como

l(a) ,= 0, pues a /

l
1
(0) entonces podemos elegir

l tal que

l(a) = 1.
Como l
1
(0)

l
1
(0), R tal que

l [
L
= l y recordando que

l(a) = l(a) = 1, entonces se tiene que
= 1, es decir,

l(x) = l(x) x L
Aplicando nuevamente el lema, puesto que

l
1
(0) B(0,
1
l
) = , vemos que [

l(x)[ 1 x B(0,
1
l
) y
como _
_
_
_
x
|x||l|
_
_
_
_

1
|l|
x
se tendra que

l
_
x
|x||l|
_

< 1 x
es decir,

l(x) |l||x| x, lo que muestra que la norma de

l es menor igual a la norma de l, |

l| |l|.
Por otra parte, como

l prolonga a l, se tiene que
|

l| = sup
x=0
[

l(x)[
|x|
sup
xL,x=0
[

l(x)[
|x|
= sup
xL,x=0
[l(x)[
|x|
= |l|
con lo que se concluye.
MA3002 Topicos en Analisis Convexo
Seccion 5.3 Resumen 16
5.3. Resumen
Teorema de Tuckey: Sea

E e.v.n. y A, B convexos cerrados disjuntos; uno compacto; entonces existe
l /(

E, R) no nula, y constantes c, c

R tal que l(x) c < c

l(y), x A, y B
Sea

E un e.v.n, y denotemos

E

= /(

E, R), al conjunto

E

lo llamaremos el dual de

E y sus elementos
los denotaremos por x

, y

, z

, ...
Denotaremos x

(x) = x

, x para x

, x

E.
Dado un conjunto D

E, denimos el ortogonal al conjunto D como
D

=
_
x

: x

, x = 0 x D
_
Sea D

E,

E e.v.n., y / sub e.v. en

E, se tiene:
1. El sub e.v. cerrado engendrado por D es (D

.
2. Si D

= 0, entonces el e.v. cerrado engendrado por D es

E.
3. Si /

= 0, entonces adh(/) =

E = / es denso en

E.
Dado l

E

, a

E tal que l(a) = 1, entonces
(a + B(0, r)) l
1
(0) = [l(x)[ < 1 x B(0, r)
Teorema de Prolongacion de Hahn-Banach: Sea L sub e.v. de un e.v.n.

E, y l : L R lineal no
nula, entonces, existe

l :

E R tal que:
1.

l(x) = l(x) x L
2. |

l| = |l|
MA3002 Topicos en Analisis Convexo
Seccion REFERENCIAS 17
Referencias
[1] Convex Analysis and Non Lineal Optimization, J.M. Borwein, A.S. Lewis
[2] Fundamentals of Convex Analysis, JB Hiriart Urruty, C. Lemarechal
[3] Convex Analysis, R.T. Rockafellar
MA3002 Topicos en Analisis Convexo