Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Junio 2013
Resumen
Este minicurso fue preparado para la I Escuela de Verano de Matematica y Fsica y ha sido adaptado a partir de [3]. Sin tratar de ser autocontenido
1. Espacios vectoriales
4. Espacios normados
4.1. Teorema de Aproximacion
de Weierstrass
4.2. Continuidad de aplicaciones . . . . . . . .
4.3. Normas de Lebesgue . . . . . . . . . . . .
4.4. Bases de Schauder . . . . . . . . . . . . . .
.
.
.
.
8
8
10
11
12
13
13
16
6. Ejercicios propuestos
17
Referencias
19
1.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Espacios vectoriales
A grosso modo, un espacio vectorial es un conjunto donde se pueden sumar sus elementos y, adicionalmente, se los puede multiplicar por
escalares de manera que se cumplen las propiedades usuales de los vectores fsicos, es decir vectores bidimensionales o tridimensionales.
Recordemos que (V, +) es un grupo abeliano si se cumplen las siguientes propiedades.
a) [Asociatividad aditiva] Dados u, v, w V, se tiene que
(u + v) + w = u + (v + w).
(1.1)
para todo u V.
(1.2)
u + v = 0.
(1.3)
u + v = v + u.
(1.4)
Definicion
1.1. [Espacio vectorial]
Sean (V, +) un grupo abeliano, K un cuerpo y : K V V una operacion
externa. Se dice que (V, +, ) es un espacio vectorial sobre
K si dados , K y u, v V, se tiene que
( + ) u = u + u;
(1.5)
() u = ( u);
(1.7)
(u + v) = u + v;
(1.6)
1 u = u.
(1.8)
c
MAYORGA-ZAMBRANO,
J.
Contenidos
a12 . . . a1n
a12 + b12
...
a1n + b1n
a11
a11 + b11
..
..
..
..
..
..
..
..
,
y
A
=
A + B =
.
.
.
.
.
.
.
.
a11
.
A = ..
am1
R,
a12
..
.
am2
...
..
.
...
a1n
..
.
amn
M (R),
m,n
b11
.
B = ..
bm1
...
..
.
...
b12
..
.
bm2
b1n
..
.
bamn
M (R).
m,n
( f + g)(x)
f (x) + g(x),
( f )(x)
f (x),
x I;
(1.9)
x I.
(1.10)
{p : I R / p es polinomio}
(1.11)
2
para todo ,
pues V es subespacio vectorial de V, para cada . Se concluye que U es subespacio vectorial de V pues u + v U =
V .
Observacion
1.2. A grosso modo, un espacio funcional es un espacio vectorial donde los vectores son funciones (reales o complejas) que
cumplen habitualmente con ciertas propiedades de derivabilidad y/o integrabilidad.
Tip de Maxima No. 1.
Los comandos plot2d y wxplot2d permiten crear gr
aficas bidimensionales. En particular, permiten graficar curvas param
etricas.
V2 =
f F ([a, b]) /
f (a) = f (b) = 0 ,
Z b
f
(x)dx
<
.
a
Se puede verificar que tanto V1 como V2 son subespacios funcionales de F ([a, b]). Por el Teorema 1.1, el conjunto
Z b
V3 =
f
F
([a,
b])
/
f
(x)dx
<
f
(a)
=
f
(b)
=
0
de las funciones
1 El
integrables1
en [a, b] y que se anulan en la frontera tambien es un subespacio vectorial de F ([a, b]). Vease la Figura 1.
c
MAYORGA-ZAMBRANO,
J.
(%i1)
f(x):=x*(x-1)*sin(10*x);
( %o1)
g (x) := x exp (x 1) 1 cos (5 x)
(%i3)
h[a](x):= a*f(x)+g(x);
( %o3)
(%i4)
plot2d([f(x),g(x),h[2](x),h[3](x)],[x,0,1]);
Figura 1: Con a = 0 y b = 1, se describen f (x) = x(x 1) sen(10x) (azul), g(x) = x cos(5x)(exp(x 1) 1) (rojo), h2 (x) = 2 f (x) + g(x) (verde) y h3 (x) = 3 f (x) + g(x)
(violeta)
Notacion
1.1. Sean Rn y Rm . Por Ck (; ) representaremos el espacio funcional constituido por las funciones : que tienen
derivadas continuas al menos hasta orden k N . Cuando = R se escribe simplemente Ck () en lugar de Ck (; R).
Ejemplo 1.5. Sean < a < b < y V0 = C(a, b). Para cada k N, Vk = Ck (a, b) es un subespacio vectorial de V0 . Es claro que V ( ... (
\
Vk+1 ( Vk ( Vk1 ( ...V1 ( V0 , donde V = C (a, b) =
Ck (a, b) es el espacio vectorial de las funciones que tienen derivadas continuas de
k=0
k vk ,
(1.12)
k=1
U,
(1.13)
UW
donde W es el conjunto de los subespacios vectoriales de V que contienen a D. Adicionalmente, se tiene la siguiente caracterizacion
que
establece que la capsula de un conjunto esta constituido por todas las combinaciones lineales finitas de elementos del conjunto.
Proposicion
1.1. [Caracterizacion
de la capsula]
Sean V un espacio vectorial y D V. Se tiene que u < D > ssi existen v1 , v2 , ..., vn D y 1 , 2 , ..., n R tales que u =
n
X
n vn .
k=1
Tenga presente que la capsula de D esta formada por las combinaciones lineales finitas de elementos de D.
Ejemplo 1.6. Sean V = P3 (R), el espacio vectorial de los polinomios reales de grado menor o igual a 3 y el conjunto D = {p1 , p2 , p3 } V,
donde, para x R,
p1 (x) = 1 + x,
p2 (x) = 1 + x2 ,
p3 (x) = 1 + x3 .
Aplicando la Proposicion
1.1 se encuentra que < D > esta formado por los polinomios de la forma p(x) = a+bx+cx2 +dx3 , donde abcd = 0.
c
MAYORGA-ZAMBRANO,
J.
(%i2)
( %o2)
espacio R3 ) y se dice en este caso que u y v son linealmente independientes. Este concepto se puede generalizar para conjuntos de vectores
en un espacio vectorial general.
Definicion
1.4. [Independencia lineal]
Un subconjunto finito B = {u1 , u2 , ..., un } de un espacio vectorial V, es linealmente independiente (abreviado l.i.) si para 1 , 2 , ..., n R
n
X
se tiene que
k uk = 0 implica que i = 0, para todo i = 1, 2, ..., n. En general, un conjunto R V es linealmente independiente si todo
k=1
subconjunto finito suyo es linealmente independiente. A un conjunto que no es linealmente independiente se dice que es linealmente
dependiente (abreviado l.d.).
Observacion
1.3. De la Definicion
1.4 se sigue que que todo conjunto que contiene al vector 0 es l.d. Asimismo todo subconjunto de un
conjunto l.i. es tambien l.i.
Ejemplo 1.7. En el espacio F (R) consideramos el conjunto R = {Cn : n N }, donde, para x R,
C0 (x) = 1,
Cn (x) = cos(nx),
n N.
(1.14)
u = a C0 + b C1 + c C2 + d C3
que implica que
(1.15)
x R.
1 + 2 + 3 = a,
1 = b,
2 = c,
3 = d,
Este sistema tiene solucion
solo
cuando a + b + c + d = 0. Entonces, puesto que u fue elegido arbitrariamente, se tiene que < S >= {u =
a C0 + b C1 + c C2 + d C3 / a + b + c + d = 0}.
Observacion
1.4. En Modelamiento Matematico los espacios vectoriales de dimension
infinita son mucho mas interesantes que sus pares
de dimension
finita.
Definicion
1.5. [Dimension
finita e infinita]
Un espacio vectorial V se dice que tiene dimension
infinita si para todo n N, existe un subconjunto l.i. con n vectores. Caso contrario,
se dice que V tiene dimension
finita.
Los espacios vectoriales se pueden comparar por su dimension.
Para esto es necesario introducir el concepto de base. A grosso modo
un conjunto es base de un espacio vectorial si lo genera y es l.i.
Definicion
1.6. [Dimension
y bases de Hamel]
Sean V un espacio vectorial y B V. Se dice que B es una base de Hamel de V si B es l.i. y < B >= V. En este caso, la dimension
de V es
dim(V) = #(B).
t R,
(1.16)
donde ai R y an , 0. Como el estudiante recordara, el conjunto fundamental de soluciones de (1.16) es un subespacio n-dimensional del
espacio funcional Cn (R) . Por ejemplo, dado R, el conjunto fundamental de soluciones de
y00 y = 0,
t R,
cos t ,
y1 (t) =
1,
et ,
sen t ,
y2 (t) =
t,
et ,
si < 0,
si = 0,
si = 0,
si < 0,
si = 0,
si = 0,
c
MAYORGA-ZAMBRANO,
J.
Por otro lado, por lo visto en el Ejemplo 1.7, el conjunto {C0 , C1 C2 , C3 } es l.i. de manera que u se puede escribir como
2.
En Ingeniera son muy importantes las transformadas de Fourier y de Laplace; estas son ejemplos de operadores lineales. Otra razon
por la que las aplicaciones lineales son tan importantes en la Ingeniera es que a menudo es posible aproximar una aplicacion
no-lineal que permite modelar algun
- con una aplicacion
sistema o fenomeno
(2.1)
En particular, si V = W, se dice que A esta definido sobre V. Cuando W = R, se dice A es un funcional lineal en V. Cuando A es biyectiva
se dice que es un isomorfismo y que los espacios V y W son isomorfos
Observacion
2.1. Si no hay lugar a confusion,
se puede escribir Au en lugar de A(u), para representar la imagen de u V por medio de A.
Cuando A es un funcional lineal tambien se suele denotar A[u].
No es difcil probar el siguiente resultado.
Proposicion
2.1. [Espacio de aplicaciones lineales]
Sean V y W dos espacios vectoriales. El conjunto
L(V, W) = {A : V W / A es lineal}.
(2.2)
(2.3)
dado x0 R, la funcion
D : V R definida por
D u = u0 (x0 ),
C (R).
(%i2)
D(u):= B(u,x0);
( %o2)
D(u);
(%i5)
D(sin);
d
u (x0)
d x0
D(log);
( %o5)
cos (x0)
(%i6)
D(tan);
( %o6)
sec (x0)2
B(u,x):= diff(depends(u,x),x)[1];
B (u, x) := diff depends (u, x) , x 1
De manera que
(%i3)
( %o3)
(%i4)
( %o4)
1
x0
(2.4)
I : W R definida por
Z x0
I[u] =
u(t)dt,
0
c
MAYORGA-ZAMBRANO,
J.
(%i1)
( %o1)
A(u,x):= integrate(depends(u,t)[1],t,0,x);
Z x
A (u, x) :=
depends (u, t) 1 dt
(%i2)
assume(x0>0);
( %o2)
[x0 > 0]
(%i3)
I(u):= A(u,x0);
( %o3)
(%i6)
I(cos);
( %o6)
sin (x0)
De manera que
(%i4)
( %o4)
I(u);
Z x0
u (t) dt
(%i5)
I(sin);
(%i7)
I(tan);
( %o5)
1 cos (x0)
( %o7)
Definicion
2.2. [Nucleo
o kernel. Imagen.]
Sea A : V W una aplicacion
o kernel de A al conjunto ker(A) = {u V :
lineal. Se denomina nucleo
Au = 0}.
Ejemplo 2.4. Consideramos el operador A L(C1 (R), C(R)) que fue definida en el Ejemplo 2.1 mediante Au = u0 . En este caso
n
o
ker(A) = f C1 (R)/ f es constante .
Dada una funcion
v C(R), cualquiera, es claro que la funcion
u : R R definida mediante
Z x
u(x) =
v(y) dy,
0
esta en
C1 (R)
y verifica Au = v. Puesto que v fue elegida arbitrariamente, se sigue que A es sobreyectiva, as que Rg(A) = C(R).
En la siguiente Proposicion
establecemos que una aplicacion
lineal es inyectiva cuando su kernel es el singleton {0}.
Proposicion
2.2. [Kernel, Imagen e Inyectividad]
Sea A : V W una aplicacion
lineal. Se tiene que
i) ker(A) es un subespacio vectorial de V;
ii) A es inyectiva ssi ker(A) = {0};
iii) La imagen de A es un subespacio vectorial de W.
Demostracion. i) Sean u, v ker(A) y R, cualesquiera. Se tiene que
A(u + v) = A(u) + A(v) = 0,
de manera que u + v ker(A). Por la arbitrariedad de u, v y se concluye que ker(A) es un subespacio vectorial de V.
ii.a) Supongamos que ker(A) = {0} y probemos que A es inyectiva. Sean u, v V tales que A(u) = A(v). Se tiene que
A(u) A(v)
0,
A(u v)
0,
c
MAYORGA-ZAMBRANO,
J.
3.
El concepto de valor propio es muy importante en Ingeniera; por ejemplo para el analisis de vibraciones, analisis de circuitos electricos,
en la teora de elasticidad, crecimiento de poblaciones, etc. Asimismo se utiliza en la aplicacion
de las cadenas de Markov para la prediccion
d2
u. Se tiene que todo R es valor propio. En efecto,
dx2
i) para = 0 se tiene que A0 =< {u1 , u2 } >, donde las funciones propias u1 y u2 estan dadas por
u1 (x) = 1,
u2 (x) = x,
x R;
ii) para > 0 se tiene que A =< {u1 , u2 } >, donde las funciones propias u1 y u2 estan dadas por
u2 (x) = ex
x R;
iii) para < 0 se tiene que A =< {u1 , u2 } >, donde las funciones propias u1 y u2 estan dadas por
u2 (x) = sen x ,
x R.
u1 (x) = cos x ,
Teorema 3.1. [Independencia lineal de vectores propios]
Sea L un operador lineal sobre V. Supongase
que i , i = 1, 2, ...n, son valores propios de L, distintos dos a dos. Si para cada i {1, 2, ..., n},
1 = 2 = ... = k = 0.
Tenemos que probar que
Supongamos entonces que
de manera que
Aplicando L a (3.7) se tiene que
Por (3.8) y (3.9) se sigue que
de manera que, por (3.5), se obtiene
1 = 2 = ... = k+1 = 0.
(3.5)
(3.6)
(3.7)
(3.8)
(3.9)
pues los i , i = 1, 2, ..., k + 1, son distintos dos a dos. Por tanto, por (3.7),
k+1 uk+1 = 0,
y, como uk+1 , 0 (por ser vector propio), se sigue que k+1 = 0, con lo cual se ha probado (3.6).
c
MAYORGA-ZAMBRANO,
J.
u1 (x) = ex
4.
Espacios normados
valor
absoluto) para el conjunto C, pues permite medir el tamano
de un vector y la distancia entre vectores que viven en un espacio vectorial.
Definicion
4.1. [Norma. Espacio normado]
Se dice que (V, k k) es un espacio normado si V es un espacio vectorial y k k : V R es una aplicacion,
llamada norma, que verifica las
siguientes propiedades
kuk 0,
para todo u V;
kuk = 0
ssi u = 0;
kuk = || kuk,
(4.10)
ku + vk kuk + kvk,
(4.11)
(4.12)
para todo u, v V.
(4.13)
Observacion
4.1. Si no hay lugar a confusion
se dira que V es el espacio normado en lugar de (V, k k). La desigualdad triangular (4.13)
establece que en un triangulo formado en un espacio vectorial normado, la longitud de un lado es menor que la suma de las longitudes de
los otros dos lados.
Ejemplo 4.1. Consideramos el espacio V = Rn . Denotamos x = (x1 , ..., xn ) Rn . Todas las formulas
que siguen definen normas sobre Rn :
1/p
n
1/2
n
n
X
X
|xk |p , p > 1.
|xk |2 , kxkp =
kxk0 = max |xk |, kxk1 =
|xk |, kxk2 =
k=1
k=1
k=1
Ejemplo 4.2. Sea V el conjunto de todas las sucesiones reales. Dados x = (xn )nN V, y = (yn )nN V y R se definen x+ y = (xn + yn )nN , ,
es un subespacio vectorial de
x = (xn )nN . Con estas operaciones V es un espacio vectorial. El conjunto l2 =
x
=
(x
)
:
x2n <
n
nN
n=1
1/2
X
V. Sobre l2 se define una norma: kxk =
x2n .
n=1
Una vez que se puede medir distancias en un espacio es posible establecer el concepto de convergencia. Esto lo establecemos en la
siguiente definicion.
Definicion
4.2. [Distancia y convergencia]
Sea (V, k k) un espacio normado. La distancia entre los vectores u, v V esta dada es dist(u, v) = ku vk. Se dice que una sucesion
Observacion
4.2. Las propiedades de un espacio normado (V, kk1 ) pueden diferir sustancialmente de las propiedades del espacio normado
(V, k k2 ); por ejemplo, una sucesion
(vn ) V podra converger en (V, k k1 ) y no en (V, k k2 ).
Observacion
4.3. En un espacio vectorial de dimension
finita todas las normas son equivalentes, es decir que si una sucesion
es convergente
en una norma es, de hecho, convergente en cualquier otra norma.
4.1.
Teorema de Aproximacion
de Weierstrass
Supongamos que < a < b < . Consideramos el espacio V = C([a, b]). La aplicacion
k k : C([a, b]) R definida mediante
kuk = sup |u(t)|
(4.14)
t[a,b]
(4.15)
t[a,b]
Dado el conjunto de puntos A = {(xi , yi ) [a, b]R : i = 1, 2, ..., n} tal que los xi son diferentes y el conjunto l.i. {i C([a, b]) :
la funcion
g(x) = a1 1 (x) + a2 2 (x) + ... + an n (x), x [a, b], interpola A ssi los coeficientes ai , i = 1, 2, ..., n, verifican
1 (x1 )
(x )
1 2
..
1 (xn )
2 (x1 )
2 (x2 )
..
.
2 (xn )
...
...
..
.
...
n (x1 )
n (x2 )
..
.
n (xn )
a1
a2
..
.
an
y1
y
2
= .
.
.
yn
i = 1, ..., n},
(4.16)
Ejemplo 4.3. Ejemplifiquemos el contenido del Teorema de Weierstras. Consideramos el espacio V = C([1,1; 3,1]). En este espacio nos
interesa aproximar mediante un polinomio a la funcion
determinada por la formula
(%i1)
c
MAYORGA-ZAMBRANO,
J.
k=1,...,n
(%i2)
x[1]: -1;
( %o6) 3
( %o7)
( %o2) 1
( %o3) 0,99998415998497
(%i8)
(%i4)
( %o8) 0
( %o9)
x[2]: 2;
( %o4) 2
( %o5)
(%i6)
0,5294
(%i10) x[5]: 1;
2,001962027517413
x[3]: 3;
4,986686514534318
x[4]: 0;
( %o10) 1
( %o11) 0,54946314675032
1
1
( %o13) 1
1
1
1
2
3
0
1
1
4
9
0
1
1
8
27
0
1
16
81
1
( %o16) 0,5294
(%i14) Y: transpose(matrix([y[1],y[2],y[3],y[4],y[5]]));
0,99998415998497
2,001962027517413
( %o14) 4,986686514534318
0,5294
0,54946314675032
(%i15) a: invert(Phi).Y, numer;
0,5294
0,09881920348516
( %o15) 0,66164532271963
0,67590444988249
0,35750582933696
(%i16) a1: submatrix(2,3,4,5,a)[1][1];
( %o17) 0,09881920348516
(%i18) a3: submatrix(1,2,4,5,a)[1][1];
( %o18) 0,66164532271963
( %o19) 0,67590444988249
(%i20) a5: submatrix(1,2,3,4,a)[1][1];
( %o20) 0,35750582933696
Figura 2: La senal
f (azul) y el polinomio interpolante g4 (rojo).
c
MAYORGA-ZAMBRANO,
J.
Figura 3: Grafico de | f g4 |. El punto mas alto de la grafica provee el valor de la distancia entre f y g4 .
4.2.
Continuidad de aplicaciones
Definicion
4.3. [Continuidad de aplicaciones]
Sean V y W dos espacios normados y L : V W. La aplicacion
L es continua en v0 V ssi
> 0, > 0 :
kv v0 k < =
(4.17)
Observacion
4.4. La relacion
(4.17) establece que una aplicacion
es continua cuando pequenas
perturbaciones entorno al punto de
referencia v0 provocan pequenas
perturbaciones en L(v0 ).
Proposicion
4.1. [Continuidad de la norma]
Sea V un espacio normado. Se cumple, para todo u, v V, que | kuk kvk | ku vk. Consecuentemente, la norma es una aplicacion
continua.
Ejemplo 4.4. Ejemplifiquemos el contenido de la Proposicion
4.1. Consideremos el espacio V = C([0, 1]). Tomemos como senal
original la
funcion
f C([0, 1]) definida por la formula
(%i1)
f(x):= 2.5*x*(1-x);
Figura 4: La senal
determinada por f (x) = 2,5 x(1 x).
Tomemos como perturbacion
a la funcion
g C([0, 1]) definida por
(%i3)
g(x):= exp(x)*sin(40*x)/5;
(%i4)
eps: 0.1;
( %o3)
g (x) :=
( %o4)
0,1
A partir de la grafica (vease la Figura 5) podemos estimar que kgk 0,530635 de manera que k gk 0,0530635.
A partir de la grafica de la senal
de manera que, ante una perturbacion
perturbada (vease la Figura 6) estimamos que k f + gk 0,657671
de tamano
k gk = 0,0530635, la norma de la senal
original ha sido perturbada en k f k k f + gk |0,625 0,657671| = 0,032671.
10
c
MAYORGA-ZAMBRANO,
J.
Figura 6: La senal
determinada por ( f + g)(x) = 2,5x(1 x) + exp(x) sen(40 x)/5.
4.3.
Normas de Lebesgue
Sea 1 p < y supongamos que < a < b < . Consideramos nuevamente el espacio V = C([a, b]) pero ahora con la aplicacion
k kp
definida mediante
Z b
1/p
kukp =
|u(t)|p .
(4.18)
a
2,
Holder
Proposicion
4.2. [Desigualdad de Holder]
Supongamos que < a < b < y que p, p0 [1, ] son conjugados, es decir que cumplen
de Holder
1 1
+ = 1. Entonces se cumple la desigualdad
p p0
Observacion
4.5. No es indispensable que la funcion
(4.18) tenga sentido.
u sea continua en [a, b] para que la formula
En la siguiente Proposicion
se establece la relacion
entre las normas y p de Lebesgue.
Proposicion
4.3. [Relacion
entre las normas y p de Lebesgue]
Z b
1/p
Sea u C([a, b]). Se tiene que lmp kukp = kuk , es decir sup |u(t)| = lm
|u(t)|p .
p
a
t[a,b]
u(t):= log(t)*sin(10*t);
Ninfty: 1.365;
( %o3)
1,365
2 Para
ab
1 p 1 p0
a + 0b ,
p
p
para todo a, b 0,
11
(4.19)
c
MAYORGA-ZAMBRANO,
J.
Figura 5: La senal
determinada por g(x) = exp(x) sen(40 x)/5.
Figura 7: La funcion
u : [1, 4] R dada por u(t) = ln(t) sen(10t).
El valor de kukp esta definido por (4.18):
(%i4)
N(p):= quad_qag(abs(u(t))p,t,1.0,4.0,3)(1/p);
(%i5)
( %o5)
e(p):= 100*abs(N(p)[1]-Ninfty)/abs(Ninfty);
100 N p 1 Nin f ty
e p :=
Nin f ty
Se tiene que
(%i6)
(%i7)
c
MAYORGA-ZAMBRANO,
J.
1
( %o4) N p := quad qag |u (t)|p , t, 1,0, 4,0, 3 p
Ejemplifiquemos la Proposicion
4.3; para ello definimos el error relativo (en porcentaje):
e (1) = 20,79220301691349
e (301) = 1,17363542126928
e (601) = 0,53368968651154
e (901) = 0,30315565089484
e (1201) = 0,18271494528457
e (1501) = 0,10820658483319
e (1801) = 0,057359296014794
e (2101) = 0,020347893059413
( %o7) done
Observe que el error cometido al aproximar kuk con kuk2101 es aproximadamente 0,0203 %.
4.4.
Bases de Schauder
Con ayuda del Lema de Zorn, se establece que todo espacio vectorial posee una base de Hamel. Sin embargo, este resultado no provee
ninguna informacion
sobre la naturaleza de dicha base y, de hecho, se pueden encontrar bases de Hamel que no son numerables de manera
que no hay garanta de que se pueda obtener una expansion
de la forma
u=
ck vk .
(4.20)
k=1
Por ello, cuando el universo de estudio es un espacio normado o un espacio Euclidiano, es indispensable establecer un nuevo concepto de
base.
Para un espacio vectorial de dimension
concepto de base: un conjunto finito linealmente independiente tal que
finita existe un unico
si se le anade
cualquier otro vector deja de ser linealmente independiente. Esta nocion
infinita. Sin embargo, definiremos el concepto de base teniendo como norte la existencia de sumas infinitas de la forma (4.20).
Definicion
4.4. [Base de Schauder]
Sea V un espacio normado. Se dice que una sucesion
(un )nN V l.i. es una base de Schauder de V si dado cualquier u V existe una
unica
sucesion
X
u=
n un .
(4.21)
n=1
m
X
n un
= 0.
Observacion
4.6. La igualdad (4.21) es equivalente a lm
u
m
n=1
12
Proposicion
4.4. Sea (un )nN V una base de Schauder del espacio normado V. Se tiene que V = < {un : n N} >.
Entonces una base de Schauder permite generar cualquier vector mediante combinaciones lineales infinitas.
Demostracion. Sea v V, cualquiera. Puesto que (un )nN es base de Schauder para V, existe (n )nN tal que
v=
n un .
(4.22)
n=1
N
X
n un .
(4.23)
n=1
u=
n un ,
(4.24)
n=1
n=1
2n .
(4.25)
n=1
5.
5.1.
kF(u u0 )kW
c ku u0 kV
<
.
(u, u).
13
v,
kvk
(5.27)
c
MAYORGA-ZAMBRANO,
J.
Observacion
4.7. Si, adicionalmente, B es ortonormal se dice que B es una base Hilbertiana de V. En este caso, dado u V se puede escribir
=
=
kF(u u0 )kW
v
F
kvk
kF vk,
kvk
kF(v)kW ckvkV ,
para todo v V.
Observacion
5.2. El espacio de operadores lineales continuos de un espacio normado V en un espacio normado W, denotado L(V, W)
constituye un espacio vectorial. Cuando V = W se denota L(V) = L(V, V).
Ejemplo 5.1. [Movimiento vibratorio forzado amortiguado]
Consideramos un sistema resorte-masa como una idealizacion
del movimiento de un piston
y su varilla donde hay amortiguamiento
viscoso entre el piston
y la pared por la que desliza. Si suponemos que la varilla del piston
se comporta elasticamente entonces un modelo
matematico del sistema puede establecerse al considerarse que la fuerza de restauracion
elastica es proporcional al desplazamiento (con
constante de proporcionalidad k > 0) y que la resistencia viscosa es proporcional a la velocidad de desplazamiento (con constante de
proporcionalidad > 0):
m x00 (t) + x0 (t) + k x(t) = f (t),
t 0,
(5.28)
(5.29)
x0 (0) = 0,
(5.30)
y supondremos que las constantes positivas m, y k son tales que 2 4mk > 0, de manera que la la ecuacion
m2 + + k = 0,
tiene dos soluciones reales distintas 2 > 1 . Consideramos ahora el operador
L : C([0, )) C([0, ))
definido mediante
(L u)(t) =
1
m(2 1 )
Z t
e2 (t) e1 (t) u()d,
t 0.
(5.31)
El lector puede verificar que L es un operador lineal y que si f C([0, )) entonces la solucion
del problema de valor inicial (5.28)-(5.30) es
L f , es decir, que el movimiento del piston
esta definido por
x(t) =
1
m(2 1 )
Z t
e2 (t) e1 (t) f ()d,
t 0.
1
m(2 1 )
Z t
e2 (t) e1 (t) u()d,
14
t [0, T],
c
MAYORGA-ZAMBRANO,
J.
es lineal continuo en (C([0, T]), k k ) y en (C([0, T]), k k2 ). Ademas, dada f C([0, T]), M f es solucion
del problema de valor inicial
00
0
x(0) = 0,
x (0) = 0.
Verifiquemos la continuidad de M en (C([0, T]), k k2 ):
#2
Z T"
Z t
1
kMuk22 =
e2 (t) e1 (t) u()d dt
m(2 1 ) 0
0
!1/2 Z t
!1/2 2
Z T Z t
2 (t)
1 (t) 2
2
dt
(e
e
) d
|u()| d
m2 (2 1 )2 0 0
0
Z TZ t
kuk22
2 kuk22
m2 (2 1 )2
donde
TZ t
Z
2 =
0
de manera que
kuk2 ,
m(2 1 )
Observacion
5.3. Dado un espacio normado V, se denomina espacio dual de V a
V 0 = L(V, R).
(5.32)
Entonces, el dual de V esta formado por todos los funcionales lineales continuos definidos sobre V.
Tenga presente que se puede cambiar c por cualquier constante k > c en (5.26). Por otro lado, podemos intentar reempazar c por
constantes mas pequenas
pero se alcanzara un punto crtico a partir del cual no se puede disminuir mas.
Teorema 5.2. [Norma de un operador lineal acotado]
Sean V y W espacios normados. Para F L(V, W) se denota
kFk = sup
u,0
kF(u)kW
= sup kF(u)kW .
kukV
kuk=1
La formula
(5.33) define una norma sobre el espacio vectorial L(V, W). Adicionalmente se tiene que
kFk = nf c > 0 : kF(u)kW ckukV , para todo u V .
(5.33)
(5.34)
para todo u V.
(5.35)
Z b
F(u) =
u(t)dt,
u C([a, b]).
a
De manera que F(u) es la integral definida de u en el intervalo [a, b]. Es claro que F es un funcional lineal. Puesto que
Z b
|F(u)| =
u(t)dt
a
(b a) max |u(t)|
(b a) kuk ,
t[a,b]
se tiene que F es un funcional lineal acotado sobre C([a, b]) y ademas, por (5.34), se sigue que
kFk b a.
(5.36)
t [a, b].
Z
kFk |F(u0 )| =
1 dt = b a.
kFk = b a.
15
(5.37)
c
MAYORGA-ZAMBRANO,
J.
kMuk2
Z bZ
a
Z
(Tu)(s) =
K(s, t) u(t)dt.
(5.38)
|(Tu)(s)| ds =
kTuk2 =
a
b Z b
a
2 1/2
K(s, t) u(t)dt ds C1/2 kuk2 ,
de manera que
kTk C1/2 .
Se dice que el operador T es autoadjunto si y solo
(5.39)
5.2.
Transformada de Fourier
Vamos a suponer que I R es [a, b], [a, ), (, a] o R y que p 1. Se define el espacio de funciones p-integrables sobre I como
(
)
Z
p (I) = f : I R :
| f (t)|p dt < .
(5.40)
I
(5.42)
p (I).
(5.43)
valores imaginarios.
Ejemplo 5.5. Consideramos la funcion
f L1 (R) definida por la formula
(%i1)
f(t):= (2/%pi)*t/(t4+4);
( %o1)
f (t) :=
2
t
t4 + 4
16
c
MAYORGA-ZAMBRANO,
J.
Cuantica (vease e.g. [6]). Un operador de Hilbert-Schmidt es, de hecho, mas que acotado, es un operador compacto (vease e.g. [4, Theorem
VI.22]), es decir que si (un )nN H esta acotada, entonces (Tun )nN H posee una subsucesion
convergente.
(%i2)
(%i3)
F1: integrate(f(t)*exp(-%i*w*t),t,minf,inf);
F2: integrate(f(t)*exp(-%i*w*t),t,minf,inf);
F(w):= -%i*sin(w)*%e(-abs(w));
( %o4)
Definicion
5.2. [Transformada inversa de Fourier]
Sea g L1 (R). Entonces la transformada inversa de Fourier de g se define como la funcion
g : R C dada por
Z
1
=
g(t)
g()eit d.
2
Es comun
denotar
(5.45)
F 1 g (t) = g(t).
(5.46)
f (t)eit dt.
F [ f ]() =
(5.47)
define a F como un operador con dominio en Lp (R) y, en tal caso, cual sera el codominio. Empecemos considerando el caso p = 2. El
siguiente resultado establece que la energa de una senal
es 1/(2) veces la energa de su espectro de amplitud.
Teorema 5.3. [Teorema de Pancherel]
Sea f L2 (R). Entonces f L2 (R) y se tiene que
k fk2 =
2 k f k2 ,
(5.48)
2.
(5.49)
1
k fkp0 (2) p k f kp .
De manera que F
0
L (Lp (R), Lp (R))
(5.50)
con
1 1p
kF k (2)
(5.51)
6.
Ejercicios propuestos
1) Pruebe que el conjunto Mm,n (R) de las matrices de m n es un espacio vectorial con las operaciones definidas en el Ejemplo 1.1
2) Pruebe que el conjunto F (I) de todas las funciones reales con dominio I R es un espacio vectorial con las operaciones definidas en
el Ejemplo 1.2.
3) Sea V un espacio vectorial. Suponga que W es un subconjunto no-vaco de V que verifica que
u + v W,
4) Sean < a < b < . Usando el resultado del Ejercicio 3, pruebe que el conjunto V3 =
f F ([a, b])/
Z b
\
c) Pruebe que V = C (a, b) =
Ck (a, b), el conjunto de las funciones que tienen derivadas continuas de todos los ordenes
sobre
k=0
17
c
MAYORGA-ZAMBRANO,
J.
U,
UW
C2 (R).
f1 (x0 )
f2 (x0 )
f20 (x0 )
f200 (x0 )
f3 (x0 )
f30 (x0 )
f300 (x0 )
, 0.
10) Consideramos el conjunto B = {p1 , p2 , p3 , p4 } P3 (R) dado por p1 (x) = 1, p2 (x) = x 1, p3 (x) = (x 1)2 , p4 (x) = (x 1)3 , x R. Pruebe que
B es una base de P3 (R).
d
c) Sea x0 R. Pruebe que la funcion
u(x0 ), es un funcional lineal sobre V.
D : V R definida por D[u] =
dx
Au =
(6.1)
Z
Bu(x) =
u(t)dt,
x R,
(6.2)
Z x0
c) Sea x0 R. Pruebe que la funcion
u(t)dt, es un funcional lineal sobre W. Indique si el funcional
I : W R definida por I[u] =
0
es inyectivo.
d2
u. Pruebe que todo R es valor propio de L y halle el
dx2
x
x
y
y
3
3
propios de la aplicacion
lineal A : R R definida mediante Au = A
, donde u =
.
z
z
18
c
MAYORGA-ZAMBRANO,
J.
11) [*] Sean n N y p Pn (R) tal que p(x) = a0 + a1 x + ... + an xn , x R, con an , 0. Pruebe que B = {p, p0 , p00 , ..., p(n) } es una base para Pn (R).
(
!
!
)
a b
a b
12) Sea W =
M2,2 : det
=0 .
c d
1 2
20) Sea V = C (0, 1). Determine los valores y espacios propios del operador T : V V definido mediante
(Tu)(t) = t u0 (t),
3
4
1
4
0
2
3
1
3
1
4
1
4
1
2
t (0, 1).
x
x
3
3
y la aplicacion
lineal A : R R definida mediante Au = A y , donde u = y .
z
z
x
y
b) Demostrar que para el valor propio maximo, existe un vector propio v =
tal que x, y, z [0, 1] y x + y + z = 1.
z
n
c) Determinar lm A .
n
22) Consideramos el espacio V = Rn . Denotamos x = (x1 , ..., xn ) Rn . Pruebe que todas las formulas
que siguen definen normas sobre
Rn :
1/p
1/2
n
n
n
X
X
|xk |p , p 1.
|xk |2 , kxkp =
kxk0 = max |xk |, kxk1 =
|xk |, kxk2 =
k=1,...,n
k=1
k=1
k=1
Considere n = 2. Grafique la bola B(0, 1) para cada una de las normas del punto anterior; considere p = 3 y p = 4.
23) Sea V un espacio normado. Pruebe que se cumple
ku vk |kuk kvk| ,
para todo u, v V.
24) Sea V = C([a, b]), donde < a < b < . Pruebe que la formula
kuk = sup |u(t)| define una norma sobre V.
t[a,b]
1 p 1 p0
a + 0 b , a, b 0.
p
p
Idea.- Utilice la concavidad de la funcion
logaritmo en (0, ).
Z 1
0
1
1
p
p
Idea.- Puede utilizar la desigualdad de Young para probar que
|u(t)v(t)|dt kukp + 0 kvkp . Reemplace u por u, > 0, y optimice
p
p
0
en la desigualdad as obtenida.
1
p
28) Sea B = (un )nN una base Hilbertiana del espacio Euclidiano V. Pruebe que dado un u V se cumple la igualdad de Parserval
X
kuk2 =
2n , donde, para n N, n R es el n-esimo coeficiente de Fourier de u.
n=1
para todo u V,
(6.3)
entonces L es continua.
b) Pruebe que si L es continua, entonces existe una constante c > 0 que verifica (6.3).
c) Pruebe que si dim(W) < entonces L es continua.
Referencias
[1] T. M. Apostol, Calculus. Vol. I: One-variable calculus, with an introduction to linear algebra, Second edition, Blaisdell Publishing Co. Ginn
and Co., Waltham, Mass.-Toronto, Ont.-London, 1967.
[2] J. Mayorga-Zambrano, Distribuciones Temperadas y Transformada de Fourier, Apuntes de Curso ESPE, Vol.01, N.03 (2010).
[3]
, Matematica Superior para Ingeniera (con ayuda de Maxima), (preprint), Ecuador, 2013.
[4] M. Reed and B. Simon, Methods of modern Mathematical Physics. I. Functional analysis, Academic Press, New York, 1972.
[5]
, Methods of modern Mathematical Physics. II. Fourier analysis, self-adjointness, Academic Press, New York, 1975.
[6] G. Teschl, Mathematical Methods in Quantum Mechanics with Applications to Schrodinger Operatos, vol. 99 of Graduate Studies in Mathematics, American Mathematical Society, Providence, Rhode Island (USA), first ed., 2009.
19
c
MAYORGA-ZAMBRANO,
J.