Está en la página 1de 37

Espacios Lineales

Jos D. Edelstein
Universidade de Santiago de Compostela
F SICA M ATEMTICA
Santiago de Compostela, febrero de 2011

Espacios vectoriales. Espacios normados. Espacios de Hilbert.

Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

1 / 37

Espacio vectorial o lineal


Un espacio vectorial sobre un cuerpo := {a, b, . . .}, es la terna formada por
un conjunto no vaco, V := {|xi, |yi, . . .},
una aplicacin suma, + : V V V y
y una aplicacin producto externo, : V V ,
que satisfacen las siguientes propiedades:
asociatividad:

|xi + (|yi + |zi) = (|xi + |yi) + |zi,


|xi + |yi = |yi + |xi,

conmutatividad:

|xi + |0i = |0i + |xi = |xi,

elemento neutro:

|xi + |xi = |0i,

elemento opuesto:

a (b |xi) = (a b) |xi,

composicin:
distributividad en V:

a (|xi + |yi) = a |xi + a |yi,

distributividad en :

(a + b) |xi = a |xi + b |xi,


1 |xi = |xi.

elemento neutro:
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

2 / 37

Independencia y dimensin lineales


A los elementos {|xi, |yi, . . .} de V se les llama vectores, mientras que a los
{a, b, . . .} se les denomina escalares.
Si R, diremos que V es un espacio vectorial real, mientras que si C,
hablaremos de un espacio vectorial complejo.
Un subconjunto de n vectores, Xn := {|x1 i, . . . , |xn i} V , se dice linealmente
independiente, si
a1 |x1 i + . . . + an |xn i = |0i

a1 = . . . = an = 0 .

Si no, decimos que Xn es un conjunto de vectores linealmente dependientes.


Sea V un espacio vectorial sobre el cuerpo . Si V contiene un conjunto de d
vectores linealmente independientes, y cualquier otro de d + 1 vectores es
linealmente dependiente, decimos que
dim V = d .
la dimensin lineal de V es d.
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

3 / 37

Base lineal
Se denomina cardinalidad de un conjunto al nmero de elementos del mismo.
Si no hay lmite para el cardinal de un conjunto linealmente independiente,
decimos que V tiene dimensin lineal infinita.
Decimos que un subconjunto Bd V , forma una base lineal o de Hamel de
V , cuando es linealmente independiente y maximal (i.e., no est contenido en
ningn otro subconjunto linealmente independiente de V ).
La dimensionalidad depende del cuerpo sobre el que est construido el
espacio vectorial V .
Por ejemplo, si d < podemos mostrar que dim R V = 2 dim C V .
En efecto, si Bd = {|x1 i, . . . , |xd i} constituye una base del espacio vectorial
0
complejo V , entonces, B2d
= {|x1 i, i |x1 i, . . . , |xd i, i |xd i} forma una base del
mismo espacio vectorial, entendido como espacio vectorial real:
|xk i, i |xk i, k = 1, . . . , d, son vectores linealmente independientes en un
espacio vectorial real, pero no lo son en un espacio vectorial complejo.
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

4 / 37

Dimensin infinita y cardinalidad


En el caso de dimensin infinita, podemos afinar un poco ms, y comparar V
con algunos conjuntos conocidos de cardinalidad infinita, como los naturales
N, cuya cardinalidad coincide con la de los racionales Q, o los reales R, cuya
cardinalidad coincide con la de los complejos C.
La cardinalidad de N se denomina 0 (Georg Cantor, 1874).
Un conjunto es numerable cuando su cardinalidad coincide con la de N; i.e.,
es posible establecer una aplicacin uno a uno entre ambos conjuntos.
E.g., q Q, q = r /s, siendo r , s N primos relativos, podemos definir
iQ : Q N N ,

iQ (q) = (r , s) ,

MCD(r , s) = 1 .

Como N Q, card(N) card(Q) card(N N) = card(N); por lo tanto,


card(Q) = card(N) = 0 .
Sin embargo R no es numerable y decimos que su potencia es superior a la
de Q. La cardinalidad de R se denota 1 .
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

5 / 37

Ejemplos
La recta real, x R, con la operacin usual de adicin x + y = z, y
multiplicacin por nmeros reales a x = y , es un espacio vectorial,
x |xi. El espacio vectorial y el cuerpo coinciden, V = = R.
El espacio vectorial R3 , dado por el conjunto de los triples ordenados de
nmeros reales, |xi = (x1 , x2 , x3 ). La generalizacin de este caso a un
cuerpo y dimensin arbitrarios se denomina producto cartesiano, n .
Una base est dada por B = {(1, 0, 0), (0, 1, 0), (0, 0, 1)}.
N , consta de tuplas, |ai = (a1 , a2 , . . .), con ai . Tiene dimensin
infinita, |ai + |bi = (a1 + b1 , a2 + b2 , . . .) y |ai = ( a1 , a2 , . . .).
i
M
N , consta de matrices infinitas, |Mi = {M j , i, j N}.

C n (R) funciones continuas de variable real n veces derivables. f (x) |fi


con x R y f (n) < . La suma se define punto por punto
|fi + |gi = |hi

f (x) + g(x) = h(x) ,

x R .

Claro est, podemos remplazar R por .


Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

6 / 37

Subespacios vectoriales
Un subespacio de un espacio vectorial, es un subconjunto W V , que a su
vez es un espacio vectorial.
Llamamos propio a un subespacio de dimensin estrictamente menor que la
del espacio en el que est contenido.
Dado un subconjunto Xp V , llamamos variedad o envolvente lineal, lin(Xp ),
al mnimo subespacio vectorial que contiene a Xp .
Una consecuencia inmediata es que (eliminamos la notacin |xi por |xi)
lin(Xp ) = {|xi V / |xi = a1 |x1 i + . . . + ap |xp i} .
El adjetivo lineal lleva implcita la idea de que se trata de sumas de un nmero
finito de trminos, independientemente de que el conjunto Xp sea finito o no.
E.g. Sea X = {1, t, t 2 , . . . , t n , . . .} C ([0, 1]), lin(X ), es el espacio vectorial
de polinomios en la variable t.
La funcin et , por ejemplo, no pertenece a lin(X ).
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

7 / 37

Suma directa de espacios vectoriales


Proposicin: Si B es una base de V , entonces V = lin(B). Dicho de otra
manera, la descomposicin
|xi =

n
X

ai |xi i

|xi V ,

i=1

existe y es nica.
Demostracin: Sea B una base de V . Supongamos que existe un elemento
|xi V tal que |xi 6 lin(B). Entonces podramos ampliar B a B 0 = {B, |xi},
que sera linealmente independiente y mayor que B, pero B es maximal.
La unicidad se deja como un ejercicio trivial.
Decimos que un espacio V es la suma lineal de dos subespacios V1 y V2 ,
V = V1 V2 , cuando todo elemento |xi V puede ser escrito en forma nica
como |xi = |x1 i + |x2 i donde |x1 i V1 y |x2 i V2 .
Esta definicin se generaliza trivialmente a la suma directa de varios
espacios o subespacios vectoriales, V = V1 . . . Vn .
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

8 / 37

Espacio mtrico
Un espacio mtrico es un par (X , d), dado por un conjunto de elementos, X ,
y una nocin de distancia entre ellos;
es decir, una funcin, d, definida sobre pares ordenados, |xi, |yi X , tal que
se verifican las propiedades siguientes:
d(|xi, |yi) = d(|yi, |xi),

simetra:

d(|xi, |xi) = 0,

auto-distancia nula:

d(|xi, |yi) > 0 si |xi =


6 |yi,

positividad:
desigualdad triangular:

d(|xi, |yi) d(|xi, |zi) + d(|zi, |yi)


|xi, |yi, |zi X .

Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

9 / 37

Espacio normado
Un espacio vectorial V sobre , se dice que es normado cuando existe una
aplicacin (norma),
|| || : |xi V |||xi|| R ,

tal que

|xi, |yi V y a ,

se verifican las siguientes propiedades:


|||xi|| 0,

positividad:
unicidad de la norma del cero:

|||xi|| = 0 |xi = |0i,


||a |xi|| = |a | |||xi||,

homogeneidad:
desigualdad triangular o de Minkowski:

|||xi + |yi|| |||xi|| + |||yi||.

Cuando queramos hacer referencia explcita a la norma, escribiremos para un


espacio normado, (V , || ||). Todo espacio normado es un espacio mtrico, en
el que la distancia viene definida por la norma:
d(|xi, |yi) = |||xi |yi|| .
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

10 / 37

Es importante destacar la diferencia entre norma y distancia. La definicin de


norma requiere un V , mientras que se puede definir una distancia sobre un
conjunto arbitrario.
An en el contexto de espacios vectoriales, una norma define una distancia
pero lo contrario no es cierto en general.
Ejemplos:
n (Rn Cn ) es un espacio lineal normado con la norma eucldea || ||p ,

1/p
n
X
|||xi||p = ||(a1 , . . . , an )||p :=
|aj |p
.
j=1

El espacio M
m de matrices m m cuyos elementos toman valores en ,
puede dotarse de una norma,

1/p
m X
m
X
|||Mi||p :=
|M i j |p
.
i=1 j=1

Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

11 / 37

Sobre N construimos los siguientes subespacios lineales normados


p

1/p

X
:= {|xi = (a1 , a2 , . . .) N / |||xi||p :=
|aj |p < } ,
j=1

:= {|xi = (a1 , a2 , . . .) N / |||xi|| := supn |an | < } .

con 1 p < .
Sobre un subespacio del espacio vectorial de las matrices infinitas, M
N,
podemos definir
1/p

Mp := {|Mi M
|M i j |p < } .
N / |||Mi||p =
i,j=1

Sea K un conjunto compacto de n ; el espacio vectorial, (C(K ), || || ), de


las funciones continuas, f : K , puede investirse de la norma
|||fi|| supK |f (x)| .
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

12 / 37

Convergencia: vecindad y punto de adherencia


C(K ) admite otras estructuras normadas, como por ejemplo (C(K ), || ||p ),
Z

|||fi||p

1/p

|f (x)| dx
.
p

Si relajamos el requisito de continuidad en el ejemplo anterior, llegamos


al espacio vectorial normado, Lp (K ), de funciones f que verifican
Z
1/p


p

||f ||p |f | dx < .
K

La introduccin de una norma permite definir una nocin de convergencia.


Una bola abierta de radio , B(|x0 i, ), es el conjunto de los |xi V , tal que
|||xi |x0 i|| < . Se llama tambin vecindad de |x0 i, y se denota O (|x0 i).
|xi V se denomina punto de adherencia de M V , si  > 0, |zi M tal
que |zi O (|xi) (cualquier vecindad suya contiene al menos un punto de M).
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

13 / 37

Cerrados, densos y separables


Si |xi M, trivialmente es un punto de adherencia. Pero adems existen
puntos de adherencia en V que no pertenecen a M.
Por ejemplo, sea V = R y M = [0, 1); el punto 1 es de adherencia.
El conjunto formado por la unin de M con todos sus puntos de adherencia
se denomina clausura de M y se denota con M.
Decimos que M V es cerrado, si coincide con su clausura, M = M.
Sean M, N V . Decimos que M es denso en N cuando N M.
M V se dice que es siempre denso en V , cuando M = V .
Un espacio normado (V , || ||) se dice que es separable, cuando existe un
subconjunto numerable, siempre denso en V .
El ejemplo clsico de subconjunto siempre denso en R es Q. Dado que Q es,
adems, un conjunto numerable, R es un espacio normado separable.
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

14 / 37

Sucesin convergente y series en espacios normados


Se dice que una sucesin {|xn i}
1 V converge (fuertemente) a |x0 i V ,
simblicamente |xn i |x0 i, si
lim |||xn i |x0 i|| 0 .

Decimos que |x0 i es el lmite de la sucesin.


Lema: Dado un subconjunto M V y un vector |xi V , |xi es un punto de
adherencia de M, si y slo si {|xn i}
1 M, tal que |xn i |xi.
P
Sean |vi i (V , || ||). Se dice que la serie i=1 |vi i converge hacia |vi V , si
la sucesin de sumas parciales
|sn i =

n
X

|vi i

i=1

converge a |vi.
P
La operacin i=1 para |vi i es posible porque en V hay una norma definida
( se puede definir en trminos de la distancia a cualquier elemento de V ).
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

15 / 37

Sucesin de Cauchy
{|yn i}
1 V es una sucesin de Cauchy (o fundamental), si
lim |||yn i |ym i|| 0 ,

n,m

es decir, si  > 0, N > 0 tal que |||yn i |ym i|| < , n, m > N.
Proposicin: Toda sucesin convergente en (V , || ||) es de Cauchy.
Demostracin: Se deduce de la desigualdad triangular,
|||xn i |xm i|| |||xn i |x0 i|| + |||x0 i |xm i|| 0 .
Sin embargo, no toda sucesin de Cauchy es convergente. Por ejemplo,

1 n
{|yn i}
Q es de Cauchy, pero
1 := 1 + n
lim |yn i = e
/Q.

Resulta til identificar aquellos espacios en los que se pueda asegurar la


convergencia de sucesiones de Cauchy.
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

16 / 37

Espacio completo
Un espacio normado, (V , || ||), se dice que es completo en la norma asociada
o de Banach, cuando toda sucesin de Cauchy es tambin convergente en V .
La relacin entre completo y cerrado puede llevar a confusin.
Un subconjunto no vaco, M (V , || ||), es completo, si toda sucesin de
Cauchy {|xn i}
1 M converge en M.
Proposicin: Si (V , || ||) es completo y M (V , || ||) es no vaco, entonces:
M completo M cerrado.
Demostracin:
[] Si {|xn i} M V , tal que |xn i |yi V (es completo), entonces por un
lado {|xn i} es de Cauchy y por otro est en M.
Luego si M es completo la sucesin converge en M, luego M es cerrado.
[] Dado M cerrado, si {|xn i} M es de Cauchy, debe converger en V (ya
que es completo) hacia |yi M, pero M = M, luego M es completo.
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

17 / 37

Ejemplos
Q es el ejemplo clsico de conjunto no completo en la norma eucldea,
|| ||2 . Rn y Cn son completos y separables en la misma norma.
Sea V un espacio vectorial real (complejo) de dimensin finita. Hay un
isomorfismo entre este espacio y Rn (Cn ), que asocia a cada vector con
sus componentes en una determinada base.
En virtud de la completitud de Rn (Cn ), cualquier espacio vectorial de
dimensin finita sobre R (C) es automticamente completo y separable.
Sea (C[0, 1], || || ). El subconjunto P de polinomios en t [0, 1] es, a su
vez, un subespacio lineal normado.
El teorema de Weierstrass asegura que |fi C[0, 1], existe alguna
sucesin de polinomios, {|Pn i}

1 |fi en || ||
(P, || || ) no es completo y (C[0, 1], || || ) s lo es.
p es completo.
Lp [a, b] es completo.
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

18 / 37

Complecin
e se denomina complecin de V si:
Sea V normado. El espacio normado V
e.
V es un subespacio de V
e , es decir V = V
e.
V es siempre denso en V
Dos V1 y V2 se dice que son isomorfos en norma, si un isomorfismo lineal
T : V1 V2 isomtrico: |||Txi||V2 = |||xi||V1 , |xi V1 .
Teorema: Todo V normado admite una nica (salvo isomorfismos en norma)
e en un espacio normado y completo.
complecin V
Demostracin: Se aaden a V clases de equivalencia de sucesiones de
e por
Cauchy sin lmite en V . La estructura lineal normada se extiende a V
continuidad. Ejemplos:
R es la complecin de Q.
(C[0, 1], || || ) es la complecin de (P[0, 1], || || ).
Lp [a, b] es la complecin de C[a, b] en la norma || ||p .
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

19 / 37

Espacios lineales con producto escalar


La norma permite asociar un nmero positivo a cada |xi V .
Con el producto escalar podemos generalizar conceptos como ngulos,
proyecciones o perpendicularidad, propios de la geometra eucldea clsica.
El producto escalar sobre V es una aplicacin (, ) : V V , que cumple:
positividad:
linealidad:

(|xi, |xi) 0

(|xi, |xi) = 0 |xi = 0,

(|xi, |yi + |zi) = (|xi, |yi) + (|xi, |zi),


(|xi, a |yi) = a (|xi, |yi),

homogeneidad:

(|xi, |yi) = (|yi, |xi) .

hermiticidad:

Espacio con producto escalar es el par (V , (, )). Se dice que |vi, |wi V son
ortogonales, |vi |wi, si
(|vi, |wi) = 0 .
Se dice que S = {|v i}J V es ortogonal cuando todos sus elementos lo
son de a pares. Si adems (|v i, |v i)J = 1, S se denomina ortonormal.
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

20 / 37

Norma inducida por un producto escalar


Dos conjuntos de vectores S1 , S2 (V , (, )) son mtuamente ortogonales,
S1 S2 , cuando
(|v1 i, |v2 i) = 0 , |v1 i S1 , |v2 i S2 .
Se sigue inmediatamente de las propiedades de linealidad del producto
escalar que lin(S1 ) lin(S2 ) S1 S2 .
p
En (V , (, )), la aplicacin |xi |||xi|| (|xi, |xi) define una norma.
Teorema (de Pitgoras generalizado): Si S = {|v i}J es un subconjunto
ortonormal finito en (V , (, )), entonces |vi V se cumple que
X
X
|||vi||2 =
|(|v i, |vi)|2 + |||vi
(|v i, |vi) |v i||2 .
J

Demostracin: Sea |di = |vi

(|v i, |vi) |v i, es fcil ver |v di |di.

Entonces:
|||vi||2 = (|vi, |vi) = ((|v di) + |di, (|v di) + |di) = |||v di||2 + |||di||2 .
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

21 / 37

Desigualdades
Corolario (Desigualdad finita de Bessel): Si {|v i}J es un subconjunto
ortonormal finito de (V , (, )), se tiene que
X
|||vi||2
|(|v i, |vi)|2 ,
|vi V .
J

Desigualdad de Schwarz: |xi, |yi V |(|xi, |yi)| |||xi|| |||yi||. Cuando


se satura la desigualdad, |xi = |yi para algn .
Demostracin: Sean |xi, |yi =
6 0. Tomando el subconjunto ortonormal finito
dado por un elemento {|yi/|||yi||}, y usando la desigualdad de Bessel,
|||xi|| |(|xi, |yi/|||yi||)| =

1
|(|xi, |yi)| .
|||yi||

Desigualdad triangular o de Minkowski: Dados |vi, |wi V ,


|||vi + |wi||2 = |||vi||2 + |||wi||2 + 2 Re(|vi, |wi) |||vi||2 + |||wi||2 + 2|(|vi, |wi)|
|||vi||2 + |||wi||2 + 2|||vi|| |||wi|| = (|||vi|| + |||wi||)2 .
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

22 / 37

Ejemplos
n admite una estructura de espacio con producto escalar:
(|vi, |wi)

n
X

aj? bj ,

|vi = (a1 , . . . , an ) , |wi = (b1 , . . . , bn ) .

j=1

2 admite el producto escalar:


X
?
(|vi, |wi)
a
b ,

|vi = {a }N , |wi = {b }N .

p es normado pero 6 (, ) que induzca la norma asociada, para p 6= 2.


C(K ), con K R compacto, admite el producto escalar:
Z
(|fi, |gi)
f (x)? g(x) dx .
K
2

L (R) con producto escalar (anlogamente para L2 [a, b]):


Z
(|fi, |gi)
f (x)? g(x) dx .
R
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

23 / 37

Convergencia dbil
Definicin: Sea {|xn i}
1 una sucesin en (V , (, )). Decimos que converge
dbilmente a |xi, {|xn i}
1 * |xi si
(|yi, |xn i) (|yi, |xi)

|yi V .

Teorema: Convergencia fuerte implica convergencia dbil. Es decir:


{|xn i}
1 |xi

{|xn i}
1 *x .

Demostracin: Para todo |yi V ,


|(|yi, |xn i) (|yi, |xi)| = |(|yi, |xn i |xi)| |||yi|| |||xn i |xi|| 0 .
La implicacin inversa no ocurre necesariamente.
Recordemos que todo espacio normado admite una nica extensin a un
espacio completo. Un espacio vectorial con producto escalar induce una
norma nica, y por tanto, tambin admite una nica complecin.
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

24 / 37

Espacios de Hilbert
Un espacio de Hilbert, H, es un par (V , (, )) completo en la norma asociada.
Ejemplos:
Rn , Cn y M
N son espacios de Hilbert.
2 y M
son espacios de Hilbert.
L2 (Rn ) y L2 [a, b] son espacios de Hilbert.
Sea M un subconjunto de un espacio de Hilbert H. Llamamos complemento
ortogonal de M en H, M , a
M {|vi H / |viM}

(M := H M) .

Teorema fundamental de la proyeccin ortogonal: Si M es un subespacio


lineal cerrado de H, entonces |vi H,
|vi = |v1 i + |v2 i

con

|v1 i M , |v2 i M ,

y tal descomposicin es nica. |v1 i es la proyeccin ortogonal de |vi sobre M.


Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

25 / 37

Bases de un espacio de Hilbert


Sean dos subespacios lineales cerrados M, N H, diremos que H es suma
~ N (suma directa) y MN.
directa ortogonal de ellos, H = M N, si H = M
El teorema anterior afirma que M H cerrado, H = M M .
Sea S := {|f i}I , donde I es un conjunto finito o infinito de ndices. S es
base de H si es maximal, i.e., no es subconjunto propio de ningn conjunto
linalmente independiente de H.
En un espacio de Hilbert, podemos formar la matriz de productos escalares
de los elementos de una base
g = (|f i, |f i)

, I .

Un conjunto ortonormal de vectores S = {|e i} es una base ortonormal de H


si es maximal.
La matriz de productos escalares elementales es la delta de Kronecker,
(|e i, |e i) = .
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

26 / 37

Teorema de Gramm-Schmidt
Teorema de Gramm-Schmidt: Sea {|vj i}jJ H un conjunto linealmente
independiente con J finito ({1, 2, . . . , n}) o infinito numerable (N). Entonces
{|uj i}jJ ortonormal tal que lin({|vj i}jJ ) = lin({|uj i}jJ ).
Demostracin: Por construccin explcita del modo siguiente:
|w1 i := |v1 i

|u1 i :=

|w2 i
|u2 i :=
|||w2 i||

|wm i
|||wm i||

|um i

|w1 i
|||w1 i||

|w2 i := |v2 i (|u1 i, |v2 i) |u1 i

|wm i := |vm i

m1
X

(|uk i, |vm i) |uk i

k =1

El nuevo conjunto es ortogonal por construccin.


|wm i no se anula en virtud de la supuesta independencia lineal de {|vj i}jJ .
Es evidente que las variedades lineales generadas son las mismas.
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

27 / 37

Componentes covariantes y criterio de convergencia


Dada una base ortonormal, S = {|e i}I , de H, todo |vi H puede
expresarse como combinacin lineal finita o infinita
X
|vi =
v |e i .
I

Los coeficientes v pueden recuperarse calculando la proyeccin del vector


sobre el elemento de la base deseado,
v = (|e i, |vi) ,
y reciben el nombre de componentes covariantes de |vi en la base S.
Lema: Sea {|ej i}
j=1 un conjunto ortonormal de H. Entonces:

vj |ej i converge en H

j=1

|vj |2 converge en R .

j=1

Teorema de existencia de bases ortonormales: Todo espacio de Hilbert


H 6= {} posee alguna base ortonormal.
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

28 / 37

Caracterizacin de bases ortonormales


Teorema de caracterizacin de bases ortonormales: Sea S = {|e i}I
un conjunto ortonormal numerable de H y v := (|e i, |vi). Las siguientes
proposiciones son equivalentes:
S es base ortonormal de H.
lin S = H.
Si |vi |e i, I

|vi = |0i. Es decir, S = {|0i}.

(Desarrollo de Fourier) |vi H

|vi =

v |e i.

(Identidad de Parseval) |vi, |wi H

(|vi, |wi) =

v? w .

(Identidad de Parseval) |vi H

|| |vi||2 =

|v |2 .

I
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

29 / 37

Demostracin del teorema de caracterizacin de bases ortonormales


Sea S = {|e i}I conjunto ortonormal numerable de H y v := (|e i, |vi).
[1] Si S es base ortonormal de H, entonces lin S = H.
Teorema de la proyeccin ortogonal: un subespacio lineal S es denso en H si
y slo si S = {}. Si lin S 6= H, |wi S (tal que |||wi|| = 1). Entonces,
podemos aadir |wi a S, pero S es maximal.
[2] Si lin S = H, entonces si |vi |e i , I |vi = |0i; i.e., S = {|0i}.
X
[3] Si S = {|0i}, entonces |vi H |vi =
v |e i.
I
0

Si I es finito, |v i =

v |e i es tal que (|vi |v0 i) |e i |vi = |v0 i.

Si I es infinito, por la desigualdad finita de Bessel, para cualquier J I finito,


X
|(|e i, |vi)|2 |||vi||2
J

en I v |e i slo hay una coleccin finita, a lo sumo numerable, de


trminos no nulos.
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

30 / 37

Demostracin del teorema de caracterizacin de bases ortonormales


La sucesin de sumas parciales, {|wn i
|||wn i |wm i||2 =

n
X

Pn

i=1

|v |2 0 ,

v |ei i}
n=1 es de Cauchy,
n>m.

m+1

Podemos definir |v0 i limn |wn i H, (|vi |v0 i) |e i |vi = |v0 i.


X
X
[4] Si |vi H , |vi =
v |e i |vi, |wi H , (|vi, |wi) =
v? w .
I

[5] Si |vi, |wi H , (|vi, |wi) =

v? w , entonces || |vi||2 =

[6] Si |vi H , || |vi||2 =

|v |2 .

|v |2 , entonces S es base ortonormal de H.

Si no fuera as, |wi tal que S {|wi} sera


P ortonormal. Por lo tanto, |wi S,
lo que es absurdo porque 1 = |||wi||2 = I |w |2 = 0.
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

31 / 37

Espacios de Hilbert separables


La dimensin de H puede ser finita o infinita. Sea, pues, H de dimensin 0 .
Este es el caso de los espacios de Hilbert separables.
Un espacio topolgico, X , se llama separable si posee algn subconjunto
numerable, siempre denso en X .
E.g., Q es numerable y denso en R, por tanto R es separable. Lo mismo
puede decirse de Rn y de Cn . En C[a, b], los polinomios con coeficientes
racionales forman un subconjunto numerable y denso.
Si V es separable y, con respecto a la norma inducida por (, ) es un espacio
de Hilbert, diremos que (V , (, )) es un espacio de Hilbert separable.
En general nos restringiremos en adelante a espacios de Hilbert separables.
Teorema: Un espacio de Hilbert, H 6= {}, es separable si y slo si admite
una base ortonormal numerable (finita o infinita numerable).
Corolario: La dimensin de todos los espacios de Hilbert separables es o
bien finita e igual a d < o bien infinita e igual a 0 .
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

32 / 37

Teorema del Isomorfismo


Dos espacios de Hilbert sobre , H1 y H2 , son isomorfos si existe algn
isomorfismo lineal U : H1 H2 que conserva los productos escalares, i.e.,
(U|xi, U|yi)H2 = (|xi, |yi)H1 , |xi, |yi H1 .
Teorema del isomorfismo: Todo espacio vectorial de Hilbert separable H
sobre , es isomorfo a d si la dimensin de H es finita (d < ), y a 2 si
sta es infinita.
Demostracin: Sea {|en i}nJ una base ortonormal de H con J = {1, 2, .., d}
o J = N. La aplicacin lineal U : |vi H |xi = {(|en i, |vi)}nJ 2 define
el isomorfismo.
Comprobemos que es una biyeccin:
Es inyectiva porque
U |vi = U |wi (|en i, |vi) = (|en i, |wi) |vi |wi |en i

n J .

El nico vector ortogonal a toda la base es |0i H, i.e., |vi = |wi.


Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

33 / 37

Teorema del Isomorfismo


Adems es sobreyectiva pues para cualquier coleccin finita de nmeros
2
= {P
n }n=J se tiene n = 0, excepto para n1 , . . . , np ; el vector
p
|vi = i=1 ni |eni i verifica U |vi := {(|eni i, v )} = {ni } 2 .
Si fuese infinito tambin define un nico
P elemento |vi H. Efectivamente,
por ser elemento de 2 debe cumplir jJ |j |2 < . Por el P
lema de
convergencia que vimos anteriormente, tenemos que |vi := jJ j |ej i H.
Por ltimo, la isometra se cumple por la identidad de Parseval
X
(U |vi, U |wi)2
(|en i, |vi)? (|en i, |wi) = (|vi, |wi)H .
nJ

En resumen, para cada dimensin existe un slo tipo de espacio de Hilbert


separable, salvo isomorfismo. En particular, L2 [a, b] es isomorfo a 2 .
A la luz del teorema del isomorfismo se entiende el criterio de convergencia
del lema, pues la condicin de la derecha no es ms que la de pertenencia a
2 de un elemento (1 , 2 , ...) 2 .
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

34 / 37

Algunas bases ortonormales importantes


Veamos algunos ejemplos de bases ortonormales de uso frecuente. Para
todas ellas la ortonormalidad es relativamente fcil de verificar. El punto
delicado es probar el hecho de que su variedad lineal es densa en H.
Base estndar de H = 2 : Una base numerable ortonormal es
{|ek i}
1 = {(1, 0, 0, . . .), (0, 1, 0, . . .), (0, 0, 1, . . .), . . .} .
|xi 2 ,

|xi =

ai |ei i

con

i=1

|ai |2 < .

i=1

Base de Legendre de H = L2 [1, +1]: Los polinomios de Legendre


r
1
1 dn

{|Pn i}0 n + Pn (x) ,


Pn (x) := n
(x 2 1)n ,
2
2 n! dx n
pueden obtenerse aplicando Gramm-Schmidt al conjunto de funciones
2
{x n }
0 L [1, +1], linealmente independiente pero no ortonormal.
Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

35 / 37

Algunas bases ortonormales importantes


Base de Hermite de H = L2 (R): Ahora, {x n }
0 6 H. Sin embargo, el
2
conjunto {x n ex /2 }

H,
y
es
linealmente
independiente.
Tras aplicar el
0
mtodo de ortonormalizacin, el resultado a que se llega es
{|n i}
0 n (x) =

(2n n!

)1/2

ex

/2

Hn (x) ,

llamadas funciones de Hermite, siendo {Hn (x)}


0 los polinomios de Hermite
Hn (x) = (1)n ex

d n x 2
e
.
dx n

Base de Fourier de H` = L2 [0, `]: el subconjunto de L2 (R) dado por las


funciones peridicas |fi f (x) = f (x + `),
2n
1
{|en i}nZ en (x) = ei ` x .
`

constituye una base ortonormal.


Jos D. Edelstein (USC)

Tema I: Espacios Lineales

feb-2011

36 / 37

Algunas bases ortonormales importantes


Toda funcin |fi H` es desarrollable en serie de Fourier relativa a la base
de funciones trigonomtricas
Z `
+
X
2n
1
ei ` x f (x) dx
|fi =
fn |en i
con
fn = (|en i, |fi) =
`
0
n=
y

|||fi||2 =

+
X

|(|en i, |fi)|2 .

n=

Base de Laguerre de H = L2 (R+ ), R+ = [0, ): Partiendo del conjunto


{x n ex/2 }
0 H, y por Gramm-Schmidt, llegamos a una familia ortonormal y
numerable {n (x)}
1 ,
|n i n (x) = ex/2 Ln (x) ,
siendo Ln los polinomios de Laguerre
Ln (x) =
Jos D. Edelstein (USC)

1 x dn
e
(ex x n ) .
n! dx n

Tema I: Espacios Lineales

feb-2011

37 / 37