Documentos de Académico
Documentos de Profesional
Documentos de Cultura
TRABAJO ENCARGADO
TEMA: NORMAS
ESTUDIANTE:
SEMESTRE: OCTAVO
PUNO - Perú
2023
1
0.1 NORMAS
En el contexto del análisis funcional, una norma es una función que asigna a cada elemento
de un espacio vectorial un número real no negativo, de manera que ciertas propiedades se
satisfacen. Las normas son herramientas fundamentales en el análisis funcional para medir el
”tamaño” o ”longitud” de vectores en espacios vectoriales normados.
Formalmente, sea X un espacio vectorial sobre los números reales o complejos. Una norma en
X, es una función ∥.∥ : X → R que cumple con las siguientes propiedades para todo x, y ∈ X
yα∈R
Nos gustarı́a considerar espacios vectoriales que tengan una estructura espacial métrica. Cualquier
conjunto puede recibir una métrica, por lo que esto es bastante posible, pero es más interesante
tener una métrica que está relacionado con la suma de vectores y la multiplicación escalar de
forma natural. Tomando A partir de las ideas de congruencia de Euclides, las propiedades que
tenemos en mente son
a. invariancia de traducción: las distancias entre vectores deben permanecer iguales cuando
se traducen por la misma cantidad.
d(x + a, y + a) = d(x, y)
b. Homogeneidad de escala: las distancias deben escalar en proporción cuando los vectores
son escamoso.
2
Estas propiedades sólo son válidas para tipos especiales de métrica. Cuando d es traducción
invariante,entonces d(x, y) = d(x − y, y − y) = d(x − y, 0) y d se vuelve esencialmente una
función de una variable, es decir, la función norma ∥x∥ := d(x, 0) con d(x, y) = ∥x − y∥
Por el contrario, cualquier d definida de esta manera es invariante en la traducción porque
d(x + a, y + a) = ∥x + a, y − a∥ = d(x, y). Esta función es entonces escala homogénea precisa-
mente cuando.
¿Qué propiedades debe tener una norma para que d sea una distancia? es fácil de ver eso
definicion7.2
Consecuencias fáciles
3
2. ∥x1 + ..... + xn ∥ ≤ ∥x1 ∥ + ..... + ∥xn ∥ (por inducción).
Ejemplos 7.3
1.Las funciones de valor absoluto, ||, para R y C son en sı́ mismas normas, lo que las hace los
espacios normados más simples.
2. Los espacios RN y C N de vectores geométricos tienen una norma euclidiana definida por:
∥a1 ∥ 2 := ( N 2 1/2
P
i=1 |ai | )
PN
Hay otras posibilidades,e.g. ∥a1 ∥ 1 := i=1 |ai |, o ∥a∥ ∞ := maxi |ai |.
3
∥( )∥1 = 3 + 4 = 7, (1)
−4
3 √
∥( )∥2 = 9 + 16 = 5, (2)
−4
3
∥( )∥ = max(3, 4) = 4. (3)
−4 ∞
Las diferentes normas dan las diferentes distancias ya definidas en el Ejemplo 2.2(6).
entonces, cuando este último disminuye a 0, también lo hace el lado izquierdo. Por el contrario,
si ain → ai para i = 1, ..., N, entonces
p
∥Xn − a∥2 = |a1n − a1 |2 + ... + |aN n − aN |2 → 0,
En breve veremos que todas estas normas son equivalentes en dimensiones finitas, por lo que
normalmente tomamos los más convenientes, como p = 1, 2, ∞.
5. Secuencias: las secuencias se pueden sumar y multiplicar por escalares, y formar una espacio
vectorial.
4
(a0 , a1 , ...) + (b0 , b1 , ...) := a0 + b0 , a1 + b1 , ...), λ(a0 , a1, ...) := (λa0 , λa1 , ...).
Las diferentes normas introducidas anteriormente se generalizan a secuencias; los tres mas Los
espacios de secuencia normados importantes son:
PN
a. ℓ1 <:= (a1 ) : i=1 |an | < ∞ con norma definida por
pP∞
∥an ∥ℓ2 := n=0 |an |2
PN
b. ℓ1 <:= (a1 ) : i=1 |an |2 < ∞ con norma definida por
pP∞
∥an ∥ℓ2 := n=0 |an |2
6. Estos espacios son diferentes entre sı́. No sólo contienen diferentes secuencias, pero la
convergencia es diferente en cada una. Por ejemplo, las secuencias,
x1 := (1, 0, 0, ...)
x2 := (1/2, 1/2, 0, ...)
x3 := (1/3, 1/3, 1/3, 0, ...)
....
1 1
∥xn ∥1ℓ = n
+ ... + n
= 1 ↛ 0.
Por lo tanto, la convergencia de cada coeficiente es necesaria, pero no suficiente, para conver-
gencia de xn .