UNIVERSIDAD AUTONÓMA DE QUERÉTARO

FACULTAD DE INGENIERÍA
MAESTRÍA EN INGENIERÍA MATEMÁTICA

NOTAS DE ÁNALISIS FUNCIONAL

Vı́ctor Antonio Aguilar Arteaga

Contents

Contents 1

1 Espacios de Banach 2
1.1 Espacios Vectoriales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1 Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1
1 Espacios de Banach
1.1 Espacios Vectoriales
Definición 1 Un espacio vectorial sobre un campo K (cuyos elementos son llamados escalares)
es un conjunto X en el que se han definido dos operaciones llamadas suma y multiplicación por
escalares
(x, y) → x + y, (α, x) → αx,
para todos x, y ∈ X y α ∈ K, que satisfacen las siguientes propiedades:
1. (∀x, y, z ∈ X) (x + y) + z = x + (y + z),
2. (∀x, y ∈ X) x + y = y + x,
3. (∃ 0 ∈ X : ∀x ∈ X) x + 0 = 0 + x = x,
4. (∀x ∈ X)(∃ − x ∈ X) x + (−x) = 0,
5. (∀α ∈ K)(∀x, y ∈ K) α(x + y) = αx + αy,
6. (∀α, β ∈ K)(∀x ∈ X) (α + β)x = αx + βx,
7. (∀α, β ∈ K)(∀x ∈ X) α(βx) = (αβ)x,
8. (1 ∈ K)(∀x ∈ X) 1x = x.

Ejemplo 1 R es un espacio vectorial sobre R con las operaciones usuales de suma y producto.

Ejemplo 2 Rn es un espacio vectorial sobre R si definimos las operaciones:

• Suma:

+ : Rn × Rn → Rn
x = (x1 , ..., xn ) + y = (y1 , ..., yn ) = (x1 + y1 , ..., xn + yn )

• Producto por un escalar:

R × Rn → Rn
λx = (λx1 , ..., λxn )

Ejemplo 3 Sea ℓ∞ (R) el conjunto de todas las sucesiones acotadas con valores en R. Este conjunto
es un espacio vectorial sobre R si definimos las siguientes operaciones:

• Suma:

+ : ℓ∞ (R) × ℓ∞ (R) → ℓ∞ (R)

x = (xn )∞ ∞
n=1 + y = (yn )n=1 = (xn + yn )∞
n=1

2
 • Producto por un escalar:

R × ℓ∞ (R) → ℓ∞ (R)
λx = (λxn )∞
n=1

Ejemplo 4 Sean a, b ∈ R con a < b, definimos el conjunto

C[a, b] := {f : [a, b] → R | f es continua }.

Este conjunto es un espacio vectorial sobre R si definimos las siguientes operaciones:

• Suma:

+ : C[a, b] × C[a, b] → C[a, b]

(f + g)(x) = f (x) + g(x)

• Producto por un escalar:

R × C[a, b] → C[a, b]
(λf )(x) = λf (x)

Definición 2 Sea V un espacio vectorial. Diremos que W ⊂ V es un subespacio vectorial de V

si, bajo las operaciones inducidas por V , W mismo es un espacio vectorial.

Proposición 1 Sea V un espacio vectorial y W ⊂ V . Entonces, W es un subespacio vectorial de

V si, y sólo si, se cumple:

1. 0 ∈ W .
2. Si x, y ∈ W , entonces x + y ∈ W .
3. Si x ∈ V , λ ∈ K, entonces λx ∈ W .
Pn
Definición 3 Una combinación lineal en A ⊂ X es una suma finita i=1 λi xi con {xi } ⊂ A y
{λi } ⊂ K (n ∈ N, i = 1, ..., n)}.

Observación. A no tiene por que ser finito.

Definición 4 El subespacio vectorial generado por A ⊂ V se define como

\
E(A) = W,
W∈ C

donde C consiste de todos los subespacios vectoriales W ⊂ V tales que A ⊂ W .

3
Proposición 2 Sea V un espacio vectorial y A ⊂ V . Entonces:
1. E(A) es un subespacio vectorial de V .
2. Si A ⊂ W y W ⊂ V es un subespacio vectorial, entonces E(A) ⊂ W .
3. E(∅) = {0}.
4. Si A 6= ∅, entonces
E(A) = {λ1 x1 + · · · + λn xn : n ∈ N, λ1 , ..., λn ∈ K, x1 , ..., xn ∈ A}.
Es decir, E(A) es el conjunto formado por todas las combinaciones lineales de elementos en
A.
Ejemplo 5 Sea D un conjunto no vacı́o y V un espacio vectorial sobre K. Consideremos
f, g : D → V y λ ∈ K. Entonces, f + g y λf se definen puntualmente, en la forma usual:
(f + g)(x) = f (x) + g(x), (λf )(x) = λf (x), ∀x ∈ D.
Dotado de esta operaciones se tiene que
F (D, V ) = {f : f : D → V }
es un espacio vectorial sobre K.
Definición 5 Decimos que un espacio vectorial V tiene dimensión finita, si existe un conjunto
finito x1 , ..., xn ∈ V , tal que cualquier x ∈ V se expresa como combinación lineal de ellos, es decir,
V es el espacio generado por A = {x1 , ..., xn }.
Definición 6 Una colección finita {x1 , ..., xn } ⊂ V es linealmente independiente, si
X
n
λ1 , ..., λn ∈ K, λj xj = 0, implica que λj = 0, ∀j = 1, 2, ..., n.
j=1

Sea C = {xα : α ∈ I} una colección no vacı́a de vectores en V . Diremos que C es linealmente in-
dependiente, si cualquier subconjunto de C que sea no-vacı́o y finito es linealmente independiente.
Cuando una colección de vectores no sea linealmente independiente, decimos que es linealmente
dependiente.
Observación. En lugar de decir que la colección {x1 , ..., xn } es linealmente independiente, es usual
decir que x1 , ..., xn son linealmente independientes.
Observación. Sea A ⊂ V y B ⊂ A no vacı́o. Si A es una colección de vectores linealmente inde-
pendientes, se tiene que B también es linealmente independiente. Por otro lado, si B es linealmente
dependiente, entonces A también lo es.
Definición 7 Si V tiene dimensión finita, entonces existe N = 0, 1, ... tal que en V hay N vectores
linealmente independientes y si x1 , ..., xN +1 ∈ V , entonces x1 , ..., xN +1 son linealmente dependi-
entes. Además, tal N es único y entonces se define dim V = N . Recı́procamente, si tal número
N existe, resulta que V tiene dimensión finita. Cuando el espacio vectorial V no sea de dimensión
finita, se dice que es de dimensión infinita y se define dim V = ∞.
Observación. Si x1 , ..., xn ∈ V son linealmente independientes, se tiene que dim V ≥ n.
Proposición 3 Sea V un espacio vectorial. Entonces, dim V = ∞ si, y sólo si, existe una colección
C = {vn : n ∈ N} que es linealmente independiente.

4
1.1.1 Ejercicios
1. Demuestra que los siguientes conjuntos, con las operaciones usuales, son espacios vectoriales:
(a) El conjunto de polinomios de coeficientes reales y de grado menor o igual a n.
(b) El conjunto de matrices de m × n con entradas reales.
2. Prueba la Proposición 1.
3. Sea V un espacio vectorial y sea {Vn : n ∈ N} un conjunto de subespacios de V . Prueba que

\
∞
Vn
n=1

es un subespacio vectorial de V .
4. Prueba que si A 6= ∅, entonces

E(A) = {λ1 x1 + · · · + λn xn : n ∈ N, λ1 , ..., λn ∈ K, x1 , ..., xn ∈ A}.

5. Prueba que el espacio vectorial F ([0, 1], R) tiene dimensión infinita.

6. Sean k1 y k2 números reales distintos y sean f1 , f2 ∈ C[0, 1] definidas por

f1 (x) = ek1 x y f2 (x) = ek2 x , x ∈ [0, 1].

Prueba que las funciones f1 y f2 son linealmente independientes en el espacio vectorial C[0, 1].

Tarea. Probar la desigualdad de Cauchy-Schwarz: si x, y ∈ Rn entonces

(x · y)2 ≤ (x · x)(y · y).

Además, la igualdad se cumple si y sólo si uno de los vectores es igual al otro vector multiplicado
por un escalar.

Donde
X
n
x · y = x1 y1 + · · · + xn yn = xi yi .
i=1