E

no es un proyecto lucrativo, sino un esfuerzo colectivo de estudiantes y profesores de la UNAM para facilitar el acceso a los materiales necesarios para la educacin de la mayor cantidad de gente posible. Pensamos editar en formato digital libros que por su alto costo, o bien porque ya no se consiguen en bibliotecas y libreras, no son accesibles para todos. Invitamos a todos los interesados en participar en este proyecto a sugerir ttulos, a prestamos los textos para su digitalizacin y a ayudarnos en toda la labor tcnica que implica su reproduccin. El nuestro, es un proyecto colectivo abierto a la participacin de cualquier persona y todas las colaboraciones son bienvenidas. Nos encuentras en los Talleres Estudiantiles de la Facultad de Ciencias y puedes ponerte en contacto con nosotros a la siguiente direccin de correo electrnico: eduktodos@gmail.com http:// eduktodos. dyndns. org

~"",,~:tek~

Calculus

TOIIl

M. Apostol

CALCULUSVOLUMEN 11

Clculo con funciones de varias variables y lgebra lineal, con aplicaciones a las ecuaciones diferenciales y a las probabilidadesSegunda edicin

EDITORIAL REVERT, S. A.Barcelona-Bogot-Buenos Ai res-Caraca s-Mxico

Ttulo de la obra original: CALCULUS, Multi-Variable Calculus and Linear Algebra, With Applications to DitTerential Equations and Probability Edicin original en lengua inglesa publicada por: Blaisdell Publishing Company, Waltham, Massachusetts Copyright by Blaisdell Publishing Company

Versin espaola por: Dr. D. Francisco V lez Cantarell Profesor de la Universitat de Barcelona Revisada por: Dr. D. Enrique Lins Escard Catedrtico de la Facultad de Ciencias de la Universidad de Madrid Propiedad de: EDITORIAL REVERT, S.A. Loreto, 13-15, Local B 08029 Barcelona Tel: (34) 934193336 Fax: (34) 934195189 E-mail: reverte@reverte.com Internet: http://www.reverte.com y REVERT EDICIONES, S.A. DE CV Ro Pnuco 141 Col. Cuauhtmoc c.r. 06500 Mxico, D.F. Tel: 55-33-56-58 al 60 Fax: 55-14-67-99 E-mail: resavbp@data.net.mx por inpdel

Reservados todos los derechos. La reproduccin total o parcial de esta obra, cualquier medio o procedimiento, comprendidos la reprografa y el tratamiento formtico, y la distribucin de ejemplares de ella mediante alquiler o prstamo blicos, queda rigurosamente prohibida sin la autorizacin escrita de los titulares copyright, bajo las sanciones establecidas por las leyes. 2". EDICIN Edicin en espaol EDITORIAL REVERT, REVERT EDICIONES, 78 REIMPRESIN: ISBN: 84-291-5001-3 ISBN: 84-291-5003-X S. A., 1985 S.A. DE C.V., 2001

MARZO DE 2002 (Obra completa) (Tomo 2) Espaa Mxico

ISBN: 698-6708-12-X (Obra completa) ISBN: 698-6708-11-1 (Tomo 2) Depsito legal: B-13143-2002 Impreso por DomingrafImpressors PoI. Ind. Can Magarola Pje. Autopista, Nave 12 08100 Mollet del Valls (Barcelona)

a

Jane

y

Stephen

PRLOGO

Este libro es una continuacin de mi Ca1culus, volumen 1, segunda edicin. El presente volumen fue escrito con el mismo plan fundamental que inspir al primero. Un adecuado enfoque hacia la tcnica se combina con un riguroso desarrollo terico. Se ha procurado hacer llegar al estudiante el espritu de la matemtica moderna sin exagerar el formalismo. Como en el volumen 1, se han incluido comentarios de tipo histrico para hacer vivir al lector la evolucin de las ideas. El segundo volumen est dividido en tres partes, tituladas; Anlisis lineal, Anlisis no lineal, y Temas especiales. Los dos ltimos captulos del volumen 1 han sido repetidos y son los dos primeros captulos del volumen Il, de modo que toda la materia relativa al lgebra lineal est completa en cada volumen. La parte 1 contiene una introduccin al lgebra lineal, incluyendo transformaciones lineales, matrices, determinantes, autovalores y formas cuadrticas. Se dan aplicaciones al anlisis, en particular al estudio de las ecuaciones diferenciales lineales. Se estudian los sistemas de ecuaciones diferenciales con la ayuda del clculo matricial. Se demuestran los teoremas de existencia y unicidad por medio del mtodo de Picard de aproximaciones sucesivas, que tambin se trata utilizando los operadores de contraccin. En la parte 2 se discute el clculo de funciones de varias variables. El clculo diferencial se unifica y simplifica con la ayuda del lgebra lineal. Se incluyen reglas de la cadena para campos escalares y vectoriales, y aplicaciones a las ecuaciones diferenciales en derivadas parciales y a problemas de extremos. En clculo integral se incluyen integrales de lnea, integrales mltiples y de superficie, con aplicaciones al anlisis vectorial. En esto la exposicin sigue ms o menos la lnea clsica y no incluye un desarrollo formal de las formas diferenciales. Los temas especiales tratados en la parte 3 son Probabilidades y Anlisis numrico. El de probabilidades est dividido en dos captulos, uno que trata de los espacios muestrales finitos o infinitos numerables; el otro de espacios muestrales no numerables, variables aleatorias, y funciones de distribucin. Las aplicaciones se ilustran en el estudio de variables aleatorias uni- y bi-dimensionales. El ltimo captulo contiene una introduccin al anlisis numrico, poniendo especial atencin en los distintos tipos de polinomios de aproximacin. Termina el libro con un estudio de las frmulas de integracin aproximada, tales como la regla de Simpson y una discusin de la frmula de sumacin de Euler.VII

VIII

Prlogo

En este volumen hay materia suficiente para un curso anual completo con tres o cuatro sesiones semanales. Presupone un conocimiento del clculo con una variable como se desarrolla en la mayora de los cursos del primer ao de clculo. El autor ha imaginado el curso con cuatro sesiones semanales, dos de exposicin por parte del profesor y dos para preguntar a los alumnos, empleando aproximadamente diez semanas en cada parte y omitiendo las secciones sealadas con asterisco. Este segundo volumen ha sido planeado de modo que muchos captulos pueden omitirse en cursos abreviados. Por ejemplo, el ltimo captulo de cada parte puede suprimirse sin romper la continuidad de la exposicin. La parte primera proporciona material para un curso combinado de lgebra lineal y de ecuaciones diferenciales ordinarias. Cada profesor puede elegir los temas adecuados a sus necesidades y preferencias consultando el diagrama de la pgina siguiente que muestra la interdependencia lgica de los captulos. Una vez ms reconozco con agrado el asesoramiento de numerosos amigos y colegas. Al preparar la segunda edicin recib valiosa ayuda de los profesores Herbert s. Zuckerman de la Universidad de Washington, y Basil Gordon de la Universidad de California, Los Angeles, cada uno de los cuales sugiri varias mejoras. Agradezco tambin al personal de la Blaisdell Publishing Company su cooperacin y ayuda. Como en otras ocasiones me da especial satisfaccin expresar mi gratitud a mi esposa por su valiosa y variada contribucin. En reconocimiento le dedico gustosamente este libro.T. M. A.

Pasadena, California

Interdependencia lgica de los captulos

IX

1ESPACIOS LINEALES

I

2TRANSFORMACIONES LINEALES Y MATRICES

15INTRODUCCIN AL ANLISIS NUMRICO

3DETERM INANTES

6ECUACIONES DIFERENCIALES LINEALES

8CLCULO DIFEREN CIAL EN CAMPOS ESCALARES Y VECTORIALES

10

13FUNCIONES DE CONJUNTO Y PROBABILIDADES ELEMENTALES

....

INTEGRALES DE LNEA

4

I r7SISTEMAS DE ECUACIONES DIFERENCIALES

AUTOVALORES y AUTOVECTORES

I11INTEGRALES MLTIPLES

I5AUTOV ALORES DE OPERADORES QUE ACTAN EN ESPACIOS EUCLDEOS

I14CLCULO DE PROBABILIDADES

"19APLICACIONES DEL CLCULO DIFERENCIAL

I12INTEGRALES DE SUPERFICIE

NDICE ANALTICO

Parte 1. Anlisis lineal1. ESPACIOS1.1 1.2 1.3 1.4 1.5 1.6 1.7 1.8 1.9 1.10 1.11 1.12 1.13 1.14 1.15 1.16

LINEALES3 3 5 7 8 9 11 14 15 16 17 21 24 26 31 34 36

Introduccin Definicin de espacio lineal Ejemplos de espacios lineales Consecuencias elementales de los axiomas Ejercicios Subespacios de un espacio lineal Conjuntos dependientes e independientes en un espacio lineal Bases y dimensin Componentes Ejercicios Productos interiores, espacios eucldeos. Normas Ortogonalidad en un esp-acio eucldeo Ejercicios Construccin de conjuntos ortogonales. Mtodo de Gram-Schmidt Complementos ortogonales. Proyecciones Aproximacin ptima de elementos de un espacio eucldeo por elementos de un subespacio de dimensin finita 1.17 Ejercicios

2. TRANSFORMACIONES Y MATRICES2.1 2.2 2.3

LINEALES3941 42

Transformaciones lineales Ncleo y recorrido Dimensin del ncleo y rango de la transformacinXI

XII

In dice analtico Ejercicios Operaciones algebraicas con transformaciones lineales Inversas Transformaciones lineales uno a uno Ejercicios Transformaciones lineales con valores asignados Representacin matricial de las transformaciones lineales Construccin de una representacin matricial en forma diagonal Ejercicios Espacios lineales de matrices Isomorfismo entre transformaciones lineales y matrices Multiplicacin de matrices Ejercicios Sistemas de ecuaciones lineales Tcnicas de clculo Inversas de matrices cuadradas Ejercicios Ejercicios varios sobre matrices 44 46 48 5153 55 56

2.4

2.5 2.6 2.7 2.8 2.9 2.10 2.11 2.12 2.132.14

60 6263 65

2.15 2.162.17 2.18 2.19

66 7072 75

8083

2.20 2.21

84

3. DETERMINANTES3.1

3.2 3.33.4

3.5

Introduccin Justificacin de la eleccin de los axiomas para una funcin determinante Conjunto de axiomas que definen una funcin determinante Clculo de determinantes El teorema de unicidad

87 88 9093

96

3.63.7 3.8 3.9 3.10 3.11 3.12 3.133.14

EjerciciosProducto de determinantes Determinante de la matriz inversa de una matriz no singular Determinantes e independencia de vectores Determinante de una matriz diagonal en bloques Ejercicios Frmulas para desarrollar determinantes. Menores y cofactores Existencia de la funcin determinante Determinante de una matriz transpuesta La matriz cofactor Regla de Cramer Ejercicios

9799 101 102 102 104 105 110 112 113 115 116

3.15 3.163.17

lndice analtico

XIII

4. AUr'OVALORES y AUTOVECTORES4.1 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10 Transformaciones lineales representadas mediante matrices diagonales Autovectores y autovalores de una transformacin lineal Independencia lineal de autovectores correspondientes a autovalores distintos Ejercicios Caso de dimensin finita. Polinomios caractersticos Clculo de autovalores y autovectores en el caso de dimensin finita Traza de una matriz Ejercicios Matrices que representan la misma transformacin lineal. Matrices lineales Ejercicios 119 120 123 125 126 128 131 132 134 139

5. AUTOVALORES DE OPERADORES EN ESP ACrOS EUCLDEOS5.1 5.2 5.3 5.4 5.5 5.6 Autovalores y productos interiores o escalares Transformaciones hermitianas y hemi-hermitianas Autovalores y autovectores de los operadores hermitianos y hemi-hermitianos Ortogonalidad de los autovectores correspondientes a autovalores distintos Ejercicios Existencia de un conjunto ortonormal de autovectores para operadores hermitianos y hemi-hermitianos que actan en espacios de dimensin finita Representacin matricial para operadores hermitianos y hemihermitianos Matrices hermitianas y hemi-hermitianas. Matriz adjunta de una matriz Diagonalizacin de una matriz hermitiana o hemi-hermitiana Matrices unitarias. Matrices ortogonales Ejercicios Formas cuadrticas Reduccin de una forma cuadrtica real a forma diagonal Aplicaciones a la Geometra Analtica Ejercicios 141 142 145 145146

148 149 150 151 152 154156

5.75.8

5.9 5.10 5.11 5.12 5.13 5.14 5.15

159 161 166

XIV

Indice analtico

* 5.16 Autovalores de una transformacin simtrica obtenidos comovalores de su forma cuadrtica 166 168 170 170174

* 5.17 Propiedades relativas a extremos de los autovalores de unatransformacin simtrica

* 5.18 Caso de dimensin finita5.19

5.20

Transformaciones unitarias Ejercicios

6. ECUACIONES DIFERENCIALES LINEALES6.16.2 6.3 6.4 6.5

6.6 6.7 6.8

6.96.10

6.11 6.126.13

6.14

6.15 6.16 6.17 6.186.19

6.20 6.21

Introduccin histrica Revisin de los resultados relativos a las ecuaciones de primer y segundo orden Ejercicios Ecuaciones diferenciales lineales de orden n Teorema de existencia y unicidad Dimensin del espacio solucin de una ecuacin lineal homognea lgebra de operadores de coeficientes constantes Determinacin de una base de soluciones para ecuaciones lineales con coeficientes constantes por factorizacin de operadores Ejercicios Relacin entre las ecuaciones homogneas y no homogneas Determinacin de una solucin particular de la ecuacin no homognea. Mtodo de variacin de constantes No singularidad de la matriz wronskiana de n soluciones independientes de una ecuacin lineal homognea Mtodos especiales para determinar una solucin particular de la ecuacin no homognea. Reduccin a un sistema de ecuaciones lineales de primer orden Mtodo del anulador para determinar una solucin particular de la ecuacin no homognea Ejercicios Ejercicios varios sobre ecuaciones diferenciales lineales Ecuaciones lineales de segundo orden con coeficientes analticos La ecuacin de Legendre Polinomios de Legendre Frmula de Rodrigues para los polinomios de Legendre Ejercicios

175 176 178179

181 181 182

185 190 192193 198

200 201 204 206 207 211 215 217 218

lndice analtico 6.22 6.23 6.24 Mtodo de Frobenius Ecuacin de Bessel Ejercicios

xv222224 231

7.

SISTEMAH DE ECUACIONES DIFERENCIALES235238

7.1 7.27.3

7.4 7.5 7.6 7.7 7.8 7.9 7.10 7.11 7.12 7.13 7.147.15

7.16 7.17 7.18 7.19 7.20 7.21 7.22 7.23

* * *

7.24 7.25 7.26 7.27

Introduccin Clculo con funciones matriciales Series de matrices. Normas de matrices Ejercicios Exponencial de una matriz Ecuacin diferencial que se satisface por etA Teorema de unicidad para la ecuacin diferencial matricial F'(t) = AF(t) Ley de exponentes para exponenciales de matrices Teoremas de existencia y unicidad para sistemas lineales homogneos con coeficientes constantes El problema de calcular erA Teorema de Cayley-Hamilton Ejercicios Mtodo de Putzer para calcular etA Otros mtodos para calcular etA en casos especiales Ejercicios Sistemas lineales no homogneos con coeficientes constantes Ejercicios Sistema lineal general Y'(t) = P(t)Y(t) + O(t) Resolucin de sistemas lineales homogneos mediante series de potencias Ejercicios Demostracin del teorema de existencia por el mtodo de las aproximaciones sucesivas Aplicacin del mtodo de aproximaciones sucesivas a los sistemas no lineales de primer orden Demostracin de un teorema de existencia y unicidad para sistemas no lineales de primer orden Ejercicios Aproximaciones sucesivas y puntos fjos de operadores Espacios lineales normados Operadores de contraccin

239 241 242 243 244 245 246 247 249 251 253 256 260 261 264 266 271 272 273279 281283

285 286 287

XVI

lndice analticoTeorema del punto fijo para operadores de contraccin Aplicaciones del teorema del punto fijo

* 7.28

289291

*

7.29

Parte 2.

Anlisis no lineal

8. CALCULO DIFERENCIAL EN CAMPOS ESCALARES Y VECrrORIALES8.1 8.2 8.3 Funciones de R" en R'". Campos escalares y vectoriales Bolas abiertas y conjuntos abiertos Ejercicios Lmites y continuidad Ejercicios La derivada de un campo escalar respecto a un vector Derivadas direccionales y derivadas parciales Derivadas parciales de orden superior Ejercicios Derivadas direccionales y continuidad La diferencial Gradiente de un campo escalar Condicin suficiente de diferenciabilidad Ejercicios Regla de la cadena para derivadas de campos escalares Aplicaciones geomtricas. Conjuntos de nivel. Planos tangentes Ejercicios Diferenciales de campos vectoriales La diferenciabilidad implica la continuidad La regla de la cadena para diferenciales de campos vectoriales Forma matricial de la regla de la cadena Ejercicios Condiciones suficientes para la igualdad de las derivadas ciales mixtas Ejercicios varios

297 298300 302 306 308 310 311 312 313 314 316 318 320 321

8.4 8.5 8.6 8.7 8.88.9 8.10 8.11 8.12 8.13 8.14 8.15 8.16 8.17 8.18 8.19 8.20 8.21 8.22 8.23 8.24

324327 328 330 331 332 336 par-

*

337342

In dice analtico

XVII

9. APLICACIONES DE CLCULO DIFERENCIAL9.1

9.29.3 9.4 9.5

9.6 9.79.8

9.99.10 9.11 9.12 9.13 9.14 9.15 9.16 9.17

Ecuaciones diferenciales en derivadas parciales Ecuacin en derivadas parciales de primer orden con coeficientes constantes Ejercicios La ecuacin de ondas uni-dimensional Ejercicios Derivacin de funciones definidas implcitamente Ejemplos resueltos Ejercicios Mximos, mnimos y puntos de ensilladura Frmula de Taylor de segundo orden para campos escalares Determinacin de la naturaleza de un punto estacionario por medio de los autovalores de la matriz hessiana Criterio de las derivadas segundas para determinar extremos de funciones de dos variables Ejercicios Extremos condicionados. Multiplicadores de Lagrange Ejercicios Teorema del valor extremo para campos escalares continuos Teorema de la continuidad uniforme para campos escalares continuos

345 346

349351 356 359 363 368 369 375 378 380 381 383 387 388 391

10. INTEGRALES10.1 10.2 10.3 10.4 10.5 10.6 10.7 10.8 10.9 10.10 10.11 10.12 10.13

DE LNEA393 393 394 396 399 399 401

Introduccin Caminos e integrales de lnea Otras notaciones para las integrales de lnea Propiedades fundamentales de las integrales de lnea Ejercicios El concepto de trabajo como integral de lnea Integrales de lnea con respecto a la longitud de arco Otras aplicaciones de las integrales de lnea Ejercicios Conjuntos conexos abiertos. Independientes del camino Segundo teorema fundamental del clculo para integrales de lnea Aplicaciones a la Mecnica Ejercicios

402403 405

406 408 409

XVIII

lndice analtico El primer teorema fundamental del clculo para integrales de lnea Condiciones necesarias y suficientes para que un campo vectorial sea un gradiente Condiciones necesarias para que un campo vectorial sea un gradiente Mtodos especiales para construir funciones potenciales Ejercicios Aplicaciones a las ecuaciones diferenciales exactas de primer orden Ejercicios Funciones de potencial en conjuntos convexos 411 413 415 417 420 422 425 426

10.14 10.15 10.16 10.17 10.18 10.19 10.20 10.21

11. INTEGRALES MLTIPLES11.1 11.2 11.3 11.4 11.5 11.6 11.7 11.8 11.9 11.10 11.11 11.12 11.13 11.14 11.15 11.16 11.17 11.18 11.19 11.20 11.21 11.22 Introduccin Particiones de rectngulos. Funciones escalonadas Integral doble de una funcin escalonada Definicin de integral doble de una funcin definida y acotada en un rectngulo Integrales dobles superior e inferior Clculo de una integral doble por integracin uni-dimensional reiterada Interpretacin geomtrica de la integral doble como un volumen Ejemplos resueltos Ejercicios Integrabilidad de funciones continuas Integrabilidad de funciones acotadas con discontinuidades Integrales dobles extendidas a regiones ms generales Aplicaciones a reas y volmenes . Ejemplos resueltos Ejercicios Otras aplicaciones de las integrales dobles Dos teoremas de Pappus Ejercicios Teorema de Green en el plano Algunas aplicaciones del teorema de Green Condicin necesaria y suficiente para que un campo vectorial bi-dimensional sea un gradiente Ejercicios 431 432 433 436 436 438 439 440 442 443 445

446450 451 453 455 459 461 462 467 468 471

lndice analtico

XIX

* 11.23 Teorema de Green para regiones mltiplemente conexas * 11.24 El nmero de giros * 11.25 Ejercicios11.26 11.27 11.28 11.29 11.30 11.31 11.32 11.33 11.34 Cambio de variables en una integral doble Casos particulares de la frmula de transformacin Ejercicios Demostracin de la frmula de transformacin en un caso particular Demostracin de la frmula de transformacin en el caso general Extensiones a un nmero mayor de dimensiones Cambio de variables en una integral n-mltiple Ejemplos resueltos Ejercicios

473475

478 479 484 488 490 492 494 497 500 504

12. INTEGRALES DE SUPERFICIE12.1 12.2 12.3 12.412.5

*

12.6 12.7 12.8 12.9 12.10 12.11 12.12 12.13 12.14 12.15 12.16

* 12.1712.18 12.19 12.20 12.21

Representacin paramtrica de una superficie Producto vectoriak fundamental El producto vectorial fundamental, considerado como una normal a la superficie Ejercicios rea de una superficie paramtrica Ejercicios Integrales de superficie Cambio de representacin paramtrica Otras notaciones para las integrales de superficie Ejercicios Teorema de Stokes El rotacional y la divergencia de un campo vectorial Ejercicios Otras propiedades del rotacional y de la divergencia Ejercicios Reconstruccin de un campo vectorial a partir de su rotacional Ejercicios Extensiones del teorema de Stokes Teorema de la divergencia (teorema de Gauss) Aplicaciones del teorema de la divergencia Ejercicios

509 513 516 517518

524525

527530

532534

537539

540 545546 551

552 557 561563

xx

lndice analtico

Parte 3. Temas especiales13. FUNCIONES DE CONJUNTO Y PROBABILIDAD ELEMENTAL13.1 13.2 13.3 13.4 13.5 13.6 13.713.8

13.9 13.10 13.11 13.12 13.13 13.14 13.15 13.16 13.17 13.18 13.19 13.20 13.21 13.22 13.23

Introduccin histrica Funciones de conjunto con aditividad finita Medidas con aditividad finita Ejercicios Definicin de probabilidad para espacios muestrales finitos Terminologa propia del clculo de probabilidades Ejercicios Ejemplos resueltos Ejercicios Algunos principios bsicos de anlisis combinatorio Ejercicios Probabilidades condicionadas Independencia Ejercicios Experimentos o pruebas compuestas Pruebas de Bernoulli Nmero ms probable de xitos en n pruebas de Bernoulli Ejercicios Conjuntos numerables y no numerables Ejercicios Definicin de probabilidad para espacios muestrales infinitos numerables Ejercicios Ejercicios variados sobre probabilidades

571 572574

575577

579 581581 584

586 591 592 595 597 598 603 605 608 610 614 615 617 618

14. CLCULO DE PROBABILIDADES14.1 14.2 14.3 14.4 Definicin de probabilidad para espacios muestrales no numerables Numerabilidad del conjunto de puntos con probabilidad positiva Variables aleatorias Ejercicios 621 622 623 625

Indice analtico 14.5 14.6 14.7 14.8 14.9 14.10 14.11 14.12 14.13 14.14 14.15 14.16 14.17 14.18 14.19 14.20 14.21 14.22 14.23 14.24 14.25 14.26 14.27 14.28 14.29 14.30 14.31 Funciones de distribucin Discontinuidad de las funciones de distribucin Distribuciones discretas. Funciones de masa de probabilidad Ejercicios Distribuciones continuas. Funciones de densidad Distribucin uniforme sobre un intervalo Distribucin de Cauchy Ejercicios Distribuciones exponenciales Distribuciones normales Observaciones sobre distribuciones ms generales Ejercicios Distribuciones de funciones de variables aleatorias Ejercicios Distribucin de variables aleatorias bidimensionales Distribuciones discretas bidimensionales Distribuciones continuas bidimensionales. Funciones de densidad Ejercicios Distribuciones de funciones de dos variables aleatorias Ejercicios Esperanza y varianza Esperanza de una funcin de una variable aleatoria Ejercicios Desigualdad de Chebyshev Leyes de los grandes nmeros El teorema central del lmite Ejercicios Referencias citadas

XXI

626 630 634637

639 641 646 647 649 652 656 657 658 660 660 663 664 666 668 673 676 680 681 683 685 689 691 692

15. INTRODUCCIN AL ANLISIS NUMRICO15.1 15.2 15.3 15.4 15.5 15.6 15.7 15.8 Introduccin histrica Aproximaciones por polinomios Aproximaciones polinmicas y espacios lineales normados Problemas fundamentales en la aproximacin por polinomios Ejercicios Polinomios de interpolacin Puntos de interpolacin igualmente separados Anlisis del error de la interpolacin por polinomios 695 697 698 700 703 705 708 709

XXII 15.9 15.10 15.11 15.12 15.13 15.14 15.15 15.16 15.17 15.18 15.19 15.20 15.21 15.22 15.23

lndice analticoEjercicios Frmula de interpolacin de Newton Puntos de interpolacin igualmente separados. El operador de las diferencias sucesivas Polinomios factoriales Ejercicios Problema de mnimo relativo a la norma del mximo Polinomios de Chebyshev Propiedad de mnimo de los polinomios de Chebyshev Aplicacin a la frmula del error en la interpolacin Ejercicios Integracin aproximada. Regla de los trapecios Regla de Simpson Ejercicios Frmula de sumacin de Euler Ejercicios Referencias citadas Soluciones a los ejercicios Indice 713 716 718

720721 724 725 728 730 730 733 736 742 745 752 755 757 805

PARTE 1Anlisis lineal

1ESPACIOS LINEALES

1.1

Introduccin

A 10 largo de la Matemtica se encuentran muchos ejemplos de objetos matemticos que pueden sumarse unos con otros y multiplicarse por nmeros reales. Ante todo, los nmeros reales son objetos de tal naturaleza, Otros ejemplos son las funciones vectoriales, los nmeros complejos, las series y los vectores en el espacio n-dimensional. En este captulo tratamos un concepto matemtico general, llamado espacio lineal, que incluye todos esos ejemplos y muchos otros como casos particulares. Brevemente, un espacio lineal es un conjunto de elementos de naturaleza cualquiera sobre el que pueden realizarse ciertas operaciones llamadas adicin y multiplicacin por nmeros. Al definir un espacio lineal no especificamos la naturaleza de los elementos ni decinios cmo se realizan las operaciones entre ellos. En cambio, exigimos que las operaciones tengan ciertas propiedades que tomamos como axiomas de un espacio lineal. Vamos ahora a hacer con detalle una descripcin de esos axiomas.

1.2

Definicin de espacio lineal

Sea V un conjunto no vaco de objetos, llamados elementos. El conjunto V se llama espacio lineal si satisface los diez axiomas siguientes que se enuncian en tres grupos. Axiomas de clausura1. CLAUSURA RESPECTO DE LA ADICIN. A todo par ae elementos ~ e y de V corresponde un elemento nico de V llamado suma de x e y, designadoAXIOMA

por x

+ y.3

4AXIOMA LES.

Espacios lineales2.CLAUSURA RESPECTO DE LA MULTIPLICACIN POR NMEROS REA-

A todo x de V y todo nmero real a corresponde un elemento de V llamado producto de a por x, designado por ax. Axiomas para la adicinAXIOMA

x

+y

=y

+ x.4. LEY ASOCIATIVA. = x + (y + z).5.EXISTENCIA

3.

LEY

CONMUTATIVA.

Para todo x y todo y de V, tenemos

AXIOMA

(x

+ y) + zAXIOMA

Cualesquiera que sean x, y, z de V, tenemos

DE ELEMENTO

CERO.

Existe un elemento en V, de-

signado con el smbolo O, tal que x+O=xAXIOMA 6. EXISTENCIA tiene la propiedad

para toao x de V: Para todo x de V, el elemento ( -1)x

DE OPUESTOS.

x

+ (-l)x

= O.

Axiomas para la multiplicacin por nmerosAXIOMA 7. LEY reales a y b, tenemos ASOCIATIVA.

Para todo x di! V Y todo par de nmeros

a(bx)AXIOMA

=

(ab)x .EN

8.

LEY DISTRIBUTIVA

PARA LA ADICIN

V.

Para todo x y todo

y de V y todo nmero real a, tenemos

a(xAXIOMA

+ y) =

ax

+ ay.DE NMEROS.

9.

LEY

DISTRIBUTIVA

PARA

LA ADICIN

Para todo

x de V

y

todo par de nmeros reales a y b, tenemos (a

+ b)x =

ax

+ bx .IDNTICO.

AXIOMA

10.

EXISTENCIA

DE ELEMENTO

Para todo x de V, tene-

mos Ix = x.

Ejemplos de espacios lineales

5

Los espacios lineales as definidos, se llaman, a veces, espacios Ineales reales para resaltar el hecho de que se multiplican los elementos de V por nmeros reales, Si en los axiomas 2, 7, 8 Y 9 se reemplaza nmero real por nmero complejo, la estructura que resulta se llama espacio lineal complejo. Algunas veces un espacio lineal se llama tambin espacio vectorial lineal o simplemente espacio vectorial; los nmeros utilizados como multiplicadores se llaman escalares. Un espacio lineal real tiene nmeros reales como escalares; un espacio lineal complejo tiene como escalares nmeros complejos. Si bien consideraremos principalmente ejemplos de espacios lineales reales, todos los teoremas son vlidos para espacios lineales complejos. Cuando digamos espacio lineal sin ms, se sobrentender que el espacio puede ser real o complejo.

1.3

Ejemplos de espacios lineales

Si precisamos el conjunto V y decimos cmo se suman sus elementos y cmo se multiplican por nmeros, obtenemos un ejemplo concreto de espacio lineal. El lector fcilmente puede comprobar que cada uno de los ejemplos siguientes satisface todos los axiomas para un espacio lineal real.

x

+y

EJEMPLO

1.

Sea V = R, el conjunto de todos los nmeros reales, y sean

y ax la adicin y la multiplicacin ordinarias de nmeros reales.

EJEMPLO 2. Sea V = e el conjunto de todos los nmeros complejos, definimos x + y como la adicin ordinaria de nmeros complejos, y ax como la multiplicacin del nmero complejo x por el nmero real a. Aunque los elementos de V sean nmeros complejos, ste es un espacio lineal real porque los escalares son reales. EJEMPLO 3. Sea V = V el espacio vectorial de todas las n-plas de nme, ros reales, con la adicin y la multiplicacin por escalares definidas en la forma ordinaria en funcin de los componentes. EJEMPLO 4. Sea V el conjunto de todos lof.-vectores Vn ortogonales a un vector no nulo dado N. Si n = 2, este espacio lineal es una recta que pasa por O con N como vector normal. Si n = 3, es un plano que pasa por O con N como vector normal.

Los siguientes ejemplos se llaman espacios funcionales. Los elementos de V son funciones vectoriales, con la suma de dos funciones f y g definidas en la. forma ordinaria: (f + g)(x) = (x) + g(x)

6

Espacios

lineales

para todo real x en la interseccin de los dominios de I "y g. La multiplicacin de una funcin I por un escalar real a se define as: al es aquella funcin cuyo valor en cada x del dominio de I es al(x). El elemento cero es la funcin cuyos valores son nulos para todo x. El lector puede comprobar fcilmente que cada uno de los conjuntos siguientes es un espacio funcional.EJEMPLO

5.

El conjunto de todas las funciones definidas en un intervalo

dado.EJEMPLO

6.

El conjunto de todos los polinomios.

EJEMPLO 7. El conjunto de' todos los polinomios de grado ~ n, siendo n fijo. (Siempre que consideremos este conjunto, se sobrentender que siempre est incluido el polinomio nulo.) El conjunto de todos los polinomios de grado igual a n no es una espacio lineal porque no se satisfacen los axiomas de clausura. Por ejemplo, la suma de dos polinomios de grado n puede no ser de grado n. EJEMPLO 8. El conjunto de todas las funciones continuas en un intervalo dado. Si el intervalo es [a, b]. designamos este espacio con C(a, b). EJEMPLO EJEMPLO

9. 10.

El conjunto de todas las funciones derivables en un punto dado. El conjunto de todas las funciones integrables en un intervalo

dado.EJEMPLO 11. El conjunto de todas las funciones I definidas en el punto 1 siendo I( 1) = O. El nmero O es esencial en este ejemplo. Si reemplazamos O por un nmero no nulo e, violamos el axioma de clausura. EJEMPLO 12. El conjunto de todas las soluciones de una ecuacin diferencial lineal homognea y" + ay' + by = O, donde a y b son constantes dadas. Tambin aqu es esencial el O. El conjunto de soluciones de una ecuacin diferencial no homognea no satisface los axiomas de clausura.

Estos ejemplos y muchos otros hacen patente cmo el concepto de espacio lineal est extendido por el lgebra, la Geometra y el Anlisis. Cuando se deduce un teorema de los axiomas de un espacio lineal, obtenemos un resultado vlido para cada ejemplo concreto. Unificando varios ejemplos de este modo, conseguimos un conocimiento ms profundo en cada uno. En ocasiones el conocimiento de un determinado ejemplo ayuda para anticipar o interpretar resultados vlidos para otros ejemplos y pone en evidencia relaciones que de otro modo podran pasar inadvertidas.

Consecuencias elementales de los axiomas 1.4 Consecuencias elementales de los axiomas

7

Los teoremas que siguen se deducen fcilmente de los axiomas de un espacio lineal.TEOREMA 1.1. UNICIDAD DEL existe un elemento cero y slo uno. ELEMENTO CERO.

En cualquier espacio lineal

Demostracin. El axioma 5 nos asegura que existe por lo menos un elemento cero. Supongamos que existan dos, sean 01 y O2, Haciendo x = 01 Y O = O2 en el axioma 5, obtenemos 01 + O2 = 0 Anlogamente, haciendo x = O2 Y O O" encontramos O2 + 01 O2, Pero 01 + O2 O2 + 01 por la ley conmutativa, as que 01 = O2,

=

=

1,

=

TEOREMA 1.2. UNICIDAD DE ELEMENTOS OPUESTOS. En cualquier espacio lineal todo elemento tiene exactamente un opuesto. Esto es, para todo x existe un y, y slo uno tal que x + y = O.

Demostracin. El axioma 6 nos dice que cada x tiene por lo menos un opuesto, a saber (-1)x. Supongamos que x tenga dos opuestos, sean Y1 e Y2' Entonces x + Y1 O Y x + Y2 O. Sumando Y2 a los dos miembros de la primera igualdad y aplicando los axiomas 5, 4 y 3, obtenemos que

=

=

y

Y2

+ (x + Yl) = (Y2 + x) + Yt

=O

+ Yl = Yl + O = Yl

.

Por consiguiente Y1 = Y2, con lo que x tiene exactamente un opuesto, el elemento (-l)x. Notacin. El opuesto de x se designa por -x. La diferencia y - x se define como la suma y + (- x). El teorema siguiente muestra un conjunto de propiedades que rigen los clculos algebraicos elementales en un espacio lineal.TEOREMA 1.3. En un espacio lineal, designemos con x e y dos elementos cualesquiera y con a y b dos escalares cualesquier .. Tenemos entonces las propiedades siguientes:

a)

b)

Ox = O. aO = O.

8e)

Espacios

lineales

d)e) f) g)

h)

(~a)x (ax) a( - x). Si ax = O, entonces a = O' o x = O, o los dos. Si ax ay y a =1= entonces x O y. Si ax = bx y x =1= entonces a = b. O, - (x + y) = ( - x) + ( - y) = - x-y. x + x = 2x, x+ x +x = 3x, y en general, L~=l x = nx.

=-

=

=

=

Demostraremos a). b) otras propiedades.Demostracin

y

e)

y

dejamos como ejercicios las demostraciones de las

de a).y

mando z a s mismo

Sea z = Ox. Deseamos demostrar que z aplicando el axioma 9, encontramos queOx

= O.

Su-

z

+z=

+ Ox =y

(O

+ O)x =

Ox

=

z.

Sumemos ahora - z a ambos miembrosDemostracin

obtenemos z = O.

de b).

Sea z = aO, sumar z a s mismo, y aplicar el axioma 8. Sea z = (-a)x. Sumando z a axy

Demostracin de e), ma 9, encontramos que z

aplicando el axio-

+ ax =

(-a)x

+ ax =

(-a

+ a)x =

Ox

=

O ,

as que z es el opuesto de ax, z = -(ax). Anlogamente, si sumamos a( -x) a ax y aplicamos el axioma 8 y la propiedad b), encontramos que a( -x) = -(ax). 1.5 Ejercicios

En los ejercicios del 1 al 28, determinar si cada uno de los conjuntos dados es un espacio lineal real, si la adicin y multiplicacin por escalares reales est definida en la forma usual. Para aquellos en los que no es as, decir cules son los axiomas que no se cumplen. Las funciones de los ejercicios 1 al 17 son reales. En los ejercicios 3, 4 Y 5, cada funcin tiene un dominio que contiene O y 1. En los ejercicios 7 al 12, cada dominio contiene todos los nmeros reales. 1. Todas las funciones racionales. 2. Todas las funciones racionales con el grado de 15 que el grado de g (incluyendo 1=0). 3. Todas las I con 1(0) = 1(1). 4. Todas las I con 2/(0) =1'(1). 5. Todas las I con 1(1) = 1 + 1(0). 6. Todas las funciones escalonadas definidas en [O, 1]. 7. Todas las I en las que I(x).~ O cuando x ~ + cc . 8. Todas las funciones pares. 9. Todas las funciones impares.

tte.

Subespacios de un espacio lineal10. 11. 12. 13. Todas Todas Todas Todas las las las las funciones acotadas. funciones crecientes. funciones con perodo 2'lT. I integrables en [0,1] con n I(x)dx

9

= O.

14. Todas las I integrables en [0,1] connl(x)dx ~ O. 15. Todas las I que satisfacen I(x) = l(l - x) para todo x, 16. Todos los polinomios de Taylor de grado S;; n para un n fijo (incluyendo el polinomio cero). 17. Todas las soluciones de una ecuacin diferencial lineal homognea de segundo orden y" + P(x)y' + Q(x)y = O, siendo P y Q funciones dadas, continuas para todo x. 18. Todas las sucesiones reales acotadas. 19. Todas las sucesiones reales convergentes. 20. Todas las series reales convergentes. 21. Todas las series reales absolutamente convergentes. 22. Todos los vectores (x, y, z) de V~ con z = O. 23. Todos los vectores (x, y, z) de V~ con x = O o y = O. 24. Todos los vectores (x, y, z) de V~ con y = 5x. 25. Todos los vectores (x,y,z) de Va con 3x+4y= 1, z=O. 26. Todos los vectores (x, y, z) de V~ que son productos de (l, 2, 3) por escalares. 27. Todos los vectores (x, y, z) de Va cuyos componentes satisfacen un sistema de tres ecuaciones lineales de la forma

28. Todos los vectores de Vn que son combinaciones lineales de dos vectores dados A y B. 29. Sea V = R+, el conjunto de los nmeros reales positivos. Definamos la suma de dos elementos x e y de V como su producto x ..y (en el sentido ordinario), y definamos la multiplicacin de un elemento x de V por un escalar e poniendo x. Demostrar que V es un espacio lineal real con el elemento cero. 30. a) Demostrar que el axioma 10 puede deducirse de los otros axiomas. b) Demostrar que el axioma 10 no puede deducirse de los otros axiomas si el axioma 6 es reemplazado por el axioma 6': Para todo x de -V y todo y de V tenemos que x+y=O. 3. Sea S el conjunto de todos los pares ordenados (x, ,x?) de nmeros reales. En cada case determinar si S es o no un espacio lineal con las operaciones de adicin y multiplicacin por escalares definidas como se indica. Si el conjunto no es un espacio lineal, indicar cules son los axiomas que no se cumplen. a) (Xl' X2) + (Yl, Y2) = (Xl + Yl , X2 + Y2), a(Xl, X2) = (aXl' O). b) (Xl' X2) + (Yl , Y2) = (Xl + Yl , O), a(Xl , X2) = (aXl , ax2) c) (Xl' X2) + (Yl , Y2) = (Xl' X2 + Y2), a(Xl' X2) = (aXl, ax2) d) (Xl' X2) + (Yl ,Y2) = (Ixl + x21, Iy + Y21), a(Xl' X2) = (Jaxll, !ax21) 32. Demostrar las partes de la d) a la h) del teorema 11.3.

1.6

Subespacios de un espacio lineal

Dado un espacio lineal V sea S un subconjunto no vaco de V. Si S es tambin un espacio lineal, entonces S se llama subespacio de V. El teorema que sigue

10

Espacios lineales

da un sencillo criterio para determinar si un subconjunto de un espacio lineal es o no un subespacio.TEOREMA 1.4. Sea S un subconjunto no vaco de un espacio lineal V. Tal subconjunto S es un subespacio si y s610 si satisface los axiomas de clausura.

Demostracin. Si S es un subespacio, satisface todos los axiomas de un espacio lineal, y por tanto, en particular, los axiomas de clausura. Demostremos ahora que si S satisface los axiomas de clausura, satisface tambin los otros. Las leyes conmutativa y asociativa para la adicin (axiomas 3 y 4) y los axiomas para la multiplicacin por escalares (axiomas del 7 al 10) se satisfacen automticamente en S porque son vlidos para todos los elementos de V. Falta comprobar los axiomas 5 y 6, la existencia del elemento cero en S, y la existencia de un opuesto para cada elemento de S. Sea x un elemento cualquiera de S. (S tiene por lo menos un elemento ya que no es vaco.) Segn el axioma 2, ax est en S para todo escalar a. Tomando a = O, resulta que Ox est en S. Pero Ox = O, en virtud del teorema 1.3 a), con lo cual O E S, y se satisface el axioma 5. Tomando a = - 1, vemos que (-1)x est en S. Pero x + (- l)x = O ya que x y (- l)x estn ambos en V, as que el axioma 6 se satisface en S. Por consiguiente S es un subespacio de V.DEFINICIN. Sea S un subconjunto no vaco de un espacio lineal V. Un elemento x de V de la formaX

=2i~l

k

CiXi,

en donde Xl' , x, pertenecen todos a S y cl, , ci son escalares, se denomina combinacin lineal de elementos de S. El conjunto- de todas las combinaciones lineales finitas de elementos de S satisface los axiomas de clausura y por tanto es un subespacio de V. Decimos de ese subespacio que est generado por S, o tambin le llamamos la envolvente lineal de S, y lo designamos por L(S). Si S es vaco, definimos L(S) como {a}, el conjunto consta s610 del elemento cero. Conjuntos distintos pueden generar el mismo subespacio. Por ejemplo, el espacio V est generado por cada uno de los siguientes conjuntos de vectores: {i, j}, {i, j, i + j}, {a, i, - i, j, - j, i + j}. El espacio de todos los polinomios n p(t) de grado :5n est generado por el conjunto de n + 1 polinomios {1, t, t", ... , tn}. Tambin est generado por el conjunto { 1, t/2, t /3, ... , t" /(n + 1)} y por { 1, (1 + t) , (1 + t)2, ... , (1 + t)n}. El espacio de todos los polinomios est generado por el conjunto infinito de los polinomios { 1, t, t", ... }. Al llegar aqu surgen de modo natural numerosas preguntas. Por ejemplo, qu espacios pueden generarse porun nmero finito de elementos? Si un espacio est generado por un nmero finito de elementos, cul es el menor nmero de elementos necesarios? Para discutir estas cuestiones y otras con ellas relacionadas2 2

Conjuntos

dependientes

e independientes

en un espacio lineal

11

introducimos los conceptos de dependencia, independencia, bases y dimensin. Ya en el volumen I. encontramos esas ideas al estudiar el espacio vectorial Vn Ahora vamos a extenderlas a espacios lineales de tipo general.

1.7

Conjuntos dependientes e independientes en un espacio lineal

DEFINICIN. Un conjunto S de elementos de un espacio lineal V se llama dependiente si existe un conjunto finito de elementos distintos de S, Xl> , xi, y un correspondiente conjunto d escalares c1, , es, no todos cero, tales que

I c.x =i=l

k

O.

El conjunto S se llama independiente si no es dependiente. En tal caso, cualesquiera que sean los elementos distintos X, . , x de S y los escalares c., ... , ci, implicaC1

=

C2

= ... =

Ck

=

O.

Si bien la dependencia y la independencia son propiedades de los conjuntos de elementos, podemos tambin aplicar esas denominaciones a los elementos mismos. Por ejemplo, los elementos de un conjunto independiente se llaman elementos independientes. Si S es un conjunto finito, la definicin anterior est de acuerdo con la dada en el Volumen 1 para el espacio Vn No obstante, la definicin dada aqu no est restringida a conjuntos finitos.EJEMPLO 1. Si un subconjunto T de un conjunto S es dependiente, el mismo S es dependiente. Esto es lgicamente equivalente a la afirmacin de que todo subconjunto de un conjunto independiente es independiente. EJEMPLO 2. es dependiente. EJEMPLO EJEMPLO

Si un elemento de S es el producto de otro por un escalar, S Si OE

3. 4.

S. entonces S es dependiente

El conjunto vaco es independiente.

En el Volumen 1 fueron discutidos muchos ejemplos de conjuntos dependientes e independientes. Los ejemplos que a continuacin se comentan, ilustran esos conceptos en espacios funcionales. En cada caso el espacio lineal fundamental V es el conjunto de todas las funciones reales definidas en la recta real.

i2

Espacios

lineales

EJEMPLO 5. Sean u,(t) ces" t , u2(t) sen" t, u,,(t) 1 para todo nmero real t. La identidad pitagrica prueba que u, + U2 - U3 = O, as que las tres funciones u,, U2, u" son dependientes.

=

=

=

EJEMPLO 6. Sea Uk(t) tI. para k O, 1, 2, ... , y t real. El conjunto S = {un, U,, U2, } es independiente. Para demostrar esto, basta demostrar que para cada n los n + 1 polinomios Un, U,, , Un son independientes. Una relacin de la forma I CkUk O significa que

=

=

=

n

(1.1)

Ickt k~O

k

=

O

para todo real t. Cuando t = O, encontramos encontramos que cada coeficiente Ck es cero.EJEMPLO

que

Co

= O. Repitiendo

el proceso,

7.

Si a"

...

, a; son nmeros

reales

distintos,

las n funciones

exponenciales

son independientes. Podemos demostrar esto por induccin sobre n. El resultado es trivial cuando n = 1. Por consiguiente, supongamos que es vlida para n - 1 funciones exponenciales y consideremos los escalares c., ... , CIl tales que (1.2)n I'ckek~l'

akx

= O.

Sea aM el mayor de los n nmeros (1.2) por ra.;:, obtenemos (1.3)

a" ...

, ano Multiplicando

ambos miembros

de

I cke(ak-aM)x =1.=1

n

O.

Si k =1= M, el nmero ai - aM es negativo. Por consiguiente, cuando x ~ + 00 en la ecuacin (1.3), cada trmino con k =1=M tiende a cero y encontramos que CM = O. Suprimiendo el trmino M-simo de (1.2) Y aplicando la hiptesis de induccin, encontramos que cada uno de los n - 1 restantes coeficientes ci es cero.TEOREMA 1.5. Sea S={Xl, ... , xd un conjunto independiente que consta de k elementos de un espacio lineal V y sea L(S) el subespacio generado por S. Entonces todo conjunto de k+ 1 elementos rl US) es dependiente.

Conjuntos dependientes e independientes en un espacio lineal

13

Demostracin. La demostracin es por induccin sobre k, nmero de elementos de S. Supongamos primero que k= 1. Entonces, por hiptesis, S contiene un solo elemento XI siendo Xl =1= O puesto que S es independiente. Ahora tomemos en L(S) dos elementos distintos JI e J2' Entonces, cada uno de estos elementos es un escalar multiplicado por Xl, sea JI = CIX e J2 = C2Xl, en donde CI Y C2 no son ambos cero. Multiplicando Jl por C2 e J2 por CI Y restando, obtenemosI

Por 10 tanto J'l e J2 son dependientes, quedando as demostrado el teorema cuando k= 1. Supongamos ahora que el teorema es cierto para k - 1 Y demostremos que tambin 10 es para k. Tomemos un conjunto de k+ 1 elementos en L(S), sea T = {YI , Y2 , . , Yk + Queremos probar que T es dependiente. Puesto que cada elemento Yi est contenido en L(S), podemos escribir1 }.

k

(1.4)

Yi

= 'LaijXjj=1

para cada i = 1,2, , ... , k + 1. Examinemos todos los escalares ail que multiplican a Xl y, para ello, consideremos dos casos en la demostracin. CASO 1. ail=O para todo i=1,2, ... ,k+1. En este caso la suma (l.4) no incluye a x,; as cada Ji en T est en la envolvente lineal del conjunto S' = {x ,xd. Pero S' es independiente y contiene k-1 elementos. Por induccin y para k-1, el teorema es cierto, siendo por 10 tanto, T dependiente. Esto demuestra el Caso 1.2,

CASO 2. No son cero todos los escalares a. Suponemos que a., =1= O. Tomando i = 1 en la ecuacin (l.4) Y mu 1tiplicando los dos miembros por ci, siendo ci=aifa obtenemos:ll,

CiY1 = ai1x1

+ 'L cia1jxj.j~2

k

Si de esta ecuacin restamos la (l.4), resulta:k

CiY1

-

Yi

= 'L(cia1jj~2

-

aij)xj,

para i = 2, ... , k + 1. Esta ecuacion expresa cada uno de los elementos como una combinacin lineal de los k - 1 elementos independientes X2,

CiYI ,

Yi xi.

14

Espacios

lineales

Por induccin,los k elementos CYl -Yi deben ser dependientes. En consecuencia, para cualquier eleccin de escalares t. ... , tk+l, no todos cero, tenemosk+l

~ t;(CYl i~2

Yi)

= O,

y de aqu deducimos

Esta es una combinacin de Yl, ... , Yk+l, que representa el vector cero, de esta manera los elementos Yl," . , Yk+l deben ser dependientes, completando as la demostracin.1 ,8

Bases y dimensin

DEFINICIN. Un conjunto finito S de elementos de un espacio lineal V se llama base finita de V si S es independiente y genera V. El espacio V es de dimensin finita si tiene una base finita. De otro modo, V es de infinitas dimensiones. TEOREMA 1 .6. Sea V un espacio lineal de dimensin base finita de V tiene el mismo nmero de elementos.

finita. Entonces

toda

Demostracin. Sean S y T dos bases finitas de V. Supongamos que S y T constan respectivamente de k y m elementos. Puesto que S es independiente y engendra V, el teorema 1.5 nos dice que todo conjunto de k + 1 elementos de V es dependiente. Por consiguiente, todo conjunto de ms de k elementos de V es dependiente. Ya que T es un conjunto independiente, debe ser m :::;; . El mismo k razonamiento con S y T intercambiadas prueba que k :::;; . Por lo tanto k = m. mDEFINICIN. Si un espacio lineal V tiene una base de n elementos, tero n se llama dimensin de V. Escribimos n = dim V.

el en-

EJEMPLO 1. El espacio V" tiene dimensin n. Una base es el conjunto de los n vectores coordenados unitarios. EJEMPLO 2. El espacio de todos los polinomios p(t) de grado :::;; n tiene dimensin n + 1. Una base es el conjunto de n + 1 polinomios { 1, t, t", ... , t"}. Todo polinomio de grado :::;;ti es una combinacin lineal de esos n + 1 polinomios. EJE M PLO

3.

y" - 2y' -

3y

ciones u(x) esas dos.

=

=

El espacio de las soluciones de la ecuacion diferencial O tiene dimensin 2. Una base est formada por las dos fun>. u:z(x) = e", Toda solucin es una combinacin lineal de

Componentes

15

EJEMPLO 4. El espacio de todos los polinomios p(t) es de infinitas dimensiones. El conjunto infinito {1, t, t", ... } genera este espacio y ningn conjunto finito de polinomios genera el espacio. TEOREMA

1.7.

Sea V un espacio lineal de dimensin finita con dim V = n.

Se tiene:a) Cualquier conjunto de elementos independiente de V es un subconjunto de una cierta base para V. b) Cualquier conjunto de n elementos independientes es una base para V.

Demostracin. Para demostrar (a), consideremos el conjunto independiente S ={Xl' ... , Xk} constituido por elementos en V. Si L(S) = V, entonces S es una base. Si no, entonces hay algn elemento y en V que no est en L(S). Aadamos ese elemento a S y consideremos el nuevo conjunto S' = {Xl' ... , x , y}. Si en este conjunto dependiente multiplicamos sus elementos por escalares c Ck+lI, ,

siendo alguno diferente de cero, estableceremos que

.2 c.x +i~l

k

Ck+lY

=

O.

Pero Ck+l=l= O puesto que Xl , ,Xk son independientes. De aqu que podamos resolver esta ecuacin respecto a y llegando a la conclusin que yE L(S), lo que contradice el supuesto de que y no pertenece a L(S). Por lo tanto el conjunto S' es independiente y contiene k+ 1 elementos. Si L(S') = V, entonces S' es una base y, siendo S un subconjunto de S', la parte (a) queda demostrada. Si S' no es una base, entonces podemos proceder con S' de igual manera que procedimos con S y considerar otro nuevo conjunto S" que contiene k+2 elementos y es independiente. Si S" es una base, (a) queda demostrado. Si no, repetimos el proceso. Debemos llegar a una base despus de un nmero finito de etapas, ya que de otra manera obtendramos un conjunto independiente con n+ 1 elementos, contradiciendo el teorema (1.5). Por eso, la parte (a) del teorema (1.7) queda demostrada. Para demostrar la parte (b) consideremos un conjunto independiente S con n elementos. Por la parte (a), S es un subconjunto de base B. Pero por el teorema 1.6, la base B tiene exactamente n elementos, por tanto, S =B. 1.9 Componentes Sea V un espacio lineal de dimensin n y consideremos una base cuyos elementos e, ... , en se toman en un cierto orden. Una tal base ordenada la consideramos como una n-pla (e" ... en). Si X E V, podemos expresar X como una combinacin lineal de esos elementos base:(l.S)X

=

L c.e.,i~l

n

16

Espacios lineales

Los coeficientes en esta ecuacin determinan una n-pla de nmeros (e, ... , cn) que est unvocamente determinada por x. En efecto, si tenemos otra representacin de x como combinacin lineal de e" ... , en, por ejemplo x = L;~l i, die restando de ( 1 ,5) encontramos que L~lCCi- di)ei = O. Pero ya que los elementos base son independientes, eso implica que ci=di para cada i, con lo cual (e" ... , cn) (di,'" ,dn). Los componentes de la n-pla ordenada (c., ... , Cn) determinada por (1'.5) se llaman componentes de x respecto a la base ordenada (e" ... , en).

=

l.t O

Ejercicios

(x, y, z) de Vo cuyos

un 1. 2.

3.4.

5.

En cada uno de los ejerCICIOS del 1 al 10, S es el conjunto de todos los vectores componentes satisfacen la condicin que se da. Determinar si S es subespacio de Vo' Si lo es, calcular dim S. x = O. 6. x = yo x = z. x + y = O. 7. x2 - y2 = O. 8. x + y = 1. x + y + z = O. x =y. 9. Y = 2x y z = 3x. x = y = z, 10. x + V + z = O y x - y - z = O.

Sea P, el espacio lineal de todos los polinomios de grado :::;; , siendo n fijo. En cada n ejercicio del 11 al 20, sea S el conjunto de todos los polinomios I de P. que satisfacen la condicin dada. Determinar si S es un subespacio de P. Si lo es, calcular dim S. 11. 1(0) = O.12. 13. 14. 15. 16. 17. 18. /'(0) = O. /"(0) = O. 1(0) + /'(0) = O. 1(0) = 10). 1(0) = 1(2).

19. 20. 21.

22.

23. .

es par. es impar. es de grado s; k, siendo k < n, o I = O. es de grado k, siendo k < n, o I = O. En el espacio lineal de todos los polinomios reales p(t), describir el subespacio engendrado por cada uno de los siguientes conjuntos de polinomios y determinar su dimensin. a) {l, t2, t4}; b) {t, t3, t5}; e) {t, t2}; d) {l + t, (1 + t)2}. En este ejercicio, L(S) es el subespacio generado por un subconjunto S de un espacio lineal V. Demostrar las proposiciones de la a) a la f). a) S S; L(S). b) Si S S; TS; Vy si T es un subespacio de V. entonces L(S) S; T. Esta propiedad se expresa diciendo que L(S) es el menor subespacio de V que contiene S. e) Un subconjunto S de V es un subespacio de V si y slo si L(S) = S. d) Si S S; T S; V, entonces L(S) S; L(T). e) Si S Y T son subespacios de V, tambin lo es S \ T. f) Si S Y T son subconjuntos de V. entonces L(S n T) S;L(S) \ L(T). g) Dar un ejemplo en el que L(S \ T) #- L(S) \ L(T). Sea V el espacio lineal de todas las funciones reales definidas en la recta real. Determinar si cada uno de los siguientes subconjuntos de V es dependiente o independiente . Calcular la dimensin del subespacio generado por cada conjunto.

I I I I

Productos

interiores, espacios eucldeos.

Normas

17

a) {I, e"'x, ebX}, ab) {e"'x, xe"'X}.

;

b.

f) reos x, senx}. g) {cos" X,sen 2 x}.

e) {I, eax, xeax}.d) {e"'x, xe'", x2eaX}.

e) {eX, e-x, eoshx}.

h) {I, eos 2x,sen2 x}. i) {sen x, sen 2x}. j) {eX eos x, e-X sen x}.cada

24. Sean V un espacio lineal de dimensin finita, y S un subespacio de V. Demostrar una de las proposiciones siguientes. a) S es de dimensin finita y dim S ~ dim V. b) dim S = dim V si y slo si S = V. e) Toda base de S es parte de una base de V. d) Una base de V no contiene necesariamente una base de S.

1.11

Productos interiores, espacios eucldeos. Normas

En la Geometra eucldea ordinaria, aquellas propiedades que cuentan con la posibilidad de medir longitudes de segmentos rectilneos y ngulos formados por rectas se llaman propiedades mtricas. En nuestro estudio de Vn, definimos las longitudes y los ngulos en funcin del producto escalar. Queremos ahora extender esas ideas a espacios lineales ms generales. Primero introduciremos una generalizacin del producto escalar, que llamaremos producto interior, y luego definiremos la longitud y el Anguloen funcin de este producto interior. El producto escalar x . y de dos vectores x = (Xl' .. , xn) e y = (Yl, . " Yn) de Vn se defini en el Volumen 1 por la frmula(1.6)n

x Y = IXiYi'i~l

En un espacio lineal general, escribimos (x, y) en lugar de X' y para los productos interiores, y definimos el producto axiomticamente y no mediante una frmula. Esto es, establecemos unas ciertas propiedades que queremos que satisfagan los productos interiores y las consideramos como axiomas.DEFINICIN. Un espacio lineal real V tiene un producto interior si a cada par de elementos x e y de V corresponde un nmero real nico (x, y) que satisface los siguientes axiomas cualesquiera que sean x, y, z de V y para todos los escalares reales c. 1) (x, y) = (y, x) tconmutatividad, o simetra). 2) (x, y + z) = (x, y) + (x, z) tdistributividad, o linealidad). 3) e(x,y) = (ex, y) (asociatividad, u homogeneidad). 4) (x, x) > O si x rf O (positividad).

Un espacio lineal con un producto interior se llama espacio real eucldeo.

18Observacin: Haciendo e

Espacios

linealesque (O, y)

=O

en (3), encontramos

=O

para todo y.

En un espacio lineal complejo, un producto interior (x, y) es un nmero complejo que satisface los mismos axiomas que los del producto interior real, excepto el de la simetra que se reemplaza por la relacin(1/) (x, y)

= (y,

x) ,

(Sitnetra

hermitianat'

siendo (y, x) el complejo conjugado de (y, x). En el axioma de homogeneidad, el multiplicador escalar e puede ser cualquier nmero complejo. Del axioma de la homogeneidad y (1'), llegamos a la relacin(3/) (x, ey)

=

(ey, x)

=

(y, x)

=

(x, y) .

Un espacio lineal complejo con un producto interior se llama espacio eucldeo (A veces se usa tambin la denominacin de espacio unitario.) Un ejemplo es el espacio vectorial complejo vnCC) brevemente discutido en la seccin 12.16 del Volumen I. Aunque nos interesan principalmente los ejemplos de espacios eucldeos reales, los teoremas de este captulo son vlidos para espacios eucldeos complejos. Cuando decimos espacio eucldeo, sin ms, entenderemos que puede ser real o complejo. El lector debiera comprobar que cada ejemplo que sigue satisface todos los axiomas del producto interior.complejo.EJEMPLO

l.

En Vn sea

(x, y) = x . y, Y

el producto escalar ordinario de, Y2)

x

e y.

EJEMPLO

mos

(x, y)

2. Si x (x, , x2) e mediante la frmula

=

= (y,

son dos vectores de V2, defini-

Este ejemplo pone de manifiesto que pueden existir ms de un producto interior en un espacio lineal dado.EJEMPLO

3.

Sea

C(a, b)

el espacio lineal de todas las funciones reales con-

t En honor de Charles Hermite (1822-1901) matemtico al desarrollo del lgebra y del anlisis.

francs que contribuy

mucho

Productos tinuas en un intervalo f y g con la frmula

interiores,

espacios eucldeos. un producto

Normas. interior

19 de dos funciones

[a, b]. Definamos

(j, g)

=

J: f(t)g(t)

dt .

Esta frmula es anloga a la ecuacin (1.6). que define el producto escalar de dos vectores en V n. Los valores de las funciones f(t) y g(t) desempean el papel de los componentes x, e y-; y la integracin el de la suma.EJEMPLO

4.

En el espacio (j, g)

C(a, b), definimos

=

J: w(t)f(t)g(t)

dt ,

donde w es una funcin positiva fija de C(a, b.). Tal funcin se llama funcin peso. En el ejemplo 3 tenemos w(t) = 1 para todo t.EJEMPLO

5.

En el espacio (j, g)

lineal de todos los polinomios

reales, definimos

= fo'X) e-t(t)g(t)

dt .

Debido al factor exponencial, polinomios f y g.TEOREMA

esta integral

impropia

converge

para todo par de

la desigualdad

1.8. En un espacio eucldeo de Cauchy-Schwarz: I(x, y)12~

V, todo producto

interior satisface

(x, x)(y, y)

para todo x

y (todo yen V.SOn

Adems,

el signo de igualdad es vlido si y slo si x e y

dependientes.

Demostracin. Si ocurre que o bien x=O o y=O la demostracin es trivial. Supongamos que x e y no son ambas cero. Sea z=ax+by en donde a y b son escalares que especificaremos despus. Tenemos la desigualdad (z,z) ~ O para todo a y b. Cuando expresamos esta desigualdad en funcin de x e y con una eleccin apropiada de a y b, obtenemos la desigualdad de Cauchy-Schwarz. Para expresar (z,z) en funcin de x e y usaremos las propiedades (I"), (2) Y (3'), obteniendo (z; z) = (al-

+ by,x)

ax

+

by) = (ax, ax) x)

= aii(x,

+ ah(x,y) + bii(y,

+ (ax, by) + (by, + bb(y,y) 2 o.

ax)

+ (by,

by)

20.

Espacios lineales y suprimiendo en la desigualdad el factor positivo (y,y),

Tomando a=(y,y) resulta

(y, y)(x, x)'

+ bix, y) + b(y,

x)

+ bb

~ O.

Ahora, hagamos b= -(x,y). Entonces, una vez simplificada, toma la forma(y,y)(x, x) ~ (x,y)(y,

b= -(y,x) y la ltima desigualdad,x) = l(x,y)12.

Esto demuestra la desigualdad de Cauchy-Schwarz. El signo de igualdad es vlido si y slo si z = O. Esto ocurre si y slo si x e y son dependientes.

EJEMPLO. Aplicando el teorema 1.8 al espacio C(a, b) con el producto interior (j, g) = f~f(t)g(t) dt, encontramos que la desigualdad de Cauchy-Schwarz se transforma en

El producto interior puede utilizarse para introducir el concepto mtrico de longitud en cualquier espacio eucldeo.DEFINICIN.

En un espacio eucldeo V, el nmero no negativo

Ilxll

definido

por la ecuacin

Ilxllse denomina norma del elemento x.

= (x,

X)1/2

Cuando la desigualdad de Cauchy-Schwarz se expresa en funcin de las normas, toma la forma

I(x,y)/

~ [x] IIyll .

Puesto que es posible definir un producto interior de muchas maneras, la norma de un elemento depender del producto interior elegido. Esta falta de unicidad era de esperar. Este hecho es anlogo al de que podemos asignar nmeros distintos a la medida de la longitud de un segmento rectilneo dado, segn la eleccin de escala o unidad de medida. El teorema que sigue da las propiedades fundamentales de las normas que no dependen de la eleccin de producto interior.

Ortogonalidad

en un espacio eucldeo

21

TEOREMA 1.9. En un espacio eucldeo, toda norma tiene las propiedades siguientes para todos los elementos x e y, y todos los escalares c: a) [x] = O si x = O. b) [x] > O si x o O (positividad). e) [ex] = [e] Ilxll (homogeneidad). d) IIx + yll ~ [x] + I/yll (desigualdad triangular). El signo de igualdad es vlido en la desigualdad triangular si y slo si x e y son dependientes.

Demostracin. Las propiedades a), b) y e) se deducen inmediatamente los axiomas del producto interior. Para demostrar d) observemos que [x

de

+ yl12 = (x + y, x + y) + (x, y)que

= (x, x) =

+ (y, y) + (x, y) + (y, x) = IIxl12 + IIyl12 + (x,y) + (x, y) .de Cauchy-Schwarz prueba que as que tenemos

La suma (x, y) (x,

es real. La desigualdad l(x,y)1 ~

y)1 ~ Ilxll Ilyll y[x

Ilxll lbll.

+ yll2

~ IIxl12 + IIyl12 + 211xll Ilyll = (11xll + lIy11)2.

Esto demuestra d). El signo de igualdad en d) es vlido siempre que lo sea en la desigualdad de Cauchy-Schwarz. Cuando y = ex, siendo e > O, tenemos Ilx

+ yll

= [x

+ ex]

= (1

+ c) !Ixll

=

I[xll +

[ex] =

Ilxll + Ilyl!.

DEFINICIN. En un espacio eucldeo real V, el ngulo formado por dos elementos no nulos x e y se define como el nmero e del intervalo O ~ e ~ tr que satisface la ecuacin

(1. 7)

ros

e=

(x, y)

.

Ilxllllyll

Observacin: La desigualdad de Cauchy-Schwarz prueba que el cociente del segundo miembro de (1.7) est en el intervalo [-1, 1], as que existe slo un () en [O, 7T] cuyo coseno es igual al de este cociente.

L.12

Ortogonalidad en un espacio eucldeo

DEFINICIN. En un espacio eucldeo V, dos elementos x e y se llaman ortogonales si su producto interior es cero. Un subconjunto S de V es un conjunto ortogonal si (x, y) = O para todo par de elementos distintos x e y de S. Un conjunto ortogonal se llama ortonormal si cada uno de sus elementos tiene norma 1.

22

Espacios lineales

El elemento cero es ortogonal a todo elemento de V; es el nico elemento ortogonal a s mismo. El siguiente teorema demuestra una relacin entre ortogonalidad y dependencia.TEOREMA 1 .10. En un espacio eucldeo V, todo conjunto ortogonal de elementos no nulos es independiente. En particular, en un espacio eucldeo de disnensin finita con dim V = n, todo conjunto ortogonal que conste de n elementos no nulos es una base para V.

Demostracin. Sea S un conjunto ortogonal de elementos no nulos de V, y supongamos que una cierta combinacin lineal finita de elementos de S es cero, 'Seak

!CiXii=l

= O,

donde cada x, E S. Formando el producto escalar de cada miembro por Xl y teniendo en cuenta que (Xl' Xi) = O si i =1= 1, encontramos que c, (Xl' Xl) = O. Pero (XI' Xl) =1= O ya que Xl =1= O con lo cual c, = O. Repitiendo el razonamiento cambiando x, por x., encontramos que cada e = O. Esto prueba que S es independiente. Si dim V = n y si S consta de n elementos, el teorema 1.7 b) demuestra que S es una base para V.EJEMPLO.

(f, u

g)

=

J~lT j(x)g(x)}

l,

U2, ..

En el espacio lineal real C(O, 277") con el producto interior dx, sea S el conjunto de las funciones trigonomtricas {uo, dadas porU2n_1(X)

uo(X) = 1,

= cos nx,

U2n(X) = sen nx ,

para

n = 1,2, ....

Si m =1= n, tenemos las relaciones de ortogonalidad

as que S es un conjunto ortogonal. Puesto que ningn elemento de S es el elemento cero, S es independiente. La norma de cada elemento de S se calcula fcilmente. Tenemos (uo , uo) f~lT dx 277" y, para n ~ 1, tenemos

=

=

(U2n-l'

U2n-1)

=

I"cos nx dx =o2

.

7T,

(U2n,

U2n)

= Jo sen nx dx =

{2lT

2

7T.

Ortogonalidad en un espacio eucldeo

23

Por consiguiente, Iluoll = Vl; y /1 Un 11 = y:;;: para n ~ 1. Dividiendo cada Un por su norma, obtenemos un conjunto ortonormal {9'!O,9'!l,9'!2, .,. } donde e. n/llunll. =u As pues, tenemos9'!o(x) = . /- ,'V 217

1

9'!2(X)

=

sennx

V; ,

para

n ~ 1.

En la seccin 1.14 demostraremos que todo espacio eucldeo de dimensin finita tiene una base ortogonal. El teorema que sigue muestra cmo se calculan los componentes de un elemento relativos a una tal base.TEOREMA 1 .11. Sea V un espacio eucldeo de dimensin finita n, y supongamos que S = {el' ... , e} es una base ortogonal para V. Si un elemento x est expresado como una combinacin lineal de los elementos de la base, sea sta

(1.8)

x

=

2ciei' i=l

entonces sus componentes relativos a la base ordenada (el> ... , en) vienen dados por las frmulas(1.9)Cj

(x, ej) = -(--)e e.,j

para j

=

1, 2, ... , n.

En particular, si S es una base ortonormal, cada e viene dada por(1.10)

Demostracin. con ej, obtenemos

Formando el producto interior de cada miembro den

(1,8)

(x, ej) = 2c;(ei, i=l

e) = cj(ej, e)

puesto que (e, ej) = O si i =1= Esto implica (1.9), y cuando (e , e) = 1, obtej. nemos (1.10). Si {el' ... , en} es una base ortonormal, la ecuacin (1 .9) puede escribirse en la forma .n

(1.11)

X

= 2(x, i=l

ei)ei

24

Espacios lineales

El siguiente teorema prueba que en un espacio eucldeo real de dimensin finita con una base orto normal el producto interior de dos elementos es igual a la suma de los productos de sus componentes.TEOREMA

1.12.

Sea V un espacio eucldeo real de dimensin finita n,

y supongamos lJue {el> ... , en} es una base ortonormal para V. Para todo par de elementos x e y de V, tenemos (1.12) (x, y) =

L (x, ei)(y,i=l

n

ei)

(Frmula de Parseval).

En particular, cuando x = y, tenemos(1.13)

IIxl12 =

i=l

L I(x,

n

e)12

Demostracin. Formando. el producto interior de ambos miembros de la ecuacin (1.11) con y, y aplicando la propiedad de linealidad del producto interior, obtenemos (1.12). Cuando x = y, la ecuacin (1.12) se reduce a (1.13).Observacin: La ecuacion (1.12) se denomina como se indica en honor' de M. A. Parseval (aproximadamente 1776-1836), que obtuvo este tipo de frmula en UD espacio funcional especial. La ecuacin (1.13) es una generalizacin del teorema de

Pitgoras.

1.13 Ejercicios1. Sean x caso, si da. En que no(XI"'" xn) e y = (YI"'" Yn) vectores arbitrarios de Vn. Determinar en cada (x, y) es un producto interior en Vn, si (x, y) est definido por la frmula que se el caso en que (x, y) no sea un producto interior, decir cules son los axiomas

=

se satisfacen.n n

a) (x, y) = LXii=l

/Yi/'

d) (x, y) = e) (x,y)

( n

i~1 xy

)1/2n n

= L(xii=l

+ Yi)2

- LX~i=l

- LY'i=l

n

n

e) (X,y)

= LXi

i~1

LYi i~1

.

2. Supongamos que mantenemos los tres primeros axiomas del producto interior real (simetra, linealidad y homogeneidad) pero reemplazamos el cuarto axioma por uno nuevo (4'): (x, x) = O si y slo si x = O. Demostrar que o (x, x) > O para todo x; O o bien (x, x) < O para todo x ; O.

Ejercicios[Indicacin'

25

y

,

Suponer (x, x) > O para un cierto x , O Y (y, y) < O para un cierto O. En el espacio generado por {x, y}, hallar un elemento z , O eon (z, z) = O.] es vlida para

Demostrar que en los ejercicios del 3 al 7 cada una de las proposiciones todo par de elementos x e y de un espacio eucldeo real.

3. (x,y) = O 4. (x,y) = O 5. (x,y) = O 6. (x + y,x -

si y slo si [x + yll = [x - yll. si y slo si Ilx + yl12 = IIxl12 + Ily112. si y slo si [x + cyll :2 [x] para todo e real y)= O si y slo si [x] = Ilyll.

7. Si x e y son elementos no nulos que forman un ngulo (), entonces

Ilx - yl12

=

IIxl12 + lIyl12 - 2 Ilxll lIyll cos ().interior por

8. En el espacio lineal real C(l, e), definimos un producto (f,g)=

f:

(log x)f(x)g(x)

dx.

a) Si I(x) = V.;, calcular 11/11. b) Hallar un polinomio de primer grado g(x) = a constante I(x) = 1. 9. En el espacio lineal real C( -\, 1), sea (J, g) ciones U" u2 u3 dadas por

+ bx

que sea ortogonal Considerar

a la funcin las tres fun-

=f=-l

f(t)g(t)dt.

U3(t) = 1

+t

.

Demostrar que dos de ellas son ortogonales, dos forman entre s un ngulo 'lT/3, y dos forman entre s un ngulo 'lT /6. 10. En el espacio lineal P. de todos los polinomios reales de grado ~ n, definimos

a) Demostrar que (J, g) es un producto interior para P. b) Calcular (J, g) cuando l(t) = t Y g(t) = at + b. e) Si I(t) = t, hallar todos los polinomios g ortogonales a l. 11. En el espacio lineal de todos los polinomios reales, definimos (J, g) = e-t(t)g(t) dt. a) Demostrar que esa integral impropia converge absolutamente para todos los polinomios I y g. b) Si x.(t) = t" para n = O, 1, 2, ... , demostrar que (X., xm) = (m + n)! . e) Calcular (J, g) cuando l(t) = (t + 1)2 y g(t) = t2 + 1. d) Hallar \ todos los polinomios de primer grado g(t) = a + bt ortogonales a I(t) = 1 + t. 12. En el espacio lineal de todos los polinomios reales, determinar si (/, g) es o no ur; producto interior cuando se define (J, g) con la frmula que se da. En el caso en que (J, g) no es un producto interior, indicar qu axiomas no son respetados. En e), f' y g' indican derivadas.

S;;

26a) (f,g) b) (f,g)= I(l)g(l)

Espacios linealese)

(l. g)

= =

J: f'(t)g'(t)U:I(t)

dt, dt).

=

I J: I(t)g(t) dt l1:X2QO

d) (f,g)

dt)U:g(t)

13. V est formado con todas las sucesiones indefinidas de nmeros reales {x.} para los cuales las series convergen. Si x = {x.} e y = {y.} son dos elementos de definimos "

V,

(x,,,)

= 1: x,.y" ."=1

a) Demostrar que esta serie converge absolutamente. [Indicacin: Usar la desigualdad de Cauchy-Schwarz

para

aproximar

la suma

1:~=1 Ix,.y"I.l;b) Demostrar que V es un espacio lineal con (x, y) como producto interior. e) Calcular (x, y) si x; = l/n e y. = l/(n + 1) para n ~ 1. d) Calcular (x,Y) si x; = 2" e y. =l/n! para n ~ 1. Sea V el conjunto de todas las funciones reales I continuas en [O, + 00) y tales que la integral e-tI2(t)dt converge. Definamos (J, g) e-tl(t)g(t)dt. a) Demostrar que la integral que da (/, g) converge absolutamente para cada par de funciones I y g de V. [Indicacin: Aplicar la desigualdad de Cauchy-Schwarz para aproximar la integral e-tl/(t)g(t)ldt.] b) Demostrar que V es un espacio lineal con (j, g) como producto interior. e) Calcular (j, g) si I(t) = e-t y g(t) =t', donde n 0, 1, 2, .... En un espacio eucldeo complejo, demostrar que el producto interior tiene las siguientes propiedades para todos los elementos x, y, z y todos los complejos a y b. a) (ax, by) = a(x, y). b) (x, ay + bz) = a(x, y) + (x, z). Demostrar que en todo espacio eucldeo son vlidas las identidades siguientes. a) Ilx + ylll = IIxl12 + lIy/l2 + (x,y) + (y. x). b) [x + yll2 - /Ix - yl12 = 2(x, y) + 2(y, x). e) Ilx + yl12 + Ilx - ylll = 2 Ilxlll + 2 Ily112. Demostrar que el espacio de todas las funciones complejas continuas en un intervalo [a, b] se transforma en un espacio unitario si definimos un producto interior por la frmula

14.

S:'

= S:'

Jf

=

15.

16.

17.

(f, g)

=

J:w(t)/(t)g(t)

dt ,

donde w es una funcin positiva fija, continua

en [a, b].

1.14

Construccin de conjuntos ortogonales. Mtodo de Gram-Schmidt

Todo espacio lineal de dimensin finita tiene una base finita. Si el espacio es eucldeo, podemos construir siempre una base ortogonal. Este resultado se dedu-

Construccin

de conjuntos ortogonales. Mtodo de Gram-Schmidt

27

cir como consecuencia de un teorema cuya demostracin ensea a construir conjuntos ortogonales en cualquier espacio eucldeo. de dimensin finita o de infinitas dimensiones. La construccin se llama mtodo de Gram-Schmidt, en memoria de J. P. Gram (1850-1916) y E. Schmidt (1845-1921).TEOREMA 1.13. TEOREMA DE ORTOGONALIZACIN. Sea X, X2, ... , una sucesin finita o indefinida de elementos de un espacio eucldeo V, y designemos con L(x Xk) el subespacio generado por los k primeros de esos elementos. Existe una sucesin correspondiente de elementos YI> Y2... , de V que tiene las siguientes propiedades para cada entero k: a) El elemento Yk es ortogonal a todo elemento del sub espacio L(YI> ... Yk-~). b) El sub espacio generado por YI> , Yk es el mismo que el generado por Xl' . xi:l, ,

y; , Y2,'

La suceston YI. Y2... es nica, salvo factores escalares. Esto es, si .. , es otra sucesin de elementos de V que satisfacen las propiedades a) y b), entonces para cada k existe un escalar Ck tal que Y~ = cltYlt Demostracin. Construyamos los elementos Y1> Y2, ... , por induccin. Para iniciar el proceso, tomamos YI = Xl' Supongamos ahora que hemos construido YI, , Yr de modo que a) y b) se satisfacen cuando k = r. Definamos Yr+1 mediante la ecuacinr

e)

(1.14)

Yr+l = xr+1 -

i=l

!aiYi ,

donde los escalares al' ... , a- tienen que determinarse. Para j ::;;r, el producto interior de Yr+l con Yi viene dado por (Y"'-1 Yi) = (X,+!, Yi) ,,

i=1

! a(yi , Yi)

,

= (X,+!, Yi) - a(Yi ' Yi)'Yr+l

puesto que (Yi, Yi) = O si i # j. Si Yi.=I= podemos hacer O, tomando(1.15)

ortogonal a

Yi

a = (x,+!, Yi) . i(Yi'Y;)

Si Yi = O, entonces Yr+l es ortogonal a Yi para cualquier a que se elija, en este caso elegimos a = O. As pues, el elemento Yr+l est bien definido y es ortogonal

28

Espacios lineales

a cada uno de los anteriores elementos y" ... , Yr' Por consiguiente, es ortogonal a todo elemento del subespacio '

Esto demuestra a) cuando k = r + 1. Para demostrar b) cuando k = r + 1 , tenemos que probar que L(Y1,'" ,Yr+l) = L(x1,, xr+1), dado que L(Y1,'" ,Yr) = L(x1,, x.). Los r primeros elementos YH . , y, pertenecen a

y por tanto estn en el subespacio ms amplio L(x1, ... , xr+l)' El nuevo elemento Y'+1 dado por (1.14) es una diferencia de dos elementos de L(x1, X'+1) as que tambin est en L(X1 ... ' xr+l)' Esto demuestra que

La ecuacin (1 .14) prueba que xr+1 es la suma de dos elementos deL(Y1 , con lo que un razonamiento anlogo da la inclusin en el otro sentido:

...

, Yr+1)

Esto demuestra b) cuando k = r + l. Por lo tanto a) y b) han sido demostrados por induccin respecto de k. Finalmente demostramos e) por induccin respecto de k. El caso ic = 1 es trivial. Por consiguiente, supongamos que e) es cierto para k = r y consideremos el elemento Y;+l . En virtud de b), este elemento pertenece aL(Y1,'" ,Yr+l)'

as que podemos escribirr+1 Y;+l =i=1

! CiYi = z; + Cr+lYr+l

'

donde Z, E L(y, ... y,). Queremos demostrar que z, = O. Por la propiedad a), Y;+l y cr+lYr+l son ambos ortogonales a z-. Por consiguiente, su diferencia, z., es ortogonal a z.. Dicho de otro modo, z; es ortogonal a s mismo, as que z; = O. Esto completa la demostracin del teorema de ortogonalidad. En la construccin anterior, puede suceder que Yr+l = O para algn r. Entonces (1 .14) prueba que Xr+1 es una combinacin lineal de Y1 y" y por tanto

Construccin de conjuntos ortogonales. Mtodo de Gram-Schmidt

29

de X" , x" as que los elementos X1J , Xr+l son dependientes. En otras palabras, si los Ti primeros elementos X1J , Xk son independientes, los elementos correspondientes Y1J , Yk son no nulos. En este caso los coeficientes ai de (1.14) vienen dados por (1.15), y las frmulas que definen Y" ... , Yk se convierten en{' L (x,+!, Yi) Yi (. .)i~l

(1.16)

Yl

=

Xl ,

Yr+l

= xr+!

-

y" y,

para

r = , , ... ,

1 2

k

-

1

.

Estas frmulas constituyen el mtodo de Gram-Schmidt para construir un conjunto ortogonal de elementos no nulos Y1J , Yk que generan el mismo subespacio que el conjunto independiente dado X" '" xs. En particular, si X" , x es una base para un espacio eucldeo de dimensin finita, entonces Y" ... , Yk es una base ortogonal para el mismo espacio. Tambin podemos convertir sta en una base ortonormal normalizando cada uno de los elementos Yi, esto es, dividindolo por su norma. Por consiguiente, como corolario del teorema 1.13 tenemos el siguiente.TEOREMA

1.14.

Todo conjunto eucldeo de dimensin finita tiene una base

ortonormal. SiX

e y son elementos en un espacio eucldeo, con y =1= O, el elemento(X, y) y(y, y)

Y3

=

X3 -

QtY,

-

Q 2 2'

Y

Q. I -

~

(y, Y)

FIGURA

1.1 El mtodo de Gram-Schmidt en Va' Un conjunto ortogonal {Y" Y2' Y3} se construye a partir de un conjunto independiente {x., x2' xa}.

30

Espacios

lineales

se llama la proyeccin de x sobre y. En el mtodo de Gram-Schmidt (1.16), construimos el elemento Yr+l restando de Xr+l la proyeccin de Xr+l sobre cada uno de los anteriores elementos YI> .. , Yr. La figura 1.1 representa la construc-

cin geomtrica en el espacio vectorial V3EJEMPLO 1. En V., hallar una base ortonormal para el subespacio generado por los tres vectores Xl = (1, -1, 1, -1), X2 = (5, 1, 1, 1,),Y X3 = (-3, -3, 1, -3).

Solucin.

AplicandoXl

el mtodo de Gram-Schmidt,

encontramos

Yi =

=

(1, -1, 1, -1) ,YI = (4 , 2 " O 2) ,

Y2 = X2 - (X2, YI) YI = X2 (YI, y) Ya = Xa -

(xa, YI) (xa, Y2) --YI Y2 = X3 (y , YI) (Y2, Y2)

YI

+ Y2

=

(O , O" O O) .

Puesto que Y3 = O, los tres vectores X, X2, X3 deben ser dependientes. Pero ya que Yl e Y2 son no nulos, los vectores Xl y ~2 son independientes. Por consiguiente L(xl, X2, x3) es un subespacio de dimensin 2. El conjunto {YI> Y2} es una base ortogonal para ese subespacio. Dividiendo YI e Y2 cada uno por su norma llegamos a una base ortonormal que consta de dos vectores

YI 1 ---- = -(1 -1 1 -1IIYIII 2' "

)

y

Y2 1 ---- = .17(2, 1,0,1 ) .

IIY211

v6

EJEMPLO 2. Polinomios de Legendre. En el espacio lineal de todos los polinomios, con el producto interior (x, y) =f=-l x(t) y(t) dt, consideramos la sucesin indefinida x", XI> x2, , donde xn(t) = t". Cuando se aplica a esa sucesin el teorema de ortogonalizacin se transforma en otra sucesin de polinomios Yo, YI> Y2' ... , que el matemtico francs A. M. Legendre (1752-1833) fue el primero en encontrar en su trabajo sobre la teora del potencial. Los primeros de esos polinomios se calculan fcilmente con el mtodo de Gram-Schmidt. Ante todo, tenemos yo(t) = x,,(t) = 1. Puesto que

(Yo, Yo) =fl encontramos que

-1

dt = 2

y

(Xl ,Yo) =fl

-1

tdt

= O,

Complementos ortogonales. Proyecciones A continuacin, utilizamos las relaciones(x2 , Yo)

31

=

J

I

t dt

2

= -,3

2

(x2 , Yl) =Jl-1

t3 dt = O,

(y , Y) =

-1

J

I

2 2 t dt = -

-1

3

para obtenerY2(t) = x2(t) - (x2 , Yo) Yo(t) _ (x2 , Yl) y(t) = t2 _ !. (Yo , Yo) (Yl , Yl) 3

Del mismo modo, encontramos queY3(t)

=

t

3

-

3 5t ,

4 6 2 Y4(t) = t - - t . 7

+ -3 , 35

Ys(t)

. .

=

t -

5

10 3 - t 9

+ -5

21

t .

En el captulo 6 encontraremos de nuevo esos polinomios en el estudio de las ecuaciones diferenciales, y probaremos qued Y (t) = - n! - (2 t n (2n)! dt"n

ln

) .

Los polinomios P; dados porPnCt)

=

(2n)! 2n(n !)2 Yn(t)

=

2nn! dtn

1

a: (

2

t -

)n 1

se conocen con el nombre de polinomios de Legendre. Los polinomios de la sucesin ortonormal correspondiente rpo, ({!i, rp2" . , dados por rpn= Yn/IIYnll se llaman polinomios de Legendre normalizados. De las frmulas para Yo, ... , Y5 dadas antes, encontramos que({!o(t)

= vi'

I

({!(t)

=

J23

-

t ,

({!s(t)

= 8~ 2" (63t5

1m

-

70t3

+ 15t)

.

1.15

Complementos ortogonales. Proyecciones

Sean V un espacio eucldeo y S un subespacio de dimensin finita. Vamos a considerar el siguiente problema de aproximacin: Dado un elemento x de

32 V, determinar

Espacios

lineales

un elemento en S cuya distancia a x sea lo ms pequea posible. La distancia entre dos elementos x e y se define como la norma Ilx - Y,. Antes de discutir este problema en su forma general, consideremos un caso particular, representado en la figura 1.2. Aqu V es el espacio vectorial V" y S es un subespacio de dimensin dos, un plano que pasa por el origen. Dado x de V, el problema consiste en encontrar, en el plano S, el punto s ms prximo a x. Si x E S, evidentemente la solucin es s = x. Si x no pertenece a S, el punto ms prximo s se obtiene trazando una perpendicular desde x al plano. Este sencillo ejemplo sugiere una introduccin al problema general de aproximacin y da origen a la discusin que sigue.DEFINICIN. Sea S un subconjunto de un espacio eucldeo V. Se dice que un elemento de V es ortogonal a S si es ortogonal a todo elemento de S. El conjunto de todos los elementos ortogonales a S se designa con Si- y es el perpendicular a S.

Es un ejerCICIOsencillo comprobar que Si- es un subespacio de V, tanto, si S lo es como si no loes. En el caso en que S sea un subespacio, entonces Si- se llama complemento ortogonal de S.EJEMPLO. Si S es un plano que pasa por el origen, como se ve en la figura 1.2. entonces Si- es una recta por el origen perpendicular a ese plano. Este ejemplo da tambin una interpretacin geomtrica para el teorema siguiente.

sJ..

FIGURA

1.2

Interpretacin

geomtrica

del teorema de descomposicin

ortogonal en V3

Complementos ortogonales. Proyecciones

33

TEOREMA 1.15. TEOREMA DE LA DESCOMPOSICION ORTOGONAL. Sean V un espacio eucldeo y S un subespacio de V de dimensin finita. Todo elemento x de V puede representarse en forma nica como una suma de dos elementos, uno de S y otro de S.l-. Esto es, tenemos

(1.17)

x

=

s

+ s.l-,

donde

sES

Adems, la norma de x viene dada por la frmula pitagrica(1.18)

Demostracin. Demostremos primero que existe en realidad una descomposicin ortogonal (1.17). Puesto que S es de dimensin finita, tiene una base ortonormal finita, sea sta {el' ... , en}. Dado x, definimos los elementos s y s.las:(1.19)S

=

i~l

L (x, ei)e

n

.L i , S

=x-s.

Observemos que cada trmino (x, ei)ei es la proyeccin de x sobre et. El elemento s es la suma de las proyeccciones de x sobre cada elemento de la base. Puesto que s es una combinacin lineal de los elementos de la base, s est en S. La definicin de sol prueba que la ecuacin (1 .17) es vlida. Para demostrar que sol est en S.1, consideremos el producto interior de s.1. y cualquier elemento e de la base. Tenemos

Pero de (1.19;), encontramos que (s, e) = (x, e), as que s.1.es ortogonal a ej. Por consiguiente si es ortogonal a todo elemento de S, lo cual significa ques.1. E S.1..

Probamos a continuacin que la descomposicin ortogonal (1.17) es nica. Supongamos que x tuviera dos descomposiciones, sean stas(1.20)I

x=s+sl

y

x

=

(+

(.l.,

donde s y t estn en S, y sI Y (1 estn en S1o. Queremos demostrar que s = t Y s-L-= (l.. De (1.2.0), tenemos s - t = (1. - s.L, as que slo necesitamos demostrar que s - t = O. Pero s - t E S Y (1. - s-L E S1.. con lo que s - t es ortogonal a (1.. - s.L e igual a t..l..- sl-. Puesto que el elemento cero es el nico elemento ortogonal a s mismo, debe ser s - t = O. Esto demuestra que la descomposicin es nica.

34 Finalmente, demostremos grica. TenemosIIxl12

Espacios

lineales pita-

que la norma de x viene dada por la frmula

=

(x, x)

=

(s

+ s~, s + SL) =

(s, s)

+ (S~,

SJ),

siendo nulos los restantes tra (1.18).

trminos

ya que s y s~ son ortogonales.

Esto demues-

DEFINICIN. Sea S un sub espacio de dimensin finita de un espacio eucldeo V, y sea {el> ... , en} una base ortonormal para S. Si x E V, el elemento s definido por la ecuacinS

=

2 (x,i=l

n

ei)ei S.

se denomina

proyeccin

de x sobre el subespacio

Demostramos seguidamente que la proyeccin de x sobre S es la solucin del problema de aproximacin establecido al comienzo de esta seccin.

1.16'

Aproximacin ptima de elementos de un espacio eucldeo por elementos de un subespacio de dimensin finita\

Sea S ,un subespacio de dimensin finita de un espacio eucldeo V, y sea x un elemento de V. La proyeccin de x sobre S es ms prxima a x que cualquier otro elemento de S. Esto es, si s es la proyeccin de x sobre S, tenemosTEOREMA TEOREMA DE APROXIMACIN.

1.16.

[x - sil ~ [x - tjl para todo t de S; es vlido el signo de igualdad si y slo si t = s. Demostracin. donde s E S Y s~ En virtud del teorema 1.15 S~. Entonces, para cualquierx -

E

podemos escribir t de S, tenemos t) .

x = s

+ s~,

t = (x - s)

+ (s -

Puesto que s - t E S Y x - s = s~ E S~, sta es una descomposicin de x - t, as que su norma viene dada por la frmula pitagrica

ortogonal

Ilx - tl12

=

IIx -,sI12

+

lis - t112.

Aproximacin ptima de elementos de un espacio eucldeoPero lis - tl12 0, con lo que Ilx - tW Ilx y slo si s = t. Esto completa la demostracin.

35

- sW,

valiendo

el signo igual si

EJEMPLO 1. Aproximacin de funciones continuas en [O, 217],por polinomios trigonomtricos. Sea V = C(O, 217), el espacio lineal de todas las funciones

reales continuas en el intervalo [0,277], y definamos un producto interior mediante la ecuacin (1, g) = f(x)g(x) dX.En la seccin 1.12 vimos un conjunto ortonormal de funciones trigonomtricas CFo, CFI, CF2, , donde

n"

(1.21)

1 CFo(X) = _/V 217

,

CF2k-l(X)

= y; ,

cos kx

CP2k(X) =

sen kx

y;'

para

k

1.

Los 2n + 1 elementos epo, epI' ... , ep2n generan un subespacio S de dimensin + 1. Los elementos de S se llaman polinomios trigonomtricos. Si f E C(0,27T), sea l la proyeccin de f sobre el sub espacio S. Tenemos entonces

2n

2n

(1.22)

I; = l:O r. Los elementos T(ek+l), este hecho para obtener una N(T)

=

k, dim T(V) = r, sea el' ... , e, una

base

ek+l. . . ek+. elementos independientes de V, siendo ... , T(ek+.) son dependientes ya que n r. Utilizar

>

contradiccin.]

46

Transformaciones lineales y matrices Operaciones algebraicas con transformaciones lineales

2.5

Las funciones cuyos valores pertenecen a un espacio lineal dado W pueden sumarse unas con otras y pueden multiplicarse por escalares de W de acuerdo con la definicin siguiente.DEFINICIN. Sean S: V ~ W y T: V ~ W dos funciones con un dominio comn V y con valores pertenecientes a un espacio lineal W. Si e es un escalar cualquiera de W, definimos la suma S + T y el producto cT por las ecuaciones

(2.4)

(S

+ T)(x) =