UNIVERSIDAD DE PANAMÁ FACULTAD DE CIENCIAS NATURALES Y EXACTAS DEPARTAMENTO DE MATEMATICA COLOQUIOS...
49
UNIVERSIDAD DE PANAMÁ FACULTAD DE CIENCIAS NATURALES Y EXACTAS DEPARTAMENTO DE MATEMATICA COLOQUIOS MATEMÁTICOS OPERADORES EN ESPACIOS DE HILBERT. REPRESENTACION MATRICIAL EXPOSITORES PROFESOR JORGE E. HERNÁNDEZ, Ph.D. ABRIL, 2013
UNIVERSIDAD DE PANAMÁ FACULTAD DE CIENCIAS NATURALES Y EXACTAS DEPARTAMENTO DE MATEMATICA COLOQUIOS MATEMÁTICOS OPERADORES EN ESPACIOS DE HILBERT. REPRESENTACION
UNIVERSIDAD DE PANAM FACULTAD DE CIENCIAS NATURALES Y EXACTAS
DEPARTAMENTO DE MATEMATICA COLOQUIOS MATEMTICOS OPERADORES EN
ESPACIOS DE HILBERT. REPRESENTACION MATRICIAL EXPOSITORES PROFESOR
JORGE E. HERNNDEZ, Ph.D. ABRIL, 2013
Diapositiva 2
RESUMEN En el presente trabajo presentamos los proyectores
(ortogonales) como una aplicacin del problema de la mejor
aproximacin y estudiamos sus propiedades fundamentales. Tambin
presentamos un teorema que caracteriza los proyectores.
Posteriormente utilizamos las propiedades de los proyectores para
descomponer un espacio de Hilbert como suma directa de un
subespacio cerrado y su complemento ortogonal. Basados en la
descomposicin representamos a los operadores lineales acotados
sobre H mediante una matriz y utilizamos esta representacin para
estudiar, desde un ngulo diferente, los operadores lineales
positivos.
Diapositiva 3
Dado un espacio con producto interno X, un subconjunto no vacio
K de X y. Existir un tal que ?
Diapositiva 4
A los elementos de este conjunto los llamaremos una mejor
aproximacin a x por elementos de K y a la funcin la llamaremos la
proyeccin (mtrica) sobre K.
Diapositiva 5
Si para todo, entonces diremos que K es un conjunto proximal.
Si es un conjunto unitario para todo, entonces diremos que K es un
conjunto de Chebyshev. En este caso se puede considerar a como una
funcin univaluada donde es el nico elemento del conjunto
Diapositiva 6
Preguntas: Existencia: Cules conjuntos son proximales?
Unicidad: Cules conjuntos son Chebyshev? Caracterizacin de la mejor
aproximacin: Cmo se reconocen? Error de la mejor aproximacin: Cmo
se calcula el error de la aproximacin d(x, K). Calcular la mejor
aproximacin. Continuidad de la mejor aproximacin.
Diapositiva 7
Teorema (Existencia y Unicidad): Sean X un espacio con producto
interno y K un subconjunto no vaco convexo y completo X. Entonces,
para cada existe un nico tal que es decir K es un conjunto de
Chebyshev. Teorema (Caracterizacin): Sean X un espacio con producto
interno, K un subespacio completo de X y Entonces es decir,, para
todo
Diapositiva 8
Corolario: Sean H un espacio de Hilbert y Y un subespacio
cerrado de H. Entonces Y es un conjunto de Chebyshev y
Diapositiva 9
Del corolario anterior se tiene que si Y es un subespacio
cerrado de H, entonces para todo se tiene que x = y + z donde.
Luego como, se tiene que y si tal que entonces. Adems
Diapositiva 10
Ejemplo: Sea Y un subespacio de dimensin finita n del espacio
de Hilbert H. Por el proceso de ortonormalizacin de Gram-Schmidt
podemos encontrar una base ortonormal de Y. Luego para cada se
tiene que Como para todo i = 1,..., n.
Diapositiva 11
de donde Por consiguiente,
Diapositiva 12
es lineal. Es un operador lineal acotado y
Diapositiva 13
para todo ; o sea que o sea que es idempotente. o sea que es un
operador auto-adjunto.
Diapositiva 14
Definicin: Sean H un espacio de Hilbert y un operador lineal
acotado. P es una proyeccin (o una proyeccin ortogonal) si P es
autoadjunto e idempotente; o sea que Observaciones: 1. Si Y es un
subespacio cerrado de H, entonces son operadores proyecciones. 2.
Si P es una proyeccin sobre H, entonces Ran(P) es un subespacio
cerrado de H.
Diapositiva 15
Teorema: Sean H un espacio de Hilbert y una proyeccin, entonces
Demostracin: Ker(P) es un subespacio cerrado de H. Como Ran(P) es
cerrado, As pues
Diapositiva 16
Teorema: Sea una proyeccin. Entonces donde Y = Ran(P).
Demostracin: Sea entonces x = y + z con De donde P(x) = P(y) + P(z)
= P(y) = y. As pues
Diapositiva 17
Definicin: Sean H un espacio de Hilbert y un operador lineal
acotado auto-adjunto T es un operador positivo si para todo En este
caso escribimos En base a la definicin anterior podemos definir una
relacin de orden parcial en el conjunto de los operadores lineales
acotados y auto-adjuntos definidos en un espacio de Hilbert H como
sigue
Diapositiva 18
Se prueba sin mayor dificultad que si H es un espacio de
Hilbert complejo, entonces es reflexiva, antisimtrica y transitiva.
Teorema: Sea H un espacio de Hilbert y Y un subespacio cerrado de
H. Entonces es un operador positivo. para todo
Diapositiva 19
Representacin Matricial de Operadores Lineales Acotados en
Espacios de Hilbert. Denotemos por el conjunto de los operadores
lineales acotados positivos sobre el espacio de Hilbert H. Sea Y un
subespacio cerrado de H. Entonces Denotemos por la proyeccin sobre
Y y sea T un operador lineal acotado sobre H. Entonces
Diapositiva 20
PTP + PT(I P) + (I P) TP + (I P) T (I P) = PT + PT PTP+TP PTP +
T TP PT + PTP = T o sea que T= PTP + PT(I P) + (I P) TP + (I P) T
(I P)
Diapositiva 21
Denotemos
Diapositiva 22
Sea entonces Por lo tanto,
Diapositiva 23
As podemos hacer la identificacin Si entonces Por lo tanto
podemos escribir donde
Diapositiva 24
Note adems que para todo. para todo. Por consiguiente
Diapositiva 25
Si entonces y por lo tanto donde
Diapositiva 26
Si entonces donde
Diapositiva 27
Sea ahora un operador idempotente tal que T(H) = Y. Entonces
T(y) = y para todo Por lo tanto, As pues donde
Diapositiva 28
entonces
Diapositiva 29
Si y a, d son operadores invertibles, entonces Por lo tanto, A
es un operador invertible y
Diapositiva 30
Si y a, d son operadores invertibles, entonces Por lo tanto A
es un operador invertible y
Diapositiva 31
En general, si se prueba que si, los correspondientes
operadores son invertibles, entonces En efecto,
Diapositiva 32
Diapositiva 33
Sea un operador lineal positivo en un espacio de Hilbert
complejo H. Entonces un operador auto-adjunto es llamado raz
cuadrada de T si Si adems entonces A es llamado la raz cuadrada
positiva de T y lo denotamos por
Diapositiva 34
Ejemplo: T es lineal T es un OLA,
Diapositiva 35
Sea Luego Y es un subespacio cerrado de y Note que
Diapositiva 36
Como, se tiene que Si entonces As pues
Diapositiva 37
Teorema: Sea H un espacio de Hilbert complejo y un operador
lineal acotado positivo. Entonces T posee una nica raz cuadrada
positiva A. Adems si es tal que LT = TL, entonces LA = AL.
Propiedades: Sea H un espacio de Hilbert complejo y un operador
positivo. Entonces 1. 2. 3.
Diapositiva 38
Teorema: Sea H un espacio de Hilbert complejo y Entonces i. ii.
iii. R(T) es cerrado s y slo s
Diapositiva 39
Teorema (Teorema de Douglas): Sea H un espacio de Hilbert
complejo y sean Los siguientes enunciados son equivalentes a.
Existe un tal que AD = B b. c. Existe un nmero real positivo tal
que Si una de estas condiciones es satisfecha, entonces existe un
nico operador tal que AX = B; N(X) = N(B) y Ms an X es llamado la
solucin reducida de la ecuacin AX = B.
Diapositiva 40
Teorema: Sean H un espacio de Hilbert complejo y con
representacin matricial entonces i. Ii.
Diapositiva 41
Sean H un espacio de Hilbert complejo y. Definamos la funcin
Propiedades:
Diapositiva 42
es una forma sesquilineal acotada y no negativa.
Diapositiva 43
no es un producto interno sobre H. Como A es inyectivo es
inyectivo. Si A es inyectivo, entonces es un producto interno sobre
H.
Diapositiva 44
Teorema: Sea invertible. Entonces es un producto interno
equivalente a de donde Como A es invertible,
Diapositiva 45
Definicin: Sean y,. El A-ortogonal de S se denota por y se
define por Propiedades: 1. 2. Si Y es un subespacio cerrado de H,
entonces
Diapositiva 46
Definicin: Sean y. Un operador es un A-adjunto de T si para
todo Propiedades: Sean y 1. W es un A-adjunto de T 2. Si A es
invertible, entonces todo operador posee un A-adjunto
Diapositiva 47
Definicin: Sean y. T es A-autoadjunto si Definicin: Sean y Z un
subespacio cerrado de H. El par (A, Z) es compatible si, donde
Diapositiva 48
Problema: Sean M, N subespacios cerrados de H. 1. 2. 3.
Sea
Diapositiva 49
Analisis Matricial II Operadores en Espacios de Hilbert Matrix
Analysis Generalized Orthogonal Projections and Shorted Operators
Oblique Projections and Abstract Spliner Soluciones Reducidas de
Ecuaciones Tipo Douglas y Proyecciones Oblicuas BIBLIOGRAFA [1].
Antezona, J. y Stojanoff, D.: Analisis Matricial II Operadores en
Espacios de Hilbert. Espaa, 2008. [2]. Bhatia, R.: Matrix Analysis,
Berlin-New York, Springer 1997. [3]. Corach, G; Maestripieri, A.
and Stojanoff, D.: Generalized Orthogonal Projections and Shorted
Operators. Servicio de Publicaciones, Universidad de Rioja, Espaa,
2001. [4]. Corach, G; Maestripieri, A. and Stojanoff, D.: Oblique
Projections and Abstract Spliner. Journal of Aproximation Theory,
117, 2 (2002), 189 206. [5]. Gonzlez, M.C.: Soluciones Reducidas de
Ecuaciones Tipo Douglas y Proyecciones Oblicuas. Tesis Doctoral.
Universidad Nacional de la Plata, 2009.