La PizarraMatemática.

Grado en Matemáticas

Espacios de Hilbert y bases ortogonales

Dos desplazamientos perpendiculares permiten sumar cuadrados y encontrar el punto más cercano de una recta. En un espacio de Hilbert esa geometría continúa funcionando con sucesiones y funciones. Construiremos la proyección primero con coordenadas y veremos después qué hace falta para recuperar un vector mediante infinitas direcciones.

Si necesitas repasar:

1. El producto interior mide interacción y produce una norma

En un espacio real es bilineal, simétrico y positivo definido. En uno complejo fijamos linealidad en el primer argumento: ⟨αx, y⟩=α⟨x, y⟩ y ⟨x, αy⟩=ᾱ⟨x, y⟩; además ⟨x, y⟩ es el conjugado de ⟨y, x⟩.

La positividad exige ⟨x, x⟩>0 para x≠0 y da ‖x‖=√⟨x, x⟩.
Cauchy–Schwarz dice |⟨x, y⟩|≤‖x‖‖y‖.

Si y≠0, restar [⟨x, y⟩/‖y‖²]y deja un vector perpendicular a y; la positividad de su norma cuadrada da ‖x‖²−|⟨x, y⟩|²/‖y‖²≥0.

Si y=0 la desigualdad es inmediata.

Al desarrollar ‖x+y‖² y acotar su término cruzado por Cauchy–Schwarz obtenemos la triangular de la norma.

Producto y dos módulos son tres cálculos distintos

x=(2,3), y=(1,−1) en R² euclídeo.

  1. Producto

    ⟨x, y⟩=2·1+3·(−1)=−1.
  2. Módulos

    ‖x‖=√13 y ‖y‖=√2.
  3. Comprobar

    |−1|=1≤√26=‖x‖‖y‖.
Resultado

El producto puede ser negativo aunque las normas no lo sean.

Lo comprobamos

La fórmula euclídea de ángulo necesitaría ambos vectores no nulos; la desigualdad sigue siendo válida también con un vector cero.

La conjugación compleja evita una norma imposible

En C usamos ⟨z, w⟩=z·w̄ y tomamos z=i.

  1. Consigo mismo

    ⟨i, i⟩=i·(−i)=1, así ‖i‖=1.
  2. Orden de argumentos

    ⟨i,1⟩=i mientras ⟨1, i⟩=−i: son conjugados.
  3. Sin conjugación fallaría

    El producto i·i=−1 no puede ser una norma cuadrada.

Resultado

La convención compleja es parte de la definición, no un detalle de notación.

Lo comprobamos

Sobre números reales la conjugación no cambia nada y se recupera el producto escalar habitual.

2. Hilbert añade completitud a la geometría del producto interior

Un espacio con producto interior se llama prehilbertiano. Es Hilbert si toda Cauchy de la norma inducida tiene límite dentro. Rⁿ, Cⁿ, ℓ² y L² son ejemplos. c₀₀ con producto euclídeo infinito restringido tiene esa geometría, pero no es completo: sus truncaciones pueden escapar al límite de soporte infinito.

En ℓ², ⟨x, y⟩=Σxⱼȳⱼ; Cauchy–Schwarz aplicada a sumas finitas y luego al límite garantiza convergencia absoluta. En L², ⟨f, g⟩=∫f ḡ y los elementos son clases de funciones iguales casi en todas partes. El producto y la norma deben depender de la clase, no de una elección arbitraria de valores en puntos aislados.

Un vector puede tener infinitas coordenadas y norma finita

x=(1/2,1/4,1/8,…).

  1. Cuadrados

    Σⱼ≥₁|xⱼ|²=Σⱼ≥₁4⁻ʲ.
  2. Geométrica

    La suma es (1/4)/(1−1/4)=1/3.
  3. Norma

    ‖x‖₂=1/√3 y x pertenece a ℓ².
Resultado

El tamaño finito no exige soporte finito.

Lo comprobamos

Las truncaciones convergen a x en ℓ²; x no pertenece a c₀₀, lo que explica la diferencia de completitud.

La función que cambia solo en un punto representa el cero en L²

En [0,1], f vale uno en 1/2 y cero en los demás puntos.

  1. Integral

    ∫|f|²=0 porque un punto tiene medida cero.
  2. Clase

    f y la función cero son iguales casi en todas partes; representan el mismo vector L².

  3. Evaluar

    f(1/2)=1 y el representante cero vale 0 allí: ese valor no pertenece a la clase de manera única.

Resultado

La identificación casi en todas partes hace que la norma sea definida positiva en el espacio de clases.

Lo comprobamos

No se concluye que un vector no nulo de L² tenga norma cero: el vector descrito ya es el cero de ese espacio.

3. Ortogonalidad permite Pitágoras y exige una norma compatible

x⊥y significa ⟨x, y⟩=0.

Al expandir ‖x+y‖² desaparecen los dos términos cruzados: ‖x+y‖²=‖x‖²+‖y‖². El mismo razonamiento vale para familias ortogonales finitas. La norma no decide por sí sola un ángulo euclídeo si no procede de un producto interior.

Una norma inducida satisface la ley del paralelogramo: ‖x+y‖²+‖x−y‖²=2‖x‖²+2‖y‖². Esa condición también es suficiente para reconstruir un producto por polarización. En el caso real la fórmula es ⟨x, y⟩=[‖x+y‖²−‖x−y‖²]/4; en el complejo se añade i[‖x+iy‖²−‖x−iy‖²]/4 con nuestra convención. La caracterización no dice que cualquier norma cumpla la ley.

Los términos cruzados se anulan por una cuenta verificable

u=(1,1), v=(1,−1).

  1. Producto

    1·1+1·(−1)=0.
  2. Cuadrados

    ‖u‖₂²=2 y ‖v‖₂²=2.
  3. Suma

    u+v=(2,0), cuya norma cuadrada es 4=2+2.
Resultado

Se cumple Pitágoras por ortogonalidad.

Lo comprobamos

Sin producto cero aparecería 2⟨u, v⟩ en el caso real.

La norma uno falla la prueba del paralelogramo

x=(1,0), y=(0,1), con norma uno.

  1. Dos lados izquierdos

    ‖x+y‖₁=2 y ‖x−y‖₁=2; sus cuadrados suman ocho.
  2. Lado derecho

    2‖x‖₁²+2‖y‖₁²=2+2=4.
  3. Fallo

    Ocho no es cuatro, por lo que no puede provenir de un producto interior.

Resultado

R² con norma uno es Banach, pero no Hilbert para esa norma.

Lo comprobamos

Usar en el mismo conjunto la norma euclídea sí da Hilbert: la norma elegida importa.

4. El cierre y la completitud permiten alcanzar la distancia mínima

Sea M un subespacio cerrado de un Hilbert H y d=infₘ∈ᴹ‖x−m‖.
Elegimos pₙ∈M con ‖x−pₙ‖→d.
La ley del paralelogramo da ‖pₙ−pₘ‖²=2‖x−pₙ‖²+2‖x−pₘ‖²−4‖x−(pₙ+pₘ)/2‖².

Como el punto medio está en M, su distancia es al menos d; la cota resultante tiende a cero.

El residuo perpendicular certifica el punto más cercano
Proyección sobre el eje horizontalx=(2,3)p=(2,0)0Residuo x−p=(0,3)‖x‖²=13=4+9
Vector x igual a dos tres y proyección p igual a dos cero sobre el eje horizontal. La diferencia cero tres es perpendicular al eje. La norma cuadrada trece se reparte en cuatro de la proyección y nueve del residuo; cualquier otro punto del eje añade una distancia cuadrada no negativa al error nueve.

Así pₙ es Cauchy, converge por completitud y su límite p pertenece a M por cierre.

La continuidad de la norma muestra ‖x−p‖=d.

Variar p por tv, v∈M y t real, obliga a que Re⟨x−p, v⟩=0 al minimizar la expresión cuadrática. En complejos se repite con iv para anular también la parte imaginaria. El residuo queda perpendicular a todo M.

El eje horizontal recoge la primera coordenada

x=(2,3) y M={(t,0): t∈R}.

  1. Candidato

    p=(2,0) pertenece al eje.
  2. Residuo

    x−p=(0,3) tiene producto cero con cualquier (t,0).
  3. Identidad

    ‖x‖²=13, ‖p‖²=4 y ‖x−p‖²=9.
Resultado

p es la proyección ortogonal de x sobre M.

Lo comprobamos

El residuo no es cero porque x no estaba en el subespacio.

Una recta inclinada requiere dividir por su longitud cuadrada

M=span{v}, v=(1,2); x=(3,1).

  1. Coeficiente

    ⟨x, v⟩/‖v‖²=(3+2)/(1+4)=1.
  2. Proyección

    p=1·v=(1,2); r=x−p=(2,−1).
  3. Comprobar

    ⟨r, v⟩=2−2=0 y ‖x‖²=10=5+5.
Resultado

La proyección es (1,2) y el error tiene norma √5.

Lo comprobamos

La fórmula se apoya en v≠0 y en el producto interior indicado.

5. Pitágoras certifica que la proyección es óptima y única

Para cualquier v∈M, se escribe x−v=(x−p)+(p−v).
Los sumandos son perpendiculares, así ‖x−v‖²=‖x−p‖²+‖p−v‖².

Nadie mejora el primer término y solo v=p anula el segundo. Esto prueba simultáneamente optimalidad y unicidad.

La descomposición x=p+r con p∈M, r∈M⊥ es única.

Sumar o escalar descomposiciones demuestra que P_M es lineal.

También ‖x‖²=‖P_Mx‖²+‖x−P_Mx‖² da ‖P_Mx‖≤‖x‖.

Si M no es cerrado, un ínfimo cero puede no alcanzarse; ese es precisamente el fallo que el teorema evita.

Comprobar todos los puntos del eje a la vez

x=(2,3), v=(t,0).

  1. Distancia cuadrada

    ‖x−v‖²=(2−t)²+9.
  2. Mínimo

    El cuadrado adicional es no negativo y solo se anula para t=2.

  3. Error

    La distancia mínima es tres, alcanzada únicamente por (2,0).

Resultado

Una fórmula para todo t demuestra más que comparar unos pocos candidatos.

Lo comprobamos

En t=0 la distancia cuadrada sería trece y en t=1 sería diez, coherente con la misma identidad.

Aproximar hasta distancia cero puede no dar un mínimo

M=c₀₀⊂ℓ² y x=(1/2,1/4,1/8,…).

  1. Aproximaciones

    Las truncaciones de x pertenecen a M y su error tiende a cero.

  2. Ínfimo

    La distancia de x a M es cero.

  3. No se alcanza

    Un p∈M con ‖x−p‖₂=0 tendría que ser x, que no tiene soporte finito.

Resultado

No existe proyección minimizante de x sobre ese M no cerrado.

Lo comprobamos

El cierre de M es ℓ²; proyectar sobre el cierre sí daría x, que es otro subespacio.

6. Normalizar y restar proyecciones produce direcciones ortonormales

Una familia de vectores no nulos es ortogonal cuando sus productos mutuos son cero; es ortonormal si además cada norma es uno.

Para v≠0 no unitario, la proyección en su recta es [⟨x, v⟩/‖v‖²]v.

El denominador desaparece solo si v ya tiene norma uno.

Gram–Schmidt toma un vector, resta sus componentes sobre las direcciones ortonormales anteriores y normaliza el residuo. Si el residuo es cero, el vector era dependiente de las direcciones previas y se descarta. No se divide por cero. En cada paso se conserva el subespacio generado por los vectores tratados.

Ortogonalizar dos vectores sin saltarse la normalización

u₁=(1,1,0), u₂=(1,0,1).

  1. Primero

    e₁=u₁/√2.
  2. Restar componente

    ⟨u₂, e₁⟩=1/√2; w=u₂−(1/√2)e₁=(1/2,−1/2,1).
  3. Segundo

    ‖w‖=√6/2 y e₂=(1,−1,2)/√6.
  4. Control

    ⟨e₁, e₂⟩=0 y ambas normas son uno.

    Si después entrara 2u₁, su residuo sería cero y se descartaría.

Resultado

e₁, e₂ son una base ortonormal del plano generado por u₁, u₂.

Lo comprobamos

No se ha creado una base de todo R³: solo se han tratado dos direcciones independientes.

Omitir el denominador sobreestima una proyección

x=(3,4), v=(2,0).

  1. Producto y longitud

    ⟨x, v⟩=6; ‖v‖²=4.
  2. Coeficiente

    6/4=3/2, así p=(3/2)v=(3,0).
  3. Verificar

    El residuo (0,4) es perpendicular a v; usar 6v=(12,0) no dejaría residuo perpendicular.

Resultado

La longitud de v debe aparecer hasta que se normalice.

Lo comprobamos

Con e=v/‖v‖=(1,0), la fórmula unitaria da ⟨x, e⟩e=3e, el mismo resultado.

7. Bessel permite capturar solo parte de la norma cuadrada

Con e₁,…, e_N ortonormales, p_N=Σⱼ≤ᴺ⟨x, eⱼ⟩eⱼ es la proyección sobre su span.
Pitágoras da ‖x−p_N‖²=‖x‖²−Σⱼ≤ᴺ|⟨x, eⱼ⟩|²≥0.

Esta es la desigualdad de Bessel: la suma de cuadrados capturados no supera el total.

Bessel permite que quede energía en direcciones no incluidas
x=2e₁−e₂+2e₃e₁, e₂, e₃ ortonormales‖x‖²=4+1+4=954Primeras dos direcciones: 4+1=5Error cuadrado: 4 ; error: 25≤9 ; falta la dirección e₃.
Tres vectores ortonormales y x con coeficientes dos, menos uno y dos. La norma cuadrada es nueve. Usar solo las dos primeras direcciones recoge cinco y deja cuatro de error cuadrado, así error de norma dos. La desigualdad cinco menor o igual que nueve no es igualdad porque se omitió una componente no nula.

Para una familia numerable, esas sumas de cuadrados crecen y están acotadas por ‖x‖², así convergen. Por ortogonalidad, ‖p_M−p_N‖² es la cola de esa serie, que tiende a cero. La completitud produce un límite y de las proyecciones, aunque la familia no sea completa; en ese caso puede quedar x−y distinto de cero.

Separar lo capturado del error

x=2e₁−e₂+2e₃ con tres direcciones ortonormales; usamos solo e₁, e₂.

  1. Total

    ‖x‖²=4+1+4=9.
  2. Capturado

    p=2e₁−e₂ tiene norma cuadrada cinco.
  3. Restante

    x−p=2e₃ tiene norma dos y norma cuadrada cuatro.

Resultado

5≤9, y la diferencia cuatro es error cuadrado.

Lo comprobamos

El error no es cuatro: su norma es la raíz de cuatro, es decir dos.

No todo listado de coeficientes cabe en un vector de Hilbert

Una familia ortonormal infinita y supuestos coeficientes ⟨x, eₙ⟩=1 para todo n.

  1. Bessel finito

    Para cada N se necesitaría Σₙ≤ᴺ1²=N≤‖x‖².
  2. Crecer N

    No hay número finito ‖x‖² que acote todos los enteros N.

  3. Conclusión

    No existe tal vector x en el Hilbert.

Resultado

Los coeficientes de cualquier vector respecto a una familia ortonormal numerable son de cuadrados sumables.

Lo comprobamos

No se exigió que la familia fuera completa para usar esta necesidad.

8. La densidad es lo que transforma Bessel en reconstrucción y Parseval

Una familia ortonormal es completa si el cierre de su span es H. Equivalentemente, el único vector ortogonal a todos sus miembros es cero: la proyección sobre ese span cerrado deja un residuo ortogonal, y la ausencia de ese residuo obliga a llenar H.

Para una familia completa numerable, el límite y de las sumas p_N conserva los coeficientes de x; x−y queda ortogonal a todos y debe ser cero.

Así x=Σ⟨x, eₙ⟩eₙ en norma y ‖x‖²=Σ|⟨x, eₙ⟩|², Parseval.

En un Hilbert separable hay una base ortonormal finita o numerable. No es una base de Hamel: la representación puede necesitar infinitos términos, mientras Hamel usa combinaciones finitas.

Reconstruir un vector de infinitas coordenadas

Base canónica de ℓ² y x=(2⁻¹,2⁻²,2⁻³,…).

  1. Coeficientes

    ⟨x, eₙ⟩=2⁻ⁿ.
  2. Parseval

    ‖x‖²=Σ4⁻ⁿ=1/3.
  3. Error tras N

    La cola cuadrada es 4⁻ᴺ/3, así ‖x−p_N‖=2⁻ᴺ/√3.
Resultado

Las sumas finitas reconstruyen x en norma con un error explícito.

Lo comprobamos

Ninguna combinación finita de la base da este x; por eso esa base ortonormal no es de Hamel.

Una familia ortonormal puede omitir la dirección que necesitamos

En ℓ² usamos solo e₂, e₄, e₆,… y queremos reconstruir e₁.

  1. Ortonormalidad

    Las direcciones elegidas tienen norma uno y son perpendiculares entre sí.

  2. Coeficientes

    Todos los productos con e₁ son cero.

  3. Resultado

    Todas las sumas de proyección dan cero y el error sigue siendo uno.

Resultado

La familia no es completa; reconstruye la proyección sobre las coordenadas pares.

Lo comprobamos

Que haya infinitas direcciones no garantiza que su span sea denso.

9. Convergencia en L² no promete convergencia puntual ni uniforme

En L², ‖fₙ−f‖₂→0 significa ∫|fₙ−f|²→0.

La integral controla error cuadrado total, no el error máximo ni el valor en cada punto. Una expansión ortonormal completa garantiza esa modalidad de convergencia; para afirmar otra hacen falta hipótesis o teoremas adicionales.

Los ejemplos siguientes estudian lo que la convergencia L² por sí sola permite concluir. No pretenden negar resultados más fuertes para sistemas particulares de Fourier bajo sus hipótesis. Además los valores puntuales dependen de representantes; las integrales y los productos interiores sí son propios de las clases.

El error se mueve y puede reaparecer en todos los puntos

Para m=0,1,2,… y n=2ᵐ+k, 0≤k<2ᵐ, sea fₙ el indicador de [k/2ᵐ,(k+1)/2ᵐ) en [0,1].

  1. Norma

    El intervalo tiene longitud 2⁻ᵐ, así ‖fₙ‖₂²=2⁻ᵐ→0 cuando n crece.

  2. Punto fijo

    Cada x∈[0,1) está en exactamente un intervalo de cada bloque de nivel m.

  3. Reapariciones

    Su valor es uno una vez por bloque y cero en las otras posiciones de los bloques grandes; hay infinitos unos y ceros.

Resultado

fₙ converge a cero en L², pero no puntualmente en ningún x∈[0,1).

Lo comprobamos

Se especificaron intervalos semiabiertos para que cada punto tenga una sola posición por bloque; el extremo 1 vale cero en todas.

Una norma integral pequeña no controla el máximo

fₙ(x)=xⁿ en [0,1], n≥1.

  1. Error L² respecto a cero

    ∫₀¹x²ⁿdx=1/(2n+1)→0.
  2. Supremo

    fₙ(1)=1 y 0≤fₙ≤1, así ‖fₙ‖∞=1 siempre.
  3. Comparar

    Hay convergencia L² a cero, pero no uniforme a cero.

Resultado

La modalidad de convergencia se debe nombrar, no sobreentender.

Lo comprobamos

La continuidad de cada fₙ no transforma la convergencia L² en uniforme.

Ahora lo resolvemos de principio a fin.

EJEMPLO RESUELTO 1

Proyección en ℓ²

Proyecta x=(1,2,3,0,…) sobre span{e₁,e₂}.

  1. Subespacio

    M=span{e₁, e₂} es finito dimensional y cerrado en ℓ².
  2. Coeficientes

    Con la base canónica ortonormal, ⟨x, e₁⟩=1 y ⟨x, e₂⟩=2.
  3. Proyección

    p=1e₁+2e₂=(1,2,0,…).
  4. Residuo

    x−p=(0,0,3,0,…) es perpendicular a ambas direcciones de M.
  5. Optimalidad

    Pitágoras da ‖x−v‖²=‖x−p‖²+‖p−v‖² para todo v∈M, así p es único mínimo.

  6. Comprobar

    ‖x‖²=14,‖p‖²=5 y ‖x−p‖²=9; 14=5+9.
Resultado

Proyección (1,2,0,…).

Lo comprobamos

‖x‖²=14,‖p‖²=5 y‖x−p‖²=9; se cumple14=5+9.

EJEMPLO RESUELTO 2

Parseval

Un vector tiene solo coeficientes ortonormales 3 y 4. Halla la norma.

  1. Datos

    Solo hay dos coeficientes ortonormales no nulos, tres y cuatro; los demás son cero.

  2. Cuadrados

    Sus contribuciones son |3|²=9 y |4|²=16.
  3. Parseval

    La norma cuadrada del vector es 9+16=25.
  4. Raíz

    La norma es no negativa, así ‖x‖=√25=5.
  5. Geometría

    Las componentes 3e₁ y 4e₂ son perpendiculares.

  6. Comprobar

    Pitágoras reproduce la misma suma de cuadrados; no se suman las longitudes para obtener siete.

Resultado

Norma 5.

Lo comprobamos

Las componentes3e₁ y4e₂ son perpendiculares y forman una suma de norma5, coherente con Pitágoras.

Los símbolos que hemos usado

⟨x,y⟩
Producto interior, que aquí se toma lineal en el primer argumento y conjugado lineal en el segundo.
‖x‖
Norma inducida√⟨x,x⟩.
x⊥y
Ortogonalidad:⟨x,y⟩=0.
M⊥
Vectores ortogonales a todos los elementos del subespacio M.
P_Mx
Proyección ortogonal de x sobre el subespacio cerrado M.
eₙ
Vector de una familia ortonormal; enℓ² puede ser el vector canónico de coordenada n.
span
Conjunto de combinaciones lineales finitas de una familia de vectores.

Ahora te toca a ti.

Tienes cinco ejercicios. Inténtalos; las pistas te ayudan si te atascas.

Practicar este tema →

Para ampliar