I. EL TEOREMA ESPECTRAL PARA OPERADORES NORMALES
Para comenzar con nuestro estudio de los operadores subnormales, conviene familiarizarse con el teorema espectral para operadores normales, no sólo por su importancia en el entendimiento de la teoría espectral, sino por el acercamiento al concepto de medida espectral, el cual será generalizado para lo que nos compete.
I.1Medidas de valores en los operadores positivos: Una generalización de las medidas espectrales IntroducciónEn 1950 durante su estudio de los operadores subnormales, Halmos define el concepto de Positive Operator Valued Measure. Esta, es un tipo de medida definida sobre una sigma-álgebra de Borel y con valores en los operadores positivos de un espacio de Hilbert. El fín de este concepto es el poder representar a los operadores subnormales en términos de integrales, tal como se hace con el teorema de representación espectral para operadores normales. Pero, ¿Cómo surge la idea de tal concepto?
I.1.1 Medidas EspectralesPara motivar el por qué de la definición formal de medida espectral como ente matemático preciso, recordemos que nuestra intención al final de esta sección es encontrar una representación por medio de integrales respecto a algún tipo de medida para los operadores normales.
Quizá el tipo de operador normal más sencillo de entender es el operador autoadjunto. La motivación que haremos será obtenida a partir de tomar un espacio \( H \) de Hilbert de dimensión finita y un operador de éste tipo.
Para precisar, tomaremos \( H=\mathbb{C}^n \). Sea \( T:H\longrightarrow{H} \) un operador autoadjunto. Sabemos que \( T \) es acotado, y por tanto podemos escoger una base para \( H \) y representar a \( T \) respecto de dicha base por una matriz hermitiana, de la cual nada perderemos si la denotamos también como \( T \).
El espectro de este operador consiste precisamente en los \( n \) eigenvalores de tal matriz (contando multiplicidad), los cuales son todos reales debido a que \( T \) es autoadjunto. Para simplificar, supongamos que dichos eigenvalores son \( \lambda_1<\lambda_2<...<\lambda_n \). Por tanto, existe una base ortonormal de eigenvectores \( \left\{{x_1,x_2,...,x_n}\right\} \) de \( H \) (precisamente aquella para la cual la matriz de representación del operador \( T \) es hermitiana) donde cada \( x_i \) es el eigenvector asociado a \( \lambda_i \); escribamos a estos vectores como vectores columnas.
Esta es una base para \( H \), así que todo vector \( x\in{}H \) tiene una única representación
\( x=\displaystyle\sum_{j=1}^n{<x,x_j>x_j} \)..........(1)
donde por nuestra conveniencia de escribir a los \( x_j \) como columnas, es claro que \( <x,x_j>=x^t x_j \).
Lo esencial en lo anterior es que \( x_j \) es un eigenvector de \( T \). Más aún, sabemos que \( Tx_j=\lambda_j x_j \). De esta suerte, podemos aplicar \( T \) a (1) y así obtener
\( Tx=\displaystyle\sum_{j=1}^n{\lambda<x,x_j>x_j} \)..........(2)
Por tanto, mientras \( T \) puede actuar en \( x \) de manera complicada, actúa en cada término de la suma en (1) de una forma muy simple. Esto nos muestra primeramente la gran ventaja del uso de eigenvectores en conexión con la investigación de un operador lineal en \( H=\mathbb{C}^n \).
Observando (1) más profundamente, notamos que se puede definir un operador
\( P_j:H\longrightarrow{H} \), dada por \( x\longmapsto<x,x_j>x_j \)
Obviamente, \( P_j \) es la proyección ortogonal de H sobre el eigenespacio de T correspondiente a \( \lambda_j \). La fórmula (1) puede ser reescrita ahora como
\( x=\displaystyle\sum_{j=1}^n{P_jx} \) de donde se decude que \( I=\displaystyle\sum_{j=1}^n{P_j} \)
La fórmula (2) se convierte en
\( Tx=\displaystyle\sum_{j=1}^n{\lambda_jP_jx} \) y de ahí que \( T=\displaystyle\sum_{j=1}^n{\lambda_jP_j} \)
Hemos logrado representar a \( T \) en términos de proyecciones ortogonales. Esto muestra que el espectro de \( T \) puede ser empleado para obtener una representación del operador en cuestión en términos de unos operadores muy simples.
El uso de las proyecciones \( P_j \) parece bastante natural y geométricamente perspicaz. Desafortunadamente, nuestras fórmulas pueden no ser inmediatamente adaptables para el caso de dimensión infinita, ya que en este supuesto, hasta el espectro de los operadores acotados autoadjuntos es más complicado por tratarse de un intervalo de la recta real.
Describamos otro procedimiento, al que llamaremos
proceso G y que quizá sea menos astuto, pero tiene la ventaja de ser generalizable a este caso infinito dimensional.
A saber: En vez de las proyecciones \( P_j \), tomemos sumas de tales proyecciones. Precisando, para cualquier \( \lambda\in{\mathbb{R}} \), definamos
\( E_\lambda=\displaystyle\sum_{\lambda_j\leq{\lambda}}{P_j} \)..........(3)
Esta es una familia uniparamétrica de proyecciones, con \( \lambda \) como parámetro. De (3) vemos que para cualquier \( \lambda \), el operador \( E_\lambda \) es la proyección de \( H \) sobre el subespacio \( V_\lambda=\span \left\{{x_j| \lambda_j\leq{}\lambda}\right\} \). De ahí se sigue que \( V_\lambda\subset{}V_\mu \) si \( \lambda\leq{\mu} \).
A grosso modo, cuando \( \lambda \) corre en todo \( \mathbb{R} \) en sentido positivo, \( E_\lambda \) corre desde la proyección nula \( \Theta \) hasta la proyección identidad \( I \), cambiando de proyección en proyección y en donde cada cambio ocurre en los eigenvalores de \( T \) y permanece sin cambiar para las \( \lambda\mbox{'s} \) de cualquier intervalo que esté libre de eigenvalores.
Las propiedades anteriores quedan plasmadas en cualquier caso a la siguiente definición:
DEFINICION: Una
familia real espectral sobre un intervalo \( [a,b] \), o descomposición real de la unidad en el respectivo intervalo, es una familia uniparamétrica \( \mathfrak{E}=\left\{{E_\lambda}\right\}_{\lambda\in{\mathbb{R}}} \) de proyecciones definidas en un espacio de Hilbert \( H \) (de cualquier dimensión), la cual depende del parámetro real \( \lambda \) y es tal que
FE1. \( E_\lambda E_\mu =E_\mu E_\lambda=E_\lambda \) si \( \lambda<\mu \)
FE2. \( \begin{Bmatrix} E_\lambda=\Theta & \mbox{ si }& \lambda\leq{a}\\E_\lambda=I & \mbox{si}& \lambda\geq{b}\end{matrix} \)
FE3. \( \displaystyle\lim_{\mu \to{}\lambda +}{E_\mu x}=E_\lambda x \) para cualquier \( x\in{H} \)
Este nuevo procedimiento de definir proyecciones ortogonales, como se dijo antes, es fácilmente adaptable al caso de dimensión infinita. Por si fuera poco, la importancia del proceso G en sí es que a cada operador acotado autoadjunto \( T \), definido en un Hilbert de dimensión finita o no, podemos asociarle una familia espectral, la cual puede ser usada para representarlo como una integral de Riemann-Stieltjes. De hecho, ésa es una representación espectral1.
Un comentario sobre esto último es que al final, lo que el procedimiento G hace es representar al operador autoadjunto en términos de una integral respecto a una medida.
Para lo que nos interesa en esta sección, lo anterior es suficiente para motivar la idea detrás de la definición de medidas espectrales.
De alguna manera queremos simular el proceso G que aplicamos a los operadores autoadjuntos, pero ahora en el caso de un operador normal, y además, en este nuevo proceso no queremos perder tiempo analizando si la dimensión de nuestro H es o no finita