Escolar Documentos
Profissional Documentos
Cultura Documentos
Notaciones: Sea x Rn , x = (x1 , ..., xn ). 1. Denotaremos x y x a los vectores obtenidos al reordenar las cordenadas de x en forma decreciente y creciente respectivamente. Es decir, por ejemplo, que x = max xi , x + x = max xi + xj , etc. 1 1 2
i i=j
tr x =
i=1
xi .
Cn y
x j
j=1
j=1 k
yj ,
1 k n,
nk
(1)
x j
= tr x
j=1
x , la relacin x o j
y tambin e
x j
j=1 j=1
yj ,
1 k n,
(2)
Si slo se cumple la condicin (1), se dice que y submayoriza a x, y se o o nota x w y. Si se cumple la condicin (2), se dice que y supramayoriza o w a x, y se nota x y. x Ejemplos 3. 1. Sea x Rn . Llamemos a = tr x. Entonces + a e n (x1 , x2 , . . . , xn ) a e1 . (3)
La prueba es un ejercicio fcil. Este hecho ilustra que la mayorizacin coma o para la dispersin de las cordenadas de los vectores. o 2. Si x y e y x, entonces x = y y, por lo tanto, x e y dieren en una permutacin. o x 1
Matrices doblemente estocsticas: a Si A Mn (C), 1. Llamaremos Fi (A) a la la i-sima de A y Cj (A) a la columna j-sima. e e 2. Notaremos A b 0 si Aij 0, es decir, si A tiene entradas no negativas. 3. Una matriz A Mn (R) es doblemente estocstica si A b 0 y, para a todo i In , se verica que tr Fi (A) = 1 y tr Ci (A) = 1.
Al conjunto de matrices doblemente estocsticas en Mn (C) lo denotaremos a DS (n). x Observacin 4. A DS (n) si y slo si o o Ab0 , Ae = e y A e = e,
donde e = (1, 1, . . . , 1) Rn . Se deduce que DS (n) es un conjunto convexo. Teorema 5. Sea A Mn (R). Entonces A DS (n) Ax x para todo x Rn .
Dem: La implicacin dicil es = , que sale haciendo muchas cuentas o (elementales). La otra es ms fcil, por ejemplo Ae e dice que todas las a a las de A tienen traza uno. Y Aei ei dice que Ci (A) es no negativa y tiene traza uno. Ejemplo 6. Como motivacin del siguiente resultado, supongamos que (y1 , y2 ) o (x1 , x2 ). Entonces x2 y 2 y 1 x1 y y 1 + y 2 = x1 + x2 . Sea [0, 1] tal que y1 = x1 + (1 )x2 . Es fcil ver que, entonces, a y2 = (1 )x1 + x2 . y por lo tanto (y1 , y2 ) = (x1 , x2 ) + (1 )(x2 , x1 ).
Teorema 7. Sean x, y Rn . Son equivalentes: 1. y x. 2. y es una combinacin convexa de permutaciones de x. o 3. Existe A DS (n) tal que y = Ax. 4. Para toda funcin convexa f : R R, o
n n
tr f (y) =
i=1 n n
f (yi )
i=1
f (xi ) = tr f (x) .
5.
i=1
|yi t|
i=1
x (submayorizacin) o xTu
y,
donde x T u signica que xi ui , i In . 3. tr f (y) tr f (x) para toda funcin f : R R convexa y no decreciente. o
n n
4.
i=1
(yi t)+
i=1
Rn ,
Corolario 8. Sea g :
Entonces, dados x, y
= y
g(x) =
g(y).
w
Si g es convexa creciente, x
g(x)
g(y).
Dem: Sea f : R R convexa creciente. Es fcil ver, entonces, que f g es a una funcin convexa. Si x y, entonces o tr f (g(x)) = tr f g (x) tr f g (y) = tr f (g(y)). Como lo anterior vale para toda f : que g(x) w g(y).
=
i=1
xi
i=1
yi .
x i
i=1
i=1
yi ,
k In
y.
(4)
Dem: Notar que la ecuacin (4) equivale a que log(x) w log(y). La funcin o o t t exp t := e es convexa y creciente. Por el Corolario 8, deducimos que x = exp log x w exp log y = y.
Dos pruebas: (de = ). 1. Si D = diag ((A)), existe U U(n) tal que A = U DU . Sea B = (|uji |2 )ij DS (n) (porque U U(n)). Mediante cuentas elementales de matrices, se puede vericar que d (A) = B (A). 4
2. Por induccin, aplicando el Teorema de entrelace de Cauchy. Para ello baso ta reordenar la diagonal de A, conjugndola por una matriz de permutacin, a o lo que no cambia sus autovalores.
n
aii .
det A =
i=1
i (A)
i=1
di (A) =
i=1
aii .
Principio del Mximo de Ky Fan: Sea A H(n). Entonces para todo a k In , se tiene que
k k
j (A) = max
j=1 j=1
donde el max se toma sobre todas las k-uplas ortonormales {x1 , ..., xk } en
Dem: Los trminos de la derecha son parte de una diagonal de A en alguna e BON. La otra desigualdad se obtiene eligiendo una BON de autovectores de A, asociada a (A). Teorema 12. Sean A y B H(n). Entonces (A + B) (A) + (B). M2n (C), se tiene que
0 C C 0 (C) = (s1 (C), , sn (C), sn (C), , s1 (C)). Corolario 13. Sean A, B Mn (C). Entonces s(A + B)
w
s(A) + s(B).
Observacin 14. 1. El resultado anterior no es otra cosa que la prueba de o la desigualdad triangular para las normas de Ky Fan:
k
(k)
=
j=1
sj (A) , k In , A Mn (C) , 5
2. Una norma N en Mn (C) es unitariamente invariante (NUI) si N (U AV ) = N (A) , Se prueba que, dadas A, B Mn (C), N (A) N (B) para toda NUI s(A)
w
para
U, V U(n) .
s(B).
Por ende, probar una desigualdad para toda NUI se reduce a comprobar una relacin de mayorizacin. Esto sucede con decenas de desigualdades o o importantes de matrices y operadores, lo que hace que las tcnicas de maye orizacin sean escenciales en el Anlisis matricial. Veamos dos ejemplos: o a
Proposicin 15 (Kittaneh 95). o 1. Si A Mn (C), Re (A) (Re A) (Re A = A+A ). 2 2. Sean A, B Mn (C) tales que AB H(n). Entonces, N (AB) N (Re(BA) ) para toda NUI N en Mn (C). Dem: Lo primero sale fcilmente de Ky Fan. Si AB H(n), tenemos que a (AB) = (BA) = Re((BA)) (Re(BA)). Si C H(n), s(C) = |(C)| . Podemos deducir, entonces, que s(AB) w s(Re(BA) ), dado que t |t| es convexa. Proposicin 16 (Corach-Porta-Recht, 93). Sean T, S H(n) y supongo amos que S es inversible. Entonces, para toda NUI N , se tiene que N (ST S 1 + S 1 T S) 2 N (T ). Dem: Aplicar Kittaneh a A = T S 1 y B = S. Teorema de Schur-Horn y marcos: Un marco en Cn es un sistema de generadores F = {f1 , . . . , fm } (con m n). Se le asocian las matrices 1. T Mn,m (C) con los fi en sus columnas (matriz de preframe de F). 2. S = T T Gl (n)+ (matriz de frame de F). Estos objetos se denen tambin para espacios de Hilbert, con escencialmente e los mismos condimentos. Problema : Dados c Rm y S Gl (n)+ , existe un marco F tal que >0 1. S es su matriz de frame, y 2. fi 2 = ci , 1 i m ? En tal caso decimos que (c, S) es admisible. 6
Teorema 17. Sean c Rm y S Gl (n)+ . Son equivalentes: >0 1. El par (c, S) es admisible. 2. Se cumple que c ((S), 0, . . . , 0) Rm . Dem: Si existe el tal F, sea T su matriz preframe. Basta notar que c = d (T T ) y que (T T ) = ((T T ), 0, . . . , 0) Rm . La rec proca sale por el Teorema de Schur-Horn, que asegura la existencia de una matriz B = T T Mm (C)+ que cumple lo pedido: c = d (B) y T T = U SU , para U U(n). El marco son las columnas de U T . Schur Horn en dimensin innita. o 1. Observar que una formulacin equivalente del Teorema de Schur-Horn es: o Sea a Rn y sea A H(n) tal que (A) = a . Entonces, {x Rn : x a} = d ( U AU ) : U U(n) . 2. Adems, puede denirse mayorizacin de matrices autoadjuntas: Dadas a o A, B H(n), decimos que A B si (A) (B) .
3. Si Pk denota el conjunto de proyecciones sobre subespacios k-dimensionales Cn, se tiene que A B si y slo si tr A = tr B y o max{tr AP : P Pk } max{tr BP : P Pk } , para todo k In . Veremos que algo parecido puede hacerse en L(H) (tratando de evitar las trazas de A y B): Denicin 18. Sean A, B L(H)h . o 1. Denimos, para cada k N, Uk (A) = sup tr(AP )
P Pk
2. Decimos que A
Teorema 19. Sean S L(H)h y c (R)+ . Sean Mc el operador de multiplicacin por c, UH (S) la rbita unitaria de S y d : L(H) (R) la o o compresin a la diagonal. Luego o Mc S c d (UH (S)) ,
En tal caso, max e (S) lim sup c y min e (S) lim inf c . 7
Observacin 20. Si S Gl (H)+ y c (R)+ , se puede probar que (c, S) o es admisible existe una extensin K = H Hd de H tal que, si notamos o S 0 H S1 = L(K)+ , entonces 0 0 Hd Mc d (UK (S1 ) ) . Recordar que, por el Teorema 19, Mc S1 Mc d (UK (S1 ) ) .
Esto permite obtener condiciones para admisibilidad en dimensin innita, o pero no da una caracterizacin completa. Estos resultados se desarrollan en o [Antezana, Massey, Ruiz, S, Illinois J. Math. math.FA/0508646]. Jensen y mayorizacin o La desigualdad de Jensen es una extrapolacin de la denicin de funciones o o convexas: Sea f : R R convexa. Si (X, P ) es un espacio de probabilidad, y g : X R es acotada e integrable, entonces f
X
g dP
f g dP.
La manera natural (y no conmutativa) de extender esto a matrices, seria decir que f ((A)) (f (A)) , A H(n) , (6) para toda : Mn (C) Mn (C) lineal, positiva ((A) 0 si A 0) y unital ((I) = I). Aqui f de una matriz es otra matriz (clculo funcional). Lo unico que faltar a a aclarar es quien es . Si uno pone el de matrices (A B si B A es denida positiva), la frmula (6) solo es cierta para las llamadas funciones convexas de operadores o (y las caracteriza). Teorema 21 (Nuestro Jensen). Sea f : R R convexa. Entonces para toda : Mn (C) Mn (C) lineal, positiva y unital, se tiene que f ((A))
w
(f (A)) , A H(n) ,
(7)
Este teorema se generaliza a los llamados factores nitos, que son a lgbras de von Neumann con traza nita y centro trivial. En ellos se puede denir (sub)mayorizacin entre sus elementos autoadjuntos. De hecho, se o obtienen nociones similares a las del Teorema 7: 1. Transformaciones doble-estocsticas. a 2. Clculo funcional con funciones convexas. a 3. Cpsulas convexas de rbitas unitarias. a o 4. Vectores (continuos) de autovalores, y se los suma (integra) en segmentos iniciales. En ese contexto, el enunciado del Teorema de Jensen (con mayorizacin) o es el mismo. Ver [Antezana, Massey, S, math.FA/0411442]. Bibliograf a: Clsicos: a 1. Inequalities, de Hardy, Littlewood y Polya, (1934). 2. Inequalities, Theory of M and its Appl. de Marshal y Olkin (1979). 3. Matrix Analysis, de Bhatia (1997). Papers: Innumerables trabajos en revistas, sobre todo de T. Ando, desde 1980 a 2005. M de matrices (multivariada): 1. Sherman (1960/1). 2. Cheon-Lee 95, Dahl 99, Hwang-Pyo 01, entre otros. 3. Mart nez Per a-Massey-Silvestre (2004). M de operadores: 1. Neumann (1999), en operadores diagonales de L(H). 2. Kamei 80 y Hiai 90 en factores nitos. 3. Argerami-Massey 05 (preprint) multivariada en factores nitos. De nuevo: Kadison-Pedersen 85 y Arveson-Kadison 02/05 en Algebras de operadores. Casazza, Larson, Balan, Dykema, Eldar entre otros, en teor de Frames/Marcos. a