Interior algebraico
En análisis funcional, una rama de las matemáticas, el interior algebraico o núcleo radial de un subconjunto de un espacio vectorial es un refinamiento del concepto de interior.
Definición
editarSupóngase que es un subconjunto de un espacio vectorial El interior algebraico (o núcleo radial) de con respecto a es el conjunto de todos los puntos en los que es un conjunto radial. Un punto se llama punto interno de [1][2] y se dice que es radial desde si por cada existe un número real tal que por cada Esta última condición también se puede escribir como donde el conjunto
es el segmento rectilíneo (o intervalo cerrado) que comienza en y termina en . Este segmento es un subconjunto de , que es el rayo que emana de en la dirección de (es decir, paralelo a/una traslación de ).
Por lo tanto, geométricamente, un punto interior de un subconjunto es un punto con la propiedad de que en cada dirección (vector) posible contiene algún segmento rectilíneo (no degenerado) que comienza en y se dirige en esa dirección (es decir, un subconjunto del rayo ).
El interior algebraico de (con respecto a ) es el conjunto de todos esos puntos. Es decir, es el subconjunto de puntos contenidos en un conjunto dado respecto del cual los puntos del conjunto son radiales.[3]
Si es un subespacio lineal de y , entonces esta definición se puede generalizar al interior algebraico de con respecto a es:[4]
donde siempre se cumple y si , entonces donde es la envolvente afín de (que es igual a ).
Cierre algebraico
Se dice que un punto es linealmente accessible de un subconjunto si existe algún tal que el segmento rectilíneo esté contenido en [5]. El cierre algebraico de con respecto a , indicado por , consta de y todos los puntos en a los que se puede acceder linealmente desde [5].
Interior algebraico (núcleo)
editarEn el caso especial en el que , el conjunto se denomina interior algebraico o núcleo de y se denota por o .
Formalmente, si es un espacio vectorial, entonces el interior algebraico de es[6]
Si no está vacío, entonces estos subconjuntos adicionales también son útiles para los enunciados de muchos teoremas en el análisis funcional convexo (como el teorema de Ursescu):
Si es un espacio de Fréchet, es convexo y está cerrado en , entonces pero en general es posible tener mientras es no vacío.
Ejemplos
editarSi , entonces pero y
Propiedades del núcleo
editarSupóngase que
- En general, Pero si es convexo, entonces:
- y
- para todos los y luego
- es un subconjunto absorbente de un espacio vectorial real si y solo si [3]
- [7]
- si [7]
Tanto el núcleo como el cierre algebraico de un conjunto convexo son nuevamente convexos.[5] Si es convexo, y , entonces el segmento rectilíneo está contenido en [5]
Relación con el interior topológico
editarSea un espacio vectorial topológico, denota el operador interior y . Entonces:
- Si es convexo no vacío y es de dimensión finita, entonces [1]
- Si es convexo con interior no vacío, entonces [8]
- Si es un conjunto convexo cerrado y es un espacio métrico completo, entonces [9]
Interior algebraico relativo
editarSi , entonces el conjunto se denota por y se llama el interior algebraico relativo de .[7] Este nombre surge del hecho de que si y solo si y (donde si y solo si ).
Interior relativo
editarSi es un subconjunto de un espacio vectorial topológico , entonces el interior relativo de es el conjunto
Es decir, el interior topológico de A en es el subespacio lineal afín más pequeño de que contiene a . El siguiente conjunto también es útil:
Interior cuasi relativo
editarSi es un subconjunto de un espacio vectorial topológico , entonces el interior cuasi relativo de es el conjunto
En un espacio vectorial topológico de dimensión finita de Hausdorff,
Véase también
editarReferencias
editar- ↑ a b Aliprantis y Border, 2006, pp. 199–200.
- ↑ John Cook (21 de mayo de 1988). «Separation of Convex Sets in Linear Topological Spaces». Consultado el 14 de noviembre de 2012.
- ↑ a b Jaschke, Stefan; Kuchler, Uwe (2000). Coherent Risk Measures, Valuation Bounds, and ( )-Portfolio Optimization.
- ↑ Zălinescu, 2002, p. 2.
- ↑ a b c d Narici y Beckenstein, 2011, p. 109.
- ↑ Nikolaĭ Kapitonovich Nikolʹskiĭ (1992). Functional analysis I: linear functional analysis. Springer. ISBN 978-3-540-50584-6.
- ↑ a b c Zălinescu, 2002, pp. 2–3.
- ↑ Kantorovitz, Shmuel (2003). Introduction to Modern Analysis. Oxford University Press. p. 134. ISBN 9780198526568.
- ↑ Bonnans, J. Frederic; Shapiro, Alexander (2000), Perturbation Analysis of Optimization Problems, Springer series in operations research, Springer, Remark 2.73, p. 56, ISBN 9780387987057..
Bibliografía
editar- Aliprantis, Charalambos D.; Border, Kim C. (2006). Infinite Dimensional Analysis: A Hitchhiker's Guide (Third edición). Berlin: Springer Science & Business Media. ISBN 978-3-540-29587-7. OCLC 262692874.
- Narici, Lawrence; Beckenstein, Edward (2011). Topological Vector Spaces. Pure and applied mathematics (Second edición). Boca Raton, FL: CRC Press. ISBN 978-1584888666. OCLC 144216834.
- Schaefer, Helmut H.; Wolff, Manfred P. (1999). Topological Vector Spaces. GTM (Second edición). New York, NY: Springer New York Imprint Springer. ISBN 978-1-4612-7155-0. OCLC 840278135.
- Schechter, Eric (1996). Handbook of Analysis and Its Foundations (First edición). San Diego, CA: Academic Press. ISBN 978-0-12-622760-4. OCLC 175294365.
- Zălinescu, Constantin (30 de julio de 2002). Convex Analysis in General Vector Spaces (J). River Edge, N.J. London: World Scientific Publishing. ISBN 978-981-4488-15-0. MR 1921556. OCLC 285163112.