El espacio de Hilbert

“es el espacio donde la función de onda vive”

Muy importante, los espacios de Hilbert son un tipo de espacio métrico. Esto significa que su es
una función interna del producto que da la "distancia" entre dos vectores en el espacio de hilbert.
Esta misma función, cuando se aplica a dos vectores idénticos da la "norma" cuadrada (o longitud)
de ese vector que debe ser positiva definida. Esta propiedad de los espacios de Hilbert impone
fuertes restricciones sobre los vectores en el espacio, incluyendo que las representaciones del
espacio de posición de los vectores de estado deben ser continuas, como se establece en su
definición. En cuanto a la suavidad, las soluciones no necesitan ser suaves. Dos ejemplos
artificiales son el potencial de función δ y el potencial de pozo cuadrado infinito, los cuales tienen
discontinuidades en derivadas.

Los espacios de Hilbert son hermosas generalizaciones del espacio tridimensional en el que
vivimos. Consisten en vectores que se comportan como deberían, y hay un producto de puntos
que define longitudes de vectores, distancias, ángulos y geometría de formas perfectamente
intuitivas. Desde el punto de vista de los espacios de Hilbert, las construcciones avanzadas como
las transformadas de Fourier son intuitivas y tienen mucho sentido. Una vez que trabajes en el
espacio de Hilbert, nunca querrás ir a casa.

Para entender qué es un espacio de Hilbert, primero debe comprender qué es un espacio de
producto interno, ya que un espacio de Hilbert es un espacio de producto interno con una
propiedad particular agradable.

Suponiendo que sepa cuál es el espacio interior de un producto, sabrá que obtiene una noción de
distancia entre los puntos al tomar

Por ejemplo, si el espacio interior de su producto es solo Rn con el producto escalar, entonces esto
recupera la noción usual de distancia.

Un espacio de Hilbert es un espacio de producto interno que es completo, es decir, un espacio

donde cualquier secuencia de puntos que se acercan cada vez más convergen en algún punto.

En términos generales, un espacio completo es aquel en el que puedes construir algo siempre que
puedas construir aproximaciones arbitrariamente buenas de él.
Comencemos con un concepto más concreto y generalicemos.

Uno de los fenómenos cuánticos más famosos es la superposición, la idea de que algo puede estar
en dos lugares a la vez. La forma en que modelamos esto es usando un vector: Un vector es una
flecha:

una flecha al elegir un sistema de coordenadas, x e y en el

diagrama. La flecha de arriba se representa como una
combinación de un cierto movimiento en la dirección x y un
cierto movimiento en la dirección y, a1ex + a2ey. Donde ex y
ey son flechas de longitud uno que apuntan a lo largo de los
ejes xey, respectivamente.

Los electrones tienen esta propiedad llamada "giro en la

dirección y", que se puede observar que está "arriba" o
"abajo". Sin embargo, en general, un electrón está en una
combinación de "arriba" y "abajo". Escribimos estos
matemáticamente como | ψ⟩ = a | up⟩ + b | down⟩. El símbolo |
up⟩ es análogo a ex para los vectores habituales | ψ⟩ es la
configuración del electrón y a, b son números complejos.
Lo único es que algunas propiedades de los electrones tienen
un conjunto infinito de valores posibles. Entonces, por
ejemplo, la posición de un electrón unidimensional (después
de elegir un punto especial a medir) puede ser 21 m o -23.2m
o 2-√ metros, etc. Entonces un electrón puede estar en una
combinación de cada uno de estos estados, que podemos
denotar de la misma manera:

y así sucesivamente para cada posición posible que el

electrón podría tener. Este es un vector infinito dimensional
de números complejos. El vector | ψ⟩ representa una función
que adopta una posición y le proporciona el coeficiente, es
decir, a o b frente a él, en la combinación lineal. Entonces, un
espacio de Hilbert es un espacio dimensional infinito de
vectores, donde cada vector representa una función.

Si quieres saber qué es un espacio de Hilbert, supongo que al menos conoces un poco de álgebra
lineal.

El espacio más importante en el álgebra lineal básica es el espacio euclidiano en n dimensiones. Un

elemento típico es simplemente un vector n-elemento de números reales, y hay ciertas cosas que
podemos hacer con tales vectores: podemos agregarlos, podemos encontrar el "ángulo" entre dos
vectores tomando productos de puntos, y podemos tomar límites de secuencias de vectores.
Para generalizar esto, podríamos tomar nuestros vectores para tener una lista infinita de
coordenadas, de modo que un vector típico parezca que podemos agregar tales objetos el uno al
otro sin ninguna dificultad. Si queremos encontrar el ángulo entre dos de estos vectores, podemos
intentar calcular el producto de puntos:

La dificultad es que este producto puede no converger. Para asegurarse de que no converja,
necesitamos exigir que ambas secuencias, a_i y b_i, sean "cuadrado-sumables", en el sentido de
que

y de manera similar para b_i. Bajo esta suposición, el producto escalar de los dos vectores es de
hecho finito, y obtenemos una buena noción del ángulo entre dos vectores por la fórmula

donde definimos la longitud | v | de v por la fórmula

Ahora que tenemos una noción adecuada de longitud y ángulos, también tiene sentido hablar de
secuencias: decimos que una secuencia de vectores infinitamente dimensionales converge a un
vector particular si las longitudes de sus diferencias con ese vector tienden a 0. Particularmente Lo
importante es que, al igual que para los números reales y el espacio euclidiano, cualquier
secuencia de Cauchy en este espacio realmente converge, en otras palabras, el espacio está
completo.
El espacio de vectores infinito-dimensionales que he descrito hasta ahora define el espacio de
Hilbert que es sin duda el espacio de Hilbert más simple que existe. Sin embargo, cada espacio de
Hilbert es básicamente el mismo que este espacio: si en lugar de simplemente permitir que tus
vectores sean indexados por números enteros uno permita que sean indexados por un conjunto
arbitrario, entonces habrás obtenido el tipo más general de espacio de Hilbert.

Para un último ejemplo, considere el espacio de las funciones f que se definen en el intervalo
[0,2π] y cuadrado-integrable en ese intervalo, en el sentido de que

Luego podemos definir el producto interno (piense el producto del punto) de dos de tales
funciones por la fórmula

Esto hace que este espacio de funciones se convierta en un espacio de Hilbert, ya que ahora
tenemos una noción de producto interno y (más difícil de verificar) que el espacio esté completo.
La serie de Fourier de f (ver las definiciones en Wikipedia) asocia a f una secuencia infinita de
números (a1, a2, ...) (los coeficientes de Fourier), y esta secuencia es cuadrativamente sumable. Y,
de hecho, esta secuencia de números permite reconstruir f. En este sentido, el espacio de
funciones integrables en el cuadrado en el intervalo [0,2π] es en realidad el mismo que el espacio
de las secuencias sumables en cuadrados, ¡que es el espacio de Hilbert más simple que existe!

La explicación del profano más simple que puedo pensar en términos de un contraejemplo.

Ya sabes lo que es un paso, ¿verdad? Algo que parece, bueno, un paso en una escalera.

Ahora imagina una rampa suave, como una rampa de acceso para discapacitados, que te lleva de
un nivel a otro. Digamos que para calificar como una "rampa", la cosa no puede ser vertical.

Ahora imagine hacer que la rampa progrese más empinada. En cada iteración lo haces un poco
más pronunciado, pero no lo hagas vertical. Una forma de hacerlo es aumentar la pendiente en
cada paso a la mitad del ángulo restante a la vertical. Entonces, si estás a 60 grados, pasas a 75, si
estás a 75, pasas a 82.5 y así sucesivamente.
Obviamente, si continúas haciéndolo un número infinito de veces, te acercas más y más a un
"paso" vertical en el sentido de una escalera. Pero nunca llegas allí.

Ahora piense en el "espacio" de "rampas cada vez más empinadas" que ha creado.

Este espacio de rampas cada vez más empinadas NO es un espacio de Hilbert, porque el estado
final, el escalón vertical, no es una rampa en absoluto.

Esto es lo que significa la idea técnica de una "secuencia infinita completa" ... converge a un punto
EN el espacio. En este caso, lo que llamamos "funciones continuas".

Bueno, es difícil de explicar en términos completos. Usted requiere algunos conocimientos

matemáticos. Esto ayuda especialmente si conoce algo de álgebra lineal y la noción de linealidad.

El espacio 3D tiene 3 dimensiones independientes, que podemos combinar en diferentes

cantidades para abordar cualquier punto en el espacio. Entonces, para abordar el punto (2,4,5)
decimos que van dos unidades en la dimensión X, ve 4 unidades en la dimensión Y y 5 unidades en
la dimensión Z.

Ahora con los espacios de Hilbert las dimensiones pueden ser arbitrarias. Considere el conjunto de
todas las ondas sinusoidales que se ajustan a una cantidad entera de veces en una cuerda. Puede
crear una función arbitraria combinando estos junto con coeficientes apropiados. Entonces,
podemos considerar cada onda sinusoidal como una dimensión independiente en un espacio de
Hilbert. La función ahora es un punto en este espacio abstracto.

Hay muchos más ejemplos, y estoy simplificando deliberadamente mi explicación, omitiendo las
nociones de integridad y productos internos.
Déjame probar esto,

un espacio de Hilbert es un espacio de modelado donde la combinación de múltiples grupos de

infinitos es aceptable.

Los usamos para representar con mayor precisión los patrones de cognición humana basados en
estructuras de datos de objetos fractales.

Piense en la diferencia entre construir modelos usando la teoría de conjuntos finitos (siempre un
subconjunto de la realidad)

Y la teoría de conjuntos infinitos donde esperamos recibir entradas desconocidas y no rompe el

sistema. (Cada vez más realidad)

Así que los espacios de Hilbert permiten el modelado de objetos dispares aparentemente no
relacionados y luego muestran relaciones ocultas de causa y efecto basadas en dependencias
funcionales.

Un espacio de Hilbert es esencialmente un espacio de Banach con un producto interior. (Estaba

pensando en lo técnico que debería ser aquí. No demasiado técnico).

Entonces, ¿qué pasa con esos espacios que es muy importante? Son espacios compactos. Eso
significa que cada secuencia en el espacio debe ser convergente Cauchy. Eso significa que muy
lejos en la secuencia hay muy poca diferencia entre los elementos que están lejos en la secuencia.
Entonces, hasta ahora un conjunto contable (posiblemente infinito) de vectores de base para
dicho espacio, los coeficientes para un vector generado por la base serán una secuencia
convergente de Cauchy en el campo sobre el que se forman los vectores.

Debido a que los espacios de Hilbert son compactos, tienden a ser isomorfos o incluso isométricos
para espacios más conocidos, como espacios vectoriales sobre números reales.

De hecho, los espacios de Hilbert de dimensión finita son espacios vectoriales isométricos a finitos.

Entonces, espero que encuentres útiles los espacios vectoriales finitos y los aspectos del álgebra
lineal. Y, si estás en el aprendizaje automático, espero que no hayas abandonado el álgebra lineal.
Tengo que aprenderlo alguna vez.

Pero, ¿qué hay de los espacios infinitos dimensionales de Hilbert?

Hmmm!

Bueno, sin llegar demasiado profundo, es posible que no notes que la serie de Fourier es algo así
como un espacio de Hilbert. Y, es posible que note que las expansiones de Taylor son bastante
parecidas a los espacios de Hilbert.

Entonces, cuando piensas en todo el procesamiento de la señal y todo lo relacionado con la

aproximación de la superficie, podrías pensar en el espacio de Hilbert.

DE ACUERDO. Entonces, son más una abstracción atrapada en una especie de distancia euclidiana.
Puede desear otras métricas. Pruebe espacios de Banach como Lp.

Conocer los espacios de Hilbert lo ayudará a mantener conceptos claros sobre las áreas de
aplicación. Las discusiones universales de los sistemas lineales y la teoría del control a menudo
entran en discusión sobre los operadores y las teorías de la representación.
Los matemáticos son flojos (al igual que los programadores son flojos). Quieren abstraer todo para
que se pueda hacer una declaración que se aplique a tantas cosas como sea posible.

El espacio de Hilbert es una abstracción. Al igual que un grupo es una abstracción de una
estructura en álgebra.

Un espacio de Hilbert es algo con:

- un espacio vectorial completo H (e incluso podemos descomponerlo en estructuras en álgebra,

es decir, H es un grupo abeliano con esto y aquello ...)

- un operador interno del producto que satisface los 3 requisitos internos del operador del
producto

- finalmente, el operador del producto interno debe inducir una métrica de distancia que
satisfaga las 4 condiciones métricas y se complete sobre H.

Como analogía: en el software, existe la idea de una clase base que abstrae las características de
muchas clases diferentes. Entonces podemos tener fruta, manzana y naranja con fruta como base.

Aquí podemos tener a Hilbert, luego tenemos SS (espacio de estado para mecánica cuántica), Lp,
espacios vectoriales dimensionales finitos y muchos otros espacios. Hilbert es el "espacio base".

La ventaja de hacer esto es que los teoremas que se prueban en el espacio de Hilbert se aplican
automáticamente a los espacios "derivados". De esta forma, los matemáticos pueden
simplemente escribir sus ideas una vez en una biblioteca de teoremas espaciales de Hilbert, y los
físicos pueden usarlos (para QM), y los ingenieros pueden usarlos para el procesamiento de
señales (en L2).

Un ejemplo de algo que los matemáticos hicieron que es útil en los espacios derivados posteriores
es el teorema de representación de Riesz.
La afirmación del teorema parece cursi, pero es bastante profunda y útil. Por ejemplo, a los
ingenieros se les enseña como un hecho que cada sistema lineal se puede representar como una
convolución con un núcleo único. Sabemos que esto es cierto aplicando el teorema de
representación de Riesz. Esta es la base de la teoría de sistemas lineales, que se utiliza para códec
de audio, códec de video y muchas otras aplicaciones prácticas.

Podemos llevar esta idea incluso un paso más arriba y definir una estructura aún más débil de la
que Hilbert llamó espacio Banach. En un espacio de Banach, solo necesitas:

- un espacio vectorial completo B

- un operador de norma ||. ||

De modo que los espacios de Hilbert son espacios de Banach (donde definimos || x || como <x, x>
y <> es un producto interno).

Entonces podemos hablar de teoremas en el espacio de Banach que se aplicarían

automáticamente a los espacios de Hilbert, lo que significa que son automáticamente aplicables a
SS, L2 y los otros espacios derivados.

Un ejemplo de un teorema en el espacio de Banach es algo llamado el teorema del punto fijo de
Banach (esto es en realidad sobre el espacio métrico). Sabemos que esto tiene profundas
consecuencias en economía.

Incluso podemos dar un paso hacia arriba. El operador de norma ||. || en el espacio Banach
induce una topología en ese espacio. Ahora podemos quitar completamente el espaciamiento
vectorial y simplemente tener un espacio topológico ... y esto puede seguir y seguir.

Entonces, ven que, además de proporcionar seguridad laboral para los matemáticos, también es
bastante profundo y útil para otros campos.
Este tipo de estructura es realmente genial en teoría. El problema es que, en la práctica, parece
que tenemos que volver a probar los teoremas a lo largo de la cadena a medida que nos
eduquemos más.

Por ejemplo, el teorema de representación de Reisz para L2 probablemente se enseñe en la clase

de análisis de pregrado. El teorema de representación de Reisz para el espacio vectorial finito
también se enseña en álgebra lineal de pregrado. La versión de Hilbert es una versión graduada.
Tal vez algunos matemáticos nos pueden dar pistas sobre por qué este es el caso? Parece que
puedes ahorrar mucho tiempo yendo de arriba hacia abajo.

Los espacios de Hilbert no son algo con lo que he trabajado mucho, pero al igual que muchos
matemáticos me encuentro con ellos de vez en cuando. Algunas reflexiones sobre por qué los
espacios de Hilbert son importantes y por qué un matemático matemático o usuario de
matemáticas puede interesarse por ellos:
El álgebra lineal es una herramienta muy poderosa para resolver todo tipo de problemas
matemáticos. Si puedes usar algo así como la geometría Euclidiana clásica también, incluso mejor.
En realidad, muchas situaciones en las que primero no pensarías como "lineales" son espacios
vectoriales disfrazados. Piense en funciones continuas desde [0,1] a los números reales /
complejos, por ejemplo. Es fácil comprobar que forman un espacio vectorial bajo adición puntual y
multiplicación constante, pero es infinitamente dimensional y no existe una base natural para
tomar. En este contexto, la integración es un mapa lineal: en cierto sentido, ¡el cálculo se puede
reducir al álgebra lineal! (A su vez, tomar 'funciones del objeto de interés para los números reales
/ complejos' y luego usar métodos basados en la integración es un truco muy general para lanzar
espacios vectoriales y análisis a una situación que no se ve lineal o analítica en primera vista.)

Los espacios complejos de Hilbert son un entorno agradable para realizar álgebra lineal +
elementos geométricos en un espacio vectorial de dimensión infinita. Para revisar los ingredientes
y por qué los necesitamos:

Espacio vectorial sobre números complejos: los números complejos son un gran lugar para hacer
análisis, y esto se traslada a espacios vectoriales sobre ellos. También tienen la gran ventaja sobre
los reales de estar algebraicamente cerrados: en el contexto de los espacios de Hilbert, tiene el
efecto de que los operadores lineales y demás tienen descomposiciones mucho más limpias en
partes que son más fáciles de entender de lo que admitirían sobre los reales. La estructura de
orden de los reales también entra en juego, con nociones como caminos (más cortos) entre los
puntos.

Producto interno: esto es lo que necesita para definir una noción como ángulo, incluida la
ortogonalidad. También te da una norma (que es más o menos equivalente a tener una buena
noción de distancia en un espacio vectorial). La "rigidez" de las estructuras geométricas (en
oposición a las estructuras "más suaves" como los espacios topológicos) se reduce a tener buenas
nociones de distancia y ángulos (derechos).

Completitud: muchos problemas implican encontrar una solución al aproximar la respuesta;

necesita esta condición para asegurarse de que sus aproximaciones realmente convergen a algo
en el espacio. Por ejemplo, las funciones continuas en [0,1] se pueden aproximar por polinomios,
pero a la inversa, se desea saber qué secuencias de polinomios convergen realmente en algo
continuo. Incluso las nociones básicas de álgebra lineal como la base de un espacio vectorial
pueden volverse bastante difíciles de manejar en la configuración de dimensión infinita si no traes
convergencia a la imagen. De hecho, si quieres una 'base ortonormal' para un espacio de Hilbert
de dimensión infinita, en realidad no abarcará el espacio vectorial de manera abstracta, sino que
será tal que todo se puede aproximar mediante combinaciones lineales de vectores de base.

Estas condiciones son en realidad bastante especiales: hasta el isomorfismo, solo hay un espacio
Hilbert complejo separable de dimensión infinita. ('Separable' es una especie de generalización
topológica de 'contable', por lo que este es el espacio de Hilbert infinito-dimensional 'más
pequeño'; en la práctica, rara vez necesitas usar uno más grande). Ese espacio específico de
Hilbert aparece en muchos diferentes contextos, sin embargo.

Al igual que con el álgebra lineal de dimensión finita, no suele pensar demasiado en el espacio de
Hilbert. Con lo que realmente quieres trabajar son operadores lineales sobre el espacio (y sus
primos cercanos, por ejemplo, mapas afines). Aquí se ha desarrollado una teoría extensa para
operadores acotados (es decir, aquellos que mantienen la esfera de la unidad dentro de una
distancia finita del origen; para que la estructura del espacio de Hilbert sea útil, no es necesario
preservar la norma, pero no se quiero que me golpeen demasiado). El conjunto de operadores
forma un espacio de Banach (como un espacio de Hilbert, excepto que no tiene un producto
interno completo, solo una norma completa, también hay varias elecciones de norma sensibles
según lo que desee hacer) con un gran cantidad de estructura adicional, como el mapa adjunto (el
adjunto A ^ * de A tiene la propiedad de <Ax, y> = <x, A ^ * y>), el espectro (una generalización de
valores propios) y, por supuesto, puede componer operadores El espacio de Hilbert también es
autodérmico de manera canónica (cada mapa lineal delimitado del espacio de Hilbert al campo es
solo un mapa <-, y>), así que la mayoría de los aspectos del álgebra lineal relacionados con la
dualidad funcionan bien.

Esto tiene mucho :) Resumen: en dos dimensiones, los espacios de Banach se parametrizan
mediante conjuntos convexos simétricos centrados. Los espacios de Hilbert están parametrizados
por esos conjuntos convexos que son elipses.

Los espacios de Banach, y su caso especial, los espacios de Hilbert, generalmente se estudian en el
contexto de espacios vectoriales de dimensiones infinitas, ya que están hechos a medida para
estudiar espacios de funciones y secuencias.

Sin embargo, también es posible estudiar estos objetos en dimensiones finitas, y de esta manera
se puede usar la geometría para comprender la diferencia entre los espacios de Hilbert y los
espacios de Banach (que no son de Hilbert). Yo diría que la diferencia entre los espacios de Hilbert
y los espacios de Banach (no de Hilbert) es fundamentalmente geométrica. Los matemáticos han
abstraído esta geometría en un grado considerable, pero la intuición básica puede reducirse a
imágenes.

Ok, entonces mi enfoque a esta pregunta será considerar X: = R2. Ahora, lo que pasa con los
espacios de Banach es que tienen tres propiedades principales, dos de las cuales son esenciales y
una de ellas es técnica. La primera propiedad esencial de un espacio de Banach es que sean un
espacio vectorial. Esto significa que puede sumar y restar elementos y multiplicarlos por números
reales. Para nosotros, los elementos de X se verán como vectores a = (a1, a2) ∈R2, por lo que la
suma, la resta y la multiplicación escalar se definen como cabría esperar. La segunda propiedad
esencial de un espacio de Banach es su norma, que es una forma de describir qué tan grande es

algo. La norma por excelencia es nuestro viejo amigo la norma euclidiana,

Observe cómo la norma euclidiana, como bonificación, define una métrica o noción de distancia
en X. La distancia entre dos vectores se define como la norma de su diferencia. Como un aspecto
matemático, esto hace que los espacios métricos sean un objeto más general que los espacios de
Banach. Oh, sí, la última propiedad técnica de los espacios de Banach es que son "completos", lo
que en un sentido amplio, significa que el espacio no tiene agujeros diminutos. Honestamente,
esto no es tan importante, porque hay una construcción matemática llamada terminación que,
honestamente, solo repara los agujeros. Estoy divagando.

Como resultado, hay muchas normas posibles en X, y no solo en Euclides. De hecho, podemos

definir una familia completa de ellos, indexada por p≥1. Considera Nótese
cómo esto generaliza la distancia euclidiana (p = 2), y también tenga en cuenta que tomamos el
1
exponente 𝑝 principalmente para fines de contabilidad, porque hace la multiplicación escalar
homogénea (multiplicar algo por 2, aumentar su norma por 2).

Ahora, para entender los espacios de Banach, vamos a pasar de las normas a un objeto geométrico
más amigable, a saber, la bola unidad en cada norma. Este es un patrón muy común cuando se

estudian estos objetos. La bola de la unidad se define como

Echemos un vistazo a las bolas de la unidad en cada una de estas normas. Primero, B2, que es la
bola euclidiana
Ok, ¡definitivamente me he dejado llevar haciendo fotos! Pensemos en los espacios de Banach y
los espacios de Hilbert en el contexto de sus bolas unitarias. Para || ⋅ || p para inducir un espacio
de Banach, es necesario y suficiente que la unidad de bola Bp sea convexa. Esto explica por qué es
un requisito que p≥1, porque allí es donde la transición pasa de convexa a no convexa. ¡Se
requiere convexidad porque significa que la desigualdad del triángulo se cumple!

Bien, ahora finalmente al verdadero punto de la pregunta, ¿cuál es la diferencia entre los espacios
de Banach y Hilbert? La pregunta, reformulada en el escenario de las bolas unitarias, se convierte
en, ¿qué tiene de especial el círculo? Pero para responder a las cosas geométricamente,
necesitamos saber cuáles son las repercusiones geométricas de que haya un producto interno.

Específicamente, en nuestro entorno, con el punto que representa un producto

interno. La existencia de un producto escalar es lo que distingue a los espacios de Hilbert de los
espacios genéricos de Banach.

Lo que pasa con los productos internos es que siempre tienen estas transformaciones estables
asociadas a ellos. Por ejemplo, en R2, tenemos las matrices de rotación, que es demasiado
complicado para escribir en quora: matriz de rotación. Posiblemente los haya visto en cálculo o
álgebra lineal. Ahora, estas matrices R rotan un punto por θ radianes sobre el origen, y también
conservan el producto interno: x⋅x = Rx⋅Rx. Pensando en esto por un segundo, puede ver que
fuerza a la unidad de bola a ser un círculo. En última instancia, el teorema de Pitágoras, que es la
propiedad estructural clave de los espacios de Hilbert, se introduce en la ortogonalidad de la
matriz de rotación. Pero, puede ver que la presencia de un círculo como unidad de bola se ve
forzada por la representación del producto interno de la norma. Un poco más en general, puede
ver la estrecha conexión entre las formas cuadráticas y los espacios de Hilbert. Así como el círculo
corresponde a la distancia euclidiana, otras elipses corresponden a estructuras espaciales de
Hilbert más elaboradas en R2.

Un espacio Banach es un espacio vectorial normado, sobre el campo de números complejos, que
se completa con respecto a la norma, lo que significa que todas las secuencias de Cauchy son
convergentes.

Tenga en cuenta que si bien todas las secuencias convergentes en un espacio vectorial normado
son Cauchy, no está claro que todas las secuencias de Cauchy sean convergentes. Entonces este es
un punto pequeño pero algo importante, todas las secuencias de Cauchy deben converger a un
punto en el espacio, y si no lo hacen, se debe usar un procedimiento para completar el espacio, de
modo que no haya agujeros en él.
Entonces, un espacio de Banach es una especie de generalización del espacio euclidiano n-
dimensional real.

Un espacio de Hilbert es un espacio vectorial sobre los números complejos con un producto
interno, que se completa con respecto al producto interno, lo que quiere decir que un espacio de
Hilbert es un espacio de Banach cuya norma está determinada por un producto interno