Rudimenti Analisi Inf - Dim

Filippo Cesi
Rudimenti di analisi innito dimensionale

Versione 0.2 (Salamandra)
(a planet dust diversion)
Precisazione. Tranttandosi di una versione alpha, questa
(ehm) opera conterr` a sicuramente molti errori, imprecisioni,
omissioni, dimostrazioni lasciate in sospeso, esercizi incom-
pleti, punti interrogativi, geroglici o simboli di alfabeti ancora
sconosciuti, macchie di sugo, ecc. Il Lettore, nel pieno delle sue
facolt` a, dichiara di accettare lopera cos` comè e dichiara (al-
tres`) che mai e poi mai avr` a intenzione di rivalersi sullAutore
per eventuali danni materiali, morali o di altro genere in cui
potrà incorrere a causa di informazioni errate, incomplete o an-
che palesemente malevole contenute nellopera stessa.
4
Indice
1 Prerequisiti 11
1.1 Algebra elementare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1.1 Identità notevoli . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1.2 Divisione di polinomi . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1.3 Risoluzione di equazioni di grado superiore al secondo . . . . . . 12
1.2 Algebra lineare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2.1 Il metodo della riduzione delle righe . . . . . . . . . . . . . . . . 13
1.2.2 Autovalori, autovettori e diagonalizzazione di una matrice . . . . 20
1.2.3 Funzioni di matrici . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3 Analisi reale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1.3.1 Convergenza di integrali impropri su R . . . . . . . . . . . . . . . 22
1.3.2 Confronto fra integrali e somme . . . . . . . . . . . . . . . . . . . 23
1.3.3 Integrali gaussiani . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.4 Funzioni continue e uniformemente continue . . . . . . . . . . . . . . . . 23
2 Spazi metrici 25
2.1 Denizione ed esempi . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2 Convergenza, completezza . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2.3 Compattezza . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
2.4 Funzioni continue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
3 Spazi vettoriali e di Banach 39
3.1 Denizioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.2 Esempi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.3 Esempi: Spazi nito dimensionali . . . . . . . . . . . . . . . . . . . . . . 43
3.3.1 Le norme | |
p
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.3.2 Disuguaglianze di Holder e di Minkowski . . . . . . . . . . . . . 45
3.4 Concetti metrici negli spazi vettoriali normati . . . . . . . . . . . . . . 47
3.5 Spazi innito dimensionali: spazi di successioni . . . . . . . . . . . . . . 49
3.5.1 Lo spazio delle successioni limitate:
. . . . . . . . . . . . . . 51
3.5.2 Lo spazio delle successioni convergenti a zero:
0
. . . . . . . . . 53
3.5.3 Gli spazi
p
con p [1, ) . . . . . . . . . . . . . . . . . . . . . . 54
3.5.4 Lo spazio delle successioni nite:
f
. . . . . . . . . . . . . . . . 56
3.6 Spazi innito dimensionali: spazi di funzioni . . . . . . . . . . . . . . . . 57
3.6.1 Gli spazi C[a, b], C
b
(R), C
0
(R), C
c
(R) . . . . . . . . . . . . . . . 57
3.6.2 Gli spazi C
p
[a, b], C
p
(R) in cui p [1, ) . . . . . . . . . . . . . 57
3.6.3 Altri spazi vettoriali importanti . . . . . . . . . . . . . . . . . . . 59
3.7 Indipendenza lineare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61
3.7.1 Come si dimostra che un insieme di vettori è linearmente in-
dipendente? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
5
6 INDICE
3.8 Insiemi completi di vettori e basi . . . . . . . . . . . . . . . . . . . . . . 63
3.9 Completezza. Spazi di Banach . . . . . . . . . . . . . . . . . . . . . . . 67
3.9.1 Riassunto: strategia per dimostrare la completezza di uno spazio
normato . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.10 Separabilità . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
4 Spazi di Hilbert 77
4.1 Denizioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
4.1.1 Esempi di spazi euclidei . . . . . . . . . . . . . . . . . . . . . . . 79
4.1.2 La regola del parallelogramma . . . . . . . . . . . . . . . . . . . 80
4.1.3 Problemi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
4.2 Complemento ortogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
4.3 Sistemi ortogonali, completezza, basi . . . . . . . . . . . . . . . . . . . . 85
4.4 Disuguaglianza di Bessel . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
4.5 Riassunto delle precedenti puntate . . . . . . . . . . . . . . . . . . . . . 95
4.6 Teorema: isomorsmo degli spazi di Hilbert separabili . . . . . . . . . . 95
4.7 Proiezioni ortogonali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
5 Funzionali lineari e distribuzioni 101
5.1 Funzionali lineari continui . . . . . . . . . . . . . . . . . . . . . . . . . . 101
5.2 Lo spazio duale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108
5.2.1 Lo spazio duale è uno spazio vettoriale normato . . . . . . . . . . 108
5.2.2 Identicazione di alcuni spazi duali importanti . . . . . . . . . . 111
5.2.3 Lo spazio duale di uno spazio di Hilbert . . . . . . . . . . . . . . 115
5.3 Convergenza debole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 116
5.4 Distribuzioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
5.4.1 Funzioni con discontinuità isolate . . . . . . . . . . . . . . . . . . 118
5.4.2 Denizioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119
5.4.3 La delta di Dirac . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
5.4.4 La parte principale di 1/x . . . . . . . . . . . . . . . . . . . . . . 124
5.4.5 Operazioni sulle distribuzioni . . . . . . . . . . . . . . . . . . . . 125
5.4.6 La distribuzione [b(x)] (da non confondere con
0
(b)!) . . . . . . 131
5.4.7 Alcune identità notevoli fra distribuzioni . . . . . . . . . . . . 133
5.4.8 Il potenziale elettrostatico . . . . . . . . . . . . . . . . . . . . . . 137
6 Operatori lineari 139
6.1 Denizione ed esempi . . . . . . . . . . . . . . . . . . . . . . . . . . . . 139
6.1.1 Esempi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 140
6.2 Somme e prodotti di operatori lineari . . . . . . . . . . . . . . . . . . . . 144
6.3 Operatore inverso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 146
6.4 Operatore aggiunto (di Hilbert) . . . . . . . . . . . . . . . . . . . . . . . 148
6.4.1 Proiettori ortogonali . . . . . . . . . . . . . . . . . . . . . . . . . 152
6.5 Spettro . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 152
6.5.1 Il caso nito dimensionale (C
n
). . . . . . . . . . . . . . . . . . . 152
6.5.2 Il caso generale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
6.6 Operatori autoaggiunti . . . . . . . . . . . . . . . . . . . . . . . . . . . . 154
6.7 Operatori compatti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
7 Bagliori di teoria della misura 161
7.1 Spazi di misura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
7.2 La misura di Lebesgue . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
7.3 Lintegrale di Lebesgue e gli spazi L
p
(R
n
, dx) . . . . . . . . . . . . . . . 163
INDICE 7
8 Spazi L
2
165
8.1 Introduzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
9 Serie di Fourier 167
9.1 L
2
[, ] e i polinomi trigonometrici . . . . . . . . . . . . . . . . . . . . 167
9.1.1 Completezza dei polinomi trigonometrici (schema di dimostr-
azione) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
9.1.2 Relazione fra la serie di Fourier di f e quella di f
t
. . . . . . . . 170
9.1.3 Serie di Fourier sullintervallo [a, b] . . . . . . . . . . . . . . . . . 173
9.1.4 Serie di Fourier sullintervallo [l, l] . . . . . . . . . . . . . . . . 174
9.1.5 Serie di Fourier complessa . . . . . . . . . . . . . . . . . . . . . . 174
9.1.6 Problemi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 176
9.2 Convergenza puntuale della serie di Fourier . . . . . . . . . . . . . . . . 176
9.2.1 Funzioni continue o dierenziabili a tratti . . . . . . . . . . . . . 177
9.2.2 Convergenza puntuale . . . . . . . . . . . . . . . . . . . . . . . . 182
9.3 Serie di Fourier con solo coseni o seni . . . . . . . . . . . . . . . . . . . . 187
9.3.1 Quale sviluppo scegliere? . . . . . . . . . . . . . . . . . . . . . . 188
9.4 Equazione del calore su un intervallo nito . . . . . . . . . . . . . . . . . 189
9.4.1 Condizioni al bordo di Neumann . . . . . . . . . . . . . . . . . . 189
9.4.2 Condizioni al bordo di Dirichlet . . . . . . . . . . . . . . . . . . . 192
9.5 Convergenza uniforme della serie di Fourier . . . . . . . . . . . . . . . . 192
10 Trasformata di Fourier 195
10.1 Lidea . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
10.2 Denizione e proprietà elementari . . . . . . . . . . . . . . . . . . . . . . 196
10.3 Regolarità e andamento allinnito . . . . . . . . . . . . . . . . . . . . . 196
10.4 Formula di inversione e Teorema di Plancherel . . . . . . . . . . . . . . 201
10.5 Convoluzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
10.6 Equazione del calore su un intervallo innito . . . . . . . . . . . . . . . 206
8 INDICE
Elenco dei simboli usati
Esercizio non ultrafacilissimo
Esercizio non facilissimo
* Esercizio che quasi si potrebbe dire dicilino (quasi)
u Esercizio dicilino (senza quasi)
Esercizio svolto (pi` u o meno) nei Rudimenti
~ Esercizio facoltativo
Arg z arg
(,]
z è il valor principale dellargomento
B
r
(x) Palla di centro x e raggio r
C(R) Insieme delle funzioni continue su R
C(X) Insieme delle funzioni continue su uno spazio metrico X
C
b
(X) Insieme delle funzioni continue e limitate su uno spazio metrico X
C
0
(R) Insieme delle funzioni continue su R che tendono a zero allinnito
C
c
(X) Insieme delle funzioni continue su X a supporto compatto
C
p
(R) (p [1, )). Insieme delle funzioni continue con norma | |
p
nita
C
k
(R) Insieme delle funzioni reali con k derivate continue
C
k
b
(R) Insieme delle funzioni reali f tali che f, f
t
, . . . , f
(k)
appartengono a C
b
(R)
C
k
0
(R) Insieme delle funzioni reali f tali che f, f
t
, . . . , f
(k)
appartengono a C
0
(R)
C
(R) Insieme delle funzioni reali innitamente dierenziabili

C
c
(R) Insieme delle funzioni reali innitamente dierenziabili a supporto compatto
cis() cos +i sin .
a
Delta di Dirac nel punto a (5.5)
g
Funzionale lineare corrispondente alla funzione g (5.3)
/ Spazio delle funzioni fondamentali [5.33]
/
Distribuzioni sullo spazio delle funzioni fondamentali

K
Convergenza nello spazio / [5.34]
K
Convergenza nello spazio /
Ker A Nucleo delloperatore lineare A
Insieme delle successioni reali limitate
0
Insieme delle successioni reali che tendono a zero
p
(p [1, )). Insieme delle successioni reali con norma | |
p
nita
f
Insieme delle successioni reali con un numero nito di elementi non nulli
9
10 INDICE
f
(Q) Insieme delle successioni a elementi razionali con un numero nito di elementi
non nulli
L(V, Z) Insieme degli operatori lineari limitati da V in Z [6.5]
Lip(R) Insieme delle funzioni Lipschitz su R [1.11]
M
mn
Insieme delle matrici mn coecienti reali
M
n
Insieme delle matrici n n coecienti reali
P(R) Insieme dei polinomi reali
P(1/x) Parte principale di 1/x (5.37)
W
Proiezione ortogonale sul sottospazio W
R
Insieme delle successioni reali

R
z
(T) Risolvente di T in z [6.34]
Ran A Immagine delloperatore lineare A
(T) Insieme risolvente delloperatore lineare T
sgn(x) Segno di x
spec T Spettro delloperatore lineare T
(T) Spettro delloperatore lineare T
p
(T) Spettro puntuale delloperatore lineare T
c
(T) Spettro continuo delloperatore lineare T
span Insieme delle combinazioni lineari di . . .
Distribuzione di Heavyside (5.31)
+
Operatore di traslazione verso destra (sezione 6.1.1)
Operatore di traslazione verso sinistra (sezione 6.1.1)

V
Complemento orthogonale di V
F Chiusura dellinsieme F
F
Parte interna di F
F Bordo di F
L
Spazio duale dello spazio lineare normato L [5.3]

T
Aggiunto delloperatore lineare T [6.23]

1. Prerequisiti
W: Im Winston Wolf, I solve problems
1.1 Algebra elementare
1.1.1 Identità notevoli
(x +y)
2
= x
2
+ 2 xy +y
2
(x +y)
3
= x
3
+ 3 x
2
y + 3 xy
2
+y
3
(x +y)
n
= x
n
+
_
n
1
_
x
n1
y +
_
n
2
_
x
n2
y
2
+ +
_
n
n 1
_
xy
n1
+y
n
(x
2
y
2
) = (x +y) (x y)
(x
4
y
4
) = (x +y) (x y)(x
2
+y
2
)
(x
n
y
n
) = (x y)
_
x
n1
+x
n2
y +x
n3
y
2
+ +xy
n2
+y
n1
_
(x
n
+y
n
) = (x +y)
_
x
n1
x
n2
y +x
n3
y
2
+ xy
n2
+y
n1
_
n dispari
Il simbolo
_
n
k
_
è il coecionte binomiale dato da
_
n
k
_
:=
n!
k! (n k)!
1.1 Problema. Calcolare
37
k=0
_
37
k
_
. (Sugg: usare lidentità. . . )
Risp: 137438953472
1.1.2 Divisione di polinomi
1.2 Problema. Siano
P(x) := 3x
4
+ 2x
3
x
2
+ 5x + 3 Q(x) := 2x
2
4x + 1 .
(1) Trovare quoziente e resto della divisione di P per Q, vale a dire trovare due poli-
nomi A e B tali che
' P(x) = A(x) Q(x) +B(x) .
(2) Dimostrare che la soluzione di questo problema è unica. Supponiamo cioè che
valga la ' e contemporaneamente
P(x) = A
t
(x) Q(x) +B
t
(x) .
Allora deve essere necessariamente A = A
t
e B = B
t
.
Risp: A(x) =
3
2
x
2
+ 4x +
27
4
, B(x) = 28x
15
4
.
11
12 CHAPTER 1. PREREQUISITI
1.1.3 Risoluzione di equazioni di grado superiore al secondo
Le soluzioni di unequazione di terzo grado
x
3
+b x
2
+c x +d = 0
si trovano con la formuletta che tutti conoscono
x
1
=
b
3

3
+

3
x
2
=
b
3

(1 +i
3)
6

1
6
(1 i
3)
x
3
=
b
3
+
(1 i
3)
6

1
6
(1 +i
3)
in cui
:= b
2
+ 3 c
:= 2 b
3
+ 9 b c 27 d
:=
_
1
2
_
+
_
4
3
+
2
_
_
1/3
Un formula esiste anche per le equazioni di quarto grado, ma tenderei a risparmiarvela.
Se si ha motivo di sospettare che lequazione
1
x
n
+a
1
x
n1
+a
2
x
n2
+ +a
n1
x +a
n
abbia soluzioni intere oppure razionali con denominatori piccoli, si può provare a cer-
care soluzioni fra i divisori del termine noto a
n
. Ovviamente non è assolutamente detto
che ci siano soluzioni intere, anche nel caso in cui tutti i coecienti a
i
siano interi.
Lequazione può non avere alcuna soluzione reale, come nel caso di x
10
+ 1 = 0 o può
avere soluzioni reali irrazionali. Ad esempio le soluzioni di
x
2
+ 4 x + 1 = 0
sono
x
1
= 2
5 x
2
= 2 +
5 .
Vediamo invece un caso il cui il metodo del tirare a indovinare ha successo.
1.3 Problema. Trovare tutte le soluzioni dellequazione
p(x) := x
4
11x
3
+ 42x
2
64x + 32 = 0 .
Soluzione. Se siamo fortunati troviamo qualche radice fra i divisori del termine noto
32. I divisori (con segno) di 32 sono
1, 2, 4, 8, 16, 32 .
Io inizierei a provare con x = 1.
x = 1 : p(1) = 1
4
11 1
3
+ 42 1
2
64 1 + 32 = 0 !
Stupendo, una delle radici è x = 1. A questo punto possiamo
1
il coeciente del termine di grado massimo si pu` o sempre porre uguale ad 1
1.2. ALGEBRA LINEARE 13
(1) o dividere p(x) per x 1 ottenendo un polinomio di terzo grado,
(2) oppure provare a vedere se qualche altro divisore di 32 è anchesso radice.
Seguo la prima strada e ottengo
x
4
11x
3
+ 42x
2
64x + 32 = (x 1) (x
3
10x
2
+ 32x 32) .
Devo trovare dunque le 3 radici di q(x) := x
3
10x
2
+32x 32. Provo di nuovo con i
divisori del termine noto.
x = 1 : q(1) = 1
3
10 1
2
+ 32 1 32 = 9 ,= 0 : (
x = 1 : q(1) = (1)
3
10 (1)
2
+ 32 (1) 32 = 75 ,= 0 : ((
x = 2 : q(2) = 2
3
10 2
2
+ 32 2 32 = 0 : )
Ottimo, unaltra radice è x = 2. Divido di nuovo q(x) per x 2 e ottengo
q(x) = (x 2)(x
2
8x + 16) .
Lultimo fattore è un polinomio di secondo grado facilmente scomponibile
(x
2
8x + 16) = (x 4)
2
che vuol dire che ottengo la radice x = 4 con molteplicità (algebrica) 2. Le radici di
p(x) sono quindi
x = 1 con molteplicità 1
x = 2 con molteplicità 1 (1.1)
x = 4 con molteplicità 2.
1.2 Algebra lineare
1.2.1 Il metodo della riduzione delle righe
Questo metodo è spesso conveniente per risolvere vari problemi connessi con le matrici,
come:
(1) risolvere un sistema di equazioni lineari
(2) trovare il rango di una matrice
(3) trovare una base del nucleo di una matrice
(4) trovare una base dellimmagine di una matrice
Consideriamo la matrice
(1.2) A =
_
_
_
_
3 1 4 7 11 0 5
0 1 1 2 1 0 1
2 0 2 8 9 2 2
2 1 1 8 9 0 5
_
_
_
_
La matrice A può essere pensata come unapplicazione
A : R
7
R
4
che agisce come moltiplicazione, cioè, se x = (x
1
, x
2
, . . . , x
7
), allora
(Ax)
i
:=
7
j=1
A
ij
x
j
.
Il metodo della riduzione delle righe consiste nelleseguire un certo numero di trasfor-
mazioni no ad arrivare ad una nuova matrice B in forma ridotta. Ad esempio, nel
caso di A, una sua forma ridotta B è data da
(1.3) B =
_
_
_
_
1 1 2 1 2 2 7
0 1 1 2 1 0 1
0 0 0 1 1/2 1 3
0 0 0 0 0 0 0
_
_
_
_
Gli elementi che caratterizzano la forma ridotta sono:
(a) ogni riga è o composta di tutti zeri, oppure ha un primo elemento non nullo che
è uguale ad 1. Questo uno è detto uno iniziale della riga e appare dentro un
quadrato nella (1.3);
(b) se una colonna contiene un 1 (un uno iniziale), allora la porzione di colonna al
di sotto dell 1 contiene solo zeri.
Per ridurre una matrice, cioè per passare da A a B, si eettua una serie di operazioni
permesse. Le operazioni permesse sono:
(1) moltiplicare una riga per un numero diverso da zero;
(2) aggiungere ad una riga il multiplo di unaltra riga;
(3) scambiare due righe.
Eettuando queste operazioni conviene fare attenzione allo scopo di evitare di intro-
durre frazioni quando non sono necessarie.
2
Riparto dalla matrice A
A =
_
_
_
_
3 1 4 7 11 0 5
0 1 1 2 1 0 1
2 0 2 8 9 2 2
2 1 1 8 9 0 5
_
_
_
_
Si procede per colonne. Inizio dalla prima colonna. Voglio che appaia un 1 in alto e
sotto tutti zeri. Sottraggo la terza riga dalla prima
R
1
R
3
R
2
R
3
R
4
_
_
1 1 2 1 2 2 7
0 1 1 2 1 0 1
2 0 2 8 9 2 2
2 1 1 8 9 0 5
_
_
Poi procedo nel modo seuente
R
1
R
2
R
3
2R
1
R
4
2R
1
_
_
1 1 2 1 2 2 7
0 1 1 2 1 0 1
0 2 2 10 5 6 16
0 3 3 10 5 4 9
_
_
2
ma spesso è inevitabile introdurre frazioni
E la prima colonna sta a posto. Ora elimino il 2 e il 3 in fondo alla seconda colonna
R
1
R
2
R
3
2R
2
R
4
3R
2
_
_
1 1 2 1 2 2 7
0 1 1 2 1 0 1
0 0 0 6 3 6 18
0 0 0 4 2 4 12
_
_
Nella terza riga trasformo il primo 6 in 1
R
1
R
2
R
3
/6
R
4
_
_
1 1 2 1 2 2 7
0 1 1 2 1 0 1
0 0 0 1 1/2 1 3
0 0 0 4 2 4 12
_
_
Sistemo la quarta colonna eliminando il 4 in fondo
(1.4)
R
1
R
2
R
3
R
4
4R
3
_
_
1 1 2 1 2 2 7
0 1 1 2 1 0 1
0 0 0 1 1/2 1 3
0 0 0 0 0 0 0
_
_
Fatto.
3
Nella (1.4) appare una versione ridotta della matrice A. Non è lunica possibile.
Si potrebbe infatti a questo punto aggiungere, ad esempio, la seconda riga alla prima
e ottenere un diversa versione della matrice ridotta. Ai due requisiti (a) e (b) che
deniscono la forma ridotta di una matrice se ne può aggiungere un terzo. Diremo
che il processo di riduzione delle righe è completo
4
se, oltre alle proprietà (a) e (b) è
vericata anche la proprietà
(c) se una colonna contiene un uno iniziale, cioè un 1 , tutti gli altri elementi della
colonna (anche quelli che si trovano sopra l 1 ) sono nulli
Il procedimento di riduzione completa delle righe determina una matrice ridotta in
maniera univoca. Nel caso della matrice (1.4) per ottenere la riduzione completa
dobbiamo cancellare il 1 che si trova il colonna 2 e i due elementi non nulli che si
trovano sopra l 1 in colonna 4. Il risultato è:
_
_
1 0 1 0
5
2
3 11
0 1 1 0 0 2 7
0 0 0 1
1
2
1 3
0 0 0 0 0 0 0
_
_
Determinazione della dimensione del nucleo e dellimmagine di A
Riscrivo la matrice ottenuta aggiungendo le variabili x
1
, . . . , x
7
. Se nella colonna
i-sima compare un 1 inquadretto la variabile corrispondente x
i
(1.5)
_
_
1 1 2 1 2 2 7
0 1 1 2 1 0 1
0 0 0 1 1/2 1 3
0 0 0 0 0 0 0
x
1
x
2
x
3
x
4
x
5
x
6
x
7
_
_
3
il lettore sarebbe certamente fuorviato qualora pensasse che i calcoli vengono sempre cos` semplici
4
la terminologia me la sono appena inventata
Sia
Ker A := il nucleo di A R
7
Ran A := limmagine di A R
4
.
Dalla (1.5) ottengo che, poichè ci sono 3 1 , vale a dire 3 righe non nulle, allora
3 = numero di righe linearmente indipendenti =
= numero di colonne linearmente indipendenti = dimRan A
(1.6)
Daltra parte sappiamo che
dimKer A+ dimRan A = dimensione del dominio di A = dimR
7
= 7 ,
per cui
dimRan A = 3 dimKer A = 4 .
Base dellimmagine di A.
Una base dellimmagine di A è data dai vettori colonna nella matrice originale A che
corrispondono alle variabili x
i
. Nel nostro caso le colonne 1, 2, 4 di A.
u
1
= (3, 0, 2, 2)
Base di Ran A u
2
= (1, 1, 0, 1)
u
3
= (7, 2, 8, 8) .
Base del nucleo di A (ovvero, come risolvere un sistema omogeneo).
Il nucleo di A è linsieme dei vettori x R
7
tali che Ax = 0. Quindi determinare
il nucleo di A equivale a trovare la soluzione generale del sistema omogeneo Ax = 0.
Per risolvere questo sistema si può usare al posto di A la matrice ridotta B data dalla
(1.5). Il metodo è il seguente:
(1) le variabili senza quadretto sono libere. A queste si possono assegnare parametri
liberi r, s, t, q e si portano a secondo membro;
(2) le variabili inquadrettate x
i
invece vengono determinate in ordine inverso in
funzione di quelle libere.
Quindi, utilizzando la (1.5), ottengo
x
3
= r x
5
= s x
6
= t x
7
= q (1.7)
e, a partire da queste, ottengo le x
i
:
x
4
=
s
2
t + 3q
x
2
= r 2x
3
s q = r + 2t 7q
x
1
= x
2
2r +x
4
2s + 2t 7q = r
5
2
s + 3t 11q
Riordino, metto tutto insieme e scrivo la
x
1
= r
5
2
s + 3t 11q
x
2
= r + 2t 7q
soluzione generale del x
3
= r
sistema lineare omogeneo Ax = 0 x
4
=
s
2
t + 3q
x
5
= s
x
6
= t
x
7
= q
Lultimo passo, quello della costruzione di una base del nucleo di A, a questo punto
è quasi a costo zero. Ho 4 parametri liberi e scrivo 4 vettori v
1
, . . . , v
4
nel modo
seguente
in v
1
prendo r = 1 e gli altri parametri uguale a zero
in v
2
prendo s = 1 e gli altri parametri uguale a zero
.
.
.
Questa non è lunica ricetta possibile (ovviamente) ma funziona. In particolare il
valore 1 è arbitrario e può essere sostituito con un qualsiasi numero diverso da 0. Ad
esempio, dato che s appare sempre diviso per 2, porrò s = 2 per calcolare v
2
. Dunque
ci siamo:
v
1
:= (1, 1, 1, 0, 0, 0, 0)
base di Ker A v
2
:= (5, 0, 0, 1, 0, 0, 0)
v
3
:= (3, 2, 0, 1, 0, 1, 0)
v
4
:= (11, 7, 0, 3, 0, 0, 1)
Precisazione
Lautore non ha dicoltà ad ammettere che la matrice A che appare nella (1.2) è stata
scelta con una certa. . . benevolenza allo scopo di ottenere calcoli semplici. Ci si potrà
facilmente rendere conto che per una matrice i cui elementi vengono scelti a caso,
il processo di riduzione delle righe può risultare pi` u complicato. Tuttavia, con un po
di pratica, il procedimento diventa abbastanza rapido. Costruisco, ad esempio, una
matrice i cui elementi sono interi presi a caso con distribuzione uniforme fra 5 e 5
_
_
0 2 1 0 3 4 2
2 3 4 4 4 1 1
4 1 5 1 2 2 4
1 2 1 2 1 4 1
_
_
Si vede subito ad occhio che la versione completamente ridotta di questa matrice è
_
_
1 0 0 0
16
9

10
3
257
27
0 1 0 0
4
9
1
3
91
27
0 0 1 0
19
9

10
3
236
27
0 0 0 1
17
9
5
3

169
27
_
_
però, appunto, come dicevo, è necessaria un po di pratica.
5
Ci può porre il seguente
problema:
1.4 Problema. Sia A una matrice m n i cui elementi sono interi scelti a caso
con distribuzione uniforme fra k e k. Qual è la probabilità che il procedimento di
riduzione completa delle righe produca una matrice i cui elementi sono tutti numeri
interi?
Soluzione di un sistema lineare non omogeneo
Se A è una matrice m n e b è un vettore in R
m
, possiamo costruire il sistema di
equazioni lineari (non omogeneo) Ax = b, che, scritto esplicitamente, diventa
a
11
x
1
+a
12
x
2
+ +a
1n
x
n
= b
1
a
21
x
1
+a
22
x
2
+ +a
2n
x
n
= b
2
.
.
.
.
.
. (1.8)
a
m1
x
1
+a
m2
x
2
+ +a
mn
x
n
= b
m
Denotiamo con C
i
la isima colonna della matrice A
C
i
:=
_
_
a
1i
a
2i
.
.
.
a
mi
_
_
Il sistema (1.8) può essere riscritto come
x
1
C
1
+x
2
C
2
+ +x
n
C
n
= b ,
quindi dire che il sistema Ax = b ammette almeno una soluzione equivalente a dire
che b è una combinazione lineare delle colonne di A. Per risolvere questo sistema si
procede pi` u o meno come nel caso di un sistema omogeneo. Si costruisce la matrice
[A[b] con n + 1 colonne, fatta da A e dal vettore b. Poi si applica il metodo della
riduzione delle righe alla matrice [A[b]. Facciamo un esempio: sia A la matrice già
usata in precedenza, denita nella (1.2) e sia
b = (5, 1, 3, 5) .
Allora abbiamo
(1.9) [A[b] =
_
_
3 1 4 7 11 0 5 [ 5
0 1 1 2 1 0 1 [ 1
2 0 2 8 9 2 2 [ 3
2 1 1 8 9 0 5 [ 5
_
_
Operiamo con la riduzione delle righe e otteniamo
6
(1.10)
_
_
1 1 2 1 2 2 7 [ 2
0 1 1 2 1 0 1 [ 1
0 0 0 1
1
2
1 3 [
1
2
0 0 0 0 0 0 0 [ 0
_
_
5
oppure un programma di manipolazione simbolica come Maple o Mathematica
6
basta applicare allultima colonna la stessa sequenza di operazioni usate in precedenza per la
matrice A
La soluzione generale del sistema, a questo punto si ottiene in modo analogo al caso
del sistema omogeneo. Fare attenzione che i numeri che appaiono nellultima colonna
si trovano già al secondo membro quindi non vanno cambiati di segno.
Contrariamente al caso omogeneo in cui può avere una soluzione oppure innite soluzio-
ni, un sistema lineare non omogeneo può non avere soluzioni. Questo avviene quando
nella matrice ridotta appare una riga del tipo
(1.11) [0 0 0 0 0 0 0 [ 1]
che corrisponde allequazione
0 = 1 .
Esaminiamo dei casi di matrici già ridotte. Partiamo dalla (1.10)
(1.12)
_
_
1 1 2 1 2 2 7 [ 2
0 1 1 2 1 0 1 [ 1
0 0 0 1
1
2
1 3 [
1
2
0 0 0 0 0 0 0 [ 0
x
1
x
2
x
3
x
4
x
5
x
6
x
7
_
_
In questo caso abbiamo quattro parametri liberi e nessuna riga impossibile come
la (1.11), quindi il sistema ammette innite soluzioni. A volte, per dire che ci sono
innite soluzioni dipendenti da 4 parametri, vale a dire che linsieme delle soluzioni è
uno spazio quadridimensionale, si dice che il sistema ha
4
soluzioni. Il sistema
(1.13)
_
_
1 1 2 1 2 [ 2
0 0 1 0 2 [ 1
0 0 0 1 1 [ 1
0 0 0 0 0 [ 1
0 0 0 0 0 [ 0
x
1
x
2
x
3
x
4
x
5
_
_
invece non ha soluzioni a causa della quarta riga. Il sistema
(1.14)
_
_
1 1 2 1 [ 2
0 1 1 0 [ 1
0 0 1 0 [ 1
0 0 0 1 [ 1
0 0 0 0 [ 0
0 0 0 0 [ 0
x
1
x
2
x
3
x
4
_
_
ha ununica soluzione, perchè non ci sono righe impossibili ne parametri liberi. Il
sistema
(1.15)
_
_
1 1 2 1 [ 2
0 0 1 0 [ 1
0 0 0 0 [ 1
x
1
x
2
x
3
x
4
_
_
non ha soluzioni a causa della riga 3.
1.2.2 Autovalori, autovettori e diagonalizzazione di una ma-
trice
1.5 Problema. Trovare autovalori e autovettori della matrice A e diagonalizzare A
se è possibile
A =
_
_
_
_
5 3 2 1
3 1 6 3
2 0 8 4
5 3 10 3
_
_
_
_
Soluzione. Si costruisce la matrice
(1.16) I A =
_
_
_
_
5 3 2 1
3 1 6 3
2 0 8 4
5 3 10 + 3
_
_
_
_
e se ne calcola il determinante, detto anche polinomio caratteristico
p() := det(I A) =
5 3 2 1
3 1 6 3
2 0 8 4
5 3 10 + 3
=
4
11
3
+42
2
64+32
Gli autovalori sono le soluzioni dellequazione.
p() :=
4
11
3
+ 42
2
64 + 32 = 0 .
Dalla soluzione del Problema 1.3 otteniamo gli autovalori di A
1
= 1 con molteplicità 1 1 autovettore
2
= 2 con molteplicità 1 1 autovettore
3
= 4 con molteplicità 2 1 o 2 autovettori
(1.17)
Per trovare gli autovettori sostituiamo ciascun autovalore al posto di x e risolviamo il
sistema
(1.18) (
i
I A)v = 0 .
Prendiamo il primo autovalore
1
= 1. Ponendo
v =
_
_
_
_
x
y
z
w
_
_
_
_
la (1.18) diventa
(1.19)
_
_
_
_
4 3 2 1
3 0 6 3
2 0 7 4
5 3 10 4
_
_
_
_
_
_
_
_
x
y
z
w
_
_
_
_
=
_
_
_
_
0
0
0
0
_
_
_
_
Risolvendo col metodo (ad esempio) di riduzione delle righe si trova che w può essere
preso come parametro libero e la soluzione si può scrivere come
x =
s
3
y =
s
3
z =
2s
3
w = s . (1.20)
Ponendo quindi s = 3 otteniamo un autovettore corrispondente allautovalore = 1,
dato da
u
1
= (1 , 1 , 2 , 3)
secondo autovalore
2
= 2.
Ponendo = 2 nella (1.16), la (1.18) diventa:
(1.21)
_
_
_
_
3 3 2 1
3 1 6 3
2 0 6 4
5 3 10 5
_
_
_
_
_
_
_
_
x
y
z
w
_
_
_
_
=
_
_
_
_
0
0
0
0
_
_
_
_
Eseguendo la riduzione delle righe sulla matrice
2
I A si ottiene ad esempio
(1.22)
_
_
_
_
1 3 4 5
0 1 0 0
0 0 1 1
0 0 0 0
_
_
_
_
Quindi le variabili x, y e z possono essere determinate in funzione del parametro libero
w = s. La soluzione generale del sistema (1.21) è data da
x = sy = 0 z = sw = s .
Ponendo quindi s = 1 otteniamo lautovettore corrispondente a =
2
= 2
u
2
= (1, 0, 1, 1) .
Terzo ed ultimo autovalore:
3
= 4.
Ponendo = 4 nella (1.16), la (1.18) diventa:
(1.23)
_
_
_
_
1 3 2 1
3 2 6 3
2 0 4 4
5 3 10 7
_
_
_
_
_
_
_
_
x
y
z
w
_
_
_
_
=
_
_
_
_
0
0
0
0
_
_
_
_
Eseguendo la riduzione delle righe sulla matrice
3
I A si ottiene ad esempio
(1.24)
_
_
_
_
1 0 2 2
0 1 0 1
0 0 0 0
0 0 0 0
_
_
_
_
Quindi le variabili x e y possono essere determinate in funzione dei due parametri
libero z = s, w = t. La soluzione generale del sistema (1.23) è data da
x = 2s 2ty = t z = sw = t .
Ponendo prima s = 1 e t = 0 e poi s = 0 e t = 1 otteniamo due autovettori linearmente
indipendenti corrispondenti a =
3
= 4
u
3
= (2, 0, 1, 0) (1.25)
u
4
= (2, 1, 0, 1) (1.26)
Elenco gli autovalori di A con i corrispondenti autovettori
u
1
= (1 , 1 , 2 , 3)
1
= 1
u
2
= (1 , 0 , 1 , 1)
2
= 2
u
3
= (2 , 0 , 1 , 0)
3
= 4
u
4
= (2 , 1 , 0 , 1)
3
= 4
Diagonalizzazione di A. Dato che ho trovato 4 autovettori linearmente indipen-
denti, posso diagonalizzare A, vale a dire A può essere scritta come
A = U DU
1
,
In cui D è la matrice diagonale che contiene gli autovalori di A
(1.27) D =
_
_
_
_
1 0 0 0
0 2 0 0
0 0 4 0
0 0 0 4
_
_
_
_
e U è la matrice le cui colonne sono costituite dai corrispondenti autovettori:
(1.28) U = [ u
1
[ u
2
[ u
3
[ u
4
] =
_
_
_
_
1 1 2 2
1 0 0 1
2 1 1 0
3 1 0 1
_
_
_
_
1.2.3 Funzioni di matrici
1.6 Problema. Sia
A =
_
_
0 4 3
1 3 3
2 4 5
_
_
Calcolare det(A
10
), tr(A
10
), det(e
A
).
Risp: 10
10
, 9766650, e
2
1.7 Problema. Sia
A =
_
4 2
3 1
_
Calcolare e
A
e vericare che det
_
e
A
_
= e
tr A
. (Sugg: conviene diagonalizzarla).
1.3 Analisi reale
1.3.1 Convergenza di integrali impropri su R
1.4. FUNZIONI CONTINUE E UNIFORMEMENTE CONTINUE 23
1.8 Problema. Dire per quali valori reali di a lintegrale è nito:
(a)
_

1
1
x
a
dx (b)
_
1
0
1
x
a
dx (c)
_
+
x
(x
4
+x
2
+ 5)
a
dx
(d)
_

0
e
a
x
dx (e)
_

1
e
x
x
a
dx (f)
_

2
1
(log x)
a
dx
(g)
_

0
x
2
1 +x
a
dx (h)
_

1
log x
x
a
dx (i)
_

2
1
x
a
(log x)
b
dx
Risp: (a) a > 1, (b) a < 1, (c) a > 1/2, (d) a > 0, (e) a R, (f) mai, (g) a > 3, (h) a > 1,
(i) a > 1 e b qualsiasi oppure a = 1 e b > 1.
1.3.2 Confronto fra integrali e somme
1.9 Problema. Sia n
0
un intero e sia f una funzione continua positiva e non crescente
su [n
0
, ). Dimostrare che
(a) per ogni intero N > n
0
, si ha
_
N+1
n
0
f(x) dx
N
k=n
0
f(k) f(n
0
) +
_
N
n
0
f(x) dx
(b) la serie
n
0
f(k) converge se e solo se lintegrale
_
n
0
f(x) dx è nito.
1.3.3 Integrali gaussiani
1.10 Problema. Sapendo che
_
R
e
x
2
/2
2
= 1 (come si dimostra?), dimostrare che per
ogni intero positivo n si ha
_
+
e
x
2
/2
2
x
2n
dx = (2n 1)!! = 1 3 5 (2n 1)
_
+
e
x
2
/2
2
x
2n1
dx = 0
1.4 Funzioni continue e uniformemente continue
1.11 Denizione. Una funzione f : R R è detta Lipschitz se esiste una costante
C > 0 tale che
x, y R si ha [f(y) f(x)[ C [x y[
Linsieme di tutte le funzioni Lipschitz su R si denota con Lip(R).
1.12 Problema. Trovare un esempio di una funzione f : R R continua ma non
uniformemente continua.
1.13 Problema. Trovare un esempio di una funzione f : R R uniformemente
continua ma non Lipschitz.
1.14 Problema. Dimostrare che la funzione reale
f(x) =
1
1 +x
2
è uniformemente continua.
1.15 Problema. Trovare una successione di funzioni f
n
: [0, 1] R continue che
convergono (non uniformemente) nellintervallo [0, 1], e la funzione limite f(x) =
lim
n
f
n
(x) non è continua.
1.16 Problema. Dimostrare che la funzione reale f
f(x) =
_
xsin
1
x
se x ,= 0
0 se x = 0
è continua in x = 0.
1.17 Problema. Vero o falso? (se falso fornire un controesempio). Sia f
n
una suc-
cessione di funzioni f
n
: [0, 1] R
(a) Se f
n
(x) 0 per tutti gli x [0, 1] allora f
n
converge a zero uniformemente
(b) Se le f
n
sono continue e f
n
(x) 0 per tutti gli x [0, 1] allora
_
1
0
f
n
(x) dx 0
(c) Se le f
n
sono continue e f
n
0 uniformemente, allora
_
1
0
f
n
(x) dx 0
(d) Se le f
n
sono derivabili in (0, 1) e f
n
0 uniformemente, allora f
t
n
(x) 0 per
ogni x (0, 1)
(e) Se le f
n
sono continue ed esiste f : [0, 1] R tale che f
n
f uniformemente
allora f è continua
2. Spazi metrici
We dont need no education
We dont need no thought control
No dark sarcasm in the classroom
Teachers leave them kids alone (P.F.)
2.1 Denizione ed esempi
2.1 Denizione. Si denisce spazio metrico una coppia (X, d), in cui X è un insieme
e d è una funzione
d : X X R
che associa ad ogni coppia x, y di elementi di X un numero reale non negativo d(x, y)
detto distanza fra x e y. La funzione d è chiamata distanza o metrica e deve soddisfare
le seguenti condizioni per tutti gli x, y, z X:
(SM1) (positività) d(x, y) 0
(SM2) (non degeneratezza) d(x, y) = 0 se e solo se x = y
(SM3) (simmetria) d(x, y) = d(y, x)
(SM4) (disuguaglianza triangolare) d(x, z) d(x, y) +d(y, z).
2.2 Denizione. Dato uno spazio metrico (X, d), si denisce diametro di X la quan-
tità
(2.1) diamX := sup
x,yX
d(x, y)
Il diametro di X è sempre non negativo e può essere nito oppure uguale a +. Nel
primo caso X è detto limitato e nel secondo illimitato.
2.3 Esempio. Consideriamo un insieme arbitrario X (nito, innito numerabile o
non numerabile) e poniamo per x, y X
d(x, y) :=
_
0 se x = y
1 se x ,= y.
Tutte le coppie di punti distinti sono quindi a distanza 1 fra loro. Le proprietà (1) e
(2) si vericano immediatamente. Per quanto riguarda la disuguaglianza triangolare,
basta considerare i casi possibili:
se x = z d(x, z) = 0 d(x, y) +d(y, z) 0
se x ,= z e y = x d(x, z) = 1 d(x, y) +d(y, z) = 0 + 1 = 1
se x ,= z e y = z d(x, z) = 1 d(x, y) +d(y, z) = 1 + 0 = 1
se x ,= z, y ,= x e y ,= z d(x, z) = 1 d(x, y) +d(y, z) = 1 + 1 = 2
Questa funzione distanza è chiamata la metrica discreta nello spazio X.
25
26 CHAPTER 2. SPAZI METRICI
2.4 Esempio. Sia X = R linsieme dei numeri reali (oppure X = C) e sia
d(x, y) := [x y[ .
La proprietà (SM4) (le altre sono ovvie) discende dalle proprietà della funzione modulo.
Infatti si ha:
d(x, z) = [x z[ = [(x y) + (y z)[ [x y[ +[y z[ = d(x, y) +d(y, z) .
2.5 Esempio. Sia X = R
n
e, dati due punti di R
n
x = (x
1
, . . . x
n
) e y = (y
1
, . . . y
n
),
consideriamo le funzioni
d
1
(x, y) :=
n
i=1
[x
i
y
i
[ (2.2)
d
2
(x, y) :=
_
n
i=1
[x
i
y
i
[
2
_
1/2
(2.3)
d
(x, y) := max
i=1,...,n
[x
i
y
i
[ . (2.4)
Ognuna di queste funzioni è una distanza su R
n
.
2.6 Esempio. Consideriamo ancora X = R con una distanza diversa da quella usuale.
Poniamo
(x, y) =
[x y[
1 +[x y[
.
La funzione soddisfa evidentemente le proprietà (SM1)(SM3). Per vericare la
(SM4) considero la funzione g : [0, ) [0, ) denita come
g(t) :=
t
1 +t
.
La funzione g è crescente, infatti
g
t
(t) =
(1 +t) t
(1 +t)
2
=
1
(1 +t)
2
> 0 .
Quindi se 0 t u si ha g(t) g(u). Daltra parte sappiamo già che
[x z[ [x y[ +[y z[ ,
per cui
g([x z[) g([x y[ +[y z[) ,
che, per denizione di g, signica
[x z[
1 +[x z[

[x y[ +[y z[
1 +[x y[ +[y z[
.
Possiamo quindi scrivere
(x, z) =
[x z[
1 +[x z[

[x y[ +[y z[
1 +[x y[ +[y z[
=
[x y[
1 +[x y[ +[y z[
+
[y z[
1 +[x y[ +[y z[
[x y[
1 +[x y[
+
[y z[
1 +[y z[
= (x, y) +(y, z) .
La disuguaglianza triangolare è vericata, quindi è una metrica su R. Osservo
che mentre lo spazio metrico (R, d) (quello con la metrica usuale) è illimitato, lo stesso
insieme con la distanza diventa uno spazio metrico limitato. In particolare il diametro
di (R, ) è uguale a 1 (dimostrarlo).
2.1. DEFINIZIONE ED ESEMPI 27
2.7 Esempio. (Un esempio innito dimensionale). Consideriamo lo spazio R
di
tutte le successioni reali e, date due successioni
x = (x
1
, x
2
, . . .) y = (y
1
, y
2
, . . .)
deniamo la loro distanza come
(2.5) d(x, y) :=
i=1
1
2
i
(x
i
, y
i
) ,
in cui è la metrica introdotta nell Esempio 2.6
(x
i
, y
i
) =
[x
i
y
i
[
1 +[x
i
y
i
[
.
La funzione d è ben denita. Infatti (x
i
, y
i
) < 1 per cui la sommatoria (2.5) è sempre
convergente.
`
E facile vedere che d è una metrica. Dimostro solo la disuguaglianza
triangolare (le altre proprietà sono ovvie). NellEsempio 2.6 abbiamo fatto vedere che
(x
i
, z
i
) (x
i
, y
i
) +(y
i
, z
i
) ,
quindi ottengo
d(x, z) :=
i=1
1
2
i
(x
i
, z
i
)
i=1
1
2
i
(x
i
, y
i
) +
i=1
1
2
i
(y
i
, z
i
) =: d(x, y) +d(y, z) .
2.8 Denizione. Se (X, d) è uno spazio metrico, x X e r > 0, deniamo
B
X
r
(x) := u X : d(u, x) < r
B
X
r
(x) := u X : d(u, x) r
Questi insiemi sono chiamati rispettivamente la palla aperta e la palla chiusa di centro
x e raggio r. Quando non cè pericolo di confusione ometto il soprascritto X e indico
la palla (ad esempio) aperta con B
r
(x).
2.9 Denizione. Sia (X, d) uno spazio metrico. Un sottoinsieme A X è detto
aperto in X se per ogni x A esiste > 0 tale che B
(x) A. Un sottoinsieme
B X è detto chiuso in X se il suo complemento B
c
= XB è aperto.
2.10 Proposizione. Una palla aperta in uno spazio metrico (X, d) è aperta. Una
palla chiusa è chiusa.
Dimostrazione. Sia A = B
X
r
(x
0
). Voglio far vedere che A è aperto in X, vale a dire che
comunque scelgo x A posso sempre trovare > 0 tale che B
X
(x) A. Sia infatti

x A. Per denizione di A abbiamo che d(x, x
0
) < r. Poniamo allora
:= r d(x, x
0
) > 0 .
A questo punto osservo che se y B
X
(x) si ha d(y, x) < . Ma allora

d(y, x
0
) d(y, x) +d(x, x
0
) < +d(x, x
0
) = r ,
quindi y B
X
r
(x
0
). Abbiamo dimostrato che
y B
X
(x) y B
X
r
(x
0
)
cioè che B
X
(x) A, dunque A è aperto.

La dimostrazione che una palla chiusa è chiusa è lasciata al lettore.
2.11 Proposizione. Sia (X, d) uno spazio metrico. Allora:
(1) Gli insiemi e X sono aperti
(2) Se (A
1
, . . . , A
n
) è una collezione nita di insiemi aperti allora
n
i=1
A
i
è aperto
(3) Se (A
)
I
è una collezione arbitraria di insiemi aperti allora
I
A
è aperto.
Dimostrazione. Il punto (1) è ovvio.
Punto (2). Sia C :=
n
i=1
A
i
. Per far vedere che C è aperto devo dimostrare che
(2.6) per ogni x C esiste > 0 tale che B
(x) C.
Sia allora x C. x appartiene a tutti gli A
i
. Siccome ciascuno degli A
i
è aperto so
che posso trovare, per ogni i, un numero reale positivo
i
tale che B
i
(x) A
i
. Scelgo
allora
:= min
1
, . . . ,
n
.
Poichè
i
ottengo che
B
(x) A
i
i = 1, . . . , n,
il che equivale a dire che B
(x)
n
i=1
A
i
= C.
Punto (3). Facile, lasciato al lettore
2.12 Proposizione. Sia (X, d) uno spazio metrico. Allora:
(1) Gli insiemi e X sono chiusi
(2) Se (A
1
, . . . , A
n
) è una collezione nita di insiemi chiusi allora
n
i=1
A
i
è chiuso
(3) Se (A
)
I
è una collezione arbitraria di insiemi chiusi allora
I
A
è chiuso.
Dimostrazione. Segue dalla Proposizione 2.11 e dalle leggi di De Morgan
2.13 Denizione. Sia (X, d) uno spazio metrico e sia A X. Denisco
A
= la parte interna di A :=
_
G A, G è aperto
G (2.7)
A = la chiusura di A :=
K A, K è chiuso
K (2.8)
A = il bordo di A :=

AA
(2.9)
Detto informalmente A
è il pi` u grande insieme aperto contenuto in A, mentre

A è
il pi` u piccolo insieme chiuso che contiene A.
2.14 Proposizione. Siano A e B sottoinsiemi di uno spazio metrico (X, d). Allora:
(1) A è aperto se e solo se A = A
.
(2) A è chiuso se e solo se A =

A.
(3) A
= (A
c
)
c
.
(4)

A = [(A
c
)
]
c
.
(5) (A B)
= A
.
(6) A B =

A

B.
Dimostrazione. Punto (1). Sia O(A) la collezione di tutti gli insiemi aperti contenuti
in A. Se A = A
segue dalla (2.7) che

A =
_
Gc(A)
G,
quindi A è unione di aperti. Di conseguenza, per la Proposizione 2.11, A è aperto.
Supponiamo viceversa che A sia aperto. In questo caso Aè un elemento della collezione
O(A), quindi A
= A.
Punto (2). Simile al punto (1).
Punto (3). Utilizzando le leggi di De Morgan e la denizione di chiusura ottengo
_
A
c
_
c
=
_

K A
c
, K è chiuso
K
_
c
=
_
K A
c
, K è chiuso
K
c
.
Poichè la corrispondenza K K
c
è biunivoca possiamo cambiare variabile ponendo
G = K
c
, per cui si ha
_
A
c
_
c
=
_
G
c
A
c
, G
c
è chiuso
G =
_
G A, G è aperto
G = A
.
Punto (4). Segue dal punto (3).
Punto (5). Poichè (AB) A abbiamo (AB)
. Analogamente (AB) B,
quindi (A B)
. Abbiamo ottenuto
(A B)
.
Dimostro ora linclusione inversa A
(AB)
. Linsieme A
è un aperto
contenuto in A B. Ma (A B)
è lunione di tutti gli aperti contenuti in A B,

quindi A
(A B)
.
Punto (6). Usando i punti (4) e (5) e le leggi di De Morgan si ottiene
A B =
_
[ (A B)
c
]
_
c
=
_
[A
c
B
c
]
_
c
=
_
[A
c
]
[B
c
]
_
c
=
_
[A
c
]
_
c
_
[B
c
]
_
c
=

A

B.
2.15 Proposizione. Sia (X, d) uno spazio metrico, sia A X e sia x un punto
qualsiasi di X. Allora
(1) x A
se e solo se esiste un > 0 tale che B
(x) A
(2) x

A se e solo se per ogni > 0 si ha B
(x) A ,=
(3) x A se e solo se per ogni > 0 si ha che la palla B
(x) ha intersezione non

vuota sia con A sia con A
c
.
Dimostrazione. Punto (1). Sia
I(A) := x X : > 0 tale che B
(x) A .
Devo far vedere che
I(A) = A
:=
_
G A, G è aperto
G.
A questo scopo dimostro le due inclusioni
(2.10) I(A) A
I(A) A
.
Sia x I(A). Allora esiste > 0 tale che B
(x) A. Sappiamo che B
(x) è aperto,
quindi x è contenuto in un aperto che è un sottoinsieme di A. A maggior ragione
x
_
G A, G è aperto
G =: A
.
Dunque I(A) A
. Ora procedo con linclusione inversa. Sia x A
. Per denizione
esiste G, un aperto di X, tale che x G. Ma per denizione di aperto esiste > 0 tale
che B
(x) G. Siccome G A si ha che B
(x) A. Di conseguenza x I(A). Ho

fatto vedere che I(A) A
, che, unitamente allinclusione inversa, dice che I(A) = A
.
Punto (2). Dalla Proposizione 2.14 sappiamo che

A = [(A
c
)
]
c
. Quindi x

A se e solo
se x / (A
c
)
. Grazie al punto (1) questo equivale a dire che

per ogni > 0 si ha B
(x) , A
c
o, equivalentemente,
(x) A ,=
Punto (3). Per denizione x A se e solo se x

AA
vale a dire x

A e x / A
.
Usando i punti (1) e (2) otteniamo
x

A per ogni > 0 si ha B
(x) A ,=
x / A
(x) A
c
,=
2.16 Problema. Dimostrare le seguenti aermazioni (se laermazione è vera), o
esibire un controesempio (se è falsa)
(a) Un insieme aperto in un qualsiasi spazio metrico ha cardinalità innita (cioè
possiede un numero innito di punti).
(b) (A B)
= A
.
(c) A B = A B.
(d) Lunione di uninnità numerabile di insiemi chiusi è chiusa.
(e) diamA = diam(A
).
2.17 Attenzione!. La parte interna, il bordo e la chiusura di un insieme A sono concetti
relativi ad uno spazio metrico ambiente (X, d). Per evitare ambiguità bisognerebbe
dire ad esempio la chiusura di A in (X, d). Quando lo spazio ambiente è ovvio questa
precisazione può essere omessa. Consideriamo due diversi spazi ambiente
X := R
3
Y := x R
3
: x
3
= 0 e x
2
< 1 ,
e consideriamo un insieme A che può essere pensato come un sottoinsieme sia di X
che di Y
A := x R
3
: x
3
= 0, 0 x
1
< 1 e 0 x
2
< 1 .
In questo caso si ha
A
= x R
3
: x
3
= 0, 0 < x
1
< 1 e 0 < x
2
< 1 in Y
A
= in X
A = x R
3
: x
3
= 0, 0 x
1
1 e 0 x
2
< 1 in Y
A = x R
3
: x
3
= 0, 0 x
1
1 e 0 x
2
1 in X
Anche gli attributi aperto e chiuso sono relativo allo spazio ambiente. Ad esempio
linsieme
x R
3
: x
3
= 0, 0 < x
1
< 1 e 0 < x
2
< 1
è aperto in Y ma non è aperto in X (e neppure chiuso), mentre linsieme
x R
3
: x
3
= 0, 0 x
1
1 e 0 x
2
< 1
è chiuso in Y ma non in X.
2.18 Problema. Sia X := R
2
, Y := x = (x
1
, x
2
) R
2
: [x
1
[ +[x
2
[ 1 e Z := x =
(x
1
, x
2
) R
2
: 0 x
1
< 1. Consideriamo le distanze
d
1
(x, y) :=
2
i=1
[x
i
y
i
[ d
2
(x, y) :=
_
2
i=1
[x
i
y
i
[
2
_
1/2
d
(x, y) := max
i=1,2
[x
i
y
i
[ .
(a) Disegnare gli insiemi Y e Z.
(b) Disegnare la palla unitaria B
1
(0) negli spazi metrici (X, d
), (Y, d
2
), (Z, d
1
).
(c) Nello spazio metrico (Y, d
2
) disegnare B
1
((1, 0)).
(d) Nello spazio metrico (X, d
2
), sia A := x R
2
: x
1
Q. Determinare A
,

A e
A.
(e) Nello spazio metrico (Z, d
2
), sia A := x R
2
: 0 x
1
< 1, 0 x
2
< 1.
Determinare A
,

A e A.
2.19 Problema. Consideriamo lo spazio metrico (X, d), in cui X := x = (x
1
, x
2
)
R
2
: 0 x
1
< 1 e d è la usuale distanza euclidea in R
2
. Sia A := x X : d(x, 0) < 2.
(a) Disegnare in modo chiaro ed accurato gli insiemi A
,

A e A.
(b) Dire se (X, d) è uno spazio metrico completo, giusticando la risposta.
(c) Fare un esempio di un insieme C X tale che C è chiuso in X ma C non è chiuso
in R
2
.
Soluzione.
(a)
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
A
q q q q q q q q
q q q q q q q q
q q q q q q q q
q q q q q q q q
q q q q q q q q
q q q q q q q
q q q q q q q q
q q q q q q q q
q q q q q q q q
q q q q q q q q
q q q q q q q q
q q q q q q q
A
q q q q q q q q
q q q q q q q q
q q q q q q q q
q q q q q q q q
q q q q q q q q
q q q q q q q
q q q q q q q q
q q q q q q q q
q q q q q q q q
q q q q q q q q
q q q q q q q q
q q q q q q q
A
(b) Un sottoinsieme X di uno spazio metrico completo (Y, d) è completo se e solo X
è chiuso in Y . Nel nostro caso (X, d) non è completo perchè non è chiuso in R
2
.
(c) Si può prendere ad esempio C :=

A oppure C = X (o mille altre cose).
2.20 Problema. Dimostrare con un controesempio che non è sempre vero che la
chiusura di una palla aperta coincide con la palla chiusa corrispondente. Trovare
quindi uno spazio metrico (X, d), un punto x X e un valore di r > 0 tale che
B
r
(x) ,=

B
r
(x).
2.21 Problema. Sia d la usuale distanza euclidea in R
2
. Consideriamo lo spazio
metrico
X := x R
2
: d(x, (0, 0)) 1 x R
2
: d(x, (3, 0)) < 1 .
(a) Disegnare X e la palla B
X
1/2
((0, 1)).
(b) Sia A := x X : 5/2 < x
1
< 7/2. Si disegni

A evidenziando il bordo di A, A.
(c) Trovare un sottoinsieme F di X che non sia nè X nè linsieme vuoto e tale che F
sia contemporaneamente aperto e chiuso in X.
2.2 Convergenza, completezza
2.22 Denizione. Sia (X, d) uno spazio metrico e sia x un punto di X. Una succes-
sione (x
k
)
k=1
di elementi di X si dice convergente ad x se
lim
k
d(x
k
, x) = 0 ,
vale a dire, detto in modo pi` u esplicito, se
> 0 N intero positivo tale che k N si ha d(x
k
, x) < .
In questo caso si scrive, simbolicamente,
lim
k
x
k
= x oppure x
k
x.
2.23 Problema. Dimostrare che in uno spazio metrico il limite è unico, vale a dire
se x
n
x e x
n
y allora x = y.
2.24 Denizione. Sia (X, d) uno spazio metrico e sia A un sottoinsieme di X. Un
punto x X si dice punto di aderenza di A se esiste una successione (x
k
)
k=1
di
elementi di A tale che x
k
x.
2.25 Denizione. Sia (X, d) uno spazio metrico e sia A un sottoinsieme di X. Un
punto x X si dice punto di accumulazione (o punto limite) di A se esiste una
successione (x
k
)
k=1
di elementi di A tale che x
k
,= x e x
k
x.
2.26 Proposizione. Sia (X, d) uno spazio metrico e sia A un sottoinsieme di X.
Allora

A coincide con linsieme dei punti di aderenza di A.
Dimostrazione. Chiamo Y linsieme dei punti di aderenza di A. Voglio far vedere che
Y =

A. Dimostro prima che

A Y . Supponiamo che x

A. Per la Proposizione 2.15
questo signica che
(2.11) per ogni > 0 si ha B
(x) A ,= .
Ma allora per ogni intero positivo n si ha B
1/n
(x) A ,= . Quindi per ogni n posso
trovare un punto x
n
B
1/n
(x) A. Poichè d(x, x
n
) < 1/n, ottengo che x
n
x. Ho
trovato una successione di elementi di A che tende ad x. Per denizione x è un punto
di aderenza di A. Ho dimostrato che

A Y .
2.2. CONVERGENZA, COMPLETEZZA 33
Voglio dimostrare ora linclusione inversa Y

A. Suppongo che x Y , vale a dire che
x sia un punto di aderenza di A. Per denizione posso trovare una successione (x
n
) di
elementi di A tale che x
n
x. Per denizione di limite questo signica che
> 0 N > 0 tale che n N d(x, x
n
) < ,
vale a dire che tutti gli x
n
con n N appartengono alla palla B
(x). In particolare
x
N
B
(x). Ma x
N
è anche un elemento di A, dunque
> 0 N tale che x
N
B
(x) A.
Di conseguenza B
(x) A ,= il che implica, per la Proposizione 2.15, che x

A.
Abbiamo dimostrato che Y =

A.
2.27 Proposizione. Sia (X, d) uno spazio metrico e sia A un sottoinsieme di X.
Allora A è chiuso se e solo se vale limplicazione
(2.12)
_
x
n
A, x
n
x
_
x A.
In altre parole un insieme A è chiuso se e solo se contiene tutti i limiti delle successioni
convergenti che si possono costruire con elementi di A.
Dimostrazione. Supponiamo che A sia chiuso. Voglio far vedere che vale la (2.12).
Suppongo quindi di avere una successione (x
n
) di elementi di A che converge a x. Per
denizione questo signica che x è un punto di aderenza di A. Ma per la Proposizione
2.26 x

A. Osservo inne che se A è chiuso si ha

A = A e dunque x A. Quindi vale
la (2.12).
Dimostro ora limplicazione inversa, vale a dire se vale la (2.12) allora A è chiuso. Sia
x un punto di aderenza di A. Per denizione esiste una successione (x
n
) di elementi
di A tale che x
n
x. Grazie alla (2.12) x A. Quindi tutti i punti di aderenza di A
appartengono ad A, di conseguenza A =

A il che implica che A è chiuso.
2.28 Denizione. Sia (X, d) uno spazio metrico e siano A e B due sottoinsiemi di
X tali che A B. Linsieme A si dice denso in B se

A B, vale a dire se per ogni
x B e per ogni > 0 posso trovare un elemento y A tale che d(x, y) < .
2.29 Esempio. Linsieme dei razionali Q è denso in R (rispetto alla metrica usuale).
Infatti se x è un numero reale e > 0 cè sempre un razionale
1
nellintervallo (x
, x +).
2.30 Denizione. Sia (X, d) uno spazio metrico. Una successione (x
k
)
k=1
di elementi
di X si dice di Cauchy se per ogni > 0 esiste un intero positivo N tale che per ogni
k, n N si ha d(x
k
, x
n
) < .
2.31 Proposizione. Ogni successione convergente è di Cauchy.
Dimostrazione. La dimostrazione è identica al caso delle successioni reali.
2.32 Denizione. Uno spazio metrico (X, d) si dice completo se ogni successione di
Cauchy è convergente.
2.33 Proposizione. Gli spazi metrici R, R
n
, C, C
n
sono completi rispetto alla met-
rica usuale.
1
ce ne sono inniti
Dimostrazione. La completezza di R è nota dai corsi di analisi. La completezza degli
altri spazi segue facilmente da quella di R. Consderiamo il caso di R
n
. Sia
(2.13) x
(1)
, x
(2)
, x
(3)
, . . .
una successione di Cauchy di punti in R
n
. Ognuno di questi punti è unennupla, quindi
x
(k)
=
_
x
(k)
1
, . . . , x
(k)
n
_
.
Poichè la successione (2.13) è Cauchy, per denizione si ha che
(2.14) per ogni > 0 esiste N > 0 tale che se j, k N si ha d(x
(j)
, x
(k)
) < .
Consideriamo ora la successione reale costituita dalle coordinate isime
(2.15) x
(1)
i
, x
(2)
i
, x
(3)
i
, . . .
Siccome
d(x
(j)
, x
(k)
) :=
_
n
i=1
_
x
(j)
i
x
(k)
i
_
2
[x
(j)
i
x
(k)
i
[
dalla (2.14) segue che la successione reale (2.15) è anchessa di Cauchy. Poichè R è
completo, la successione (2.15) è convergente, quindi esiste y
i
R tale che
lim
k
x
(k)
i
= y
i
i = 1, . . . , n.
Di conseguenza si ottiene che d(x
(k)
, y) 0, ovvero che la successione (2.13) è conver-
gente a y
2.34 Osservazione. Non tutti gli spazi metrici sono completi. Un modo banale per
ottenere uno spazio metrico non completo è considerare un qualsiasi spazio metrico
(X, d) e scegliere un sottoinsieme A di X che non sia chiuso. Allora lo spazio metrico
(A, d) non è completo. Ad esempio si prenda X = R e A = (0, 1].
`
E ovvio che A non
è completo poichè la successione x
n
= 1/n è di Cauchy ma non è convergente. Daltra
parte non è detto in generale che un sottoinsieme chiuso costituisca automaticamente
unoo spazio metrico completo. Sia X = Q e B = [0, 1] Q. Linsieme B considerato
come sottoinsieme di Q è chiuso ma non è completo.
`
E chiaro che, se considero B un
sottoinsieme non di Q ma di R allora B non è chiuso ma la sua chiusura in R è uguale
a

B = [0, 1]. Le cose diventano pi` u semplici se ci si limita a considerare sottoinsiemi
di spazi metrici completi. In questo caso la nozione di completezza coincide con quella
di chiusura, come aerma la Proposizione seguente.
2.35 Proposizione. Sia (X, d) uno spazio metrico completo e sia Y X. Lo spazio
metrico (Y, d) è completo se e solo se Y è chiuso in X.
Dimostrazione. Sia (X, d) uno spazio metrico completo e sia Y un sottoinsieme di X.
Se (Y, d) è completo vale limplicazione
(2.16) x
n
Y e (x
n
) è di Cauchy y Y tale che x
n
y.
Voglio far vedere che Y è chiuso, dimostrando che Y contiene tutti i suoi punti di
aderenza. Se z è un punto di aderenza di Y allora esiste una successione (x
n
) di
elementi di Y tale che x
n
z. Sappiamo che una successione convergente è neces-
sariamente di Cauchy, quindi (x
n
) è di Cauchy. Ma allora, per la (2.16) posso trovare
2.3. COMPATTEZZA 35
y Y tale che x
n
y. Per lunicità del limite deve essere y = z, quindi z Y .
Dunque Y contiene tutti i suoi punti di aderenza, il che vuol dire che Y è chiuso.
Suppongo viceversa che Y sia chiuso e dimostro che (Y, d) è completo. Per far ciò
devo far vedere che tutte le successioni di Cauchy di elementi di Y sono convergenti
ad un elemento di Y . Sia dunque (x
n
) una successione di Cauchy di elementi di Y .
Poichè (X, d) è completo so che esiste x X tale che x
n
x. Quindi x è un punto di
aderenza di Y . Ma stiamo assumendo che Y sia chiuso, quindi Y contiene tutti i suoi
punti di aderenza, dunque x Y . Ho cos` dimostrato che Y è completo.
2.36 Teorema. Sia (X, d) uno spazio metrico. Le seguenti aermazioni sone equiva-
lenti:
(1) X è completo.
(2) Sia B
1
, B
2
, . . . una successione di palle chiuse i cui raggi tendono a zero e tali che
B
1
B
2
. Allora
i=1
B
i
,= .
2.37 Problema. Sia X = R
2
e poniamo d(x, y) uguale al numero degli indici i tali
che x
i
,= y
i
.
(a) Disegnare B
1.5
((0, 0)), B
0.5
((0, 0)).
(b) Dire se la successione x
n
= (1/n, 0) è convergente a zero.
(c) Sia A := x = (x
1
, x
2
) : 0 x
1
1, 0 x
2
1. Determinare A
.
(d) Elencare tutti gli insiemi densi in X.
2.38 Problema. Dimostrare che Q con la distanza usuale non è completo trovando
esplicitamente una successione di numeri razionali che converge ad un numero non
razionale.
2.39 Problema. Dimostrare che se (x
n
) è una successione di Cauchy che ammette
una sottosuccessione (x
n
k
) convergente, allora (x
n
) è convergente.
2.40 Problema. Sia (s, t) la metrica discreta su R. Dati due punti di R
2
, x = (x
1
, x
2
)
e y = (y
1
, y
2
) denisco
d(x, y) = (x
1
, y
1
) +[x
2
y
2
[ .
(a) Dimostrare che d è una metrica su R
2
.
(b) Disegnare B
1/2
((0, 0)).
(c) Sia A := x R
2
: 0 < x
1
< 1 , 0 < x
2
< 1. Determinare

A.
2.3 Compattezza
2.41 Denizione. Uno spazio metrico è detto compatto o sequenzialmente compatto
2
se ogni successione ammette una sottosuccessione convergente.
2.42 Proposizione. Uno spazio metrico compatto è completo.
2
per gli spazi metrici queste due nozioni conincidono
Dimostrazione. Sia (X, d) uno spazio metrico compatto. Voglio far vedere che (X, d) è
completo, vale a dire che ogni successione di Cauchy è convergente. Sia dunque (x
n
)
n=1
una successione di Cauchy di elementi di X. Dato che X è compatto so che esiste
una sottosuccessione (x
n
k
) convergente. Ma, come aerma il Problema 2.39, se una
successione di Cauchy ammette una sottosuccessione convergente, allora la successione
stessa è necessariamente convergente. Quindi, nel nostro caso, la successione (x
n
) è
convergente, dunque X è completo.
2.43 Denizione. Uno spazio metrico (X, d) è detto totalmente limitato se per ogni
> 0 esiste un sottoinsieme nito di X x
1
, x
2
, . . . , x
n
tale che
X =
n
_
i=1
B
(x
i
) .
In altre parole uno spazio metrico è totalmente limitato se per ogni > 0 posso trovare
un insieme nito di punti x
1
, x
2
, . . . , x
n
con la proprietà che per ogni x X esiste i
tale che d(x, x
i
) < .
2.44 Proposizione. Uno spazio metrico totalmente limitato è limitato.
Dimostrazione. (Facile)
2.45 Teorema. Uno spazio metrico è compatto se e solo se è completo e totalmente
limitato.
Dimostrazione. Sia (X, d) uno spazio metrico compatto. Per la Proposizione 2.42 X
è completo. Voglio dimostrare che X è totalmente limitato. Suppongo che non sia
totalmente limitato e faccio vedere che questo conduce ad una contraddizione. Se X
non è totalmente limitato esiste
0
> 0 tale che X non può essere espresso come unione
di un numero nito di palle di raggio
0
. Scelgo allora un punto arbitrario x
i
X.
Poichè X ,= B
0
(x
1
) posso trovare x
2
X tale che d(x
1
, x
2
)
0
. Questa procedura
può essere iterata nel modo seguente. Siccome
X ,= B
0
(x
1
) B
0
(x
2
) ,
esiste x
3
X tale che d(x
3
, x
1
)
0
e d(x
3
, x
2
)
0
. In questo modo costruisco una
successione (x
n
)
n=1
di punti di X con la proprietà che se i ,= j si ha d(x
i
, x
j
)
0
.
Questa successione non può ammettere sottosuccessioni convergenti per cui X non è
compatto in contraddizione con lipotesi.
Suppongo ora che X sia completo e totalmente limitato e dimostro che X è compatto.
. . .
2.46 Teorema. (HeineBorel). Un sottoinsieme di R
n
è compatto se e solo se esso
è chiuso e limitato.
2.47 Osservazione. Il teorema di HeineBorel non si può estendere a spazi metrici
arbitrari. Vedi ad esempio al punto 3.22 dove cè un esempio di un insieme chiuso
e limitato ma non compatto. Il problema deriva dal fatto che in R
n
la limitatezza e
la totale limitatezza sono la stessa cosa, mentre in generale la totale limitatezza è un
concetto pi` u forte.
2.4 Funzioni continue
In questa sezione (X, d) e (Y, ) sono due spazi metrici.
2.4. FUNZIONI CONTINUE 37
2.48 Denizione. Una funzione f : X Y si dice continua nel punto x X se vale
limplicazione
x
n
x f(x
n
) f(x) .
La funzione f è detta continua se è continua in ogni punto.
2.49 Proposizione. Sia f : X Y . Le seguenti aermazioni sono equivalenti:
(1) f è continua
(2) Per ogni x X e per ogni > 0 esiste > 0 tale che se d(y, x) < allora
(f(y), f(x)) <
(3) Se A è aperto in Y allora f
1
(A) è aperto in X
(4) Se A è chiuso in Y allora f
1
(A) è chiuso in X
2.50 Problema. Dimostrare che la funzione distanza d : XX R è continua, vale
a dire se x
n
x e y
n
y allora si ha d(x
n
, y
n
) d(x, y).
2.51 Denizione. La funzione f : X Y è detta uniformemente continua se per
ogni > 0 esiste > 0 tale che se d(x, y) < allora (f(x), f(y)) < . La funzione f
è detta Lipschitz se esiste M > 0 tale che per ogni x, y X si ha
( f(x), f(y) ) M d(x, y) .
2.52 Proposizione. Siano f, g funzioni continue dallo spazio metrico (X, d) a valori
in R (C) e siano a, b due numeri reali (complessi). Allora le funzioni af + bg e fg
sono continue. La funzione f/g è continua in x X se g(x) ,= 0.
2.53 Problema. Dimostrare con un controesempio che il prodotto di due funzioni
uniformemente continue non è necessariamente una funzione uniformemente continua.
2.54 Proposizione. Siano (X, d), (Y, ) e (Z, ) tre spazi metrici. Se f : X Y e
g : Y Z sono due funzioni continue allora g f è una funzione continua da X in Z.
2.55 Proposizione. Sia K un sottoinsieme compatto di uno spazio metrico (X, d) e
sia f : K R una funzione continua. Allora f assume in K un massimo e un minimo
assoluto, vale a dire esistono x
0
, x
1
K tali che per ogni x K si ha f(x
0
) f(x)
f(x
1
).
Dimostrazione. La dimostrazione è praticamente identica al caso in cui K è un inter-
vallo chiuso e limitato di R.
2.56 Proposizione. Se f : X Y è una funzione continua e X è compatto, allora
f è uniformemente continua.
Dimostrazione. La dimostrazione è praticamente identica al caso in cui X è un inter-
vallo chiuso e limitato di R.
2.57 Denizione. Una successione di funzioni f
n
: X Y si dice uniformemente
convergente alla funzione f : X Y se per ogni > 0 esiste un intero positivo N tale
che
per ogni n N e per ogni x X si ha (f
n
(x), f(x)) < .
2.58 Proposizione. Se una successione di funzioni continue f
n
: X Y converge
uniformemente alla funzione f : X Y , allora f è continua.
3. Spazi vettoriali e di Banach
D: They dont advertise for killers in the newspaper.
That was my profession. Ex-cop. Ex-blade runner.
Ex-killer.
3.1 Denizioni
3.1 Denizione. Uno spazio vettoriale (o spazio lineare) sul campo F (F = Q, R, C,
F
p
n, . . . ) è un insieme (non vuoto
1
) V tale che
(A) Per tutti gli u, v V esiste il vettore u +v V detto somma di u e v
(B) Per ogni u V , c F esiste il vettore cu V detto prodotto di c per u.
Inoltre le seguenti proprietà sono soddisfatte, per ogni u, v, w V e per ogni c, d F:
(SV1) u +v = v +u
(SV2) (u +v) +w = u + (v +w)
(SV3) Esiste 0 V tale che u + 0 = u per ogni u V
(SV4) Per ogni u V esiste v V tale che u +v = 0
(SV5) 1 u = u
(SV6) (cd)u = c(du)
(SV7) (c +d)u = cu +du
(SV8) c(u +v) = cu +cv
3.2 Esempi
(1) R
n
, C
n
.
(2) Linsieme di tutti gli x R
4
tali che 2x
1
+ 3x
2
+x
4
= 0.
(3) (nonesempio). Linsieme di tutti gli x R
4
tali che x
2
x
4
= 1. Non è uno spazio
vettoriale perchè, ad esempio, il vettore zero, cioè 0 = (0, 0, 0, 0) non appartiene
allinsieme.
(4) (nonesempio). Linsieme di tutte le matrici. Non è uno spazio vettoriale perchè,
per dirne una, non è possibile sommare una matrice 3 2 ad una matrice 6 19.
(5) M
nm
= linsieme di tutte le matrici n m (reali o complesse).
(6) Linsieme di tutte le matrici A M
nn
tali che tr A = 0.
1
qualcuno tende ad innervosirsi quando legge la precisazione non vuoto. Io lo metto fra parentesi
sperando di alleviare la soerenza
39
40 CHAPTER 3. SPAZI VETTORIALI E DI BANACH
(7) (nonesempio). Linsieme di tutte le matrici A M
nn
tali che det A = 0. Non
va bene perchè, ad esempio, le matrici
A =
_
1 0
0 0
_
B =
_
0 0
0 1
_
hanno entrambe determinante uguale 0, ma la loro somma A+B ha determinante
uguale ad 1, quindi A+B non appartiene allinsieme.
(8) P(R), linsieme di tutti i polinomi reali è uno spazio vettoriale rispetto alle usuali
operazioni di somma e prodotto per un numero.
(9) R
. Cos` come R
n
indica linsieme di tutte le nple, R
indica linsieme di tutti

i vettori con innite componenti, vale a dire linsieme di tutte le succesioni. Gli
elementi di R
sono della forma

x = (x
0
, x
1
, x
2
, x
3
, . . .)
R
è anche indicato con R

N
.
(10) Linsieme di tutti i polinomi di grado non superiore a 100 è ancora uno spazio
vettoriale.
(11) (nonesempio). Linsieme di tutti i polinomi di grado superiore a 100 non è
uno spazio vettoriale perchè il polinomio nullo, di grado zero, non appartiene
allinsieme.
(12) (nonesempio). Sia
V := x = (x
1
, x
2
, x
3
) R
3
: x ha almeno una componente nulla
V non è uno spazio vettotiale, perchè la proprieta (A) di chiusura rispetto alla
somma è violata. Infatti, sia
u = (0, 1, 1) v = (1, 0, 0) .
Sia u che v sono elementi di V , ma u +v = (1, 1, 1) non appartiene a V .
V := x = (x
1
, x
2
) R
2
: x
1
x
2
.
Il fatto che V sia denito tramite una disuguaglianza suggerisce che non sia uno
spazio vettoriale. Infatti u = (0, 1) V . Però se moltiplichiamo u per 1 otteni-
amo 1 u = (0, 1) che non appartiene a V . Geometricamente V è un semipiano,
mentre uno spazio vettoriale è sempre un (iper)piano.
V := x = (x
1
, x
2
, x
3
) R
3
: x
2
1
+x
2
2
x
2
3
= 0 .
Il fatto che V sia denito tramite unequazione non lineare (quadratica in questo
caso) suggerisce che non sia uno spazio vettoriale, e infatti geometricamente V non
è un iperpiano, bens`. . . Per dimostrare che V non è uno spazio vettoriale faccio
vedere che viola la proprietà (A) e cerco due vettori u, v tali che u, v V ma
u +v / V . Basta prendere ad esempio
u = (1, 0, 1) v = (0, 1, 1) u +v = (1, 1, 2) .
3.2. ESEMPI 41
3.2 Attenzione!. Non è detto che se cè di mezzo una disuguaglianza o una relazione
non lineare allora sicuramente non si tratta di uno spazio vettoriale. Ci possono essere
dei camuamenti pi` u o meno espliciti. Siano ad esempio
V := x = (x
1
, x
2
) R
2
: x
1
x
2
e x
1
x
2
(apparenti disuguaglianze)
W := x = (x
1
, x
2
) R
2
: x
3
1
= x
3
2
(relazione apparentemente cubica) .
Questi sono entrambi spazi vettoriali nonostante le apparenze, perchè
x
1
x
2
e x
1
x
2
x
1
= x
2
x
3
1
= x
3
2
x
1
= x
2
3.3 Dritta. (Come dimostrare che X è uno spazio vettoriale in 2 mosse). Generalmente
per dimostrare che X è uno spazio vettoriale bisogna vericare le 10 proprietà che
appaiono nella denizione, vale a dire (A), (B), (1), (2), . . . , (8). Però se uno va di
fretta e in pi` u il caso vuole che X sia un sottoinsieme di uno spazio pi` u grande Y
e già si sa che Y è uno spazio vettoriale, allora per dimostrare che anche X è uno
spazio vettoriale è suciente dimostrare la sua chiusura rispetto alle operazioni di
somma e moltiplicazione per uno scalare, vale a dire le 2 proprietà (A) e (B). Perchè
è vero questo? (Dimostrarlo). Attenzione però, se pensate che X non sia uno spazio
vettoriale e volete dimostrarlo, allora potrebbe tornare comodo far vedere che una delle
proprietà (1), (2), . . . , (8) non è vericata.
3.4 Problema. Dire se linsieme
2
X = p P(R) : p(2) +p
t
(3) = 0 .
è uno spazio vettoriale dimostrandolo.
Soluzione. Linsieme X è fortunatamente un sottoinsieme dellinsieme di tutti i poli-
nomi reali che abbiamo già detto essere uno spazio vettoriale. Quindi, per quanto detto
al punto 3.3, se dimostro che le proprietà (A) e (B) sono vericate, posso concludere
che X è uno spazio vettoriale.
Dimostrazione di (A). Siano p e q due elementi di X. Devo far vedere che anche la
loro somma p +q appartiene a X. Dato che p, q X so che
p(2) +p
t
(3) = 0 q(2) +q
t
(3) = 0 .
Daltra parte, siccome laddizione di due polinomi è denita come (p+q)(x) := p(x) +
q(x), ottengo
(p +q)(2) + (p +q)
t
(3) = p(2) +q(2) +p
t
(3) +q
t
(3) = 0 .
Quindi p +q X.
Dimostrazione di (B). Sia p X e sia c R. Allora
(cp)(2) + (cp)
t
(3) = cp(2) +cp
t
(3) = c (p(2) +p
t
(3)) = 0 .
Dunque cp X. Segue che X è uno spazio vettoriale.
3.5 Osservazioni.
(a) Lo zero
3
in uno spazio vettoriale è unico. Infatti, se ci fossero due zeri distinti 0 e
0
t
, allora si avrebbe 0 = 0 + 0
t
= 0
t
.
2
ricordo che P(R) è linsieme di tutti i polinomi reali
3
usiamo lo stesso simbolo 0 sia per indicare il numero zero che il vettore zero, sperando che non
sorga confusione
(b) Anche lopposto è unico. Infatti supponiamo che w e w
t
siano entrambi opposti di
u. Allora
w = w + 0 = w + (u +w
t
) = (w +u) +w
t
= 0 +w
t
= w
t
.
(c) Se u +v = u allora v = 0, infatti
v = v + 0 = v + [u + (u)] = (v +u) + (u) = u + (u) = 0 .
(d) Si ha 0u = 0. Infatti
0 = 0u 0u = (0 + 0)u 0u = 0u + 0u 0u = 0u.
(e) Lopposto di u, la cui esistenza è garantita dalla proprietà (4) è dato (1)u. Infatti
u + (1)u = 1 u + (1)u = (1 1)u = 0 u = 0 .
Quindi v = (1)u è lunico opposto di u, che si denota con il simbolo u.
3.6 Denizione. Una norma su uno spazio vettoriale V è unapplicazione || : V R
tale che
(N1) |v| 0, per ogni v V
(N2) |v| = 0 se e solo se v = 0.
(N3) |cu| = [c[ |u| per ogni c R (C), u V .
(N4) |u +v| |u| +|v| per ogni u, v V .
Uno spazio vettoriale V dotato di una norma | | è detto spazio vettoriale normato
(ma no!).
3.7 Proposizione. Uno SVN
4
(V, | |) diventa uno spazio metrico se si sceglie come
distanza la funzione d(x, y) := |x y|, per x, y V .
Dimostrazione. (facile, lasciata al lettore).
3.8 Denizione. Un sottoinsieme K di uno spazio vettoriale V è chiamato un sot-
tospazio di V se K è uno spazio vettoriale, vale a dire se (ricorda quanto detto al punto
3.3)
(A) u, v K implica u +v K
(B) u K e c R implica cu K
3.9 Proposizione. Se (V, | |) è uno spazio vettoriale normato e W è un sottospazio
di V allora | | è una norma su W, vale a dire (W, | |) è anchesso uno SVN.
Dimostrazione. Se le proprietà che deniscono una norma valgono per tutti i vettori
di V , varranno automaticamente per gli elementi di W.
3.10 Problema. Dire se linsieme indicato è o meno uno spazio vettoriale sul campo
reale.
(a) x R
3
: x
1
= x
2
x
3
.
(b) x R
3
: x
2
3
= x
2
1
.
(c) x R
3
: x
3
3
= x
3
1
.
4
spazio vettoriale normato
3.3. ESEMPI: SPAZI FINITO DIMENSIONALI 43
(d) Linsieme di tutte le matrici 3 3 con determinante nullo.
(e) Linsieme di tutte le funzioni reali derivabili.
(f) Linsieme di tutte le funzioni reali che si annullano almeno in un punto.
Soluzione. (a) S. (b) N. Infatti i vettori x = (1, 0, 1) e y = (1, 0, 1) appartengono allo
spazio ma la loro somma x+y = (2, 0, 0) non vi appartiene. (c) S, perchè la condizione
è equivalente a x
3
= x
1
. (d) N. (e) S. (f) N. Infatti le funzioni f(x) = x e g(x) = 1 x
appartegono allo spazio ma la loro somma f +g = 1 non vi appartiene.
3.3 Esempi: Spazi nito dimensionali
Nello spazio vettoriale R
n
delle ennuple di numeri reali (o, analogamente, in C
n
) è
possibile introdurre una norma in molti (inniti) modi diversi
3.11 Esempi. Sia x = (x
1
, . . . , x
3
) R
3
. Esempi di norme possibili sono
(1) |x| := [x
1
[ +[x
2
[ +[x
3
[.
(2) |x| := 3[x
1
[ + 5[x
2
[ + 13[x
3
[.
(3) |x| :=
_
[x
1
[
2
+[x
2
[
2
+[x
3
[
2
_
1/2
. Questa è la cosiddetta norma euclidea.
I seguenti sono invece esempi di quantità che non sono norme perchè violano almeno
una della proprietà della Denizione 3.7.
(a) |x| := [x
1
[ + [x
2
[ [x
3
[. Se scelgo x := (0, 0, 1), ottengo |x| = 1, mentre la
norma non può mai essere negativa.
(b) |x| := x
1
+x
2
+x
3
. Se scelgo x = (1, 1, 1), ho |x| = 3, violando di nuovo
la positività.
(c) |x| := [x
1
[
3
+ [x
2
[
3
+ [x
3
[
3
. Questa viola lomogeneità. Infatti, se c è un numero
reale,
|c x| = [cx
1
[
3
+[cx
2
[
3
+[cx
3
[
3
= [c[
3
_
[x
1
[
3
+[x
2
[
3
+[x
3
[
3
_
= [c[
3
|x| ,
mentre dovrebbe essere |c x| = [c[ |x|.
(d) |x| = [x
1
[+[x
3
[. Anche questa non può essere una norma perchè è possibile trovare
un vettore non nullo x tale che |x| = 0. Si prenda, ad esempio, x = (0, 1, 0).
3.3.1 Le norme | |
p
Una classe molto importanti di norme che si possono introdurre in R
n
, C
n
e (vedremo)
anche in spazi innito dimensionali è dato dalle cosiddette norme p. Si sceglie un
numero p [1, ] (il valore è incluso) e si pone
(3.1) |x|
p
:=
_
n
i=1
[x
i
[
p
_
1/p
|x|
:= max
i=1,...,n
[x
i
[ p [1, ] .
Quando p = 2 ritroviamo la usuale norma euclidea. Iniziamo a far vedere che in questo
caso si ha eettivamente una norma.
3.12 Proposizione. Lapplicazione | |
2
: R
n
R data da
|x|
2
:=
_
n
i=1
[x
i
[
2
_
1/2
è una norma su R
n
.
Dimostrazione.
`
E ovvio che |x|
2
è sempre positivo o nullo. Inoltre la quantità |x|
2
si
annulla se e solo se x = 0. Lomogeneità segue da
|c x|
2
=
_
n
i=1
[c x
i
[
2
_
1/2
=
_
[c[
2
n
i=1
[x
i
[
2
_
1/2
= [c[
_
n
i=1
[x
i
[
2
_
1/2
= [c[ |x|
2
.
Rimane dunque da dimostrare la disuguaglianza triangolare |x + y|
2
|x|
2
+ |y|
2
.
Siano quindi x e y due vettori in R
n
e sia t un numero reale arbitrario. Partendo dalla
strabiliante disuguaglianza
n
i=1
(tx
i
+y
i
)
2
0 t R
si ottiene
(3.2) t
2
n
i=1
x
2
i
+ 2t
n
i=1
x
i
y
i
+
n
i=1
y
2
i
0 t R.
Ponendo
a := |x|
2
2
b :=
n
i=1
x
i
y
i
c := |y|
2
2
,
la (3.2) può essere riscritta come
at
2
+ 2bt +c 0 t R.
Ma se questo trinomio di secondo grado è non negativo per tutti i valori di t, neces-
sariamente si ha
b
2
ac 0 ,
quindi
_
n
i=1
x
i
y
i
_
2
|x|
2
2
|y|
2
2
,
e, di conseguenza,
(3.3)
i=1
x
i
y
i
|x|
2
|y|
2
.
|x +y|
2
2
=
n
i=1
(x
i
+y
i
)
2
=
n
i=1
(x
2
i
+y
2
i
+ 2x
i
y
i
)
|x|
2
2
+|y|
2
2
+ 2|x|
2
|y|
2
= (|x|
2
+|y|
2
)
2
.
Prendendo inne la radice quadrata si ottiene
|x +y|
2
|x|
2
+|y|
2
,
che è ciò che dovevamo dimostrare.
3.3. ESEMPI: SPAZI FINITO DIMENSIONALI 45
3.3.2 Disuguaglianze di Holder e di Minkowski
La dimostrazione che | |
p
è una norma anche quando p ,= 2 è pi` u complicata ed è
basata sulla segente disuguaglianza che è una generalizzazione della (3.3):
3.13 Proposizione. (Disuguaglianza di Holder). Sia p 1 e sia q tale che
1
p
+
1
q
= 1 (ovviamente anche q 1) .
Allora si ha, per ogni coppia x, y di elementi di R
n
(3.4)
n
k=1
[x
k
y
k
[ |x|
p
|y|
q
Dimostrazione. Il caso pi` u semplice è quando p = 1 e, di conseguenza q = . Infatti
abbiamo
(3.5)
n
k=1
[x
k
y
k
[ max
k
[y
k
[
n
k=1
[x
k
[ = |y|
|x|
1
.
Passiamo quindi a considerare il caso p > 1. La disuguaglianza (3.4) è una conseguenza
delle disuguaglianza numerica
(3.6) ab
a
p
p
+
b
q
q
a, b 0 .
Faccio prima vedere come da questo segua la (3.4) e inne dimostro la (3.6). Poniamo
s
k
=
x
k
|x|
p
t
k
=
y
k
|y|
q
,
in modo tale da avere
n
k=1
[s
k
[
p
=
1
|x|
p
p
n
k=1
[x
k
[
p
= 1
n
k=1
[t
k
[
q
=
1
|y|
q
q
n
k=1
[y
k
[
q
= 1 . (3.7)
Grazie alle (3.6), (3.7) posso scrivere
n
k=1
[s
k
t
k
[
1
p
n
k=1
[s
k
[
p
+
1
q
n
k=1
[t
k
[
q
=
1
p
+
1
q
= 1 .
Di conseguenza
n
k=1
[x
k
y
k
[ = |x|
p
|y|
q
n
k=1
[s
k
t
k
[ |x|
p
|y|
q
.
Abbiamo dunque dimostrato la disuguaglianza di Holder. Rimane da dimostrare la
(3.6). Consideriamo la funzione
f(u) :=
u
p
p
+
1
q
u u 0 .
Voglio far vedere che f ha un minimo assoluto nel punto u = 1. Infatti, se derivo,
ottengo
f
t
(u) = u
p1
1
Quindi f
t
= 0 se e solo se u = 1. Per concludere che si tratta di un minimo assoluto
basta osservare che, poichè p > 1 e dunque p 1 > 0, f
t
è negativa in (0, 1) e positiva
in (1, ). Siccome u = 1 è il minimo assoluto della f possiamo scrivere
f(1) f(u) u 0 ,
cioè
u
u
p
p
+
1
q
u 0 .
Pongo a questo punto u = ab
q/p
e ottengo
ab
q/p
a
p
b
q
p
+
1
q
.
Moltiplicando ambo i membri per b
q
, poichè q q/p = 1, abbiamo
ab
q/p+q
= ab
a
p
p
+
b
q
q
.
Grazie alla disuguaglianza di Holder si dimostra la disuguaglianza triangolare per | |
p
e quindi il fatto che | |
p
è una norma (le altre proprietà sono banali):
3.14 Proposizione. (Disuguaglianza di Minkowski). Sia p 1. Allora per ogni
x, y R
n
si ha
(3.8) |x +y|
p
|x|
p
+|y|
p
.
Dimostrazione. Se x, y sono due nple arbitrarie posso scrivere
n
k=1
_
[x
k
[ +[y
k
[
_
p
=
n
k=1
_
_
[x
k
[ +[y
k
[
_
p1
([x
k
[ +[x
k
[)
=
n
k=1
_
[x
k
[ +[y
k
[
_
p1
[x
k
[ +
n
k=1
_
[x
k
[ +[y
k
[
_
p1
[y
k
[
=
n
k=1
u
k
[x
k
[ +
n
k=1
u
k
[y
k
[ .
(3.9)
in cui ho posto u
k
:=
_
[x
k
[ +[y
k
[
_
p1
. Sia q tale che 1/p+1/q = 1. Allora q(p1) = p.
Usando la disuguaglianza di Holder ottengo
n
k=1
[x
k
[u
k
|x|
p
_
n
k=1
u
q
k
_
1/q
= |x|
p
_
n
k=1
_
[x
k
[ +[y
k
[
_
q(p1)
_
1/q
= |x|
p
_
n
k=1
_
[x
k
[ +[y
k
[
_
p
_
1/q
e, in modo identico,
n
k=1
u
k
[y
k
[ |y|
p
_
n
k=1
_
[x
k
[ +[y
k
[
_
p
_
1/q
.
Utilizzando queste due disuguaglianze nella (3.9) si arriva a
n
k=1
_
[x
k
[ +[y
k
[
_
p
_
|x|
p
+|y|
p
_
_
n
k=1
_
[x
k
[ +[y
k
[
_
p
_
1/q
.
3.4. CONCETTI METRICI NEGLI SPAZI VETTORIALI NORMATI 47
Dividendo ambo i membri per la quantità
_
n
k=1
_
[x
k
[ +[y
k
[
_
p
_
1/q
si ottiene
_
n
k=1
_
[x
k
[ +[y
k
[
_
p
_
11/q
|x|
p
+|y|
p
,
vale a dire
(3.10)
_
n
k=1
_
[x
k
[ +[y
k
[
_
p
_
1/p
|x|
p
+|y|
p
.
Daltra parte la quantità che appare a sinistra nella (3.8) può essere facilmente stimata
come
(3.11) |x +y|
p
=
_
n
k=1
_
[x
k
+y
k
[
_
p
_
1/p
_
n
k=1
_
[x
k
[ +[y
k
[
_
p
_
1/p
.
Dalle (3.10), (3.11) segue la disuguaglianza di Minkowski (3.8)
Tanto la disuguaglianza di Holder che quella di Minkowski possono essere estese al
caso in cui, al posto di due ennuple, x e y abbiamo due successioni innite oppure due
integrali di funzioni continue. Valgono dunque le seguenti disuguaglianze
i=1
[x
i
y
i
[
_

i=1
[x
i
[
p
_
1/p
_

i=1
[y
i
[
q
_
1/q
(3.12)
_

i=1
[x
i
+y
i
[
p
_
1/p
i=1
[x
i
[
p
_
1/p
+
_

i=1
[y
i
[
p
_
1/p
(3.13)
_
R
[f(x)g(x)[ dx
_
_
R
[f(x)[
p
dx
_
1/p
_
_
R
[g(x)[
q
dx
_
1/q
(3.14)
_
_
R
[f(x) +g(x)[
p
dx
_
1/p
_
_
R
[f(x)[
p
dx
_
1/p
+
_
_
R
[g(x)[
p
dx
_
1/p
(3.15)
3.4 Concetti metrici negli spazi vettoriali normati
Uno spazio vettoriale normato (V, | |) è un esempio particolare (molto particolare)
di spazio metrico, in cui la distanza fra due punti x, y V viene denita come
d(x, y) := |x y| x, y V .
Per questo motivo negli SVN si possono introdurre tutti i concetti che sono propri
degli spazi metrici. Ne ricordiamo alcuni.
Convergenza, Cauchy. Si dice che successione (x
n
)
n=1
di elementi di V è convergente
a x V se la successione numerica |x
n
x| converge a zero, cioè se
per ogni > 0 esiste N > 0 tale che per ogni n N si ha |x
n
x| < .
La successione (x
n
)
n=1
si dice di Cauchy se
per ogni > 0 esiste N > 0 tale che per ogni n, k N si ha |x
n
x
k
| < .
Palle. Indico con B
V
r
(x) la palla aperta di raggio r con centro in x nello spazio V
B
V
r
(x) := y V : |y x| < r.
Se non cè ambiguità rispetto allo spazio ambiente ometterò lapice V scrivendo sem-
plicemente B
r
(x).
Aperto. Un sottoinsieme A è detto aperto in X se per ogni x A esiste > 0 tale che
B
X
(x) A.
Chiusura, chiuso. Ricordo che, se A è un sottoinsieme di uno SVN (V , | |) allora la
chiusura di A, indicata con A, è linsieme di tutti quegli elementi di V che si possono
ottenere come limite di una successione di elementi di A, vale a dire
u A una successione (u
n
) di elementi di A tale che u
n
u
Quindi A contiene tutti i punti di A pi` u, eventualmente, linsieme di tutti quei punti
che non appartengono a A, ma che si possono ottenere come limite di punti di A.
Chiamo linsieme di questi punti A
ple
(punti limite esterni). Quindi posso scrivere
A = A A
ple
3.15 Esempio. Nello spazio R
2
con la usuale norma euclidea | |
2
, sia
(3.16) A := x = (x
1
, x
2
) R
2
: 0 x
1
1 , 0 x
2
< 1 .
In questo caso si ha evidentemente che i punti limite esterni sono quelli che si trovano
sul bordo superiore del quadrato, cioè
A
ple
= x R
2
: 0 x
1
1 , x
2
= 1 .
quindi
A = A A
ple
= x R
2
: 0 x
1
1 , 0 x
2
1 .
Un insieme A è detto chiuso se A = A, ovvero se non ci sono punti limite esterni,
ovvero se tutti i punti limite appartengolo allinsieme A. Linsieme A denito nella
(3.16) non è duqnue chiuso. In altre parole per dimostrare che un insieme è chiuso
bisogna far vedere che se ho una successione convergente (x
1
, x
2
, . . .) di elementi di
A allora anche il suo limite è un elemento di A. Insomma un unsieme chiuso non
permette di uscire dallinsieme con una successione convergente.
Occhio! Per qualche sottile motivo psicologico o a causa di quelle che Perec chiama le
fallaci seduzioni del ragionamento analogico
5
, molti studenti sono indotti a pensare
che un insieme è come un bar: o è aperto, o è chiuso. NON
`
E COS
`
I! Esistono tonnellate
e tonnellate di insiemi che non sono nè aperti nè chiusi. Esempio: nello spazio R
linsieme A = [0, 1). Non è aperto perchè se scelgo x = 0, non esiste alcun > 0 tale
che B
(0) [0, 1). E non è neanche chiuso perchè la successione x

n
= 1 1/n è una
successione di elementi di A che però converge al punto 1 che non appartiene ad A.
Un esempio pi` u eclatante di insieme che non è nè aperto nè chiuso in R è linsieme
Q dei razionali. Esistono poi insiemi che sono sia aperti che chiusi. Nel caso in cui
lo spazio ambiente sia uno spazio vettoriale normato V questi sono soltanto linsieme
vuoto e lo spazio stesso V . Se invece lo spazio ambiente è uno spazio metrico X non
connesso ogni componente connessa di X è sia aperta che chiusa. Ad esempio nello
spazio X = [0, 1] (2, 3) gli insiemi A = [0, 1] e B = (2, 3) sono sia aperti che chiusi
(pensateci).
5
George Perec, La vita. Istruzioni per luso, Torino, Einaudi, 1998.
3.5. SPAZI INFINITO DIMENSIONALI: SPAZI DI SUCCESSIONI 49
Occhio! Aperto e chiuso sono concetti relativi che dipendono dallo spazio ambi-
ente. Può accadere che lo stesso insieme A sia aperto (o chiuso) in uno spazio ambiente
X ma non lo sia in uno spazio ambiente diverso Y . Consideriamo ad esempio
X = R
3
Y = x R
3
: x
3
= 0
A = x R
3
: x
3
= 0 e x
2
1
+x
2
2
< 1
In questo caso A è aperto in Y , ma nello spazio ambiente X non è nè aperto nè
chiuso. Nello spazio Y infatti le palle sono bidimensionali, cioè B
Y
(x) è un disco
bidimensionale, mentre nello spazio X, B
X
(x) è una palla tridimensionale.

`
E chiaro
quindi che se x = (x
1
, x
2
, 0) è un punto appartenente ad A allora esiste un > 0
abbastanza piccolo tale che B
Y
(x) A, ma non sarà mai possibile avere B

X
(x) A.
Quindi A è aperto in Y ma non in X. Ovviamente A non è neanche chiuso in X perchè
la successione
x
n
= (1
1
n
, 0, 0)
è una successione di punti di A convergente in X ma con un limite (1, 0, 0) che non
appartiene ad A.
3.5 Spazi innito dimensionali: spazi di successioni
Cos` come una npla è una successione di n numeri reali (o complessi)
R
n
x = (x
1
, x
2
, . . . , x
n
) = (x
i
)
n
i=1
un successione può essere considerata come uninnitupla, un elemento
6
cioè dello
spazio R
x = (x
0
, x
1
, x
2
, x
3
, . . .) = (x
i
)
i=0
Quindi R
(C
) denisco lo spazio di tutte le successioni reali (complesse).

Non ti far confondere dalla notazione! Ogni elemento di R
, vale a dire ogni punto

dello spazio R
, è una successione, quindi una successione di elementi di R
è una
successione di successioni. Di conseguenza servono due indici, uno che ci dice quale
successione e laltro che ci dice quale elemento della successione. Nel seguito useremo
la seguente notazione:
7
una successione in R
si denota con
(3.17) (x
(n)
) = (x
(0)
, x
(1)
, x
(2)
, x
(3)
, . . . ) x
(n)
R
.
Ogni x
(n)
è a sua volta una successione di numeri reali, cioè
(3.18) x
(n)
=
_
x
(n)
0
, x
(n)
1
, x
(n)
2
, x
(n)
3
, . . .
_
x
(n)
i
R.
Ad esempio x
(4)
7
è il settimo elemento della quarta successione. Conviene a volte
6
gli indici di una successione partiranno a volte da zero, altre volte da uno, senza una logica
apparente
7
tranne quando ce ne dimenticheremo
visualizzare una successione di successioni come una matrice innita
x
(0)
= (x
(0)
0
, x
(0)
1
, x
(0)
2
, . . .)
x
(1)
= (x
(1)
0
, x
(1)
1
, x
(1)
2
, . . .)
x
(2)
= (x
(2)
0
, x
(2)
1
, x
(2)
2
, . . .)
.
.
.
x
(n)
= (x
(n)
0
, x
(n)
1
, x
(n)
2
, . . .)
.
.
.
(3.19)
Ogni riga di questa matrice è un punto nello spazio R
.
Una spazio di successioni in cui avremo introdotto una norma è uno spazio vettoriale
normato, quindi aermare che la successione (di successioni) (x
(0)
, x
(1)
, x
(2)
, , . . . ) è
convergente a x signica, come al solito in uno SVN, che
(3.20) lim
n
|x x
(n)
| = 0 .
Per cui quando si parla di convergenza senza specicare ulteriormente si intende la
convergenza in norma data dalla (3.20). Si può però introdurre, accanto alla con-
vergenza in norma, unaltra nozione di convergenza che è lanalogo della convergenza
puntuale per le funzioni.
3.16 Denizione. Una successione di successioni (x
(n)
) si dice convergente puntual-
mente alla successione x se converge ad x componente per componente, cioè se
(3.21) per ogni i N si ha lim
n
x
(n)
i
= x
i
.
Con riferimento alla rappresentazione (3.19) tramite una matrice innita, la conver-
genza puntuale equivale alla convergenza di ciascuna colonna della matrice. Atten-
zione, questo vuol dire che bisogna mandare allinnito lindice di riga che appare in
alto fra parentesi nella nostra notazione, come appare nelle (3.21).
3.17 Esempio. Consideriamo la successione nello spazio R
(successione di succes-
sioni) data da
x
(n)
k
= k/n.
Nella rappresentazione di matrice innita questa successione può essere scritta come
x
(1)
= (1, 2, 3, . . .)
x
(2)
= (1/2, 1, 3/2, . . .)
.
.
.
x
(n)
= (1/n, 2/n, 3/n, . . .)
.
.
.
Si vede che il limite di ciascuna colonna è zero. E infatti, per ogni k ssato, se facciamo
tendere n allinnito otteniamo
lim
n
x
(n)
k
= lim
n
k/n = 0 .
Quindi la successione (x
(n)
)
n=1
nello spazio R
converge puntualmente al vettore

nullo di questo spazio cioè alla successione y = (0, 0, . . .).
Sarebbe questo il momento perfetto per introdurre una norma nello spazio R
, in
modo da avere uno spazio vettoriale normato nel quale si possa parlare, ad esempio,
di distanza fra due successioni. Sarebbe, dicevo, il momento di abbandonare ogni
titubanza e tirare fuori questa norma, se non fosse che (ahimè) costruire una norma
su R
è un esercizio (possibile, ma) non esattamente elementare che, come spesso si

legge nei testi seri, esula dallo scopo di questo corso. Comunque potete provarci:
3.18 Problema. Trovare una norma sullo spazio R
. *
Quello che faremo noi sarà invece considerare dei sottospazi dello spazio R
costru-
iti imponendo alcune restrizioni sulle successioni e su ciascuno di questi sottospazi
introdurremo una o pi` u norme opportune. Cominciamo.
3.5.1 Lo spazio delle successioni limitate:
Indichiamo con il simbolo
lo spazio di tutte le successioni limitate.

8
Una successione
x = (x
1
, x
2
, x
3
, . . .)
appariene a
se sup
i
[x
i
[ < , ovvero se
(3.22) esiste M R tale che [x
i
[ M per ogni i N.
è chiaramente uno spazio vettoriale (verica gli assiomi, ricordando la dritta 3.3)
e grazie alla condizione di limitatezza (3.22), è possibile denire, per ogni elemento x
di
, la quantità
(3.23) |x|
= sup
i
[x
i
[ .
3.19 Osservazione. La norma (3.23) è denita con lestremo superiore e non con il
massimo perchè il massimo dei moduli degli elementi della successione potrebbe non
esistere. Consideriamo la successione limitata
x = (2/3, 3/4, 4/5, 5/6, . . . , (k 1)/k, . . .)
In questo caso si ha sup
k
[x
k
[ = 1, ma la quantità max
k
[x
k
[ non esiste.
3.20 Proposizione. Lapplicazione | |
è una norma su
.
Dimostrazione. Per far vedere che un qualcosa è una norma devo dimostrare 5 aer-
mazioni
(0) Lapplicazione | |
è ben denita su tutto lo spazio
(ad esempio non dà

mai come risultato).
(1) |x|
0.
(2) |x|
= 0 se e solo se x = 0.
(3) |cx|
= [c[ |x|
per ogni c R, x
.
(4) |x +y|
|x|
+|y|
per ogni x, y
.
8
è indicato con m in KF
Punto (0). Grazie alla (3.22) sappiamo che se x
allora sup
i
[x
i
[ è necessariamente
un numero nito, quindi | |
è ben denita.
Punto (1). Banale
Punto (2). Se x = 0 allora banalmente |x|
= 0. Daltra parte se |x|
= 0 allora
sup
i
[x
i
[ = 0, il che implica che tutti gli elementi x
i
sono nulli, che è equivalente a dire
che x = 0.
Punto (3). Possiamo scrivere
|cx|
= sup
i
[cx
i
[ = sup
i
([c[[x
i
[) = [c[ (sup
i
[x
i
[) = [c[ |x|
.
Punto (4). Si ha
|x +y|
= sup
i
([x
i
+y
i
[) sup
i
_
[x
i
[ +[y
i
[
_

_
sup
i
[x
i
[
_
+
_
sup
i
[y
i
[
_
= |x|
+|y|
.
Ho quindi dimostrato che | |
è una norma su
.
3.21 Osservazione. Nello spazio
non sarebbe stato possibile denire come norma

la quantità
(3.24) |x| :=
i=1
[x
i
[
perchè avrebbe violato la proprietà (0) della Proposizione 3.20. Infatti posso scegliere
la successione di tutti uni
x = (1, 1, 1, 1, . . .)
che, essendo limitata, appartiene a
, ma se provo a calcolare |x| come nella (3.24)

ottengo . Analogamente non posso denire su
|x| := sup
i
x
i
senza i moduli, perchè violerei la proprietà (1). Un altro non esempio è
|x| := sup
i : pari
[x
i
[ = sup[x
2
[, [x
4
[, . . . .
In questo caso infatti avrei elementi x non nulli, come
x = (1, 0, 1, 0, 1, 0, 1, 0, 1, . . .)
che hanno norma uguale a zero.
9
3.22 Osservazione. Una delle prime novità che presentano gli spazi vettoriali innito
dimensionali è che non è pi` u vero che un insieme è compatto se e solo se è chiuso e
limitato. Vale ancora limplicazione
compatto chiuso e limitato
ma non quella contraria. Un esempio di insieme chiuso e limitato ma non compatto è
la palla unitaria in
(3.25) B
1
:= x
: |x|
1 .
9
e questo non è carino
Questo insieme è chiaramente chiuso e limitato (il suo diametro è uguale a 2), ma non
è compatto, vale a dire posso trovare in B
1
successioni che non ammettono sottosuc-
cessioni convergenti. Consideriamo la successione di elementi di B
1
data dai vettori
di base canonici
e
(1)
= (1, 0, 0, 0, 0 . . .)
e
(2)
= (0, 1, 0, 0, 0 . . .)
e
(3)
= (0, 0, 1, 0, 0 . . .)
.
.
.
e
(k)
= (0, 0, . . . , 0, 1, 0, 0 . . .)
.
.
.
(3.26)
Se n ,= m otteniamo
(3.27) |e
(n)
e
(m)
|
:= sup
i
[e
(n)
i
e
(m)
i
[ = 1
Quindi la distanza fra due elementi qualsiasi di questa successione è uguale ad 1. Di
conseguenza non può esistere alcuna sottosuccessione convergente.
3.5.2 Lo spazio delle successioni convergenti a zero:
0
Sia
0
10
lo spazio di tutte le successioni reali x = (x
0
, x
1
, x
2
, . . .) = (x
i
)
i=0
che conver-
gono a zero
(3.28) x
0
lim
i
x
i
= 0 .
Analogamente si denisce
0
(C) come lo spazio delle successioni complesse che tendono
a zero.
3.23 Problema. Dimostrare che
0
è uno spazio vettoriale (ricorda quanto detto al
punto 3.3).
Siccome ogni successione convergente è necessariamente limitata (come si dimostra?),
abbiamo linclusione
(3.29)
0

.
Quindi
0
è un sottospazio di
. Di conseguenza, come spiegato al punto 3.9, possi-

amo
11
introdurre in
0
la stessa norma che abbiamo introdotto in
, vale a dire la
norma | |
. In questo modo (
0
, | |
) diventa uno spazio vettoriale normato.

3.24 Problema.
`
E possibile, nello spazio
0
, scegliere la seguente norma?
(3.30) |x|
2
:=
_

i=0
[x
i
[
2
_
1/2
10
0
viene indicato con c
0
in KF
11
non siamo costretti
3.5.3 Gli spazi
p
con p [1, )
Dato p 1 denisco
p
come linsieme di tutte le successioni x = (x
0
, x
1
, x
2
, . . .) =
(x
i
)
i=0
tali che
(3.31)
i=0
[x
i
[
p
< .
Questa condizione mi permette di denire unapplicazione
| |
p
:
p
R
come
(3.32) |x|
p
:=
_

i=0
[x
i
[
p
_
1/p
3.25 Proposizione. Linsieme
p
è uno spazio vettoriale e lapplicazione | |
p
è una
norma su
p
.
Dimostrazione. Poichè
p
è un sottoinsieme di R
che è uno spazio vettoriale, per

far vedere che
p
è anchesso uno spazio vettoriale è suciente far vedere che è chiuso
rispetto alle somme e alla moltiplicazione per uno scalare (come spiegato al punto 3.3).
Assumo x, y
p
. Grazie alla denizione (3.31) so che
A :=
i=0
[x
i
[
p
< e B :=
i=0
[y
i
[
p
< .
Dalla disuguaglianza di Minkowski per le successioni (3.13) ottengo che
_

i=1
[x
i
+y
i
[
p
_
1/p
i=1
[x
i
[
p
_
1/p
+
_

i=1
[y
i
[
p
_
1/p
= A
1/p
+B
1/p
.
Di conseguenza
i=1
[x
i
+y
i
[
p
< ,
quindi il vettore x +y appartiene a
p
.
Si assuma ora x
p
e c R. Allora, usando di nuovo il fatto che x
p
, ottengo
i=1
[c x
i
[
p
= [c[
p
i=1
[x
i
[
p
< .
Dunque anche il prodotto cx appartiene a
p
. Abbiamo cos` dimostrato che
p
è uno
spazio vettoriale.
Ora faccio vedere che | |
p
è una norma. Innanzitutto osservo che la quantità |x|
p
è ben denita per ogni x
p
. Inoltre è ovvio che |x|
p
0 e che |x|
p
= 0 se e solo
se x = 0. La disuguaglianza triangolare (proprietà (N4) della denizione di norma
3.6) in questo caso altri non è che la disuguaglianza di Minkowski (3.13). Rimane da
vericare che |c x|
p
= [c[ |x|
p
, cosa che si fa in quattro microsecondi
|c x|
p
:=
_

i=1
[c x
i
[
p
_
1/p
= [c[
_

i=1
[x
i
[
p
_
1/p
= [c[ |x|
p
3.26 Osservazione. Se x è un elemento di un qualche spazio
p
con p 1, allora
sappiamo che
i=0
[x
i
[
p
< .
Se poniamo y
i
:= [x
i
[
p
, otteniamo quindi che la sommatoria delle y
i
è convergente. Di
conseguenza la successione (y
0
, y
1
, y
2
, . . .) deve tendere a zero
lim
i
y
i
= lim
i
[x
i
[
p
= 0 .
Ma allora si ha anche
lim
i
x
i
= 0 , cioè x è un elemento di
0
.
Abbiamo quindi mostrato che ogni elemento di
p
è anche un elemento di
0
, vale a
dire
p

0
.
3.27 Problema. Fare un esempio di una successione x che appartiene a
4
ma non a
3
.
A questo punto ci si può chiedere se esiste un rapporto di inclusione fra i vari spazi
p
con p diversi. La risposta è aermativa: pi` u grande è il valore di p (1, ) e pi` u
grande è lo spazio
p
,
12
come dimostriamo di seguito. Si ha dunque una catena di
inclusioni (ricordate che p non è necessariamente un numero intero)
(3.33)
1

2

2.1

3

301

1000

0

3.28 Proposizione. Se 1 p < q allora si ha

p

q
.
Dimostrazione. Sia x = (x
1
, x
2
, . . .) una elemento di
p
. Voglio dimostrare che x
q
,
vale a dire che
k=1
[x
k
[
q
< .
Sappiamo che
p

, quindi esiste M 0 tale che

[x
k
[ M k = 1, 2, . . .
A questo punto possiamo concludere nel modo seguente
(3.34)
k=1
[x
k
[
q
=
k=1
[x
k
[
p
[x
k
[
qp
k=1
[x
k
[
p
M
qp
= M
qp
k=1
[x
k
[
p
.
Poichè M
qp
è una costante e la serie
k=1
[x
k
[
p
è convergente per ipotesi, dalla (3.34)
si deduce che
la serie
k=1
[x
k
[
q
è convergente.
3.29 Problema. Data la seguente successione di successioni, calcolare le quantità
|x
(2)
|
e |x
(5)
|
3
x
(n)
k
:=
n
2
2
n+k
k = 1, 2, 3, . . .
Risp: 1/2 ; 25/(32
3
7).
12
non confondetevi con il fatto che
0
è pi` u grande di tutti gli
p
. Il pedice 0 che appare in
0
ha
un signicato diverso
3.30 Problema. Consideriamo la successione di successioni (x
(n)
)
n=1
data da
x
(n)
k
:=
_
1 se k n
0 se k > n
Calcolare |x
(1)
|
, |x
(4)
|
, |x
(8)
|
1
e |x
(n)
|
4
.
3.31 Problema. Sia (x
(n)
) una successione di elementi di
1
. Dimostrare che
lim
n
|x
(n)
|
1
= 0 lim
n
|x
(n)
|
= 0
Far vedere che linverso è falso, trovando un esempio di una successione (x
(n)
) tale che
lim
n
|x
(n)
|
= 0 ma lim
n
|x
(n)
|
1
,= 0 .
La convergenza puntuale di una successione di successioni (x
(n)
) è una nozione di con-
vergenza piuttosto debole.
`
E facile vericare che se una successione converge in norma
| |
allora converge anche puntualmente. A maggior ragione converge puntualmente

se converge rispetto a | |
p
. Viceversa non è dicile far vedere che esistono successioni
di successioni convergenti puntualmente ma non in | |
.
3.32 Problema. Fare un esempio di una successione (x
(n)
) di elementi di
che
converge puntualmente (componente per componente) a zero, ma non converge in
norma, cioè
lim
n
|x
(n)
|
,= 0 .
Potrebbe venire il sospetto che la convergenza puntuale sia necessariamente pi` u debole
di una qualsiasi convergenza in norma. Non è cos`.
3.33 Problema. Trovare una norma | | sullo spazio vettoriale
tale che esiste una *

successione (x
(n)
) di elementi di
che converge a zero in norma, ma non puntual-

mente. Esibire esplicitamente questa successione.
3.5.4 Lo spazio delle successioni nite:
f
f
è denito come linsieme di tutte le successioni nite, vale a dire quelle successioni
x = (x
0
, x
1
, x
2
, . . .) = (x
i
)
i=0
, per le quali esiste K tale che x
i
= 0 se i > K.
f
è uno spazio vettoriale (dimostrarlo!) e, poichè si ha linclusione ovvia
(3.35)
f

p

p 1
possiamo trasformare
f
in uno spazio vettoriale normato scegliendo la norma | |
oppure la norma | |
p
con p 1.
3.34 Problema. Per quali valori di R la successione
x
k
=
1
k
appartiene agli spazi

f
?
p
?
0
?
?
Risp: mai; > 1/p; > 0; 0.
3.6. SPAZI INFINITO DIMENSIONALI: SPAZI DI FUNZIONI 57
3.6 Spazi innito dimensionali: spazi di funzioni
3.6.1 Gli spazi C[a, b], C
b
(R), C
0
(R), C
c
(R)
Si considerino i seguenti spazi di funzioni reali a valori reali
(1) C[a, b], linsieme delle funzioni continue su [a, b].
(2) C
b
(R), linsieme delle funzioni continue e limitate su R.
(3) C
0
(R), linsieme delle funzioni continue che convergono a zero allinnito.
(4) C
c
(R), linsieme delle funzioni continue che hanno supporto compatto, vale a dire
che sono nulle al di fuori di un intervallo nito.
Spesso è utile considerare funzioni reali a valori complessi. In quel caso si usa il simbolo
C
b
(R; C) al posto di C
b
(R) e analogamente per gli altri spazi.
3.35 Proposizione. Gli insiemi C[a, b], C
b
(R), C
0
(R), C
c
(R) sono spazi vettoriali.
Si ha inoltre C
c
(R) C
0
(R) C
b
(R). Inne lapplicazione
|f|
u
:= sup
x[a,b]
[f(x)[
è una norma su C[a, b], mentre lapplicazione
|f|
u
:= sup
xR
[f(x)[
è una norma su ciascuno degli spazi C
b
(R), C
0
(R), C
c
(R).
Dimostrazione. (pi` u o meno ovvia)
Osserviamo che la convergenza rispetto alla norma | |
u
non è nientaltro che la
convergenza uniforme di una successione di funzioni.
3.6.2 Gli spazi C
p
[a, b], C
p
(R) in cui p [1, )
Se p 1, C
p
[a, b] è linsieme di tutte le funzioni continue sullintervallo [a, b] con norma
(3.36) |f|
p
:=
_
_
b
a
[f(x)[
p
dx
_
1/p
.
Analogamente C
p
(R) è linsieme di tutte le funzioni f : R R continue tali che
|f|
p
< , in cui
(3.37) |f|
p
:=
__
R
[f(x)[
p
dx
_
1/p
3.36 Problema. Dimostrare che (C
p
(R) , | |
p
) è uno spazio vettoriale normato.
3.37 Problema. Determinare per quali valori di R la funzione
(3.38) f(x) :=
1
(1 +x
2
)
appartiene a C
3
(R).
3.38 Problema. Dimostrare direttamente, senza usare la disuguaglianza di Cauchy
Schwarz, che se f, g C
2
(R) il loro prodotto fg appartiene a C
1
(R).
3.39 Problema. Fare un esempio di una funzione f che appartiene a C
2
(R) ma non
a C
1
(R).
3.40 Osservazione. Abbiamo visto al punto 3.26 che
p

0
Si può estendere questa
aermazione agli spazi di funzioni?
`
E vero che C
p
(R) C
0
(R)? In altre parole, si
assuma che
_
R
[f(x)[
p
dx è nito.
Ne segue che lim
x
f(x) = 0? La risposta è no. Prova a pensare ad una funzione
che appartiene, ad esempio, a C
1
(R), ma che non converge a zero allinnito. In
realtà è possibile trovare funzioni in C
p
(R) che non sono neppure limitate. Quindi
C
p
(R) , C
b
(R).
3.41 Problema. Trovare una funzione f C
1
(R) non limitata.
3.42 Problema. Fare un esempio di una funzione f che appartiene a C
1
(R) ma non
a C
2
(R).
3.43 Problema. Dimostrare che C
1
(R) C
b
(R) C
2
(R).
3.44 Problema. Sia p [1, ) e sia f C
1
(R). Dimostrare che per ogni > 0 esiste
un > 0 tale che comunque si scelga un intervallo [a, b] di lunghezza [b a[ < allora
si ha
'
_
b
a
[f(x)[ dx < .
Soluzione. Se le funzioni di C
1
(R) fossero tutte limitate allora sarebbe banale. Sup-
poniamo infatti che sia [f(x)[ M per tutti gli x R. Allora basterebbe prendere
:= /M e la ' sarebbe sosfatta. Ma la vita è piena di amarezze e, in particolare,
le funzioni di C
1
non sono necessariamente limitate.
Se potessimo considerare, invece che tutto lasse reale, un intervallo chiuso e limitato,
allora avremmo risolto, perchè una funzione continua su tale intervallo ha un massimo
e un minimo, quindi si avrebbe [f(x)[ M su tutto lintervallo. Lidea è di pensare R
come la somma di 3 pezzi
R = (, K) [K, +K] (K, )
in cui il pezzo importante è quello centrale, mentre i due pezzi allesterno contano
poco. Per trasformare questi vagheggiamenti in matematica mi ricordo cosa signica
che f C
1
(R)
f C
1
(R)
_
R
[f(x)[ dx = lim
K+
_
+K
K
[f(x)[ dx = C < .
Ponendo
I(K) :=
_
+K
K
[f(x)[ dx
posso dire che K I(K) è una funzione crescente che tende a C quando K tende
a +. In altre parole, per ogni > 0 esiste L > 0 tale che I(L) > C /2. Ma
se I(L) > C /2 allora il resto dellintegrale, quello su gli intervalli (, L] e
[+L, +) vale al massimo /2. Riassumendo ho trovato che
> 0 L > 0 tale che
_
L
[f(x)[ dx +
_
+
+L
[f(x)[ dx <

2
.
3.6. SPAZI INFINITO DIMENSIONALI: SPAZI DI FUNZIONI 59
Bene, siamo quasi arrivati. Dato che f è continua in [L, +L] esisterà M > 0 tale che
[f(x) M x [L, L] .
Poniamo
:= /(2M) .
In questo modo ottengo che se [a, b] è un qualsiasi intervallo di lunghezza non superiore
a , allora, indipendendemente da dove si trova questo intervallo, posso scrivere
_
b
a
[f(x)[ dx < (b a) M +
_
L
[f(x)[ dx +
_
+
+L
[f(x)[ dx

2
+

2
= .
3.6.3 Altri spazi vettoriali importanti
(1) R
lisnsieme delle successioni

(2) C(R) linsieme delle funzioni continue
(3) P(R) linsieme dei polinomi
(4) C
k
(R) linsieme delle funzioni derivabili k volte con la derivata ksima continua
(5) C
k
[a, b] linsieme delle funzioni f derivabili k volte con derivata ksima continua
su (a, b) tali che per ogni i = 0, 1, . . . , k esistono e sono niti i limiti
lim
xa
+
f
(i)
(x) lim
xb
f
(i)
(x)
(6) C
k
0
(R) linsieme delle funzioni f C
k
(R) tali che lim
x
f
(i)
(x) = 0 per ogni
i = 0, 1, . . . , k.
(7) C
k
c
(R) linsieme delle funzioni f C
k
(R) con supporto compatto.
(8) C
(R) linsieme delle funzioni innitamente dierenziabili.

(9) C
0
(R) linsieme delle funzioni innitamente dierenziabili tali che
lim
x
f
(i)
(x) = 0 per i = 0, 1, 2, 3, . . .
(10) C
c
(R) linsieme delle funzioni innitamente dierenziabili con supporto compatto.
(11) o(R) (spazio di Schwarz o delle funzioni C
rapidamente decrescenti), linsieme

di tutte le funzioni f innitamente dierenziabili tali che per ogni j, k N esiste
C
j,k
> 0 tale che sup
xR
[x
j
f
(k)
(x)[ C
j,k
Riassunto inclusioni fra spazi vettoriali:
f

1

2

3

3.1

9

0

C
c
(R) C
0
(R) C
b
(R) C(R)
C
c
(R) C
2
(R) C(R)
P(R) C
(R) C
2
(R) C
1
(R) C(R)
3.45 Problema. Nei casi seguenti: se | | è una norma dire semplicemente che è
una norma, mentre se non lo è dimostrare esplicitamente che viola almeno una delle
proprietà della norma.
(a) V = R
3
e |x| = [x
1
[ +[x
3
[ +[x
2
x
3
[
(b) V = C
3
[a, b] e |f| = f(0) + sup
x[a,b]
[f
t
(x)[
(c) V = C
b
(R) e |f| =
_
R
]f(x)]
1+]x]
dx
(d) V = C
0
(R) e |f| =
_
[f(x)[ dx
(e) V = R
3
e |x| = [x
1
+x
2
+x
3
[
(f) V =
2
e |x| =
k=1
[x
k
[
(g) V =
1
e |x| =
k=1
]x
k
]
k
Soluzione.
(a)
`
E una norma.
(b) Non è una norma. Infatti si prenda f(x) = 1. Allora |f| = 1, mentre la norma
deve essere non negativa.
(c) Non è una norma. Infatti si prenda f(x) = 1. Allora si ha
|f| =
_
R
dx
1 +[x[
=
mentre la norma deve essere nita.
(d) Non è una norma. Infatti si prenda f(x) =
1
1+]x]
. Questa funzione appartiene a
C
0
(R), però
_
R
[f(x)[ dx =
_
R
dx
1 +[x[
= .
(e) No. Viola la positività stretta. Infatti se x := (1, 1, 0) ottengo |x| = 0.
(f) No. La sommatoria può essere divergente. Sia infatti x
k
= 1/k. Allora (x
k
)
2
,
ma
k=1
1/k = .
(g) S`.
3.46 Problema. Determinare i valori di R per i quali la funzione f appartiene a
C
1
(R) (lo spazio delle funzioni continue f tali che | f|
1
< ).
(a) f(x) :=
1
(2 +x
4
)
(b) f(x) :=
(1 +[x[)
e
]x]
(c) f(x) :=
exp
_
_
log(1 +x
2
)
2
_
1 +[x[
Risp: (a) > 1/4. (b) R. (c) Mai. Il numeratore cresce pi` u velocemente di qualsiasi
potenza.
3.47 Problema. Determinare i valori di R per i quali la funzione indicata ap-
partiene a C
p
(R) (lo spazio delle funzioni continue f tali che
_
R
[f(x)[
p
dx < ).
(a)
x sin x
(1 +x
2
+x
4
)
(b)
[ log(1 +x
2
) ]
1 +x
2
(c) e
]x]
(d)
[x[
1 +x
8
Risp: (a) >
1
4
+
1
4p
. (b) R. (c) > 0. (d) 0 < 8
1
p
.
3.48 Problema. Determinare i valori di R per i quali la funzione f appartiene a
C
1
(R) (lo spazio delle funzioni continue f tali che
_
R
[f(x)[dx < ).
(a) f(x) :=
1
(2 +x
6
)
(b) f(x) :=
1 +[x[
5 +e
]x]
(c) f(x) :=
x
2
cos x
1 +[x[
Soluzione. (a) > 1/6.

(b) > 0.
3.7. INDIPENDENZA LINEARE 61
(c) > 3. Infatti se > 3 ottengo:
_
R
[f(x)[ dx
_
R
x
2
1 +[x[
e quindi lintegrale è convergente. Far vedere che lintegrale

_
R
[f(x)[ dx è divergente
per 3 è leggermente pi` u complicato a causa della presenza del coseno. Procedo
nel modo seguente:
_
R
[f(x)[ dx
_

0
[f(x)[ dx =
_
2
0
[f(x)[ dx +
_
4
2
[f(x)[ dx +
_
6
4
[f(x)[ dx +
_
/3
0
[f(x)[ dx +
_
2+/3
2
[f(x)[ dx +
_
4+/3
4
[f(x)[ dx +
=
n=1
_
2n+/3
2n
x
2
[ cos x[
1 +[x[
dx.
In ciascuno di questi intervalli [2n, 2n +/3] si ha [ cos x[ 1/2, mentre
13
x
2
1 +[x[

(2n)
2
1 + (2n +/3)
x [2n, 2n +/3]
Abbiamo quindi ottenuto
[f(x)[
1
2
(2n)
2
1 + (2n +/3)
x [2n, 2n +/3]
Per cui
_
R
[f(x)[ dx
1
2
n=1
(2n)
2
1 + (2n +/3)
Per n grandi il termine nsimo della sommatoria va come n

2
, quindi la sommatoria
è divergente se 3. A maggior ragione diverge lintegrale.
3.7 Indipendenza lineare
3.49 Denizione. Un insieme di vettori u
1
, . . . u
k
in uno spazio vettoriale reale (o
complesso) V è detto linearmente dipendente se esistono k numeri reali (o complessi)
c
1
, . . . , c
k
non tutti uguali a zero tali che
(3.39) c
1
u
1
+ +c
k
u
k
= 0
u
1
, . . . u
k
si dicono linearmente indipendenti se (sorpresa) non sono linermente dipen-
denti. Un insieme innito di vettori / := u
: I è detto linearmente indipen-

dente se ogni sottoinsieme nito di / è linearmente indipendente.
3.50 Proposizione. Un insieme di vettori u
1
, . . . u
k
è linearmente dipendente se e
solo se uno di questi vettori può essere espresso come combinazione lineare degli altri.
3.51 Denizione. La dimensione di uno spazio vettoriale V è il massimo numero di
vettori linearmente indipendenti in V (questo numero può essere innito, nel qual caso
V è detto innito dimensionale).
13
possiamo supporre > 0 altrimenti è ovvio che lintegrale diverge
3.52 Esempio. Sia V = P[0, 1]. Allora i vettori
(3.40) u
0
= 1, u
1
= x, u
2
= x
2
, u
3
= x
3
, u
4
= x
4
sono linearmente indipendenti. (Dimostrarlo. Suggerimento: si assuma c
0
u
0
+ +
c
4
u
4
= 0 e si derivi alcune volte la precedente identità).
3.53 Problema. Dimostrare che le funzioni 1, e
x
, e
2x
, e
3x
sono linearmente indipen-
denti in C[0, 1].
3.54 Problema. Dimostrare che 1, sin x, sin(2x), sin(3x) sono linearmente indipen-
denti in C[0, 2].
Soluzione. Assumiamo
(3.41) c
0
1 +c
1
sin x +c
2
sin(2x) +c
3
sin(3x) = 0
Attenzione: Lo 0 che appare a destra nella precedente uguaglianza è lelemento zero
in C[0, 2], cioè la funzione zero. Quindi la precedente uguaglianza signica
(3.42) c
0
+c
1
sin x +c
2
sin(2x) +c
3
sin(3x) = 0 per ogni x [0, 2].
Dobbiamo far vedere che i coecienti c
i
sono tutti uguali a zero. Il trucco consiste
nello scegliere valori appropriati di x nella (3.42), in modo da trasformare la (3.42) in
un sistema di equazioni lineari la cui unica soluzione è c
0
= = c
3
= 0. Infatti si ha
(x = 0) c
0
= 0
(x = /2) c
0
+c
1
c
3
= 0
(x = /3) c
0
+
3
2
(c
1
+c
2
) = 0
(x = 2/3) c
0
+
3
2
(c
1
c
2
) = 0
Questo sistema si risolve facilmente e lunica soluzione è infatti c
0
= = c
3
= 0
14
3.7.1 Come si dimostra che un insieme di vettori è linearmente
indipendente?
Consideriamo diversi casi. V è il nostro spazio vettoriale.
(1) V = R
n
e avete n vettori. In questo caso con gli n vettori costruite una matrice
quadrata nn e calcolate il determinante. I vettori sono linearmente indipendenti
se e solo se il determninante è diverso da zero.
(2) V = R
n
e avete m vettori con m > n. Uhm. . . questo è un caso segreto e non sono
autorizzato a rivelarne la soluzione.
(3) V = R
n
e avete m vettori con m < n. Facciamo nta che i vettori siano u
1
=
(2, 3, 1, 0), u
2
= (1, 5, 2, 1) e u
3
= (1, 2, 2, 1). Costruite la matrice 4 3 usando i
3 vettori come righe della matrice
(3.43)
_
_
2 3 1 0
1 5 2 1
1 2 2 1
_
_
14
vedremo in futuro un metodo migliore per dimostrare che le funzioni trigonometriche sono linear-
mente indipendenti (ma allora perchè non abbiamo aspettato di imparare questo metodo per risolvere
lesercizio?)
3.8. INSIEMI COMPLETI DI VETTORI E BASI 63
e riducete questa matrice a forma triangolare usando il vosto metodo preferito
(metodo di Gauss descritto nella Sezione 1.2.1, oppure usando un computer e
scrivendo un programmetto, o meglio ancora convincendo vostro zio a farlo a
posto vostro). Se alla ne ottenete una matrice con una o pi` u righe di tutti zeri i
vettori sono linermente dipendenti, altrimenti sono linearmente indipendenti.
(4) V è uno spazio di funzioni e avete n funzioni f
1
, . . . , f
n
. Bisogna considerare due
sottocasi. Se pensate che le funzioni siano linearmente dipendenti allora bisogna
provare a intuire una qualche identità notevole che potrebbe creare questa
dipendenza lineare. Ad esempio le funzioni
3, cos
2
(x), cos(2x)
sono linearmente dipendenti. Infatti, poichè
cos(2x) = cos
2
(x) sin
2
(x)
otteniamo
6 cos
2
(x) 3 cos(2x) = 3 cos
2
(x) + 3 sin
2
(x) = 3 .
Nel caso in cui si vuole invece dimostrare che le funzioni sono linearmente indipen-
denti ci sono due strategie che potrebbero funzionare. La prima è di considerare
lidentità
(3.44) c
1
f
1
(x) + +c
n
f
n
(x) = 0
e derivarla un certo numero di volte (Esempio 3.52). Unaltra possibilità è quella di
usare la (3.44) con n valori specici x
1
, . . . , x
n
della variabile x scelti opportuna-
mente. In questo modo otteniamo un sistema di n equazioni lineari in n incognite
e possiamo procedere con nel caso (1) (Problema 3.54). Attenzione però: se otte-
nente un determinante diverso da zero allora avete dimostrato che le funzioni sono
linearmente indipendenti, ma se il determinante è nullo non si può raggiungere
alcuna conclusione! Riprovate con valori diversi degli x
i
.
3.8 Insiemi completi di vettori e basi
3.55 Denizione. Il sottospazio generato da un insieme di vettori (u
)
I
è il pi` u
piccolo sottospazio K tale che u
K per ogni I. Questo sottospazio si denota

con il simbolo
15
(3.45) spanu
: I
Linsieme dei vettori (u
) può essere nito, numerabile o non numerabile.

In altre parole spanu
: I è linsieme di tutti i vettori che possono essere espressi

come combinazione lineare nita degli u
, vale a dire quei vattori che si possono scrivere

come
(3.46) u = c
1
u
1
+ +c
n
u
n
n N,
i
I
15
span{u
} viene denotato con il simbolo L({u
}) in KF (qualcuno potrebbe essere erroneamente

indotto a pensare che lautore continua a cambiare tutte le notazioni rispetto a KF solo per confondere
il lettore).
3.56 Esempio. Nello spazio vettoriale C(R) consideriamo i vettori
u
0
(x) = 1 u
1
(x) = x u
2
(x) = x
2
u
n
(x) = x
n

In questo caso si ha
spanu
n
: n N = P(R) ,
vale a dire linsieme delle combinazioni lineari nite di 1, x, x
2
, . . . non è nientaltro che
linsieme dei polinomi su R.
3.57 Problema. Consideriamo nello spazio
0
i vettori
e
(k)
:= ( 0 , 0 , . . . , 0 , 1 , 0 , 0 , . . . )
(k)
Identicare lo spazio generato da tutti questi vettori
(3.47) spane
(k)
: k = 1, 2, 3, . . . = ?
Nel caso di uno spazio vettoriale nito dimensionale V una base viene denita come
una collezione di vettori u
1
, u
2
, . . . , u
n
con due proprietà: innanzi tutto devono essere
linearmente indipendenti, in secondo luogo deve valere
spanu
1
, . . . , u
n
= V ,
come a dire che ogni elemento di V si deve poter scrivere come combinazione lineare
(necessariamente nita) degli u
n
. Nel caso innito dimensionale questa denizione è
troppo restrittiva per il seguente motivo. Prendiamo lo spazio
0
e i vettori della base
canonica
16
e
(k)
:= ( 0 , 0 , . . . , 0 , 1 , 0 , 0 , . . . )
(k)
.
Poichè si ha spane
(k)
: k = 1, 2, . . . =
f
se utilizzassimo questa denizione potremmo
dire che i vettori e
(k)
sono una base per
f
ma non per
0
. Per questo motivo conviene
modicare la denizione di base.
Ricordo la seguente denizione:
3.58 Denizione. Se Y e Z sono due sottoinsiemi di uno spazio metrico (X, d) si
dice che Y è denso in Z se Y Z, vale a dire se per ogni z Z e per ogni > 0 esiste
y Y tale che d(z, y) < .
17
Un modo equivalente di dire la stessa cosa è il seguente:
per ogni z Z esiste una successione (y
n
) di elementi di Y tale che y
n
z.
Nel caso in cui Z coincida con lintero spazio metrico X, dire che Y è denso in X
equivale ovviamente alla condizione Y = X.
3.59 Denizione. Un insieme di vettori (u
)
I
in uno spazio vettoriale normato
(V, | |) è detto completo
18
se spanu
: I è denso in V , vale a dire se

spanu
: I = V
In altre parole dire che un insieme di vettori (u
) è completo equivale a dire che ogni

vettore v V , può essere approssimato con precisione arbitraria con una combinazione
lineare nita degli u
. Pi` u precisamente deve valere la seguente condizione: per ogni

v V e per ogni > 0 esiste una combinazione lineare nita degli u
(3.48) u = c
1
u
1
+ +c
n
u
n
tale che |u v| < .
16
in realtà ancora non ho detto cosè una base
17
nel caso di spazi vettoriali normati dovrà essere z y < .
18
da non confondere con la completezza di uno spazio metrico
3.8. INSIEMI COMPLETI DI VETTORI E BASI 65
3.60 Denizione. Un insieme di vettori (u
)
I
in uno SVN (V , | |) è detto una
base se è un insieme di vettori linearmente indipendente e completo.
f
è denso in (
0
, | |
) (di conseguenza i vettori

unitari canonici e
(1)
, e
(2)
, e
(3)
, . . . sono una base in questo spazio).
Soluzione. Sia x = (x
1
, x
2
, . . .) un elemento arbitrario in
0
. Faccio vedere che esiste
una successione (x
(n)
) di elementi di
f
tale che x
(n)
x, cioè tale che
lim
n
|x
(n)
x|
= 0 .
Denisco la successione approssimante x
(n)
semplicemente mediante troncamenti della
successione x che voglio ottenere come limite.
x
(1)
:= (x
1
, 0, 0, 0, . . . )
x
(2)
:= (x
1
, x
2
, 0, 0, . . . )
.
.
.
x
(n)
:= (x
1
, x
2
, . . . , x
n
, 0, 0, . . . )
.
.
.
Ora non resta che calcolare |xx
(n)
|
e far vedere che tende a zero. Infatti abbiamo

x x
(n)
= (0, 0, . . . , 0, 0, x
n+1
, x
n+2
, x
n+3
, . . . ) ,
per cui
|x x
(n)
|
:= sup[x
n+1
[ , [x
n+2
[ , . . . = sup
k>n
[x
k
[ =: M
n
.
Bisogna far vedere che
lim
n
M
n
= lim
n
sup
k>n
[x
k
[ = limsup
n
[x
n
[ = 0 .
Ma poichè x
0
, per denizione si ha che x
n
tende a zero, che, come è noto, implica
che limsup
n
[x
n
[ = 0.
f
non è denso in (
, | |
).
3.63 Problema. Nello spazio vettoriale normato (C
0
(R), ||
u
) si consideri la funzione
f(x) := 1/(1 + x
2
). Determinare una funzione g C
c
(R) tale che |f g|
u
1/10.
Disegnare il graco di f e g.
3.64 Problema. Dimostrare che lo spazio C
c
(R) è denso in (C
0
(R) , | |
u
), ma non
in (C
b
(R) , | |
u
).
Schema di soluzione. (1). Dimostrazione che C
c
(R) è denso in C
0
(R). Sia f C
0
(R).
Lidea è di denire una successione di funzioni f
n
C
b
(R) mediante un troncamento
di f, cioè denendo f
n
= 0 al di fuori dellintervallo [n, n]. Proprio cos` purtroppo la
cosa non funziona, perchè f
n
in generale non sarà una funzione continua, quindi serve
una costruzione leggermente pi` u complicata. . .
(2). Dimostrazione che C
c
(R) non è denso in C
b
(R). Sia f(x) = 1. Questa è una
funzione appartenente a C
b
(R), ma non cè speranza alcuna di poterla approssimare
con una funzione g C
c
(R), perchè si ha necessariamente
|f g|
u
= . . . g C
c
(R) .
`
E noto che in uno spazio vettoriale nitodimensionale tutti i sottospazi (gli iperpiani)
sono chiusi. Questa proprietà non è pi` u vera nel caso innitodimensionale.
f
non è chiuso in (
, | |
).
Soluzione. Consideriamo la seguente successione di elementi di
f
x
(1)
= (1, 0, 0, 0, 0, 0 . . .)
x
(2)
= (1,
1
2
, 0, 0, 0, 0 . . .)
x
(3)
=
_
1,
1
2
,
1
3
, 0, 0, 0 . . .
_
etc.
`
E facile dimostrare che x
(n)
converge, nella norma | |
, alla successione
(3.49) x =
_
1,
1
2
,
1
3
,
1
4
, . . . ,
1
n
, . . .
_
.
Ma x non appariene a
f
, quindi x è un punto limite esterno di
f
. Di conseguenza
f
non è chiuso in (
, | |
).
3.66 Proposizione.
0
è un sottospazio chiuso di (
, | |
).
Dimostrazione. Dobbiamo far vedere che se
(i) x
(n)
è una successione di elementi di
0
, e
(ii) lim
n
|x
(n)
x|
= 0
allora x
0
, cioè x è una successione che converge a zero. Sia allora:
x
(1)
= (x
(1)
0
, x
(1)
1
, x
(1)
2
, . . .)
x
(2)
= (x
(2)
0
, x
(2)
1
, x
(2)
2
, . . .)
.
.
.
x
(n)
= (x
(n)
0
, x
(n)
1
, x
(n)
2
, . . .)
.
.
.
x = (x
0
, x
1
, x
2
, . . .)
Dobbiamo far vedere che lim
i
x
i
= 0, vale a dire che (per denizione)
(3.50) > 0 esiste N > 0 tale che i N [x
i
[ < .
Possiamo scrivere
(3.51) [x
i
[ = [x
i
x
(n)
i
+x
(n)
i
[ [x
i
x
(n)
i
[ +[x
(n)
i
[ |x x
(n)
|
+[x
(n)
i
[
Grazie allipotesi (ii) sappiamo che per ogni > 0 esiste N tale che se n N allora
|x x
(n)
|
< . Quindi, in particolare, possiamo scegliere n = N e otteniamo

(3.52) |x x
(N)
|
< .
Ponendo n = N nella (3.51) e usando la (3.52) troviamo
(3.53) [x
i
[ |x x
(N)
|
+[x
(N)
i
[ +[x
(N)
i
[ .
Di conseguenza
(3.54) lim
i
[x
i
[ + lim
i
[x
(N)
i
[ .
3.9. COMPLETEZZA. SPAZI DI BANACH 67
Daltra parte sappiamo che x
(N)
è un elemento di
0
, per cui lim
i
[x
(N)
i
[ = 0.
Questo implica che
(3.55) lim
i
[x
i
[ .
Poichè è arbitrario, questo implica che lim
i
[x
i
[ = 0 vale a dire che x
0
.
Seconda dimostrazione. Diamo una seconda dimostrazione meno diretta ma pi` u corta.
Vogliamo far vedere che
0
è aperto. Questo implica che
0
è chiuso. Al ne di
dimostrare che
0
è aperto, facciamo vedere che per ogni x
0
esiste > 0
tale che la distanza fra x e
0
è almeno , vale a dire
(3.56) |x y|
y
0
.
Ciò signica che per ogni x
0
esiste > 0 tale che la palla B
/2
(x) è interamente
contenuta in
0
, quindi
0
è aperto e la dimostrazione è nita.
Sia allora x
0
. Dobbiamo trovare > 0 tale che valga la (3.56). Siccome x non
converge a zero sappiamo che
esiste
0
> 0 e una successione x
n(k)
tale che [x
n(k)
[
0
per ogni k.
Ma se y
0
, y converge a zero, quindi esiste N tale che se i N allora [y
i
[ <
0
/2.
Quindi abbiamo che se n(k) N allora
[x
n(k)
y
n(k)
[
0
0
/2 =
0
/2
e questo implica
(3.57) |x y|
= sup
iN
[x
i
y
i
[
0
/2 y
0
Dunque la (3.56) è stata dimostrata con =
0
/2.
3.9 Completezza. Spazi di Banach
3.67 Denizione. Uno spazio di Banach è uno spazio vettoriale normato completo.
3.68 Proposizione. (
, | |
) è completo.
Dimostrazione. Sia x
(n)
una successione di Cauchy in
. Allora > 0 esiste N tale

che
(3.58) |x
(n)
x
(m)
|
< n, m N
il che implica
(3.59) [x
(n)
i
x
(m)
i
[ < i n, m N
Quindi, ssato lindice i, si ha che la successione reale (x
(n)
i
)
n=1
è di Cauchy. Poichè
R è completo questa successione è convergente, vale a dire per ogni i esiste x
i
R tale
che
(3.60) lim
n
x
(n)
i
= x
i
Consideriamo ora la successione x = (x
1
, x
2
, x
3
, . . .). Dobbiamo far vedere che:
(a) x
(b) x
(n)
converge a x nello spazio
, vale a dire lim

n
|x
(n)
x|
= 0
Prendendo il limite m nella (3.59) ottengo che > 0 esiste N tale che
(3.61) [x
(n)
i
x
i
[ i n N
Quindi se n N si ha
(3.62) x
(n)
x
e |x
(n)
x|

Ma allora x può essere scritta come somma x = x
(n)
+ (x x
(n)
) di due elementi
di
. Di conseguenza x
. Daltra parte la (3.62), per denizione, ci dice che

x
(n)
x.
3.69 Proposizione. Per ogni p 1, (
p
, | |
p
) è completo.
Dimostrazione. Sia
_
x
(n)
_
una successione di Cauchy in
p
. Per denizione di succes-
sione di Cauchy si ha
> 0 N > 0 tale che n, k N si ha |x
(n)
x
(k)
|
p
< .
Quindi se n, k N
(3.63)
i=1
x
(n)
i
x
(k)
i
p
<
p
.
Di conseguenza
(3.64)
x
(n)
i
x
(k)
i
< i, n, k N .
Questo signica che per ogni i la successione di numeri reali x
(1)
i
, x
(2)
i
, x
(3)
i
, . . . è
una successione di Cauchy in R. Ma fortunatamente R è completo, quindi ognuna
di queste successioni è convergente ad un qualche numero reale che chiamo x
i
. Ho
ottenuto dunque
lim
n
x
(n)
i
= x
i
.
Consideriamo ora la successione
x := (x
1
, x
2
, x
3
, . . . ).
Voglio far vedere che
(a) x
p
(b) x
(n)
converge a x in
p
, vale a dire lim
n
|x
(n)
x|
p
= 0 .
Se dimostro queste due aermazioni ho dimostrato che
p
è completo.
Dimostrazione quasi giusta dei punti (a) e (b). Scelgo n N, poi uso la (3.63)
facendo tendere k allinnito. Ottengo cos`
(3.65)
i=1
x
(n)
i
x
i
p

p
.
Questa disuguaglianza mi dice che se n N il vettore x
(n)
x appartiene allo spazio
p
e che la sua norma è |x
(n)
x|
p
. Ma il vettore x può essere scritto come somma
x = x
(n)
+ (x x
(n)
)
di due vettori che appartengono entrambi a
p
, per cui anche x appartiene ad
p
.
Contemporaneamente abbiamo fatto vedere che per ogni > 0 esiste un N tale che se
n N allora |x x
(n)
|
p
, che è propio la denizione del fatto che
lim
n
|x
(n)
x|
p
= 0, ovvero che x
(n)
x in
p
.
Quindi abbiamo dimostrato che x
(n)
è una successione convergente. Di conseguenza
p
è completo. Fine della quasi dimostrazione
Al precedente argomento va fatta una piccola modica, perchè nellespressione
lim
k
i=1
x
(n)
i
x
(k)
i
p

p
al ne di ottenere la (3.65), abbiamo scambiato il limite con la serie, operazione che
porta in qualche occasione a fare degli errori. Ma non in questo caso. Infatti, procedo
ora in modo corretto e ottengo lo stesso risultato. Innanzitutto dalla (3.63) si deduce
che
L > 0
L
i=1
x
(n)
i
x
(k)
i
p

p
.
Ora ho una somma nita e posso eettivamente scambiare il limite per k con la
somma
lim
k
L
i=1
x
(n)
i
x
(k)
i
p
=
L
i=1
x
(n)
i
x
i
p

p
.
Ma questa disuguaglianza è valida per ogni L, quindi posso far tendere L allinnito e
ottengo
lim
L
L
i=1
x
(n)
i
x
i
p

p
vale a dire
i=1
x
(n)
i
x
i
p

p
.
Ora che ho di nuovo ottenuto la (3.65) per benino concludo come in precedenza.
3.70 Proposizione. Lo spazio vettoriale normato (C
b
(R) , | |
u
) è completo.
Dimostrazione. Sia (f
n
)
n=1
una successione di Cauchy in (C
b
(R) , | |
u
). Devo di-
mostrare che esiste una funzione f appartenente a C
b
(R) tale che
(3.66) lim
n
|f f
n
|
u
= 0 .
Dire che la successione (f
n
) è di Cauchy nello spazio (C
b
(R) , | |
u
) signica, per
denizione, che
(3.67) > 0 N tale che n, k N si ha |f
n
f
k
|
u
< .
Usando la denizione di | |
u
la precedente aermazione implica
(3.68) > 0 N tale che n, k N e x R si ha [f
n
(x) f
k
(x)[ < .
A questo punto conviene portare il quanticatore x R allinizio, ottenendo cos`
x R [ > 0 N tale che n, k N si ha [f
n
(x) f
k
(x)[ < ] .
Ora mi accorgo che il contenuto della parentesi [. . . ] signica nè pi` u nè meno che
la successione numerica (f
n
(x)) è di Cauchy. Questa deve essere la nostra giornata
fortunata, perchè R è completo, quindi una successione numerica di Cauchy è neces-
sariamente convergente. Dunque per ogni x R la successione (f
n
(x)) deve avere un
limite che chiamo subdolamente f(x). Siamo arrivati a dire che
(3.69) x R si ha lim
n
f
n
(x) = f(x) .
La (3.69) ci dice che la successione di funzioni (f
n
) converge puntualmente alla funzione
f. Questo è un passo avanti, ma non è quello che ci serve. Quello che dobbiamo
dimostrare infatti è che
(a) f C
b
(R), cioè f è continua e limitata
(b) vale la (3.66), cioè la successione (f
n
) converge ad f uniformemente.
In realtà la (b) è suciente perchè se abbiamo la convergenza uniforme, allora è noto
che se una successione di funzioni continue e limitate converge uniformemente a qual-
cosa, il qualcosa è per forza continuo e limitato. Il problema è dunque quello di
trasformare la convergenza puntuale in convergenza uniforme. Per far questo riparti-
amo dalla (3.68) e facciamo il limite per k . In questo modo otteniamo
19
(3.70) > 0 N tale che n N e x R si ha [f
n
(x) f(x)[ ,
aermazione che può essere riscritta pi` u semplicemente come
(3.71) > 0 N tale che n N |f
n
f|
u
.
Ma la (3.71) signica proprio che lim
n
|f
n
f|
u
= 0, esattamente quello che dovevo
dimostrare.
3.71 Proposizione. Lo spazio vettoriale normato (C
p
(R) , | |
p
) non è completo.
Schema di dimostrazione. Prendiamo ad esempio lo spazio C
1
[1, 1], tanto non cambia
niente. Per far vedere che C
1
[1, 1] non è completo bisogna costruire una successione
di funzioni (f
n
) che sia di Cauchy ma non convergente. Lidea in questo caso è di
prendere una successione di Cauchy che converga a qualcosa che sta fuori dallo spazio
C
1
[1, 1]. In particolare si può pensare ad una successione di funzioni continue che
converge ad una funzione non continua. Ovviamente bisognerà far vedere che questa
successione è di Cauchy. Consideriamo la seguente successione di funzioni
f
n
(x) =
_
_
0 se x [1, 0]
nx se x (0, 1/n)
1 se x [1/n, 1]
Faccio vedere che è una successione di Cauchy. Sia N un intero positivo e siano
n, k N. Supponiamo (ad esempio) che sia n k. Allora
|f
n
f
k
|
1
=
_
1
1
[f
n
(x) f
k
(x)[ dx
=
_
0
1
0 dx +
_
1/n
0
(n k)xdx +
_
1/k
1/n
(1 kx) dx +
_
1
1/k
0 dx
_
1/k
0
1 dx =
1
k

1
N
.
19
attenzione al fatto che il < facendo il limite diventa
Abbiamo cos` dimostrato che
per ogni n, k N si ha |f
n
f
k
|
1
1/N ,
che signica che la successione (f
n
) è di Cauchy.
Ora è evidente che la successione (f
n
) converge puntualmente alla funzione discontinua
f(x) =
_
0 se x [1, 0]
1 se x (0, 1].
Di conseguenza è impossibile che (f
n
) possa convergere in norma | |
1
ad una qualche
funzione continua g (dimostrarlo non è dicile).
3.72 Rimembranza. Ricordo quanto dimostrato nella Proposizione 2.33. Se (V , ||)
è uno spazio vettoriale normato completo e K è un sottospazio di V , allora (K , | |)
è completo se e solo se K è chiuso in V . Ad esempio, il risultato del problema 3.65 ci
dice che lo spazio (
f
, | |
) non è completo.
0
, | |
) è completo.
Dimostrazione. La Proposizione 3.68 ci dice che lo SVN (
, | |
) è completo. La
Proposizione 3.66 aerma che (
0
, | |) è chiuso in (
, | |
). Quindi, per quanto

osservato al punto 3.72, (
0
, | |
) è completo.
f
, | |
) non è completo.
Dimostrazione. Segue immediatamente da quanto osservato al punto 3.72 e dal risultato
del Problema 3.65.
La Proposizione 3.71 aerma che C
p
(R) non è uno spazio completo. Ma allora si pone
la domanda:
3.75 Problema. Qual è il completamento di C
p
(R)???
Ricapitoliamo a questo punto la strategia per dimostrare che uno spazio è completo.
3.9.1 Riassunto: strategia per dimostrare la completezza di
uno spazio normato
Come si dimostra che uno spazio vettoriale normato è completo?
(1) In generale quello che si fa è prendere una successione (u
n
) di elementi di V ,
assumere che sia di Cauchy e dimostrare che esiste u V tale che u
n
u.
In molti casi per indivinare chi è u si sfrutta il fatto che R è completo (vedi la
dimostrazione della Proposizione 3.68).
(2) Una situazione in qualche senso pi` u semplice è quando V è un sottospazio di uno
spazio vettoriale normato pi` u grande V W (V e W devono essere considerati con
la stessa norma) e sappiamo già che W è completo. In questo caso per dimostrare
che V è completo è suciente far vedere che V è chiuso in W. In pratica si fa
cos`: si prende una successione (u
n
) in V e si assume che questa successione sia
convergente ad un qualche u W. A questo punto si dimostra che in realtà il
punto limite u è un elemento di V (vedi lEsempio 3.66).
Come si dimostra che uno spazio vettoriale normato non è completo?
Dimostrare la non completezza è di solito pi` u facile che dimostrare la completezza.
Lidea è quella di trovare una successione che sembri convergente, ma in realtà converge
ad un punto che si trova al di fuori dello spazio V (vedi il Problema 3.65 o la
Proposozione 3.71).
Ok, va bene, ma perchè noi dovremmo sprecare il nostro tempo a di-
mostrare che uno spazio è (o non è) completo???
Ehm . . .
3.76 Attenzione!. Se (V, | |) è completo e K è un sottospazio chiuso di V allora K è
automaticamente completo. Ad esempio abbiamo visto che
0
è un sottospazio chiuso
dello SVN (
, | |
), e quindi (
0
, | |
) è anchesso completo. Ma se lo spazio

ambiente (V, | |) non è completo allora un sottospazio chiuso di V potrebbe essere
sia completo che non, mentre un sottospazio non chiuso è sicuramente non completo.
Consideriamo lo SVN non completo (
f
, | |
) e consideriamo i seguenti tre sottospazi

di
f
:
(1) K è linsieme di tutte le successioni x = (x
i
)
i=1

f
tali che x
i
= 0 per ogni
i > 3. Quindi K è linsieme di tutte le successioni tali che solo i primi tre elementi
possono essere diversi da zero.
`
E facile vedere che K è chiuso in (
f
, | |
) ed
inoltre è completo;
(2) K è linsieme delle successioni x in
f
in cui tutti gli elementi pari x
2k
sono nulli.
Questo spazio è chiuso in (
f
, | |
), ma non è completo. Il suo completamento

è dato da . . .
(3) K =
f
(Q), vale a dire linsieme di tutte le successioni x = (x
i
)
i=1

f
tali che
ogni elemento x
i
è razionale. K non è chiuso in (
f
, | |
), infatti la chiusura di
K è tutto lo spazio
f
. Non essendo chiuso K non è neanche completo.
Possiamo fare un parallelo fra gli spazi
f
,
0
,
e gli spazi Q, R, C.
Q R C
f

0

C è completo
è completo
R è chiuso in C, quindi R è completo
0
è chiuso in
, quindi
0
è completo
Q è denso in R, quindi Q = R
f
è denso in
0
, quindi
f
=
0
Q non è nè chiuso nè completo
f
non è nè chiuso nè completo
3.10 Separabilità
3.77 Denizione. Un insieme X è detto numerabile se esiste una corrispondenza
biunivoca fra X e N.
20
In altre parole linsieme X è numerabile se esiste un modo per contare tutti gli
elementi di X.
3.78 Proposizione. (a) Il prodotto cartesiano di due insiemi numerabili è numerabile.
(b) Un unione numerabile di insiemi niti o numerabili è numerabile, vale a dire se
A
1
, A
2
, A
3
, . . . sono numerabili allora la loro unione
i=1
A
i
è anchessa numerabile.
20
oppure fra X e linsieme degli interi strettamente positivi {1, 2, 3, . . .}.
3.10. SEPARABILIT
`
A 73
Dimostrazione. (a) Sia X un insieme numerabile, quindi possiamo scrivere
X = x
1
, x
2
, x
3
, . . . .
Il prodotto cartesiano (X X) è linsieme di tutte le coppie ordinate (x
i
, x
j
). Voglio
assegnare ad ogni coppia un intero positivo in maniera biunivoca. Per fare questo
il trucco è quello di contare in diagonale. Chiamo, per brevità x
ij
:= (x
i
, x
j
) e
rappresento X X come una matrice innita
x
11
x
12
x
13

x
21
x
22
x
23

x
31
x
32
x
33

.
.
.
.
.
.
.
.
.
Devo ora assegnare un numero intero positivo a ogni elemento di questa matrice in-
nita. Procedo nel modo seguente: immagino di ruotare la matrice di 45 gradi in
senso orario e di numerare poi i suoi elementi dallalto verso il basso e da destra verso
sinistra. In questo modo ottengo:
x
11
x
21
x
12
x
31
x
22
x
13
x
41
x
32

1 2 3 4 5 6 7 8
`
E chiaro che, con questo procedimento, prima o poi, avrò assegnato un intero positivo
a ciascun elemento di X X in modo iunivoco.
(b) Simile al caso precedente.
Grazie a questo risultato possiamo aermare che gli insiemi Z e Z
n
sono numerabili.
Linsieme Q dei razionali è anchesso numerabile perchè ogni razionale q è un quoziente
fra interi q = n/k, quindi ad ogni razionale possiamo associare un elemento di (n, k)
Z
2
. Siccome Z
2
è numerabile anche Q è numerabile. Cè una piccola imprecisione in
questo argomento poichè la corrsipondenza fra Q e Z
2
non è biunivoca. Ad esempio
al numero razionale 3/4 corrispondono le coppie (3, 4), (3, 4), (6, 8), eccetera.
Possiamo però stabilire una regola e ottenere una corrispondenza biunivoca fra Q e un
sottoinsieme di ZZ. Ora è facile vedere che un sottoinsieme di un insieme numerabile
è nito o numerabile. Siccome Q non è nito, deve essere numerabile.
Una volta stabilito che Q è numerabile otteniamo che anche Q
n
è numerabile.
Se a qualcuno fosse a questo punto venuto il sospetto che tutti gli insiemi inniti siano
numerabili lo riportiamo subito alla dura realtà della matematica.
3.79 Proposizione. Sia X = 0, 1
linsieme di tutte le successioni di zeri e uni.

X non è numerabile.
Dimostrazione. Supponiamo che X sia numerabile e trovermo una contraddizione. Se
X è numerabile posso scrivere i suoi elementi come
X = (x
(1)
, x
(2)
, x
(3)
, . . . )
in cui ciascun elemento è a sua volta una successione di zeri e uni (che chiamo succes-
sioni binarie). Abbiamo cioè una successione di successioni che rappresentiamo come
una matrice innita
x
(1)
= (x
(1)
1
, x
(1)
2
, . . .)
x
(2)
= (x
(2)
1
, x
(2)
2
, . . .)
.
.
.
x
(n)
= (x
(n)
1
, x
(n)
2
, . . .)
.
.
.
(3.72)
Ogni riga è una successione binaria e stiamo ipotizzando che in questo modo otteniamo
tutte le successioni binarie possibili. Quindi se minvento una successione binaria, ad
esempio la successione
y = (1, 0, 1, 0, 1, 0, ) ,
ci dovrà essere una riga della matrice innita in cui compare esattamente questa suc-
cessione. Per cui se riuscissi a costruire una successione binaria che per qualche motivo
non può essere uguale ad alcuna riga avrei trovato la contraddizione che sto cercando
e avrei dimostrato il Teorema. La successione impossibile si costruisce nel modo
seguente: si prende la successione diagonale e si cambiano tutti gli zeri in uno e
tutti gli uni in zero. Per dirlo con una formula denisco
y = (1 x
(1)
1
, 1 x
(2)
2
, 1 x
(3)
3
, 1 x
(4)
4
, ) .
Perchè aermo che questa successione non può essere uguale ad alcuna riga della
matrice? Allora, y non può essere uguale alla prima riga x
(1)
perchè y e x
(1)
dieriscono
sicuramente per quanto riguarda il loro primo elemento. y non può essere uguale alla
seconda riga perchè il secondo elemento di y è sicuramente diverso dal secondo elemento
di x
(2)
. Insomma y non può essere uguale alla generica nsima riga perchè lnsimo
elemento di y dierisce dalln-simo elemento di x
(n)
. Quindi y non appare come riga
nella matrice innita. Ma allora non è vero che X è linsieme di tutte le successioni
binarie.
3.80 Proposizione. Lintervallo [0, 1] non è numerabile.
Schema di dimostrazione. Ogni numero reale x [0, 1] può essere scritto in binario
come una successione di zeri e uni, quindi lenunciato discende dalla Proposizione 3.79
(Uhm. . . perchè non è una dimostrazione vera e propria?)
Poichè [0, 1] non è numerabile, non lo è neanche R (e neanche R
n
). Tuttavia la non
numerabilità contratta da R è (fortunatamente) della forma meno grave. Il motivo
è che R, pur essendo non numerabile, ammette però un sottoinsieme numerabile Q
tale che ogni numero reale x può essere approssimato con precisione arbitraria da un
elemento di Q. Questa nozione è chiamata separabilità. Pi` u precisamente:
3.81 Denizione. Uno spazio metrico (X, d) è detto separabile se esiste un insieme
numerabile Y X tale che Y è denso in X, vale a dire
21
per ogni x X e per ogni
> 0 esiste y Y tale che d(x, y) < .
3.82 Esempio. R
n
e C
n
sono separabili (considera il sottoinsieme di tutti gli elementi
a coordinate razionali).
f
(Q) è numerabile (Sugg: scrivere
f
(Q) come
unione numerabile di insiemi numerabili . . . ).
21
ripeto per la milleqqattrocentoventisettesima (si scrive con due q?) volta
3.10. SEPARABILIT
`
A 75
f
(Q) è denso in (
0
, | |
). (Sugg: dimostrare che
f
(Q) è denso in
f
(R) ed usare il fatto noto che
f
(R) è denso in
0
).
Soluzione. Suppongo di aver già dimostrato che
f
(R) è denso in (
0
, | |
). Quindi
basta dimostrare che
f
(Q) è denso in
0
(R) rispetto alla norma | |
e usare il
risultato che aerma che la proprietà di essere denso in è transitiva se riferita alla
stessa norma.
Per far vedere che
f
(Q) è denso in
f
(R) dimostro che ogni elemento di
f
(R) può
essere approssimato con precisione arbitraria da un elemento di
f
(Q). Sia dunque
x
f
(R)
x = (x
1
, x
2
, . . . , x
N
, 0, 0, . . .) ,
in cui x
N
è lultimo elemento di x non nullo. Dato > 0 arbitrario, devo trovare
y
f
(Q) tale che |x y|
< . Poichè Q è denso in R esiste un razionale y

1
tale
che [y
1
x
1
[ < . Analogamente esiste y
2
Q tale che [y
2
x
2
[ < . In generale si ha
per ogni n = 1, 2, . . . , N esiste y
n
Q tale [y
n
x
n
[ < .
Se n > N si ha x
n
= 0 per cui possiamo semplicemente porre
y
n
= x
n
= 0 n = N + 1, N + 2, . . .
Ho quindi costruito una successione nita di razionali. Calcolo la distanza da x.
|y x|
= sup
k
[y
k
x
k
[ < .
p
è separabile. (Sugg: usa il fatto che
f
(Q) è
numerabile).
3.86 Problema. Dimostrare la seguente aermazione: sia (X, d) uno spazio metrico
e supponiamo che X contenga un insieme non numerabile di elementi x
: I
tale che per ogni ,= si ha d(x
, x
)
1
10
. Allora X non è separabile.
3.87 Problema. Dimostrare che (
, | |
) non è separabile. (Sugg: utilizzare il

risultato del problema precedente).
4. Spazi di Hilbert
F: Butch, whose motorcycle is this?
B: Its a chopper.
F: Whose chopper is this?
B: Zeds.
F: Whos Zed?
B: Zeds dead, baby, Zeds dead.
4.1 Denizioni
4.1 Denizione. Sia V uno spazio vettoriale su R. Si denisce prodotto scalare in V
unapplicazione
, : V V R
tale che, per ogni u, v, z V e per ogni c R si ha:
(1) v, v 0
(2) v, v = 0 se e solo se v = 0
(3) u, v = v, u
(4) u +v, z = u, z +v, z
(5) c u, v = c u, v
Se V è uno spazio vettoriale complesso la condizione di simmetria del prodotto scalare
deve essere modicata.
4.2 Denizione. Sia V uno spazio vettoriale su C. Si denisce prodotto scalare in V
unapplicazione
, : V V C
tale che, per ogni u, v, z V e per ogni c C si ha:
(1) v, v 0
(2) v, v = 0 se e solo se v = 0
(3) u, v = v, u
(4) u +v, z = u, z +v, z
(5) c u, v = c u, v
4.3 Denizione. Uno spazio vettoriale reale (o complesso) V munito di un prodotto
scalare , è detto spazio euclideo reale (o complesso).
Le seguenti proprietà discendono in modo evidente dalle denizioni appena date.
4.4 Proposizione. Sia (V, , ) uno spazio euclideo reale (complesso). Allora per
ogni u, v, z V e per ogni c R (c C) si ha:
(6) z, u +v = z, u +z, v
77
78 CHAPTER 4. SPAZI DI HILBERT
(7a) u, c v = c u, v (nel caso reale)
(7b) u, c v = c u, v (nel caso complesso).
4.5 Attenzione!. In molti libri di sica si trova la convenzione opposta per quanto
riguarda le proprietà di linearità del prodotto scalare in uno spazio vettoriale comp-
lesso, vale a dire
c u, v = c u, v u, c v = c u, v .
Basta saperlo. . .
4.6 Denizione. Uno spazio euclideo completo si dice spazio di Hilbert.
1
4.7 Proposizione. (Disuguaglianza di CauchySchwarz). Sia (V, , ) uno spazio
euclideo reale (complesso). Allora
[u, v[
2
u, u v, v u, v V
Dimostrazione. Faccio la dimostrazione nel caso complesso che è quello pi` u. . . comples-
so. Sia t C e
(4.1) p(t) := tu +v, tu +v .
Usando le proprietà del prodotto scalare ottengo
p(t) = [t[
2
u, u +t u, v +

t v, u +v, v .
Scrivo il numero complesso u, v in forma polare come u, v = e
i
. Poi scelgo il
numero complesso t della forma se
i
con s reale. La precedente uguaglianza diventa
p(se
i
) = s
2
u, u + 2s +v, v .
Ma, per come è stata denita nella (4.1), la quantità p(t) è non negativa, qualunque
sia il numero complesso t. In particolare dovrà essere non negativa per tutti i t della
forma se
i
in cui s può essere scelto in modo arbitrario. Dunque ottengo
s
2
u, u + 2s +v, v 0 s R,
che implica
2
u, u v, v .
Ma è esattamente il modulo di u, v, per cui la Proposizione è dimostrata.
Uno dei vantaggi di avere un prodotto scalare è che, tramite il prodotto scalare, si
può facilissimamente denire una norma (il contrario in generale non si può fare, come
spiegato nella sezione 4.1.2).
4.8 Proposizione. Sia V uno spazio euclideo con prodotto scalare , . Allora la
funzione | | : V R denita come
(4.2) |u| :=
_
u, u u V
è una norma su V .
Dimostrazione. Molto semplice, lasciata al lettore.
4.9 Proposizione. Laddizione, la moltiplicazione per uno scalare e il prodotto scalare
sono continui in uno spazio euclideo, vale a dire se u
n
u e v
n
v allora:
1
per qualcuno spazio di Hilbert è necessariamente innito dimensionale
4.1. DEFINIZIONI 79
(1) u
n
+v
n
u +v
(2) se c R allora cu
n
cu
(3) u
n
, v
n
u, v
Dimostrazione. Dimostro la continuità del prodotto scalare. Le altre aermazioni si
dimostrano analogamente. Grazie alla disuguaglianza di Cauchy-Schwarz ottengo:
[u, v u
n
, v
n
[ = [u, v u, v
n
+u, v
n
u
n
, v
n
[
[u, v u, v
n
[ +[u, v
n
u
n
, v
n
[
= [u, v v
n
[ +[u u
n
, v
n
[
|u| |v v
n
| +|u u
n
| |v
n
| .
Poichè la successione (v
n
) è convergente, essa è anche limitata in norma,
2
quindi esiste
M > 0 tale che |v
n
| M per ogni n. La precedente disuguaglianza può quindi essere
scritta come
[u, v u
n
, v
n
[ max|u| , M [|v v
n
| +|u u
n
| ] .
A questo punto non resta che prendere il limite n di ambo i membri.
4.1.1 Esempi di spazi euclidei
(1) Denisco, per x, y
2
x, y :=
i=1
x
i
y
i
(caso reale) x, y :=
i=1
x
i
y
i
(caso complesso)
Allora , è un prodotto scalare in
2
e la norma associata |x| :=
_
x, x è
proprio la norma | |
2
che abbiamo precedentemente introdotto in questo spazio.
(2) (Spazi di successioni pesati). Sia = (
1
,
2
, . . .) una successione di numeri reali
strettamente positivi,
i
> 0 e si denisca
2
() :=
_
x R
i=1
i
[x
i
[
2
<
_
Allora
2
() è uno spazio vettoriale. Infatti se x
2
() e c R allora cx è ancora
un elemento di
2
() poichè
i=1
i
[cx
i
[
2
= [c[
2
i=1
i
[x
i
[
2
<
Inoltre se x, y
2
() allora x +y
2
(). Infatti sappiamo che 2[ab[ (a
2
+b
2
),
quindi
i=1
i
[x
i
+y
i
[
2
=
i=1
i
(x
2
i
+y
2
i
+ 2x
i
y
i
) 2
i=1
i
(x
2
i
+y
2
i
)
= 2
i=1
i
x
2
i
+ 2
i=1
i
y
2
i
< .
Deniamo un prodotto scalare in
2
() come
x, y =
i=1
i
x
i
y
i
2
la dimostrazione è identica al caso dei reali
(3) Date due funzioni f, g C
2
(R) (C
2
(R; C)) denisco
f, g :=
_
R
f(x)g(x) dx (caso reale) f, g :=
_
R
f(x)g(x) dx (caso complesso)
Si verica facilmente che questo è un prodotto scalare e la norma associata è la
norma | |
2
.
(4) (Spazi di funzioni pesati). Sia p C(R) una funzione positiva. Denisco:
C
2
(R, p dx) =
_
f C(R) :
_
R
p(x) [f(x)[
2
dx <
_
Questo è uno spazio vettoriale sul quale posso denire il prodotto scalare
f, g :=
_
R
p(x) f(x) g(x) dx.
4.1.2 La regola del parallelogramma
4.10 Domanda.
`
E possibile trovare prodotti scalari appropriati tali che altri spazi
vettoriali normati diventino spazi euclidei? Si considerino ad esempio gli spazi (
p
, ||
p
)
con p 1. Questi sono SVN. Abbiamo visto che se p = 2 è possibile inventarsi un
prodotto scalare tale che la norma ||
2
è proprio la norma associata al prodotto scalare
tramite la relazione (4.2). In questo modo
2
diventa uno spazio euclideo. Possiamo
fare lo stesso se p ,= 2?
La risposta è contenuta nel risultato seguente:
4.11 Proposizione. (Regola del parallelogramma). Sia (V, | |) uno SVN. Una con-
dizione necessaria e suciente per lesistenza di un prodotto scalare , in V tale
che
(4.3) |u| :=
_
u, u u V
è la seguente identit` a
(4.4) |u +v|
2
+|u v|
2
= 2
_
|u|
2
+|v|
2
_
0 Dimostrazione della necessità. Supponiamo che la norma | | sia associata ad un
prodotto scalare tramite la (4.3). Allora otteniamo
|u +v|
2
+|u v|
2
= u +v, u +v +u v, u v
= |u|
2
+u, v +v, u +|v|
2
+|u|
2
u, v v, u +|v|
2
= 2
_
|u|
2
+|v|
2
_
(4.5)
O Dimostrazione della sucienza. Si veda KF p.160.
4.1.3 Problemi
4.12 Problema. Dire se la seguente espressione è un prodotto scalare in
2
o meno.
Dimostrare ciò che si aerma.
x, y =
i=1
(x
i
y
i+1
+x
i+1
y
i
)
4.2. COMPLEMENTO ORTOGONALE 81
4.13 Problema. Dire se la seguente espressione è un prodotto scalare in
2
o meno.
Dimostrare ciò che si aerma.
x, y =
i=1
(x
i
y
i
+x
i
y
i+1
+x
i+1
y
i
)
Soluzione. Non è un prodotto scalare, perchè non è denito positivo. Infatti, scegliendo
x := (1, 1, 0, 0, 0, 0, . . .)
2
.
si ottiene
x, x = x
2
1
+x
2
2
+ 2x
1
x
2
= 0 .
pur essendo x ,= 0.
x, y =
i=1
(5 x
i
y
i
+x
i
y
i+1
+x
i+1
y
i
)
è un prodotto scalare in
2
.
4.15 Problema. Quale condizione deve soddisfare una matrice n n A, anchè la
seguente espressione sia un prodotto scalare in R
n
?
u, v :=
n
i,j=1
A
ij
u
i
v
j
u, v R
n
4.16 Problema. Dire se la seguente espressione è un prodotto scalare nello spazio
M
nn
(R). Dimostrare ciò che si aerma (A
t
è la trasposta di A).
(a) A, B := tr(AB) (b) A, B := tr(A
t
B)
4.17 Problema. Sia p 1. Dimostrare che se p ,= 2 non esiste alcun prodotto scalare
su
p
compatibile con la norma | |
p
.
Soluzione. Si prenda u = (1, 0, 0 . . . , 0), v = (0, 1, 0, 0, . . . , 0) e si imponga la legge del
parallelogramma.
4.18 Problema. Dimostrare che non esiste alcun prodotto scalare in (C
b
(R), | |
u
)
(Sugg: si cerchino 2 funzioni che violano la regola del parallelogramma).
4.2 Complemento ortogonale
4.19 Denizione. Dati due vettori u, v in uno spazio euclideo reale (V, , ) si deni-
sce angolo formato da u e v la quantità
arccos
_
u, v
|u| |v|
_
.
u e v sono detti ortogonali o perpendicolari se u, v = 0 e si scrive u v. Il concetto
di ortogonalità è valido anche per uno spazio euclideo complesso. Nel caso in cui u sia
ortogonale a tutti i vettori appartenenti ad un sottoinsieme X V si scrive u X
oppure u X
. Deniamo infatti:
4.20 Denizione. Dato un qualsiasi sottoinsieme X di uno spazio euclideo (V, , ),
si denisce complemento ortogonale di X linsieme
X
:= v V : v, w = 0 w X
4.21 Esempio. In R
3
, sia v
1
= (1, 0, 0) e v
2
= (0, 1, 0). Allora
v
1
, v
2
= lasse z.
4.22 Proposizione. Se X è un insieme di vettori nello uno spazio euclideo (V , , ),
X
è un sottospazio chiuso di V .
Dimostrazione. (1) X
è un sottospazio. Infatti, se assumo che v

1
e v
2
appartengono
a X
e se c
1
, c
2
R, allora
c
1
v
1
+c
2
v
2
, w = c
1
v
1
, w +c
2
v
2
, w = 0 w X ,
quindi c
1
v
1
+c
2
v
2
X
, e dunque X
è un sottospazio.
(2) X
è chiuso. Infatti sia (v

n
) una successione di elementi di X
tale che v
n
v V .
Faccio vedere che v X
. Fisso in vettore w X arbitrario. Siccome v

n
X
posso
scrivere
v
n
, w = 0 n.
Poichè il prodotto scalare è continuo posso far passare il limite dentro il prodotto
scalare e ottengo
0 = lim
n
v
n
, w = v, w .
Quindi v w. Ma w è un vettore arbitrario di X, da cui concludo che v X
.
4.23 Proposizione. Se X, Y sono due insiemi di vettori nello uno spazio euclideo
(V , , ), allora
(1) se X Y allora X
(2) X
= X
=
_
span(X)
_
.
Dimostrazione.
(1). Assumo v Y
e faccio vedere che v X
. Infatti, se v è ortogonale a tutti i

vettori di Y , a maggior ragione sarà ortogonale a tutti i vettori di X, poichè X Y ,
quindi v X
.
(2). Siccome si ha X X span(X), grazie allaermazione precedente ottengo
X

_
span(X)
_
.
Per concludere la dimostrazione basta far vedere che
(4.6) X

_
span(X)
_
.
Sia dunque v X
, quindi v, w = 0 per ogni w X. Voglio far vedere innanzi tutto

che
(4.7) v span(X)
.
Infatti se w span(X) allora w si può scrivere come combinazione linerare nita di
elementi di X, vale a dire
w =
n
i=1
c
i
w
i
w
i
X .
Quindi, grazie alla bilinearità del prodotto scalare
v, w =
n
i=1
c
i
v, w
i
= 0 ,
4.2. COMPLEMENTO ORTOGONALE 83
come a dire che v è ortogonale a tutti i vettori che appartegono a span(X). La (4.7) è
dimostrata. Sia inne w span(X). Dimostro che v w. Sia (w
n
) una successione di
elementi di span(X) tale che w
n
w. Allora, siccome il prodotto scalare è continuo,
v, w = v, lim
n
w
n
= lim
n
v, w
n
= 0 ,
grazie alla (4.7) e al fatto che w
n
span(X).
Avendo ipotizzato v X
siamo arrivati alla conclusione che v è ortogonale a tutti

gli elementi di span(X). La (4.6) è quindi dimostrata.
4.24 Proposizione. Sia (V , , ) uno spazio di Hilbert, sia W un sottospazio chiuso
di V e sia v V . Allora esiste nel sottospazio W un unico vettore w
0
che è il pi` u
vicino a v, cioè tale che
(4.8) d := |v w
0
| |v w| w W .
Dimostrazione. Sia
d := inf
wW
|v w| .
Per denizione di inf posso trovare una successione w
n
W tale che
(4.9) lim
n
|v w
n
| = d .
Aermo che (w
n
) è una successione di Cauchy. Infatti, usando la regola del parallelo-
gramma, si ha
|w
n
w
k
|
2
= |(w
n
v) + (v w
k
)|
2
= 2|v w
n
|
2
+ 2|v w
k
|
2
|w
n
+w
k
2v|
2
= 2|v w
n
|
2
+ 2|v w
k
|
2
4|
1
2
(w
n
+w
k
) v|
2
.
(4.10)
Poichè
1
2
(w
n
+w
k
) appartiene a W, deve valere, per denizione di d,
|
1
2
(w
n
+w
k
) v| d ,
per cui la (4.10) può essere riscritta come
(4.11) |w
n
w
k
|
2
2|v w
n
|
2
+ 2|v w
k
|
2
4d
2
.
Usando ora la (4.9) ottengo che per ogni > 0 esiste N tale che per ogni n N si ha
|v w
n
| < d +. Di conseguenza ottengo dalla (4.11)
(4.12) n, k N |w
n
w
k
|
2
4(d +)
2
4d
2
= 8 + 4
2
.
Quindi la successione (w
n
) è di Cauchy. Siccome V è completo e W è chiuso in V ,
W è anchesso completo. Dunque esiste w
0
W tale che w
n
w
0
. A questo punto,
nella (4.9), faccio tendere n , e, poichè la norma è continua, ottengo
|v w
0
| = d .
Ho dunque dimostrato lesistenza di un vettore w
0
nel sottospazio W che minimizza
la distanza da v.
Lunicità è lasciata come esercizio.
4.25 Problema. Sia (V , , ) uno spazio di Hilbert, sia W un sottospazio chiuso di
V e sia v V . Dimostrare direttamente (senza usare il teorema della proiezione) che
non possono esistere due vettori distinti w
1
e w
2
appartenenti a W che minimizzano
entrambi, in W, la distanza da v, vale a dire tali che
' |v w
1
| = |v w
2
| |v w| w W .
(Sugg: si dimostri che, se (per assurdo) valesse la ', allora esisterebbe un terzo vettore
w
3
W tale che |v w
3
| < |v w
1
|. w
3
può essere costruito come. . . )
4.26 Teorema. (Teorema della proiezione). Se W è un sottospazio chiuso di uno
spazio di Hilbert (V, , ), allora ogni vettore v V può essere univocamente scritto
come
(4.13) v = w +z in cui w W e z W
.
Dimostrazione.
0 Esistenza della rappresentazione (4.13).
Sia v V . La Proposizione 4.24 ci dice che esiste w W tale che
(4.14) d := |v w| |v w
t
| w
t
W .
Scrivo allora
v = w + (v w) = w +z
e faccio vedere che z := v w è ortogonale a W, cioè che
v w, x = 0 x W .
Sia x un elemento arbitrario di W. Per far vedere che v w x costruisco il vettore
w+tx, in cui t R. Il vettore w+tx è ancora un elemento di W quindi, per la (4.14),
si ha, t R,
3
d
2
|v (w +tx)|
2
= |(v w) tx|
2
= |v w|
2
2tv w, x +t
2
|x|
2
= d
2
2tv w, x +t
2
|x|
2
.
(4.15)
Ho ottenuto dunque che
2tv w, x +t
2
|x|
2
0 t R,
che implica
v w, x = 0 .
Quindi ho dimostrato che v w è ortogonale ad un qualsiasi elemento x W, cioè
z := v w W
, per cui la rappresentazione (4.13) esiste.

O Unicità della rappresentazione (4.13).
Assumo che ci sia un altro modo di scrivere v come una somma di un elemento di W
e un elemento di W
v = w
t
+z
t
in cui w
t
W e z
t
W
.
Avrei allora
0 = (w w
t
) + (z z
t
) in cui w w
t
W e z z
t
W
.
Quindi
0 = |(ww
t
)+(zz
t
)|
2
= (ww
t
)+(zz
t
), (ww
t
)+(zz
t
) = |ww
t
|
2
+|zz
t
|
2
Questo signica che w = w
t
e z = z
t
.
3
assumo V spazio vettoriale reale. Il caso complesso è leggermente pi` u complicato
4.3. SISTEMI ORTOGONALI, COMPLETEZZA, BASI 85
4.3 Sistemi ortogonali, completezza, basi
4.27 Denizione. Un insieme di vettori non nulli X V è detto sistema ortogonale
(SOG) se per ogni coppia di vettori u, v X con u ,= v si ha u v. X è detto sistema
ortonormale (SON) se inoltre per ogni u X si ha |u| = 1.
4.28 Proposizione. Sia X un sistema ortogonale nello spazio euclideo (V, , ).
Allora X è un sistema di vettori linearmente indipendenti.
Dimostrazione. Identica al caso nito dimensionale.
4.29 Denizione. Un sistema di vettori (v
)
I
ortogonale e completo in uno spazio
euclideo (V, , ) è detto base ortogonale (BOG) di V . Se si ha inoltre |v
| = 1 per
ogni I allora (v
)
I
è detto base ortonormale (BON).
4.30 Lemma. Sia v
1
, v
2
, . . . , v
n
un SOG e sia u un vettore arbitrario. Allora il vettore
z denito come
z := u
u, v
1
|v
1
|
2
v
1
u, v
2
|v
2
|
2
v
2

u, v
n
|v
n
|
2
v
n
è ortogonale a ciascuno dei v
i
, di conseguenza si ha z spanv
1
, . . . , v
n
.
Dimostrazione. Si verica immediatamente che per ogni i = 1, . . . , n, si ha z, v
i
= 0.
Quindi
z v
1
, . . . , v
n
.
Grazie alla Proposizione 4.23 ottengo
z v
1
, . . . , v
n
= spanv
1
, . . . , v
n
= spanv
1
, . . . , v
n
,
in cui lultima uguaglianza deriva dal fatto che il sottospazio generato da un numero
nito di vettori è necessariamente chiuso.
4.31 Teorema. (GramSchmidt). Sia (v
n
)
n=1
un insieme di vettori linearmente
indipendenti nello spazio euclideo (V, , ). Allora esiste un SON (u
n
)
n=1
tale che
(1) Ciascun u
n
è una combinazione lineare di v
1
, . . . , v
n
u
n
= a
n1
v
1
+ +a
nn
v
n
con a
nn
,= 0
(2) Ciascun v
n
può essere scritto come
v
n
= b
n1
u
1
+ +b
nn
u
n
con b
nn
,= 0.
Di conseguenza, per ogni n = 1, 2, . . ., si ha
(4.16) spanv
1
, . . . , v
n
= spanu
1
, . . . , u
n

Dimostrazione. Per costruire il SON utilizziamo la procedura di ortogonalizzazione di
GramSchmidt, denendo:
w
1
= v
1
u
1
= w
1
/|w
1
|
w
2
= v
2
v
2
, w
1
|w
1
|
2
w
1
u
2
= w
2
/|w
2
|
w
3
= v
3
v
3
, w
1
|w
1
|
2
w
1
v
3
, w
2
|w
2
|
2
w
2
u
3
= w
3
/|w
3
|
.
.
.
.
.
.
w
n
= v
n
n1
k=1
v
n
, w
k
|w
k
|
2
w
k
u
n
= w
n
/|w
n
| (4.17)
.
.
.
.
.
.
Grazie al Lemma 4.30 possiamo aermare che, per ogni n = 1, 2, . . . il vettore w
n
è or-
togonale ai vettori w
1
, . . . , w
n1
. Poichè n è arbitrario il sistema (w
n
)
n=1
è ortogonale
e quindi il sistema (u
n
)
n=1
è ortonormale.
La formula (4.17) ci dice che v
n
si può scrivere come
v
n
= w
n
+
n1
w
1
+ +
n,k1
w
k1
,
quindi v
n
è una combinazione lineare di w
1
, . . . , w
n
. Viceversa, poichè w
1
= v
1
,
sotituendo nella formula per w
2
otteniamo
w
2
= v
2
v
2
, w
1
|w
1
|
2
v
1
.
Quindi w
2
1
e v
2
. Sostituendo questa espressione nella
formula per w
3
otteniamo che w
3
1
, v
2
, v
3
. Mediante
sostituzioni successive otteniamo che, per ogni intero positivo n, w
n
è una combi-
nazione lineare di v
1
, . . . , v
n
. Questo fatto, unitamente a ciò che abbiamo aermato in
precedenza, vale a dire che ogni v
n
è una combinazione lineare di w
1
, . . . , w
n
equivale
a dire che per ogni n si ha
spanv
1
, . . . , v
n
= spanw
1
, . . . , w
n
= spanu
1
, . . . , u
n
,
in cui lultima uguaglianza è banale.
4.32 Problema. (Polinomi di Legendre). Usando la procedura di GramSchmidt,
trovare un sistema ortonormale p
0
, p
1
, p
2
, p
3
in C
2
[1, 1], a partire dal seguente sistema
di vettori linearmente indipendenti:
v
0
(x) = 1, v
1
(x) = x, v
2
(x) = x
2
, v
3
(x) = x
3
, v
4
(x) = x
4
Soluzione. Uso il procedimento di ortogonalizzazione di GramSchmidt:
w
0
= 1 |w
0
|
2
=
_
1
1
1 dx = 2
Quindi
p
0
= w
0
/|w
0
| = 1/
2
Vado avanti
w
1
(x) = v
1
(x)
v
1
, w
0
|w
0
|
2
w
0
(x) = x
1
2
_
1
1
x1 dx = x
4.3. SISTEMI ORTOGONALI, COMPLETEZZA, BASI 87
e
|w
1
|
2
=
_
1
1
x
2
dx = 2/3
quindi
p
1
(x) = w
1
/|w
1
| =
_
3
2
x
Il prossimo
w
2
(x) = v
2
(x)
v
2
, w
0
|w
0
|
2
w
0
(x)
v
2
, w
1
|w
1
|
2
w
1
(x)
Si ha
v
2
, w
0
=
_
1
1
x
2
1 dx =
2
3
e
v
2
, w
1
= 0
Per cui
w
2
(x) = x
2
1
3
Devo normalizzare w
2
|w
2
|
2
=
_
1
1
_
x
2
1
3
_
2
dx =
8
45
quindi
p
2
(x) =
_
45
8
_
x
2
1
3
_
=
1
2
_
5
2
(3x
2
1)
w
3
, p
3
si trovano proseguendo nello stesso modo.
4.33 Problema. (Polinomi di Hermite). Nello spazio euclideo pesato
C
2
(R,
e
x
2
/2
2
dx)
ortogonalizzare i polinomi: 1, x, x
2
, x
3
.
4.34 Problema. (Polinomi trigonometrici). Dimostrare che il sistema di funzioni
1, sin x, cos x, sin(2x), cos(2x), sin(3x), cos(3x), . . .
è ortogonale in C
2
[0, 2].
4.35 Proposizione. (Esistenza di una base ortonormale). In uno spazio euclideo
completo o separabile
4
esiste una base ortonormale.
Dimostrazione nel caso separabile. Sia (V , , ) uno spazio euclideo separabile e sia
(v
n
)
n=1
un insieme numerabile denso in V . Da questo insieme di vettori si può estrarre
un sistema linearmente indipendente semplicemente scartando quei v
n
che si possono
ottenere come combinazione lineare di v
1
, . . . , v
n1
. Supponiamo di aver eettuato
questa selezione. Chiamo w
1
, w
2
, . . . la collezione di vettori linearmente indipendenti
cos` ottenuta.
`
E chiaro che
span(w
n
)
n=1
= span(v
n
)
n=1
4
o entrambi
Ma sappiamo che i v
n
costituiscono un insieme denso in V , quindi
span(w
n
)
n=1
= span(v
n
)
n=1
= V ,
vale a dire (w
n
) è un insieme completo di vettori linearmente indipendenti. A questo
punto applico la procedura di ortogonalizzazione di GramSchmidt a (w
n
) e ottengo
un sistema ortonormale (u
n
). Grazie alla (4.16) ottengo
spanu
1
, . . . , u
n
= spanw
1
, . . . , w
n
e quindi, di nuovo,
span(u
n
)
n=1
= span(w
n
)
n=1
= V .
Il sistema ortonormale (u
n
) è completo e, per denizione, una base.
4.36 Osservazione. (Sulla separabilità). Abbiamo visto che se V è uno spazio eu-
clideo separabile esiste una base ortonormale numerabile (u
k
)
k=1
che può essere co-
struita a partire da un sistema completo di vettori linearmente indipendenti, mediante
la procedura di GramSchmidt. Nel caso in cui V sia completo ma non separabile è
ancora vero che esiste una base ortnonormale (si prende un sistema ortonormale mas-
simale, la cui esistenza è garantita dal Lemma di Zorn), però:
(a) Non esiste (in generale) un metodo costruttivo per trovare questa base ortonor-
male.
(b) La base (u
)
I
è necessariamente non numerabile. Infatti se esistesse una base nu-
merabile (u
k
)
k=1
allora, dalla completezza di questo insieme di vettori seguirebbe
che V = span(u
k
). Sia ora X := span
Q
(u
k
) linsieme delle combinazioni
lineari nite a coecienti razionali dei vettori u
k
.
`
E facile far vedere che X è nu-
merabile e che X è denso in span(u
k
), quindi X è denso in V . Di conseguenza
V è separabile in contraddizione con la nostra ipotesi.
Il lettore, per quanto riguarda la parte restante di questo capitolo, può assumere per
semplicità che V sia sempre separabile, in quanto la maggior parte degli spazi che si
incontrano sono tali.
4.4 Disuguaglianza di Bessel
Supponiamo che
| = (u
1
, u
2
, u
3
, . . .)
costituisca una base ortonormale in uno spazio euclideo innito dimensionale separabile
V . Dato un vettore v V , possiamo associare a v la successione di numeri reali (o
complessi, se V è uno spazio euclideo complesso)
c = (c
1
, c
2
, c
3
. . .) in cui c
k
:= v, u
k
I coecienti c
k
vengono chiamati coecienti di Fourier del vettore v rispetto alla base
|. Dunque, ssata la base | posso associare ad un elemento v di V un elemento c di
R
(o C
). Posso denire quindi un applicazione

T
/
: V R
: v c
4.37 Problema. Dimostrare che T
/
è un operatore lineare
5
5
anche se operatore lineare non è stato ancora denito
4.4. DISUGUAGLIANZA DI BESSEL 89
Sorgono a questo punto un certo numero di questioni riguardanti i coecienti di
Fourier:
4.38 Domande.
(1) In analogia col caso nitodimensionale, è vero che ogni vettore può essere scritto
come somma dei suoi coecienti di Fourier moltiplicati per i vettori di base cor-
rispondenti? Vale a dire, si può scrivere
(4.18) v =
k=1
c
k
u
k
in cui c
k
= v, u
k
?
Per far vedere che vale la precedente uguaglianza bisogna dimostrare che
(4.19) lim
n
_
_
_v
n
k=1
c
k
u
k
_
_
_ = 0
(2) Si può dire qualcosa di pi` u sulle successioni c = (c
1
, c
2
, . . .) dei coecienti di
Fourier? Potrebbe essere che c appartenga necessariamente a qualche spazio pi` u
piccolo di R
, come
o
0
o
p
per un qualche p?
(3) Loperatore T
/
è iniettivo? Vale a dire se T
/
(v) = T
/
(w), quindi se v e w hanno
gli stessi coecienti di Fourier, allora deve necessariamente essere v = w?
(4) Chi è limmagine di T
/
? Vale a dire, si può identicare lo spazio di tutti i possibili
coecienti di Fourier di tutti i vettori di V ?
4.39 Teorema. Sia (V , , ) uno spazio euclideo, sia (u
k
)
k=1
un sistema ortonormale
in V e sia v V . Poniamo
c
k
:= v, u
k
S
n
:=
n
k=1
c
k
u
k
.
Dati dei coecienti arbitrari
1
, . . . ,
n
R (o C) deniamo anche
S
n
:=
n
k=1
k
u
k
Allora
(1) |v S
n
| |v S
n
|
(2)
k=1
c
2
k
|v|
2
(disuguaglianza di Bessel)
(3) si ha v =
k=1
c
k
u
k
se e solo se
k=1
c
2
k
= |v|
2
(uguaglianza di Parseval).
Dimostrazione. Possiamo scrivere
|v S
n
|
2
= v S
n
, v S
n
= v, v 2v, S
n
+S
n
, S
= v, v 2
n
k=1
c
k
k
+
n
k=1
2
k
= |v|
2
k=1
c
2
k
+
n
k=1
(
k
c
k
)
2
.
(4.20)
Notare che la quantità (4.20) è minima quando lultima sommatoria è uguale a zero,
quindi quando si ha
k
= c
k
. Di consequenza otteniamo
(a) Fra tutte le approssimazioni di v fatte di combinazioni lineari di u
1
, . . . , u
n
la
migliore è quella ottenuta proprio con i coecienti di Fourier, cioè
(4.21) |v S
n
| |v S
n
|
(b) Nel caso di
k
= c
k
la (4.20) diventa
(4.22) |v S
n
|
2
= |v|
2
k=1
c
2
k
Dato che il lato sinistro è non negativo, si ottiene
n
k=1
c
2
k
|v|
2
che implica, facendo tendere n allinnito,
(4.23)
k=1
c
2
k
|v|
2
(disuguaglianza di Bessel).
Questa disuguaglianza ci dice che la somma dei quadrati dei coecienti di Fourier
di un vettore v non supera il quadrato della norma di v, quindi, in particolare
è nita! Possiamo dunque rispondere alla domanda (2) posta in precedenza: se
c = T
/
(v), allora si ha c
2
.
Facendo tendere n nelluguaglianza (4.22) si vede che
(4.24) v =
k=1
v, u
k
u
k
è equivalente a |v|
2
=
k=1
v, u
k
2
Ci sono perciò due possibilità:
(i) o la (4.23) è unuguaglianza, vale, cioè la cosiddetta uguaglianza di Parseval
(4.25)
k=1
c
2
k
= |v|
2
(uguaglianza di Parseval).
e quindi v può eettivamente essere scritto come combinazione leneare innita
dei vettori u
k
(4.26) v =
k=1
c
k
u
k
(ii) oppure le (4.23) è una disuguaglianza stretta, nel qual caso la (4.26) non è valida.
Notare che, dato che c = T
/
(v), luguaglianza di Parseval può essere simbolicamente
riscritta come
|T
/
(v)|
2
= |v| (ancora luguaglianza di Parseval).
Si capisce quindi che hanno importanza speciale quei sistemi ortonormali | per i quali
si verica sempre luguaglianza di Parseval. Questo giustica la seguente
4.40 Denizione. Il sistema ortonormale (u
k
)
k=1
nello spazio euclideo V è detto
chiuso se per ogni v V si ha
k=1
v, u
k
2
= |v|
2
e quindi anche v =
k=1
v, u
k
u
k
.
4.41 Proposizione. Sia | = (u
n
)
n=1
un sistema ortonormale nello spazio euclideo
(V, , ). Allora | è un sistema completo di vettori (quindi | è una base ortonormale)
se e solo se | è chiuso. Inoltre, se | è completo (o chiuso), V è necessariamente
separabile.
Dimostrazione. 0. Completo chiuso. Sia (u
k
)
k=1
un base ortonormale in V . Devo
far vedere che il sistema di vettori (u
k
) è chiuso, cioè che per ogni v V si ha
v =
k=1
v, u
k
u
k
= lim
n
S
n
,
dove ho indicato con S
n
la somma parziale nsima costruita con i coecienti di Fourier
di v, cioè
S
n
=
n
k=1
v, u
k
u
k
.
Equivalentemente devo far vedere che
(4.27) per ogni > 0 esiste N > 0 tale che n N si ha |v S
n
| < .
Per denizione di completezza del sistema (u
k
) si ha che
span(u
k
)
k=1
= V .
In altre parole per ogni v V e per ogni > 0 posso trovare un intero positivo N e
dei coecienti
1
, . . . ,
N
tali che
_
_
_v
N
k=1
k
u
k
_
_
_ < .
Ma grazie alla disuguaglianza (4.21) ottengo
(4.28) |v S
N
|
_
_
_v
N
k=1
k
u
k
_
_
_ < .
Per dimostrare la (4.27) e quindi concludere mi basta osservare che, grazie allidentità
(4.22), la quantità |v S
n
| è non crescente in n, per cui dalla (4.28) segue che |v
S
n
| < per tutti gli n maggiori di N.
O. Chiuso completo. Se il sistema (u
k
) è chiuso, per denizione, si ha che, per ogni
v V ,
v = lim
n
n
k=1
v, u
k
u
k
= lim
n
S
n
.
Poichè S
n
span(u
k
), la precedente equazione ci dice che v è un punto di aderenza di
span(u
k
), cioè
v span(u
k
) .
Ma v è un vettore arbitrario in V , quindi
V = span(u
k
) ,
vale a dire il sistema (u
k
) è completo.
O La dimostrazione che la completezza di | implica la separabilità di V segue dalle
considerazioni fatte nellOsservazione 4.36.
4.42 Problema. Calcolare i coecienti della serie di Fourier di e
x
in [0, 2].
e
x
=
a
0
2
+
k=1
[a
k
cos(kx) +b
k
sin(kx)]
Allo scopo di rispondere alle varie domande poste in precedenza consideriamo spazi
euclidei completi (di Hilbert).
4.43 Teorema. (RieszFisher). Sia (V, , ) uno spazio di Hilbert, e sia
| = (u
1
, u
2
, u
3
, . . .)
un sistema ortonormale
6
in V . Allora per ogni c = (c
1
, c
2
, . . . )
2
esiste v V tale
che c = T
/
(v), vale a dire
(4.29) c
k
= v, u
k
k = 1, 2, 3 . . .
Inoltre si ha
(4.30) |v|
2
= |c|
2
2
=
k=1
c
2
k
, v =
k=1
c
k
u
k
.
Dimostrazione. Denisco una successione di vettori v
1
, v
2
, . . ., in cui
v
n
:=
n
k=1
c
k
u
k
.
Idea: far vedere che la successione (v
n
) è una successione di Cauchy in V . Dato che V
è completo, per ipotesi, in questo modo si ottiene che la successione (v
n
) è convergente
a un qualche elemento v di V .
Procedo a far vedere che (v
n
) è di Cauchy: siano n, m sono due interi positivi con
m n. Si ha
|v
n
v
m
|
2
= |
m
k=n+1
c
k
u
k
|
2
=
m
k=n+1
c
k
u
k
,
m
k=n+1
c
k
u
k
=
m
k=n+1
m
j=n+1
c
j
c
k
u
j
, u
k
=
m
k=n+1
c
2
k
(4.31)
per cui
(4.32) |v
n
v
m
|
2
k=n+1
c
2
k
6
non necessariamente una base
Dato che, per ipotesi, c
2
, la serie
k=1
c
2
k
è convergente. Quindi il resto nsimo
tende a zero, vale a dire
lim
n
k=n+1
c
2
k
= 0
che, tradotto, signica
(4.33) per ogni > 0 esiste N tale che se n N allora
k=n+1
c
2
k
<
Dalle (4.32) e (4.33) si ottiene
(4.34) per ogni > 0 esiste N tale che se n, m N allora |v
n
v
m
| <
che, signica esattamente che la successione (v
n
) è di Cauchy.
Dato che V è completo, esiste v V tale che v
n
converge a v, cioè
(4.35) lim
n
|v v
n
| = 0
ovvero, usando la denizione di v
n
(4.36) v =
k=1
c
k
u
k
Ora devo far vedere che valgono le (4.29) e (4.30).
Iniziamo con la prima. Posso scrivere
(4.37) v, u
k
= v
n
, u
k
+v v
n
, u
k
Se n k si ha che il primo termine è uguale a

v
n
, u
k
=
n
i=1
c
i
u
i
, u
k
= c
k
n k
Daltra parte si ha
[v v
n
, u
k
[ |v v
n
| |u
k
| = |v v
n
|
Grazie alla (4.35)
lim
n
[v v
n
, u
k
[ = 0
per cui, prendendo il limite n nella (4.37) ottengo
(4.38) v, u
k
= c
k
Rimane da dimostrare la (4.30).
Ma questa è quasi immediata. Infatti dalle (4.36) e (4.38) segue
v =
k=1
v, u
k
u
k
che è equivalente, come osservato nella (4.24) alla (4.30)
4.44 Proposizione. Sia | = (u
n
)
n=1
un sistema ortonormale nello spazio euclideo
(V, , ). Si considerino le sequenti aermazioni:
(1) | è un sistema completo di vettori (quindi | è una base ortonormale).
(2) | è totale, vale a dire: non esiste alcun vettore v V non nullo che sia ortogonale
a tutti gli u
k
.
Allora valgono le seguenti implicazioni:
se V è completo se V non è completo
(1) (2) (1) (2)
Dimostrazione che (1) (2). Sia (u
n
)
n=1
un sistema completo di vettori. Per
la Proposizione 4.41 (u
n
)
n=1
è un sistema chiuso, vale a dire per ogni v V vale
luguaglianza di Parseval
|v| =
k=1
v, u
k
2
.
Se v è ortogonale a tutti i vettori u
k
, questa uguaglianza ci dice che v è necessariamente
il vettore nullo.
Dimostrazione che (2) (1) se V è completo. Voglio ora far vedere che, sotto lipotesi
che V è completo (quindi uno spazio di Hilbert), vale limplicazione contraria: se
(u
n
)
n=1
è totale allora è completo. Per dimostrarlo assumo che (u
n
)
n=1
non sia un
sistema completo di vettori in V e farò vedere che non è totale dimostrando che esiste
un vettore w ,= 0 ortogonale a tutti gli u
n
. Supponiamo quindi che (u
n
)
n=1
non sia
completo e, di conseguenza, non sia chiuso. Per denizione esiste (almeno) un vettore
v V per il quale non vale luguaglianza di Parseval, ma si ha
(4.39) |v|
2
>
k=1
v, u
k
2
.
Pongo
(4.40) c
k
:= v, u
k
.
Poichè V è completo, per il Teorema di RieszFisher, esiste w V tale che
(4.41) w, u
k
= c
k
k = 1, 2, 3, . . . e, inoltre vale |w|
2
=
k=1
c
2
k
.
Dalle (4.39), (4.41) si ottiene che |v| > |w| quindi, se denisco z := v w, il vettore
z è necessariamente diverso da zero. Daltra parte dalle (4.40), (4.41) si ottiene anche
z, u
k
= v w, u
k
= v, u
k
w, u
k
= c
k
c
k
= 0 .
Abbiamo quindi trovato un vettore non nullo z ortogonale a tutti gli u
k
.
Nel seguente problema si capisce che lassunzione di completezza dello spazio euclideo
nella precedente proposizione è necessaria al ne di dimostrare limplicazione (2) (1).
4.45 Problema. Trovare uno spazio euclideo V e un sistema ortonormale (u
k
)
k=1
non completo in V , tale che non esista alcun vettore v ,= 0 ortogonale a tutti gli u
k
.
(Sugg: la cosa è possibile solo se V non è completo. Si prenda come V il sottospazio
di
2
denito come V := spanx, e
(2)
, e
(3)
, . . ., in cui x = (1, 1/2, 1/3, 1/4, . . .) e
gli e
(n)
sono i vettori di base canonici. Si consideri poi il sistema ortonormale
e
(2)
, e
(3)
, e
(4)
, . . ..
`
E ovvio che non è completo. Nonostante ciò si assuma che y sia
un elemento di V ortogonale a tutti gli e
(n)
per n = 2, 3, 4, . . . e si dimostri che deve
essere necessariamente y = (0, 0, 0, . . .).)
4.5. RIASSUNTO DELLE PRECEDENTI PUNTATE 95
4.5 Riassunto delle precedenti puntate
Sia dunque V uno spazio euclideo innito dimensionale separabile e sia
| = (u
1
, u
2
, u
3
, . . .)
un sistema ortonormale in V . Allora, per ogni v V vale lidentità
|v
n
k=1
v, u
k
u
k
|
2
= |v|
2
k=1
v, u
k
2
Se | è completo (e quindi chiuso) (e quindi totale) allora ambo i membri di questa
identità tendono a zero quando n , quindi
(4.42) v =
k=1
v, u
k
u
k
e |v|
2
=
k=1
v, u
k
2
Se il sistema ortonornale | non è completo, le cose si complicano. In questo caso,
mentre ci saranno dei vettori v per i quali la (4.42) è ancora valida, ce ne sono anche
degli altri per i quali
(4.43) v ,=
k=1
v, u
k
u
k
e |v|
2
>
k=1
v, u
k
2
Bene, ma che signica dire che
(4.44) v ,=
k=1
v, u
k
u
k
?
Può signicare due cose:
(1) o che la serie
k=1
v, u
k
u
k
converge a un qualche w, ma w ,= v. Questo signica
che il vettore v w è ortogonale a tutti gli u
k
, quindi il sistema | non è totale
(2) oppure che la serie
k=1
v, u
k
u
k
non converge a nessun elemento di V . Questo
può accadere solo se V non è completo.
4.6 Teorema: isomorsmo degli spazi di Hilbert se-
parabili
4.7 Proiezioni ortogonali
4.46 Teorema. Se W è un sottospazio chiuso di uno spazio di Hilbert separabile
(V, , ), allora ogni vettore v V può essere univocamente scritto come
(4.45) v = w +z in cui w W e z W
.
Inoltre se (u
k
)
k=1
è una qualsiasi BON di W, si ha:
(4.46) w =
k=1
v, u
k
u
k
.
4.47 Osservazione. (Ancora sulla separabilità). Lesitenza e lunicità della scompo-
sizione (4.45) rimangono valide anche nel caso di spazi di Hilbert non separabili (vedi
il Teorema 4.26). La formula (4.46) invece, nel caso non separabile, diventa
w =
I
v, u
in cui (u
) è una base ortonormale di W. Ora è facile far vedere che la somma di

una innità non numerabile di termini positivi è necessariamente innita. E infatti
si dimostra che, ssato w, solo una quantità nita o numerabile dei termini v, u
sono diversi da zero e quindi la sommatoria è di fatto una somma di una quantità al
pi` u numerabile di termini. Il sottoinsieme nito o numerabile degli u
che danno un
contributo non nullo alla somma non è però ssato a priori, ma varia al variare di
w W.
Dimostrazione.
0. Esistenza della rappresentazione (4.45).
Poichè W è un sottospazio chiuso di V e V è completo, per la Proposizione 2.35, si ha
che W è anchesso completo. Quindi W è uno spazio di Hilbert. Per la Proposizione
4.35, W ammette una base ortonormale | = (u
k
)
k=1
. Sia ora v un elemento arbitrario
di V e poniamo
c
k
:= v, u
k
k = 1, 2, 3, . . . .
Grazie alla disuguaglianza di Bessel so che
k=1
c
2
k
|v|
2
< ,
quindi la successione c = (c
k
)
k=1
appartiene ad
2
. Per il Teorema di RieszFisher
applicato a W esiste w W tale che
(4.47) w =
k=1
v, u
k
u
k
.
Pongo
z = v w
e aermo che z è ortogonale a W. Infatti
z, u
j
= v w, u
j
= v, u
j
w, u
j
= c
j
lim
n
n
k=1
c
k
u
k
, u
j
= c
j
c
j
= 0
Questo mostra che z u
k
, per ogni k. Grazie alla Proposizione 4.23 e usando il fatto
che | è una base di W otteniamo
z spanu
1
, u
2
, . . .
= W
Quindi la rappresentazione (4.45) esiste.

O Unicità della rappresentazione (4.45).
Assumo che ci sia un altro modo di scrivere v come una somma di un elemento di W
e un elemento di W
v = w
t
+z
t
in cui w
t
W e z
t
W
.
4.7. PROIEZIONI ORTOGONALI 97
Avrei allora
0 = (w w
t
) + (z z
t
) in cui w w
t
W e z z
t
W
.
Quindi
0 = |(ww
t
)+(zz
t
)|
2
= (ww
t
)+(zz
t
), (ww
t
)+(zz
t
) = |ww
t
|
2
+|zz
t
|
2
Questo signica che w = w
t
e z = z
t
.
4.48 Esempio. Se W non è chiuso allora la conclusione del precedente teorema è
falsa. Infatti consideriamo
f
come sottospazio di
2
.
f
non è chiuso, infatti la sua
chiusura (in
2
) coincide proprio con
2
7
. Ora è chiaro che nessun vettore con inniti
elementi non nulli può essere rappresentato come nella (4.45) semplicemente perchè
(
f
)
= 0.
4.49 Denizione. (Proiezioni ortogonali). Dato un sottospazio chiuso W di V in-
dichiamo con
W
: V W la proiezione ortogonale (o proiettore ortogonale) su W,
univocamente denita, grazie al Teorema 4.46, dalle due condizioni
(4.48)
W
v W e v
W
v W
Se (u
k
)
k=1
è una base ortonormale di W, allora, dalla (4.46) si vede
W
può essere
esplicitamente scritto come
(4.49)
W
v :=
k=1
v, u
k
u
k
mentre se la base è ortogonale, ma non necessariamente normalizzata allora si ha
(4.50)
W
v :=
k=1
v, u
k
|u
k
|
2
u
k
4.50 Denizione. Lo spazio euclideo V si dice somma diretta dei sottospazi chiusi
V
1
, V
2
, V
3
, . . . e si scrive
V =
k=1
V
k
= V
1
V
2

se
(1) i sottospazi V
k
sono a due a due ortogonali
(2) ogni elemento v di V si può univocamente rappresentare come
v = v
1
+v
2
+ in cui v
k
V
k
4.51 Corollario. Se W è un sottospazio chiuso dello spazio di Hilbert V allora
V = W W
4.52 Problema. Sia

W
la proiezione ortogonale sul sottospazio chiuso W di uno
spazio di Hilbert V . Dimostrare che
(a)
2
W
=
W
, cioè
W
(
W
(v)) =
W
(v)
(b)
W
è simmetrico, cioè
W
v, z = v,
W
z per ogni v, z V .
7
cioè
f
è denso in
2
(c) Se W e Z sono due sottospazi chiusi di V mutuamente ortogonali, allora
W
Z
=
0.
(d) Se W e Z sono due sottospazi chiusi di V tali che W Z, allora
W

Z
=
Z

W
=
W
.
4.53 Problema. Sia
W
il proiettore ortogonale sul sottospazio chiuso W dello spazio
di Hilbert V . Dimostrare che u,
W
u 0 per ogni u V .
4.54 Problema. Sia V = R
n
e sia u R
n
. Poniamo
u
:=
spanu]
, per cui abbiamo
u
v =
v, u
|u|
2
u
Dimostrare che loperatore
u
è rappresentato, nella base canonica di R
n
dalla matrice
A con elementi
A
ij
=
u
i
u
j
|u|
2
i, j = 1, . . . , n
4.55 Problema. Sia u := (1, 2, 3, 4) R
4
. Determinare la matrice che rappresenta
loperatore
u
(la proiezione ortogonale su spanu) nella base canonica.
4.56 Problema. Sia L = R
n
e sia u
1
, . . . , u
p
un sistema di p vettori ortogonali in R
n
.
Sia anche W = spanu
1
, . . . , u
p
. Poniamo
u
k
:=
spanu
k
]
Sia A
(k)
la matrice che rappresenta loperatore
u
k
nella base canonica di R
n
A
(k)
ij
=
u
k,i
u
k,j
|u|
2
k = 1, . . . , p, i, j = 1, . . . , n
Dimostrare che
W
=
u
1
+ +
u
p
,
quindi
W
è rappresentato nella stessa base dalla matrice
A = A
(1)
+ +A
(p)
4.57 Problema. Sia V = R
4
e poniamo
v
1
= (1, 1, 0, 0) v
2
= (0, 1, 1, 0) W = spanv
1
, v
2
Determinare la matrice 4 4 A che rappresenta

W
nella base canonica. Vericare
che A
2
= A.
Soluzione. Ortogonalizzando i vettori v
1
, v
2
si ottengono
w
1
= v
1
= (1, 1, 0, 0) w
2
= (1/2, 1/2, 1, 0)
Siano A
(1)
e A
(2)
le matrici che rappresentano
w
1
e
w
2
rispettivamente. Allora dalla
formula generale
A
(k)
ij
=
u
k,i
u
k,j
|u|
2
si ottiene
A
(1)
=
1
2
_
_
_
_
1 1 0 0
1 1 0 0
0 0 0 0
0 0 0 0
_
_
_
_
A
(2)
=
1
6
_
_
_
_
1 1 2 0
1 1 2 0
2 2 4 0
0 0 0 0
_
_
_
_
4.7. PROIEZIONI ORTOGONALI 99
e
A = A
(1)
+A
(2)
=
1
3
_
_
_
_
2 1 1 0
1 2 1 0
1 1 2 0
0 0 0 0
_
_
_
_
4.58 Problema. Sia V = C
2
[0, 1] e W = spanx, x
3
. Determinare il nucleo integrale
K(x, y) delloperatore
W
. Vericare che
_
1
0
K(x, y)K(y, z) dy = K(x, z) .
Calcolare
W
x
2
e vericare che x
2
W
(x
2
) è ortogonale a W.
Soluzione. Ortogonalizzo i vettori v
1
= x, v
2
= x
3
, ottenendo
w
1
(x) = v
1
(x) = x
|w
1
|
2
=
_
1
0
w
1
(y)
2
dy =
_
1
0
y
2
dy =
1
3
w
2
(x) = v
2
(x)
v
2
, w
1
|w
1
|
2
w
1
(x) = x
3
3
_
1
0
y
3
y dy x = x
3
3
5
x
|w
2
|
2
=
_
1
0
w
2
(y)
2
dy =
_
1
0
_
y
3
3
5
y
_
2
dy =
1
7

6
5
1
5
+
9
25
1
3
=
4
175
A questo punto posso scrivere
K
w
i
(x, y) =
w
i
(x) w
i
(y)
|w
i
|
2
e K(x, y) = K
w
1
(x, y) +K
w
2
(x, y)
quindi
K
w
1
(x, y) = 3xy
K
w
2
(x, y) =
175
4
_
x
3
3
5
x
__
y
3
3
5
y
_
=
175
4
_
x
3
y
3
3
5
(xy
3
+x
3
y) +
9
25
xy
_
Finalmente
K(x, y) = 3xy+
175
4
_
x
3
y
3
3
5
(xy
3
+x
3
y)+
9
25
xy
_
=
5
4
(35x
3
y
3
21(xy
3
+x
3
y)+15xy)
Lultima parte dellesercizio è solo un calcolo
4.59 Problema. Sia V = C
2
[1, 1] e W = spanx, x
3
. Determinare il nucleo inte-
grale delloperatore
W
, vale a dire determinare K(x, y) tale che
(
W
f)(x) =
_
1
1
K(x, y) f(y) dy
Calcolare
W
x
5
.
Soluzione. Innanzitutto ortogonalizzo i vettori x, x
3
.
w
1
(x) = x
|w
1
|
2
=
_
1
1
x
2
dx =
2
3
w
2
(x) = x
3
x
3
, w
1
|w
1
|
2
w
1
(x) = x
3
3
2
_
1
1
x
4
dxx = x
3
3
5
x
|w
2
|
2
=
_
1
1
_
x
3
3
5
x
_
2
dx =
8
175
Il nucleo integrale di
W
è dato da
K(x, y) =
w
1
(x) w
1
(y)
|w
1
|
2
+
w
2
(x) w
2
(y)
|w
2
|
2
=
3
2
xy +
175
8
_
x
3
3
5
x
__
y
3
3
5
y
_
Inne per calcolare la proiezione del vettore x
5
utilizzo la denizione di nucleo integrale
che appare nel testo dellesercizio
W
x
5
=
_
1
1
K(x, y) y
5
dy =
_
1
1
_
3
2
xy +
175
8
_
x
3
3
5
x
__
y
3
3
5
y
__
y
5
dy
=
3
2
x
_
1
1
y
6
dy +
175
8
_
x
3
3
5
x
__
1
1
_
y
8
3
5
y
6
_
dy
=
3
7
x +
175
8
_
x
3
3
5
x
__
2
9

6
35
_
=
3
7
x +
175
8
_
x
3
3
5
x
_
16
315
=
3
7
x +
10
9
_
x
3
3
5
x
_
=
10
9
x
3
5
21
x.
(Facoltativo). Controllo che il risultato sia giusto. Il vettore x
5

W
x
5
deve essere
ortogonale a x e a x
3
.
v(x) := x
5
W
x
5
= x
5
10
9
x
3
+
5
21
x
v, x =
_
1
1
_
x
5
10
9
x
3
+
5
21
x
_
xdx = 2
_
1
7

2
9
+
5
63
_
= 0
v, x
3
=
_
1
1
_
x
5
10
9
x
3
+
5
21
x
_
x
3
dx = 2
_
1
9

10
63
+
1
21
_
= 0
Ottimo!
4.60 Proposizione. Se W è un sottospazio dello spazio di Hilbert V , allora si ha
(W
= W
quindi nel caso in cui W sia chiuso si ottiene
(W
= W
Dimostrazione. (1). Dimostrazione che W (W
.
Se w W allora w è ortogonale a tutti i vettori di W
, quindi w (W
. Abbiamo
dunque
W (W
Daltro canto possiamo prendere la chiusura di ambo i membri e, dato che (W
è
chiuso, si ottiene
W (W
= (W
(2). Dimostrazione che W (W
.
Sia w (W
. Dato che W è un sottospazio chiuso, per il Teorema 4.46 e la

Proposizione 4.23, posso scrivere
(4.51) w = v +z in cui v W e z W
= W
.
Siccome w (W
, si ha w, z = 0, quindi
|z|
2
= z, w v = z, w z, v = 0
quindi z = 0. Questo signica che w = v W.
5. Funzionali lineari e
distribuzioni
J: We should have shotguns for this kind of deal.
V: How many up there?
J: Three or four.
V: Counting our guy?
J: Im not sure.
V: So there could be ve guys up there?
J: Its possible.
V: We should have fuckin shotguns.
5.1 Funzionali lineari continui
5.1 Denizione. Un funzionale lineare F sullo spazio vettoriale L è unapplicazione
F : L R tale che
(1) F(u +v) = F(u) +F(v) per ogni u, v L
(2) F(cu) = cF(u) per ogni c R, u L
5.2 Esempi.
(a) L = R. Dato a R denisco
a
(x) := ax.
a
è un funzionale lineare su R. Tutti
i funzionali lineari su R sono di questo tipo (perchè?).
(b) In R
n
. Se a R
n
possiamo costruire il funzionale lineare
a
denito come
a
(x) :=
n
i=1
a
i
x
i
(c) Nello spazio
1
: se a = (a
i
)
i=1

, posso denire il funzionale lineare

a
:
1
R
come
(5.1)
a
(x) :=
i=1
a
i
x
i
x
1
Questa sommatoria è nita, infatti
(5.2) [
i=1
a
i
x
i
[
i=1
[a
i
x
i
[ sup
i
[a
i
[
i=1
[x
i
[ = |a|
|x|
1
(d) Nello spazio (C
b
(R), | |
u
): se g C
1
(R) allora posso denire il funzionale lineare
g
: C
b
(R) R come
(5.3)
g
(f) :=
_
R
g(x)f(x) dx f C
b
(R)
Osservo che lintegrale è ben denito, infatti
(5.4) [
g
(f)[
_
R
[g(x)f(x)[ dx sup
xR
[f(x)[
_
R
[g(x)[ dx = |g|
1
|f|
u
101
102 CHAPTER 5. FUNZIONALI LINEARI E DISTRIBUZIONI
(e) Nello spazio (C
0
(R), | |
u
): se y R denisco il funzionale lineare delta di Dirac
y
: C
0
(R) R come
(5.5)
y
(f) := f(y)
Si ha ovviamente
[
y
(f)[ = [f(y)[ |f|
u
5.3 Denizione. (Funzionali lineari continui). Dato lo spazio vettoriale normato
(L, | |) indichiamo con L
linsieme dei funzionali lineari continui su L. L
è detto
spazio duale o coniugato dello spazio L.
5.4 Denizione. Un funzionale lineare F sullo spazio vettoriale L è detto limitato se
la quantità
|F| := sup
xL:|x|1
[F(x)[
è nita. La quantità |F| è chiamata norma del funzionale limitato F.
1
5.5 Proposizione. Se F L
, la norma di F può anche essere scritta come

(5.6) |F| = sup
x,=0
[F(x)[
|x|
.
Di conseguenza vale la disuguaglianza
(5.7) [F(x)[ |F| |x| x L
Dimostrazione. Denisco
A := sup
xL:|x|1
[F(x)[ B := sup
x,=0
[F(x)[
|x|
e faccio vedere che A = B.
0 Dimostrzione che B A. Grazie allomogenità di F, posso scrivere
B = sup
x,=0
[F(x)[
|x|
= sup
x,=0
F
_
x
|x|
_
= sup
xL:|x|=1
[F(x)[ sup
xL:|x|1
[F(x)[ = A.
O Dimostrzione che A B.
A := sup
xL:|x|1
[F(x)[ = sup
xL:|x|1, x,=0
[F(x)[
sup
xL:|x|1, x,=0
[F(x)[
|x|
sup
xL:x,=0
[F(x)[
|x|
.
5.6 Proposizione. (Condizioni equivalenti). Sia F un funzionale lineare sullo spazio
vettoriale normato L. Le seguenti condizioni sono equivalenti
(1) F è continuo
(2) F è continuo nellorigine
(3) F è limitato
1
dimostreremo fra poco che è una vera norma
5.1. FUNZIONALI LINEARI CONTINUI 103
Dimostrazione di (1) (2). Banale
Dimostrazione di (2) (3). Assumo F continuo in 0. Allora, per denizione di
continuiutà, dato che F(0) = 0, si ha
(5.8) per ogni > 0 esiste > 0 tale che se |x| allora [F(x)[ <
Ma allora se x è un vettore di L con |x| 1 poniamo
u := x
per cui
|u| = |x| = [[ |x|
Quindi, sfruttando la (5.8) si ottiene
[F(x)[ = [F(u/)[ =
1
[F(u)[

x L tali che |x| 1 ,

da cui
|F| = sup
xL: |x|1
[F(x)[

.
Quindi F è un funzionale lineare limitato.
Dimostrazione di (3) (1). Assumo F limitato e voglio dimostrare che F è continuo.
Devo dunque far vedere che
(5.9) x L, > 0, esiste > 0 tale che se |y x| < allora [F(y) F(x)[ <
Scelgo x L e > 0. Allora, grazie alla (5.7), posso scrivere
(5.10) [F(y) F(x)[ = [F(y x)[ |F| |y x|
Scegliamo ora := /|F|. In questo modo si ha che, se |y x| < allora
[F(y) F(x)[ |F| =

|F|
|F| = .
Abbiamo quindi dimostrato che F è continuo
5.7 Proposizione.
(1) Se esiste C > 0 tale che
(5.11) [F(x)[ C |x| x L
allora si ha che F L
e |F| C.
(2) Se invece F L
e
(5.12) per ogni > 0 esiste x L tale che [F(x)[ (C ) |x|
allora si ha |F| C.
5.8 Osservazione. Quindi per dimostrare che |F| = C bisogna far vedere che valgono
la (5.11) e la (5.12). In casi particolarmente fortunati la (5.12) può essere sostituita
da una condizione pi` u semplice, vale a dire che
(5.13) esiste x L tale che [F(x)[ = C |x|
Dimostrazione. Se vale la (5.11), allora
|F| := sup
xL:|x|1
[F(x)[ sup
xL:|x|1
(C|x|) = C sup
xL:|x|1
|x| = C
Per dimostrare la seconda aermazione, assumo, per assurdo, che sia |F| < C e scelgo
= (C |F|)/2 > 0 in modo tale che
C = |F| + 2
Per la (5.12) esisterà x L tale che
[F(x)[ (C ) |x| = (|F| +) |x| ,
che è un assurdo perchè vale sempre [F(x)[ |F| |x|.
5.9 Problema. Nei casi seguenti dire se F è un funzionale lineare continuo su L. Nel
caso di risposta negativa giusticare la propria aermazione
(a) L =
2
, F(x) =
i=1
x
i
(b) L =
2
, F(x) =
i=1
x
i
i
(c) L =
0
, F(x) =
i=1
x
i
i
(d) L = C
4
(R), F(f) =
_
R
f(x)
1 +
_
[x[
dx
(e) L = C
4/3
(R), F(f) =
_
R
f(x)
1 +
_
[x[
dx (f) L = C
0
(R), F(f) =
_
R
f(x)
1 +[x[
dx
Soluzione. (a) No. Si prenda x
i
= 1/i. Allora x
2
, ma
i=1
x
i
= .
(b) S`. Infatti, per la disuguaglianza di CauchySchwarz,
i=1
x
i
i
|x|
2
_

i=1
1
i
2
_
1/2
e la seconda serie è convergente.
(c) No. Si prenda x
i
= 1/
i. Allora x
0
, ma
i=1
x
i
/
i =
i=1
1/i = .
(d) No. Si prenda f(x) := (1 +[x[
1/3
)
1
. Allora f C
4
(R), ma
_
R
f(x)
1 +
_
[x[
dx =
_
R
1
(1 +[x[
1/2
)(1 +[x[
1/3
)
dx
Lintegrando, quando x , converge a zero come [x[
5/6
, quindi lintegrale è diver-
gente.
(e) S`. Infatti, per la disuguaglianza di Holder,
_
R
[f(x)[
1 +
_
[x[
dx |f|
4/3
_
_
R
1
(1 +
_
[x[)
4
dx
_
1/4
in cui lintegrale a destra è chiaramente convergente.
(f) No. Infatti si prenda f(x) := [log(2 +[x[)]
1
. In questo caso
_
R
f(x)
1 +[x[
dx =
_
R
1
(1 +[x[) log(2 +[x[)
dx
Lintegrando, quando x , converge a zero come ([x[ log [x[)
1
, quindi lintegrale è
divergente.
5.10 Problema. Calcolare la norma del funzionale lineare
a
, con a R che agisce
sullo spazio normato (C
0
(R), | |
u
).
5.11 Problema. Dimostrare che la delta di Dirac
a
, nello spazio (C
1
(R), | |
1
), è
un funzionale lineare non limitato.
5.12 Problema. Nello spazio
p
consideriamo il funzionale lineare
a
denito come
a
(x) :=
i=1
a
i
x
i
.
Sia q := p/(p 1), in modo tale che
1
p
+
1
q
= 1, e sia a
q
.
(1) Dimostrare che il funzionale lineare
a
è ben denito su
p
, vale a dire la somma-
toria è convergente per ogni x
p
(2) Dimostrare che il funzionale lineare
a
è limitato su
p
e trovare un limite superiore
alla norma di
a
(3) Dimostrare che |
a
| = |a|
q
.
Soluzione. Punti 1 e 2. Sia a
q
. Allora, per ogni x
p
si ha, per la disuguaglianza
di Holder,
(5.14) [
a
(x)[ =
i=1
a
i
x
i
|a|
q
|x|
p
Questa disuguaglianza dimostra che la sommatoria è nita e al tempo stesso che |
a
|
|a|
q
.
Punto 3. Sapendo già che |
a
| |a|
q
, mi basta dimostrare che vale la disuguaglianza
opposta |
a
| |a|
q
. A questo scopo, dato a
q
, cerco un particolare vettore x
p
tale che valga
(5.15) [
a
(x)[ = |a|
q
|x|
p
Non sempre è possibile trovarlo (vedi il Problema 5.18 in cui è necessario usare un
metodo pi` u complicato). In questo caso però con la scelta
x
i
= sgn(a
i
) [a
i
[
q1
la (5.15) è soddisfatta. La verica è un semplice calcolo
5.13 Problema. Sia g C
1
(R) e sia
g
il funzionale lineare nello spazio (C
b
(R), ||
u
)
denito come
g
(f) :=
_
R
g(x)f(x) dx f C
b
(R) .
Dimostrare che |
g
| = |g|
1
.
Soluzione. Dimostro prima che |
g
| |g|
1
e poi che |
g
| |g|
1
. Osservo che per
ogni f C
b
(R) si ha
[
g
(f)[
_
R
[g(x)f(x)[ dx sup
xR
[f(x)[
_
R
[g(x)[ dx = |g|
1
|f|
u
e questo implica, come osservato nella Proposizione 5.7, che |
g
| |g|
1
.
Passiamo a dimostrare la disuguaglianza opposta. Questo è un po pi` u complicato
perchè, dato un > 0, devo trovare funzione f C
b
(R) (che in generale dipende dal
valore di ) tale che
[
g
(f)[ :=
_
R
g(x) f(x) dx
> (|g|
1
) |f|
u
.
Divagazione. Il problema deriva dal fatto che la funzione f deve essere continua.
Se potessi scegliere una funzione f limitata ma non necessariamente continua, allora
risolverei facilmente senza neppure dover usare lepsilon (!). Sia infatti
f(x) := sgn(g(x)) :
_
+1 se g(x) 0
1 se g(x) < 0 .
Il motivo di questa scelta di f è che posso scrivere
f(x) g(x) = [g(x)[ x R
e a questo punto ho svoltato. Infatti ottengo
[
g
(f)[ :=
_
R
g(x) f(x) dx
_
R
[g(x)[ dx
=
_
R
[g(x)[ dx =: |g|
1
,
che mi dice che la () è soddisfatta, dato che |f|
u
= 1. Purtroppo questa funzione f
non è continua. Fine Divagazione.
La divagazione prcedente ci ha fatto perdere del tempo ma non è stata completamente
inutile, perchè lidea () è pi` u o meno quella giusta. Siccome però f deve essere
continua non può saltare istantaneamente da 1 a +1 e viceversa, quindi dovremo
creare dei raccordi obliqui fra i tratti nei quali f vale +1 e quelli in cui vale 1. Per
di pi` u
2
il numero di questi raccordi può essere innito. Infatti la funzione continua
g potrebbe cambiare segno un numero innito di volte. Fortunatamente si tratta di
un innitità numerabile, perchè ogni volta che g assume un valore (diciamo) positivo,
allora sarà positiva in tutto un intervallino che contiene sicuramente un razionale. Un
altro modo di dirlo è che, siccome g è continua, gli insiemi
A
+
:= x R : g(x) > 0
A
:= x R : g(x) < 0
sono entrambi aperti. Ma è noto [KF p.64] che ogni insieme aperto di R si può
rappresentare come unione nita o numerabile di intervalli aperti disgiunti. Quindi
3
esistono 4 successioni di numeri reali a
+
n
, b
+
n
, a
n
, b
n
tali che
A
+
:=
n=1
(a
+
n
, b
+
n
)
A
:=
n=1
(a
n
, b
n
)
Su ciascun intervallo (a
+
n
, b
+
n
) voglio denire la funzione f in modo che valga sempre
1 eccetto nelle vicinanze dei 2 estremi dellintervallo (analogamente sugli intervalli
(a
n
, b
n
)). Scelgo due successioni di numeri reali positivi (d
+
n
) e (d
n
) e denisco la
funzione f sullintervallo (a
+
n
, b
+
n
) nel modo seguente
2
come se non avessimo di meglio da fare che creare raccordi obliqui
3
facciamo il caso in cui il numero di questi intervalli è innito numerabile
e
e
e
e
e
e
a
+
n
a
+
n
+d
+
n
b
+
n
d
+
n
b
+
n
1
L
+
n
C
+
n
R
+
n
vale a dire
f(x) :=
_
_
(x a
+
n
)/d
+
n
se x L
+
n
:= (a
+
n
, a
+
n
+d
+
n
)
1 se x C
+
n
:= [a
+
n
+d
+
n
, b
+
n
d
+
n
]
(b
+
n
x)/d
+
n
se x R
+
n
:= (b
+
n
d
+
n
, b
+
n
)
La denizione di f sugli intervalli (a
n
, b
n
) è analoga, con il segno cambiato. Inne
denisco f(x) = 0 se g(x) = 0. Non ho ancora detto come devo scegliere le quantità
d
n
. Per il momento osservo soltanto che, anchè la denizione della funzione f sia
univoca deve essere
d
+
n
[b
+
n
a
+
n
[/2 d
n
[b
n
a
n
[/2 .
Una scelta precisa per queste quantità la farò pi` u tardi. Ricordiamoci che il nostro
scopo è dimostrare la (). Osservo che con la scelta fatta di f, le due funzioni f e
g hanno sempre lo stesso segno, quindi il prodotto fg è sempre non negativo. Allora
posso scrivere
_
R
g(x) f(x) dx
=
_
A
+
g(x) f(x) dx +
_
A
g(x) f(x) dx
=
n=1
_
b
+
n
a
+
n
g(x) f(x) dx +
n=1
_
b
n
a
n
g(x) f(x) dx.
Daltra parte si ha
_
b
+
n
a
+
n
g(x) f(x) dx
_
C
+
n
g(x) f(x) dx =
_
C
+
n
g(x) dx
=
_
b
+
n
a
+
n
g(x) dx
_
L
+
n
g(x) dx
_
R
+
n
g(x) dx
Sommando su tutti gli n ottengo
_
A
+
g(x) f(x) dx
_
A
+
g(x) dx
n=1
__
L
+
n
g(x) dx +
_
R
+
n
g(x) dx
_
.
Analogamente
_
A
g(x) f(x) dx
_
A
g(x) dx +
n=1
__
L
n
g(x) dx +
_
R
n
g(x) dx
_
,
che, poichè su questi intervalli g è negativa, si può riscrivere come
_
A
g(x) f(x) dx
_
A
[g(x)[ dx
n=1
__
L
n
[g(x)[ dx +
_
R
n
[g(x)[ dx
_
.
Mettendo tutto insieme ho
[
g
(f)[ =
_
R
g(x) f(x) dx
_
A
+
A
[g(x)[ dx
n=1
__
L
+
n
[g(x)[ dx +
_
R
+
n
[g(x)[ dx +
_
L
n
[g(x)[ dx +
_
R
n
[g(x)[ dx
_
,
Dato che
_
A
+
A
[g(x)[ dx = |g|
1
e |f|
u
= 1 ,
al ne di dimostrare la () tutto ciò che manca è far vedere che, con una scelta
opportuna delle quantità d
n
, si ha
n=1
__
L
+
n
[g(x)[ dx +
_
R
+
n
[g(x)[ dx +
_
L
n
[g(x)[ dx +
_
R
n
[g(x)[ dx
_
< .
A questo scopo uso il risultato del Problema 3.44 che aerma che se g C
1
(R) allora
per ogni > 0 esiste un > 0 tale che se [a, b] è un qualsiasi intervallo di
lunghezza non superiore a allora
_
b
a
[g(x)[ dx < .
Nel mio caso devo stare leggermente pi` u attento perchè ho una somma innita di questi
integrali, ma nulla di preoccupante. Utilizzo laermazione appena citata prendendo al
posto di i valori /(42
n
). Dunque ottengo una successione di quantità corrispondenti
n
tali che
se [a, b] è un intervallo di lunghezza non superiore a
n
allora
_
b
a
[g(x)[ dx <

4 2
n
.
Una volta che ho i
n
posso nalmente scegliere la larghezza d
n
degli intervallini sui
quali f è obliqua, larghezza che avevo lasciato in sospeso. Mi ricordo che d
n
può essere
al massimo uguale a [b
+
n
a
+
n
[/2, dunque pongo
d
+
n
:= min
n
, [b
+
n
a
+
n
[/2
d
n
:= min
n
, [b
n
a
n
[/2 .
A questo punto ho ottenuto
n=1
__
L
+
n
[g(x)[ dx +
_
R
+
n
[g(x)[ dx +
_
L
n
[g(x)[ dx +
_
R
n
[g(x)[ dx
_
<
n=1
_

4 2
n
+

4 2
n
+

4 2
n
+

4 2
n
_
=
n=1
2
n
=
che è esattamente ciò che dovevo dimostrare
5.2 Lo spazio duale
5.2.1 Lo spazio duale è uno spazio vettoriale normato
5.14 Denizione. Dati due funzionali lineari F e G sullo spazio vettoriale normato
(L, | |) e dato c R, posso denire le operazioni di
5.2. LO SPAZIO DUALE 109
(1) somma fra due funzionali lineari come
(F +G)(x) := F(x) +G(x) x L
(2) prodotto di un funzionale lineare per un numero come
(cF)(x) := cF(x) x L.
5.15 Proposizione. Lo spazio duale L
di uno spazio vettoriale normato (L, | |),

con le due operazioni introdotte nella Denizione 5.14, è uno spazio vettoriale. La
quantità
|F| := sup
xL: |x|1
[F(x)[
è una norma su L
.
Dimostrazione. Vanno dimostrate le proprietà (A), (B), (SV1), . . . , (SV8) che denis-
cono uno spazio vettoriale (Denizione 3.1). Tutte queste proprietà si dimostrano
in modo completamente meccanico, non è richiesta attività cerebrale oltre a quella
necessaria per luso della penna. Ad esempio, per quanto riguarda la proprietà (A).
Devo far vedere che se F, G L
allora la loro somma F + G appartiene a L
. Sia
H := F + G. Dire che H L
signica due cose: che H è un funzionale lineare su L

e che H è limitato. Vediamo che H è una funzionale lineare. Siano x, y L e c R.
Allora
H(x +y) := F(x +y) +G(x +y) = F(x) +F(y) +G(x) +G(y) = H(x) +H(y)
H(cx) := F(cx) +G(cx) = cF(x) +cG(x) = cH(x) .
Quindi H è lineare. Per quanto riguarda la limitatezza osservo che
sup
xL
[H(x)[ = sup
xL
[F(x) +G(x)[ sup
xL
_
[F(x)[ +[G(x)[
sup
xL
[F(x)[ + sup
xL
[G(x)[
= |F| +|G| .
Ho quindi dimostrato non solo che H è limitato, ma anche che
|F +G| |F| +|G| F, G L
,
che ci torna utile per aermare che | | è una norma su L
.
In modo pressochè identico si dimostra che se F L
e c R allora cF L
(proprietà
(B)).
Cos`, tanto per evidenziare la banalità della cosa, dimostro una delle altre proprietà
degli spazi vettoriali, diciamo la (SV4) che aerma
per ogni F L
esiste G L
tale che F +G = 0.
Sia dunque F L
. Allora denisco unapplicazione G : L R come

G(x) := F(x) x L.
`
E immediato vericare che G è lineare e che G è limitato con |G| = |F|. Quindi
G L
e, ovviamente F +G = 0.
Le altre proprietà sono altrettanto ovvie.
5.16 Problema. Sia F il funzionale lineare denito come F(f) :=
_
1
1
xf(x) dx.
Calcolare |F| quando F agisce: (a) su (C[1, 1] , | |
1
), (b) su (C[1, 1] , | |
2
), (c)
su (C[1, 1] , | |
u
).
5.17 Problema. Sia F il funzionale lineare denito come
F(f) :=
_

0
cos xf(x) dx.
Calcolare |F| quando F agisce: (a) sullo spazio (C[0, ], | |
1
); (b) sullo spazio
(C[0, ], | |
2
) (in questo caso dare semplicemente la risposta senza dimostrazione).
Soluzione. (a) Se f è una funzione continua su [0, ] si ha
[F(f)[ =
_

0
cos xf(x) dx
| cos x|
u
|f|
1
.
Questa disuguaglianza ci dice che
|F| | cos x|
u
= 1 .
Daltra parte consideriamo una successioni di funzioni continue f
n
che hanno un picco
sempre pi` u stretto in corrispondenza di uno dei massimi del [ cos x[, ad esempio in
x = 0. Scegliamo, ad esempio,
f
n
(x) :=
_
1 nx se x [0, 1/n]
0 se x (1/n, ]
In questo modo si ottiene
R(f
n
) :=
[F(f
n
)[
|f
n
|
1
=
[
_
1
0
cos xf
n
(x) dx[
_
1
0
[f
n
(x)[ dx[
=
_
1/n
0
cos xf
n
(x) dx
_
1/n
0
f
n
(x) dx
.
Poichè il coseno è decrescente nellintervallo [0, 1/n] si avrà
_
1/n
0
cos xf
n
(x) dx cos(1/n)
_
1/n
0
f
n
(x) dx.
Di conseguenza
R(f
n
)
cos(1/n)
_
1/n
0
f
n
(x) dx
_
1/n
0
f
n
(x) dx
= cos(1/n) .
Poichè sappiamo già che |F| 1 otteniamo
cos(1/n) R(f
n
) 1 ,
di conseguenza, siccome lim
n
cos(1/n) = 1, si ha
lim
n
R(f
n
) = 1 ,
che dimostra |F| = 1.
(b) Utilizzo il seguente fatto noto: se p > 1, q = p/(p 1) e g C
q
(R) allora il
funzionale lineare
g
: C
p
(R) R denito come
g
(f) :=
_
R
g(x) f(x) dx f C
p
(R)
è limitato e vale |
g
| = |g|
q
. Nel caso considerato ottengo:
|F|
2
= | cos x|
2
2
=
_

0
cos
2
xdx =
_

0
1 + cos(2x)
2
dx =

2
,
quindi |F| =
_
/2.
5.2.2 Identicazione di alcuni spazi duali importanti
5.18 Problema. Nello spazio
1
consideriamo il funzionale lineare
a
denito come
a
(x) :=
i=1
a
i
x
i
.
Allora
(1) Dimostrare che se a
, il funzionale lineare
a
è ben denito su
1
, vale a dire
la sommatoria è convergente per ogni x
1
(2) Dimostrare che se a
, il funzionale lineare
a
è limitato su
1
(3) Dimostrare che vale |
a
| = |a|
.
(4) Dimostrare inoltre che è un isomorsmo di
su
1
, vale a dire far vedere
che ogni funzionale lineare continuo F su
1
si può scrivere come F =
a
per un
qualche a
.
Soluzione. Punti 1 e 2. Sia a
. Allora, per ogni x

1
si ha
(5.16) [
a
(x)[ =
i=1
a
i
x
i
i=1
[a
i
[ [x
i
[ sup
i
[a
i
[
i=1
[x
i
[ = |a|
|x|
1
Questa disuguaglianza dimostra che la sommatoria è nita e al tempo stesso che |
a
|
|a|
.
Punto 3. Sappiamo che |
a
| |a|
. Per dimostrare che |

a
| |a|
, usiamo la
condizione (5.12). Sia dunque > 0. Voglio trovare x
1
tale che
(5.17) [
a
(x)[ (|a|
) |x|
1
Dato che |a|
:= sup
i
[a
i
[, per denizione di estremo superiore, esiste un intero j tale
che [a
j
[ > |a|
. Scelgo a questo punto la mia successione x

1
come
x = (0, 0, . . . , 0, 1, 0, 0, 0, . . .)
in cui lelemento 1 appare alla posizione jsima. Ovviamente si ha
|x|
1
:=
i=1
[x
i
[ = 1 .
Con questa scelta di x ottengo.
[
a
(x)[ = [
i=1
a
i
x
i
[ = [a
j
x
j
[ = [a
j
[ > |a|
= (|a|
) |x|
1
e la (5.17) è dimostrata. Quindi |
a
| = |a|
Punto 4. Ora voglio far vedere che se F è un funzionale lineare continuo su

1
allora
esiste a
tale che F =
a
. Sia dunque F
1
e x
1
. Se (e
(n)
)
n=1
è la base
canonica di
1
si ha
lim
n
|x
n
i=1
x
i
e
(i)
|
1
= lim
n
i=n+1
[x
i
[ = 0 ,
quindi posso scrivere
x = lim
n
n
i=1
x
i
e
(i)
=
i=1
x
i
e
(i)
Dato che F è continuo si avrà
F(x) = lim
n
n
i=1
x
i
F(e
(i)
) =
i=1
x
i
F(e
(i)
)
Ponendo a
i
= F(e
(i)
) ottengo proprio che F =
a
. Devo ancora far vedere che a
,
cioè che a è una successione limitata. Ma dato che F è continuo e dunque limitato si
ha
[a
i
[ = [F(e
(i)
)[ |F| |e
(i)
|
1
= |F|
quindi |a|
|F|, quindi a
5.19 Proposizione. Nello spazio normato (

0
, | |
) sia
a
:
0
R denito come
(5.18)
a
(x) :=
i=1
a
i
x
i
x
0
Se a = (a
k
)
k=1

1
, allora
(1)
a
è un funzionale lineare continuo su
0
.
(2) |
a
| = |a|
1
:=
k=1
[a
k
[
(3) Se F è funzionale lineare continuo su
0
allora esiste a
1
tale che F =
a
, vale
a dire tutti gli elementi di
0
si possono scrivere nella forma (5.18) con a
1
.
Dimostrazione di (1).
(5.19) [
a
(x)[ = [
i=1
a
i
x
i
[
i=1
[a
i
x
i
[ sup
i
[x
i
[
i=1
[a
i
[ = |a|
1
|x|
Dimostrazione di (2). La (5.19) dimostra che |

a
| |a|
1
. Per dimostrare che invece
|
a
| |a|
1
, sia
1
. Faremo vedere che
(5.20) per ogni > 0 esiste x
0
tale che [
a
(x)[ (|a|
1
) |x|
da cui, grazie alla (5.12), potremo concludere |

a
| |a|
1
. Sia quindi > 0. Siccome
a
1
esiste n tale che
(5.21)
i=n+1
[a
i
[ <
Poniamo quindi
x
i
=
_
sgn(a
i
) se i n
0 se i > n
in cui sgn(a
i
) rappresenta il segno del numero reale a
i
, vale a dire +1 se a
i
è positivo
o nullo e 1 se a
i
è negativo. Quindi la successione x può essere scritta come
x =
_
a
1
[a
1
[
,
a
2
[a
2
[
, . . . ,
a
n
[a
n
[
, 0, 0, 0, . . .
_
in cui, convenzionalmente, se a
i
= 0, intendiamo a
i
/[a
i
[ = 0. Chiaramente x
0
e la
sua norma è
|x|
:= sup
i
[x
i
[ = 1 .
Il valore di
a
su questo vettore x allora si può stimare dal basso nel modo seguente:
[
a
(x)[ =
i=1
a
i
x
i
i=1
a
i
a
i
[a
i
[
i=1
a
i
a
i
[a
i
[
=
n
i=1
[a
i
[ = |a|
1
i=n+1
[a
i
[ > |a|
1
Dato che |x|

1
= 1 si ha dunque
[
a
(x)[ (|a
1
| ) |x|
1
.
Abbiamo dimostrato in questo modo la (5.20), quindi |
a
| |a|
1
. Insieme alla
disuguaglianza inversa che già conoscevamo grazie alla (5.19) questo ci permette di
concludere che |
a
| = |a|
1
.
Dimostrazione di (3). Sia F un funzionale lineare continuo su
0
. Voglio far vedere
che esiste a
1
tale che F =
a
. Sia quindi x
0
, cioè x = (x
i
)
i=1
e vale
(5.22) lim
i
x
i
= 0 .
Poniamo, come al solito,
e
(i)
:= ( 0 , 0 , . . . , 0 , 1 , 0 , 0 , . . . )
(i)
Aermo che
(5.23) x = lim
n
n
i=1
x
i
e
(i)
.
Infatti
D
n
:= |x
n
i=1
x
i
e
(i)
|
= sup
kn
[x
k
[
Grazie alla (5.22) si ha che D
n
tende a zero quando n quindi vale la (5.23). Di
conseguenza, dato che F è continuo posso scambiare il limite con F() e ottenere
F(x) = F
_
lim
n
n
i=1
x
i
e
(i)
_
= lim
n
n
i=1
x
i
F(e
(i)
)
Ponendo ora
a
i
:= F(e
(i)
)
otteniamo
F(x) =
i=1
a
i
x
i
=
a
(x) .
Resta da vericare che a
1
, vale a dire che
(5.24)
i=1
[a
i
[ < .
Dimostreremo unaermazione pi` u forte della (5.24), vale a dire che
per ogni n si ha
n
i=1
[a
i
[ |F| .
A questo scopo poniamo
x
(n)
=
_
a
1
[a
1
[
,
a
2
[a
2
[
, . . . ,
a
n
[a
n
[
, 0, 0, 0, . . .
_
=
n
i=1
a
i
[a
i
[
e
(i)
Ovviamente abbiamo che
x
(n)

0
e |x
(n)
|
= 1
di conseguenza si ha
[F(x
(n)
)[ |F| |x|
= |F| .
Ma, daltra parte,
[F(x
(n)
)[ = [F
_
n
i=1
a
i
[a
i
[
e
(i)
_
[ =
i=1
a
i
[a
i
[
F(e
(i)
)
i=1
a
i
[a
i
[
a
i
=
n
i=1
[a
i
[
per cui
n
i=1
[a
i
[ |F| n
che implica
i=1
[a
i
[ |F| .
Di conseguenza a
1
e la proposizione è dimostrata
5.20 Problema. Per a R, calcolare la norma di
a
che agisce sullo spazio (C
c
(R), |
|
u
).
Soluzione. Possiamo scrivere
[
a
(f)[ = [f(a)[ sup
yR
[f(y)[ |f|
u
f C
c
(R)
Questo ci dice che |
a
| 1. Per dimostrare che |
a
| = 1 è quindi suciente trovare
una funzione particolare h C
c
(R) tale che
[
a
(h)[ = |h|
u
Sia dunque h una funzione C
a supporto compatto il cui modulo abbia il massimo

assoluto nel punto x = a, ad esempio
h(x) :=
_
e
1
1(xa)
2
se [x a[ 1
0 se [x a[ > 1
`
E immediato vericare che il massimo di h si ha appunto per x = a e vale h(a) = 1/e.
Quindi
[
a
(h)[ = h(a) = sup
xR
[h(x)[ = |h|
u
.
Questo implica
|
a
| = sup
f,=0
[
a
(f)[
|f|
u
[
a
(h)[
|h|
u
= 1
Quindi |
a
| 1. Ma già sapevamo che |
a
| 1, quindi deve essere |
a
| = 1
5.21 Problema. Fare un esempio di un funzionale lineare non continuo nello spazio
(C
1
(R) , | |
1
).
5.2.3 Lo spazio duale di uno spazio di Hilbert
Uno spazio di Hilbert è un caso particolare di uno spazio di Banach in cui abbiamo, in
pi` u, un prodotto scalare. Se (L, , ) è uno spazio di Hilbert possiamo dunque ancora
parlare di spazio duale, come linsieme di tutti i funzionali lineari continui su L. Nel
caso hilbertiano però cè un modo naturale per trovare alcuni funzionali lineari che
(si dimostra facilmente) sono continui. Basta porre per un generico v L
(5.25)
v
(z) := z, v z L.
`
E facile vedere che
v
è un funzionale lineare continuo.
5.22 Domanda. Tutti i funzionali lineari continui su L sono della forma (5.25)?
La risposta è aermativa. In altre parole il duale di uno spazio di Hilbert è isomorfo
a se stesso L

= L.
5.23 Teorema. Sia (L, , ) uno spazio di Hilbert reale e deniamo per ogni v L,
la funzione
v
: L R come
v
(z) := z, v z L.
Allora
(1) per ogni v L si ha
v
L
e, inoltre, |
v
| = |v|
(2) se c
1
, c
2
R e v
1
, v
2
L allora
c
1
v
1
+c
2
v
2
= c
1
v
1
+c
2
v
2
(3) se F è un funzionale lineare continuo su L, allora esiste v L tale che F =
v
.
Dimostrazione di (1). Faccio vedere innanzi tutto che
v
è un funzionale lineare. Siano
w, z L e sia c R. Allora, grazie alle proprietà del prodotto scalare, abbiamo
v
(w +z) := w +z, v = w, v +z, v =
v
(w) +
v
(z)
v
(cw) := cw, v = c w, v = c
v
(w)
dunque
v
è lineare. Passo ad occuparmi della sua norma. Dalla disuguaglianza di
Cauchy-Schwarz ottengo
[
v
(z)[ = [z, v[ |z| |v| ,
che implica |
v
| |v|. Daltra parte scegliendo z = v si ha
[
v
(v)[ = [v, v[ = |v|
2
.
Di conseguenza |
v
| = |v|.
Dimostrazione di (2). Laermazione si dimostra immediatamente usando la bilinearità
del prodotto scalare. Infatti, poichè L è uno spazio di Hilbert reale, possiamo scrivere
c
1
v
1
+c
2
v
2
(z) = z, c
1
v
1
+c
2
v
2
= c
1
z, v
1
+c
2
z, v
2
= c
1
v
1
(z) +c
2
v
2
(z) = (c
1
v
1
+c
2
v
2
)(z) .
Dimostrazione di (3). Sia F L
e consideriamo il nucleo di F
N
F
:= u L : F(u) = 0 .
Dato che F è continuo N
F
è un sottospazio chiuso di L. Se N
F
= L, allora si ha
F(u) = 0 u L,
vale a dire F è il funzionale nullo, F = 0. In questo caso scelgo v = 0 e ottengo
v, u = 0, u = 0 = F(u) u L,
per cui abbiamo F =
v
e laermazione (3), in questo caso banale, è dimostrata.
Consideriamo dunque laltro caso in cui N
F
,= L. Per il teorema 4.46 sulle proiezioni
ortogonali il complemento ortogonale N
F
contiene almeno un elemento w ,= 0. Sce-
gliamo ora
v =
F(w)
|w|
2
w
e dimostriamo che
F =
v
vale a dire che F(u) =
v
(u) = v, u u L.
Sia quindi u un qualsiasi vettore in L. Siccome w / N
F
, F(w) ,= 0, quindi u può
essere scritto come
u = u
1
+
F(u)
F(w)
w in cui u
1
:=
_
u
F(u)
F(w)
w
_
Notare che
F(u
1
) = F
_
u
F(u)
F(w)
w
_
= F(u) F(u) = 0 ,
per cui u
1
N
F
. Poichè w N
F
avremo
u
1
, w = 0 .
Di conseguenza
v
(u) = v, u
1
+v,
F(u)
F(w)
w =
F(w)
|w|
2
w, u
1
+
F(w)
|w|
2
w,
F(u)
F(w)
w
=
F(w)
|w|
2
w, u
1
+
F(w)
|w|
2
F(u)
F(w)
w, w = 0 +F(u) = F(u)
Abbiamo quindi mostrato che
F(u) =
v
(u) u L
il che signica che F =
v
che è esattamente ciò che aermava il punto (3).
5.24 Osservazione. Se L è uno spazio di Hilbert complesso le conclusioni del Teorema
5.23 rimangono inalterate, ad eccezione del punto 2 che va modicato come segue:
se c
1
, c
2
C e v
1
, v
2
L allora
c
1
v
1
+c
2
v
2
= c
1
v
1
+ c
2
v
2
.
5.3 Convergenza debole
5.25 Denizione. (Convergenza debole). Una successione (v
k
)
k=1
in uno spazio
vettoriale normato (L, | |) si dice debolmente convergente al vettore v L e si scrive
v
k
w
v se
per ogni F L
si ha lim
k
F(v
k
) = F(v).
5.3. CONVERGENZA DEBOLE 117
Il concetto di convergenza debole è pi` u debole
4
della convergenza usuale che si esprime
tramite la norma come
lim
k
|v v
k
| = 0 ,
nel senso che tutte le successioni convergenti sono anche debolmente convergenti,
5
mentre non vale (in generale) il viceversa. Considerate infatti il seguente esempio.
5.26 Esempio. Nello spazio (
2
, | |
2
) consideriamo la successione
(5.26) e
(1)
, e
(2)
, e
(3)
, . . .
in cui
e
(i)
:= (0, 0, . . . , 0, 1, 0, 0, . . .)
[i]
Questa successione è chiaramente non convergente in norma. Infatti si ha
|e
(i)
e
(j)
| =
2 i ,= j
che implica che la successione (5.26) non può essere di Cauchy. Di conseguenza non è
nenache convergente. Però la (5.26) è una successione debolmente convergente a zero.
Per dimostrarlo bisogna far vedere che
per ogni F
2
si ha lim
n
F(e
(n)
) = 0
Ma dato che
2
è uno spazio di Hilbert sappiamo che tutti i funzionali lineari continui
F su
2
si possono rappresentare come F =
a
= , a per un qualche a
2
. Quindi
quello che dobbiamo dimostrare è
per ogni a
2
si ha lim
n
e
(n)
, a = 0.
Ma, daltra parte, se a
2
si ha
e
(n)
, a =
i=1
a
i
e
(n)
i
= a
n
e, dato che a
2
, abbiamo
i=1
[a
i
[
2
< ,
per cui
lim
n
a
n
= 0 .
Abbiamo quindi fatto vedere che
lim
n
e
(n)
, a = lim
n
a
n
= 0 a
2
dunque e
(n)
w
0.
5.27 Esempio. Se f
n
converge debolmente a f in (C
b
(R), | |
u
) allora f
n
converge
puntualmente a f,
6
vale a dire
(5.27) per ogni x R si ha lim
n
f
n
(x) = f(x).
4
ma guarda un po
5
perchè?
6
ricorda che invece la convergenza in norma
u
è equivalente alla convergenza uniforme
Infatti supponiamo f
n
w
f. Ciò signica, ricordiamo, che
per ogni F C
n
(R)
si ha lim
n
F(f
n
) = F(f).
In particolare, dato che le delta di Dirac sono funzionali lineari continui su C
b
(R) dovrà
valere
per ogni x R si ha lim
n
x
(f
n
) =
x
(f).
che, per denizione di
x
, è equivalente alla (5.27) la quale aerma appunto che f
n
converge a f puntualmente.
5.28 Problema. Trovare una successione in (
0
, | |
) debolmente convergente ma
non convergente. (Sugg: sfruttare il fatto che tutti i funzionali lineari continui su
0
sono della forma . . . )
5.4 Distribuzioni
5.4.1 Funzioni con discontinuità isolate
5.29 Denizione. Una funzione f : R R è detta avere discontinuità isolate se
linsieme
D
f
:= x R : f non è continua in x
non ha punti di accumulazione.
In altre parole una funzione f ha discontinuità isolate se e solo se, comunque si scelga
un intervallo nito [a, b], il numero dei punti di discontinuità di f nellintervallo [a, b]
è nito. Si osservi che linsieme D
f
di tutti i punti di discontinuità è un insieme nito
o numerabile. Infatti
D
f
=
nZ
_
D
f
[n, n + 1)
.
Poichè ciascuno degli insiemi D
f
[n, n + 1) ha cardinalità nita, D
f
essendo unione
numerabile di insiemi di cardinalità nita è numerabile.
5.30 Denizione. Una funzione f : R R si dice localmente integrabile se:
(a) f ha discontinuità isolate.
(b) per ogni a, b R con a < b, si ha che lintegrale (possibilmente improprio)
_
b
a
[f(x)[ dx è nito.
5.31 Denizione. Una funzione f : R R si dice continua a tratti se
(a) f ha discontinuità isolate
(b) per ogni punto di discontinuità u D
f
, esistono e sono niti i limiti
(5.28) f(u
) := lim
xu
f(x) f(u
+
) := lim
xu
+
f(x)
5.32 Proposizione. Se f : R R è continua a tratti allora è localmente integrabile.
Dimostrazione. Sia f continua a tratti e siano a, b R con a < b. La funzione f
possiede un numero nito (potrebbe essere nullo) di punti di discontinuità che cadono
nellintervallo [a, b]. Siano dunque
a u
0
< u
1
< < u
n1
< u
n
b
5.4. DISTRIBUZIONI 119
i punti di discontinuità di f in [a, b].
`
E facile mostrare che, grazie alla (5.28), la funzione
f è limitata in [a, b], quindi esiste M > 0 tale che [f(x)[ M per ogni x [a, b]. Di
conseguenza
_
b
a
[f(x)[ dx M (b a) < ,
vale a dire f è localmente integrabile.
5.4.2 Denizioni
5.33 Denizione. Ricordiamo che con C
c
(R) denotiamo lo spazio di tutte le funzioni
reali f tali che
(1) f ha supporto compatto, cioè esiste un intervallo nito al di fuori del quale f è
nulla
(2) f ha derivate continue di tutti gli ordini
Le spazio C
c
(R) è anche detto spazio delle funzioni fondamentali. Questo spazio, per
brevità viene anche indicato con il simbolo /. Se f C
c
(R) indichiamo con f
(k)
la
derivata ksima di f.
5.34 Denizione. La successione (f
n
)
n=1
di elementi di / si dice convergente ad
f / e si scrive
f
n
K
f
se
(a) esiste un intervallo I al di fuori del quale tutte le f
n
sono nulle
(b) per ogni intero non negativo k si ha
7
f
(k)
n
f
(k)
uniformemente su I.
5.35 Denizione. Una distribuzione su Rè un funzionale lineare continuo F : / R,
vale a dire un funzionale lineare tale che
(5.29) se f
n
K
f allora F(f
n
) F(f).
Le distribuzioni generalizzano in un certo senso il concetto di funzione. Come vedremo
ad ogni funzione buona è sempre possibile associare una distribuzione, mentre esisto-
no distribuzioni che non provengono da nessuna funzione. Lidea è quella di costruire
degli oggetti pi` u generali delle funzioni, ma tali che su di essi si possa operare con molte
delle operazioni permesse per le funzioni ordinarie, come somma, prodotto per un
numero, derivata ecc. Anticipiamo che fra le operazioni permesse per le funzioni
ordinarie che non sono estendibili alle distribuzioni cè il prodotto fra distribuzioni.
Iniziamo a far vedere che a ogni funzione g appartenente ad una classe molto ampia
corrisponde sempre una distribuzione.
5.36 Proposizione. Sia g : R R localmente integrabile e sia
g
: / R denita
come
(5.30)
g
(f) :=
_
R
g(x)f(x) dx f /.
Allora
g
è una distribuzione.
7
per denizione poniamo f
(0)
:= f
Dimostrazione.
0 Lapplicazione
g
è ben denita sullo spazio /.
Infatti se f / allora esiste a > 0 tale che f è nulla al di fuori dellintervallo [a, a].
Siccome f è continua esiste M tale che [f(x)[ M per ogni x [a, a]. Quindi
_
R
[g(x)f(x)[ dx =
_
a
a
[g(x)f(x)[ dx M
_
a
a
[g(x)[ dx.
Poichè g è localmente integrabile lultimo integrale è nito. Abbiamo cos` mostrato
che lintegrale che denisce
g
(f) è assolutamente convergente.
O Lapplicazione
g
è un funzionale lineare.
Infatti, se , R e f, h /, si ha
g
(f +h) =
_
R
g(x) [f(x) +h(x)] dx =
g
(f) +
g
(h) .
O Lapplicazione
g
è continua.
Devo far vedere che vale limplicazione (5.29). Assumo quindi che f
n
K
f. Questo
implica che
(a) esiste a > 0 tale che tutte le funzioni f
n
si annullano al di fuori dellintervallo
[a, a] ;
(b) la successione (f
n
) converge a f uniformemente, cioè lim
n
|f f
n
|
u
= 0.
Poichè g è localmente integrabile si ha
A :=
_
a
a
[g(x)[ dx < .
Di conseguenza ottengo
[
g
(f)
g
(f
n
)[ =
_
a
a
g(x) [f(x) f
n
(x)] dx
|f f
n
|
u
_
a
a
[g(x)[ dx = A|f f
n
|
u
.
Quindi, grazie alla proprietà (b) citata in precedenza,
lim
n
[
g
(f)
g
(f
n
)[ = 0 .
Abbiamo dunque dimostrato che se f
n
K
f, allora si ha
g
(f
n
)
g
(f), vale a dire
g
è continua.
5.37 Esempi.
(1) Se g è una funzione continua su R allora è automaticamente localmente integrabile
e quindi
g
è una distribuzione. Infatti se a < b, allora [g[ ha un massimo assoluto
M nellintervallo [a, b], quindi
_
b
a
[g(x)[ dx M (b a) < . Notare che g può
divergere con velocità arbitraria quando x
8
. Ad esempio g(x) = e
x
100
dà
luogo ad una buona distribuzione
g
su /.
8
ovviamente questo dipende da come abbiamo scelto lo spazio K delle funzioni di prova
(2) Analogamente, se g è una funzione continua a tratti,
g
è una distribuzione. Esem-
pio: g(x) := x| (la parte intera di x). Un altro esempio semplice ma importante
è quello della funzione a gradino di Heavyside
H(x) :=
_
1 se x 0
0 se x < 0
H è chiaramente una funzione localmente integrabile, alla quale possiamo associare
la distribuzione theta
(5.31) (f) :=
H
(f) :=
_
R
H(x)f(x) dx =
_

0
f(x) dx f /.
(3) Se invece g ha dei punti y
1
, y
2
, . . . in cui diverge
lim
xy
i
g(x) =
allora g è localmente integrabile se ciascuna di queste divergenze è assolutamente
integrabile. Ad esempio
1
_
[x[
log [x[
danno luogo a distribuzioni, ma 1/x no.
9
5.4.3 La delta di Dirac
Se ad ogni funzione localmente integrabile g corrisponde una distribuzione
g
, linsieme
delle distribuzioni è però molto pi` u ampio. Un esempio di una distribuzione che non
può essere scritta come
g
è costituito dalla delta di Dirac. Infatti supponiamo che
esista una funzione, che indichiamo con il simbolo (x), tale che valga
(5.32)
0
(f) = f(0) =
_
R
(x)f(x) dx
Allora è chiaro che la presunta funzione (x) deve essere sempre nulla tranne che
nellorigine. Daltra parte, scegliendo f = 1, otteniamo
0
(1) = 1 =
_
R
(x) dx
Quindi (x) dovrebbe essere una funzione sempre uguale a zero, eccetto che nellorigine,
ma al tempo stesso il suo integrale deve valere 1 . . . è chiaro che è impossibile a meno
che non si pensi che in qualche senso si abbia (0) = . Queste farneticazioni hanno
in realtà una pi` u o meno valida giusticazione. Infatti mentre è chiaro che la delta di
Dirac non può essere scritta nella forma (5.32), tuttavia è vero che
la delta di Dirac è il limite di una successione di distribuzioni
g
n
in cui
_
g
n
= 1 e, inoltre,
lim
n
g
n
(x) =
_
se x = 0
0 se x ,= 0
9
in seguito verrà denita una distribuzione P(1/x) associata alla funzione 1/x con un procedimento
diverso
Pi` u precisamente si ha che
5.38 Proposizione. Sia g
n
: R R una funzione non negativa, continua (a tratti)
tale che
(a)
_
R
g
n
(x) dx = 1
(b) g
n
è nulla al di fuori dellintervallo [a
n
, a
n
], in cui (a
n
) è una successione di
numeri positivi che tende a zero.
Allora
g
n

0
, vale a dire
(5.33) lim
n
g
n
(f) := lim
n
_
R
g
n
(x)f(x) dx =
0
(f) f /.
Dimostrazione. Dato che
_
g
n
= 1,
_
R
g
n
(x)f(x) dx
0
(f)
_
R
g
n
(x)f(x) dx
_
R
g
n
(x)f(0) dx
_
a
n
a
n
g
n
(x)[f(x) f(0)] dx
_
a
n
a
n
g
n
(x)[f(x) f(0)[ dx
sup
]x]a
n
[f(x) f(0)[
_
R
g
n
(x) dx = sup
]x]a
n
[f(x) f(0)[
Ma se f /, f è continua in 0, quindi, poichè a
n
0 si ha
lim
n
sup
]x]a
n
[f(x) f(0)[ = 0 ,
Il che dimostra la (5.33)
Nella precedente proposizione abbiamo visto come la delta di Dirac si possa approssi-
mare con funzioni non negative g
n
il cui integrale è uguale a uno e il cui supporto
tende a concentrarsi nellorigine.
`
E anche possibile approssimare la delta con funzioni
a supporto illimitato. Una ricetta utile è la seguente.
.
5.39 Proposizione. Sia h C
1
(R) non negativa, tale che
_
R
h = 1. Poniamo
g
n
(x) := nh(nx) x R
Allora
(5.34) lim
n
g
n
(f) := lim
n
_
R
g
n
(x)f(x) dx =
0
(f) f /.
Dimostrazione. Notiamo innanzi tutto che ciascuna g
n
ha integrale uguale ad 1. Infatti,
ponendo y = nx, si ha
_
R
g
n
(x) dx =
_
R
nh(nx) dx =
_
R
h(y) dy = 1 .
Possiamo quindi procedere nel modo seguente:
_
R
g
n
(x)f(x) dx
0
(f)
_
R
g
n
(x)f(x) dx
_
R
g
n
(x)f(0) dx
_
R
nh(nx)[f(x) f(0)] dx
_
R
nh(nx)[f(x) f(0)[ dx
_
R
h(y)[f(y/n) f(0)[ dy
(5.35)
Dato che h 0 e
_
R
h = 1, ssato un > 0 arbitrario è possibile trovare L > 0 tale
che
1
_
L
L
h(y) dy 1 e
_
]y]>L
h(y) dy .
Di conseguenza
_
R
h(y) [f(y/n) f(0)[ dy
=
_
L
L
h(y) [f(y/n) f(0)[ dy +
_
]y]L
h(y) [f(y/n) f(0)[ dy
sup
]y]L
[f(y/n) f(0)[ 1 + sup
]y]L
[f(y/n) f(0)[
sup
]x]L/n
[f(x) f(0)[ +
_
sup
yR
[f(y/n)[ +[f(0)[
_
sup
]x]L/n
[f(x) f(0)[ + 2|f|
u
(5.36)
Ma dato che f è continua in 0 si ha
lim
n
sup
]x]L/n
[f(x) f(0)[ = 0 .
Quindi dalla (5.36) ricaviamo
lim
n
_
R
h(y) [f(y/n) f(0)[ dy 2|f|
u
,
che, insieme alle (5.35) ci dice che
lim
n
_
R
g
n
(x)f(x) dx
0
(f)
2|f|
u
.
Ma è arbitrario, quindi
lim
n
_
R
g
n
(x)f(x) dx
0
(f)
= 0 ,
e la (5.33) è dimostrata
5.40 Esempio. Possiamo scegliere ad esempio
h(x) :=
1
(1 +x
2
)
oppure h(x) :=
1
e
x
2
da cui si ottengono 2 successioni che tendono a
0
, vale a dire
g
n
(x) =
n
(1 +n
2
x
2
)
e g
n
(x) :=
n
e
n
2
x
2
5.4.4 La parte principale di 1/x
Unaltra distribuzione famosa che non può essere associata ad una funzione ordinaria
è la parte principale di 1/x denita come
(5.37) P(1/x)(f) := lim
0
+
_
]x]
f(x)
x
dx f /.
5.41 Proposizione. P(1/x) è una distribuzione. Inoltre si ha:
(5.38) P(1/x)(f) = lim
K+
_
+K
K
f(x) f(0)
x
dx f /.
Dimostrazione. Per prima cosa dobbiamo far vedere se che se f / allora P(1/x)(f) è
ben denito, vale a dire lintegrale nella (5.37) è convergente. Sia [a, a] un intervallo
nito che contiene il supporto di f. Poichè f è derivabile si ha
f(x) = f(0) +xR(x) ,
in cui
[R(x)[ sup
xR
[f
t
(x)[ =: D.
Scegliamo ora < a e K > a. Allora
_
]x]
f(x)
x
dx =
_
]x]K
f(x)
x
dx
=
_
]x]K
f(0)
x
dx +
_
]x]K
R(x) dx =
_
]x]K
R(x) dx.
Dato che R(x) è una funzione continua e limitata su R, possiamo fare il limite 0
+
,
ottenendo
(5.39) lim
0
+
_
]x]
f(x)
x
dx = lim
0
+
_
]x]K
R(x) dx =
_
K
K
R(x) dx.
Questo dimostra che P(1/x)(f) è ben denito. Poichè la (5.39) vale per ogni K > a
possiamo a questo punto far tendere K a +. Quindi
(5.40) lim
0
+
_
]x]
f(x)
x
dx = lim
K+
_
K
K
R(x) dx.
che dimostra luguaglianza (5.38).
`
E banale dimostrare che P(1/x) è un funzionale lineare su /. Dimostriamo quindi che
è continuo. Supponiamo che (f
n
) sia una succesione di elementi di / tale che
f
n
K
f .
Dobbiamo far vedere che P(1/x)(f
n
) P(1/x)(f). Siccome f
n
K
f sappiamo che
esiste a > 0 tale che se [x[ > a f
n
(x) = f(x) = 0 per ogni n. Allora, ponendo
h
n
= f
n
f, possiamo scrivere
[P(1/x)(f) P(1/x)(f
n
)[ = [P(1/x)(h
n
)[ = lim
K
_
K
K
h
n
(x) h
n
(0)
x
dx
_
a
a
h
n
(x) h
n
(0)
x
dx
2 a sup
xR
[h
t
n
(x)[ = 2 a |h
t
n
|
u
Siccome f
n
K
f si ha che f
t
n
tende a f
t
uniformemente, quindi |h
t
n
|
u
tende a zero.
5.4.5 Operazioni sulle distribuzioni
Indico con /
linsieme di tutte le distribuzioni. Nello spazio /
posso introdurre le
seguenti operazioni
(1) somma fra due distribuzioni: (F +G)(f) := F(f) +G(f)
(2) prodotto di una distribuzione per uno scalare: (cF)(f) := cF(f)
(3) prodotto di una distribuzione F per una funzione h C
(R): (hF)(f) := F(hf).

Osservo che il prodotto fra una distribuzione e una funzione C
è ben denito, perchè

se f / e h C
(R) il prodotto fh è a supporto compatto, quindi appartiene allo

spazio /. Per cui ha senso calcolare F(fh).
5.42 Denizione. Una successione (F
n
)
n=1
di distribuzioni si dice convergente alla
distribuzione F /
e si scrive F
n
K
F se si ha F
n
(f) F(f) per ogni f /.
5.43 Denizione. Se F /
si denisce derivata di F la distribuzione

(5.41) DF(f) = F
t
(f) := F(f
t
)
Il motivo di questa denizione è che, nel caso di una distribuzione associabile ad una
funzione ordinaria dierenziabile con derivata continua F =
g
allora si ha proprio
(5.42) F
t
=
t
g
=
g
.
Infatti, integrando per parti e tenendo presente che f è a supporto compatto, si ottiene
F
t
(f) = F(f
t
) =
g
(f
t
) =
_
R
g(x)f
t
(x) dx
= g(x)f(x)
+
_
R
g
t
(x)f(x) dx =
g
(f)
La denizione di derivata viene cos` estesa dalle funzioni alle distribuzioni.
5.44 Attenzione!. Sia
g
la distribuzione associata alla funzione g.
`
E una prassi
comune quella di usare il simbolo g per denotare indierentemente la funzione g oppure
la distribuzione
g
. In molti testi,
10
se g è una funzione (ad esempio localmente
integrabile) si trovano cose come
g(f) :=
_
R
g(x)f(x) dx oppure g
t
(f) := g(f
t
) .
Il lettore saprà evitare di farsi confondere da questa ambiguità.
5.45 Proposizione. Ogni distribuzione ha derivate di tutti gli ordini.
Dimostrazione. Basta vericare che, iterando la (5.41), si ottiene
F
(n)
(f) = (1)
n
F(f
(n)
)
5.46 Proposizione. Se h C
(R) e F /
allora (hF)
t
= h
t
F +hF
t
.
10
potrebbe accadere anche in questo
5.47 Attenzione!. Abbiamo visto quali sono le regole per calcolare la derivata di una
distribuzione e il prodotto di una distribuzione per una funzione C
. Spesso queste
due operazioni compaiono entrambi in una certa espressione e bisogna fare atten-
zione a procedere nellordine giusto. Supponiamo, ad esempio, di voler sviluppare
lespressione
_
x
2
D[sin xD(xF)]
_
(f) .
Si procede nel modo seguente:
_
x
2
D[sin xD(xF)]
_
(f) = D[sin xD(xF)](x
2
f) = (sin xD(xF))((x
2
f)
t
)
= (sin xD(xF))(2xf +x
2
f
t
) = D(xF)(2xsin xf +x
2
sin xf
t
)
= (xF)([2xsin xf +x
2
sin xf
t
]
t
)
= (xF)(2 sin xf + 2xcos xf + 4xsin xf
t
+x
2
cos xf
t
+x
2
sin xf
tt
)
= F(2xsin xf + 2x
2
cos xf + 4x
2
sin xf
t
+x
3
cos xf
t
+x
3
sin xf
tt
) .
5.48 Proposizione. Sia (g
n
) una successione di funzioni continue su R che converge
uniformemente alla funzione continua g. Allora
g
n
K

g
Dimostrazione. Devo far vedere che
g
n
(f)
g
(f) f /,
vale a dire che
(5.43) lim
n
_
R
g
n
(x)f(x) dx =
_
R
g(x)f(x) dx f /.
Sia f / e sia a > 0 tale che supp f [a, a]. Allora
_
R
g
n
(x)f(x) dx
_
R
g(x)f(x) dx

_
R
[g(x) g
n
(x)[ [f(x)[ dx
=
_
a
a
[g(x) g
n
(x)[ [f(x)[ dx 2a |g g
n
|
u
|f|
u
,
(5.44)
da cui la (5.43) segue.
5.49 Proposizione. Siano (F
n
)
n=1
e F distribuzioni. Se F
n
K
F allora F
t
n
K
F
t
.
Dimostrazione. Se f / allora f
t
/. Quindi, se F
n
K
F, si ha
lim
n
F
t
n
(f) = lim
n
F
n
(f
t
) = F(f
t
) = F
t
(f) .
Quindi F
t
n
K
F
t
.
5.50 Esempio. Consideriamo la distribuzione
]x]
, denita, come al solito, da
]x]
(f) :=
_
R
[x[ f(x) dx f /.
La funzione [x[ non è derivabile nellorigine in senso ordinario. Tuttavia la distribuzione
associata
]x]
è perfettamente derivabile e vale, cos` come uno si aspetta
(5.45) D
]x]
=
sgn(x)
.
A volte questa identità viene scritta come identità fra funzioni
[x[
t
= sgn(x)
con laggiunta della postilla in senso debole o nel senso delle distribuzioni. La
dimostrazione della (5.45) è immediata:
D
]x]
(f) :=
]x]
(f
t
) =
_
R
[x[ f
t
(x) dx
=
_
0
xf
t
(x) dx
_

0
xf
t
(x) dx.
Integrando per parti e tenendo conto del fatto che f è a supporto compatto ottengo
_
0
xf
t
(x) dx =
_
xf(x)
_
0
_
0
f(x) dx =
_
0
f(x) dx.
Analogamente
_

0
xf
t
(x) dx =
_
xf(x)
_
_

0
f(x) dx =
_

0
f(x) dx.
Mettendo insieme i due pezzi ottengo
D
]x]
(f) =
_
0
f(x) dx +
_

0
f(x) dx =
_
R
sgn(x) f(x) dx =
sgn(x)
(f) .
Quindi si ha che D
]x]
(f) =
sgn(x)
(f) per ogni f /, vale a dire D
]x]
=
sgn(x)
.
Lidentità (5.45) può essere generalizzata, come traspare dal problema seguente.
5.51 Problema. Sia g C
1
(R). Dimostrare che la derivata nel senso delle distri-
buzioni di g([x[) è data da g
t
([x[) sgn(x).
5.52 Esempio. (
t
=
0
). Vogliamo far vedere che vale (ricorda la denizione della
distribuzione , (5.31))
(5.46)
t
=
0
Infatti, per ogni f /, dal teorema fondamentale del calcolo, segue che
t
(f) = (f
t
) =
_

0
f
t
(x) dx = (f() f(0)) = f(0) =
0
(f)
Lidentità (5.46) può essere generalizzata nel modo seguente.
5.53 Proposizione. Sia g una funzione continua a tratti con discontinuità nei punti
u
i
, i = 1, 2, 3, . . .. Assumiamo che g
t
esista e sia localmente integrabile. Allora,
ponendo h
i
:= g(u
+
i
) g(u
i
) uguale al valore del salto di g in u
i
, si ha
t
g
:=
g
+
i=1
h
i
u
i
Dimostrazione. Considero il caso in cui ci sia un solo punto di discontinuità u. Abbiamo
dunque
lim
xu
g(x) = a
lim
xu
+
g(x) = a
+
h := a
+
a
.
Posso scrivere, per ogni f /,
t
g
(f) =
g
(f
t
) =
_
R
g(x)f
t
(x) dx =
_
u
g(x)f
t
(x) dx
_

u
g(x)f
t
(x) dx
= g(x)f(x)
+
_
u
g
t
(x)f(x) dx g(x)f(x)
u
+
_

u
g
t
(x)f(x) dx
= f(u)g(u
) +f(u)g(u
+
) +
_
R
g
t
(x)f(x) dx
= f(u)[a
+
a
] +
g
(f) = h
u
(f) +
g
(f)
5.54 Esempio. (La derivata nsima della delta di Dirac). Per denizione, la derivata
della delta di Dirac è data da
t
0
(f) := f
t
(0) .
Derivando una seconda volta si ha
tt
0
(f) = [D(
t
0
)](f) =
t
0
(f
t
) =
0
(f
tt
) .
Posso iterare la procedura e calcolare le derivate successive, ottenendo
(n)
0
(f) = (1)
n
f
(n)
(0) .
Ad esempio
(n)
0
(e
x
) = (1)
n
D
n
(e
x
)
x=0
= (1)
n
(n)
0
(sin x) = (1)
n
D
n
(sin x)
x=0
=
_
0 se n è pari
(1)
n+(n1)/2
se n è dispari.
5.55 Esempio. Voglio dimostrare lidentità fra distribuzioni x
t
0
=
0
. Introduco
quindi una funzione di prova arbitraria f / e ottengo
(x
t
0
)(f) =
t
0
(xf) =
0
((xf)
t
) =
0
(xf
t
+f)
= 0 f
t
(0) f(0) = f(0) =
0
(f) .
5.56 Problema. Sia h C
(R). Dimostrare le seguenti identità

h
0
= h(0)
0
h
t
0
= h(0)
t
0
h
t
(0)
0
h
tt
0
= h(0)
tt
0
2h
t
(0)
t
0
+h
tt
(0)
0
Generalizzare:
h
(n)
0
= ?
Applicare le formule precedenti per calcolare
x
2
(3)
0
x
3
tt
0
x
2
tt
0
e
x
tt
0
(1) x
n
(n)
0
= (1)
n
n!
0
(2) se p > n allora x
p
(n)
0
= 0.
5.58 Problema. Sia f / (/ è lo spazio delle funzioni innitamente dierenziabili
su R a supporto compatto). Calcolare
(a) (x
100
(50)
0
)(f) (b) (sin x
0
)(f) (c) (x
2
t
5
)(f)
(d) (cos x
tt
0
)(f) (e) (xP(1/x))(f)
Soluzione. Si ricordi la formula
h
(n)
a
=
n
k=0
(1)
k
_
n
k
_
h
(k)
(a)
(nk)
a
(a) x
100
(50)
0
= 0 perchè 100 > 50
(b) sin x
0
= sin(0)
0
= 0.
(c)
(x
2
t
5
)(f) = (5
2
t
5
10
5
)(f) = 25f
t
(5) 10f(5)
(d)
(cos x
tt
0
)(f) = [ cos(0)
tt
0
+ 2 sin(0)
t
0
cos(0)
0
](f) = f
tt
(0) f(0)
(e)
(xP(1/x))(f) = P(1/x)(xf) = lim
0
+
_
]x]
xf(x)
x
dx =
_
R
f(x) dx
5.59 Problema. Calcolare le distribuzioni
(a) D[ sgn(x) e
]x]
] (b) D[ sgn(x) sgn(x 1) ] (c) x(sgn x)
t
(d) x(sgn(x + 2))
t
(e) sin(x) [x[
tt
(f) Dx|
Soluzione. (a) Questa è una funzione dierenziabile in x ,= 0 con un salto pari a +2
in x = 0. Quindi la sua derivata debole sarà uguale alla derivata ordinaria sommata a
2
0
. Daltra parte si ha
sgn(x) e
]x]
=
_
e
x
se x < 0
e
x
se x > 0
per cui la derivata ordinaria è uguale a e
]x]
. Quindi
D[ sgn(x) e
]x]
] = e
]x]
+ 2
0
(b) Analogamente al caso precedente si ottiene
D[ sgn(x) sgn(x 1) ] = 2
0
+ 2
1
.
(c)
x(sgn x)
t
= x2
0
= 0 .
(d)
x(sgn(x + 2))
t
= x2
2
= (2) 2
2
= 4
2
.
(e)
sin x[x[
tt
= sin x sgn(x)
t
= 2 sin x
0
= 2 sin(0)
0
= 0 .
(f) La funzione x| è la parte intera di x, cioè il pi` u grande numero intero che sia
minore od uguale ad x. La derivata ordinaria di x| è sempre uguale a zero, ma la
funzione presenta dei salti di entità +1 ad ogni valore intero delle x, quindi
Dx| =
kZ
k
.
5.60 Problema. Calcolare le seguenti distribuzioni (x| è la parte intera di x, cioè il
pi` u grande numero intero minore od uguale ad x).
(a) e
3x
tt
0
(b) sin x[x[
ttt
(c) D
_
xP(1/x)
(d) D
_
xx|
Soluzione.
Mi ricordo che
f
(n)
0
= f(0)
(n)
0

_
n
1
_
f
t
(0)
(n1)
0
+
_
n
2
_
f
tt
(0)
(n2)
0
+
(a)
e
3x
tt
0
=
tt
0
6
t
0
+ 9
0
.
(b) Siccome [x[
t
= sgn(x) si ha [x[
tt
= 2
0
, quindi
sin x[x[
ttt
= 2 sin x
t
0
= 2 sin(0)
t
0
2 cos(0)
0
= 2
0
.
(c) Poichè xP(1/x) = 1 (dimostralo se non lo sai, è facile), si ha che D[xP(1/x)] = 0.
(d) La funzione xx| è dierenziabile a tratti quindi la sua derivata nel senso delle
distribuzioni sarà uguale alla sua derivata ordinaria pi` u una somma di funzioni delta
nei punti di salto moltiplicate per lentità del salto. I punti di discontinuità in questo
caso sono i valori interi di x. Lentità della discontinuità nel punto k Z è data da
lim
0
+
(k +)k +| (k )k | = k
2
k(k 1) = k .
Nei punti in cui la funzione è dierenziabile la sua derivata vale x|. Per cui
D[xx|] = x| +
kZ
k
k
Alternativamente si osserva che se h è una funzione C
e F è una distribuzione, allora

D(hF) = h
t
F +hF
t
. In questo modo, ricordando che x
k
= k
k
, si ottiene
D[xx|] = x| +x
kZ
k
= x| +
kZ
k
k
.
5.61 Esempio. (Derivata di log [x[). Data la funzione localmente integrabile x
log [x[, consideriamo la distribuzione associata
log ]]
. Ora la derivata di log [ [ non è
localmente integrabile, quindi non è possibile usare la formula (5.42). Per capire chi è
t
log ]x]
partiamo perciò dalla denizione di derivata di una distribuzione
t
log ]x]
(f) =
log ]x]
(f
t
) =
_
R
log [x[ f
t
(x) dx
= lim
0
+
__

log(x) f
t
(x) dx +
_

log xf
t
(x) dx
_
.
Integrando per parti si trova
log xf
t
(x) dx =
_
log xf(x)
+
_

f(x)
x
dx = log f() +
_

f(x)
x
dx
Analogamente si ottiene
log(x) f
t
(x) dx = log f() +
_

f(x)
x
dx,
da cui,
(5.47)
t
log ]x]
(f) = lim
0
+
log [f() f()] +
_
]x]
f(x)
x
.
Poichè f è derivabile
lim
0
+
log [f() f()] = lim
0
+
_
( log )
f() f()
_
= lim
0
+
( log ) 2f
t
(0) = 0 .
Quindi, facendo tendere a zero nella (5.47) e ricordando la denizione di P(1/x) in
(5.37),
t
log ]x]
(f) = lim
0
+
_
]x]
f(x)
x
=: P(1/x)(f) .
Abbiamo quindi ottenuto
t
log ]x]
= P(1/x) ,
che, tenendo presente quanto detto al punto 5.44, si può anche scrivere come
(log [x[)
t
= P(1/x) .
5.62 Problema. Dimostrare che P(1/x)
t
= P(1/x
2
) in cui
P(1/x
2
)(f) := lim
K+
_
K
K
f(x) f(0) xf
t
(0)
x
2
dx.
5.4.6 La distribuzione [b(x)] (da non confondere con
0
(b)!)
La Proposizione 5.39 ci dice che la distribuzione
0
può essere ottenuta in molti modi
come limite di una distribuzione regolare. Ad esempio possiamo usare una funzione
gaussiana
(x) :=
1
e
x
2
ed ottenere la delta come limite della funzione oppurtunamente riscalata. Vale a
dire, se denisco
n
(x) := n(nx) =
n
e
n
2
x
2
allora si ha
(5.48)
n
(x) (x) .
La (5.48) è una notazione (impropriamente) simbolica che signica
n
K

0
,
o, equivalentemente,
lim
n
_
R
n
(x)f(x) dx = f(0) f /.
Risulta utile a volte attribuire un signicato matematico allespressione simbolica
[b(x)]
in cui b è una funzione reale. Generalizzando in modo ovvio la (5.48) si può pensare
di denire [b(x)] come limite debole
[b(x)] = lim
n
n
(b(x)) .
Detto in modo pi` u preciso voglio denire una distribuzione
0
[b()] come
(5.49)
0
[b()](f) := lim
n
_
R
n
(b(x))f(x) dx = lim
n
n
b
(f) .
Nella seguente Proposizione facciamo vedere che, se b soddisfa certe condizioni, allora
la (5.49) è una buona denizione.
5.63 Proposizione. Sia b C
1
(R) con b
t
(x) > 0 per ogni x R. Supponiamo che
esiste x
0
R (necessariamente unico) tale che b(x
0
) = 0. Allora il limite che appare
nella (5.49) esiste e si ha
(5.50)
0
[b()] =
1
b
t
(x
0
)

x
0
Dimostrazione.
Lidentità (5.50) che spesso viene scritta in maniera simbolica come
(b(x)) =
1
b
t
(x
0
)
(x x
0
)
può essere generalizzata nel modo seguente.
5.64 Proposizione. Sia b C
1
e supponiamo che b abbia zeri semplici e isolati nei
punti x
1
, x
2
, x
3
, . . . , allora si ha
0
[b()] =
k
1
[b
t
(x
k
)[

x
k
ovvero, simbolicamente,
[b(x)] =
k
1
[b
t
(x
k
)[
(x x
k
)
Si può scrivere quindi, ad esempio,
[ax] =
1
[a[
(x)
[arctan x] = (x)
[x
2
a
2
] = ((x +a)(x a)) =
1
2[a[
[(x a) +(x +a)]
[e
x
] = 0
[cos x] =
kZ
_
x

2
k
_
5.4.7 Alcune identità notevoli fra distribuzioni
5.65 Problema. Sia
1
x(x
0
i0)
la distribuzione denita come
1
x (x
0
i0)
(f) = lim
0
+
_
R
f(x)
x (x
0
i)
dx
Dimostrare che
1
x (x
0
i0)
= P
_
1
x x
0
_
i
x
0
Soluzione.
`
E suciente considerare il caso x
0
= 0. Dato > 0, posso scrivere
_
R
f(x)
x i
dx =
_

f(x)
x i
dx +
_
]x]
f(x)
x i
dx
=
_

f(0)
x i
dx +
_

f(x) f(0)
x i
dx (5.51)
+
_
]x]
f(x)
x
dx +
_
]x]
_
f(x)
x i

f(x)
x
_
dx (5.52)
= A() +B() +C() +D() ,
In cui A(), B(), C() e D() rappresentatno i quattro integrali che compaiono nelle
(5.51), (5.52). Iniziamo dallultimo.
11
[D()[
_
]x]
f(x)
x i

f(x)
x
dx
_
]x]
[f(x)[
[x[ [x i[
dx
_
]x]
[f(x)[
[x[
2
dx,
dove, nellultima disuguaglianza, abbiamo usato il fatto che [x i[ =
x
2
+
2
[x[.
Di conseguenza, ponendo
:=
1/3
, I :=
_
R
[f(x)[ dx
otteniamo
[D(
1/3
)[
_
]x]
1/3
[f(x)[
[x[
2
dx
_
]x]
1/3
[f(x)[
2/3
dx

1/3
_
R
[f(x)[ dx =
1/3
I ,
(5.53)
per cui
lim
0
+
D(
1/3
) = 0 .
Passiamo ad occuparci del termine B. Sviluppando f al primordine,
f(x) = f(0) +xf
t
(x) (0, 1)
e ricordando che [x i[ [x[, si ottiene
[B(
1/3
)[
_

1/3
1/3
[f(x) f(0)[
[x i[
dx
_

1/3
1/3
[f(x) f(0)[
[x[
dx
|f
t
|
u
_

1/3
1/3
1 dx = 2 |f
t
|
u
1/3
.
11
uno di quei casi in cui gli ultimi saranno i primi
Di conseguenza
(5.54) lim
0
+
B(
1/3
) = 0 .
Per quanto riguarda il termine C(
1/3
), si ottiene, ricordando che () =
1/3
,
lim
0
+
C(
1/3
) = lim
0
+
_
]x]
1/3
f(x)
x
dx = lim
0
+
_
]x]
f(x)
x
dx = P(1/x)(f) .
Inne
A(
1/3
) =
_
]x]
1/3
f(0) dx
x i
= f(0)
_
]x]
1/3
x
x
2
+
2
dx +i f(0)
_
]x]
1/3
dx
x
2
+
2
= i f(0)
_
]x]
1/3
dx
x
2
+
2
= 2if(0) arctan(
1/3
/) .
(5.55)
Quindi
(5.56) lim
0
+
A(
1/3
) = if(0) .
Mettendo tutti i pezzi insieme ottengo
lim
0
+
_
R
f(x)
x i
dx = lim
0
+
_
A(
1/3
) +B(
1/3
) +C(
1/3
) +D(
1/3
)
= P(1/x)(f) +if(0) = [P(1/x) +i

0
](f) ,
che è esattamente quello che dovevo dimostrare.
5.66 Proposizione. Sia
h(x) :=
sin x
x
e g
n
(x) := nh(nx) =
sin(nx)
x
Allora
g
n
K

0
.
Prima di dimostrare questo risultato, osserviamo che non può essere considerato un
caso particolare della Proposizione 5.39. Infatti si può far vedere che la funzione h
non appartiene a C
1
(R) vale a dire lintegrale
_
R
[h(x)[ dx è divergente. Nonostante
ciò con metodi di analisi complessa si dimostra che lintegrale improprio esiste. Pi` u
precisamente si ha che
lim
K
_
+K
K
h(x) dx = 1 .
Dimostrazione. Devo mostrare che
g
n
(f)
0
(f) f /
ovvero che
(5.57) lim
n
_
R
g
n
(x)f(x) dx = f(0) .
Possiamo scrivere
I(n) :=
_
R
g
n
(x)f(x) dx
=
_
]x]
n
g
n
(x)f(x) dx +
_
]x]
n
g
n
(x)f(x) dx =: I
1
(n) +I
2
(n) .
Voglio far vedere che
I
1
(n) f(0) e I
2
(n) 0
da cui segue la (5.57). Il secondo limite è banale. Infatti, dato che f /, esiste a > 0
tale che supp f [a, a]. Quindi abbiamo
se
n > a allora I
2
(n) = 0
per cui I
2
(n) 0.
Rimane dunque da dimostrare che I
1
(n) converge a f(0). Osserviamo innanzitutto che
lim
n
_
]x]
n
g
n
(x) dx = lim
n
_
]x]
n
sin(nx)
x
dx = lim
n
_
]x]n
3/2
sin y
y
dy
Daltra parte è noto che
lim
K
_
+K
K
sin y
y
dy = 1
quindi possiamo scrivere
f(0) = lim
n
_
]x]
n
g
n
(x)f(0) dx
Per dimostrare la Proposizione, è quindi suciente far vedere che
(5.58) lim
n
_
]x]
n
g
n
(x)[f(x) f(0)] dx = 0 .
perchè questo è equivalente a dire che I
1
(n) f(0). Se poniamo
h(x) :=
f(x) f(0)
x
la (5.58) (moltiplicata per ) si può riscrivere come
(5.59) lim
n
_
]x]
n
sin(nx)h(x) dx = 0 .
Per dimostrare questo limite integriamo per parti
_
]x]
n
sin(nx)h(x) dx =
cos(nx)
n
h(x)
n
+
_
]x]
n
cos(nx)
n
h
t
(x) dx,
da cui si ottiene
_
]x]
n
sin(nx)h(x) dx

2
n
|h|
u
+
_
]x]
n
[ cos(nx)[
n
[h
t
(x)[ dx
2
n
|h|
u
+
1
n
|h
t
|
u
2
n
(5.60)
Dobbiamo ora preoccuparci del fatto che |h|
u
e |h
t
|
u
siano quantità nite. Usando
la denizione di h e lo sviluppo di Taylor di f otteniamo che esistono
1
(x) e
2
(x)
tali che
h(x) = f
t
(
1
(x))
h
t
(x) =
d
dx
f(x) f(0)
x
=
f
t
(x)x +f(0) f(x)
x
2
=
1
2
f
tt
(
2
(x)) ,
da cui
|h|
u
|f
t
|
u
e |h
t
|
u

1
2
|f
tt
|
u
.
Le grandezze |f
t
|
u
e |f
tt
|
u
sono nite in virt` u del fatto che f /. Dalla (5.60) si ha
quindi
_
]x]
n
sin(nx)h(x) dx

2
n
|f
t
|
u
+
1
n
|f
tt
|
u
,
che implica
lim
n
_
]x]
n
sin(nx)h(x) dx = 0 ,
vale a dire
lim
n
_
]x]
n
sin(nx)
x
[f(x) f(0)] dx = 0 .
Abbiamo quindi dimostrato la (5.58) e, di conseguenza, la Proposizione
Dalla Proposizione 5.66, mediante una traslazione, si ottiene che se
g
n
(x) :=
sin(n(x y))
(x y)
=
sin(n(y x))
(y x)
allora
g
n
K

y
.
Ne segue che (simbolicamente)
(x y) = lim
n
g
n
(x) = lim
n
1
2
_
n
n
dk e
ik(yx)
=
1
2
_

dk e
ik(yx)
`
E bene ricordare che il signicato dellidentità simbolica
(x y) =
1
2
_

dk e
ik(yx)
è il seguente:
lim
n
1
2
_
R
__
n
n
dk e
ik(yx)
_
f(x) dx =
y
(f) = f(y) f /.
Si può far vedere che in realtà lordine di integrazione può essere invertito, per cui si
ha anche
1
2
_
R
e
iky
__
R
e
ikx
f(x) dx
_
dk =
y
(f) = f(y) f /.
Passiamo ora a mostrare una rappresentazione integrale della funzione .
5.67 Proposizione. Per ogni x R, x ,= 0 si ha
lim
0
+
lim
n
1
2i
_
+n
n
e
ikx
k i
dk = (x) .
Dimostrazione.
Caso 1. x > 0. Se x > 0 allora lintegrale può essere chiuso nel semipiano complesso
superiore. In altre parole, sia
+
n
la curva nel piano complesso formata dal segmento
[n, n] e dalla semicirconferenza ne
it
: t [0, ]. Allora, grazie al Lemma di Jordan,
il contributo allintegrale dovuto alla semicirconferenza tende a zero quando n ,
per cui
lim
n
1
2i
_
+n
n
e
ikx
k i
dk = lim
n
1
2i
_
+
n
e
izx
z i
dz
Daltra parte
12
se > 0 allora la funzione integranda ha un polo semplice allinterno
della curva, quindi
1
2i
_
+
n
e
izx
z i
dz =
1
2i
2i Res
_
e
izx
z i
, i
_
= e
i(i)x
= e
x
.
Otteniamo in questo modo
lim
0
+
lim
n
1
2i
_
+n
n
e
ikx
k i
dk = lim
0
+
lim
n
1
2i
_
+
n
e
izx
z i
dz
= lim
0
+
e
x
= 1 = (x) ,
in cui, nellultima uguaglianza, abbiamo usato acora il fatto che x > 0.
Caso 2. x < 0. Si procede analogamente al caso 1, con la dierenza che, poichè
x < 0, lintegrale può essere chiuso nel semipiano complesso inferiore. Di conseguenza,
siccome la singolarità dellintegrando si trova nel punto z = i, succede che non ci
stanno singolarità allinterno della curva
n
. Conseguentemente si avrà
_
n
e
izx
z i
dz = 0 se x < 0 ,
per cui
lim
0
+
n
1
2i
_
+n
n
e
ikx
k i
dk = 0
in accordo col fatto che, se x < 0, (x) = 0
5.4.8 Il potenziale elettrostatico
5.68 Problema. Vericare che in R
3
vale la seguente identità nel senso delle dis-
tribuzioni
1
[x[
= 4(x) .
In altre parole bisogna far vedere che
_
R
3
1
[x[
f(x) dx = 4f(0) f /(R
3
) .
12
ricorda che vogliamo calcolare il limite 0
+
(Sugg: Sia R > 0 tale che il supporto di f sia contenuto allinterno della palla B
R
(0). Si
scriva lintegrale come lim
0
+
_
]x]R
1
]x]
f(x) dx. Questo integrale può essere cal-
colato in coordinate sferiche usando la formula di Green e osservando che il laplaciano
di 1/[x[ è nullo se x ,= 0).
5.69 Problema. Vericare che in R
2
vale la seguente identità nel senso delle dis-
tribuzioni
log [x[ = 2(x) .
5.70 Problema. (Potenziali ritardati). Sia /(R
3
) e sia
f(x, t) :=
_
R
3
(u, t [x u[)
[x u[
du x R
3
, t R
in cui [x u[ è la usuale distanza in R
3
data da [x u[ :=
_
3
i=1
[x
i
u
i
[
2
_
1/2
.
Dimostrare che f soddisfa lequazione
'
_
2
t

f(x, t) = 4(x, t)
in cui
=
3
i=1
2
i
=
3
i=1
2
x
2
i
Schema di soluzione. Si può scrivere
f(x, t) =
_
R
3
_
(u, t [x u[)
[x u[
_
du
=
_
R
3
_
1
[x u[
_
(u, t [x u[) du
+ 2
_
R
3
_
1
[x u[
_
(u, t [x u[) du
+
_
R
3
1
[x u[
(u, t [x u[) du
Lidentità ' si ottiene (con uno zinzino di pazienza) ricordando che
(1) La funzione
1
]xu]
soddisfa (in 3 dimensioni!) la seguente identità in senso debole
_
1
[x u[
_
= 4(x u)
(2) Dalle regole di derivazione delle funzioni composte segue che
i
(u, t [x u[) =
t
(u, t [x u[)
i
[x u[
(3) Dalla denizione di [x u[ e dalle usuali regole del calcolo si ottiene
i
[x u[ =
x
i
u
i
[x u[
[x u[ =
2
[x u[
6. Operatori lineari
J: Now Yolanda, were not gonna do anything stupid,
are we?
Y: You dont hurt him.
J: Nobodys gonna hurt anybody. Were gonna be
like three little Fonzies here. And whats Fonzie like?
Come on Yolanda whats Fonzie like?
Y: Cool?
J: What?
Y: Hes cool.
Jules: Correctamundo. And thats what were gonna
be. Were gonna be cool. Now Ringo, Im gonna count
to three, and when I count three, you let go of your
gun, and sit your ass down. But when you do it, you
do it cool. Ready? One... two... three.
6.1 Denizione ed esempi
6.1 Denizione. Dati due spazi lineari normati (V, | |
V
) e (Z, | |
Z
), si denisce
operatore lineare da V in Z unapplicazione T : V Z tale che
1
T(c
1
v
1
+c
2
v
2
) = c
1
T(v
1
) +c
2
T(v
2
) c
1
, c
2
R v
1
, v
2
V
Nel caso in cui i due spazi V e Z coincidano T è detto un operatore lineare su V .
6.2 Denizione. Loperatore lineare T da V in Z è detto continuo nel punto x V
se per ogni > 0 esiste > 0 tale che se |x y|
V
< allora |Tx Ty|
Z
< .
6.3 Denizione. Loperatore lineare T da V in Z è detto limitato se
sup
xV :|x|
V
1
|Tx|
Z
< .
La norma di T è denita come
2
(6.1) |T| := sup
xV :|x|
V
1
|Tx|
Z
= sup
x,=0
|Tx|
Z
|x|
V
.
6.4 Proposizione. (Condizioni equivalenti). Sia T un operatore lineare limitato da
V in Z. Le seguenti condizioni sono equivalenti
(1) T è continuo
(2) T è continuo nellorigine
(3) T è limitato
Dimostrazione. Dimostrazione identica al caso dei funzionali lineari (rimpiazzare [F(x)[
con |Tx|
Z
).
1
spesso è utile considerare operatori deniti non in tutto lo spazio V , ma in un sottospazio D
T
detto dominio di T
2
dimostreremo fra poco che è una vera norma
139
140 CHAPTER 6. OPERATORI LINEARI
6.5 Denizione. Linsieme di tutti gli operatori limitati da V in Z si denota con
L(V, Z). Linsieme di tutti gli operatori limitati su V si denota con L(V ).
6.6 Denizione. Sia T L(V, Z). Linsieme di tutti i vettori v V tali che Tv = 0
si chiama nucleo di T e si denota con Ker T. Linsieme di tutti i vettori z Z che si
possono esprimere come z = Tv per un qualche v V si chiama immagine di T e si
denota con Ran T.
6.7 Proposizione. Sia T L(V, Z). Allora
(1) Il nucleo di T è un sottospazio chiuso di V .
(2) Limmagine di T è un sottospazio di Z.
Dimostrazione. (Molto facile)
6.8 Problema. Consideriamo loperatore lineare continuo T sullo spazio (
2
, | |
2
),
denito come
T(x
1
, x
2
, x
3
, . . .) :=
_
x
1
,
x
2
2
,
x
3
3
, . . .
_
.
Dimostrare che Ran T non è chiuso in
2
.
Soluzione. Per dimostrare che Ran T non è chiuso in
2
troverò una successione (y
(n)
)
di elementi di
2
tale che
(a) y
(n)
Ran T, vale a dire per ogni n esiste x
(n)

2
tale che Tx
(n)
= y
(n)
(b) (y
(n)
) converge, nella norma | |
2
, ad un elemento y di
2
che non appartiene a
Ran T.
Denisco dunque
y
(n)
=
_
1,
1
2
,
1
3
, . . . ,
1
n
, 0, 0, 0, . . .
_
.
Si ha
y
(n)
= Tx
(n)
in cui
x
(n)
= (1, 1, . . . , 1, 0, 0, . . .) ,
di conseguenza y
(n)
Ran T. Daltra parte (y
(n)
) è una successione convergente in
2
,
infatti è facile vericare che
lim
n
y
(n)
= y :=
_
1,
1
2
,
1
3
, . . . ,
1
n
,
1
n + 1
, . . .
_
.
Tuttavia il limite y della successione (y
(n)
) non appartiene a Ran T, perchè se si potesse
scrivere y = Tx, allora dovrebbe essere
x = (1, 1, 1, 1, . . .)
che non appartiene a
2
.
6.1.1 Esempi
(1) Loperatore indentità Ix = x. |I| = 1. Ker T = 0, Ran T = V .
(2) Se V e W sono spazi vettoriali nito dimensionali tutti gli operatori lineari sono
limitati. Inoltre se T è un operatore lineare da V in W, T è rappresentato da una
matrice. Pi` u precisamente se (v
i
)
n
i=1
è una base di V e (w
i
)
m
i=1
è una base di W,
allora esiste ununica matrice mn A tale che
Tv
k
=
m
i=1
w
i
A
ik
Ricordo che vale luguaglianza
dimV = dimKer T + dimRan T
(3) Proiezioni ortogonali. Se W è un sottospazio chiuso di V possiamo denire lope-
ratore lineare T =
W
che rappresenta la proiezione ortogonale su W. T è univo-
camente denito dalle due condizioni
Tv W v Tv W
.
`
E facile far vedere che |
W
| = 1, Ker T = W
, Ran T = W.
(4) Dato uno spazio vettoriale normato di successioni (es:
p
,
0
, . . . ) possiamo denire
gli operatori di traslazione verso destra
+
e verso sinistra
come
+
(x
1
, x
2
, x
3
, . . .) := (0, x
1
, x
2
, x
3
, x
4
, . . .)
(x
1
, x
2
, x
3
, . . .) := (x
2
, x
3
, x
4
, . . .)
e, pi` u in generale, se n è un intero positivo
n
(x
1
, x
2
, x
3
, . . .) := (0, . . . , 0, x
1
, x
2
, x
3
, . . .)
n
(x
1
, x
2
, x
3
, . . .) := (x
n+1
, x
n+2
, x
n+3
, . . .)
Notare che valgono le identità
(
+
x)
i
=
_
x
i1
se i > 1
0 se i = 1
(
x)
i
= x
i+1
`
E immediato mostrare che sono operatori limitati con norma uguale ad 1
(5) Operatori integrali. Se K C([a, b] [a, b]), possiamo considerare loperatore T,
che agisce su (C[a, b] , | |
u
), denito come
(Tf)(x) :=
_
b
a
K(x, y)f(y) dy .
Bisogna far vedere che Tf appartiene a C[a, b] e che T è limitato. Dato che K è
continua su un compatto, è anche uniformemente continua, quindi
> 0 > 0 tale che se [x x
t
[ +[y y
t
[ < allora [K(x, y) K(x
t
, y
t
)[ < .
Quindi se [x z[ ,
[Tf(x) Tf(z)[
_
b
a
[K(x, y) K(z, y)[ f(y) dy
sup
y[a,b]
[K(x, y) K(z, y)[
_
b
a
[f(x)[ dx (b a) |f|
u
che implica la continuità di Tf. Per far vedere che T è limitato dobbiamo di-
mostrare che |Tf|
u
C|f|
u
per una qualche costante C. E infatti si ha per ogni
x [a, b]
[Tf(x)[ =
_
b
a
K(x, y) f(y) dx

_
b
a
[K(x, y)[ [f(y)[ dy
_
_
b
a
[K(x, y)[ dy
_
|f|
u
Di conseguenza
|Tf|
u
= sup
x[a,b]
[Tf(x)[
_
sup
x[a,b]
_
b
a
[K(x, y)[ dy
_
|f|
u
Abbiamo quindi dimostrato che T è limitato e abbiamo trovato anche un limite
superiore esplicito per la sua norma
|T| sup
x[a,b]
_
b
a
[K(x, y)[ dy .
(6) Operatori dierenziali. Sia D loperatore derivata che agisce su (C[a, b], | |
u
).
Osserviamo che:
(a) D non è denito su tutto C[a, b]. Il suo dominio è costituito dalle funzioni
f C[a, b] che sono dierenziabili
(b) D non è continuo nellorigine. Consideriamo infatti la successione (f
n
), in cui
f
n
(x) := sin(nx)/n. Allora si ha Df
n
(x) = cos(nx), per cui |f
n
|
u
tende a
zero, ma |Df
n
|
u
= 1 , 0.
(7) Operatori moltiplicativi. Nello spazio o(R) possiamo denire loperatore molti-
plicativo X come
X(f) := xf(x) f o(R) .
Dimostrare che, scegliendo ad esempio la norma uniforme | |
u
, loperatore X non
è limitato. Pi` u in generale se P è un polinomio possiamo considerare loperatore
P(X)(f) := P(x) f(x) f o(R) .
Loperatore P(X) viene generalmente denotato con P(x) confondendolo con la
funzione ad esso associata.
(8) Operatori di Schrodinger. In meccanica quantistica si studiano operatori del tipo
H :=
2
2
+V (x)
che agiscono nello spazio (C
2
(R
n
) , | |
2
)
3
come
(Hf)(x) =
2
2
f(x) +V (x)f(x) f C
2
(R
n
)
6.9 Problema. Sia K una funzione continua su [a, b] [a, b]. Sia T loperatore su
C
2
[a, b] denito come
Tf(x) :=
_
b
a
K(x, y) f(y) dy .
3
pi` u precisamente nel suo completamento L
2
(R
n
)
Dimostrare che T è limitato e trovare un limite superiore alla norma di T.
Soluzione. Devo dimostrare che esiste una costante C > 0 tale che
|Tf|
2
C |f|
2
.
Questo mi dice che T è limitato e che |T| C. Per stimare la quantità |Tf|
2
procedo
nel modo seguente
' |Tf|
2
2
:=
_
b
a
[Tf(x)[
2
dx =
_
b
a
_
b
a
K(x, y) f(y) dy
2
dx
Per un dato valore di x denisco la funzione
g
x
(y) := K(x, y) .
Grazie alla disuguaglianza di CauchySchwarz posso scrivere
_
b
a
K(x, y) f(y) dy
2
=
_
b
a
g
x
(y) f(y) dy
2
= [g
x
, f[
2
|g
x
|
2
2
|f|
2
2
= |f|
2
2
_
b
a
K(x, y)
2
dy .
^
Dalla ' e dalla ^ ottengo
|Tf|
2
2

_
b
a
_
|f|
2
2
_
b
a
K(x, y)
2
dy
_
dx = |f|
2
2
_
b
a
_
b
a
K(x, y)
2
dxdy .
Abbiamo cos` ricavato la disuguaglianza
|Tf|
2
C |f|
2
,
in cui
C :=
_
_
b
a
_
b
a
K(x, y)
2
dxdy
_
1/2
.
Di conseguenza T è limitato e vale
|T|
_
_
b
a
_
b
a
K(x, y)
2
dxdy
_
1/2
.
6.10 Problema. Nello spazio (C
c
(R), | |
u
) consideriamo loperatore lineare T de-
nito come (Tf)(x) := xf(x).
(a) Dimostrare che T non è limitato.
(b) Determinare il nucleo e limmagine di T.
Soluzione. (a). Denisco una successione di funzioni f
n
C
b
(R) scelte in modo tale
che
' lim
n
|Tf
n
|
u
|f
n
|
u
= ,
il che implica che T è illimitato. Denisco dunque f
n
nel modo seguente
f
n
(x) :=
_
_
x n + 1 se x [n 1, n]
x +n + 1 se x [n, n + 1]
0 altrimenti
Si vede allora che |f
n
|
u
= 1, e che
|Tf
n
|
u
= sup
xR
[xf
n
(x)[ [nf
n
(n)[ = [n 1[ = n,
da cui segue la ' e il fatto che T è illimitato.
(b). Supponiamo che sia Tf = 0. Allora, per denizione, si ha
xf(x) = 0 x R,
il che implica che f(x) è uguale a zero per tutti gli x ,= 0. Ma f èuna funzione continua,
quindi se è nulla per tutti gli x ,= 0 è necessariamente nulla anche per x = 0, vale a
dire f è la funzione identicamente nulla. Per cui Ker T = 0.
Per determinare Ran T bisogna capire come deve essere fatta una funzione g C
c
(R)
anchè possa essere ottenuta come g = Tf per una qualche f. Scriviamo quindi
lequazione Tf = g in modo esplicito come
^ xf(x) = g(x) x R
e cerchiamo di risolverla per f.
`
E chiaro che, anchè valga la ^, deve essere
f(x) =
g(x)
x
x ,= 0 .
Ma f deve essere continua su tutto lasse reale, in particolare in x = 0, quindi g deve
essere tale che
il limite lim
x0
f(x) = lim
x0
g(x)/x esiste ed è nito.
Poichè g è continua la implica che g(0) = 0. Di coseguenza
lim
x0
g(x)
x
= lim
x0
g(x) g(0)
x
= g
t
(0) .
La condizione equivale quindi ad aermare che
g(0) = 0 e g è derivabile nellorigine.
Se questa condizione è soddisfatta possiamo denire f C
c
(R) come
f(x) :=
_
g(x)/x se x ,= 0
g
t
(0) se x = 0 .
La f cos` denita risolve lequazione Tf = g. Abbiamo quindi dimostrato che
Ran T := g C
c
(R) : g(0) = 0 e g è derivabile nellorigine.
6.2 Somme e prodotti di operatori lineari
6.11 Denizione. Dati S, T L(V, Z) e dato R denisco gli operatori S + T e
T da V in Z come
(S +T)(u) := Su +Tu u V
(T)(u) := (Tu) u V .
6.2. SOMME E PRODOTTI DI OPERATORI LINEARI 145
6.12 Proposizione. Linsieme L(V, Z) è uno spazio vettoriale. Inoltre la funzione
| | : L(V, Z) R introdotta nella (6.1) è una norma su L(V, Z).
Dimostrazione. La prima aermazione è ovvia. Passiamo alla seconda.
`
E banale
mostrare che |T| 0, che |T| = 0 se e solo se T = 0 e che |T| = [[ |T| per ogni
R. Inne mostriamo che vale la disuguaglianza triangolare:
|S +T| := sup
x,=0
|(S +T)(x)|
Z
|x|
V
= sup
x,=0
|Sx +Tx|
Z
|x|
V
sup
x,=0
|Sx|
Z
+|Tx|
Z
|x|
V
sup
x,=0
|Sx|
Z
|x|
V
+ sup
x,=0
|Tx|
Z
|x|
V
= |S| +|T|
quindi |S +T| |S| +|T|.
6.13 Denizione. (Prodotto fra operatori). Se S L(V, W) e T L(W, Z) si de-
nisce il prodotto o composizione TS come
TS : V Z
TS(x) := T(Sx)
6.14 Proposizione. Se S L(V, W) e T L(W, Z) allora TS è un operatore lineare
continuo da V in Z. Inoltre
(6.2) |TS| |T| |S|
Dimostrazione.
`
E suciente far vedere che vale la (6.2).
|TS| := sup
x,=0
|TSx|
Z
|x|
V
sup
x=0
Sx=0
|TSx|
Z
|x|
V
+ sup
x=0
Sx=0
|TSx|
Z
|x|
V
.
Il secondo termine nella precedente somma è nullo, perchè se Sx = allora TSx = 0.
|TS| := sup
xV : Sx,=0
|TSx|
Z
|x|
V
= sup
xV : Sx,=0
|TSx|
Z
|Sx|
W
|Sx|
W
|x|
V
sup
xV : Sx,=0
|TSx|
Z
|Sx|
W
sup
xV : Sx,=0
|Sx|
W
|x|
V
sup
yRan S: y,=0
|Ty|
Z
|y|
W
sup
xV : x,=0
|Sx|
W
|x|
V
sup
yW: y,=0
|Ty|
Z
|y|
W
sup
xV : x,=0
|Sx|
W
|x|
V
=: |T| |S|
6.15 Proposizione. Se Z è completo allora (L(V, Z), | |) è completo.
Dimostrazione. Sia (T
k
)
k=1
una successione di Cauchy in L(V, Z) allora, per denizione
per ogni > 0 esiste N > 0 tale che se n, m N si ha |T
n
T
m
| < .
Dato x V , otteniamo
(6.3) |T
n
x T
m
x|
Z
|T
n
T
m
| |x|
V
|x|
V
n, m N
quindi, per ogni x V , la successione (T
n
x) è una successione di Cauchy di elementi
di Z. Poichè Z è completo T
n
x è convergente. Poniamo
T(x) := lim
n
T
n
(x)
T è lineare, infatti
T(x +y) = lim
n
T
n
(x +y) = lim
n
T
n
(x) + lim
n
T
n
(y) = Tx +Ty .
Per dimostrare che T è limitato, passiamo al limite m nella (6.3) ottenendo
(6.4) |(T
n
T)x|
Z
= |T
n
x Tx|
Z
|x|
V
n N
Quindi T T
n
è un operatore limitato. Ma allora T = T
n
+ (T T
n
) è anchesso
limitato.
6.16 Proposizione. Sia V uno spazio di Banach, T L(V ) e sia (c
k
)
k=0
una suc-
cessione di numeri reali (o complessi) tale che
(6.5)
=0
[c
k
[ |T|
k
< .
Allora esiste S L(V ) tale che
(6.6)
k=1
c
k
T
k
= S
Dimostrazione. Consideriamo le somme parziali
S
n
:=
n
k=1
c
k
T
k
La successione S
n
è di Cauchy, infatti, se n < m, si ha
|S
n
S
m
| =
_
_
_
m
k=n+1
c
k
T
k
_
_
_
m
k=n+1
[c
k
[ |T|
k
k=n+1
[c
k
[ |T|
k
Grazie alla (6.5) sappiamo che
lim
n
k=n+1
[c
k
[ |T|
k
= 0 ,
quindi (S
n
) è di Cauchy. Poichè L(V ) è completo esiste un operatore S L(V ) tale
che S
n
S.
6.3 Operatore inverso
6.17 Denizione. Un operatore lineare T da V in Z è detto invertibile se T è un
applicazione biunivoca da V su Z, vale a dire se
(6.7) per ogni y Z esiste un unico elemento x V tale che y = Tx.
Equivalentemente T è invertibile se Ran T = Z e Ker T = 0. Se T è invertibile
possiamo denire quindi loperatore inverso T
1
: Z V . Se y Z, T
1
y è denito
univocamente dalla proprietà
(6.8) T
1
y = x Tx = y .
6.3. OPERATORE INVERSO 147
6.18 Proposizione. Se T è un operatore lineare invertibile da V in Z allora T
1
è
un operatore lineare invertibile da Z in V .
Dimostrazione. Facciamo vedere che T
1
è lineare, vale a dire che
(6.9) T
1
(u +v) = T
1
u +T
1
v , R, u, v Z
Poniamo
u
t
:= T
1
u v
t
:= T
1
v .
Per denizione di T
1
si ha
Tu
t
= u Tv
t
= v
Siccome T è lineare
T(u
t
+v
t
) = Tu
t
+Tv
t
che implica
u
t
+v
t
= T
1
(Tu
t
+Tv
t
)
che è proprio la (6.9)
Dalla denizione (6.8) segue immediatamente che
TT
1
y = y y Z T
1
Tx = x x V ,
ovvero che
TT
1
= I
Z
T
1
T = I
V
.
6.19 Problema. Trovare due operatori lineari limitati in uno spazio di Banach V tali
che AB = I, ma BA ,= I (quindi B non è linverso di A).
6.20 Problema. Sia T è un operatore lineare invertibile da V in Z.
`
E vero che se T
è limitato allora T
1
è limitato?
Soluzione. La risposta è no. Infatti consideriamo il caso V = Z =
f
con la norma
| |
. Se x = (x
i
)
i=1
deniamo
Tx :=
_
x
1
,
x
2
2
,
x
3
3
,
x
4
4
, . . .
_
T è chiaramente lineare. Inoltre T è limitato, perchè |Tx|
|x|
, quindi |T| 1.
Inne T è biunivoco, quindi invertibile e si ha
T
1
x = (x
1
, 2x
2
, 3x
3
, 4x
4
, . . .)
è ovvio che T
1
non è limitato infatti ponendo
e
(n)
:= (0, 0, . . . , 0, 1, 0, 0, . . .)
[n]
si ha
|T
1
e
(n)
|
|e
(n)
|
= n
Quindi linverso di un operatore limitato non è in generale limitato . . . però, aggiun-
gendo alle ipotesi lingrediente della completezza le cose cambiano
6.21 Teorema. (Teorema sulloperatore inverso). Siano (V, | |
V
) e (Z, | |
Z
) due
spazi di Banach e sia T L(V, Z) invertibile. Allora T
1
è limitato, cioè T
1
L(Z, V ).
(senza dimostrazione . . . richiede Baire cat thm).
6.22 Proposizione. Sia (V, | |) uno spazio di Banach e sia A L(V ) con |A| < 1.
Allora (I A)
1
esiste, è limitato e si pu` o scrivere come
(I A)
1
=
k=0
A
k
Dimostrazione. Poichè |A| =: < 1 si ha
(6.10)
k=0
|A|
k
=
1
1
< .
Dalla (6.10) e dalla Proposizione 6.16 segue che posso denire un operatore B L(V )
come
B :=
k=0
A
k
Per dimostrare che B è linverso di I A devo far vedere che
B(I A) = (I A) B = I .
A questo scopo osservo che
B = lim
n
n
k=0
A
k
,
quindi
(6.11) B(I A) = lim
n
n
k=0
(A
k
A
k+1
) = lim
n
(I A
n+1
) = I lim
n
A
n+1
Lultimo limite nella precedente equazione è nullo, infatti
|A
n
| |A|
n
=
n
,
per cui
(6.12) lim
n
|A
n
| lim
n
n
= 0 .
Dalle (6.11), (6.12) ottengo
B(I A) = I .
In modo analogo si dimostra che (I A) B = I, da cui segue che (I A) è invertibile
e che B = (I A)
1
.
6.4 Operatore aggiunto (di Hilbert)
In questa sottosezione V è uno spazio euclideo con prodotto scalare , .
6.23 Denizione. Dato un operatore lineare T L(V ), loperatore aggiunto
4
T
è
denito dalle identità
T
u, v = u, Tv u, v V .
4
detto a volte hermitiano coniugato. Questo è laggiunto di Hilbert. Cè anche laggiunto di
Banach che è una cosa leggermente diversa
6.4. OPERATORE AGGIUNTO (DI HILBERT) 149
6.24 Denizione. Un operatore lineare limitato T su V è detto autoaggiunto
5
se
T
= T, vale a dire se
Tu, v = u, Tv u, v V .
6.25 Esempio. Sia M la matrice (nita o innita) associata alloperatore T rispetto
ad una base ortonormale (e
k
)
k=1
di uno spazio euclideo complesso V , e sia M
la
matrice associata alloperatore aggiunto T
. Allora si ha
Te
i
=
k=1
e
k
M
ki
T
e
i
=
k=1
e
k
M
ki
.
per cui
Te
i
, e
j
=
k=1
M
ki
e
k
, e
j
= M
ji
T
e
i
, e
j
=
k=1
M
ki
e
k
, e
j
= M
ji
.
Di conseguenza
(M
)
ij
= T
e
j
, e
i
= e
j
, Te
i
= Te
i
, e
j
= M
ji
quindi la matrice associata a T
è la complessa coniugata della trasposta di M.

6.26 Problema. Dimostrare che in
2
vale
+
=
.
Soluzione. Per denizione abbiamo, per ogni x, y
2
,
+
x, y = x,
+
y =
i=1
x
i
(
+
y)
i
=
i=2
x
i
y
i1
=
k=1
x
k+1
y
k
=
k=1
(
x)
k
y
k
=
x, y
Quindi
+
x, y =
x, y x, y
2
,
che implica
+
=
6.27 Problema. Nello spazio C

2
([a, b]; C) sia T loperatore lineare integrale con nucleo
K(x, y). Determinare il nucleo integrale di T
.
6.28 Proposizione. Sia (V, , ) uno spazio euclideo e siano S, T L(V )
(1) (S +T)
= S
+T
(2) (T)
= T
(3) (ST)
= T
(4) T
= T
(5) |T
| = |T|
(6) Se T ha un inverso limitato allora anche T
ha un inverso limitato e (T
)
1
=
(T
1
)
.
5
cè qualcuno che dice hermitiano
Dimostrazione.
Punto (3).
(ST)
v, w = v, STw = S
v, Tw = T
v, w
Punto (5).
|T
v|
2
= [T
v, T
v[ = [v, TT
v[ |v| |TT
v| |v| |T| |T
v|
quindi
|T
v| |T| |v|
da cui
|T
| |T| .
Daltra parte
|T| = |T
| |T
|
Punto (6). Siccome
TT
1
= T
1
T = I
possiamo prendere laggiunto
(TT
1
)
= (T
1
T)
= I
= I
e grazie al punto (3) otteniamo
(T
1
)
= T
(T
1
)
= I
che implica che (T
1
)
è linverso di T
6.29 Proposizione. Sia T L(V ). Allora

Ker T
= (Ran T)
e Ran T
= (Ker T)
Dimostrazione. Sia v Ker T
. Allora T
v = 0, per cui
T
v, u = 0 u V ,
per cui
v, Tu = 0 u V ,
che è equivalente a dire
v, z = 0 z Ran T .
Ma questo signica appunto che v Ran T. Abbiamo quindi mostrato che se v
Ker T
allora v (Ran T)
, vale a dire che Ker T
(Ran T)
. Linclusione inversa
si dimostra facendo la stessa strada al contrario.
La seconda identità segue dalla prima. Infatti
Ran T
= ((Ran T
= (Ker T
= (Ker T)
6.30 Problema. Sia T loperatore lineare su

2
denito come
Tx :=
_
x
1
+
x
2
2
, x
3
+
x
4
4
, x
5
+
x
6
6
, . . .
_
.
Determinare: (a) T
, (b) Ker T, (c) Ran T.

6.4. OPERATORE AGGIUNTO (DI HILBERT) 151
Soluzione. (a). Per determinare laggiunto T
partiamo dalla denizione

T
x, y = x, Ty x, y
2
.
Quindi abbiamo
T
x, y = x, Ty
=
__
x
1
, x
2
, x
3
, . . .
_
,
_
y
1
+
y
2
2
, y
3
+
y
4
4
, y
5
+
y
6
6
, . . .
__
= x
1
_
y
1
+
y
2
2
_
+x
2
_
y
3
+
y
4
4
_
+x
3
_
y
5
+
y
6
6
_
+
= x
1
y
1
+
x
1
2
y
2
+x
2
y
3
+
x
2
4
y
4
+x
3
y
5
+
x
3
6
y
6
=
__
x
1
,
x
1
2
, x
2
,
x
2
4
, x
3
,
x
3
6
, . . .
_
,
_
y
1
, y
2
, y
3
, y
4
, y
5
, y
6
, . . .
__
Poichè il prodotto scalare nellultima riga deve essere uguale a T
x, y, otteniamo
' T
x =
_
x
1
,
x
1
2
, x
2
,
x
2
4
, x
3
,
x
3
6
, . . .
_
Un modo alternativo di calcolare T
è quello di scrivere la matrice innita A associata

alloperatore T. La matrice associata a T
sarà A
, lhermitiana coniugata (vale a dire

la trasposta della complessa coniugata) di A. Dalla denizione di T si legge che la
matrice A è data da
A =
_
_
_
_
_
1 1/2 0 0 0 0
0 0 1 1/4 0 0
0 0 0 0 1 1/6
.
.
.
.
.
.
_
_
_
_
_
Quindi
A
= (A)
t
= A
t
=
_
_
_
_
_
_
_
_
_
_
_
1 0 0 0 0 0
1/2 0 0 0 0 0
0 1 0 0 0 0
0 1/4 0 0 0 0
0 0 1 0 0 0
0 0 1/6 0 0 0
.
.
.
.
.
.
_
_
_
_
_
_
_
_
_
_
_
In questo modo otteniamo nuovamente T
x come nella '.

(b). Per determinare il nucleo di T dobbiamo trovare la soluzione generale dellequa-
zione Tx = 0, che scritta esplicitamente diventa un sistema di innite equazioni:
x
1
+x
2
/2 = 0 x
3
+x
4
/4 = 0 x
5
+x
6
/6 = 0
Queste equazioni sono fortunatamente (o per esagerata magnanimità di chi ha pre-
parato lesercizio) tutte indipendenti e si possono risolvere, ad esempio, ricavando le
variabili pari in funzioni delle dispari:
x
2k
= 2k x
2k1
k = 1, 2, 3, . . .
Otteniamo quindi
Ker T := x
2
: x
2k
= 2k x
2k1
k = 1, 2, 3, . . .
(c). Limmagine di T è costituita da tutti quelle successioni y
2
tali che si possono
ottenere come y = Tx per un qualche x
2
. Aermo che Ran T =
2
. Infatti data
una y
2
arbitraria, posso sempre scrivere y = Tx, ponendo, ad esempio
x
2k
= 0 x
2k1
= y
k
k = 1, 2, 3, . . .
Lultima cosa da vericare è che la x appartiene ad
2
. A questo proposito osservo che
k=1
x
2
k
=
k=1
x
2
2k1
=
k=1
y
2
k
,
quindi, poichè y
2
, si ha che anche x
2
. Abbiamo dimostrato dunque che
Ran T =
2
.
6.31 Problema. Sia T loperatore lineare su
2
denito come
Tx := (0, x
1
, 0, x
2
, 0, x
3
, 0, . . .) .
(a) Determinare T
, vale a dire scrivere esplicitamente T
x = (?, ?, . . . )
(b) Determinare |T|, Ker T e Ran T.
Soluzione. (a)
T
x, y = x, Ty =
k=1
x
k
(Ty)
k
=
k=1
x
2k
y
k
= x
2
y
1
+x
4
y
2
+x
6
y
3
+ .
Quindi
T
x = (x
2
, x
4
, x
6
, . . .) .
(b) Poichè |Tx|
2
= |x|
2
per ogni x
2
, T è un isometria, quindi |T| = 1. Inoltre
se Tx = 0 allora deve essere x = 0 quindi Ker T = 0. Inne
Ran T := x
2
: x
2k+1
= 0 k N .
6.4.1 Proiettori ortogonali
6.32 Denizione. P L(V ) è detto una proiezione ortogonale se P è autoaggiunto
e se P
2
= P.
6.33 Problema. Sia (V, , ) uno spazio di Hilbert. Dimostrare che se P è una
proiezione ortogonale in V allora,
(a) (I P)v è ortogonale a Pv
(b) |Pv| |v|
(c) Ran P = Ker(I P)
6.5 Spettro
6.5.1 Il caso nito dimensionale (C
n
).
Sia A una matrice complessa n n e sia z C. Allora ci sono solo due possibilità
6.5. SPETTRO 153
(1) se det(zI A) = 0, allora zI A non è iniettiva, vale a dire lequazione
Ax = zx x = (x
1
, . . . , x
n
) C
n
ammette una soluzione x non banale (x ,= 0). In questo caso z è detto autovalore
di A e x è il corrispondente autovettore
(2) se det(zI A) ,= 0 allora zI A è invertibile, quindi è iniettiva e surgettiva. In
questo caso, se b C
n
, lequazione
(zI A)x = b
ammette sempre ununica soluzione data da
x = (zI A)
1
b .
Nel caso innito dimensionale, la situazione è pi` u complicata, perchè è possibile che
(zI A) sia iniettiva ma non surgettiva.
6.5.2 Il caso generale
6.34 Denizione. (Spettro, insieme risolvente, risolvente). Sia (V, | |) uno spazio
di Banach complesso, sia T L(V ) e sia z C. Allora
(1) se (zI T) non è iniettivo, ossia se lequazione
Tx = z x x V
ammette una soluzione x ,= 0, allora z è un autovalore di T. Linsieme degli
autovalori di T è detto spettro puntuale e si indica con
p
(T)
(2) se (zI T) è iniettivo ma non surgettivo, allora si dice che z appartiene allo spettro
continuo di T e si indica con
c
(T)
(3) se (zI T) è un operatore biunivoco su V (quindi con inverso limitato) allora z si
dice appartenere allinsieme risolvente di T, che si denota con (T). Loperatore
R
z
(T) := (zI T)
1
è detto il risolvente di T in z.
Lo spettro di T è denito come
spec T = (T) = C(T) :=
p
(T)
c
(T)
6.35 Proposizione. (T) è aperto in C, quindi (T) è chiuso.
(senza dimostrazione?)
6.36 Proposizione. Sia (V, | |) uno spazio di Banach. Se T L(V ), allora lo
spettro di T è contenuto nel disco chiuso di centro 0 e raggio |T|.
Dimostrazione. Sia z C tale che [z[ > |T|. Allora
zI T = z(I z
1
T) .
Ma dato che |z
1
T| = [z
1
[ |T| < 1, grazie alla Proposizione 6.22, loperatore I
z
1
T è invertibile con inverso limitato, quindi anche zI T è invertibile con inverso
limitato e si ha
R
z
(T) = (zI T)
1
= z
1
(I z
1
T)
1
Abbiamo quindi fatto vedere che se [z[ > |T| allora z (T) che è equivalente
allaermazione della Proposizione da dimostrare
6.37 Problema. In (C([a, b]; C), | |
u
) consideriamo loperatore
(Tf)(x) := xf(x)
Dimostrare che T non ha autovalori e che (T) = [a, b].
6.38 Problema. Sia T loperatore lineare sullo spazio C
2
([1, 1]; C) denito come
Tf(x) = x
2
f(x). Calcolare |T|, gli autovalori e lo spettro continuo di T.
6.39 Problema. Nello spazio (C([0, 2]; C), | |
u
) consideriamo loperatore
(Tf)(x) := g(x) f(x) in cui g(x) :=
_
x se x [0, 1]
1 se x (1, 2]
Determinare gli autovalori e lo spettro continuo di T.
6.40 Problema. Sia
+
loperatore di traslazione a destra che agisce in
2
(C). Di-
mostrare che
(1)
+
non ha autovalori
(2) (
+
) = B
1
:= z C : [z[ 1
6.41 Problema. Sia
loperatore di traslazione a sinistra che agisce in

2
(C). De-
terminare gli autovalori e lo spettro continuo di
.
6.6 Operatori autoaggiunti
6.42 Teorema. Se (V, , ) è uno spazio di Hilbert complesso e T L(V ) è autoag-
giunto allora
(a) gli autovalori di T sono reali
(b) autovettori corrispondenti ad autovalori distinti sono ortogonali
(c) (T) R (generalizza (a)).
Dimostrazione. I punti (a) e (b) si dimostrano come nel caso nito dimensionale. Se
è un autovalore di T allora esiste v V , v ,= 0 tale che Tv = v. Quindi
v, v = v, v = Tv, v = v, Tv = v, v =

v, v ,
per cui si ha =

.
Se e sono due autovalori distinti con autovettori rispettivamente u e v, allora
u, v = u, v = Tu, v = u, Tv = u, v = u, v ,
per cui
( )u, v = 0 .
Poichè ,= deve essere necessariamente u, v = 0.
Punto (c). Sia z = a + ib con a, b R e supponiamo b ,= 0. Voglio far vedere che
z / (T). Infatti, siccome T
= T, e quindi (I T)
= (I T), abbiamo, per ogni

v V ,
|(zI T)v|
2
= (aI T)v +ibv, (aI T)v +ibv
= |(aI T)v|
2
+|bv|
2
ib(aI T)v, v +ibv, (aI T)v
= |(aI T)v|
2
+|bv|
2
ib(aI T)v, v +ib(aI T)v, v
= |(aI T)v|
2
+|bv|
2
= |(aI T)v|
2
+[b[
2
|v|
2
.
6.6. OPERATORI AUTOAGGIUNTI 155
Di conseguenza
(6.13) |(zI T)v| [b[ |v| .
Con lo stesso procedimento si ottiene che
(6.14) |(zI T)
v| = |( zI T)v| [b[ |v| .

Questo implica che zI T e (zI T)
sono iniettivi.
6
Infatti se (zI T)v = 0 allora
|(zI T)v| = 0 e, grazie alla (6.13), |v| = 0, per cui v = 0. Liniettività di zI T è
dimostrata, mentre quella di (zI T)
segue dalla (6.14).

Ora faccio vedere che zI T è surgettivo, cioè che Ran(zI T) = V . Poichè (zI T)
è iniettivo si ha
Ker(zI T)
= 0 ,
quindi, grazie alla Proposizione 6.29 abbiamo
(6.15) Ran(zI T) = (Ker(zI T)
= 0
= V .
Questa identità è quasi quello che dobbiamo dimostrare, a parte per loperazione di
chiusura. Per completare largomento faremo vedere che Ran(zI T) è chiuso. Sia
(v
n
) una successione di elementi di Ran(zI T) tale che v
n
v V . Devo far vedere
che anche v è un elemento di Ran(zI T). Infatti, dato che v
n
Ran(zI T), esiste
u
n
V tale che v
n
= (zI T)u
n
. La successione (v
n
) è convergente quindi è di
Cauchy. In virt` u della (6.13)
|u
n
u
m
| [b[
1
|v
n
v
m
|
per cui la successione (u
n
) è anchessa di Cauchy. Ma V è completo per ipotesi, quindi
esiste u V tale che u
n
u
Inne, poichè (zI T) è continuo
(zI T)u
n
= v
n
(zI T)u.
Abbiamo quindi
v
n
(zI T)u e v
n
v .
Per lunicità del limite deve essere v = (zI T)u, che implica v Ran(zI T).
Abbiamo dunque dimostrato che
v
n
Ran(zI T) e v
n
v V v Ran(zI T)
che signica proprio che Ran(zI T) è chiuso.
Da questo fatto e dalla (6.15) segue che
Ran(zI T) = V .
Loperatore zI T è quindi biunivoco. Per il teorema sulloperatore inverso, dato
che V è completo, il suo inverso è limitato. Questo implica z (T), per cui z non
appartiene allo spettro di T.
Osservo che la limitatezza di (zI T)
1
è una diretta conseguenza della (6.13), senza
quindi bisogno di invocare il teorema sulloperatore inverso.
6.43 Attenzione!. A dierenza del caso nito dimensionale, se T è un operatore limi-
tato autoaggiunto su V , non è detto che esista una base ortonormale di V costituita da
autovettori di T. Considerate ad esempio loperatore di moltiplicazione per x denito
nel Problema 6.37, il quale non ha autovalori pur essendo autoaggiunto (vericare).
Una classe importante di operatori, per i quali esiste sempre una base ortonormale di
autovettori è costituita dagli operatori autoaggiunti e compatti.
6
questo, ovviamente, segue anche dal punto (a), ma a noi in ogni caso servir` a la disuguaglianza
(6.13)
6.7 Operatori compatti
6.44 Denizione. Un operatore lineare limitato T su uno spazio di Banach (L, | |)
si dice compatto se vale limplicazione
se A L è limitato, allora TA è compatto
o, equivalentemente, se per ogni successione limitata (x
n
)
n=1
, la successione (Tx
n
)
n=1
ammette una sottosuccessione convergente.
6.45 Esempio. Loperatore identico I in uno spazio innito dimensionale non è com-
patto. Infatti se B
1
è la palla unitaria, si ha TB
1
= B
1
. Ma la palla unitaria chiusa
in innite dimensioni non è compatta, come spiegato al punto 3.22.
6.46 Esempio. (Operatori integrali). Consideriamo due operatori integrali S, T in
C
2
[a, b] associati al nucleo K C([a, b] [a, b])
Sf(x) :=
_
b
a
K(x, y) f(y) dy f C
2
[a, b] (6.16)
Tf(x) :=
_
x
a
K(x, y) f(y) dy (operatore di Volterra) f C
2
[a, b] (6.17)
`
E possibile far vedere che S e T sono compatti.
Un criterio utile a volte a determinare la compattezza di un operatore è il seguente
6.47 Proposizione. Sia V uno spazio di Hibert separabile e sia T L(V ). Allora T
è compatto se e solo se esiste una successione di operatori T
n
L(V ) tali che
(a) Lo spazio Ran T
n
ha dimensione nita
(b) lim
n
|T T
n
| = 0.
6.48 Osservazione. Nelle ipotesi del risultato precedente, se Ran T ha dimensione
nita, T è compatto
6.49 Esempio. Ad esempio siano (u
k
)
n
k=1
e (w
k
)
n
k=1
2 ennuple ortonormali in V e
siano c
1
, . . . , c
n
> 0 Allora loperatore
Tv :=
n
k=1
c
k
v, u
k
w
k
è compatto. Infatti Ran T = spanw
1
, . . . , w
n
. Chi è il nucleo di T?
6.50 Teorema. (Fredholm). Se T è un operatore compatto nello spazio di Hilbert V
allora
(a) Se z (T) e z ,= 0 allora z è un autovalore di molteplicità nita, cioè lo spazio
degli autovettori corrispondenti è nito dimensionale
(b) Linsieme degli autovalori può essere nito o innito (o vuoto). Nel secondo caso
lorigine è lunico punto di accumulazione degli autovalori.
Limportanza di questo risultato si può vedere nel seguente esempio. Supponiamo di
voler risolvere lequazione integrale
(6.18)
_
b
a
K(x, y) f(y) dy cf(x) = g(x) c ,= 0
6.7. OPERATORI COMPATTI 157
in cui g è data e f è la funzione lincognita. Allora ci sono due problemi da risolvere:
il problema dellesistenza di una soluzione e il problema dellunicità della soluzione.
Accade spesso che il problema di esistenza sia (molto) pi` u dicile del problema di
unicità. Ma in questo caso unicità implica esistenza, quindi basta dimostrare lunicità.
Infatti la (6.18) può essere scritta, usando la (6.16) come
(6.19) (S cI)f = g .
Ma se sappiamo per qualche motivo che la soluzione è unica, allora sappiamo che
S cI è iniettivo, quindi c non è un autovalore. Siccome c ,= 0, grazie al Teorema
di Fredholm possiamo aermare che (S cI) ha inverso limitato, quindi la (6.19) può
essere risolta esplicitamente come
f = (S cI)
1
g
6.51 Teorema. (Teorema di Hilbert-Schmidt). Se T è un operatore compatto e au-
toaggiunto nello spazio di Hilbert V , allora esiste una base ortonormale di V (e
n
)
n=1
costituita da autovettori di T. Quindi si ha
Te
n
=
n
e
n
n.
Inoltre lim
n
n
= 0.
Nel caso di un operatore compatto e autoaggiunto su uno spazio di Hilbert si possono
quindi vericare le seguenti possibiltà
p
(T)
c
(T) Esempio banale in
2
1 0,
1
,
2
, . . . ,
n
Tx = (x
1
,
x
2
2
, . . . ,
x
n
n
, 0, 0, . . .)
2 0,
1
,
2
,
3
, . . . Tx = (0,
x
2
2
,
x
3
3
,
x
4
4
, . . .)
con
n
,= 0 e
n
0
3
1
,
2
,
3
, . . . 0 Tx = (x
1
,
x
2
2
,
x
3
3
,
x
4
4
, . . .)
con
n
,= 0 e
n
0
6.52 Problema. Sia (a
n
)
n=1
una successione di numeri reali convergente a 0. Di-
mostrare che loperatore T su
2
denito come
Tx = (a
1
x
1
, a
2
x
2
, a
3
x
3
, . . .)
è compatto.
6.53 Problema. Sia T loperatore che agisce in
2
come
Tx =
_
0,
x
1
2
,
x
2
3
,
x
3
4
, . . .
_
(a) Determinare |T|
(b) Dimostrare che T è compatto
(c) Trovare gli autovalori e lo spettro continuo di T
6.54 Problema. Sia T loperatore su
2
denito come
Tx =
_
x
1
, x
1
,
x
2
2
,
x
2
2
,
x
3
3
,
x
3
3
,
x
4
4
,
x
4
4
, . . .
_
(a) Determinare |T|
(b) Determinare T
. T
x = (?, ?, ?, ?, . . .)
(c) Dimostrare che T è compatto
(d) Trovare gli autovalori e lo spettro continuo di T (sugg: ricorda il teorema di
Fredholm)
2
denito come
Tx =
_
x
2
2
, 0,
x
4
4
, 0,
x
6
6
, 0,
x
8
8
, 0, . . .
_
(a) Determinare |T|
(b) Determinare T
. T
x = (?, ?, ?, ?, . . .)
(c) Trovare gli autovalori e lo spettro continuo di T (sugg: dato che T è compatto si
può utilizzare il teorema di Fredholm)
Soluzione. (a)
`
E facile mostrare che |T| = 1/2.
(b) Per determinare T
procediamo come segue

T
x, y = x, Ty
=
_
_
x
1
, x
2
, x
3
, . . .
_
,
_
y
2
2
, 0,
y
4
4
, 0,
y
6
6
, 0,
y
8
8
, 0, . . .
__
=
x
1
y
2
2
+
x
3
y
4
4
+
x
5
y
6
6
+
x
7
y
8
8
+
=
__
0,
x
1
2
, 0,
x
3
4
, 0,
x
5
6
, 0,
x
7
8
, . . .
_
,
_
y
1
, y
2
, y
3
, . . .
__
= T
x, y ,
per cui si ha
T
x =
_
0,
x
1
2
, 0,
x
3
4
, 0,
x
5
6
, . . .
_
.
(c) Per trovare gli autovalori di T scrivo lequazione Tx = x che diventa
x
2
2
= x
1
0 = x
2
x
4
4
= x
3
0 = x
4
.
.
.
x
2n
2n
= x
2n1
0 = x
2n
.
.
.
Nel caso in cui sia diverso da zero, la colonna di destra ci dice che tutte le componenti
pari di x sono nulle. Sostituendo nella colonna di sinistra ottengo che anche le compo-
nenti dispari sono nulle, cioè x = 0. Quindi se ,= 0 lunica soluzione dellequazione
agli autovalori Tx = x è la soluzione nulla, vale a dire non è un autovalore di T.
Rimane da esaminare il caso = 0. Si verica immediatamente che x = (1, 0, 0, 0, . . .)
verica T x = 0, quindi = 0 è un autovalore di T. Dunque si ha
p
(T) = 0 .
Spettro continuo. Poichè T è compatto (vericare) sappiamo che lo spettro continuo
è vuoto o al massimo consiste solo del punto = 0. Ma sappiamo gia che 0 è un
autovalore, dunque
c
(T) = .
6.7. OPERATORI COMPATTI 159
2
denito come
Tx =
_
x
1
, x
1
,
x
3
3
,
x
3
3
,
x
5
5
,
x
5
5
, . . .
_
(a) Determinare |T|
(b) Determinare T
. T
x = (?, ?, ?, ?, . . .)
(c) Trovare gli autovalori e lo spettro continuo di T (sugg: dato che T è compatto si
può utilizzare il teorema di Fredholm)
Soluzione.
(a)
|Tx|
2
= 2
k=0
[x
2k+1
[
2
(2k + 1)
2
2
k=0
[x
2k+1
[
2
2|x|
2
,
da cui si ha |T|
2. Daltra parte se y = (1, 0, 0, . . .) si ottiene Ty = (1, 1, 0, 0, . . .),

quindi
|Ty|
|y|
=
2 .
Quindi |T| =
2.
(b) Per determinare T
procediamo come segue

T
x, y = x, Ty =
_
_
x
1
, x
2
, x
3
, . . .
_
,
_
y
1
, y
1
,
y
3
3
,
y
3
3
,
y
5
5
,
y
5
5
, . . .
__
= x
1
y
1
+x
2
y
1
+
x
3
y
3
3
+
x
4
y
3
3
+
x
5
y
5
5
+
x
6
y
5
5
+
= (x
1
+x
2
) y
1
+
x
3
+x
4
3
y
3
+
x
5
+x
6
5
y
5
+ = T
x, y ,
per cui si ha
T
x =
_
x
1
+x
2
, 0,
x
3
+x
4
3
, 0,
x
5
+x
6
5
, 0, . . .
_
.
(c) Scrivo lequazione agli autovalori Tx = x
x
1
= x
1
x
1
= x
2
x
3
3
= x
3
x
3
3
= x
4
x
5
5
= x
5
x
5
5
= x
6
.
.
.
Se = 0 allora x = (0, 1, 0, 0, 0, . . .) è chiaramente un autovettore, quindi 0 è un
autovalore di T.
Se ,= 0 non è della forma 1/(2k 1) con k intero positivo, allora, dalla colonna di
sinistra si ottiene che tutte le componenti dispari di x sono nulle. Sostituendo nella
colonna di destra si vede che anche le componenti pari sono nulle, cioè x = 0. In questo
caso dunque non ci sono autovettori e non è un autovalore.
Se invece = 1/(2k 1) con k intero positivo allora cè una soluzione non nulla data
(ad esempio) da
x = (0, 0, 0, . . . , 0, 0, 1, 1, 0, 0, . . .)
in cui gli elementi diversi da zero sono il 2k 1simo e il 2ksimo. Abbiamo quindi
ottenuto che gli autovalori sono
p
(T) = 0 1/(2k 1) : k Z, k > 0 .
Poichè lo zero è una autovalore di T per il teorema di Fredholm T non ha spettro
continuo.
7. Bagliori di teoria della
misura
BC: Wait a minute - you didnt see LaForce out there
did you?
SK: LaForce? No, why?
BC: Thank God for that. For a moment there I
thought we were in trouble.
7.1 Spazi di misura
7.1 Denizione. Dato un insieme non vuoto X, si denisce algebra su X una col-
lezione T di sottoinsiemi di X tale che
(a) X T
(b) se A T allora A
c
T
(c) se A
1
, . . . , A
n
T allora
n
i=1
A
i
T
Grazie alle leggi di De Morgan, segue dalla denizione precedente che
(d) T
(e) A
1
, . . . , A
n
T allora
n
i=1
A
i
T
Infatti = X
c
, quindi dalla (a) e dalla (b) segue che T. Inoltre, se A
1
, . . . , A
n
T
abbiamo
_
n
i=1
A
i
_
=
_
n
i=1
A
c
i
_
c
quindi, usando la (b) (due volte) e la (c) si ottiene che lintersezione di un numero
nito di elementi di T appartiene ad T.
7.2 Esempio. Iniziamo con un non esempio di algebra. Sia X = R
2
e sia 1 linsieme
di tutti i rettangoli niti o inniti, aperti o chiusi su ciascun lato, in cui un rettangolo
nito è un insieme del tipo
(a, b) (c, d) oppure (a, b] (c, d) oppure oppure [a, b] [c, d]
mentre in un rettangolo innito a e/o c possono essere uguali a e c e/o d
possono essere uguali a +.
`
E chiaro che la condizione (a) è soddisfatta perchè
R
2
= (, +) (, +) è un rettangolo innito e quindi appartiene ad T. La
condizione (b) è però violata perchè il complemento del rettangolo [0, 1]
2
non è un
rettangolo. Quindi 1 non è un algebra. Se vogliamo denire unalgebra che contenga
tutti i rettangoli serve una classe pi` u ampia di insiemi.
7.3 Esempio. Considerate di nuovo il piano reale X = R
2
. Sia T linsieme di tutti i
sottoinsiemi A di R
2
che si possono scrivere come
A = R
1
. . . R
n
R
i
1.
In altre parole A appartiene ad T se A si può scrivere come unione nita di rettangoli.
`
E facile convincersi che A è unalgebra.
161
162 CHAPTER 7. BAGLIORI DI TEORIA DELLA MISURA
7.4 Denizione. Dato un insieme non vuoto X, si denisce algebra su X una
collezione T di sottoinsiemi di X tale che valgono le proprietà (a), (b) e inoltre valga
(c
t
) se A
1
, A
2
, A
3
, . . . è una collezione innita numerabile di elementi di T allora
i=1
A
i
T.
La coppia (X, T) si chiama spazio misurabile.
La dierenza, in apparenza minuscola, che intercorre fra le proprietà (c) e (c
t
) è in
realtà enorme. Nellesempio 7.3 abbiamo denito una semplice algebra che contiene
tutti i rettangoli. Ora denire una algebra che contenga tutti i rettangoli sarebbe
molto pi` u complicato. Aermo, ad esempio, che se T è una qualsiasi algebra che
contiene 1 allora T deve necessariamente contenere tutti gli insiemi aperti e chiusi
di R
2
di forma qualsiasi! Infatti sia A un insieme aperto arbitrario di R
2
. Voglio far
vedere che A si può scrivere come
(7.1) A =
i=1
R
i
in cui ogni R
i
è un rettangolo, per cui A deve necessariamente appartenere ad T. Per
dimostrare la (7.1) sia B la collezione di tutti i rettangoli R tali che R A e tali che
le coordinate dei quattro vertici di R sono razionali.
`
E chiaro allora che
RB
R A
in quanto ogni R B è contenuto in A. Voglio far vedere che A
RB
R. A questo
proposito, sia x A. Dato che A è aperto esiste > 0 tale che B
(x) A.
`
E
chiaro che esisterà dunque un quadratino R con vertici razionali contenuto nel cerchio
B
(x), quindi contenuto in A. Di conseguenza x è contenuto in un rettangolo della

collezione B, e poichè questo vale per ogni x A si ottiene A
RB
R. Dunque
deve valere luguaglianza A =
RB
R. Ma linsieme B è chiaramente numerabile,
per cui, una volta numerato, possiamo scrivere A nella forma (7.1). Abbiamo quindi
dimostrato che T contiene tutti gli insiemi aperti, e, grazie alla proprietà (b) tutti gli
insiemi chiusi. T in realtà contiene una enorme quantità di insiemi molto di pi` u che
non semplicemente gli insiemi aperti e chiusi. Addirittura non è facile dimostrare che
esistono sottoinsiemi di R
2
che non sono elementi di T.
7.5 Denizione. Dato uno spazio misurabile (X, T), si denisce misura
1
su (X, T)
unapplicazione : T R
+
2
tale che
(a) se (A
i
)
i=1
è una collezione di elementi di T tali che A
n
A
k
= se n ,= k, allora
i=1
A
i
_
=
i=1
(A
i
)
(b) X può essere scritto come X =
i=1
Y
i
in cui ogni Y
i
ha misura nita.
7.6 Problema. Dimostrare che () = 0.
7.2 La misura di Lebesgue
La misura di Lebesgue si denisce nel modo seguente: innanzitutto si denisce la
misura di un rettangolo
3
come base per altezza, cioè
(7.2) se R = [a, b] [c, d] si denisce
Leb
(R) := (b a) (d c) .
1
ci restringiamo al caso di misure nite
2
R
+
:= R
+
{+}
3
e n qui sono capaci tutti
7.3. LINTEGRALE DI LEBESGUE E GLI SPAZI L
P
(R
N
, DX) 163
Dopodichè si dimostra che se T(1) è la pi` u piccola algebra che contiene tutti i
rettangoli esiste ed è unica una misura su (R
2
, T(1)) che per i rettangoli coincide con
la (7.2). Questa si chiama misura di Lebesgue del piano e verrà indicata con
Leb
.
La potenza di questo metodo sta nel fatto che, partendo dalla semplice misura dei
rettangoli, è possibile attibuire una misura (cioè un area) a tutti gli elementi della
algebra T(1), che, come abbiamo già detto contiene unincredibile quantità di insiemi.
Gli insiemi appartenenti a T(1) per i quali dunque esiste il concetto di misura vengono
anche detti insiemi misurabili (secondo Lebesgue).
Quanto detto per R
2
si può estendere agli spazi R
n
.
7.7 Denizione. Dato uno spazio misurabile (X, T), la funzione f : X R si dice
misurabile se per ogni t R si ha che linsieme x X : f(x) < t è misurabile (cioè
appartiene a T).
7.8 Problema. Sia
A := x = (x
1
, x
2
) R
2
: x
1
, x
2
Q
Quanto vale
Leb
(A)?
7.3 Lintegrale di Lebesgue e gli spazi L
p
(R
n
, dx)
Una volta costruita la misura di Lebesgue, è facile
4
costruire il corrispondente integrale
di Lebesgue.
Sia 1I
A
è la funzione caratteristica dellinsieme A
1I
A
(x) =
_
1 se x A
0 se x ,= A
Si inizia col denire lintegrale per le funzioni semplici vale a dire per le funzioni
f : R R che si possono scrivere come
(7.3) f = c
1
1I
A
1
+ +c
n
1I
A
n
in cui c
i
sono numeri reali e gli A
i
sono insiemi misurabili. Per una funzione semplice
f data dalla (7.3) lintegrale si denisce come
_
R
f(x)
Leb
(dx) :=
n
i=1
c
i
Leb
(A
i
) .
A questo punto si estende il concetto di integrale a tutte le funzioni misurabili, sem-
plicemente grazie al fatto che ogni funzione misurabile può essere opportunamente
approssimata con funzioni semplici. In questo modo è possibile integrare un grandis-
simo numero di funzioni, molte di pi` u che non le sole funzioni continue e continue a
tratti. Non solo, ma per queste ultime si ottiene che il valore dellintegrale di Lebesgue
coincide che quello usuale (di Riemann). Il vantaggio è che però, in questo modo, si
possono integrare funzioni altrimenti non integrabili. Questo vantaggio si apprezza
maggiormente se si vuole costruire una teoria dellintegrazione in uno spazio innito
dimensionale.
Poichè lintegrale di Riemann e quello di Lebesgue danno lo stesso risultato sulle fun-
zioni continue, spesso si usa anche per lintegrale di Lebesgue il simbolo dx come
fattore integrante, al posto di
Leb(dx)
. Una volta denito lintegrale di Lebesgue, è
possibile denire gli spazi L
p
.
4
almeno a chiacchiere
164 CHAPTER 7. BAGLIORI DI TEORIA DELLA MISURA
7.9 Denizione. Si denisce L
p
(R
n
, dx
n
) come linsieme di tutte le funzioni f misura-
bili secondo Lebesgue tali che
_
R
n
[f(x)[
p
dx <
Su questo spazio è possibile introdurre la norma
|f|
p
:=
_
_
R
n
[f(x)[
p
dx
_
1/p
Una proprietà fondamentale degli spazi L
p
è la seguente
7.10 Teorema. Lo spazio (L
p
(R
n
, dx
n
), | |
p
) è il completamento dello spazio
(C
p
(R
n
), | |
p
). Di conseguenza C
p
è denso in L
p
. Gli spazi L
p
sono spazi di Banach
e L
2
è uno spazio di Hilbert.
8. Spazi L
2
M: I think youre gonna nd when all this shit is
over I think youre gonna nd yourself one smilin
motherfucker.
8.1 Introduzione
Gli spazi L
p
(R) o L
p
[a, b] se vogliamo considerare funzioni su un intervallo nito, in
cui p 1, sono il completamento rispettivamente degli spazi C
p
(R) e C
p
[a, b]. Essi
sono dunque spazi di Banach, in cui la norma è data da
|f|
p
:=
_
_
[f(x)[
p
dx
_
1/p
.
Lintegrale va inteso, in generale, come integrale di Lebesgue e, nel caso in cui f sia
una funzione continua, coincide con lintegrale di Riemann. Ricordo inoltre che C
p
è
denso in L
p
, cioè se f L
p
, allora per ogni > 0 esiste g C
p
tale che |f g|
p
< .
Alternativamente per ogni f L
p
posso trovare una successione (g
n
)
n=1
di funzioni
che appartengono a C
p
tale che
lim
n
|f g
n
|
p
= 0 .
Nel caso particolare in cui p = 2 si ha che L
2
(R) (o L
2
[a, b]) è uno spazio di Hilbert
con prodotto scalare
f, g :=
_
R
f(x) g(x) dx.
Come abbiamo visto nel Cap. 4, per trovare una base ortonormale in uno spazio
di Hilbert, e quindi, in particolare, negli spazi L
2
, si parte da un sistema completo
di vettori (v
n
)
n=1
ai quali si applica il procedimento di ortogonalizzazione di Gram
Schmidt. Una volta ottenuta una base ortogonale
u
1
, u
2
, u
3
, . . .
è possibile esprimere un qualsiasi vettore di L
2
come combinazione lineare (a priori
innita) degli elementi della base. Se f L
2
si può quindi scrivere
f =
k=1
c
k
u
k
,
in cui la sommatoria è intesa nel senso della norma | |
2
, vale a dire
lim
n
_
_
_f
n
k=1
c
k
u
k
_
_
_
2
= 0 ,
165
166 CHAPTER 8. SPAZI L
2
e i coecienti c
k
sono i coecienti di Fourier associati alla funzione f, dati dalla
formula
c
k
:=
f, u
k
|u
k
|
2
2
=
_
f(x) u
k
(x) dx
_
[u
k
(x)[
2
dx
.
Un problema pi` u dicile che va discusso separatemente è quello della convergenga
puntuale o uniforme della (8.1).
`
E interessante studiare sotto quali condizioni si ha
f(x) =
k=1
c
k
u
k
(x) x (convergenza puntuale)
lim
n
sup
x
f(x)
n
k=1
c
k
u
k
(x)
= 0 (convergenza uniforme)
9. Serie di Fourier
Lui balla e non la guarda,
lei balla e non lo vede,
ma quando i due si sorano
il pavimento cede (E.)
9.1 L
2
[, ] e i polinomi trigonometrici
Data una qualsiasi base ortogonale (u
k
)
k=1
nello spazio (L
2
[, ], | |
2
) possiamo
rappresentare una funzione arbitraria f L
2
[, ] come
(9.1) f =
k=1
c
k
u
k
.
in cui i coecienti c
k
sono dati da
(9.2) c
k
:=
f, u
k
|u
k
|
2
2
.
Ricordo che la convergenza della summatoria va intesa rispetto alla norma | |
2
, vale
a dire la (9.1) è una scrittura simbolica che sta a signicare
(9.3) lim
n
_
_
_f
n
k=1
c
k
u
k
_
_
_
2
= 0 .
Nel seguito, per brevità, indicheremo la convergenza rispetto alla norma | |
2
con la
notazione
(9.4) f(x)
k=1
c
k
u
k
(x)
per distinguerla dalla scrittura
(9.5) f(x) =
k=1
c
k
u
k
(x)
che denota la usuale convergenza puntuale. Ripeto che mentre la convergenza in norma
| |
2
è assicurata una volta dimostrato il fatto che (u
k
) è una base ortogonale, sulla
convergenza puntuale (9.5) a priori non si può dire nulla ed è un problema che va
arontato separatamente.
Per quanto riguarda la scelta della base ortogonale (u
k
) cè ovviamente una arbitrarietà
enorme. La base dei polinomi trigonometrici, associata alla serie di Fourier classica,
che appare nella proposizione seguente si dimostra però particolarmente conveniente
nellanalisi di molti problemi.
167
168 CHAPTER 9. SERIE DI FOURIER
9.1 Teorema. Nello spazio L
2
[, ] consideriamo la seguente collezione di funzioni
u
0
(x) := 1, u
1
(x) := cos(x), u
2
(x) := cos(2x), . . . u
n
(x) := cos(nx), . . . (9.6)
v
1
(x) := sin(x), v
2
(x) := sin(2x), . . . v
n
(x) := sin(nx), . . . . (9.7)
Allora:
(1) Il sistema (u
n
)
n=0
, (v
n
)
n=1
è ortogonale e completo (quindi una base ortogonale)
e vale:
(9.8) |u
0
| = |1| =
2 |u
n
| = |v
n
| =
n 1 .
(2) per ogni f L
2
[, ] si ha
(9.9) f(x)
a
0
2
+
k=1
[a
k
cos(kx) +b
k
sin(kx)]
in cui
(9.10) a
k
=
1
f(x) cos(kx) dx b
k
=
1
f(x) sin(kx) dx
(3) per ogni f L
2
[, ] si ha
1
[f(x)[
2
dx =
[a
0
[
2
2
+
k=1
_
[a
k
[
2
+[b
k
[
2
Dimostrazione.
(1). Lortogonalità del sistema (9.6), (9.7) e le uguaglianze (9.8) riguardanti la loro
norma sono semplici veriche che si ottengono usando le formule:
cos(nx) cos(kx) =
1
2
[cos[(n +k)x] + cos[(n k)x]]
sin(nx) sin(kx) =
1
2
[cos[(n k)x] cos[(n +k)x]]
cos(nx) sin(kx) =
1
2
[sin[(n +k)x] sin[(n k)x]]
Ad esempio per dimostrare che u
n
, v
k
= 0 basta osservare che
u
n
, v
k
=
_

cos(nx) sin(kx) dx = 0
perchè la funzione integranda è dispari (prodotto di una funzione pari per una funzione
dispari) e lintervallo di integrazione è simmetrico rispetto allorigine.
Facciamo vedere che u
k
, u
n
= 0 se n ,= k.
u
n
, u
k
=
_

cos(nx) cos(kx) dx
=
1
2
_

_
cos[(n k)x] + cos[(n +k)x]
dx.
Sia n +k che n k sono interi, quindi
sin[(n k)] = sin[(n +k)] = sin[(n k)] = sin[(n +k)] = 0 .
9.1. L
2
[, ] E I POLINOMI TRIGONOMETRICI 169
Inoltre n ,= k, per cui n k ,= 0, e dunque otteniamo
u
n
, u
k
=
1
2(n k)
_
sin[(n k)x]
+
1
2(n +k)
_
sin[(n +k)x]
= 0 .
La dimostrazione della completezza è (parecchio) pi` u complicata e rimandata alla
Sezione 9.1.1.
(2). Una volta dimostrato che linsieme delle funzioni (9.6), (9.7) è ortogonale e com-
pleto, il punto (2) non è altro che un caso particolare delle uguaglianze (9.1) e (9.2).
(3). Luguaglianza (3), inne, è un caso particolare delluguaglianza di Parseval
|f|
2
2
=
k
[c
k
[
2
|u
k
|
2
.
9.1.1 Completezza dei polinomi trigonometrici (schema di di-
mostrazione)
Voglio far vedere che la collezione di funzioni
(9.11) 1, cos(x), cos(2x), . . . , sin(x), sin(2x), . . .
costituisce un sistema completo di vettori nello spazio di Hilbert L
2
[, ]. Chi-
amo polinomio trigonometrico una funzione che può essere rappresentata come com-
binazione lineare nita delle funzioni (9.11). In altre parole
polinomi trigonometrici = span1, cos(x), cos(2x), . . . , sin(x), sin(2x), . . . ,
o, equivalentemente, un polinomio trigonometrico è una funzione della forma
p(x) =

0
2
+
N
k=1
[
k
cos(kx) +
k
sin(kx)]
in cui la sommatoria contiene un numero nito di termini. Ricordando la denizione
di completezza per un sistema di vettori (Sezione 3.8) devo far vedere che
f L
2
[, ], > 0 esiste un polinomio trigonometrico p tale che |f p|
2
< .
Per dimostrare questa aermazione servono due risultati che non dimostriamo
(1) C[, ] è denso in L
2
[, ]
1
(2) un noto teorema di Weierstrass aerma: se g è una funzione continua di periodo
2, allora può essere scritta come il limite uniforme di una successione di polinomi
trigonometrici.
A questo punto procediamo. Sia f una funzione arbitraria in L
2
[, ] e sia > 0.
Grazie al punto (1) esiste una funzione g C[, ] tale che
(9.12) |f g|
2
< /3 .
A questo punto cè un piccolo problemino perchè il teorema di Weierstrass si applica
giustamente a funzioni continue e periodiche, mentre la nostra g potrebbe risultare
discontinua quando la prolunghiamo periodicamente nel caso in cui sia g() ,= g().
1
se L
2
[, ] viene denito come il completamento di C
2
[, ] questa aermazione è nientaltro
che la denizione
Ma, come già detto, si tratta solo di una fastidiosa distrazione. Infatti non è dicile
far vedere che posso trovare unaltra funzione continua g che è identica a g tranne
nelle immediate vicinanze degli estremi dellintervallo [, ]. In queste due regioni
la g viene modicata in modo tale da avere, ad esempio, g() = g() = 0, ma senza
rovinare la continuità. Si vede che se questoperazione di modica viene fatta con
opportuna delicatezza si ottiene
(9.13) |g g|
2
< /3 .
A questo punto possiamo applicare il teorema di Weierstrass alla funzione g (o meglio
al suo prolungamento periodico) e troviamo un polinomio trigonometrico p tale che
(9.14) |p g|
u
< /(3
2) .
Il fattore 3
2 al denominatore è stato introdotto, col senno di poi, per motivi estetici,

ma se ne può fare a meno. Notare che qui compare la norma uniforme perchè questo è
esattamente quanto aerma W. Fortunatamente passare dalla norma uniforme a quella
L
2
(su un intervallo nito!) è uno scherzo:
(9.15) |p g|
2
=
_
_

[p(x) g(x)[
2
dx
_
1/2
_
2

2
18
_
1/2
= /3 .
Dalle (9.12), (9.13), (9.15) e dalla disuguaglianza triangolare della norma segue |f
p|
2
< che è quello che volevamo dimostrare.
9.1.2 Relazione fra la serie di Fourier di f e quella di f
9.2 Domanda. Supponiamo di conoscere la serie di Fourier di f.

`
E lecito calcolare la
serie di Fourier della derivata f
t
semplicemente derivando termine a termine?
`
E lecito
calcolare la serie di Fourier di una primitiva F semplicemente integrando termine a
termine?
La risposta è: in generale no. Vediamo subito un esempio in cui la cosa non funziona.
La serie di Fourier della funzione f(x) = x su [, ] è data da
(9.16) x 2
k=1
(1)
k+1
sin(kx)
k
Se derivo termine a termine ottengo che la serie di Fourier per la funzione f(x) = 1 è
data da
1 2
k=1
(1)
k+1
cos(kx) ,
risultato palesemente falso perchè la serie di Fourier di 1 è la funzione stessa
1 1 .
Se invece integro la (9.39) ottengo
x
2
2
2
k=1
(1)
k+1
k
2
cos(kx) +C .
La costante additiva C non è altri che il termine costante a
0
/2 che compare nello
sviluppo di Fourier e va calcolato a parte.
C =
a
0
2
=
1
2
_

x
2
2
dx =
1
2
3
3
=

2
6
.
9.1. L
2
Ottengo quindi
(9.17) x
2

2
3
4
k=1
(1)
k+1
k
2
cos(kx) .
Questo sviluppo è giusto? Per vericare basta calcolare direttamente i coecienti di
Fourier della funzione x
2
tramite la (9.10). Si ottiene che lo sviluppo (9.17) è corretto!
Osservo anche che se parto dalla (9.17) e derivo termine a termine ottengo la (9.39)
che è giusta. Quindi loperazione di derivazione termine a termine appare corretta se
applicata alla (9.17), sbagliata se applicata alla (9.39).
Provo a vedere cosa succede se integro nuovamente la (9.17). Ottengo
(9.18)
x
3
3

2
3
x 4
k=1
(1)
k+1
k
3
sin(kx) +C .
Disastro! Che ci fa la funzione x nello sviluppo di Fourier? Chi lha invitata? La
funzione x non fa parte della nostra base, quindi non può comparire in uno sviluppo
di Fourier. Solo seni, coseni e costante. Però. . . forse si può sostituire la x che appare
nella (9.18) con il suo sviluppo dato dalla (9.39). Provo.
x
3

2
x 12
k=1
(1)
k+1
k
3
sin(kx) + 3C
= 2
k=1
(1)
k+1
(k)
2
6
k
3
sin(kx) + 3C .
La costante additiva come al solito va calcolata a parte.
3C =
a
0
2
=
1
2
_

x
3
dx = 0 ,
da cui concludo che lo sviluppo di x
3
ottenuto in questo modo poco ortodosso (integro
termine a termine e sostituisco x con il suo sviluppo) verrebbe
(9.19) x
3
2
k=1
(1)
k+1
(k)
2
6
k
3
sin(kx) .
Di nuovo, vado a vericare questa formula calcolandomi direttamente gli a
k
e i b
k
della funzione x
3
e trovo che la (9.19) è corretta. Attenzione però: se provo a tornare
indietro derivando la (9.19) termine a termine trovo
(9.20) 3x
2
2
k=1
(1)
k+1
(k)
2
6
k
2
cos(kx) .
che NON è lo sviluppo corretto di 3x
2
, come si vede confrontando con la (9.17).
Ok, è venuto il momento di dimostrare qualcosa, per avere, in questo mare di dubbi e
incertezze, un appiglio solido e sicuro (ehm. . . ).
9.3 Proposizione. Sia f C[, ] con f
t
continua a tratti. Siano a
k
, b
k
i coeci-
enti di Fourier di f e a
t
k
, b
t
k
i coecienti di Fourier di f
t
. Allora
a
k
= b
t
k
/k b
k
= (a
t
k
+ (1)
k+1
a
t
0
)/k k = 1, 2, 3, . . . (9.21)
Se inoltre vale f() = f() si ha
a
k
= b
t
k
/k b
k
= a
t
k
/k k = 1, 2, 3, . . . (9.22)
Dimostrazione. La (9.21) si ottiene facilmente integrando per parti. Se f() = f()
allora
a
t
0
=
1
f
t
(x) dx =
1
(f() f()) = 0 ,
e quindi la (9.22) segue dalla (9.21).
9.4 Osservazione. Le relazioni (9.21) ci dicono che se f è continua a tratti e F è una
primitiva di f allora la serie di Fourier di F può essere ottenuta integrando formalmente
la serie di Fourier di f, a patto di espandere, nella serie integrata, leventuale fattore
lineare nuovamente in serie di Fourier. Pi` u esplicitamente, sia
f(x)
a
0
2
+
k=1
[a
k
cos(kx) +b
k
sin(kx)]
F(x)
A
0
2
+
k=1
[A
k
cos(kx) +A
k
sin(kx)] .
Integrando formalmente otterremmo
(9.23) F(x)
a
0
2
x +
k=1
_
a
k
k
sin(kx)
b
k
k
cos(kx)
_
+C ,
in cui C = A
0
/2 è una costante da determinare tramite la relazione
A
0
=
1
F(x) dx.
Il termine lineare nella (9.23) va espanso in serie di Fourier. Sapendo che
x 2
k=1
(1)
k+1
sin(kx)
k
,
otteniamo
F(x)
A
0
2
+
k=1
_
a
k
+ (1)
k+1
a
0
k
sin(kx)
b
k
k
cos(kx)
_
.
Possiamo a questo punto scrivere la relazione fra i coecienti di Fourier di F e quelli
di f
A
k
= b
k
/k B
k
= (a
k
+ (1)
k+1
a
0
)/k .
Ritroviamo in questo modo la (9.21) applicata alla coppia di funzioni f e F.
Se invece vogliamo derivare uno sviluppo di Fourier termine a termine, la condizione
per poterlo fare è che la funzione f da derivare sia continua su [, ], con derivata f
t
CAT e inoltre deve valere f() = f(). In questo caso, infatti, valgono le relazioni
(9.22) che dicono proprio che lo sviluppo di Fourier può essere derivato termine a
termine. Negli esempi fatti in precedenza loperazione di derivazione porta ad un
risultato corretto nel caso di f(x) = x
2
che verica la condizione f() = f(), ma
non nel caso di x o di x
3
.
9.5 Morale. Riassumo:
per poter integrare lo sviluppo di Fourier di f termine a termine:
9.1. L
2
(1) f deve essere continua a tratti
(2) se il termine costante della f è non nullo, integrando compare la funzione
x, che va sostituita con il suo sviluppo di Fourier
(3) la costante additiva di integrazione va calcolata esplicitamente
per poter derivare lo sviluppo di Fourier di f termine a termine:
(1) f deve essere continua con derivata CAT
(2) deve valere f() = f().
Nel dubbio calcolare i coecienti di Fourier usando le formule (9.10).
9.1.3 Serie di Fourier sullintervallo [a, b]
Sappiamo già che le funzioni
u
k
(x) := cos(kx) k = 0, 1, 2, . . .
v
k
(x) := sin(kx) k = 1, 2, . . .
sono una base ortogonale in L
2
[, ], con la normalizzazione data dalla (9.8). Con il
cambio di variabile
y(x) =
(2x a b)
b a
lintervallo [a, b] si trasforma nellintervallo [, ]. Consideriamo allora le funzioni
u
k
(x) := u
k
(y(x)) = cos
_
k(2x a b)
b a
_
k = 0, 1, 2, . . .
v
k
(x) := v
k
(y(x)) = sin
_
k(2x a b)
b a
_
k = 1, 2, . . .
`
E facile vericare che queste funzioni sono una base ortogonale in L
2
[a, b]. Tutto quello
che bisogna fare è cambiare variabile nellintegrale che denisce il prodotto scalare.
Infatti
u
k
, u
n
=
_
b
a
u
k
(x) u
n
(x) dx =
_
b
a
u
k
(y(x)) u
n
(y(x)) dx
=
b a
2
_

u
k
(y) u
n
(y) dy =
b a
2
u
k
, u
n
.
Analogamente si trova
v
k
, v
n
=
b a
2
v
k
, v
n
u
k
, v
n
=
b a
2
u
k
, v
n
.
Dallortogonalità del sistema (u
n
)
n=0
, (v
n
)
n=1
deriva quindi lortogonalità in L
2
[a, b]
del sistema ( u
n
)
n=0
, ( v
n
)
n=1
. Lunica cosa che cambia è la normalizzazione, per cui
al posto della (9.8) abbiamo
(9.24) | u
0
| =
b a | u
n
| = | v
n
| =
_
(b a)/2 n 1 .
Di conseguenza possiamo scrivere lo sviluppo di Fourier
(9.25) f(x)
a
0
2
+
k=1
_
a
k
cos
_
k(2x a b)
b a
_
+b
k
sin
_
k(2x a b)
b a
__
in cui i coecienti sono dati da
a
k
=
2
b a
_
b
a
f(x) cos
_
k(2x a b)
b a
_
dx
b
k
=
2
b a
_
b
a
f(x) sin
_
k(2x a b)
b a
_
dx.
(9.26)
9.1.4 Serie di Fourier sullintervallo [l, l]
Questo è una caso particolare di quello trattato in precedenza, quindi basta porre
a = l e b = l nelle formule (9.25) e (9.26).
f(x)
a
0
2
+
k=1
_
a
k
cos
_
kx
l
_
+b
k
sin
_
kx
l
__
,
in cui
a
k
=
1
l
_
l
l
f(x) cos
_
kx
l
_
dx b
k
=
1
l
_
l
l
f(x) sin
_
kx
l
_
dx.
9.1.5 Serie di Fourier complessa
A volte può essere conveniente usare come base ortogonale nello spazio L
2
[, ], al
posto di quella costituita da seni e coseni
(9.27) 1, cos(x), cos(2x), . . . , sin(x), sin(2x), . . .
quella costituita dagli esponenziali con esponente immaginario di periodo sottomultiplo
di 2
. . . , e
i2x
, e
ix
, 1, e
ix
, e
i2x
, e
i3x
, . . .
legata alla base precedente dalla relazione
e
ikx
= cos(kx) +i sin(kx) .
9.6 Proposizione. Linsieme di vettori
(9.28) e
k
(x) = e
ikx
k Z
è una base ortogonale in L
2
[, ]. Inoltre |e
k
|
2
=
2.
Dimostrazione. Lortogonalità è immediata. Infatti, se n ,= k, si ha
e
n
, e
k
=
_

e
i(nk)x
dx = 0 .
Inoltre
|e
k
|
2
2
=
_

[e
ikx
[
2
dx =
_

1 dx = 2.
Rimane da dimostrare la completezza della base (9.28). Questa discende immediata-
mente dalla completezza della base (9.27). Infatti, poichè le funzioni cos(kx) e sin(kx)
9.1. L
2
sono una combinazione lineare delle funzioni e
ikx
e e
ikx
e viceversa, questo vuol dire
che
spane
ikx
, e
ikx
= spancos(kx), sin(kx) .
visto che il sistema (9.27) è completo, anche il sistema (9.28) è completo.
La Proposizione 9.6 ci dice che vale lo sviluppo di Fourier
f(x)
kZ
c
k
e
ikx
in cui
c
k
=
f, e
k
|e
k
|
2
2
=
1
2
_

f(x) e
ikx
dx.
Nel caso in cui f sia una funzione reale si ha
c
k
:=
1
2
_

f(x) e
ikx
dx =
1
2
_

f(x) e
ikx
dx = c
k
,
quindi possiamo scrivere
f(x) c
0
+
k=1
_
c
k
e
ikx
+c
k
e
ikx
= c
0
+
k=1
_
c
k
e
ikx
+c
k
e
ikx
_
= c
0
+ 2
k=1
Re
_
c
k
e
ikx
_
(f reale).
(9.29)
9.7 Problema. Sviluppare in serie trigonometrica di Fourier nellintervallo [, ] la
funzione f(x) = e
x
. Dimostrare che
n=1
1
1 +n
2
=
1
2
_
coth 1
_
Soluzione. Usiamo la base degli esponenziali.
c
k
=
1
2
_

f(x) e
ikx
dx =
1
2
_

e
(1ik)x
dx
=
1
2
1
1 ik
_
e
(1ik)x
_
=
1
2
1
1 ik
_
e
(1ik)
e
(1ik)
_
Osservo che
e
ik
= e
ik
= (1)
k
,
per cui
' c
k
=
(1)
k
2(1 ik)
_
e
=
(1)
k
sinh
(1 ik)
.
Poichè f è reale il suo sviluppo di Fourier può essere scritto nella forma
f(x) c
0
+ 2
k=1
Re
_
c
k
e
ikx
_
.
Quindi otteniamo
f(x)
sinh
_
1 + 2
k=1
(1)
k
Re
_
e
ikx
1 ik
_
_
=
sinh
_
1 + 2
k=1
(1)
k
Re
_
_
cos(kx) +i sin(kx)
_
(1 +ik)
1 +k
2
_
_
=
sinh
_
1 + 2
k=1
(1)
k
1 +k
2
_
cos(kx) k sin(kx)
_
_
Per dimostrare lindentità richiesta dal problema uso lidentità di Parseval
^ |f|
2
2
=
kZ
[c
k
[
2
|u
k
|
2
2
= 2
kZ
[c
k
[
2
.
Per quanto riguarda la norma di f ottengo
|f|
2
2
=
_

e
2x
dx =
1
2
_
e
2
e
2
_
= sinh(2) .
Per il modulo quadro di c
k
uso lespressione '
[c
k
[
2
=
sinh
2
2
1
[1 ik[
2
=
(sinh )
2
2
(1 +k
2
)
.
Dalla ^ ottengo quindi
sinh(2) = 2
(sinh )
2
2
_
1 + 2
k=1
1
1 +k
2
_
,
da cui, siccome sinh(2) = 2 sinh() cosh(),
k=1
1
1 +k
2
=
1
2
_
sinh(2)
2(sinh )
2
1
_
=
1
2
[ coth 1] .
9.1.6 Problemi
9.8 Problema. Sviluppare in serie trigonometrica di Fourier nellintervallo [, ] le
funzioni
(a) f(x) = sgn(x) (b) f(x) = x (c) f(x) = [x[
Usando luguaglianza di Parseval, dimostrare che
k=0
1
(2k+1)
2
=

2
8
e
k=1
1
k
2
=

2
6
.
9.2 Convergenza puntuale della serie di Fourier
Abbiamo visto che se f è una qualsiasi funzione appartenente ad L
2
[, ] allora
possiamo scrivere
(9.30) f(x)
a
0
2
+
k=1
[a
k
cos(kx) +b
k
sin(kx)]
9.2. CONVERGENZA PUNTUALE DELLA SERIE DI FOURIER 177
in cui
(9.31) a
k
=
1
f(x) cos(kx) dx b
k
=
1
f(x) sin(kx) dx.

Ricordo che la (9.30) è una scrittura simbolica che denota la convergenza della serie
nel senso della norma | |
2
. In sostanza la (9.30) signica che
lim
n
_

f(x)
_
a
0
2
+
n
k=1
[a
k
cos(kx) +b
k
sin(kx)]
_
2
dx = 0 .
Vogliamo arontare ora il problema della convergenza puntuale della serie di Fourier
alla funzione f, capire cioè sotto quali condizioni è possibile scrivere
(9.32) f(x) =
a
0
2
+
k=1
[a
k
cos(kx) +b
k
sin(kx)] .
Non è dicile vedere con un controesempio che, in generale, la convergenza rispetto
alla norma | |
2
non implica la convergenza puntuale, per cui è ragionevole aspettarsi
che la validità della (9.32) è subordinata ad ipotesi supplementari sulla funzione f.
9.2.1 Funzioni continue o dierenziabili a tratti
Nella sezione 5.4.1 abbiamo denito una funzione continua a tratti come una funzione
f con discontinuità isolate tale che per ogni punto di discontinuità u esistono e sono
niti il limite destro e sinistro di f
f(u
) := lim
xu
f(x) f(u
+
) := lim
xu
+
f(x)
9.9 Denizione. Una funzione f : [a, b] R è detta dierenziabile a tratti (DAT) se
f ed f
t
sono continue a tratti in [a, b].
In altre parole f è dierenziabile a tratti in [a, b] se esiste un insieme nito di punti
i
[a, b], i = 0, . . . , n tali che
(a) a =
0
<
1
<
2
< <
n
= b.
(b) f è dierenziabile con derivata continua in ciascun intervallo aperto (
ii
,
i
).
(c) Esistono e sono niti i limiti
lim
x
+
0
f(x), lim
x
1
f(x), lim
x
+
1
f(x), . . . , lim
x
n
f(x)
lim
x
+
0
f
t
(x), lim
x
1
f
t
(x), lim
x
+
1
f
t
(x), . . . , lim
x
n
f
t
(x)
9.10 Denizione. Una funzione f : R R è detta dierenziabile a tratti (DAT) se
la restrizione di f ad un qualsiasi intervallo chiuso e limitato [a, b] è dierenziabile a
tratti.
9.11 Esempio. (Una funzione DAT). Consideriamo la funzione
f(x) =
_
_
0 se x < 0
x
2
se 0 x < 1
3 x se 1 x 2
1 se x > 2
1 2 3
x
1
2
f(x)
1 2 3
x
-1
1
2
f(x)
Figure 9.1: Esempio di funzione DAT
La funzione f ha un solo punto di discontinuità in x = 1. In questo punto abbiamo
f(1
) = 1 f(1
+
) = f(1) = 2 ,
Quindi f è continua a tratti. Per quanto riguarda la derivata di f osserviamo subito
che ci sono due punti, x = 1 e x = 2 in cui la derivata non esiste. Nonostante ciò la
derivata ha limite sia destro che sinistro nito in ciscun punto di discontinuità
f
t
(1
) = 2 f
t
(1
+
) = 1 f
t
(2
) = 1 f
t
(2
+
) = 0 ,
quindi f
t
è continua a tratti e, di coseguenza, f è dierenziabile a tratti.
9.12 Esempio. (Una funzione CAT ma non DAT). Consideriamo adesso la funzione
f(x) =
_
[x[ .
Questa funzione è addirittura continua, quindi, a maggior ragione continua a tratti,
ma la sua derivata, per x ,= 0, è data da
f
t
(x) =
sgn x
2
_
[x[
.
Sia il limite destro che quello sinistro di f
t
(x) sono inniti, quando x tende a zero,
quindi f
t
non è continua a tratti, di conseguenza f non è dierenziabile a tratti.
9.13 Denizione. Sia f : [a, b] R una funzione continua a tratti e sia x [a, b). f
è detta derivabile da destra nel punto x se il limite
(9.33) f
t
+
(x) := lim
0
+
f(x +) f(x
+
)
esiste ed è nito. La quantità f

t
+
(x) è detta derivata destra della funzione f nel punto
x. Se x (a, b] si denisce, analogamente, la derivata sinistra di f in x come
(9.34) f
t
(x) := lim
0
+
f(x ) f(x
Si noti che la derivata destra (sinistra) è stata denita usando il valore f(x
+
) (f(x
))
nel rapporto incrementale e non il valore f(x). Il motivo è che in questo modo è
possibile denire f
t
(x) anche in casi in cui f non è continua in x.

9.14 Esempio. Consideriamo la funzione
f(x) =
_
_
0 se x < 0
1/2 se x = 0
1 x se x > 0
-1 1
x
1
f(x)
In questo caso, usando le denizioni (9.33) e (9.34), otteniamo
f
t
+
(0) = lim
0
+
f(0 +) f(0
+
)
= lim
0
+
1 1
= 1
f
t
(0) = lim
0
+
f(0 ) f(0
= lim
0
+
0 0
= 0 .
Però, se noi avessimo denito la derivata destra (ad esempio) nellorigine usando il
valore f(0) invece che il valore f(0
+
) nel rapporto incrementale avremmo ottenuto
f
t
+
(0) := lim
0
+
f(0 +) f(0)
= lim
0
+
(1 ) 1/2
= +.
Quindi la funzione f non è continua nel punto x = 0 ma, in accordo con la nos-
tra denizione, esistono sia la derivata destra che quella sinistra. Osserviamo che la
derivata destra nellorigine coincide con il limite destro della derivata e, analogamente,
la derivata sinistra coincide con il limite sinistro. Infatti, si ha
f
t
(x) =
_
0 se x < 0
1 se x > 0
per cui si ottiene (banalmente)
f
t
(0
) = lim
x0
f
t
(x) = 0 f
t
(0
+
) = lim
x0
+
f
t
(x) = 1 .
9.15 Domanda.
`
E sempre vero che che la derivata destra coincide con il limite destro
della derivata e stessa cosa a sinistra? La risposta è: quasi sempre. Nel senso che,
come spiegato nella Proposizione 9.16 e nellosservazione 9.17, se la funzione f è dif-
ferenziabile a tratti allora la risposta è aermativa, però può accadere che la derivata
destra (ad esempio) f
t
+
(x) esista ma il limite destro della derivata f
t
(x
+
) non esista.
9.16 Proposizione. Se f : [a, b] R è dierenziabile a tratti e x (a, b) allora esiste
sia la derivata destra che quella sinistra di f in x. Inoltre si ha
f
t
+
(x) = lim
0
+
f
t
(x) =: f
t
(x
+
)
f
t
(x) = lim
0
f
t
(x) =: f
t
(x
) .
Dimostrazione. Dimostriamo solo laermazione riguardante la derivata destra, in
quanto quella sulla derivata sinistra di dimostra in modo identico.
Se f è dierenziabile a tratti in [a, b] esiste > 0 tale che f è dierenziabile nellinter-
vallo (x, x +). Inoltre sappiamo che esiste il limite
(9.35) f
t
(x
+
) := lim
yx
+
f
t
(y) .
Per denizione di limite destro la (9.35) ci dice che
(9.36) > 0
1
> 0 tale che se y (x, x +
1
) si ha [f
t
(y) f
t
(x
+
)[ < .
Per il Teorema di Lagrange (giusto?) sappiamo che, se 0 < < ,
(9.37)
f(x +) f(x +)

= f
t
() in cui (x +, x +).
Dalla (9.36) e (9.37) segue che, se 0 < <
1
si ha
f(x +) f(x +)

f
t
(x
+
)
< .
Di conseguenza
lim
0
+
lim
0
+
f(x +) f(x +)

f
t
(x
+
)
,
ovvero
lim
0
+
f(x +) f(x
+
)
f
t
(x
+
)
.
Poichè è arbitrario
lim
0
+
f(x +) f(x
+
)
f
t
(x
+
)
= 0 ,
ovvero la derivata destra f
t
+
(x) esiste e vale
f
t
+
(x) := lim
0
+
f(x +) f(x
+
)
= f
t
(x
+
) .
9.17 Osservazione. Può accadere che esista la derivata destra f
t
+
(x), ma non il limite
lim
0
+ f
t
(x). Consideriamo infatti la funzione
f(x) := x
2
sin(1/x)
Abbiamo che
f(0
+
) = lim
0
+
f(x) = 0 ,
quindi
lim
0
+
f() f(0
+
)
= lim
0
+
f()
= lim
0
+
sin(1/) = 0 .
Questo ci dice che la derrivata destra f
t
+
(0) esiste e vale 0. Daltra parte
f
t
(x) = 2xsin(1/x) cos(1/x) ,
per cui il limite
f
t
(0
+
) := lim
0
+
f
t
()
non esiste a causa del termine cos(1/x).
Integrazione per parti di funzioni continue con derivata CAT
`
E nota la formula di integrazione per parti
(9.38)
_
b
a
f(x) g(x) dx =
_
f G
b
a
_
b
a
f
t
(x) G(x) dx
in cui G è una primitiva di g
G(x) =
_
x
a
g(u) du +C
e [ f G]
b
a
= f(b)G(b) f(a)G(a) è lincremento del prodotto fG lungo lintervallo
[a, b]. La formula (9.38) viene usualmente dimostrata sotto le ipotesi f C
1
[a, b] e
g C[a, b].
Vogliamo far vedere che la formula di integrazione per parti è valida sotto le seguenti
ipotesi pi` u generali:
(1) f continua con derivata CAT
(2) g CAT.
In altre parole la funzione f che volete derivare deve essere continua, ma la sua derivata
basta che sia continua a tratti, mentre la funzione g da integrare è suciente che
sia continua a tratti. Per dimostrarlo iniziamo a dare un risultato pi` u generale.
9.18 Proposizione. Siano F e G due funzioni reali, denite sullintervallo [a, b]
dierenziabili a tratti. Allora vale la seguente identità
_
F G
a
+
=
_
b
a
_
F
t
(x) G(x) +F(x) G
t
(x)
dx
+
x(a,b)
_
F(x
) G(x) +G(x
) F(x) + F(x) G(x)
,
(9.39)
in cui la sommatoria è estesa a tutti i punti di discontinuit` a di F e di G e F(x) :=
F(x
+
) F(x
) rappresenta il valore del salto di F nel punto x (analogamente per G).

Osserviamo che la prima riga della (9.39) è lusuale formula di integrazione per parti,
a parte il fatto che, poichè F e G non sono continue, nel fattore che tiene conto
dellincremento del prodotto FG è necessario specicare che i valori di FG vanno
calcolati dalla parte interna dellintervallo [a, b], per cui in a
+
e in b
. La seconda riga
invece tiene conto del fatto che F e G possono avere dei salti allinterno dellintervallo
(a, b) e questi salti vanno conteggiati secondo la (9.39).
Nel caso in cui F e G siano entrambe continue (con derivata CAT) tutti i termini F e
G sono nulli, di conseguenza ritroviamo la formula usuale. Possiamo a questo punto
dimostrare il risultato che abbiamo annunciato in precedenza.
9.19 Corollario. Siano f, g due funzioni reali, denite sullintervallo [a, b]. Se f è
continua con derivata CAT e g è continua a tratti, allora vale la formula di integrazione
per parti classica (9.38).
Dimostrazione. Poniamo F = f e sia inoltre G una primitiva di g. La Proposizione
9.18 ci dice che vale luguaglianza (9.39). Poichè la primitiva di una funzione CAT è
continua, si ha che F e G sono entrambe continue, di conseguenza tutti i termini di
salto contenenti F o G sono nulli. Otteniamo quindi
(9.40)
_
F G
b
a
=
_
b
a
_
F
t
(x) G(x) +F(x) G
t
(x)
dx,
che, sostituendo F = f, diventa proprio la (9.38).
Rimane quindi da dimostrare la (9.39).
Dimostrazione della Proposizione 9.18 Se H : [a, b] R è una funzione DAT allora il
teorema fondamentale del calcolo integrale va riscritto sotto la forma
H(b
) H(a
+
) =
_
b
a
H
t
(x) dx +
x(a,b)
H(x) ,
in cui la sommatoria tiene conto dei salti di H. Applicando questa identità alla funzione
H = FG, otteniamo
_
FG
a
+
=
_
b
a
_
F
t
(x) G(x) +F(x) G
t
(x)
dx +
x(a,b)
(FG)(x) .
A questo punto scriviamo il salto (FG)(x) nel modo seguente
(FG)(x) = F(x
+
) G(x
+
) F(x
) G(x
)
= F(x
+
) G(x
+
) F(x
+
) G(x
) +F(x
+
) G(x
) F(x
) G(x
)
= F(x
+
) G(x) + F(x) G(x
)
=
_
F(x
) + F(x)
G(x) + F(x) G(x
)
= F(x
) G(x) + F(x) G(x
) + F(x) G(x) .
La proposizione è cos` dimostrata.
9.2.2 Convergenza puntuale
9.20 Denizione. Data una funzione f : [, ] R, deniamo il prolungamento
periodico di f la funzione

f : R R denita come
f(x) = f(x + 2k)

in cui k Z è univocamente determinato dalla condizione x + 2k (, ].
9.21 Osservazione. Sia f : [, ] R. Per come labbiamo denita, la funzione

f
coincide con f nellintevallo (, ], quindi se f() ,= f(), allora

f ha discontinuità
di prima specie nei punti (2k + 1) con k Z.
9.22 Esempio. Consideriamo la funzione f(x) = x denita sullintervallo [, ]. Il
suo prolungamento periodico appare come in gura
3 2 2 3
x
f(x)
9.23 Lemma. (RiemannLebesgue). Se f L
1
[a, b] allora per ogni a, b R con a < b
si ha
(9.41) lim
s
_
b
a
f(x) sin(sx) dx = 0 .
Dimostrazione. Dimostriamo questo Lemma nel caso particolare in cui f è continua
con derivata continua a tratti. Per estendere il risultato a tutte le funzioni f L
1
[a, b]
si usa il fatto che che le funzioni continue con derivata CAT sono dense in L
1
[a, b] (in
realtà anche le funzioni C
1
[a, b] sono dense in L
1
[a, b]).
Sia quindi f continua con derivata CAT. Il Corollario 9.19 ci dice che possiamo inte-
grare per parti, per cui
_
b
a
f(x) sin(sx) dx =
1
s
_
f(x) cos(sx)
_
b
a
+
1
s
_
b
a
f
t
(x) cos(sx) dx
Poichè f è continua e f
t
è CAT, sia f che f
t
sono limitate in [a, b]. Possiamo porre
M := sup
x[a,b]
[f(x)[ M
t
:= sup
x[a,b]
[f
t
(x)[ .
Abbiamo quindi
_
b
a
f(x) sin(sx) dx

1
[s[
_
[f(a)[ +[f(b)[ +[b a[ M
t
_

2M +[b a[ M
t
s
.
Facendo tendere s a otteniamo la (9.41).
9.24 Lemma. Sia f : R R una funzione continua a tratti e sia x R tale che la
derivata destra di f nel punto x, f
t
+
(x) esiste. Deniamo la funzione
(9.42) D
n
(z) :=
1
2
sin
_
2n+1
2
z
sin(z/2)
=
1
2
+
1
k=1
cos(kz)
Allora:
(9.43) lim
n
_

0
f(x +z) D
n
(z) dz =
f(x
+
)
2
.
Analogamente se esiste f
t
(x) si ha
(9.44) lim
n
_
0
f(x +z) D
n
(z) dz =
f(x
)
2
.
Prima di dimostrare il Lemma 9.24 facciamo vedere come da questo segua facilmente
il risultato che stiamo cercando sulla convergenza puntuale della serie di Fourier.
9.25 Teorema. Sia f : R R una funzione 2periodica continua a tratti e sia S
n
la somma parziale nsima di Fourier di f. Se x R è un punto in cui esistono sia la
derivata destra f
t
+
(x) che quella sinistra f
t
(x) di f, si ha:
(9.45) lim
n
S
n
(x) =
_
_
_
f(x) se f è continua in x
1
2
[f(x
+
) +f(x
)] nel caso generale.

Dimostrazione. Iniziamo a scrivere esplicitamente la somma parziale nsima di Fourier
associata ad f
S
n
(x) =
a
0
2
+
n
k=1
[a
k
cos(kx) +b
k
sin(kx)]
=
1
2
_

f(t) dt +
n
k=1
_
1
f(t) cos(kt) dt cos(kx)

+
1
f(t) sin(kt) dt sin(kx)

_
=
1
f(t)
_
1
2
+
n
k=1
_
(cos(kx) cos(kt) + sin(kx) sin(kt)
_
_
dt
=
1
f(t)
_
1
2
+
n
k=1
cos[k(t x)]
_
dt .
Scrivendo cos(ku) = Re e
iku
non è dicile far vedere che vale lidentità
1
2
+
n
k=1
cos[ku] =
sin
_
2n+1
2
u
2 sin
u
2
,
per cui, ricordando la denizione (9.42), otteniamo che la somma parziale nsima può
essere scritta come
S
n
(x) =
_

f(t) D
n
(t x) dt .
A questo punto possiamo cambiare variabile di integrazione, ponendo z = t x,
S
n
(x) =
_
x
x
f(x +z) D
n
(z) dz .
Sfruttando il fatto che f e D
n
sono entrambi funzioni 2periodiche lintervallo di
integrazione, che equivale ad un periodo completo, può essere traslato di una quantità
arbitraria, per cui
S
n
(x) =
_

f(x +z) D
n
(z) dz .
Per concludere la dimostrazione ed ottenere la (9.45) è suciente spezzare in due parti
lintervallo di integrazione [, ] e ricordare quanto aerma il Lemma 9.24
lim
n
S
n
(x) = lim
n
__
0
f(x +z) D
n
(z) dz +
_

0
f(x +z) D
n
(z) dz
_
=
1
2
_
f(x
+
) +f(x
.
Dimostrazione del Lemma 9.24. Sia f : R R una funzione continua a tratti e
supponiamo che nel punto x esista la derivata destra f
t
+
(x) della funzione f. Devo far
vedere che si ha
(9.46) lim
n
_

0
f(x +z) D
n
(z) dz =
f(x
+
)
2
.
La dimostrazione della seconda aermazione (9.44) è identica. Inizio con losservare
che, lintegrale di D
n
esteso allintervallo [0, ] è uguale ad 1/2. Infatti
_

0
D
n
(z) dz =
1
_

0
_
1
2
+
n
k=1
cos(kz)
_
dz . (9.47)
Poichè si ha
_

0
cos(kz)dz =
_
sin(kz)
k
_
0
= 0 ,
otteniamo appunto
_

0
D
n
(z) dz =
1
2
.
Questo mi istiga a pensare che se potessi sostituire la quantità f(x +z) nellintegrale
con f(x
+
) allora il valore dellintegrale sarebbe esattamente uguale a f(x
+
)/2 senza
neanche bisogno di dover fare il limite. Dunque, lidea potrebbe essere quella di ag-
giungere e togliere f(x
+
) nellintegrando nel modo seguente:
_

0
f(x +z) D
n
(z) dz
=
_

0
f(x
+
) D
n
(z) dz +
_

0
_
f(x +z) f(x
+
)
D
n
(z) dz
=
f(x
+
)
2
+
_

0
_
f(x +z) f(x
+
)
D
n
(z) dz .
(9.48)
A questo punto se riesco a dimostrare che
(9.49) lim
n
_

0
_
f(x +z) f(x
+
)
D
n
(z) dz = 0
avrei ottenuto proprio la (9.46) che è il risultato cercato. Per dimostrare la (9.49) mi
viene in mente che forse potrei utilizzare il Lemma di RiemannLebesgue 9.23. Scrivo
quindi
_

0
_
f(x +z) f(x
+
)
D
n
(z) dz
=
1
2
_

0
_
f(x +z) f(x
+
)
sin
_
2n+1
2
z
sin(z/2)
dz
=
1
2
_

0
f(x +z) f(x
+
)
sin(z/2)
sin
_
2n + 1
2
z
_
dz
=
1
2
_

0
f(x +z) f(x
+
)
sin(z/2)
sin(sz) dz ,
(9.50)
in cui ho posto s = (2n+1)/2. Ora potrei applicare il Lemma di RiemannLebesgue e
aermare che quando n (o, equivalentemente, s ) lintegrale tende a zero, a
patto di poter dire che la funzione che moltiplica il seno appartiene a L
1
[0, ]. Rimane
dunque da dimostrare che
(9.51) la funzione g(z) :=
f(x +z) f(x
+
)
sin(z/2)
appartiene ad L
1
[0, ].
In realtà dimostrerò che g è limitata in [0, ] che implica g L
1
[0, ]. Per dimostrare
che g è limitata osservo che g è continua a tratti in (0, ] poichè il numeratore è CAT
e il denominatore è continuo e non nullo. Se riesco a far vedere inoltre che il limite
(9.52) lim
z0
+
g(z)
esiste ed è nito, allora avrò dimostrato che g è CAT, e quindi limitata, su [0, ]. Ma
il limite (9.52) si può calcolare esplicitamente. Infatti
lim
z0
+
g(z) = lim
z0
+
f(x +z) f(x
+
)
sin(z/2)
= lim
z0
+
f(x +z) f(x
+
)
z
z
sin(z/2)
= 2f
t
+
(x) .
Ricapitolando: g è una funzione CAT in (0, ], inoltre ho fatto vedere che il limite
quando z tende a 0 da destra esiste ed è nito, quindi g è CAT su [0, ]. Di conseguenza
g è limitata e, a maggior ragione, appartiene a L
1
[, ]. Questo mi permette di
usare il Lemma di RiemannLebesgue nella (9.50) e posso cos` dimostrare la (9.49).
Finalmente dalla (9.48) e (9.49) segue la (9.46).
9.26 Corollario. Se f : R R è una funzione 2periodica e dierenziabile a tratti
allora
(9.53) lim
n
S
n
(x) =
_
_
_
f(x) se f è continua in x
1
2
[f(x
+
) +f(x
)] nel caso generale.

Dimostrazione.
`
E una conseguenza diretta del Teorema 9.25 e della Proposizione 9.16.
9.27 Osservazione. Esistenza di funzioni continue con serie di Fourier non conver-
gente.
9.28 Problema. Per ciascuna delle seguenti funzioni f : [, ] R sia S
n
la
somma parziale nesima della serie di Fourier associata. Calcolare il limite S(x) :=
lim
n
S
n
(x) per ogni x [, ].
(a) f(x) = x
3
(b) f(x) =
_
0 se x [, 0)
1 x
2
se x [0, ]
Soluzione. (a). Si tratta di una funzione dierenziabile a tratti, quindi vale il teorema
che assicura la convergenza di S
n
(x) al valore f(x) nei punti in cui f è continua, al
valore (f(x
) +f(x
+
))/2 nei punti in cui f ha un salto.
Attenzione: per studiare la convergenza agli estremi dellintervallo [, ] bisogna
sempre pensare al prolungamento periodico di f.
Mentre la funzione x
3
è continua in [, ], il suo prolungamento periodico è continuo
nei punti interni allintervallo, cioè è continuo in (, ) ma ha un salto nei punti
x = e x = . In entrambi questi punti il limite da sinstra vale
3
, mentre il limite
da destra vale
3
. Quindi ottengo, per x = ,
S() =
1
2
_
f(
) +f(
+
)
_
=
1
2
_
3
_
= 0 .
Riassumendo
S(x) =
_
x
3
se x (, )
0 se x = o x =
(b). I punti di discontinuità del prolungamento periodico di f sono x = , x = 0 e
x = . Quindi
S() =
1
2
_
f(
) +f(
+
)
_
=
1
2
_
1
2
+ 0
_
=
1
2
2
S(0) =
1
2
_
f(0
) +f(0
+
)
_
=
1
2
_
0 + 1
_
=
1
2
.
9.3. SERIE DI FOURIER CON SOLO COSENI O SENI 187
Riassumendo
S(x) =
_
_
0 se x (, 0)
1/2 se x = 0
1 x
2
se x (0, )
(1
2
)/2 se x = o x =
9.3 Serie di Fourier con solo coseni o seni
.
9.29 Proposizione. Ciascuno dei seguenti due insiemi di vettori
(a) cos(nx) n = 0, 1, 2, . . . (b) sin(nx) n = 1, 2, . . .
è una base ortogonale in L
2
[0, ]. Inoltre, se f L
2
[0, ], si ha:
f(x)
a
0
2
+
k=1
a
k
cos(kx) (9.54)
f(x)
k=1
b
k
sin(kx) (9.55)
in cui
(9.56) a
k
=
2
_

0
f(x) cos(kx) dx

b
k
=
2
_

0
f(x) sin(kx) dx
Dimostrazione. Lortogonalità dei due sistemi di vettori si verica facilmente. Per
dimostrarne la completezza faccio vedere che, per ogni f L
2
[0, ], valgono gli sviluppi
(9.54) e (9.55).
Se f L
2
[0, ] posso denire f
p
, f
d
L
2
[, ] come i prolungamenti pari e dispari
di f, vale a dire come
f
p
(x) :=
_
f(x) se x [0, ]
f(x) se x [, 0)
f
d
(x) :=
_
f(x) se x [0, ]
f(x) se x [, 0)
Applicando la (9.9) alle funzioni f
p
e f
d
ottengo
f
p
(x)
a
p
0
2
+
k=1
[a
p
k
cos(kx) +b
p
k
sin(kx)] (9.57)
f
d
(x)
a
d
0
2
+
k=1
_
a
d
k
cos(kx) +b
d
k
sin(kx)
(9.58)
Utilizzando le (9.10) ed il fatto che le funzioni f
p
(x) cos(kx) e f
d
(x) sin(kx) sono pari,
mentre le funzioni f
p
(x) sin(kx) e f
d
(x) cos(kx) sono dispari ottengo
a
p
k
=
1
f
p
(x) cos(kx) dx =
2
_

0
f(x) cos(kx) dx = a
k
b
p
k
=
1
f
p
(x) sin(kx) dx = 0
a
d
k
=
1
f
d
(x) cos(kx) dx = 0
b
d
k
=
1
f
d
(x) sin(kx) dx =
2
_

0
f(x) sin(kx) dx =

b
k
,
e quindi, le (9.57), (9.58) diventano
f
p
(x)
a
0
2
+
k=1
a
k
cos(kx) f
d
(x)
k=1
b
k
sin(kx) (9.59)
La prima uguaglianza signica
(9.60) lim
n
|f
p
S
n
|
2
= 0 ,
in cui abbiamo posto
S
n
(x) :=
a
0
2
+
n
k=1
a
k
cos(kx) .
Poichè la dierenza f
p
S
n
è una funzione pari, abbiamo
|f
p
S
n
|
2
2
=
_

[f
p
(x) S
n
(x)[
2
dx
= 2
_

0
[f
p
(x) S
n
(x)[
2
dx = 2|f S
n
|
2
L
2
[0,]
.
(9.61)
Dalla (9.60) e (9.61) segue la (9.54). La (9.55) si dimostra in modo analogo.
9.3.1 Quale sviluppo scegliere?
In generale è possibile sviluppare una funzione f in serie di Fourier in pi` u di un
modo. La scelta dello sviluppo da adottare va fatta in base alle esigenze o alla richi-
esta esplicita del problema che si sta risolvendo. Consideriamo il problema seguente:
sviluppare in serie di Fourier nellintervallo [0, ] la funzione
f(x) =
x
2
2
2 .
Sviluppo n.1. Possiamo usare le formule (9.25), (9.26) per lo sviluppo in serie di
Fourier in un intervallo arbitrario [a, b]. Questo equivale considerare la funzione f
denita in [0, ] è prolungarla periodicamente a tutto lasse reale, come si vede nella
gura 9.2.
3 2 2 3
x
f(x)
Figure 9.2: Svilippo n.1
Sviluppo n.2. Un secondo sviluppo possibile è quello che usa solo i coseni, dato
dalle formule (9.54), (9.56). Questo equivale a prendere la funzione f denita in [0, ],
prolungarla prima in modo pari sullintervallo [, ] e poi prolungarla periodicamente
a tutto lasse reale come mostrato nella gura 9.3.
9.4. EQUAZIONE DEL CALORE SU UN INTERVALLO FINITO 189
3 2 2 3
x
f(x)
Sviluppo n.3. Possiamo inne usare lo sviluppo dei seni dato dalle formule (9.55),
(9.56), che equivale a prendere la funzione f denita in [0, ], prolungarla prima in
modo dispari sullintervallo [, ] e poi prolungarla periodicamente a tutto lasse
reale come mostrato nella gura 9.4.
3 2 2 3
x
f(x)
Dove convergono questi sviluppi? Chiamo S
(r)
(x) la somma della serie di Fourier
associato allo sviluppo rsimo, in cui r può valere 1, 2, 3. In tutti e tre i casi ho a che
fare con funzioni dierenziabili a tratti, per cui vale il Corollario 9.26. Ottengo quindi,
S
(1)
(x) =
_
f(x) x (0, )
2
4
2 x 0,
S
(2)
(x) = f(x) x [0, ]
S
(3)
(x) =
_
f(x) x (0, )
0 x 0,
9.4 Equazione del calore su un intervallo nito
9.4.1 Condizioni al bordo di Neumann
Voglio risolvere la seguente equazione dierenziale a derivate parziali (equazione del
calore) utilizzando il metodo dello sviluppo in serie di Fourier:
u
t
(x, t) = u
xx
(x, t) x [0, ] , t > 0 (9.62)
u(x, 0) = f(x) x [0, ] (9.63)
u
x
(0, t) = u
x
(, t) = 0 t > 0 , (9.64)
in cui è un nmero reale positivo e le lettere x e t usate come pedici denotano, al
solito, loperazione di derivata rispetto a quel simbolo, cioè
u
t
:=
u
t
u
x
:=
u
x
.
La funzione u(x, t) è denita sulla semistriscia innita [0, ][0, ). Per chi si trova pi` u
a suo agio pensando ad una situazione sica concreta piuttosto che ad unastrazione
matematica, si pensi ad una barra unidimensionale
2
di lunghezza fatta di un qualche
materiale che conduce calore. La funzione u(x, t) rappresenta la temperatura della
barra nel punto x al tempo t. Il parametro > 0 è una cosa tipo la conducibilità
termica della barra. E infatti se ponessimo = 0 otterremmo dalla (9.62) che la
derivata rispetto al tempo di u è nulla, vale a dire la temperatura è costante nel
tempo perchè la barra non conduce calore. La funzione f che appare nella (9.63) è la
temperatura iniziale, o meglio la distribuzione iniziale della temperatura della barra.
Le equazioni (9.64) inne sono le condizioni al bordo di questo problema. In qeusto
caso si chiamano condizioni Neumann perchè riguardano la derivata della funzione
u nei due punti di bordo (x = 0 e x = ) del problema. Imporre che la derivata
spaziale della temperatura sia nulla corrisponde allassunzione sica che la barra sia
termicamente isolata dallesterno, senza cioè scambio di calore ai due estremi.
Bene, dobbiamo quindi trovare u(x, t) che soddis le (9.62), (9.63), (9.64). Lidea è
quella di supporre che per ogni valore ssato di t 0, la funzione u(x, t) si possa
scrivere come serie di Fourier nel dominio delle x, con coecienti di Fourier che ovvi-
amente dipenderanno dal tempo. Ora possono nascere i primi dubbi e tentennamenti,
perchè abbiamo visto che cè pi` u di una modalità di sviluppare una funzione in serie
di Fourier. Potremmo, per dirne una, usare gli esponenziali complessi e, considerando
che siamo sullintervallo [0, ], scriviamo
u(x, t) =
kZ
c
k
(t) e
i2kx/
,
oppure potremmo usare la serie di Fourier dei seni
u(x, t) =
k=1
b
k
(t) sin(kx/)
o magari quella dei coseni. Lelemento del problema che ci indica la via giusta da
seguire è la condizione al bordo (9.64). Poichè le quantità u
x
(0, t) e u
x
(, t) devono
essere entrambi nulle per ogni t > 0 sarebbe carino che la funzione u
x
(x, t) si potesse
esprimere come una somma di sin(kx/), in modo tale che la condizione al bordo
sia automaticamente soddisfatta. Di conseguenza la scelta che sembra appropriata è
quella si espandere u(x, t) come serie dei coseni, in modo tale che, derivando rispetto
ad x otteniamo una serie di seni. Poniamo quindi
(9.65) u(x, t) =
a
0
(t)
2
+
k=1
a
k
(t) cos
_
kx
_
.
Assumendo di poter derivare la serie termine a termine otteniamo
u
t
(x, t) =
a
0
(t)
2
+
k=1
a
k
(t) cos
_
kx
_
u
xx
(x, t) =
k=1
_
k
_
2
a
k
(t) cos
_
kx
_
.
2
uhm. . . non che una barra unidimensionale sia esattamente una cosa concreta
9.4. EQUAZIONE DEL CALORE SU UN INTERVALLO FINITO 191
Sostituendo queste espressioni nellequazione u
t
= u
xx
si ottiene un numero innito
di equazioni dierenziali ordinarie per i coecienti di Fourier
a
0
(t) = 0 a
k
(t) =
_
k
_
2
a
k
(t) k = 1, 2, . . . (9.66)
che si risolvono facilmente
a
0
(t) = a
0
a
k
(t) = a
k
exp
_
_
k
_
2
t
_
,
in cui, per semplicità, abbiamo posto
a
n
:= a
n
(0) n = 0, 1, 2, . . . .
Sostituendo nella (9.65) otteniamo inne la funzione incognita u(x, t)
u(x, t) =
a
0
2
+
k=1
a
k
exp
_
_
k
_
2
t
_
cos
_
kx
_
. (9.67)
Rimangono da determinare i coecienti a
k
. A questo scopo usiamo la condizione
iniziale del problema (9.63)
u(x, 0) =
a
0
2
+
k=1
a
k
cos
_
kx
_
= f(x) .
Questa uguaglianza ci dice che i coecienti a
k
sono nientaltro che i coecienti asso-
ciati alla funzione data f, quando questa viene sviluppata in serie di Fourier dei coseni
nellintervallo [0, ]. Di conseguenza abbiamo
(9.68) a
k
=
2
_

0
f(y) cos
_
ky
_
dy .
La (9.67) insieme alla (9.68) risolve il problema posto
Comportamento della soluzione quando t
Qual è il comportamento della soluzione trovata quando il tempo tende allinnito?
Senza bisogno di essere dei grandi geni di equazioni dierenziali a derivate parziali si
intuisce che, se è vero che questa equazione rappresenta levoluzione della distribuzione
della temperatura in una barra isolata termicamente, allora, per t , la temper-
atura dovrà essere uniforme (indipendente da x) e (probabilmente) assumerà il valore
medio della distribuzione iniziale della temperatura.
Verico. Facendo tendere t allinnito nella (9.67) tutti i termini tranne il primo
tendono a zero. Inoltre la (9.68) ci dice che
a
0
=
2
_

0
f(y) dy .
Quindi abbiamo
lim
t
u(x, t) =
a
0
2
=
1
_

0
f(y) dy ,
che è proprio il valor medio della temperatura inziale.
9.4.2 Condizioni al bordo di Dirichlet
Consideriamo ora lo stesso problema con diverse condizioni al bordo:
u
t
(x, t) = u
xx
(x, t) x [0, ] t > 0 (9.69)
u(x, 0) = f(x) x [0, ] (9.70)
u(0, t) = u(, t) = 0 t > 0 . (9.71)
La condizione (9.71) ci dice che la barra non è pi` u isolata termicamente, come nel caso
precedente, ma i suoi estremi vengono costantemente mantenuti a temperatura zero.
. . .
9.5 Convergenza uniforme della serie di Fourier
Il Corollario 9.26 ci dice che se f è periodica, dierenziabile a tratti, allora la serie di
Fourier di f converge puntualmente ad f in tutti i punti in cui f è continua. Sorge
dunque spontanea la
9.30 Domanda. Non sarà che, niente niente, la convergenza della serie di Fourier è
uniforme?
Senza qualche ipotesi addizionale la risposta è necessariamente negativa. Infatti la
successione di funzioni S
n
(x), in cui, come al solito, abbiamo posto
S
n
(x) =
a
0
2
+
n
k=1
[a
k
cos(kx) +b
k
sin(kx)] ,
è una successione di funzioni continue. Ora sappiamo che se una successione di funzioni
continue converge uniformemente, il suo limite è una funzione continua, quindi anchè
S
n
abbia una qualche speranza di convergere uniformemente ad f bisogna assumere
che f sia continua. Abbiamo infatti il seguente risultato:
9.31 Teorema. Sia f : R R una funzione 2periodica, continua, con derivata
continua a tratti. Allora la somma parziale nsima di Fourier S
n
di f converge ad f
uniformemente, quando n .
Dimostrazione. Le ipotesi del teorema insieme al Corollario 9.25 ci dicono che la serie
di Fourier converge puntualmente ad f su tutto lasse reale, per cui possiamo scrivere
(9.72) f(x) =
a
0
2
+
k=1
[a
k
cos(kx) +b
k
sin(kx)] x R.
Rimane da dimostrare che la serie di funzioni che appare al secondo membro converge
uniformemente. Lidea è quella di usare il criterio di Weierstrass per la convergenza
uniforme di una serie di funzioni. Devo cioè riuscire a maggiorare il modulo del termine
ksimo della serie con una costante
[a
k
cos(kx) +b
k
sin(kx)[ M
k
e sperare che sia
k=1
M
k
< .
9.5. CONVERGENZA UNIFORME DELLA SERIE DI FOURIER 193
Una possibilità che non richiede particolari doti di immaginazione
3
è quella di scrivere
(9.73) [a
k
cos(kx) +b
k
sin(kx)[ [a
k
cos(kx)[ +[b
k
sin(kx)[ [a
k
[ +[b
k
[ .
Il problema è che i coecienti di Fourier a
k
e b
k
sono, a priori, in
2
e non in
1
, per cui
possiamo aermare che la sommatoria dei quadrati è convergente, ma non sappiamo
dire nulla sulla convergenza di
k=1
[ [a
k
[ +[b
k
[ ] .
Fra le ipotesi del Teorema cè per` o anche il fatto che f
t
è continua a tratti. Di
conseguenza f
t
è limitata, quindi f
t
L
2
[, ]. Questo implica che f
t
ha una serie
di Fourier convergente in L
2
.
f
t
(x)
a
t
0
2
+
k=1
[a
t
k
cos(kx) +b
t
k
sin(kx)] .
Non possiamo far aermazioni sulla convergenza puntuale di questo sviluppo, ma non
è importante. Quello che ci interessa è il fatto che i coecienti della serie di Fourier
di f
t
sono in
2
, cioè
(9.74)
k=1
[a
t
k
[
2
<
k=1
[b
t
k
[
2
< .
Poichè f è continua e f
t
è continua a tratti e poichè f è periodica possiamo usare le
relazioni (9.22) che legano i coecienti di Fourier di f a quelli di f
t
. Abbiamo dunque
a
k
= b
t
k
/k b
k
= a
t
k
/k k = 1, 2, 3, . . . (9.75)
k=1
_
[a
k
[ +[b
k
[
k=1
_
[a
t
k
[/k +[b
t
k
[/k
. (9.76)
Dalla disuguaglianza ab ([a[
2
+[b
2
[)/2 otteniamo
k=1
_
[a
t
k
[/k +[b
t
k
[/k

1
2
k=1
_
[a
t
k
[
2
+ 1/k
2
+[b
t
k
[
2
+ 1/k
2
(9.77)
Dalle relazioni (9.76), (9.77) e (9.74) si ottiene inne che la sommatoria
k=1
_
[a
k
[ +[b
k
[
è convergente. Questo fatto, insieme alla disuguaglianza (9.73) ci permette di usare il

criterio di Weierstrass e di concludere che la serie (9.72) è uniformemente convergente.
3
seguendo il vecchio adagio romano che consiglia in questi casi Nun te nventà gnente.
10. Trasformata di Fourier
V: Also, you know what they call a Quarter Pounder
with Cheese in Paris?
J: They dont call it a Quarter Pounder with Cheese?
V: No, they got the metric system there, they wouldnt
know what the fuck a Quarter Pounder is.
10.1 Lidea
Il metodo dello sviluppo in serie di Fourier ci permette di scrivere una qualsiasi funzione
periodica come combinazione lineare (innita) di seni e coseni, oppure di esponenziali
a esponente immaginario (funzioni periodiche elementari).
10.1 Domanda.
`
E possibile estendere in qualche modo questo metodo allo scopo di
poter trattare funzioni non periodiche denite su tutto lasse reale?
Sia ad esempio
f(x) =
1
1 +x
2
x R.
Si può scrivere f come combinazione lineare di funzioni periodiche elementari? Lidea è
la seguente: invece di considerare f come una funzione denita su R, la pensiamo come
se fosse denita sullintervallo [L, L], e poi ne facciamo il prolungamento periodico.
A questo punto abbiamo una funzione periodica di periodo 2L che chiamiamo f
L
.
3 L 2 L L L 2 L 3 L
x
f(x)
Dunque possiamo usare lo sviluppo di Fourier, ad esempio quello in termini degli
esponenziali immaginari. Si ottiene cos`
(10.1) f
L
(x)
kZ
c
k
e
ikx/L
c
k
=
1
2L
_
L
L
f
L
(x) e
ikx/L
dx.
Lidea della trasformata di Fourier a questo punto è la seguente: faccio tendere nella
(10.1) L allinnito. In questo modo la funzione f
L
tende alla mia funzione originale
f. Come vedremo nel Teorema 10.13, quando L la somma su k diventa un
integrale di Riemann e si ottiene (se f è continua) il risultato seguente:
(10.2) f(x) =
1
2
_
R
g() e
ix
d g() =
_
R
f(x) e
ix
dx.
195
196 CHAPTER 10. TRASFORMATA DI FOURIER
La formula a sinistra ci dice che, nel caso di una funzione non periodica, è ancora
possibile scrivere f come combinazione lineare innita di esponenziali immaginari, a
patto di considerare come combinazione lineare innita non una serie ma un integrale.
Non avremo pi` u, quindi, una successione di coecienti di Fourier c
k
, ma una funzione
di coecienti g(). La funzione g è detta trasformata di Fourier di f.
10.2 Denizione e proprietà elementari
10.2 Denizione. Se f L
1
(R; C) si denisce trasformata di Fourier di f e si indica
con T(f) oppure con

f, la funzione
T(f)() =

f() :=
_
R
f(x) e
ix
dx R.
Osservo che, poichè [f(x) e
ix
[ = [f(x)[, se f L
1
(R), anche la funzione f(x) e
ix
appartiene a L
1
(R), quindi lintegrale è ben denito.
10.3 Proposizione. Sia f L
1
(R; C). Allora
(1) T[

f]() = T[f]().
(2) Se f è reale T[f]() = T[f]().
(3) Se f è reale pari T[f] è reale e pari.
(4) Se f è reale dispari T[f] è immaginaria pura dispari.
Dimostrazione. Puramente meccanica, lasciata come esercizio.
10.4 Problema. Sia f L
1
(R; C) e sia g := T[f]. Dimostrare le seguenti identità:
T[f(x) e
iax
]() = g( a) a R
T[f(x) cos(ax)]() =
1
2
[g( +a) +g( a)] a R
T[f(a x)]() =
1
[a[
g(/a) a R, a ,= 0
10.3 Regolarità e andamento allinnito
10.5 Proposizione. Se f L
1
(R) allora T(f) C
0
(R).
Dimostrazione.
0 Dimostrazione della continuità. Poniamo g() := T(f)(). Allora
[g( +) g()[ =
_
R
f(x) e
ix
_
e
ix
1
_
dx
_
R
[f(x)[ [e
ix
1[ dx
_
]x]a
[f(x)[ [e
ix
1[ dx + 2
_
]x]>a
[f(x)[ dx
Siccome
[e
ix
1[
2
= (1 cos(x))
2
+ sin(x)
2
= 2(1 cos(x)) = 4 sin
2
(x/2) (x)
2
,
(10.3)
10.3. REGOLARIT
`
A E ANDAMENTO ALLINFINITO 197
nellintervallo [x[ a vale la disuguaglianza
[e
ix
1[ [x[ [[ a
Otteniamo dunque
[g( +) g()[ [[ a
_
]x]a
[f(x)[ dx + 2
_
]x]>a
[f(x)[ dx
[[ a |f|
1
+ 2
_
]x]>a
[f(x)[ dx.
Poichè a è arbitrario possiamo porre a := 1/
_
[[. In questo modo otteniamo
[g( +) g()[
_
[[ |f|
1
+ 2
_
]x]>1/
]]
[f(x)[ dx. (10.4)
Siccome
(10.5) lim
K
_
K
K
[f(x)[ dx = |f|
1
.
si ha
lim
K
_
]x]>K
[f(x)[ dx = 0 .
Di conseguenza lintegrale che appare al secondo membro della (10.4) tende a zero,
quando 0. Abbiamo quindi ottenuto che
lim
0
[g( +) g()[ = 0 ,
che equivale a dire che g è continua nel punto (arbitrario) .
O Dimostrazione che lim
g() = 0. Analogamente a quanto fatto in precedenza

scriviamo lintegrale come somma di 2 pezzi.
[g()[
_
]x]a
f(x) e
ix
dx
_
]x]>a
f(x) e
ix
dx
_
]x]a
f(x) e
ix
dx
+
_
]x]>a
[f(x)[ dx
Poichè il secondo integrale tende a zero quando a , dato > 0 arbitrario, possiamo
scegliere a in modo tale che questo integrale sia minore od uguale a . Quindi
[g()[
_
]x]a
f(x) e
ix
dx
+ .
Grazie al lemma di RiemannLebesgue, lintegrale va a zero quando , quindi
lim
[g()[ .
Siccome è arbitrario ottengo che lim
g() = 0.
10.6 Proposizione. Sia f C
p1
(R) con f
(p)
continua a tratti e assumiamo che le
funzioni f, f
t
, f
tt
, . . . , f
(p)
appartengano tutte a L
1
(R). Allora
(1) per ogni k = 1, . . . , p si ha T(f
(k)
)() = (i)
k
T(f).
(2) T(f)() tende a zero, quando pi` u velocemente di 1/
p
, vale a dire
lim
p
T(f)() = 0 .
Dimostrazione. Integrando per parti si ottiene
T[f
t
]() =
_
R
f
t
(x) e
ix
dx
= f(x) e
ix
+i
_
R
f(x) e
ix
dx
=
_
f(x) e
ix
+iT[f]() .
(10.6)
Nel caso in cui lim
f(x) = 0 otteniamo cF[f

t
]() = iT[f]() che, iterata, dimostra
il punto (1). Sappiamo però (vedi il Problema 3.41) dallintegrabilità assoluta di f non
discende necessariamente che f tende a zero allinnito. In questo caso però si può
usare lipotesi che f
t
L
1
(R). Possiamo scrivere infatti
f(x) = f(0) +
_
x
0
f
t
(u) du.
Poichè f
t
L
1
(R) esistono i limiti
lim
x
_
x
0
f
t
(u) du,
di conseguenza esistono i limiti lim
x
f(x). Ma se f ha un limite quando x tende a
e a +, il valore di entrambi i limiti deve essere necessariamente zero, altrimenti
f non sarebbe integrabile. Abbiamo quindi dimostrato che
_
f(x) e
ix
= 0. Dalla
(10.6) segue che
T[f
t
]() = iT[f]() ,
che, iterata, dimostra il punto (1) della proposizione. Per dimostrare il punto (2)
usiamo il punto (1) con k = p e la Proposizione 10.5, ottenendo
lim
[
p
T[f]()[ = lim
[T[f
(p)
]()[ = 0 .
10.7 Proposizione. Sia f L
1
(R) tale che le funzioni xf, x
2
f, . . . , x
p
f appartengano
tutte ad L
1
(R). Allora T(f) C
p
(R). Inoltre, ponendo g = T(f), si ha
g
(k)
= T[(ix)
k
f] k = 1, . . . , p .
Dimostrazione. Sia
g() :=
_
R
f(x) e
ix
dx.
Voglio far vedere che g
t
() = T[(ix)f](), vale a dire che
(10.7) lim
0
g( +) g()
=
_
R
(ix) f(x) e
ix
dx.
10.3. REGOLARIT
`
A E ANDAMENTO ALLINFINITO 199
Per far vedere che vale la (10.7) procedo nel modo seguente
g( +) g()

_
R
(ix) f(x) e
ix
dx
_
R
f(x) e
ix
_
e
ix
1
+ix
_
dx
_
R
[f(x)[
e
ix
1
+ix
dx
=
_
]x]a
[xf(x)[
e
ix
1
x
+i
dx
+
_
]x]>a
[xf(x)[
e
ix
1
x
+i
dx
(10.8)
Il termine [(e
ix
1)/x+i[ può essere stimato in due modi diversi. Un primo modo
è il seguente: grazie alla (10.3) si ottiene
e
ix
1
x
+i
e
ix
1
x
+[i[ 2 . (10.9)
Alternativamente, dallo sviluppo di Taylor del seno e del coseno, si ottiene
[ cos 1[
1
2

2
[ sin [
1
3!
[[
3
.
Di conseguenza abbiamo
e
ix
1
x
+i
cos(x) 1
x
+i
x sin(x)
x
1 cos(x)
[x[
+
[x sin(x)[
[x[
1
2
[x[ +
1
6
[x[
2
.
(10.10)
Usando sia la (10.9) che la (10.10) si ottiene dalla (10.8)
g( +) g()

_
R
(ix) f(x) e
ix
dx
_
]x]a
[xf(x)[
_
[x[
2
+
[x[
2
6
_
dx + 2
_
]x]>a
[xf(x)[ dx
_
[a[
2
+
[a[
2
6
__
]x]a
[xf(x)[ dx + 2
_
]x]>a
[xf(x)[ dx
_
[a[
2
+
[a[
2
6
_
|xf|
1
+ 2
_
]x]>a
[xf(x)[ dx
(10.11)
Scegliendo ora a := 1/
_
[[ e facendo il limite 0 si ottiene
lim
0
g( +) g()

_
R
(ix) f(x) e
ix
dx
lim
0
_
_
[[
2
+
[[
6
_
|xf|
1
+ 2
_
]x]>1/
]]
[xf(x)[ dx = 0 .
(10.12)
Abbiamo quindi fatto vedere che vale la (10.7) che, iterata, dimostra la proposizione.
10.8 Problema. Sia g la trasformata di Fourier della funzione f. Cosa si può aer-
mare, nei casi seguenti, sul grado di derivabilità di g senza doverla calcolare?
(a) f(x) = x
7
e
]x]
(b) f(x) =
sin x
1 +x
2
(c) f(x) =
1
1 +[x[
3
Soluzione.
(a) Poichè x
n
f L
1
(R) per ogni n N, g è innitamente dierenziabile.
(b) In questo caso f L
1
(R) ma xf / L
1
(R), quindi non possiamo aermare nulla
sulla derivabilità di g.
(c) Si vede che le funzioni f e xf appartengono a L
1
(R) ma x
2
f / L
1
(R), quindi g è
di classe C
1
.
10.9 Problema. Sia g la trasformata di Fourier della funzione f. Senza dover calco-
lare g, è possibile aermare che g è di classe C
p
e che lim
q
g() = 0, in cui p e q
valgono . . .
(a) f(x) =
1
1 +x
6
(b) f(x) =
_
sin
2
(x) se x [0, 2]
0 altrimenti
Soluzione.
(a) Poichè x
k
f L
1
, per k = 0, 1, 2, 3, 4 g C
4
.
Poichè f C
e f
(k)
L
1
per tutti i k interi non negativi si ha che lim
k
g() = 0
per ogni k N, vale a dire g va a zero allinnito pi` u velocemente di qualsiasi potenza.
(b) La funzione f è continua a supporto compatto, quindi x
k
f L
1
per ogni k N.
Di conseguenza g C
.
Voglio trovare il massimo valore di p tale che f C
p1
con f
(p)
continua a tratti. Gli
unici punti in cui f o le sue derivate possono essere discontinue sono i due punti di
raccordo, x = 0 e x = 2. Poichè f è simmetrica rispetto al punto x = è suciente
limitarsi a studiare la continuità delle derivate di f in x = 0. Sia g(x) := sin
2
(x). Allora
g
t
(x) = 2 sin(x) cos(x) = sin(2x)
g
tt
(x) = 2 cos(2x)
Per cui otteniamo:
lim
x0
f(x) = 0 lim
x0
+
f(x) = sin
2
(0) = 0
lim
x0
f
t
(x) = 0 lim
x0
+
f
t
(x) = sin(0) = 0
lim
x0
f
tt
(x) = 0 lim
x0
+
f
tt
(x) = 2 cos(0) = 2 .
Quindi la funzione f è di classe C
1
con f
tt
continua a tratti. Di conseguenza g tende
a zero quando pi` u velocemente di
2
.
10.10 Denizione. Deniamo lo spazio vettoriale o(R; C) come linsieme delle fun-
zioni f C
(R; C) tali che, per ogni n, k N si ha

|f|
n,k
:= sup
xR
[x
n
f
(k)
(x)[ < .
o(R; C) è detto spazio delle funzioni rapidamente decrescenti.
10.11 Proposizione. Lo spazio o(R; C) è invariante sotto lazione della trasformata
di Fourier T, vale a dire se f o(R; C) allora T[f] o(R; C).
Dimostrazione. Discende immediatamente dalle Proposizioni 10.6, 10.7.
10.4. FORMULA DI INVERSIONE E TEOREMA DI PLANCHEREL 201
10.4 Formula di inversione e Teorema di Plancherel
Dimostriamo ora la formula annunciata allinizio del capitolo che aerma che se g è la
trasformata di Fourier di f
(10.13) g() =
_
R
f(x) e
ix
dx,
allora è possibile invertire la trasformazione e ritrovare f a partire da g tramite la
formula
(10.14) f(x) =
1
2
_
R
g() e
ix
d.
Inizialmente ci restringiamo alla classe delle funzioni rapidamente decrescenti. Che
una qualche forma di restrizione sia necessaria è chiaro per il motivo seguente. Se
f L
1
(R) possiamo calcolarne la sua trasformata di Fourier g tramite la (10.13). Fin
qui nessun intralcio. Il problema nasce nel caso in cui la funzione g non appartenga
ad L
1
(R). Prendiamo, per dire,
f(x) =
_
1 se [x[ 1
0 se [x[ > 1.
La trasformata di Fourier g in questo caso è
g() =
2 sin
,
che non è una funzione in L
1
(R). Di conseguenza la formula di inversione (10.14),
cos` comè scritta non può essere valida semplicemente perchè lintegrale non è ben
denito. Queste complicazioni non esistono nel caso in cui f sia una funzione rapida-
mente decrescente, perchè in quel caso anche g è rapidamente decrescente e dunque
gli integrali che appaiono nelle formule (10.13) e (10.14) sono entrambi ben deniti.
Una volta stabilita la formula di inversione nel caso di f rapidamente decrescente,
spiegheremo come si può estendere ad una classe pi` u ampia di funzioni.
10.12 Denizione. Se g L
1
(R; C) si denisce trasformata di Fourier inversa
1
di g
e si indica con T
1
(g) oppure con g, la funzione
T
1
(g)(x) = g(x) :=
1
2
_
R
g() e
ix
d x R.
Si vede che la trasformata di Fourier inversa assomiglia molto alla trasformata di
Fourier, le uniche dierenze sono il fattore 1/(2) e il segno dellesponente nellesponen-
ziale. Se chiamo P loperatore di di inversione spaziale (o operatore di parità),
denito come
Pf(x) = f(x)
posso scrivere, usando il cambio di variabile u = ,
T
1
(f)(x) =
1
2
_
R
f() e
ix
d =
1
2
_
R
f(u) e
iux
du =
1
2
T(Pf)(x) ,
per cui abbiamo lidentità operatoriale
T
1
=
1
2
T P .
Facciamo dunque vedere che T
1
è proprio linverso di T.
1
a rigore non avremmo ancora il diritto di chiamarla trasformata di Fourier inversa
10.13 Teorema. Sia f o(R; C) e sia g := T[f]. Allora
f(x) =
1
2
_
R
g() e
ix
d =: T
1
[g](x) (Formula di inversione) (10.15)
|T(f)|
2
= |g|
2
=
2 |f|
2
(Teorema di Plancherel) . (10.16)
Dimostrazione. Assumiamo inizialmente che f C
c
(R; C) e scegliamo a > 0 tale
che f(x) = 0 se [x[ > a. Sia poi (0, 1/a) e sviluppiamo f in serie di Fourier
nellintervallo [1/, 1/].
f(x) =
kZ
c
k
e
ikx
con
c
k
=

2
_
1/
1/
f(x) e
ikx
dx =

2
_
R
f(x) e
ikx
dx =

2
g(k) . (10.17)
f(x) =

2
kZ
g(k) e
ikx
.
Ponendo
()
k
:= k ,
abbiamo
f(x) =

2
kZ
g(
()
k
) e
i
()
k
x
=
1
2
kZ
g(
()
k
) e
i
()
k
x
_
()
k

()
k1
_
=
1
2
kZ
g(
()
k
) e
i
()
k
x
()
k
(10.18)
Poichè questa identità vale per ogni < 1/a posso fare il limite per 0
+
. Osservo
che la somma su k è una somma di Riemann fatta sulla partizione
()
k
di modulo .
Quindi, quando 0
+
, la somma tende allintegrale di Riemann
f(x) = lim
0
+
1
2
kZ
g(
()
k
) e
i
()
k
x
()
k
=
1
2
_
R
g() e
ix
d,
(10.19)
che è proprio la (10.15).
Per dimostrare la (10.16) partiamo dalluguaglianza di Parseval. Usando la (10.17)
otteniamo
_
R
[f(x)[
2
dx =
2
kZ
[c
k
[
2
=

2
kZ
[g(k)[
2
=
1
2
kZ
[g(
()
k
)[
2
()
k
.
Facendo tendere nuovamente a zero da destra si ha
_
R
[f(x)[
2
dx =
1
2
_
R
[g()[
2
d,
che è appunto la (10.16).
Estensione per continuità. Senza fornire una vera dimostrazione voglio dare unidea
di come si può estendere, senza troppo sforzo, la formula di inversione (10.15) a tutte
le funzioni rapidamente decrescenti, avendolo dimostrato per le funzioni C
a sup-
porto compatto. Si tratta di un trucco molto utile che si usa spesso in matematica
chiamato estensione per continuità. Faccio unanalogia: siano p e q due funzioni reali
e supponiamo di sapere che
10.4. FORMULA DI INVERSIONE E TEOREMA DI PLANCHEREL 203
(1) p e q sono entrambi continue
(2) p(x) = q(x) per ogni x razionale.
Allora segue immediatamente che le due funzioni coincidono su tutto lasse reale.
Infatti se x non è razionale trovo una successione (x
n
) di razionali che converge ad x
e, usando la continuità di p e q, ottengo
p(x) = p
_
lim
n
x
n
_
= lim
n
p(x
n
) = lim
n
q(x
n
) = q
_
lim
n
x
n
_
= q(x) .
In questo modo abbiamo esteso per continuità la formula
p(x) = q(x) x Q
a tutto lasse reale.
`
E chiaro che al posto di Q può esserci un qualsiasi sottoinsieme
denso di R.
Torniamo ora al teorema di inversione. Abbiamo n qui dimostrato che
T
1
T(f) = f = I(f) f C
c
(R; C) .
Per poter estendere questà identità a tutto lo spazio o(R; C) quello che bisogna fare
è introdurre una norma oppurtuna su o(R; C) e fare vedere che, rispetto alla norma
introdotta,
(a) gli operatori T e T
1
sono continui (loperatore identità è sempre continuo)
(b) C
c
(R; C) è denso in o(R; C),
e a questo punto si procede come nel caso delle due funzioni p e q. Lunico motivo che
mi trattiene dal dimostrare queste due aermazioni e concludere cos` la dimostrazione
del Teorema è il fatto che la norma opportuna da introdurre nello spazio o è un
po pi` u complicata delle norme usuali. Si capisce facilmente che se usassi, ad esempio,
la norma | |
u
la trasformata di Fourier non sarebbe un operatore continuo. Infatti
poniamo
f
n
(x) =
_
1 se [x[ n
0 se [x[ > n.
A questo punto smusso gli spigoli di f
n
in modo tale che la funzione risultante sia
C
(giuro che si può fare!) e chiamo g

n
questa funzione che assomiglia ad f
n
ma ha
gli spigoli smussati. Ottengo in questo modo
T(g
n
)(0) =
_
R
g
n
(x) dx 2n,
per cui
|T(g
n
)|
u
= sup
R
[T(g
n
)()[ [T(g
n
)(0)[ 2n.
Daltra parte |g
n
|
u
= 1, per cui
lim
n
|T(g
n
)|
u
|g
n
|
u
= +,
di conseguenza T non è un operatore limitato rispetto alla norma | |
u
.
La formula di inversione è valida per una classe molto pi` u ampia di funzioni rispetto
alle funzioni rapidamente decrescenti. Il teorema seguente fornisce un risultato simile
al Corollario 9.26 che riguarda la convergenza della serie di Fourier.
10.14 Teorema. Sia f L
1
(R) dierenziabile a tratti e sia g := T(f) la trasformata
di Fourier di f. Allora abbiamo
f(x
) +f(x
+
)
2
=
1
2
_
R
g() e
ix
d x R.
Di conseguenza, se f è continua in x, si ottiene
f(x) =
1
2
_
R
g() e
ix
d.
Nel caso in cui g non appartenga ad L
1
(R) lintegrale
_
R
va inteso come
_
R
g() e
ix
d = lim
K+
_
K
K
g() e
ix
d.
Dimostrazione. (Senza dimostrazione?)
10.5 Convoluzione
La formula T(f
t
)() = (i) T(f) ci dice che loperazione di derivazione si riette sulla
trasformata di Fourier come una semplice moltiplicazione per i. In un qualche senso
la derivata è unoperazione che risulta pi` u semplice se eettuata nello spazio di
Fourier.
Voglio introdurre ora unaltra operazione che ha la stessa caratteristica, vale a dire
appare pi` u complicata nello spazio x e pi` u semplice nello spazio .
10.15 Denizione. Date due funzioni f, g L
1
(R) limitate, si denisce convoluzione
(o prodotto di convoluzione) fra f e g e si indica con il simbolo f g, la funzione
(10.20) (f g)(x) :=
_
R
f(y) g(x y) dy x R.
10.16 Osservazione. Come al solito quando in una denizione appare un integrale
bisogna cautelarsi che lintegrale esista e sia nito. Nel caso della (10.20) non ci sono
problemi in quanto
_
R
f(y) g(x y) dy

_
R
[f(y) g(x y)[ dy
|f|
u
_
R
[g(x y)[ dy = |f|
u
|g|
1
.
(10.21)
10.17 Proposizione. Siano f, g L
1
(R) limitate. Allora anche la convoluzione f g
è un elemento di L
1
(R) ed è limitato.
Dimostrazione. La disuguaglianza (10.21) ci dice che [(f g)(x)[ |f|
u
|g|
1
, per cui
f g è limitata e vale
|f g|
u
|f|
u
|g|
1
.
10.5. CONVOLUZIONE 205
Inoltre, scambiando lordine degli integrali e cambiando variabile otteniamo
_
b
a
[(f g)(x)[ dx
_
b
a
_
R
f(y) g(x y) dy
dx
_
b
a
_
_
R
[f(y) g(x y)[ dy
_
dx
=
_
R
_
_
b
a
[f(y) g(x y)[ dx
_
dy =
_
R
[f(y)[
_
_
b
a
[g(x y)[ dx
_
dy
=
_
R
[f(y)[
_
_
by
ay
[g(u)[ du
_
dy
_
R
[f(y)[
_
_

[g(u)[ du
_
dy
=
_
R
[f(y)[|g|
1
dy |g|
1
|f|
1
.
Nella precedente disuguaglianza possiamo far tendere a a e b a +. In questo
modo si ha
|f g|
1
|f|
1
|g|
1
.
Quindi f g L
1
(R).
10.18 Proposizione. Il prodotto di convoluzione è commutativo, vale a dire
f g = g f .
Dimostrazione. Ponendo u = xy nellintegrale che denisce la convoluzione si ottiene
(g f)(x) :=
_
R
g(y) f(x y) dy =
_
R
g(x u) f(u) du = (f g)(x) .
Veniamo ora al risultato pi` u importante che riguarda il prodotto di convoluzione che
aerma che nello spazio di Fourier il prodotto di convoluzione diventa un prodotto
semplice.
10.19 Proposizione. Siano f, g L
1
(R) limitate. Allora
T(f g) = T(f) T(g) .
Dimostrazione. Siano f e g due funzioni limitate nello spazio L
1
(R). Allora
T(f g)() :=
_
R
(f g)(x) e
ix
dx
=
_
R
_
_
R
f(y) g(x y) dy
_
e
ix
dx
Le ipotesi su f e g ci consentono di scambiare lordine di integrazione, dunque
T(f g)() =
_
R
f(y)
_
_
R
g(x y) e
ix
dx
_
dy
=
_
R
f(y) e
iy
_
_
R
g(x y) e
i(xy)
dx
_
dy
=
_
R
f(y) e
iy
_
_
R
g(u) e
iu
du
_
dy
=
_
R
f(y) e
iy
T(g)() dy = T(f)() T(g)() .
10.6 Equazione del calore su un intervallo innito
Consideriamo nuovamente lequazione del calore già incontrata nella Sezione 9.4, ma
questa volta su tutto lasse reale.
u
t
(x, t) = K u
xx
(x, t) x R, t > 0 (10.22)
u(x, 0) = u
0
(x) x R. (10.23)
Immaginiamo quindi una barra innita fatta di un qualche materiale conduttore di
conducibilità termica K > 0, che inizialmente ha un prolo di temperatura dato dalla
funzione u
0
(x) 0. La soluzione u(x, t) di questa equazione fornisce la temperatura
della barra nel punto x ad un tempo qualsiasi t > 0, successivo allistante iniziale.
Sia v(, t) la trasformata di Fourier nella variabile x della funzione u(x, t)
(10.24) v(, t) = T(u(x, t)) =
_
R
u(x, t) e
ix
dx.
La Proposizione 10.6 ci dice che
(10.25) (i)
2
v(, t) = T(u
xx
(x, t)) .
Daltra parte, supponendo di poter scambiare la derivata rispetto a t con lintegrale
nella (10.24), possiamo scrivere
v
t
(, t) =
_
R
u
t
(x, t) e
ix
dx,
vale a dire
v
t
(, t) = T(u
t
(x, t)) .
Applicando quindi loperazione trasformata di Fourier alle uguaglianze (10.22), (10.23),
queste si diventano
v
t
(, t) = K
2
v(, t) R, t > 0
v(, 0) = T(u
0
) R.
Si vedi quindi che, nello spazio di Fourier, lequazione dierenziale a derivate parziali
(10.22), (10.23) si è trasformata in una collezione innita di equazioni dierenziali
ordinarie, una per ogni, valore di la cui soluzione è data da
v(, t) = v(, 0) e
K
2
t
= T(u
0
)() e
K
2
t
. (10.26)
A questo punto conviene scrivere il fattore esponenziale come la trasformata di Fourier
di qualcosaltro. Trattandosi di una gaussiana si ottiene, come è noto
e
K
2
t
= T
_
1
2
Kt
e
x
2
/(4Kt)
_
.
La (10.26) diventa dunque
(10.27) v(, t) = T(u
0
)() T
_
1
2
Kt
e
x
2
/(4Kt)
_
.
La Proposizione 10.19 ci dice che il prodotto delle trasformate di Fourier può essere
scritto come la trasformata di Fourier della convoluzione, per cui otteniamo
T(u(x, t)) = T
_
u
0
1
2
Kt
e
x
2
/(4Kt)
_
.
10.6. EQUAZIONE DEL CALORE SU UN INTERVALLO INFINITO 207
Applicando ad ambo i membri la trasformata di Fourier inversa
2
possiamo nalmente
scrivere la soluzione dellequazione del calore esplicitamente in termini del dato iniziale
u
0
come
(10.28) u(x, t) = u
0
(x)
1
2
Kt
e
x
2
/(4Kt)
=
1
2
Kt
_
R
e
(xy)
2
/(4Kt)
u
0
(y) dy .
10.20 Osservazione. (Loperatore di evoluzione temporale P
t
). Deniamo
K
t
(x, y) :=
e
(xy)
2
/(4Kt)
2
Kt
.
La quantità K
t
può essere pensata come il nucleo integrale di un operatore P
t
che
agisce su un qualche spazio, ad esempio L
1
(R). La (10.28) può essere riscritta come
u(x, t) =
_
R
K
t
(x, y) u
0
(y) dy ,
o, equivalentemente, in forma simbolica
u(, t) = P
t
u
0
.
Loperatore P
t
determina quindi levoluzione temporale del prolo di temperatura.
10.21 Osservazione. La quantità
_
R
u(x, t) dx
è costante nel tempo. Infatti si verica immediatamente a partire dalla (10.28) che
_
R
u(x, t) dx =
_
R
u
0
(x) dx t 0 .
A quale velocità si propaga il calore?
Supponiamo di voler determinare a quale velocità si propaga il calore. Per farlo
si può pensare di usare come condizione iniziale u
0
(x) una funzione che abbia un
picco molto stretto ad esempio nellorigine e calcolare quanto tempo bisogna aspettare
anchè leetto arrivi nel punto x. Poniamo ad esempio
u
0
(x) :=
_
1 se [x[
0 se [x[ >
in cui è un numero positivo molto piccolo.
3
Con questa scelta, la soluzione data
dalla (10.28) si può scrivere in modo approssimato come
(10.29) u(x, t) =
1
2
Kt
_

e
(xy)
2
/(4Kt)
dy
e
x
2
/(4Kt)
Kt
.
Notiamo subito una cosa: al tempo iniziale la temperatura è diversa da zero soltanto
in un intervallo di larghezza 2 centrato sullorigine. Nonostante ciò, comunque si
scelga un valore di t positivo piccolo a piacere e un valore di x grande a piacere, la
2
stiamo assumendo di poter usare il teorema di inversione
3
quanto piccolo lo dirò pi` u in là
(10.29) ci dice
4
che comunque si ha u(x, t) > 0. Quindi leetto del picco nellorigine
viene percepito immediatamente (anche se in modo evolo a causa del fattore gaus-
siano) a distanze arbitrariamente grandi, cosa che non avviene, ad esempio, nel caso
dellequazione delle onde. In questo senso, quindi, il calore si propaga con velocità
innita.
Qualcuno potrebbe obiettare che, s`, va bene, cè un eetto di propagazione a ve-
locità innita, ma non è interessante, proprio perchè questeetto è molto piccolo a
causa del fattore e
x
2
, e allora perchè dargli tutta questa importanza? Limportanza
sta nel comportamento qualitativo della soluzione dellequazione del calore che per
questa (e mille altre) ragioni è radicalmente diverso dal comportamento qualitativo,
per dire, dellequazione delle onde. Comunque, quasi a voler dar ragione (parzial-
mente) allobiettore, considero un secondo problema, in un qualche senso comple-
mentare al primo, sempre collegato alla velocità di propagazione del calore. Invece di
accontentarmi di vedere un eetto evolo, mi chiedo: quando devo aspettare per
vedere nel punto x = L un innalzamento consistente della temperatura, dovuto alla
propagazione del calore che origina nellorigine (ehm. . . )? Innanzi tutto devo sta-
bilire cosa è ragionevole denire consistente. Un modo per stabilirlo è il seguente:
ssiamo lattenzione sulla temperatura in x = L. Al tempo zero la temperatura è nulla
(supponendo L > ). Poi, come abbiamo visto, diventa immediatamente positiva e ci
si può aspettare che aumenti no ad un certo valore massimo che si avrà in corrispon-
denza di un certo valore del tempo t = (L). Dopodichè scenderà di nuovo tendendo
a zero quando t . Potremmo quindi (forse) denire velocità di propagazione del
calore come il rapporto L/(L) (forse). Provo. Prendiamo la formula (10.29). Se as-
sumo L 4Kt la formula approssimata che appare nel membro a destra della (10.29)
è una buona approssimazione (giusto?), per cui si ha
u(L, t)
e
L
2
/(4Kt)
Kt
.
Per calcolare il massimo, come funzione del tempo, poniamo uguale a zero la derivata
0 = u
t
(L, t) =

K
_
1
2t
3/2
e
L
2
/(4Kt)
+
1
t
e
L
2
/(4Kt)
L
2
4Kt
2
_
,
da cui si ottiene
1
2
+
L
2
4Kt
= 0 ,
ovvero, il valore di t = (L) per il quale si ha un massimo della temperatura nel punto
L è dato da
(L) =
L
2
2K
.
Conclusione: il tempo neccessario per la per progagazione del calore no al punto L
non è proporzionale ad L, ma ad L
2
! In questo senso possiamo dire che la velocità di
propagazione del calore non esiste. Un comportamento di questo tipo in cui il tempo
necessario a percorrere una certa distanza è porporzionale al quadrato della distanza
è chiamato comportamento diusivo e si verica, ad esempio, nel moto browniano che
(non a caso) è matematicamente intimamente legato allequazione del calore. Osser-
viamo inne che il tempo (L) è inversamente proporzionale alla conducibilità termica
K, come è giusto che sia.
4
si può usare lespressione esatta se non ci si da di quella approssimata

Rudimenti Analisi Inf - Dim

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Rudimenti Analisi Inf - Dim

Uploaded by

Copyright:

Available Formats

Filippo Cesi

Rudimenti di analisi innito dimensionale

(R) Insieme delle funzioni reali innitamente dierenziabili

Distribuzioni sullo spazio delle funzioni fondamentali

Convergenza nello spazio /

Ker A Nucleo delloperatore lineare A

Insieme delle successioni reali limitate

Insieme delle successioni reali

Operatore di traslazione verso sinistra (sezione 6.1.1)

Spazio duale dello spazio lineare normato L [5.3]

Aggiunto delloperatore lineare T [6.23]

(x) A. Sia infatti

(x) si ha d(y, x) < . Ma allora

(x) A, dunque A `e aperto.

`e il pi` u grande insieme aperto contenuto in A, mentre

segue dalla (2.7) che

`e lunione di tutti gli aperti contenuti in A B,

se e solo se esiste un > 0 tale che B

(x) ha intersezione non

(x) A. Sappiamo che B

. Ora procedo con linclusione inversa. Sia x A

(x) G. Siccome G A si ha che B

(x) A. Di conseguenza x I(A). Ho

, che, unitamente allinclusione inversa, dice che I(A) = A

. Grazie al punto (1) questo equivale a dire che

per ogni > 0 si ha B

(x) A ,= il che implica, per la Proposizione 2.15, che x

indica linsieme di tutti

sono della forma

`e anche indicato con R

(0) [0, 1). E non `e neanche chiuso perch`e la successione x

(x) `e una palla tridimensionale.

(x) A, ma non sar`a mai possibile avere B

) denisco lo spazio di tutte le successioni reali (complesse).

, vale a dire ogni punto

, `e una successione, quindi una successione di elementi di R

converge puntualmente al vettore

`e un esercizio (possibile, ma) non esattamente elementare che, come spesso si

Indichiamo con il simbolo

lo spazio di tutte le successioni limitate.

`e ben denita su tutto lo spazio

(ad esempio non d`a

= 0. Daltra parte se |x|

non sarebbe stato possibile denire come norma

, ma se provo a calcolare |x| come nella (3.24)

. Di conseguenza, come spiegato al punto 3.9, possi-

) diventa uno spazio vettoriale normato.

che `e uno spazio vettoriale, per

3.28 Proposizione. Se 1 p < q allora si ha

, quindi esiste M 0 tale che

allora converge anche puntualmente. A maggior ragione converge puntualmente

tale che esiste una *

che converge a zero in norma, ma non puntual-

appartiene agli spazi

lisnsieme delle successioni

(R) linsieme delle funzioni innitamente dierenziabili.

rapidamente decrescenti), linsieme

Soluzione. (a) > 1/6.

e quindi lintegrale `e convergente. Far vedere che lintegrale

Per n grandi il termine nsimo della sommatoria va come n

: I `e detto linearmente indipen-

K per ogni I. Questo sottospazio si denota

) pu`o essere nito, numerabile o non numerabile.