P. 1
Dispense Analisi Funzionale

Dispense Analisi Funzionale

|Views: 2,127|Likes:

More info:

Published by: Filippo Alessandro Nicola Palazzolo on Aug 02, 2011
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

02/05/2013

pdf

text

original

Sections

  • I. Teoria della misura
  • 1 Spazi di misura
  • 1.1 Spazi misurabili
  • 1.2 Funzioni semplici
  • 1.3 Misure
  • 1.4 Completamento di una misura
  • 2 La misura di Lebesgue
  • 2.1 Misura esterna
  • 2.2 Costruzione della misura: condizione di Carath´eodory
  • 2.3 Insiemi non misurabili
  • 3 Integrazione astratta
  • 3.1 Integrazione di funzioni positive
  • 3.2 Integrazione di funzioni reali
  • 3.3 Cambiamento di variabili
  • 3.4 Il ruolo degli insiemi di misura nulla
  • 3.5 Integrazione secondo Riemann e secondo Lebesgue
  • 3.6 Convergenza puntuale, uniforme e in L1
  • 4 Differenziazione e integrazione
  • 4.1 Il Teorema di Radon-Nykodym
  • 4.2 Il Primo Teorema Fondamentale del Calcolo
  • 4.3 Funzioni assolutamente continue
  • 5 Prodotto di misure
  • 5.1 Prodotto di spazi misurabili
  • 5.2 Il Teorema di Fubini
  • 5.3 Completamento di misure prodotto
  • 5.4 Cambio di variabili
  • II. Spazi di Banach
  • 1 Geometria degli spazi di Banach
  • 1.1 Spazi lineari
  • 1.2 Spazi normati
  • 1.3 Nozioni topologiche
  • 1.4 Successioni convergenti
  • 1.5 Separabilit`a
  • 1.6 Completezza: spazi di Banach
  • 1.7 Norme equivalenti
  • 2 Operatori lineari
  • 2.1 Definizioni e prime propriet`a
  • 2.2 Iniezioni continue
  • 2.3 Il Teorema di Baire e le sue conseguenze
  • 3 Lo spazio duale
  • 3.1 Definizioni e prime propriet`a
  • 3.2 Il Teorema di Hahn-Banach
  • 3.3 Riflessivit`a
  • 3.4 Convergenza debole
  • 3.5 Convergenza debole-∗
  • 3.6 Operatori compatti
  • 3.7 Sulle diverse convergenze negli spazi Lp
  • III. Spazi di Hilbert
  • 1 Geometria degli spazi di Hilbert
  • 1.1 Spazi con prodotto interno
  • 1.2 Completezza: spazi di Hilbert
  • 1.3 Proiezioni ortogonali
  • 1.4 Il duale di uno spazio di Hilbert
  • 1.5 Basi ortonormali
  • 2 Teorema spettrale per gli operatori compatti
  • 2.1 Rappresentazione matriciale degli operatori limitati
  • 2.2 Operatori simmetrici
  • 2.3 Operatori compatti simmetrici
  • 3 Cenni agli operatori non limitati
  • 3.1 Operatori chiusi
  • 3.2 Operatori simmetrici

Appunti del Corso di

ANALISI REALE E FUNZIONALE
Vittorino Pata
Dipartimento di Matematica “F. Brioschi”
Politecnico di Milano
vittorino.pata@polimi.it
http://www.mate.polimi.it/utenti/Pata
Indice
I. Teoria della misura 3
1 Spazi di misura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1 Spazi misurabili . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Funzioni semplici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3 Misure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.4 Completamento di una misura . . . . . . . . . . . . . . . . . . . . . . . . . 10
2 La misura di Lebesgue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.1 Misura esterna . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Costruzione della misura: condizione di Carath´eodory . . . . . . . . . . . . 12
2.3 Insiemi non misurabili . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3 Integrazione astratta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.1 Integrazione di funzioni positive . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2 Integrazione di funzioni reali . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.3 Cambiamento di variabili . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.4 Il ruolo degli insiemi di misura nulla . . . . . . . . . . . . . . . . . . . . . . 23
3.5 Integrazione secondo Riemann e secondo Lebesgue . . . . . . . . . . . . . . 26
3.6 Convergenza puntuale, uniforme e in L
1
. . . . . . . . . . . . . . . . . . . . 27
4 Differenziazione e integrazione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1 Il Teorema di Radon-Nykodym . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2 Il Primo Teorema Fondamentale del Calcolo . . . . . . . . . . . . . . . . . . 30
4.3 Funzioni assolutamente continue . . . . . . . . . . . . . . . . . . . . . . . . 31
5 Prodotto di misure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.1 Prodotto di spazi misurabili . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
5.2 Il Teorema di Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
5.3 Completamento di misure prodotto . . . . . . . . . . . . . . . . . . . . . . . 40
5.4 Cambio di variabili . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
II. Spazi di Banach 41
1 Geometria degli spazi di Banach . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.1 Spazi lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
1.2 Spazi normati . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
1.3 Nozioni topologiche . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1.4 Successioni convergenti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
1.5 Separabilit`a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
1.6 Completezza: spazi di Banach . . . . . . . . . . . . . . . . . . . . . . . . . . 47
1.7 Norme equivalenti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
1.8 Gli spazi L
p
(Ω) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
2 Operatori lineari . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.1 Definizioni e prime propriet`a . . . . . . . . . . . . . . . . . . . . . . . . . . 57
2.2 Iniezioni continue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
2.3 Il Teorema di Baire e le sue conseguenze . . . . . . . . . . . . . . . . . . . . 61
1
2
3 Lo spazio duale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.1 Definizioni e prime propriet`a . . . . . . . . . . . . . . . . . . . . . . . . . . 66
3.2 Il Teorema di Hahn-Banach . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.3 Riflessivit`a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
3.4 Convergenza debole . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.5 Convergenza debole-∗ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
3.6 Operatori compatti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
3.7 Sulle diverse convergenze negli spazi L
p
(Ω) . . . . . . . . . . . . . . . . . . 77
III. Spazi di Hilbert 79
1 Geometria degli spazi di Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
1.1 Spazi con prodotto interno . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
1.2 Completezza: spazi di Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . 81
1.3 Proiezioni ortogonali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
1.4 Il duale di uno spazio di Hilbert . . . . . . . . . . . . . . . . . . . . . . . . 84
1.5 Basi ortonormali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
1.6 Lo spazio L
2
(Ω) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
2 Teorema spettrale per gli operatori compatti simmetrici . . . . . . . . . . . . . . . 91
2.1 Rappresentazione matriciale degli operatori limitati . . . . . . . . . . . . . 91
2.2 Operatori simmetrici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
2.3 Operatori compatti simmetrici . . . . . . . . . . . . . . . . . . . . . . . . . 94
3 Cenni agli operatori non limitati . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
3.1 Operatori chiusi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
3.2 Operatori simmetrici . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
I. Teoria della misura
1 Spazi di misura
1.1 Spazi misurabili
Lo scopo della teoria della misura `e di fornire una procedura per misurare i sot-
toinsiemi di un insieme assegnato, per poi poter sviluppare una conseguente teoria
dell’integrazione. Sia dunque Ω un insieme astratto. Ci proponiamo di definire una
misura positiva sui sottoinsiemi di Ω, cio`e una funzione µ : {(Ω) → [0, ∞], dove
{(Ω) `e l’insieme delle parti di Ω, che abbia certe ragionevoli propriet`a. Tuttavia,
come vedremo, ci`o pu` o non essere possibile se si fanno richieste specifiche sulla µ.
Dunque occorrer`a limitarsi a particolari sottoinsiemi di {(Ω).
Definizione. Una famiglia M⊂ {(Ω) `e detta σ-algebra (su Ω) se verifica le seguenti
propriet` a:
(i) Ω ∈ M;
(ii) Se E ∈ M allora E
C
= Ω −E ∈ M;
(iii) Se E =
¸
n∈N
E
n
e E
n
∈ M per ogni n ∈ N, allora E ∈ M.
Gli elementi di M sono detti insiemi misurabili, e la coppia (Ω, M) `e detta spazio
misurabile.
Osservazione. L’assioma (i) serve ad evitare che Msia vuota. L’assioma (ii) ci
dice che M`e chiusa rispetto alla complementazione. Se l’assioma (iii) `e sostituito
dall’analogo con unioni e somme finite, allora si parla di algebra. Il prefisso “σ”
in Analisi viene generalmente utilizzato per indicare la chiusura rispetto a un
insieme numerabile di operazioni.
Propriet`a immediate. Sia (Ω, M) uno spazio misurabile.
- Poich´e ∅ = Ω
C
, segue che ∅ ∈ M.
3
4
- Prendendo E
n+1
= E
n+2
= = ∅ in (iii), si evince immediatamente che M`e
in particolare un’algebra.
- Usando la relazione
¸
n∈N
E
n
=

¸
n∈N
E
C
n

C
, si vede che M`e chiusa rispetto
all’intersezione numerabile (e finita).
- Poich´e E −F = E ∩ F
C
, abbiamo che E −F ∈ M se E ∈ M e F ∈ M.
Osservazione. Se Ω
0
∈ M, allora la restrizione di M su Ω
0
, ovvero
M[

0
=
¸
E ∈ M: E ⊂ Ω
0
¸
,
`e una σ-algebra su Ω
0
.
Proposizione 1.1. Se c `e una collezione di sottoinsiemi di Ω, allora esiste la pi` u
piccola σ-algebra M

su Ω tale che c ⊂ M

.
dimostrazione. Si noti che {(Ω) `e una σ-algebra su Ω. Dunque l’insieme
delle σ-algebre contenenti c `e non vuoto. Sia dunque M

l’intersezione di tutte
le σ-algebre contenenti c.
`
E evidente che c ⊂ M

, e che M

`e a sua volta
contenuta in ogni σ-algebra che contiene c. Per completare la dimostrazione si
deve provare che M

`e una σ-algebra. Se E
n
∈ M

, e M ⊃ M

`e una qualsiasi
σ-algebra, allora
¸
n
E
n
∈ M, da cui
¸
n
E
n
∈ M

. Analogamente, si dimostra
la validit` a degli assiomi (i) e (ii).
La σ-algebra M

`e detta generata da c.
Esercizio 1. Siano E
1
, . . . , E
n
n insiemi non vuoti a due a due disgiunti tali che
Ω =
¸
k
E
k
. Trovare la σ-algebra su Ω generata dagli E
k
e stabilirne la cardinalit` a.
Insiemi di Borel. Se Ω `e uno spazio topologico, la σ-algebra generata dagli aperti
di Ω `e detta σ-algebra di Borel (su Ω), e viene indicata con B(Ω). Gli elementi di
B(Ω) sono detti insiemi di Borel o Boreliani. Sono dunque Boreliani gli insiemi
aperti e chiusi, gli insiemi G
δ
(intersezioni numerabili di aperti), e gli insiemi F
σ
(unioni numerabili di chiusi).
1
Osservazione. Si noti che un insieme G
δ
`e il complementare di un insieme F
σ
,
e viceversa.
Definizione. Sia (Ω, M) uno spazio misurabile, e sia X uno spazio topologico. Una
funzione f : Ω → X `e detta misurabile (rispetto alla σ-algebra M) se f
−1
(A) ∈ M
per ogni aperto A ⊂ X.
Osservazione. Se Ω `e uno spazio topologico ed f : Ω → X `e continua, allora
evidentemente f `e Borel misurabile, cio`e misurabile rispetto a B(Ω).
1
La terminologia `e dovuta ad Hausdorff; σ si riferisce all’unione (Summe) e δ all’intersezione
(Durchschnitt).
5
Esercizio 2. Sia (Ω, M) uno spazio misurabile, e sia E ∈ {(Ω). Definiamo la
funzione caratteristica di E nel seguente modo:
χ
E
(t) =

1, t ∈ E,
0, t ∈ E.
Mostrare che E ∈ M se e solo se χ
E
`e misurabile.
Teorema 1.2. Sia (Ω, M) uno spazio misurabile, e siano X e Y spazi topologici.
Se f : Ω → X `e misurabile e g : X → Y `e continua, allora h = g ◦ f : Ω → Y `e
misurabile.
dimostrazione. Sia A ⊂ Y un aperto. Allora
(g ◦ f)
−1
(A) = f
−1
(g
−1
(A)).
Ma O = g
−1
(A) `e aperto in X, e dunque f
−1
(O) ∈ M.
Osservazione. Se invece f `e misurabile e g `e misurabile, g ◦ f pu` o non essere
misurabile, anche se f `e continua.
Teorema 1.3. Sia (Ω, M) uno spazio misurabile, e siano u e v due funzioni mi-
surabili a valori reali, e sia Φ : R
2
→ X una funzione continua a valori in uno spazio
topologico X. Allora la funzione h(t) = Φ(u(t), v(t)) definita da Ω a X `e misurabile.
dimostrazione. Sia f(t) = (u(t), v(t)) : Ω → R
2
. Dato che h = Φ ◦ f, dal
teorema precedente `e sufficiente mostrare che f `e misurabile Sia R = I J un
rettangolo aperto in R
2
. Allora
f
−1
(R) = u
−1
(I) ∩ v
−1
(J) ∈ M.
Un generico aperto A ⊂ R
2
`e unione numerabile di rettangoli aperti. Ovvero,
A =
¸
n
R
n
. Quindi
f
−1
(A) = f
−1

¸
n
R
n

=
¸
n
f
−1
(R
n
).
Pertanto f
−1
(A) ∈ M.
I due teoremi appena visti hanno delle conseguenze immediate piuttosto impor-
tanti.
Corollario 1.4. Sia (Ω, M) uno spazio misurabile, e siano u e v due funzioni mi-
surabili a valori reali.
- u + v e uv sono misurabili.
- u
+
= max¦u, 0¦, u

= −min¦u, 0¦ e [u[ = u
+
+ u

sono misurabili.
6
Osservazione. La funzione u si pu` o scrivere come ρ[u[, dove ρ `e misurabile e
[ρ(t)[ = 1. Sia infatti
E =
¸
t ∈ Ω : u(t) ≥ 0
¸
.
Notiamo che E `e misurabile. Definiamo allora
ρ(t) = χ
E
(t) −χ
E
C(t).
Osservazione. Le funzioni u
+
e u

sono dette rispettivamente parte positiva
e parte negativa di u. Inoltre, u = u
+
− u

`e una rappresentazione della u che
soddisfa la seguente propriet` a di minimalit` a: se u = u
1
−u
2
, con u
1
≥ 0 e u
2
≥ 0,
allora u
+
≤ u
1
e u

≤ u
2
.
Teorema 1.5. Sia (Ω, M) uno spazio misurabile, sia X uno spazio topologico, e sia
f : Ω → X.
- La collezione N degli insiemi E ⊂ X tali che f
−1
(E) ∈ M `e una σ-algebra su
X.
- Se f `e misurabile e E ∈ B(X) allora f
−1
(E) ∈ M.
- Se X = [−∞, ∞] e f
−1
((a, ∞]) ∈ M per ogni a ∈ R, allora f `e misurabile.
dimostrazione. Il primo e il terzo punto li lasciamo per esercizio. Per quanto
riguarda il secondo, dato che f `e misurabile N contiene tutti gli aperti di X, e
quindi N ⊃ B(X).
Osservazione. Si noti che nel terzo punto si poteva equivalentemente richiedere
che f
−1
([a, ∞]) ∈ M, f
−1
([−∞, a)) ∈ M, oppure f
−1
([−∞, a]) ∈ M.
Osservazione. In particolare, se f `e Borel misurabile, le controimmagini di
Boreliani sono Boreliani.
Esercizio 3. Mostrare che il Teorema 1.2 continua a valere se g `e solo Borel
misurabile.
Consideriamo infine successioni di funzioni misurabili f
n
a valori in [−∞, ∞].
Diciamo che f `e il limite puntuale di f
n
se
f(t) = lim
n→∞
f
n
(t), ∀t ∈ Ω.
Analogamente definiamo le funzioni

sup
n
f
n

(t) = sup
n
f
n
(t),

limsup
n→∞
f
n

(t) = limsup
n→∞
f
n
(t),
e le corrispondenti con l’inf. Vogliamo mostrare che la misurabilit` a `e una nozione
stabile per passaggi al limite.
7
Teorema 1.6. Sia (Ω, M) uno spazio misurabile, e sia f
n
: Ω → [−∞, ∞] una
successione di funzioni misurabili. Allora
2
g = sup
n
f
n
e h = limsup
n→∞
f
n
sono misurabili.
dimostrazione. La misurabilit`a di g segue dal fatto che
g
−1
((a, ∞]) =
¸
n
f
−1
n
((a, ∞]).
Il risultato identico si ottiene prendendo l’inf al posto del sup. Infine, poich´e
h(t) = inf
n≥1

sup
k≥n
f
k
(t)
¸
,
concludiamo che anche h `e misurabile.
Corollario 1.7. Il limite puntuale di una successione di funzioni misurabili, quando
esiste, `e misurabile.
1.2 Funzioni semplici
Definizione. Sia (Ω, M) uno spazio misurabile. Una funzione misurabile s : Ω →R
`e detta semplice se s(Ω) consiste di un numero finito di valori. Dunque
s(t) =
N
¸
n=1
a
n
χ
En
(t),
dove gli a
n
sono numeri reali distinti tra loro, e gli E
n
sono insiemi misurabili
disgiunti tali che Ω =
¸
N
n=1
E
n
.
Teorema 1.8. Sia (Ω, M) uno spazio misurabile e sia f : Ω → [0, ∞] misurabile.
Allora esiste una successione di funzioni semplici s
n
tale che
0 ≤ s
1
≤ ≤ f
e
s
n
(t) → f(t), ∀t ∈ Ω.
dimostrazione. Fissiamo n ∈ N, e suddividiamo l’intervallo [0, n) in n2
n
intervallini I
j
= [a
j
, b
j
), ciascuno di lunghezza pari a 2
−n
. Poniamo quindi
E
0
= f
−1
([n, ∞]) e E
j
= f
−1
(I
j
). Definiamo allora
s
n
= nχ
E
0
+
k
¸
j=1
a
j
χ
E
j
.
Notiamo che s
n
≤ s
n+1
. Se f(t) = ∞, allora s
n
(t) = n per ogni n. Se f(t) < ∞,
allora f(t) < n da un certo n in poi, e 0 ≤ f(t) −s
n
(t) ≤ 2
−n
.
2
Data una successione numerica a
n
si ha limsup
n→∞
a
n
= inf
n≥0
sup
k≥n
a
k
e liminf
n→∞
a
n
= sup
n≥0
inf
k≥n
a
k
.
8
Osservazione. Si evince dalla dimostrazione che se f `e limitata, allora vale il
risultato pi` u forte
lim
n→∞

sup
t∈Ω
[f(t) −s
n
(t)[

= 0.
In questo caso, la convergenza `e detta uniforme.
1.3 Misure
Definizione. Sia (Ω, M) uno spazio misurabile. Una funzione µ : M → [0, ∞] si
dice misura positiva (o, pi` u semplicemente, misura) se `e numerabilmente additiva,
ovvero, data una successione di insiemi disgiunti E
n
∈ M, si ha che
3
µ

¸
n
E
n

=
¸
n
µ(E
n
).
Per evitare casi banali, assumiamo inoltre che µ(E) < ∞ per almeno un E ∈ M.
La terna (Ω, M, µ) `e detta spazio di misura.
Si noti che il valore ∞ `e ammissibile. La misura che assegna ad ogni insieme
il valore 0 `e la misura banale. Una misura si dice finita se µ(Ω) < ∞. Infine,
una misura definita sulla σ-algebra di Borel di uno spazio topologico Ω `e chiamata
misura di Borel su Ω.
Osservazione. Se Ω
0
∈ M, allora (Ω
0
, M[

0
, µ[
M|

0
) `e uno spazio di misura.
Propriet`a immediate. Sia (Ω, M, µ) uno spazio di misura.
(i) µ(∅) = 0;
(ii) µ `e finitamente additiva, ovvero dati E, F ∈ M con E ∩ F = ∅, segue che
µ(E ∪ F) = µ(E) + µ(F);
(iii) µ `e monotona, ovvero dati E, F ∈ M con E ⊂ F, allora µ(E) ≤ µ(F);
(iv) dati E, F ∈ M con E ⊂ F, se µ(E) < ∞ allora µ(F −E) = µ(F) −µ(E);
(v) µ(E
n
) → µ(E) se E =
¸
E
n
, E
n
∈ M e E
1
⊂ E
2
⊂ ;
(vi) µ(E
n
) → µ(E) se E =
¸
E
n
, E
n
∈ M, E
1
⊃ E
2
⊃ e µ(E
1
) < ∞.
Verifichiamo le propriet` a enunciate. Per verificare la (i), sia E ∈ M tale che
µ(E) < ∞. Si ponga dunque E
1
= E, E
2
= E
3
= = ∅ e si applichi l’additivit` a
numerabile. Analogamente, per la (ii) sia E
1
= E, E
2
= F, E
3
= E
4
= = ∅.
La (iii) e la (iv) si ottengono notando che F = E ∪ (F − E), e applicando la (ii).
3
Poich´e
¸
n
µ(E
n
) `e una serie a termini positivi, converge (o diverge) incondizionatamente.
9
Per quanto riguarda la (v), si ponga F
1
= E
1
, F
n
= E
n
− E
n−1
. Allora gli F
n
sono
misurabili e disgiunti. Inoltre E
n
= F
1
∪ ∪ F
n
, e E =
¸
n
F
n
. Quindi,
µ(E
n
) =
n
¸
j=1
µ(F
j
) e µ(E) =

¸
j=1
µ(F
j
).
Infine, per la (vi) sia F
n
= E
1
−E
n
. Dunque F
1
⊂ F
2
⊂ , e
µ(F
n
) = µ(E
1
) −µ(E
n
)
(qui stiamo usando il fatto che µ(E
1
) < ∞). Utilizzando la (v) concludiamo che
µ(E
1
) −µ(E) = µ(E
1
−E) = lim
n→∞
µ(F
n
) = µ(E
1
) − lim
n→∞
µ(E
n
).
Esercizio 4. Verificare che se µ(E ∩ F) < ∞, allora
µ(E ∪ F) = µ(E) + µ(F) −µ(E ∩ F).
Esercizio 5. Mostrare che la misura `e una funzione numerabilmente subadditiva,
cio`e, data una qualsiasi successione E
n
∈ M, si ha che
µ

¸
n
E
n


¸
n
µ(E
n
).
Banalmente, `e anche finitamente subadditiva.
Esercizio 6. Sia µ : M → [0, ∞] (non identicamente infinita) una funzione nu-
merabilmente subadditiva e finitamente additiva. Mostrare che µ `e una misura.
Esempi. Sia Ω un insieme non vuoto. Definiamo due misure µ
c
e δ
t
su {(Ω)
ponendo
µ
c
(E) =

n, se E contiene n elementi,
∞, se E contiene ∞ elementi,
e
δ
t
(E) =

1, se t ∈ E,
0, se t ∈ E.
dove t `e un elemento fissato di Ω. La µ
c
`e detta misura del conteggio, mentre la
δ
t
`e detta misura di Dirac (o anche misura di concentrazione) a t.
Osservazione. Consideriamo (N, {(N), µ
c
), e sia E
n
= ¦n, n+1, . . .¦. Eviden-
temente E
1
⊃ E
2
⊃ e
¸
E
n
= ∅. Tuttavia,
∞ = µ(E
n
) → µ(∅) = 0.
Si evince dunque l’importanza della richiesta µ(E
1
) < ∞ nella propriet`a (vi)
della misura.
10
Riportiamo infine senza dimostrazione il seguente risultato di unicit` a.
Teorema 1.9 (Dynkin). Sia M la σ-algebra su Ω generata da un certo c ⊂ {(Ω).
Assumiamo che c sia chiuso rispetto all’intersezione, e che esista una successione
E
n
∈ c tale che Ω =
¸
n
E
n
. Se µ e ν sono due misure su M tali che µ(E
n
) < ∞ e
ν(E
n
) < ∞, e se µ e ν coincidono su c, allora µ = ν.
Esercizio 7. Mostrare che esiste (al pi` u) un’unica misura di Borel µ su R tale che
µ((a, b)) = b −a, per ogni a, b ∈ Q con a < b.
1.4 Completamento di una misura
Definizione. Sia (Ω, M, µ) uno spazio di misura. La misura µ `e completa se E ⊂ N
e µ(N) = 0 implica E ∈ M (e quindi µ(E) = 0).
Una misura potrebbe non essere completa. Ovviamente si pu` o pensare di com-
pletarla assegnando d’ufficio misura nulla a tutti i sottoinsiemi di insiemi di misura
nulla (e quindi allargando M). Si deve per` o verificare che questa procedura produca
una σ-algebra.
Teorema 1.10. Sia (Ω, M, µ) uno spazio di misura. Sia M

l’insieme ottenuto
aggiungendo a M tutti gli insiemi P tali che esistano E, F ∈ M con E ⊂ P ⊂ F e
µ(F − E) = 0. Si definisca quindi µ

(P) = µ(E). Allora (Ω, M

, µ

) `e uno spazio
di misura, µ

`e completa e µ

= µ su M. La misura µ

`e detta completamento di µ.
Lasciamo la dimostrazione per esercizio. Verifichiamo solo che µ

sia ben definita.
Siano infatti E
1
, E
2
, F
1
, F
2
∈ M e P ∈ {(Ω) tali che E
i
⊂ P ⊂ F
i
e µ(F
i
−E
i
) = 0.
Allora
E
1
−E
2
⊂ P −E
2
⊂ F
2
−E
2
.
Ma µ(F
2
−E
2
) = 0, da cui µ(E
1
−E
2
) = 0. Poich´e
E
1
= (E
1
−E
2
) ∪ (E
1
∩ E
2
),
ricaviamo che µ(E
1
) = µ(E
1
∩ E
2
). Allo stesso modo, dimostriamo che µ(E
2
) =
µ(E
1
∩ E
2
), e concludiamo che µ(E
1
) = µ(E
2
).
Gli elementi di M

sono dunque della forma E∪N (unione disgiunta), con E ∈ M
e µ

(N) = 0. Dato che, come si `e visto, una misura pu` o essere sempre completata,
`e ragionevole lavorare con misure complete.
11
2 La misura di Lebesgue
2.1 Misura esterna
Ci proponiamo ora di costruire una misura λ su R che abbia le seguenti propriet` a:
- λ((a, b)) = b −a;
- λ(E +a) = λ(E), E ⊂ R (invarianza per traslazioni).
Abbiamo qui usato un (comune) abuso di linguaggio. Infatti, come sappiamo, una
misura `e costruita non su un insieme ma su una σ-algebra. Ovviamente ci piac-
erebbe costruire una tale λ su {(R). Tuttavia ci`o non sar`a possibile. Infatti, dalla
monotonia della misura, ricaviamo che λ `e puramente non atomica, ovvero assegna
ai punti (atomi) misura nulla. Possiamo dunque avvelerci del seguente risultato
generale, che enunciamo senza dimostrazione.
Teorema 2.1 (Ulam). L’unica misura puramente non atomica definita su {(R) `e
la misura nulla.
4
Dato un intervallo I = (a, b) ⊂ R, definiamo (I) = b −a la sua lunghezza.
Definizione. Una funzione λ

: {(R) → [0, ∞], definita da
λ

(E) = inf
E⊂

n
In
¸
n
(I
n
), E ∈ {(R),
`e detta misura esterna in R.
Si noti che l’inf `e preso al variare delle possibili unioni numerabili degli intervalli
I
n
= (a
n
, b
n
). Molto diverso sarebbe definire λ

fin
(E), prendendo l’inf al variare delle
unioni finite. Ad esempio, λ

fin
sarebbe definita solo sugli insiemi limitati.
Esercizio 8. Sia D = [0, 1] ∩ Q. Mostrare che λ

(D) = 0, ma che λ

fin
(D) = 1.
Allo stesso modo, un qualsiasi insieme di cardinalit` a al pi` u numerabile ha misura
esterna nulla.
La misura esterna `e ovviamente monotona, ovvero,
E ⊂ F =⇒ λ

(E) ≤ λ

(F).
Inoltre vale la
Proposizione 2.2. La misura esterna `e numerabilmente subadditiva su {(R).
4
Il Teorema di Ulam fa uso dell’Assioma della Scelta e dell’Ipotesi del Continuo.
12
dimostrazione. Sia data una successione E
n
∈ {(R). Fissiamo ε > 0. Per
ogni n ∈ N, troviamo una collezione di intervalli I
n
j
tali che E
n

¸
j
I
n
j
e
¸
j
(I
n
j
) ≤ λ

(E
n
) +
ε
2
n
.
Ma
E =
¸
n
E
n

¸
n,j
I
n
j
,
da cui
λ

(E) ≤
¸
n
¸
j
(I
n
j
) ≤
¸
n
λ

(E
n
) + ε.
Dall’arbitrariet` a di ε segue la tesi.
Esercizio 9. Mostrare che la misura esterna soddisfa le due propriet` a richieste
alla misura λ che vogliamo costruire. In particolare,
λ

((a, b)) = λ

([a, b)) = λ

((a, b]) = λ

([a, b]) = b −a
(se a = −∞ oppure b = ∞ allora b −a = ∞).
Pertanto, se λ

fosse numerabilmente additiva, allora coinciderebbe con la misura
λ cercata, che sarebbe quindi definita su tutto {(R). Il Teorema di Ulam ci dice
che non `e cos`ı.
2.2 Costruzione della misura: condizione di Carath´eodory
In questo paragrafo ci proponiamo di costruire una σ-algebra L su R in modo tale
che la restrizione di λ

su L sia una misura.
Definizione. Un insieme E ∈ {(R) soddisfa la condizione di Carath´eodory se
λ

(T) = λ

(T ∩ E) + λ

(T ∩ E
C
), ∀T ∈ {(R). (C)
Osservazione. Poich´e λ

`e subadditiva, E soddisfa (C) se e solo se
λ

(T) ≥ λ

(T ∩ E) + λ

(T ∩ E
C
), ∀T ∈ {(R).
Abbiamo allora il
Teorema 2.3. L’insieme degli E che soddisfano (C) forma una σ-algebra, detta di
Lebesgue, su R, che viene indicata con L(R) o L. Inoltre la restrizione di λ

su L `e
numerabilmente additiva.
13
La dimostrazione, pur non essendo particolarmente complicata, `e piuttosto te-
diosa, e non la riportiamo. La restrizione di λ

su L, che d’ora in poi indicheremo
con λ, `e dunque una misura, detta misura di Lebesgue. Dato Ω ∈ L, chiamiamo
misura di Lebesgue su Ω la restrizione di λ su L(Ω) = L[

.
Esercizio 10. Mostrare che λ `e una misura completa.
Dobbiamo ora sincerarci che L sia significativamente grande, affinch´e λ sia di
qualche utilit` a per i nostri scopi.
Proposizione 2.4. L contiene B(R).
dimostrazione. Basta mostrare che l’intervallo (a, ∞) appartiene a L (si
verifichi per esercizio la bont` a di questa affermazione). Sia dunque T ∈ {(R).
Detti T
1
= T ∩ (a, ∞) e T
2
= T ∩ (−∞, a], dobbiamo verificare che
λ

(T) ≥ λ

(T
1
) + λ

(T
2
).
Sia λ

(T) < ∞(altrimenti non c’`e nulla da dimostrare). Fissato ε > 0, esiste una
collezione I
n
tale che
¸
I
n
⊃ T e
¸
n
(I
n
) ≤ λ

(T) + ε. Siano I
1
n
= I
n
∩ (a, ∞)
e I
2
n
= I
n
∩ (−∞, a +
ε
2
n
). Allora I
1
n
e I
2
n
sono intervalli aperti (uno dei due
potrebbe anche essere vuoto), e vale
(I
n
) +
ε
2
n
≥ (I
1
n
) + (I
2
n
).
Osservando che
¸
I
i
n
⊃ T
i
(i = 1, 2), risulta
λ

(T
i
) ≤
¸
n
(I
i
n
),
da cui
λ

(T
1
) + λ

(T
2
) ≤
¸
n
(I
1
n
) +
¸
n
(I
2
n
) ≤
¸
n
(I
n
) +
¸
n
ε
2
n
≤ λ

(T) + 2ε.
Facciamo infine tendere ε a 0.
La restrizione di λ su B(R) `e dunque una misura di Borel su R.
Riassumendo quanto visto fin qui, la misura di Lebesgue λ `e completa, invariante
per traslazione, rispetta la misura degli intervalli, misura tutti i Boreliani, assegna
misura finita ad ogni insieme limitato, assegna misura nulla ad ogni insieme nume-
rabile.
Essere numerabile `e dunque condizione sufficiente per avere misura nulla. Tut-
tavia esistono insiemi non numerabili di misura nulla.
Il Ternario di Cantor. Sia T
0
= [0, 1]. Definiamo gli insiemi T
n
nel seguente
modo. Dato T
n
, unione finita di intervalli chiusi di uguale lunghezza
n
= 3
−n
, sia
14
T
n+1
l’insieme ottenuto rimuovendo da ciascun intervallo di T
n
l’intervallo aperto
centrale di lunghezza
n
/3. Definiamo infine il Ternario di Cantor T =
¸
T
n
. Si
noti che T `e chiuso. Inoltre, essendo un intersezione di compatti non vuoti, `e non
vuoto. Infine T `e un insieme perfetto, cio`e un chiuso in cui tutti i punti sono di
accumulazione. Gli insiemi perfetti non vuoti hanno necessariamente cardinalit` a non
numerabile. Infine, calcolando la misura degli intervalli rimossi nella costruzione di
T si vede facilmente che λ(T) = 0.
Osservazione. Si pu` o ripetere la costruzione di T, eliminando intervalli di
lunghezza
n
= ε
n
3
−n
, con ε ∈ (0, 1). Allora si ottiene il cosiddetto Ternario di
Cantor generalizzato T
ε
, che condivide tutte le propriet`a di T tranne che
λ(T
ε
) =
3(1 −ε)
3 −2ε
.
Si noti che T
ε
`e un insieme di misura positiva che non contiene intervalli.
Esercizio 11. Sia E ⊂ [0, 1] l’insieme dei numeri reali privi della cifra 7 nello
sviluppo decimale. Calcolare λ(E).
Esercizio 12.
`
E possibile mostrare che la cardinalit` a di B(R) `e uguale alla cardi-
nalit` a degli aperti di R, che a sua volta `e uguale alla cardinalit` a di R. Usando questo
fatto, dimostrare che L contiene strettamente B(R). [Suggerimento: L `e completa
e contiene insiemi di misura nulla non numerabili]
Riportiamo infine alcune importanti propriet`a della misura di Lebesgue di verifica
immediata.
Proposizione 2.5. Sia E ∈ L. Allora
(i) ∀ε > 0 ∃ A ⊃ E, A aperto, tale che λ(A −E) < ε;
(ii) ∀ε > 0 ∃ C ⊂ E, C chiuso, tale che λ(E −C) < ε;
(iii) ∃ G ⊃ E, G ∈ G
δ
, tale che λ(G−E) = 0;
(iv) ∃ F ⊂ E, F ∈ F
σ
, tale che λ(E −F) = 0.
Una misura che soddisfa le propriet` a (i) e (ii) si dice regolare. In particolare, i
punti (iii) e (iv) ci dicono che un insieme misurabile differisce da un Boreliano per
un insieme di misura nulla. Quindi λ `e il completamento della particolare misura di
Borel ottenuta restringendo λ su B(R).
Esercizio 13. Sia f : R → R una funzione misurabile secondo Lebesgue, e si
consideri la funzione
φ(x) = λ
¸
t : f(t) > x
¸
.
Mostrare che φ `e continua da destra ma, in generale, non da sinistra.
15
La misura di Lebesgue in R
N
. Sebbene per semplicit` a di esposizione abbiamo
lavorato in R, nulla di quanto detto cambia se si lavora in R
N
. In tal caso, gli inter-
valli nella definizione della misura esterna sono sostituiti dalle N-celle. Si costruisce
pertanto la misura di Lebesgue in R
N
, definita sulla σ-algebra L(R
N
).
2.3 Insiemi non misurabili
Abbiamo anticipato che L non coincide con {(R). Ci` o equivale a dire che esistono in-
siemi non misurabili. Dimostriamo allora che ogni intervallo (pi` u in generale, questo
`e vero per ogni insieme di misura positiva) contiene un insieme non misurabile. Per
semplicit` a, consideriamo [0, 1]. Ripartiamo [0, 1] in classi di equivalenza nel seguente
modo: diciamo che a ∼ b se a−b ∈ Q. Selezioniamo ora un rappresentante per ogni
classe di equivalenza
5
, e chiamiamo P l’insieme formato dai rappresentanti scelti.
Affermiamo che P non `e misurabile. Dimostreremo l’asserto assumendo che lo sia,
e raggiungeremo un assurdo. Notiamo che P soddisfa due propriet` a:
- (P + r) ∩ (P +s) = ∅, per ogni r, s ∈ Q, r = s;
- Ogni t ∈ R appartiene a (P +r), per un certo r ∈ Q.
Usando l’invarianza per traslazioni di λ ricaviamo che λ(P) = λ(P +r). Quindi, in
virt` u delle due propriet`a appena viste,
R =
¸
r∈Q
(P +r) =⇒ ∞ = λ(R) =
¸
r∈Q
λ(P +r) =
¸
r∈Q
λ(P),
da cui segue che λ(P) > 0. Ma allora, detto
E =
¸
r∈Q∩[0,1]
(P +r),
risulta
λ(E) =
¸
r∈Q∩[0,1]
λ(P) = ∞,
cosa che confligge con E ⊂ [0, 2].
3 Integrazione astratta
3.1 Integrazione di funzioni positive
Nel corso di questo paragrafo, sia (Ω, M, µ) uno spazio di misura. Consideriamo
funzioni misurabili positive, ovvero a valori in [0, ∞]. Per poter estendere le nozioni
5
Qui stiamo utilizzando l’Assioma della Scelta.
16
di misurabilit`a viste nelle sezioni precedenti, e per poter definire l’integrale su insiemi
di misura infinita, dobbiamo stipulare una convenzione per trattare ∞. Definiamo
dunque, per a ∈ [0, ∞],
a +∞ = ∞+a = ∞, a ∞ = ∞ a =

∞, a = 0,
0, a = 0.
Con questa convenzione, somme e prodotti di funzioni misurabili a valori in [0, ∞]
sono misurabili. La cosa si pu` o dimostrare approssimando con funzioni semplici, e
notando che se a
n
↑ a e b
n
↑ b allora a
n
b
n
↑ ab (con a, b ∈ [0, ∞]).
Definizione. Sia s : Ω → [0, ∞) una funzione semplice misurabile della forma
s(t) =
N
¸
n=1
a
n
χ
En
(t).
Se E ∈ M, definiamo l’integrale di s su E come

E
sdµ =
N
¸
n=1
a
n
µ(E
n
∩ E).
Qui abbiamo usato la convenzione 0 ∞ = 0; pu`o infatti accadere che a
n
= 0 per
qualche n ma µ(E
n
∩ E) = ∞. Osserviamo che, poich´e sχ
E
=
¸
n
a
n
χ
En∩E
,

E
sdµ =



E
dµ.
Definizione. Sia f : Ω → [0, ∞] una funzione misurabile, e sia E ∈ M. Definiamo
l’integrale di Lebesgue della f su E (rispetto alla misura µ) il valore
6

E
fdµ = sup

E
sdµ ∈ [0, ∞],
dove il sup `e preso al variare delle funzioni semplici misurabili s tali che 0 ≤ s ≤ f.
Notiamo che se f `e semplice, allora il sup `e in realt` a un max. Inoltre, per ogni
f misurabile,

E
fdµ =



E
dµ.
Propriet`a immediate. Le funzioni che compaiono sono misurabili a valori in
[0, ∞], e gli insiemi sono misurabili.
- Se f ≤ g allora

E
fdµ ≤

E
gdµ.
6
Per sottolineare quale sia la variabile di integrazione si usa talvolta la notazione

E
f(t)dµ(t).
17
- Se E ⊂ F allora

E
fdµ ≤

F
fdµ.
- Se α ≥ 0 allora

E
αfdµ = α

E
fdµ.
- Se f(t) = 0 per ogni t ∈ E allora

E
fdµ = 0, anche se µ(E) = ∞.
- Se µ(E) = 0 allora

E
fdµ = 0, anche se f(t) = ∞ per ogni t ∈ E.
Esercizio 14. Sia s : Ω → [0, ∞) una funzione semplice misurabile. Mostrare che
ν(E) =

E
sdµ
definisce una misura su M.
Esercizio 15. Siano s
1
, s
2
: Ω → [0, ∞) due funzioni semplici misurabili. Di-
mostrare l’uguaglianza

E
(s
1
+s
2
)dµ =

E
s
1
dµ +

E
s
2
dµ.
Veniamo ora alle propriet`a di passaggio al limite dell’integrale di Lebesgue.
Teorema 3.1 (Convergenza Monotona). Sia f
n
: Ω → [0, ∞] una successione di
funzioni misurabili tali che
f
1
(t) ≤ f
2
(t) ≤ ≤ ∞, ∀t ∈ Ω.
Definendo f(t) = lim
n→∞
f
n
(t), allora f `e misurabile e
lim
n→∞


f
n
dµ =


fdµ.
dimostrazione. Osserviamo subito che f `e misurabile, essendo limite pun-
tuale di funzioni misurabili. Inoltre la successione


f
n
dµ `e monotona crescente.
Pertanto esiste α ∈ [0, ∞] tale che
lim
n→∞


f
n
dµ = α.
Dato che


f
n
dµ ≤


fdµ per ogni n, abbiamo che
α ≤


fdµ.
Sia s una funzione semplice tale che 0 ≤ s ≤ f, e sia c ∈ (0, 1). Definiamo
E
n
=
¸
t ∈ Ω : f
n
(t) ≥ cs(t)
¸
.
18
Notiamo i seguenti fatti:
- E
n
`e misurabile: infatti, detto M = max
t∈Ω
s(t), E
n
`e la controimmagine di
[M, ∞] (che `e un insieme chiuso) della funzione f
n
+(M −cs), che `e misurabile,
essendo somma di due funzioni misurabili positive.
- E
1
⊂ E
2
⊂ : questo segue dalla monotonia di f
n
.
-
¸
n
E
n
= Ω: infatti se f(t) = 0 allora t ∈ E
1
; se f(t) > 0 allora cs(t) < f(t)
(poich´e c < 1), e quindi cs(t) < f
n
(t) da un certo n in poi.
Evidentemente,
α ≥


f
n
dµ ≥

En
f
n
dµ ≥ c

En
sdµ.
L’integrale di destra `e una misura, e pertanto per le propriet` a della misura otte-
niamo
α ≥ c


sdµ.
Questa disuguaglianza vale per ogni c < 1, e quindi anche al limite, ovvero
α ≥


sdµ.
Facendo ora il sup al variare delle s semplici tali che 0 ≤ s ≤ f, otteniamo infine
α ≥


fdµ,
cio`e la disuguaglianza inversa.
Esercizio 16. Siano f, g : Ω → [0, ∞] due funzioni misurabili. Mostrare che


(f + g)dµ =


fdµ +


gdµ.
Corollario 3.2 (Convergenza Monotona per le Serie). Sia f
n
: Ω → [0, ∞] una
successione di funzioni misurabili, e sia
f(t) =

¸
n=1
f
n
(t).
Allora


fdµ =

¸
n=1


f
n
dµ.
dimostrazione. [Esercizio]
19
Osservazione. Se µ `e la misura del conteggio su un insieme numerabile, il
corollario appena visto ci fornisce un risultato noto sulle serie doppie di numeri
non negativi. Precisamente, se a
nk
≥ 0 allora

¸
n=1

¸
k=1
a
nk
=

¸
k=1

¸
n=1
a
nk
.
Esercizio 17. Utilizzando il Teorema della Convergenza Monotona per le Serie,
dimostrare che
7

1
0
log t
t −1
dt =

¸
n=1
1
n
2
.
[Suggerimento: sviluppare in serie
1
t−1
]
Il lemma seguente stabilisce un legame tra il limite degli integrali e l’integrale
del limite, senza ipotesi aggiuntive.
Lemma 3.3 (Fatou). Sia f
n
: Ω → [0, ∞] una successione di funzioni misurabili.
Allora

liminf
n→∞
f
n

dµ ≤ liminf
n→∞


f
n
dµ.
dimostrazione. Sia
g
n
(t) = inf
k≥n
f
k
(t).
Ricordiamo che
liminf
n→∞
f
n
= sup
n
g
n
.
Evidentemente g
n
`e una successione monotona. Applicando quindi il Teorema
della Convergenza Monotona si ha
lim
n→∞


g
n
dµ =


lim
n→∞
g
n
dµ =


sup
n
g
n
dµ =

liminf
n→∞
f
n

dµ.
D’altro canto, g
n
≤ f
n
, da cui
lim
n→∞


g
n
dµ = liminf
n→∞


g
n
dµ ≤ liminf
n→∞


f
n
dµ,
da cui la tesi.
7
Stiamo qui in realt`a implicitamente utilizzando un risultato che verr`a discusso successivamente
nel '3.5, ovvero che una funzione positiva integrabile (anche solo impropriamente) secondo Riemann
`e integrabile secondo Lebesgue, e i due integrali coincidono.
20
Osservazione. Nel Lemma di Fatou pu` o valere la disuguaglianza forte anche
quando il limite inferiore `e un limite. Ad esempio, in (R, L, λ) sia
f
n
(t) =

1
n
, [t[ ≤ n,
0, [t[ > n.
Allora liminf
n→∞
f
n
(t) = lim
n→∞
f
n
(t) = 0, ma

R
f
n
dλ = 2.
Teorema 3.4 (Costruzione di Nuove Misure). Sia φ : Ω → [0, ∞] una funzione
misurabile. La funzione ν : M→ [0, ∞] definita da
ν(E) =

E
φdµ, E ∈ M,
`e una misura su M, e


fdν =


fφdµ,
per ogni f : Ω → [0, ∞] misurabile.
dimostrazione. Siano E
n
elementi disgiunti di M la cui unione sia E. Si
osservi che
φχ
E
=

¸
n=1
φχ
En
,
e che
ν(E) =


φχ
E
dµ, ν(E
n
) =


φχ
En
dµ.
Dal Corollario 3.2,
ν(E) =

¸
n=1
ν(E
n
).
Poich´e ν(∅) = 0, concludiamo che ν `e una misura. In particolare, la seconda
asserzione vale per ogni f = χ
E
, e dunque per ogni f semplice. Il caso generale
segue dal Teorema della Convergenza Monotona.
3.2 Integrazione di funzioni reali
Come prima, sia (Ω, M, µ) uno spazio di misura.
Definizione. Chiamiamo L
1
(Ω, M, µ) la collezione di tutte le funzioni misurabili
f : Ω →R tali che


[f[dµ < ∞.
21
Notiamo che la misurabilit` a di f implica la misurabilit` a di [f[.
`
E comunque
necessario richiedere la misurabilit`a di f, e non solo di [f[, in quanto `e banale
costruire una funzione non misurabile il cui modulo sia misurabile. Il significato
dell’esponente 1 in L
1
sar` a chiaro in seguito. Gli elementi di L
1
sono le funzioni
integrabili (o sommabili) secondo Lebesgue rispetto alla misura µ.
Definizione. Se f ∈ L
1
(Ω, M, µ) l’integrale di Lebesgue di f `e definito come
8


fdµ =


f
+
dµ −


f

dµ.
Dato che f
+
≤ [f[ e f

≤ [f[, entrambi gli integrali nella definizione sono finiti.
Lasciamo al lettore la verifica della seguente
Proposizione 3.5. Siano f, g ∈ L
1
, e sia α ∈ R. Allora αf +g ∈ L
1
e


(αf +g)dµ = α


fdµ +


gdµ.
Dunque L
1
(Ω, M, µ) `e uno spazio lineare, e l’integrale di Lebesgue `e un operatore
lineare a valori in R.
Esercizio 18. Sia f ∈ L
1
. Dimostrare la disuguaglianza


fdµ


[f[dµ.
Esempio. Consideriamo lo spazio di misura (N, {(N), µ
c
). In questo caso, le
funzioni misurabili sono le successioni reali, e l’integrale di Lebesgue non `e altro
che l’usuale serie numerica. Lo spazio L
1
(N, {(N), µ
c
) `e dato dalle successioni la
cui serie converge assolutamente.
Notazione. Se Ω = [a, b] e µ = λ `e la misura di Lebesgue, useremo talvolta
l’abituale notazione

b
a
f(t)dt =

[a,b]
fdλ, a < b,
0, a = b,

[b,a]
fdλ, a > b.
Enunciamo infine il risultato fondamentale sul passaggio al limite nell’integrale.
Teorema 3.6 (Convergenza Dominata). Sia f
n
: Ω →R una successione di funzioni
misurabili che converge puntualmente ad una funzione f. Assumiamo che esista
g ∈ L
1
tale che
[f
n
(t)[ ≤ g(t), ∀t ∈ Ω, ∀n ∈ N.
8
Allo stesso modo si pu`o definire l’integrale di Lebesgue di una funzione misurabile a valori in
C il cui modulo sia sommabile.
22
Allora f ∈ L
1
, e
lim
n→∞


[f
n
−f[dµ = 0.
Prima di procedere alla dimostrazione, facciamo alcune osservazioni. Innanzi-
tutto, la tesi del teorema implica banalmente il limite
lim
n→∞


f
n
dµ =


fdµ.
Si noti che f
n
∈ L
1
(Ω, M, µ), in quanto maggiorata in modulo dalla funzione g
(detta dominante).
dimostrazione. Dalle ipotesi, f `e misurabile e [f[ ≤ g. Dunque f ∈ L
1
.
Consideriamo la successione di funzioni positive
φ
n
= 2g −[f
n
−f[.
Applicando il Lemma di Fatou, otteniamo


2gdµ ≤ liminf
n→∞


φ
n
dµ =


2gdµ + liminf
n→∞


[f
n
−f[dµ

.
Sottraendo il valore (finito)


2gdµ ad ambo i membri, concludiamo che
0 ≤ liminf
n→∞


[f
n
−f[dµ

= −limsup
n→∞


[f
n
−f[dµ.
Quindi limsup
n→∞


[f
n
−f[dµ = 0, da cui lim
n→∞


[f
n
−f[dµ = 0.
Esercizio 19. Costruire una successione f
n
: Ω →R che converge puntualmente a
f tale che
lim
n→∞


f
n
dµ =


fdµ,
ma
lim
n→∞


[f
n
−f[dµ = 0.
Esercizio 20. Costruire una successione f
n
: Ω →R che converge puntualmente a
f tale che
lim
n→∞


[f
n
−f[dµ = 0,
ma tale che non esista alcuna funzione dominante in L
1
. Concludere che il Teorema
della Convergenza Dominata fornisce una condizione solo sufficiente.
Esercizio 21. Calcolare
lim
n→∞

1
0
e
−nt
−(1 −t)
n
t
dt.
[Suggerimento: utilizzare l’uguaglianza 1 −e
nt
(1 −t)
n
=

t
0
ne

τ(1 −τ)
n−1
dτ]
23
3.3 Cambiamento di variabili
Siano (Ω, M) e (Ω

, M

) due spazi misurabili, e sia φ : Ω → Ω

una mappa tale che
φ
−1
(E

) ∈ M, ∀E

∈ M

.
Data una misura µ su M, la funzione
ν(E

) = µ(φ
−1
(E

)), E

∈ M

,
definisce una misura su M

. Si noti che se una funzione (positiva o reale) f definita
su Ω

`e M

-misurabile, segue che la funzione f ◦ φ definita su Ω `e M-misurabile.
Vale allora il
Teorema 3.7 (Cambiamento di Variabili). Se f : Ω

→ [0, ∞] `e M

-misurabile,
allora

fdν =


f ◦ φdµ.
La stessa uguaglianza vale per f ∈ L
1
(Ω

, M

, ν). In tal caso f ◦ φ ∈ L
1
(Ω, M, µ).
Esercizio 22. Dimostrare il Teorema 3.7. [Suggerimento: si considerino dapprima
funzioni semplici, e si applichi il Teorema della Convergenza Monotona]
3.4 Il ruolo degli insiemi di misura nulla
Per costruzione, l’integrale di Lebesgue non “vede” gli insiemi di misura nulla.
`
E
infatti immediato constatare dalla definizione che se due funzioni differiscono su un
insieme di misura nulla allora i loro integrali sono uguali. Cerchiamo di trarre delle
conclusioni da questo fatto.
Definizione. Sia (Ω, M, µ) uno spazio di misura, e sia P una propriet` a che un punto
t ∈ Ω pu` o avere o non avere. Ad esempio, assegnata una funzione reale f su Ω, P
pu` o essere la propriet`a “f(t) > 0”. Diciamo che P vale quasi ovunque se l’insieme
dei punti di Ω per i quali P non vale ha misura nulla.
Ovviamente la locuzione “quasi ovunque” `e strettamente riferita alla misura µ
in considerazione.
Notazione. Quando Ω ⊂ R, senza ulteriori specificazioni, la relazione “quasi
ovunque” sar` a sempre intesa rispetto alla misura di Lebesgue.
Date dunque due funzioni f, g su Ω, diremo che f = g quasi ovunque se
µ
¸
t ∈ Ω : f(t) = g(t)
¸
= 0.
L’uguaglianza quasi ovunque `e una relazione di equivalenza. Per evitare problemi
logici, supporremo di lavorare con una misura µ completa. Possiamo allora esten-
dere in modo vantaggioso la nozione di funzione misurabile. Tanto per cominciare,
non `e necessario avere funzioni definite su tutto Ω: basta che siano definite su un
sottoinsieme Ω
0
⊂ Ω tale che µ(Ω
C
0
) = 0.
24
Definizione. Una funzione f : Ω → X (X spazio topologico) `e misurabile se esiste
un insieme Ω
0
⊂ Ω con µ(Ω
C
0
) = 0 tale che per ogni aperto A ⊂ X l’insieme
f
−1
(A) ∩ Ω
0
`e misurabile.
Se la misura, come supponiamo, `e completa, possiamo ridefinire in modo arbi-
trario la f su Ω
C
0
, ottenendo una funzione misurabile nel senso vecchio. Inoltre,
tutte le funzioni cos`ı costruite sono uguali quasi ovunque.
Allo stesso modo, diciamo che una f `e essenzialmente limitata se esiste M ≥ 0
tale che
µ
¸
t ∈ Ω : [f(t)[ > M
¸
= 0.
Qualche problema in pi` u lo pone la continuit`a, che, notoriamente, `e una nozione
puntuale. Sia dunque f : Ω → X, e sia E l’insieme dei punti di discontinuit` a di
f. Diciamo che f `e quasi ovunque continua se µ(E) = 0. Chiaramente le funzioni
quasi ovunque continue sono misurabili (nel nuovo senso).
Osservazione. Si noti bene che una funzione quasi ovunque continua pu`o non
essere uguale quasi ovunque ad una funzione continua (ad esempio, la funzione
gradino); viceversa, una funzione uguale quasi ovunque a una funzione continua
pu` o non essere quasi ovunque continua (ad esempio, la funzione di Dirichlet).
Esercizio 23. Sia f : Ω ⊂ R → R Lebesgue misurabile. Mostrare che esiste
g : Ω ⊂ R →R Borel misurabile uguale a f quasi ovunque.
In conclusione, possiamo riformulare la teoria gi`a vista rimpiazzando “ovunque”
con “quasi ovunque”. In particolare, valgono i Teoremi della Convergenza Mono-
tona e Dominata richiedendo, rispettivamente, la monotonia di f
n
(t) e la conver-
genza puntuale solo quasi ovunque, cio`e per quasi tutti i t ∈ Ω. Vediamo allora un
corollario del Teorema della Convergenza Dominata.
Teorema 3.8 (Convergenza Dominata per le Serie). Sia f
n
∈ L
1
tale che

¸
n=1


[f
n
[ < ∞.
Allora f =
¸

n=1
f
n
∈ L
1
e


fdµ =

¸
n=1


f
n
dµ.
Omettiamo per ora la dimostrazione, che ritroveremo pi` u avanti in un contesto
pi` u generale (cfr. Teorema II.1.13).
Osservazione. Vi `e tuttavia una circostanza in cui la scelta del rappresentante
`e influente: se consideriamo la composizione di funzioni f ◦ g, la f deve neces-
sariamente essere una funzione ben definita. Banalmente, se g `e uguale a una
certa costante c e alteriamo il valore di f nel solo punto c, allora otteniamo una
funzione completamente diversa.
25
Esercizio 24. Dimostrare l’Additivit`a Numerabile dell’Integrale: Sia f : Ω → R
misurabile, e sia E
n
una successione di sottoinsiemi misurabili di Ω a due a due
disgiunti tali che
¸
n
E
n
= Ω. Allora
f ∈ L
1
(Ω, M, µ) ⇐⇒
¸
n

En
[f[dµ < ∞.
In tal caso,


fdµ =
¸
n

En
fdµ.
Esercizio 25. Utilizzando l’Additivit` a Numerabile dell’Integrale dimostrare che
sin t
t
∈ L
1
(R, L, λ).
Proposizione 3.9. Sia f ∈ L
1
(Ω, M, µ), f ≥ 0 quasi ovunque, tale che


fdµ = 0.
Allora f = 0 quasi ovunque.
dimostrazione. Sia E
n
=
¸
t ∈ Ω : f(t) >
1
n
¸
. Allora µ(E
n
) = 0, altrimenti
si avrebbe


fdµ ≥
1
n
µ(E
n
) > 0.
Se f(t) > 0, allora t ∈ E
n
per qualche n. Ma µ
¸
n
E
n

= 0, e quindi f = 0
quasi ovunque.
Lo spazio quoziente L
1
. Per quanto visto, `e inutile distinguere funzioni uguali
quasi ovunque. Introduciamo allora lo spazio L
1
(Ω, M, µ) ottenuto quozientando
L
1
(Ω, M, µ) rispetto alla relazione di equivalenza “uguale quasi ovunque”. Gli ele-
menti di L
1
sono dunque classi di equivalenza di funzioni. Poich´e i rappresentanti
di una stessa classe di equivalenza sono di fatto indistinguibili, con abuso di lin-
guaggio si `e soliti parlare di “funzioni” di L
1
. Ad esempio, se diciamo che f ∈ L
1
`e continua, significa che nella classe di equivalenza della f esiste un rappresentante
continuo (ovviamente unico). Come vedremo, lo spazio L
1
`e uno spazio normato con
la norma


[f[dµ. Si noti che la Proposizione 3.9 d` a la propriet` a dell’annullamento
della norma.
26
3.5 Integrazione secondo Riemann e secondo Lebesgue
In questo paragrafo illustriamo le relazioni intercorrenti tra l’integrale di Riemann
e l’integrale di Lebesgue (rispetto alla misura di Lebesgue su R). Enunciamo senza
dimostrazione il risultato principale.
Teorema 3.10. Sia f : (a, b) → R una funzione limitata. Allora f `e Riemann
integrabile su (a, b) se e solo se f `e continua quasi ovunque su (a, b) (rispetto alla
misura di Lebesgue λ).
Se dunque f : (a, b) → R `e Riemann integrabile su (a, b), allora f `e misurabile
secondo Lebesgue, ed essendo limitata
9
segue che `e Lebesgue integrabile.
Esercizio 26. Mostrare che se f : (a, b) → R `e Riemann integrabile allora
l’integrale di f secondo Riemann coincide con l’integrale di f secondo Lebesgue.
[Suggerimento: f = f
+
−f

; si applichi il Teorema della Convergenza Monotona a
entrambe le funzioni]
Pertanto, l’integrale di Lebesgue `e una generalizzazione dell’integrale di Rie-
mann. Ci si pu`o tuttavia chiedere se tale generalizzazione sia solo apparente. Ad
esempio, `e ben noto che la funzione di Dirichlet non `e Riemann integrabile; tuttavia,
essa `e uguale quasi ovunque ad una funzione Riemann integrabile (la funzione nulla).
Sciogliamo il dubbio con il seguente esempio.
Esempio. Sia T
ε
un insieme di Cantor generalizzato di misura positiva. La
sua funzione caratteristica χ

`e discontinua esattamente su T
ε
. Se nella sua
classe di equivalenza esistesse una funzione Riemann integrabile, questa dovrebbe
essere allo stesso tempo continua quasi ovunque e uguale a χ

quasi ovunque.
Ovviamente le due cose sono inconciliabili. Incidentalmente, T
C
ε
`e un esempio di
insieme aperto non misurabile secondo Peano-Jordan.
10
Il discorso si complica leggermente se consideriamo integrali di Riemann impropri
(quando cio`e il dominio di integrazione non sia limitato, o la f non sia limitata).
Proposizione 3.11. Sia f : (a, b) →R, con −∞ ≤ a < b ≤ ∞, Riemann integrabile
in senso improprio. Se f `e di segno costante
11
allora f `e Lebesgue integrabile, e i
due integrali coincidono.
dimostrazione. Supponiamo f ≥ 0. Sia (a, b) =
¸
E
n
, dove ciascun E
n
`e
un intervallo su cui f `e Riemann integrabile. Ponendo F
n
=
¸
n
k=1
E
k
, definia-
mo f
n
= fχ
Fn
. Notiamo che f
n
↑ f, dunque dal Teorema della Convergenza
Monotona abbiamo che
lim
n→∞

(a,b)
f
n
dλ =

(a,b)
fdλ.
9
Ricordiamo che una funzione non limitata non `e Riemann integrabile (in senso proprio).
10
La misura di Peano-Jordan di un sottoinsieme di R `e l’integrale di Riemann (improprio, se
l’insieme non `e limitato) della sua funzione caratteristica.
11
Non cambia nulla se si richiede che f cambi segno un numero finito di volte.
27
D’altro canto, il limite di sinistra converge all’integrale improprio secondo Rie-
mann della f su (a, b).
3.6 Convergenza puntuale, uniforme e in L
1
Sia (Ω, M, µ) uno spazio di misura, e siano f
n
, f : Ω → R funzioni misurabili.
Abbiamo finora gi` a incontrato, pi` u o meno implicitamente, tre tipi di convergenze.
- Convergenza puntuale quasi ovunque : f
n
q.o.
→ f se, detto
E =

t ∈ Ω : lim
n→∞
f
n
(t) = f(t)
¸
,
allora µ(E) = 0.
- Convergenza uniforme : f
n
u
→ f se
lim
n→∞

sup
t∈Ω
[f
n
(t) −f(t)[

= 0.
- Convergenza in L
1
: f
n
L
1
→ f se
lim
n→∞


[f
n
−f[dµ = 0.
Ci proponiamo di illustrare i legami tra le diverse nozioni di convergenza.
`
E evidente l’implicazione f
n
u
→ f =⇒ f
n
q.o.
→ f. Il viceversa `e falso, anche se
f
n
→ f ovunque, come mostra il seguente esempio.
Esempio. Consideriamo la successione di funzioni su [0, 1]
f
n
(t) =

nt, t ≤
1
n
,
2 −nt,
1
n
< t ≤
2
n
,
0, t >
2
n
.
Allora per ogni t ∈ [0, 1] si ha che f
n
(t) → 0, ma sup
t∈[0,1]
[f
n
(t)[ = 1 per ogni n.
Un risultato parziale `e il seguente
Teorema 3.12 (Egoroff). Sia µ(Ω) < ∞. Se f
n
→ f puntualmente quasi ovunque,
per ogni ε > 0 esiste un insieme E ⊂ Ω tale che µ(E
C
) < ε, e f
n
→ f uniformemente
su E.
dimostrazione. Poich´e f
n
q.o.
→ f, esiste Ω
0
⊂ Ω con µ(Ω
0
) = µ(Ω) tale che
f
n
(t) → f(t) per ogni t ∈ Ω
0
. Per ogni k ∈ N e per ogni t ∈ Ω
0
, sia n
0
= n
0
(k, t)
tale che
[f
n
(t) −f(t)[ <
1
k
, per n ≥ n
0
.
28
Definiamo allora, per k, m ∈ N,
E
k,m
=
¸
t ∈ Ω
0
: n
0
(k, t) ≤ m
¸
.
Per ogni k,
¸
m
E
k,m
= Ω
0
.
Inoltre, E
k,m
⊂ E
k,m+1
. Fissiamo ora ε > 0. Scegliamo per ogni k un valore m
k
tale che
µ(E
k,m
k
) > µ(Ω
0
) −
ε
2
k
= µ(Ω) −
ε
2
k
,
vale a dire,
µ(E
C
k,m
k
) <
ε
2
k
.
Infine, poniamo
E =
¸
k
E
k,m
k
.
Si noti che
µ(E
C
) = µ

¸
k
E
C
k,m
k


¸
k
µ(E
C
k,m
k
) < ε
¸
k
1
2
k
= ε.
Se t ∈ E, allora [f
n
(t) −f(t)[ <
1
k
per ogni n ≥ m
k
.
Osservazione. Nel Teorema di Egoroff l’ipotesi µ(Ω) < ∞ `e essenziale. Si
consideri ad esempio la successione di funzioni su R
f
n
(t) =

1, t ∈ [n, n + 1],
0, altrimenti.
Allora f
n
(t) → 0 per ogni t ∈ R, ma f
n
(t) = 1 su un insieme di misura 1.
Esercizio 27. Sia f
n
: [0, 1] → [0, ∞) una successione di funzioni continue tale che
f
n
(t) ↓ 0 per ogni t ∈ [0, 1] al tendere di n a ∞. Dimostrare che f
n
u
→ 0. Mostrare
che lo stesso risultato `e in generale falso se f
n
: (0, 1] → [0, ∞).
Venendo alla convergenza in L
1
, il risultato pi` u significativo `e il Teorema della
Convergenza Dominata, che stabilisce un legame con la convergenza puntuale quasi
ovunque. Esaminiamo la questione inversa: supponiamo di avere f
n
L
1
→ f. Allora
segue che f
n
q.o.
→ f ? La risposta `e negativa.
Esempio. Consideriamo la successione di sottoinsiemi E
n
di [0, 1] cos`ı definita:
E
n
= [
m
2
k
,
m+1
2
k
], per n = 2
k
+m, con m ∈
¸
0, 1, . . . 2
k
−1
¸
.
Allora χ
En
L
1
→ 0 su [0, 1] (con la misura di Lebesgue) ma χ
En
(t) → 0 per ogni
t ∈ [0, 1].
29
Vale tuttavia il seguente risultato, che dimostreremo in seguito (cfr. Corol-
lario II.1.14).
Proposizione 3.13. Sia f
n
L
1
→ f. Allora esiste una sottosuccessione f
n
k
tale che
f
n
k
q.o.
→ f.
Esercizio 28. Sia µ(Ω) < ∞. Mostrare che se f
n
u
→ f allora f
n
L
1
→ f. Mostrare
che lo stesso risultato `e in generale falso omettendo l’ipotesi µ(Ω) < ∞.
4 Differenziazione e integrazione
4.1 Il Teorema di Radon-Nykodym
Sia (Ω, M, µ) uno spazio di misura. Abbiamo precedentemente dimostrato (si veda
il Teorema 3.4) che, fissata una funzione misurabile φ : Ω → [0, ∞],
ν(E) =

E
φdµ, E ∈ M,
`e una misura su M, e


fdν =


fφdµ,
per ogni f : Ω → [0, ∞] misurabile. La funzione φ viene spesso indicata con il
simbolo


, ed `e detta derivata di Radon-Nykodym della ν rispetto alla µ.
Esercizio 29. Sia f : Ω → R misurabile. Dimostrare che f ∈ L
1
(Ω, M, ν) se e
solo se fφ ∈ L
1
(Ω, M, µ), e in tal caso


fdν =


fφdµ.
Definizione. Siano µ e ν due misure su M. Allora ν `e assolutamente continua
rispetto a µ (e scriviamo ν < µ) se vale l’implicazione
µ(E) = 0 =⇒ ν(E) = 0.
Evidentemente, se esiste


segue che ν < µ. Ci poniamo ora la questione
inversa. Ovvero, date due misure ν < µ su M, vogliamo stabilire se esista


.
Definizione. Dato (Ω, M, µ), diciamo che la µ `e σ-finita se esiste una collezione
numerabile di insiemi E
n
∈ M tali che µ(E
n
) < ∞ per ogni n ∈ N, e
¸
n∈N
E
n
= Ω.
30
Ad esempio, la misura di Lebesgue λ su R `e σ-finita. Abbiamo allora il
Teorema 4.1 (Radon-Nykodym). Siano µ e ν due misure definite su uno stesso
spazio misurabile (Ω, M). Se µ `e σ-finita e ν < µ, esiste una funzione misurabile
φ : Ω → [0, ∞] tale che
ν(E) =

E
φdµ, ∀E ∈ M.
Esercizio 30. Mostrare che tale φ `e unica nel seguente senso: se
˜
φ `e un’altra
funzione che soddisfa la tesi del teorema, allora φ =
˜
φ quasi ovunque rispetto a µ (e
quindi anche rispetto a ν).
Vedremo pi` u avanti, in un esercizio guidato, la dimostrazione del teorema nel
caso particolare in cui µ e ν siamo entrambe misure finite.
Osservazione. Dal Teorema di Radon-Nykodym, si evince che se ν `e una
misura finita, allora φ ∈ L
1
(Ω, M, µ).
Osservazione. L’ipotesi che µ sia σ-finita nel teorema `e irrinunciabile. Se
consideriamo ad esempio la σ-algebra di Lebesgue su [0, 1], e scegliamo come ν
la misura di Lebesgue e come µ la misura del conteggio, `e immediato verificare
che ν < µ, ma tuttavia non esiste


.
4.2 Il Primo Teorema Fondamentale del Calcolo
Assegnata f ∈ L
1
([a, b]), consideriamo la funzione integrale
F(x) =

x
a
f(t)dt, x ∈ [a, b].
`
E ben noto che se f ∈ C([a, b]), allora F

(x) = f(x) per ogni x ∈ [a, b]. Vogliamo
mostrare cosa succede invece nella sola ipotesi f ∈ L
1
([a, b]).
Definizione. Sia f ∈ L
1
([a, b]). Un punto x ∈ [a, b] `e un punto di Lebesgue per f se
lim
h→0
1
h

x+h
x
[f(t) −f(x)[dt = 0.
Ovviamente, se x = a oppure x = b si calcola solo il limite sinistro o destro,
rispettivamente. Si osservi inoltre che la nozione di punto di Lebesgue `e data per
un rappresentante f ben definito (e non per l’intera classe di equivalenza di f).
Tuttavia, ci`o non costituisce problema, in quanto vale il
Teorema 4.2 (Lebesgue). Se f ∈ L
1
([a, b]) quasi tutti i punti di [a, b] sono punti di
Lebesgue per f.
31
Omettiamo la dimostrazione (in realt` a piuttosto complicata) di questo risultato.
Possiamo dunque dimostrare il
Teorema 4.3 (Primo Teorema Fondamentale del Calcolo). Sia f ∈ L
1
([a, b]). Al-
lora F `e derivabile quasi ovunque e F

= f quasi ovunque.
dimostrazione. Sia x ∈ [a, b] un punto di Lebesgue per f. Per h tale che
x +h ∈ [a, b], abbiamo
F(x +h) −F(x)
h
−f(x) =
1
h

x+h
x

f(t) −f(x)

dt,
da cui segue la disuguaglianza

F(x +h) −F(x)
h
−f(x)


1
h

x+h
x
[f(t) −f(x)[dt.
Pertanto, facendo il limite h → 0, concludiamo che F

(x) = f(x).
4.3 Funzioni assolutamente continue
Definizione. Una funzione G : [a, b] → R `e assolutamente continua (AC) se ad
ogni ε > 0 corrisponde δ > 0 tale che
N
¸
n=1
[G(b
n
) −G(a
n
)[ < ε
per ogni N ∈ N ed ogni collezione di N intervalli disgiunti (a
n
, b
n
) ⊂ [a, b] tali che
N
¸
n=1
b
n
−a
n
< δ.
Evidentemente, una funzione AC `e uniformemente continua
12
(basta prendere
N = 1 nella definizione). Tuttavia, come vedremo tra breve, esistono funzioni
uniformemente continue ma non AC.
Esercizio 31. Dimostrare che se G `e Lipschitziana su [a, b] allora G `e AC su [a, b],
ma che l’implicazione opposta `e falsa (G(t) =

t su [0, 1]).
Dimostriamo ora un risultato generale che ci sar` a molto utile in seguito.
Proposizione 4.4 (Assoluta Continuit` a dell’Integrale). Sia f ∈ L
1
(Ω, M, µ). Al-
lora per ogni ε > 0 esiste δ > 0 tale che, se E ∈ M e µ(E) < δ, allora

E
[f[dµ < ε.
12
Ricordiamo che una funzione continua su [a, b] `e sempre uniformemente continua (Teorema di
Heine-Cantor).
32
dimostrazione. Fissiamo ε > 0, e approssimiamo f con una funzione limitata
g in modo tale che


[f −g[dµ <
ε
2
.
Detto M = sup
t∈Ω
[g(t)[, fissiamo δ =
ε
2M
. Se E ∈ M e µ(E) < δ, abbiamo

E
[f[dµ ≤

E
[f −g[dµ +

E
[g[dµ ≤


[f −g[dµ +Mµ(E) <
ε
2
+Mδ = ε,
come richiesto.
Torniamo quindi ad occuparci della funzione integrale F, con f ∈ L
1
([a, b]),
precedentemente introdotta.
Teorema 4.5. F `e AC su [a, b].
dimostrazione. Sia ε > 0, e consideriamo il corrispondente δ > 0 dell’assoluta
continuit`a dell’integrale. Fissato un qualsiasi N ∈ N ed una qualsiasi collezione
di N intervalli disgiunti (a
n
, b
n
) ⊂ [a, b] tali che
N
¸
n=1
b
n
−a
n
< δ,
segue che
N
¸
n=1
[F(b
n
) −F(a
n
)[ =
N
¸
n=1

bn
an
f(t)dt


N
¸
n=1

bn
an
[f(t)[dt =

E
[f(t)[dt,
avendo posto E =
¸
N
n=1
(a
n
, b
n
). Poich´e la misura di Lebesgue di E `e minore di
δ, dall’assoluta continuit` a dell’integrale ricaviamo

E
[f(t)[dt < ε,
da cui la tesi.
Esercizio 32. Dimostrare che se [f[ ≤ M quasi ovunque allora F `e Lipschitziana
con costante di Lipschitz minore o uguale a M.
Esercizio 33. Costruire una funzione Lipschitziana G strettamente monotona su
[0, 1] tale che G

= 0 su un insieme di misura positiva. [Suggerimento: sia A il
complementare di un Ternario di Cantor generalizzato, e si consideri la funzione
integrale di χ
A
]
Esercizio 34. Costruire una funzione Lipschitziana su [0, 1] priva di intervalli di
monotonia. [Suggerimento: siano ¦I
n
¦ gli intervalli di estremi razionali contenuti
33
in [0, 1], e si costruisca in ciascun I
n
una coppia di Ternari di Cantor generalizzati
disgiunti]
Abbiamo dunque visto che la funzione integrale F `e AC e derivabile quasi
ovunque (con derivata integrabile). Ci poniamo adesso il problema inverso, cio`e
vogliamo ricostruire una generica funzione G : [a, b] → R come integrale della sua
derivata. Precisamente, ci chiediamo quando valga la relazione
G(x) −G(a) =

x
a
G

(t)dt, (FC)
detta formula del calcolo. Se G ∈ C
1
([a, b]), la (FC) `e il noto risultato dell’analisi
elementare. Ovviamente, affinch´e valga la (FC) `e necessario che G

∈ L
1
([a, b]),
altrimenti il termine di destra non ha significato.
Esempio. Si consideri
G(x) =

x
2
sin
1
x
2
, x = 0,
0, x = 0.
G `e differenziabile, ma

1
0
[G

(t)[dt = ∞.
Dunque non soddisfa la (FC) su [0, 1].
Il Teorema 4.5 ci dice che una G che soddisfa la (FC) deve essere AC. L’assoluta
continuit`a risulta essere una condizione anche sufficiente.
Teorema 4.6 (Secondo Teorema Fondamentale del Calcolo). Sia G una funzione
AC su [a, b]. Allora G `e derivabile quasi ovunque, G

∈ L
1
([a, b]) e vale la formula
(FC).
Premettiamo alla dimostrazione un esempio particolarmente significativo.
La funzione di Vitali-Cantor. Ricordiamo che il complementare (in [0, 1]) del
Ternario di Cantor T `e dato da
T
C
=

¸
n=1
2
n−1
¸
k=1
I
n,k
,
dove gli I
n,k
sono intervalli aperti disgiunti, ciascuno di lunghezza 3
−n
. Definiamo
allora la funzione di Vitali-Cantor (nota anche col nome suggestivo di “Scala del
Diavolo”) V : [0, 1] → [0, 1] nel seguente modo:
V (t) =

0, t = 0,
2k−1
2
n
, t ∈ I
n,k
,
sup¦V (τ) : τ ∈ T, τ < t¦, altrimenti.
34
La funzione di Vitali-Cantor `e continua e monotona crescente. Inoltre `e costante
su ogni intervallo I
n,k
. Pertanto, poich´e la misura dell’unione di tutti gli I
n,k
`e 1,
concludiamo che V `e quasi ovunque derivabile con derivata quasi ovunque nulla (in
particolare, V

∈ L
1
([0, 1])). Tuttavia V non soddisfa la (FC), e di conseguenza
non `e AC. Ovviamente, si pu`o dimostrare che V non `e AC anche in modo diretto,
utilizzando la definizione di assoluta continuit` a.
Procediamo ora con la dimostrazione del Secondo Teorema Fondamentale del
Calcolo. Saranno necessari alcuni passi.
Lemma 4.7. Il Secondo Teorema Fondamentale del Calcolo vale se assumiamo
l’ipotesi aggiuntiva che G sia monotona.
dimostrazione. Assumiamo che G sia monotona crescente (altrimenti lavo-
riamo con −G). Allora costruiamo una misura µ su [a, b] tale che
µ([a, x]) = G(x) −G(a), ∀x ∈ [a, b].
La procedura per costruire µ `e identica a quella usata per costruire la misura di
Lebesgue λ (in quel caso, si `e preso G(x) = x). Pertanto, µ `e certamente definita
su L([a, b]). Mostriamo ora che se E ⊂ [a, b] e λ(E) = 0, allora µ(E) = 0.
Questo ci dice che µ < λ. Sia dunque λ(E) = 0 e si fissi ε > 0. Usando
l’assoluta continuit` a di G, otteniamo il corrispondente δ > 0. Allora esiste un
aperto A ⊃ E contenuto in [a, b] tale che λ(A) < δ. Ma A (come ogni aperto di
R) `e un’unione al pi` u numerabile di intervalli aperti disgiunti I
n
= (a
n
, b
n
), da
cui
λ(A) =
¸
n
b
n
−a
n
< δ.
Dunque,
µ(E) ≤ µ(A) =
¸
n
µ(I
n
) =
¸
n
G(b
n
) −G(a
n
) < ε.
Poich´e ε `e arbitrario, concludiamo che µ(E) = 0. Pertanto, per il Teorema di
Radon-Nykodym esiste una funzione positiva φ ∈ L
1
([a, b]) tale che
G(x) −G(a) = µ([a, x]) =

x
a
φ(t)dt.
Ma il Primo Teorema Fondamentale del Calcolo ci garantisce che G

= φ.
Incidentalmente, otteniamo un risultato sul cambiamento di variabili nella pro-
cedura di integrazione.
Corollario 4.8 (Cambiamento di Variabili). Sia G : [a, b] → [c, d] una funzione AC
monotona, e sia f ≥ 0 Lebesgue misurabile su [c, d]. Allora

d
c
f(t)dt =

b
a
f(G(τ))[G

(t)[dτ.
La stessa uguaglianza vale per f ∈ L
1
([c, d]). In tal caso (f ◦ G)[G

[ ∈ L
1
([a, b]).
35
Prima di procedere con la dimostrazione, cerchiamo di capire cosa dice esatta-
mente il risultato. Come sappiamo, nella composizione `e importante fissare una
ben definita funzione “esterna” (nel nostro caso la f). Tra l’altro, variando la f,
anche all’interno della sua classe di equivalenza, si pu` o perdere la misurabilit` a della
funzione composta.
`
E evidente tuttavia che l’integrale di sinistra non dipende dal
particolare rappresentante scelto. Dunque il corollario garantisce che, fissando un
qualsiasi rappresentante f, la funzione (f ◦ G)[G

[ `e misurabile (si badi bene, non
necessariamente la funzione f ◦ G), e vale l’uguaglianza tra i due integrali.
dimostrazione. Ci limitiamo a dimostrare il caso in cui f sia Borel misurabile
su [c, d]. Supponiamo dapprima che G sia crescente. Riferendoci alla notazione
del Teorema 3.7, poniamo
Ω = [a, b], M= B([a, b]), Ω

= [c, d], M

= B([c, d]), φ = G,
notando che G
−1
porta Boreliani in Boreliani. Consideriamo la misura di Borel
su [a, b]
µ(E) =

E
G

dλ, ∀E ∈ B([a, b]),
dove λ `e la misura di Lebesgue. Per ogni E

∈ B([c, d]),
ν(E

) = µ(G
−1
(E

)) = λ(E

).
Basta infatti verificare l’uguaglianza sugli intervalli (cfr. Teorema 1.9 di Dynkin).
Allora il Teorema 3.7 ci d` a la tesi. Se G `e invece decrescente, notiamo dapprima
che

d
c
f(t)dt =

d
c
f(c +d −t)dt,
e applichiamo il risultato con c + d −G al posto di G.
Esercizio 35. Sia h una funzione uguale a 0 quasi ovunque su [c, d]. Detto
H =
¸
τ ∈ [a, b] : [G

(τ)[ > 0¦, dimostrare che per ogni N ⊂ [c, d] con λ(N) = 0
segue che λ(G
−1
(N) ∩ H) = 0. Verificare che ci` o equivale a dire che la funzione
(h◦ G)[G

[ `e uguale a 0 quasi ovunque su [a, b]. Completare quindi la dimostrazione
del Corollario 4.8 per una f Lebesgue misurabile.
Osservazione. Si noti comunque che disporre del Corollario 4.8 solo per le
funzioni Borel misurabili non costituisce in realt` a una vera limitazione. Infatti,
sappiamo che una funzione Lebesgue misurabile `e uguale quasi ovunque a una
funzione Borel misurabile. Quindi, dato che l’integrale di sinistra `e indipen-
dente dal rappresentante, basta fare i calcoli prendendo un rappresentante Borel
misurabile.
Concludiamo la dimostrazione del teorema. Se G non `e monotona, mostriamo che
G si pu` o decomporre come somma di due funzioni monotone, entrambe AC, e quindi
applichiamo il Lemma 4.7 ai due addendi separatamente. Ci occorre un’ulteriore
definizione.
36
Definizione. Sia G : [a, b] →R. Per ogni a ≤ x < y ≤ b, definiamo
V
y
x
= sup
N
¸
n=1
[G(t
n
) −G(t
n−1
)[,
dove il sup `e preso al variare di N ∈ N e delle scelte t
n
tali che
x = t
0
< < t
N
= y.
V
y
x
`e la variazione totale della G sull’intervallo [x, y]. Se V
b
a
< ∞, la G `e detta
funzione a variazione limitata (o funzione BV, da “Bounded Variation”).
Osservazione. Evidentemente la funzione x → V
x
a
`e monotona crescente. Si
noti che se y > x allora
V
y
a
−V
x
a
= V
y
x
.
Se G non `e a variazione limitata, allora esiste x ≤ b tale che V
y
a
= ∞ per ogni
y ≥ x. La variazione “misura” i salti che una funzione compie. Ad esempio, se G `e
monotona (e definita su tutto [a, b]) allora V
x
a
= [G(x) −G(a)[. Dunque le funzioni
monotone sono BV . Esistono ovviamente funzioni, anche continue, che non sono
BV , come
G(x) =

x cos
1
x
, x = 0,
0, x = 0,
sull’intervallo [0, 1].
Se G `e BV su [a, b], si pu`o dimostrare che G `e derivabile quasi ovunque, e
G

∈ L
1
([a, b]). Sfruttando questo fatto, si svolga il seguente
Esercizio 36. Sia G : [a, b] →R una funzione monotona crescente. Dimostrare la
disuguaglianza

b
a
G

(t)dt ≤ G(b) −G(a).
Se G `e AC, allora la sua variazione V
x
a
non solo esiste finita in ogni x (da cui G
`e BV ), ma `e anche una funzione AC. Lasciamo la dimostrazione di questo fatto al
lettore interessato.
A questo punto siamo in grado di terminare agevolmente la dimostrazione del
Secondo Teorema Fondamentale del Calcolo. Data G AC, costruiamo la funzione
V
x
a
corrispondente, e scriviamo G = G
1
+G
2
, con
G
1
(x) =
G(x) + V
x
a
2
, G
2
(x) =
G(x) −V
x
a
2
.
Ovviamente G
1
e G
2
sono AC, essendo somme di funzioni AC. Resta da provare la
loro monotonia. Questa segue immediatamente dalla disuguaglianza
V
y
a
−V
x
a
≥ [G(y) −G(x)[, y > x.
37
Concludiamo la discussione enunciando una condizione sufficiente (ma, come
abbiamo visto, non necessaria) affinch´e G sia AC.
Teorema 4.9. Sia G : [a, b] → R ovunque derivabile con G

∈ L
1
([a, b]). Allora G
`e AC su [a, b].
Osservazione. Si consideri su [0, 1]
G(x) =

x
3/2
sin
1
x
, x = 0,
0, x = 0.
Allora G soddisfa le ipotesi del Teorema 4.9. Tuttavia G

non `e limitata, e quindi
G non `e Lipschitziana. Dunque una funzione AC pu` o non essere Lipschitziana,
anche se `e derivabile ovunque.
5 Prodotto di misure
5.1 Prodotto di spazi misurabili
Siano X e Y due insiemi. Il loro prodotto cartesiano X Y `e l’insieme delle coppie
ordinate (x, y) con x ∈ X e y ∈ Y . Supponiamo che (X, M) e (Y, N) siano due spazi
misurabili. Ci proponiamo di costruire una σ-algebra su X Y tale che induca su
ciascuno dei due fattori la σ-algebra di partenza.
Definizione. Chiamiamo rettangolo misurabile un sottoinsieme di {(X Y ) della
forma AB, con A ∈ M e B ∈ N. La σ-algebra prodotto MN `e la σ-algebra su
X Y generata dai rettangoli misurabili.
Esercizio 37. Mostrare che B(R) B(R) = B(R
2
).
Definizione. Dato un insieme E ⊂ X Y , siano
E
x
=
¸
y : (x, y) ∈ E
¸
e E
y
=
¸
x : (x, y) ∈ E
¸
.
E
x
e E
y
sono detti, rispettivamente, la x-sezione di E e la y-sezione di E. Si
noti che E
x
⊂ Y e E
y
⊂ X.
Proposizione 5.1. Se E ∈ MN, allora E
x
∈ N e E
y
∈ M.
dimostrazione. Sia C la classe di tutti gli E ∈ MNtali che E
x
∈ Nper ogni
x ∈ X.
`
E immediato verificare che tutti i rettangoli misurabili appartengono a
C. Dunque X Y ∈ C. Se E ∈ C, allora (E
C
)
x
= (E
x
)
C
, da cui E
C
∈ C.
Infine, se E =
¸
n∈N
E
n
e E
n
∈ C per ogni n ∈ N, allora E
x
=
¸
n∈N
(E
n
)
x
, da cui
E ∈ C. Concludiamo che C `e una σ-algebra che contiene i rettangoli misurabili,
e dunque contiene MN. Analogo discorso vale per E
y
.
38
Il viceversa della proposizione appena vista non vale. Pu`o accadere che E
x
∈ N
per ogni x ∈ X e E
y
∈ M per ogni y ∈ Y , ma E ∈ MN.
Definizione. Data una funzione f (reale o positiva) su X Y , ad ogni x ∈ X
associamo la funzione f
x
su Y definita da f
x
(y) = f(x, y). Analogamente, fissato
y ∈ Y , f
y
`e la funzione su X definita da f
y
(x) = f(x, y).
Proposizione 5.2. Se f `e (M N)-misurabile, allora f
x
`e N-misurabile e f
y
`e
M-misurabile.
dimostrazione. Sia O un insieme aperto (nel codominio di f) e sia
Q =
¸
(x, y) : f(x, y) ∈ O
¸
.
Quindi Q ∈ MN, e
Q
x
=
¸
y : f
x
(y) ∈ O
¸
.
Per la proposizione precedente Q
x
∈ N, e dunque f
x
`e N-misurabile. Discorso
analogo per la f
y
.
Anche in questo caso non vale, in generale, il viceversa.
5.2 Il Teorema di Fubini
Siano ora (X, M, µ) e (Y, N, ν) siano due spazi di misura. Vogliamo definire la
misura prodotto µ ν sulla σ-algebra MN. Ci occorre un risultato preliminare,
che enunciamo senza dimostrazione.
Proposizione 5.3. Siano (X, M, µ) e (Y, N, ν) due spazi di misura, tali che sia µ
che ν siano misure σ-finite, e sia E ∈ MN. Allora
- la funzione x → ν(E
x
) `e M-misurabile;
- la funzione y → µ(E
y
) `e N-misurabile;
- vale l’uguaglianza

X
ν(E
x
)dµ(x) =

Y
µ(E
y
)dν(y).
Diamo quindi la seguente
Definizione. Se (X, M, µ) e (Y, N, ν) sono due spazi di misura, con µ e ν σ-finite,
definiamo la misura prodotto sulla σ-algebra MN nel seguente modo:
(µ ν)(E) =

X
ν(E
x
)dµ(x) =

Y
µ(E
y
)dν(y), ∀E ∈ MN.
39
Bisogna mostrare che µν cos`ı definita `e effettivamente una misura. L’unica cosa
da provare `e l’additivit` a numerabile, ma questa segue dal fatto che µν `e costruita
attraverso un integrale (si applichi il Teorema della Convergenza Monotona per le
Serie).
`
E inoltre immediato verificare che µ ν `e σ-finita, e che se E = A B
(rettangolo misurabile), allora
(µ ν)(E) = µ(A) ν(B).
Osserviamo infine che, per un generico insieme E misurabile,

X×Y
χ
E
d(µ ν) = (µ ν)(E) =

X

Y
χ
E
(x, y)dν(y)

dµ(x).
Questa formula suggerisce il metodo per calcolare l’integrale di una funzione nella
misura prodotto come due integrali successivi.
Teorema 5.4 (Fubini). Valgano le ipotesi della Proposizione 5.3, e sia f una fun-
zione (MN)-misurabile.
(i) Se 0 ≤ f ≤ ∞, allora

X×Y
fd(µ ν) =

X

Y
f
x

dµ(x) =

Y

X
f
y

dν(y). (†)
In particolare, gli integrali interni sono funzioni misurabili (ciascuno rispetto
alla propria σ-algebra) e definiti ovunque.
(ii) Se f ∈ L
1
(XY, MN, µν), allora f
x
∈ L
1
(Y, N, ν) (per quasi ogni x ∈ X)
e f
y
∈ L
1
(X, M, µ) (per quasi ogni y ∈ Y ). Inoltre

Y
f
x
(y)dν(y) ∈ L
1
(X, M, µ) e

X
f
y
(x)dµ(x) ∈ L
1
(Y, N, ν),
e vale la formula (†).
(iii) Se f `e una funzione reale e

X

Y
[f[
x

dµ(x) =

Y

X
[f[
y

dν(y) < ∞,
allora f ∈ L
1
(X Y, MN, µ ν), e dunque si pu`o applicare la (ii).
La dimostrazione del Teorema di Fubini si poggia sulla Proposizione 5.3 (che non
`e altro che il medesimo teorema per le funzioni caratteristiche) e sul Teorema della
Convergenza Monotona.
Esercizio 38. Usare il Teorema di Fubini e la relazione
1
x
=


0
e
−xt
dt (x > 0)
per dimostrare che
lim
N→∞

N
0
sin x
x
dx =
π
2
.
40
5.3 Completamento di misure prodotto
Se (X, M, µ) e (Y, N, ν) sono due spazi di misura completi, non `e detto che lo
spazio prodotto sia a sua volta completo. Vediamo un semplice esempio: poniamo
X = Y = R, M = N = L(R) e µ = ν = λ. Siano A un insieme di misura nulla e
B un insieme non misurabile di R. Evidentemente AB ⊂ AR (che `e di misura
nulla in R
2
). Tuttavia AB non `e misurabile, non essendolo una delle sue sezioni.
Concludiamo che λ λ non `e la misura di Lebesgue in R
2
. Vale per`o il seguente
risultato.
Proposizione 5.5. Sia λ
N
la misura di Lebesgue in R
N
. Se N = K + M (con
K, M ∈ N), allora λ
N
`e il completamento della misura prodotto λ
K
λ
M
.
Vi `e dunque la necessit` a di estendere il Teorema di Fubini per il completamento
degli spazi prodotto.
Teorema 5.6. Siano (X, M, µ) e (Y, N, ν) due spazi di misura, con µ e ν σ-finite,
e sia (M N)

il completamento di M N relativo alla misura µ ν. Sia f una
funzione (MN)

-misurabile. Allora vale la tesi del Teorema di Fubini, con l’unica
differenza che gli integrali interni della formula (†) sono funzioni definite solo quasi
ovunque.
5.4 Cambio di variabili
Concludiamo la discussione enunciando un utile risultato di cambiamento di variabili
nell’integrazione in R
N
.
Proposizione 5.7. Siano O ed O

aperti in R
N
omeomorfi, e sia x : O

→ O un
omeomorfismo di classe C
1
. Siano infine E ⊂ O ed E

⊂ O

due insiemi misurabili
in corrispondenza rispetto all’omeomorfismo in considerazione. Allora, data f :
E →R misurabile,
f(x) ∈ L
1
(E) ⇐⇒ f(x(t))

J(x(t))

∈ L
1
(E

),
dove J(x(t)) `e il determinante dello Jacobiano di t → x(t). In tal caso,

E
f(x)dx =

E

f(x(t))

J(x(t))

dt.
Esercizio 39. Calcolare l’integrale della Gaussiana
I =


−∞
e
−x
2
dx.
[Suggerimento: calcolare I
2
utilizzando le coordinate polari nel piano]
II. Spazi di Banach
1 Geometria degli spazi di Banach
1.1 Spazi lineari
Uno spazio lineare sul campo scalare R `e un insieme X non vuoto, i cui elementi sono
chiamati vettori, sul quale sono definite due operazioni, addizione e moltiplicazione
per uno scalare, che soddisfano le seguenti propriet`a algebriche.
(i) Ad ogni coppia di vettori x
1
e x
2
corrisponde un unico vettore x
1
+x
2
, in modo
tale che
x
1
+ x
2
= x
2
+ x
1
e x
1
+ (x
2
+ x
3
) = (x
1
+x
2
) + x
3
;
X contiene un unico vettore 0 (detto vettore nullo) tale che x + 0 = x; e ad
ogni x ∈ X corrisponde un unico vettore −x tale che x + (−x) = 0.
(ii) Ad ogni coppia (λ, x), con λ ∈ R e x ∈ X, corrisponde un unico vettore λx,
in modo tale che
1x = x e λ
1

2
x) = (λ
1
λ
2
)x,
e che valgano le due leggi distributive
λ(x
1
+x
2
) = λx
1
+λx
2
e (λ
1
+ λ
2
)x = λ
1
x +λ
2
x.
Il simbolo 0 viene usato anche per indicare lo zero del campo scalare R. Ovviamente,
si pu` o parlare anche di spazi lineari sul campo complesso, utilizzando il campo scalare
C al posto di R.
Definizione. Un sottoinsieme A di uno spazio lineare X `e linearmente indipendente
se per ogni collezione finita ¦x
1
, . . . , x
n
¦ di elementi di A e per ogni n-upla di numeri
reali ¦λ
1
, . . . , λ
n
¦, l’uguaglianza
¸
n
j=1
λ
j
x
j
= 0 implica che λ
1
= = λ
n
= 0.
Una base di Hamel (o semplicemente una base) di X `e un sottoinsieme A ⊂ X
linearmente indipendente massimale, cio`e tale che non `e propriamente contenuto in
alcun sottoinsieme di X linearmente indipendente.
41
42
`
E facile verificare che ogni elemento dello spazio `e esprimibile come combinazione
lineare finita di elementi della base.
13
Inoltre, due basi di uno stesso spazio lineare
hanno necessariamente la stessa cardinalit` a. Si definisce allora dimensione (lineare)
dello spazio lineare la cardinalit` a di una sua base.
Un caso particolarmente semplice `e rappresentato dagli spazi lineari di dimen-
sione finita. Sia infatti X uno spazio lineare di dimensione N ∈ N = ¦1, 2, 3, . . .¦
(omettiamo dunque il caso banale di uno spazio ridotto al solo elemento 0), e sia
¦x
1
, . . . , x
N
¦ una sua base. Detta ¦e
1
, . . . , e
N
¦ la base canonica di R
N
, `e immediato
mostrare che l’applicazione lineare I : X → R
N
definita ponendo I(x
j
) = e
j
`e un
isomorfismo lineare
14
da X a R
N
.
1.2 Spazi normati
Sia X uno spazio lineare su R. Una norma in X `e una funzione
| | : X → [0, ∞)
che soddisfa le condizioni
(i) |x| = 0 ⇐⇒ x = 0 (annullamento);
(ii) |λx| = [λ[|x| ∀λ ∈ R, ∀x ∈ X (omogeneit` a);
(iii) |x +y| ≤ |x| +|y| ∀x, y ∈ X (disuguaglianza triangolare).
Osservazione. Dalla (iii) segue che

|x| −|y|

≤ |x −y|, ∀x, y ∈ X.
In realt` a tutte le nostre considerazioni varranno per spazi lineari sul campo C
(sostituendo opportunamente il valore assoluto con il modulo).
Notazione. Scriveremo | |
X
quando vorremo evidenziare lo spazio X su cui la
norma `e definita.
Definizione. Uno spazio lineare dotato di una norma | | `e detto spazio normato.
In particolare, uno spazio normato `e uno spazio metrico con la distanza
d(x, y) = |x −y|.
Un sottospazio lineare di uno spazio normato X `e anch’esso un spazio normato, con
la norma indotta da X.
13
Non `e tuttavia scontato che uno spazio lineare (che contenga almeno due elementi) possegga
una base. Per dimostrarlo ci si deve infatti appellare all’Assioma della Scelta.
14
Ricordiamo che un isomorfismo lineare tra due spazi lineari `e un’applicazione biettiva che
preserva la struttura lineare.
43
Esempio. R `e uno spazio normato con la norma del valore assoluto. Inoltre,
qualsiasi norma su R `e della forma | | = c[ [, con c > 0.
Esempio. Per tutti i p ∈ [1, ∞], R
N
`e uno spazio normato con la norma-p,
definita da
|x|
p
=

N
¸
j=1
[x
j
[
p

1/p
, p ∈ [1, ∞),
max
j=1,...,N
[x
j
[, p = ∞,
dove x `e il vettore di componenti (x
1
, . . . , x
N
). La norma-2 `e detta euclidea.
Le propriet`a (i) e (ii) della norma sono di verifica immediata. La (iii) verr`a
dimostrata pi` u avanti, quando introdurremo gli spazi L
p
(Ω).
Vediamo tre importanti esempi di spazi normati infinito dimensionali.
Lo spazio C([a, b]). Denotiamo con C([a, b]) lo spazio lineare delle funzioni
continue f : [a, b] →R, dove la struttura lineare `e assegnata ponendo
(f +λg)(t) = f(t) + λg(t), f, g ∈ C([a, b]), λ ∈ R.
Per Teorema di Weierstrass, tali funzioni ammettono massimo e minimo assoluto su
[a, b]. Definiamo allora
|f| = max
t∈[a,b]
[f(t)[.
Si verifichi per esercizio che le propriet` a della norma sono soddisfatte, e dunque
C([a, b]) `e uno spazio normato. Tale norma `e detta norma del massimo.
15
Gli spazi
1
e

. Denotiamo con
1
lo spazio lineare delle successioni somma-
bili (ovvero, la cui serie converge assolutamente), e con

lo spazio lineare delle
successioni limitate. Tali spazi sono normati con le norme
|x|

1 =

¸
j=1
[x
j
[ e |x|

∞ = sup
j=1,...,∞
[x
j
[,
dove x = (x
1
, x
2
, x
3
, . . .).
Esercizio 1. Verificare le tre propriet`a della norma per gli spazi
1
e

.
1.3 Nozioni topologiche
Introduciamo alcune nozioni di carattere topologico. Il lettore noter` a come non vi
siano differenze con il caso familiare di R
N
.
15
Pi` u in generale, dato uno spazio di Hausdorff compatto K, si pu`o definire lo spazio normato
C(K) munito della norma del massimo.
44
Definizione. Sia X uno spazio normato. La palla aperta di centro x
0
∈ X e raggio
r > 0 `e l’insieme
B(x
0
, r) =
¸
x ∈ X : |x −x
0
| < r
¸
.
La palla chiusa di centro x
0
∈ X e raggio r > 0 `e l’insieme
B(x
0
, r) =
¸
x ∈ X : |x −x
0
| ≤ r
¸
.
La sfera di centro x
0
∈ X e raggio r > 0 `e l’insieme
S(x
0
, r) =
¸
x ∈ X : |x −x
0
| = r
¸
.
Esercizio 2. Disegnare sul piano cartesiano la palla unitaria (cio`e la palla di raggio
1 centrata in 0) di R
2
nelle varie norme-p.
Definizione. Sia A ⊂ X. Un punto x
0
∈ A `e detto punto interno se per qualche
r > 0 si ha che
B(x
0
, r) ⊂ A.
A `e aperto se tutti i suoi punti sono punti interni.
Osservazione. Si verifica facilmente che B(x
0
, r) `e un aperto.
Definizione. Sia A ⊂ X. Un punto x
0
∈ X (non necessariamente appartenente
ad A) `e detto punto di accumulazione o punto di limite per A se ogni palla B(x
0
, r)
contiene un punto di A diverso da x
0
. A `e chiuso se contiene tutti i suoi punti di
accumulazione.
Esercizio 3. Mostrare che se A `e aperto allora A
C
= X−A `e chiuso, e viceversa.
Esercizio 4. Mostrare che S(x
0
, r) `e chiuso.
Definizione. Sia A ⊂ X. La chiusura A di A `e l’unione di A e dei suoi punti di
accumulazione.
Esercizio 5. Mostrare che A `e chiuso. Pi` u specificamente, A `e il pi` u piccolo
insieme chiuso contenente A.
Esercizio 6. Mostrare che B(x
0
, r) = B(x
0
, r).
16
1.4 Successioni convergenti
Definizione. Sia X uno spazio normato, e sia x
n
una successione di elementi di X.
Diciamo che x
n
converge a x ∈ X (e scriviamo x
n
→ x) se la successione numerica
|x
n
−x| `e infinitesima, cio`e
lim
n→∞
|x
n
−x| = 0.
16
Questa propriet`a `e, in generale, falsa negli spazi metrici.
45
`
E immediato notare che se x
n
→ x allora |x
n
| → |x|. Infatti, dalla disu-
guaglianza triangolare, si ha che

|x
n
| −|x|

≤ |x
n
−x|.
Si noti che tutto funziona esattamente come nel caso di R, a patto di sostituire
il valore assoluto con la norma. In particolare, valgono i teoremi sui limiti gi` a noti,
tipo unicit`a del limite, linearit` a, ecc.
Esempio. Consideriamo lo spazio normato C([a, b]). Se f
n
`e una successione di
elementi di C([a, b]), dire che f
n
→ f ∈ C([a, b]) equivale a dire che f
n
converge
a f uniformemente su [a, b], cio`e
lim
n→∞

max
t∈[a,b]
[f
n
(t) −f(t)[

= 0.
I punti di accumulazione si caratterizzano attraverso le successioni convergenti.
Precisamente vale la
Proposizione 1.1. Sia A ⊂ X. Un elemento x
0
∈ X `e un punto di accumulazione
per A se e solo se esiste una successione x
n
∈ A, x
n
= x
0
per ogni n, tale che
x
n
→ x
0
.
dimostrazione. [Esercizio]
Come conseguenza, un sottoinsieme A ⊂ X `e chiuso se e solo se, ogni qualvolta
x
n
∈ A converge a x
0
∈ X, segue che x
0
∈ A.
Esercizio 7. Siano x
n
, x ∈ X e λ
n
, λ ∈ R. Mostrare che se x
n
→ x e λ
n
→ λ
allora λ
n
x
n
→ λx.
Definizione. Sia X uno spazio normato, e sia x
n
una successione di elementi di
X. Se la successione s
n
=
¸
n
j=1
x
j
converge in X, il suo limite `e detto somma della
serie degli x
n
, e viene indicato con
¸

n=1
x
n
. In tal caso si dice che la serie
¸

n=1
x
n
`e convergente (in X).
Esercizio 8. Se la serie
¸

n=1
x
n
`e convergente, allora vale la disuguaglianza


¸
n=1
x
n



¸
n=1
|x
n
|.
Il termine di destra pu`o eventualmente essere infinito.
Osservazione. In R sappiamo che se una serie converge assolutamente allora
converge. Negli spazi normati tale enunciato si tradurrebbe dicendo che se la serie
numerica
¸

n=1
|x
n
| converge, allora la serie
¸

n=1
x
n
converge in X. Tuttavia,
ci` o non `e sempre vero. Infatti, R non solo `e uno spazio normato, ma `e anche
completo. Ed `e grazie a quest’ultima propriet` a che il risultato vale. Torneremo
tra breve su questo concetto.
46
Definizione. Sia A un sottoinsieme di uno spazio normato X. Allora A `e limitato
se esiste M ≥ 0 tale che
|x| ≤ M, ∀x ∈ A.
In particolare, una successione x
n
in X `e limitata se
|x
n
| ≤ M, ∀n ∈ N.
Esercizio 9. Mostrare che una successione convergente in uno spazio normato `e
limitata.
Definizione. Siano X e Y due spazi normati, A ⊂ X, B ⊂ Y due sottoinsiemi.
Una funzione F : A → B `e continua in x
0
∈ A se per ogni successione x
n
∈ A tale
che x
n
→ x
0
si ha che F(x
n
) → F(x
0
). La funzione F `e continua in A se `e continua
in ogni punto di A.
Osservazione. Ricordiamo che x
n
→ x e F(x
n
) → F(x) significa
|x
n
−x|
X
→ 0 e |F(x
n
) −F(x)|
Y
→ 0.
La nozione di continuit` a si pu` o dare equivalentemente in termini di ε-δ; ovvero
f `e continua in x
0
∈ A se per ogni ε > 0 esiste δ > 0 (dipendente da ε > 0 e da
x
0
∈ A) tale che
x ∈ A, |x −x
0
|
X
< δ =⇒ |F(x) −F(x
0
)|
Y
< ε.
Come nel caso familiare delle funzioni reali, una funzione `e continua (in ogni punto)
se e solo se le controimmagini degli insiemi aperti sono insiemi aperti.
1.5 Separabilit`a
Definizione. Un sottoinsieme A ⊂ X `e denso in X se A = X.
Definizione. Uno spazio normato `e separabile se esiste un sottoinsieme numerabile
A ⊂ X denso in X.
Ad esempio, R `e separabile, essendo l’insieme Q dei razionali denso in R.
Proposizione 1.2. Lo spazio normato C([a, b]) `e separabile.
Si consideri infatti l’insieme l’insieme P([a, b]) dei polinomi su [a, b]. Questo
insieme non `e numerabile; tuttavia `e piuttosto semplice mostrare che l’insieme dei
polinomi a coefficienti razionali su [a, b], che invece `e numerabile, `e denso in P([a, b])
(nella norma del massimo). La dimostrazione del teorema `e quindi una conseguenza
immediata del Teorema di Stone-Weierstrass, che enunciamo senza dimostrazione.
17
Teorema 1.3 (Stone-Weierstrass). P([a, b]) `e denso in C([a, b]).
17
In realt`a il Teorema 1.3 `e solo un caso particolare del Teorema di Stone-Weierstrass.
47
1.6 Completezza: spazi di Banach
Definizione. Sia X uno spazio normato, e sia x
n
una successione di elementi di X.
Diciamo che x
n
`e una successione di Cauchy se per ogni ε > 0 esiste n
0
tale che per
ogni n, m ≥ n
0
si ha
|x
n
−x
m
| < ε.
Meno formalmente, x
n
`e di Cauchy se
|x
n
−x
m
| → 0, per n, m → ∞.
Esercizio 10. Mostrare che una successione di Cauchy `e limitata, e che una
successione convergente `e di Cauchy.
Esercizio 11. Mostrare che se una successione di Cauchy ammette una sottosuc-
cessione convergente, allora l’intera successione `e convergente.
Definizione. Uno spazio normato X in cui tutte le successioni di Cauchy siano
successioni convergenti, `e detto spazio normato completo o spazio di Banach.
Esercizio 12. Mostrare che un sottospazio chiuso di uno spazio di Banach `e uno
spazio di Banach. Viceversa, un sottospazio completo di uno spazio normato `e
chiuso.
Esempio. R
N
(in una qualsiasi delle norme-p) `e uno spazio di Banach.
Proposizione 1.4. C([a, b]) `e uno spazio di Banach.
dimostrazione. Sia f
n
una successione di Cauchy in C([a, b]). In particolare,
per ogni t la successione numerica f
n
(t) `e di Cauchy, e pertanto converge ad
un numero reale che indichiamo con f(t). Sia ε > 0 arbitrario, e prendiamo
m, n abbastanza grandi tali che [f
n
(t) −f
m
(t)[ < ε per ogni t. Facendo il limite
m → ∞, otteniamo [f
n
(t)−f(t)[ ≤ ε, e concludiamo che f
n
→ f uniformemente,
cio`e
lim
n→∞

sup
t∈[a,b]
[f
n
(t) −f(t)[

= 0.
Ci resta da mostrare che f : [a, b] → R `e una funzione continua. Selezioniamo
quindi ε > 0 arbitrario e t
0
∈ [a, b]. Dalla disuguaglianza triangolare,
[f(t) −f(t
0
)[ ≤ [f(t) −f
n
(t)[ +[f
n
(t) −f
n
(t
0
)[ +[f
n
(t
0
) −f(t
0
)[.
Per n grande fissato, la somma del primo e del terzo termine `e minore di ε/2.
Infine, usando la continuit` a di f
n
, esiste δ > 0 tale che se [t − t
0
[ < δ allora
[f
n
(t) −f
n
(t
0
)[ < ε/2.
48
Esempio. Sia C
k
([a, b]) lo spazio lineare delle funzioni f : [a, b] →R derivabili
k-volte con continuit` a su [a, b]. Tale spazio `e di Banach
18
con la norma
|f| =
k
¸
j=0
max
t∈[a,b]
[f
(j)
(t)[,
convenendo di indicare f
(0)
= f.
Esercizio 13. Gli spazi
1
e

sono di Banach.
Come in R, negli spazi di Banach la convergenza assoluta delle serie (cio`e la
convergenza della serie delle norme) implica la convergenza.
Proposizione 1.5. Sia X uno spazio di Banach, e x
n
una successione di elementi
di X. Se la serie numerica
¸

n=1
|x
n
| `e convergente, allora la serie
¸

n=1
x
n
`e
convergente. Viceversa, se X `e uno spazio normato e ogni serie assolutamente
convergente `e convergente, allora X `e di Banach.
dimostrazione. Sia X uno spazio di Banach, e sia
¸

n=1
|x
n
| una serie
convergente. La successione delle somme parziali s
n
=
¸
n
j=1
x
j
`e di Cauchy.
Infatti, se m > n,
|s
m
−s
n
| =

m
¸
j=n+1
x
j


m
¸
j=n+1
|x
j
|.
Dunque s
n
converge alla somma della serie degli x
n
.
Viceversa, sia x
n
una successione di Cauchy in X. Estraiamo allora una sotto-
successione x
n
k
tale che
|x
n
k+1
−x
n
k
| ≤
1
k
2
.
Pertanto la serie
¸

k=1

x
n
k+1
−x
n
k

converge ad un vettore s ∈ X. Poich´e questa
serie `e telescopica, si ricava immediatamente che x
n
k+1
→ s+x
n
1
, che a sua volta
implica la convergenza di x
n
.
Questa proposizione ci fornisce dunque un utile criterio per stabilire se uno spazio
normato sia completo o meno.
`
E ben noto che in R
N
(in una qualsiasi delle norme-p) una successione limi-
tata ammette una sottosuccessione convergente (Teorema di Bolzano-Weierstrass).
Come vedremo, questo fatto `e vero in qualsiasi spazio normato X di dimensione
finita. Molto diverso `e invece il caso in cui X sia uno spazio normato infinito dimen-
sionale. Osserviamo preliminarmente che se X non `e di Banach esistono successioni
18
Non `e invece possibile trovare una norma che renda C

([a, b]) (cio`e lo spazio delle funzioni
derivabili infinite volte su [a, b]) uno spazio di Banach.
49
di Cauchy non convergenti (e che quindi non ammettono sottosuccessioni conver-
genti). Tuttavia, anche se X `e di Banach le cose vanno male.
`
E infatti possibile
dimostrare l’esistenza di una successione x
n
∈ X con |x
n
| = 1 e |x
n
−x
m
| ≥ 1 per
n = m. Ovviamente, la successione x
n
non pu` o avere sottosuccessioni convergenti.
19
Dunque, uno spazio normato `e finito dimensionale se e solo se vale il Teorema di
Bolzano-Weierstrass, e le palle chiuse sono insiemi compatti solo negli spazi finito
dimensionali.
Esercizio 14. Una funzione continua da R
N
(in una qualsiasi delle norme-p) in
R porta insiemi limitati in insiemi limitati (conseguenza immediata del Teorema di
Weierstrass). Stabilire se lo stesso fatto valga o meno in uno spazio normato infinito
dimensionale.
Esercizio 15. Costruire una successione f
n
∈ C([0, 1]) in modo tale che |f
n
| = 1
e |f
n
−f
m
| = 1 per n = m.
Cerchiamo allora condizioni sufficienti affinch´e una successione limitata di ele-
menti di C([a, b]) ammetta una sottosuccessione convergente. Ci occorre prima una
definizione.
Definizione. Una successione f
n
∈ C([a, b]) `e detta equicontinua se per ogni ε > 0
esiste δ > 0 tale che
[t −τ[ < δ =⇒ sup
n∈N
[f
n
(t) −f
n
(τ)[ < ε.
Teorema 1.6 (Ascoli-Arzel` a). Sia f
n
∈ C([a, b]) una successione limitata di fun-
zioni equicontinue. Allora f
n
ammette una sottosuccessione convergente in C([a, b]).
dimostrazione. Sia ¦q
j
¦ un’enumerazione dei razionali di [a, b]. La succes-
sione f
n
(q
1
) `e limitata in R, e dunque ammette una sottosuccessione f
n
k
(q
1
)
convergente. Ripetendo il ragionamento con la sottosuccessione f
n
k
(q
2
), tro-
veremo una sotto-sottosuccessione f
n
k
i
(q
2
) convergente. Iteriamo la procedura
per q
3
, q
4
, . . . Alla fine otteniamo una sequenza di sottosuccessioni di f
n
, in cui
ciascuna sottosuccessione `e a sua volta una sotto-sottosuccessione di tutte sot-
tosuccessioni che la precedono. Costruiamo dunque la sottosuccessione cercata,
ponendo f
n
1
il primo elemento della prima sottosuccessione, f
n
2
il secondo ele-
mento della seconda sottosuccessione, e cos`ı via.
20
La sottosuccessione f
nm
(t)
costruita in questo modo `e evidentemente convergente (e quindi di Cauchy) per
t = q
j
. Sia ora ε > 0 fissato. Dall’ipotesi di equicontinuit` a, esiste δ > 0 tale che,
se [t −τ[ < δ,
[f
nm
(t) −f
nm
(τ)[ <
ε
3
.
19
L’esistenza di detta successione `e una conseguenza immediata del Lemma di Riesz di quasi
ortogonalit`a, di cui discuteremo pi` u avanti (cfr. '3.5).
20
Questa procedura `e nota come metodo di estrazione diagonale.
50
Ricopriamo l’intervallo [a, b] con un numero finito I
1
, I
2
, . . . , I
N
di intervallini di
lunghezza minore di δ. In ogni intervallino I
j
selezioniamo un punto q
j
(per sem-
plicit` a, abbiamo rietichettato gli N razionali scelti come q
1
, q
2
, . . . , q
N
). Poich´e i
q
j
sono in numero finito, esiste m

tale che, per m, m

≥ m

, si ha
[f
nm
(q
j
) −f
n
m

(q
j
)[ <
ε
3
, ∀j = 1, . . . , N.
Per concludere, sia t ∈ [a, b]. Allora t ∈ I
j
per qualche j. Dunque, [t − q
j
[ < δ.
Allora, per m, m

≥ m

abbiamo
[f
nm
(t) −f
n
m

(t)[
≤ [f
nm
(t) −f
nm
(q
j
)[ +[f
nm
(q
j
) −f
n
m

(q
j
)[ +[f
n
m

(q
j
) −f
n
m

(t)[
< ε.
Pertanto, f
nm
`e di Cauchy, e quindi convergente, in C([a, b]).
21

1.7 Norme equivalenti
Definizione. Sia X uno spazio lineare, e siano | | e | |

due diverse norme su
X. Allora | | e | |

si dicono equivalenti se esistono due numeri positivi m ≤ M
tali che
m|x|

≤ |x| ≤ M|x|

, ∀x ∈ X.
Il concetto di norme equivalenti `e piuttosto importante. Infatti, due norme
equivalenti su uno spazio X inducono le stesse successioni convergenti e le stesse
successioni di Cauchy, cio`e ogni qualvolta x
n
`e convergente o di Cauchy rispetto a
una norma lo `e anche rispetto all’altra. Dunque due norme equivalenti sono di fatto
indistinguibili dal punto di vista topologico. In particolare se X `e completo rispetto
a una norma lo `e anche rispetto all’altra.
Esercizio 16. Mostrare che in R
N
tutte le norme-p sono equivalenti.
In realt`a vale la seguente
Proposizione 1.7. Due qualsiasi norme in R
N
sono equivalenti.
dimostrazione. Sia | | la norma-1, e sia | |

una qualsiasi altra norma su
R
N
. Detta ¦e
j
¦ la base canonica di R
N
, fissato x =
¸
N
j=1
λ
j
e
j
∈ R
N
si ha che
|x|


N
¸
j=1

j
[|e
j
|

≤ M|x|,
21
Sebbene la dimostrazione sia stata fatta per C([a, b]), lo stesso argomento si applica per un
generico C(K), con K spazio metrico compatto (che ammette sempre una successione densa di
elementi). Chiaramente, laddove ricopriamo [a, b] con un numero finito di intervallini, ci si deve
appellare alla compattezza dello spazio per ottenere un ricoprimento finito di palle di diametro
minore di δ.
51
dove M = max
j=1,...,N
|e
j
|

, da cui segue che la funzione φ(x) = |x|

`e continua
da R
N
in norma-1 in R. Pertanto, per il Teorema di Weierstrass, la funzione
positiva φ ha un minimo assoluto m ≥ 0 sulla sfera unitaria di R
N
in norma-1.
Quindi, per x = 0, abbiamo
φ

x
|x|

≥ m,
ovvero, |x|

≥ m|x|. Resta da dimostrare che m > 0. Ma se m fosse zero,
esisterebbe x
min
= 0 tale che |x
min
|

= 0, contraddicendo l’annullamento della
norma.
Osservazione. In virt` u di questo risultato, si `e soliti non menzionare di quale
norma si stia parlando in R
N
.
Esempio. Sullo spazio lineare C([a, b]) `e possibile introdurre altre norme, oltre
a quella del massimo. In particolare, si definisce la norma integrale
|f| =

b
a
[f(t)[dt.
`
E banale verificare che le propriet`a della norma sono soddisfatte. Tuttavia, si
pu` o dimostrare che C([a, b]) con la norma integrale non `e uno spazio di Banach.
Segue quindi che la norma integrale e la norma del massimo non sono equi-
valenti. Nel seguito, quando parleremo di C([a, b]), senza ulteriori specificazioni,
intenderemo sempre C([a, b]) con la norma del massimo.
Esercizio 17. Mostrare che su C
1
([0, 1]) la funzione
|f|

= [f(0)[ + max
t∈[0,1]
[f

(t)[
definisce una norma equivalente a quella usuale. Mostrare invece che la funzione
max
t∈[0,1]
[f

(t)[
non definisce una norma su C
1
([0, 1]).
1.8 Gli spazi L
p
(Ω)
Sia (Ω, M, µ) uno spazio di misura.
Definizione. Per p ∈ [1, ∞), denotiamo con L
p
(Ω) l’insieme di (classi di equivalenza
di) funzioni misurabili (rispetto a µ) f : Ω →R tali che [f[
p
`e integrabile, ovvero,


[f[
p
dµ < ∞.
52
Definizione. Denotiamo con L

(Ω) l’insieme di (classi di equivalenza di) funzioni
misurabili f : Ω →R essenzialmente limitate, ossia, tali che esista M ≥ 0 per cui
µ
¸
t ∈ Ω : [f(t)[ > M
¸
= 0.
L’estremo inferiore degli M per i quali vale questa relazione `e detto estremo superiore
essenziale di [f[, denotato con Ess Sup

[f[.
Esercizio 18. Verificare che l’estremo inferiore degli M `e in realt`a un minimo.
Quando Ω `e un sottoinsieme di R
N
Lebesgue misurabile, in assenza di ulteriori
specificazioni, L
p
(Ω) `e inteso rispetto alla misura di Lebesgue.
Teorema 1.8. Per p ∈ [1, ∞], L
p
(Ω) `e uno spazio normato con la norma
|f|
L
p =


[f[
p

1/p
, p ∈ [1, ∞),
Ess Sup

[f[, p = ∞.
`
E semplice verificare che L
p
(Ω) `e uno spazio lineare, e che valgono le condizioni
(i) e (ii) della definizione di norma. Per quanto riguarda la (iii), occore un po’ di
lavoro. Nel seguito, p, q ∈ [1, ∞] indicheranno sempre due esponenti coniugati, cio`e
tali che
1
p
+
1
q
= 1,
con la convenzione che 1/∞ = 0.
Lemma 1.9 (Disuguaglianza di Young). Sia p ∈ (1, ∞), e siano a, b > 0. Allora
vale la disuguaglianza
ab ≤
a
p
p
+
b
q
q
.
dimostrazione. [Esercizio]
[Suggerimento: si fissi b > 0 e si studi φ(a) =
a
p
p
+
b
q
q
−ab su [0, ∞)]
Teorema 1.10 (Disuguaglianza di H¨older). Siano f ∈ L
p
(Ω) e g ∈ L
q
(Ω). Allora
il prodotto fg appartiene a L
1
(Ω) e
|fg|
L
1 ≤ |f|
L
p|g|
L
q .
dimostrazione. Se p = 1 (o p = ∞) la dimostrazione `e immediata. Sia
dunque p ∈ (1, ∞). Assumiamo inoltre f e g non identicamente nulle. Definiamo
F(t) =
f(t)
|f|
L
p
e G(t) =
g(t)
|g|
L
q
.
Usando il lemma precedente,


[FG[dµ ≤
1
p


[F[
p
dµ +
1
q


[G[
q
dµ = 1,
da cui segue la tesi.
53
Siamo ora in grado di verificare la disuguaglianza triangolare per gli spazi L
p
(Ω),
nota come disuguaglianza di Minkowski.
Teorema 1.11 (Disuguaglianza di Minkowski). Siano f, g ∈ L
p
(Ω). Allora
|f +g|
L
p ≤ |f|
L
p +|g|
L
p.
dimostrazione. I casi p = 1 e p = ∞ sono immediati. Sia dunque p ∈ (1, ∞).
Assumendo f e g non identicamente nulle, si ha
|f +g|
p
L
p ≤


[f[[f +g[
p−1
dµ +


[g[[f +g[
p−1
dµ.
Applicando la disuguaglianza di H¨ older,
|f + g|
p
L
p ≤

|f|
L
p +|g|
L
p

|(f + g)
p−1
|
L
q =

|f|
L
p +|g|
L
p

|f +g|
p/q
L
p .
Dividendo per |f + g|
p/q
L
p il teorema `e dimostrato.
Gli spazi
p
. Sia Ω = N e sia µ la misura del conteggio. Allora si `e soliti definire

p
= L
p
(N). Si noti che
1
e

sono gli spazi gi` a incontrati in precedenza.
Osservazione. Se invece Ω = ¦1, . . . , N¦ e µ `e la misura del conteggio, allora
L
p
(¦1, . . . , N¦) altro non `e che lo spazio R
N
in norma-p.
Vediamo ora un’interessante conseguenza della disuguaglianza di H¨ older.
Proposizione 1.12. Se µ(Ω) < ∞ e 1 ≤ s < r ≤ ∞, allora vale l’inclusione
L
r
(Ω) ⊂ L
s
(Ω). Inoltre, interpretando 1/∞ = 0,
|f|
L
s ≤

µ(Ω)

1/s−1/r
|f|
L
r .
dimostrazione. Sia f ∈ L
r
(Ω). Allora [f[
s
∈ L
r/s
(Ω) e 1 ∈ L
r/(r−s)
(Ω)
(poich´e Ω `e limitato). Si noti che r/s e r/(r − s) sono esponenti coniugati.
Pertanto dalla disuguaglianza di H¨ older abbiamo che [f[
s
= 1 [f[
s
∈ L
1
(Ω), e
|f|
s
L
s =


1 [f[
s
dµ ≤ |1|
L
r/(r−s) |f|
s
L
r =

µ(Ω)

(r−s)/r
|f|
s
L
r .
Facendo la radice s-esima otteniamo il risultato voluto.
Esercizio 19. Mostrare che se µ(Ω) = ∞ l’inclusione insiemistica L
r
(Ω) ⊂ L
s
(Ω),
per r > s, `e in generale falsa.
Esercizio 20. Mostrare che per gli spazi
p
vale l’inclusione inversa. Precisamente,
se s < r allora
s

r
. Inoltre,
|x|

r ≤ |x|

s.
54
[Suggerimento: si osservi che, banalmente, |x|

∞ ≤ |x|

s]
Esercizio 21. Sia f : Ω →R misurabile, con µ(Ω) < ∞, e sia p ∈ [1, ∞). Inoltre,
per ogni g ∈ L
q
(Ω) il prodotto fg ∈ L
1
(Ω) e valga la relazione


fgdµ

≤ M|g|
L
q ,
per un certo M ≥ 0 indipendente da g. Si dimostri che f ∈ L
p
(Ω) e |f|
L
p ≤ M.
Esercizio 22. Ecco una versione (molto) pi` u difficile del precedente esercizio. Sia
f : Ω → R misurabile, con µ(Ω) < ∞, e sia p ∈ [1, ∞). Inoltre, per ogni g ∈ L
q
(Ω)
il prodotto fg ∈ L
1
(Ω). Si dimostri che f ∈ L
p
(Ω).
22
Esercizio 23. Sia f ∈ L
p
([0, 2]) con |f|
L
p ≤ 1 per ogni p ∈ [1, ∞). Mostrare che
f ∈ L

([0, 2]) e |f|
L
∞ ≤ 1.
Discutiamo ora la completezza degli spazi L
p
(Ω).
Esercizio 24. Mostrare che gli spazi
p
sono spazi di Banach (i casi p = 1 e p = ∞
sono stati gi`a affrontati in un precedente esercizio). Sia invece
p
fin
il sottospazio
di
p
delle successioni definitivamente nulle. Dimostrare che
p
fin
non `e uno spazio
completo (si noti l’analogia tra R e Q).
L’esercizio appena visto si pu` o risolvere “a mano”. Tuttavia, altro non `e che un
caso particolare del seguente
Teorema 1.13. Gli spazi L
p
(Ω) sono spazi di Banach.
dimostrazione. Consideriamo dapprima il caso p < ∞. Vogliamo usare la
Proposizione 1.5. Sia dunque f
n
∈ L
p
(Ω) tale che

¸
n=1
|f
n
|
L
p ≤ M < ∞.
Definendo allora g
k
(t) =
¸
k
n=1
[f
n
(t)[, dalla disuguaglianza di Minkowski `e chiaro
che |g
k
|
L
p ≤ M per ogni k ∈ N. In particolare,


[g
k
(t)[
p
dµ ≤ M
p
, ∀k ∈ N.
Ponendo g(t) =
¸

j=1
[f
j
(t)[, per il Teorema della Convergenza Monotona si ha
lim
n→∞


[g
n
(t)[
p
dµ =


[g(t)[
p
dµ ≤ M
p
.
22
Questo esercizio, in genere, viene risolto nel caso p > 1 facendo uso del Teorema 2.6 e del
Teorema 3.2. Tuttavia, `e possibile trovare una soluzione diretta.
55
Quindi g ∈ L
p
(Ω), da cui [g(t)[ < ∞ per quasi ogni t ∈ Ω, cio`e, la serie nu-
merica
¸

n=1
f
n
(t) converge (assolutamente) quasi ovunque. Chiamando allora
s(t) la somma della serie e s
k
(t) le relative somme parziali k-esime, s
k
− s → 0
puntualmente quasi ovunque e, sempre quasi ovunque,
[s
k
(t) −s(t)[
p
≤ 2
p
[g(t)]
p
∈ L
1
(Ω).
Applicando il Teorema della Convegenza Dominata, concludiamo che
lim
n→∞


[s
k
(t) −s(t)[
p
dµ = 0,
cio`e che la serie
¸

n=1
f
n
(t) converge in L
p
(Ω).
Il caso p = ∞ `e invece di dimostrazione quasi immediata. Sia infatti f
n
una
successione di Cauchy in L

(Ω). Definiamo gli insiemi
A
n
=
¸
t ∈ Ω : [f
n
(t)[ > |f
n
|
L

¸
e
B
nm
=
¸
t ∈ Ω : [f
n
(t) −f
m
(t)[ > |f
n
−f
m
|
L

¸
.
Per definizione, µ(A
n
) = µ(B
nm
) = 0. Sia allora A l’unione degli A
n
e dei B
nm
.
Chiaramente, µ(A) = 0, e sul complementare di A la successione f
n
converge
uniformemente ad una funzione limitata f. Definendo f(t) = 0 per t ∈ A, si ha
che f ∈ L

(Ω) e f
n
→ f in L

(Ω).
Corollario 1.14. Sia f
n
una successione convergente a f in L
p
(Ω). Allora f
n
ammette una sottosuccessione f
n
k
convergente a f puntualmente quasi ovunque.
dimostrazione. Chiaramente dobbiamo limitarci a dimostrare il caso p < ∞.
Siano allora f
n
, f ∈ L
p
(Ω) con f
n
→ f in L
p
(Ω). Scegliamo una sottosuccessione
f
n
k
tale che
|f
n
k+1
−f
n
k
|
L
p ≤
1
k
2
.
Ripetendo il ragionamento della precedente dimostrazione, ricaviamo che la serie

¸
k=1

f
n
k+1
−f
n
k

converge puntualmente quasi ovunque ad una funzione g. Poich´e
f
n
j+1
= f
n
1
+
j
¸
k=1

f
n
k+1
−f
n
k

,
Concludiamo che f
n
k
→ f
n
1
+g puntualmente quasi ovunque. Rimane da verifi-
care l’uguaglianza f = f
n
1
+g (si veda l’esercizio seguente).
56
Esercizio 25. Sia f
n
una successione convergente a f in L
p
(Ω) e convergente a g
puntualmente quasi ovunque. Allora f = g quasi ovunque. [Suggerimento: applicare
il Lemma di Fatou]
La dimostrazione del Teorema 1.13 nel caso p = 1 contiene, in particolare, la
dimostrazione del Teorema della Convergenza Dominata per le serie di funzioni (si
veda il Teorema I.3.8).
Concludiamo il paragrafo esaminando la separabilit` a degli spazi L
p
(Ω).
Esercizio 26. Dimostrare che gli spazi
p
con p ∈ [1, ∞) sono separabili. [Sugge-
rimento: si considerino gli elementi di
p
fin
di “coordinate” razionali]
Esercizio 27. Dimostrare che lo spazio

non `e separabile. [Suggerimento: si
proceda per assurdo, usando il metodo di diagonalizzazione di Cantor]
Nel seguito del paragrafo, sia Ω un sottoinsieme misurabile di R (pi` u in generale,
di R
N
) di misura di Lebesgue λ(Ω) > 0.
Teorema 1.15. Sia p < ∞. Data f ∈ L
p
(Ω), esiste una successione φ
n
di funzioni
continue e limitate su Ω convergente a f nella norma di L
p
(Ω), ovvero,
lim
n→∞

n
−f|
L
p = 0.
Se Ω non `e limitato, per ogni n esiste un insieme limitato Ω
n
⊂ Ω (e dunque di
misura finita) tale che φ
n
(t) = 0 se t ∈ Ω
n
.
dimostrazione. [Esercizio]
[Suggerimento: si estenda la funzione su R facendola valere zero fuori da Ω.
Quindi, si approssimi con funzioni semplici, e si usi la regolarit` a della misura di
Lebesgue]
Esercizio 28. Sia p < ∞, e sia f ∈ L
p
(R). Per h ∈ R, definiamo la traslata τ
h
f
di f per mezzo della formula (τ
h
f)(t) = f(t + h). Utilizzando il Teorema 1.15 e il
Teorema della Convergenza Dominata, dimostrare che
lim
h→0

h
f −f|
L
p = 0.
Corollario 1.16. Se p < ∞, lo spazio L
p
(Ω) `e separabile.
dimostrazione. Supponiamo che Ω ⊂ [a, b] (per esercizio, si completi poi la
dimostrazione). Sappiamo che C(Ω) `e separabile; sia dunque φ
n
una successione
densa in C(Ω). Fissiamo allora f ∈ L
p
(Ω) e ε > 0. Dal teorema precedente,
esiste φ ∈ C(Ω) tale che
|f −φ|
L
p ≤ ε.
57
D’altro canto, esiste φ
n
0
tale che
|φ −φ
n
0
|
C(Ω)
= |φ −φ
n
0
|
L
∞ ≤ ε.
Dalla Proposizione 1.12 concludiamo che
|φ −φ
n
0
|
L
p ≤ M|φ −φ
n
0
|
L
∞ ≤ Mε,
con M = (2R)
1/p
. Applicando infine la disuguaglianza di Minkowski, abbiamo
che
|f −φ
n
0
|
L
p ≤ (1 + M)ε.
Dall’arbitrariet` a di ε segue la tesi.
Le cose sono invece molto diverse per p = ∞.
Proposizione 1.17. Lo spazio L

(Ω) non `e separabile.
dimostrazione. Dimostriamolo per semplicit`a assumendo che Ω contenga un
intervallo aperto (a, b). Consideriamo la famiglia (non numerabile) di funzioni
caratteristiche χ
(a,c)
, al variare di c in (a, b).
`
E immediato verificare che se c = c

allora |χ
(a,c)
−χ
(a,c

)
|
L
∞ = 1.
2 Operatori lineari
2.1 Definizioni e prime propriet`a
Siano X e Y due spazi normati.
Definizione. Una funzione T : X → Y `e detta un operatore lineare (da X a Y ) se
per ogni x, y ∈ X e per ogni λ ∈ R si ha che
T(λx + y) = λT(x) + T(y).
Quando T `e un operatore lineare si preferisce scrivere Tx in luogo di T(x).
Definizione. Un operatore lineare T : X → Y `e limitato se esiste M ≥ 0 tale che
|Tx|
Y
≤ M|x|
X
, ∀x ∈ X.
Esercizio 29. Sia X = C([0, 1]). Definiamo l’operatore lineare T : X → X nel
seguente modo:
(Tf)(t) = f(t) + f(0), f ∈ X.
Mostrare che T `e limitato.
58
Esercizio 30. Sia X =
1
, e sia y = (y
1
, y
2
, y
3
, . . .) ∈

. Definiamo l’operatore
lineare T : X →R nel seguente modo:
Tx =

¸
j=1
x
j
y
j
, x = (x
1
, x
2
, x
3
, . . .) ∈ X.
Mostrare che T `e limitato.
Teorema 2.1. Sia T : X → Y un operatore lineare. Allora una qualsiasi delle
seguenti condizioni implica le altre due:
(i) T `e limitato;
(ii) T `e continuo (Lipschitz);
(iii) T `e continuo in 0 ∈ X.
dimostrazione. Se vale (i), allora dalla definizione di operatore limitato si
ricava subito (ii), che banalmente implica (iii). Mostriamo allora che (iii) implica
(i). Se infatti (i) non vale, cio`e T non `e limitato, allora esiste x
n
∈ X tale che
|Tx
n
|
Y
> n|x
n
|
X
, ∀n.
Ma allora la successione
z
n
=
x
n
n|x
n
|
X
tende a zero e
|Tz
n
|
Y
> 1, ∀n,
per cui T non `e continuo in zero, ovvero (iii) implica (i).
Alla luce di questo teorema, parleremo indifferentemente di operatore lineare
continuo o limitato.
Indichiamo con L(X, Y ) l’insieme degli operatori lineari continui da X a Y (si
usa la notazione L(X) in luogo di L(X, X) se X = Y ). Dati T, S ∈ L(X, Y ) e
λ ∈ R, si pu` o definire l’operatore
(T + λS)(x) = Tx + λSx.
Dunque lo spazio L(X, Y ) `e a sua volta uno spazio lineare, che risulta essere uno
spazio normato rispetto alla norma
|T|
L(X,Y )
= sup
x≤1
|Tx|
Y
.
Osservazione.
`
E banale verificare che
sup
x≤1
|Tx|
Y
= sup
x=1
|Tx|
Y
.
59
Esercizio 31. Si mostri che |T|
L(X,Y )
`e la pi` u piccola (e quindi la migliore!)
costante M per cui vale la disuguaglianza |Tx|
Y
≤ M|x|
X
.
Esercizio 32. Sia X = L
2
([0, 1]), e sia T : X → X l’ operatore di moltiplicazione
per t, definito come
(Tf)(t) = tf(t), f ∈ X.
Mostrare che |T|
L(X)
= 1.
Proposizione 2.2. Se Y `e uno spazio di Banach, allora L(X, Y ) `e uno spazio di
Banach.
23
dimostrazione. Sia T
n
una successione di Cauchy in L(X, Y ). Allora, per
ogni x ∈ X, la successione T
n
x `e una successione di Cauchy in Y , e quindi
convergente a un valore Tx ∈ Y . Infatti,
|T
n
x −T
m
x|
Y
≤ |T
n
−T
m
|
L(X,Y )
|x|
X
.
Lasciamo per esercizio la dimostrazione che T : X → Y `e un operatore lineare.
Dobbiamo mostrare che T `e continuo e che T
n
→ T in L(X, Y ). Fissato ε > 0,
dalla formula precedente ricaviamo che, per n, m abbastanza grandi,
|T
n
x −T
m
x|
Y
≤ ε|x|
X
.
Dunque, facendo il limite m → ∞,
|T
n
x −Tx|
Y
≤ ε|x|
X
.
Questo, in particolare, ci dice che T ∈ L(X, Y ). Infine, dall’arbitrariet` a di ε,
otteniamo la convergenza desiderata.
Definizione. Due spazi normati X e Y sono isomorfi se esiste un operatore biettivo
T ∈ L(X, Y ) con T
−1
∈ L(Y, X).
Un isomorfismo tra spazi normati trasferisce tutte le propriet` a lineari e topo-
logiche da uno spazio all’altro (in particolare, la completezza). Pertanto, due spazi
normati isomorfi possono essere senz’altro identificati dal punto di vista topologico.
Proposizione 2.3. Uno spazio normato X di dimensione N `e isomorfo a R
N
.
dimostrazione. Abbiamo gi` a mostrato l’esistenza di un isomorfismo alge-
brico (cio`e un operatore lineare biettivo) I : X → R
N
. Ripetendo allora la di-
mostrazione della Proposizione 1.7 con X al posto di (R
N
, | |

), si vede subito
che I `e bicontinuo.
23
Vale anche il viceversa.
60
Una conseguenza interessante di questa proposizione `e che i sottospazi finito
dimensionali di uno spazio normato sono chiusi.
Esercizio 33. Sia T ∈ L(X, Y ). Allora il nucleo (kernel) di T definito da
ker(T) =
¸
x ∈ X : Tx = 0
¸
`e un sottospazio chiuso di X.
Osservazione. T `e iniettivo se e solo se ker(T) = ¦0¦.
Operatori lineari particolarmente interessanti sono le isometrie. Diciamo che
T ∈ L(X, Y ) `e un’isometria se |Tx|
Y
= |x|
X
per ogni x ∈ X. Si noti che le
isometrie sono operatori iniettivi (ma non necessariamente suriettivi).
Esercizio 34. Mostrare che se X `e uno spazio di Banach, Y uno spazio normato
e T ∈ L(X, Y ) `e un’isometria, allora TX `e un sottospazio chiuso di Y .
Un’altra classe di operatori particolarmente significativa `e quella degli operatori
compatti. Discuteremo in dettaglio questi operatori nel prossimo capitolo, quando
avremo introdotto la convegenza debole.
2.2 Iniezioni continue
Assumiamo che lo spazio normato X sia un sottospazio lineare di Y (che potrebbe
anche coincidere, come spazio lineare, con Y ). L’operatore lineare che vogliamo
considerare `e l’operatore di inclusione o iniezione J : X → Y definito da
Jx = x, x ∈ X.
Se la mappa J `e continua, cio`e se esiste M ≥ 0 tale che
|x|
Y
≤ M|x|
X
, ∀x ∈ X,
diremo che X `e incluso con continuit` a in Y , e scriveremo
X → Y.
In particolare se x
n
`e una successione di elementi di X che converge a x ∈ X nella
norma di X, allora converge a x anche nella norma di Y .
Si noti che se X e Y sono lo stesso spazio lineare con due diverse norme, allora
le due norme sono equivalenti se e solo se si ha
X → Y e Y → X.
Esempio. Con riferimento alla Proposizione 1.12, se µ(Ω) < ∞ e s < r ab-
biamo l’iniezione continua L
r
(Ω) → L
s
(Ω). Analogamente, abbiamo l’iniezione
continua
s

r
.
61
Esercizio 35. Siano X = C([a, b]) con la norma del massimo, e Y = C([a, b]) con
la norma integrale. Mostrare che X → Y . Mostrare che invece non si ha Y → X.
Esercizio 36. Siano X → Y , e sia A ⊂ X. Mostrare che se A `e chiuso in Y allora
A `e chiuso in X.
2.3 Il Teorema di Baire e le sue conseguenze
Definizione. Sia X uno spazio normato. Un sottoinsieme A di X `e detto mai
denso se la sua chiusura A ha interno vuoto, cio`e non contiene sottoinsiemi aperti
non vuoti di X. Un insieme di prima categoria (in X) `e un’unione numerabile di
sottoinsiemi di X mai densi. Tutti gli altri sottoinsiemi di X sono detti di seconda
categoria.
Esempio. L’insieme Q `e di prima categoria in R.
Teorema 2.4 (Baire). Ogni spazio di Banach `e di seconda categoria (in s´e).
dimostrazione. Per assurdo, sia X =
¸

n=1
A
n
, con A
n
chiuso mai denso.
Scegliamo x
1
∈ A
C
1
. Allora esiste ε
1
< 1 tale che B(x
1
, ε
1
) ⊂ A
C
1
. L’insieme mai
denso A
2
non pu`o contenere B(x
1
, ε
1
). Scegliamo x
2
∈ A
C
2
∩ B(x
1
, ε
1
). Allora
esiste ε
2
< 1/2 tale che B(x
2
, ε
2
) ⊂ A
C
2
∩B(x
1
, ε
1
). Procedendo in questo modo,
costruiamo una successione di palle nidificate
B(x
1
, ε
1
) ⊃ B(x
2
, ε
2
) ⊃ B(x
3
, ε
3
) ⊃ ,
ciascuna di raggio ε
n
< 1/n. La successione x
n
dei centri delle palle `e di Cauchy,
e quindi converge a un certo x ∈ X. Ora, se x appertenesse a X, per ipotesi
esisterebbe n
0
tale che x ∈ A
n
0
. Ma la successione x
n
, per n ≥ n
0
appartiene a
B(x
n
0
, ε
n
0
), che `e un insieme chiuso, e quindi il suo limite x appartiene anch’esso
a B(x
n
0
, ε
n
0
). Dato che B(x
n
0
, ε
n
0
) ∩ A
n
0
= ∅, concludiamo che x ∈ A
n
0
. Con-
traddizione.
Osservazione. Dalla dimostrazione si evince che il risultato vale pi` u in generale
se X `e uno spazio metrico completo.
Un corollario immediato (in realt`a, un enunciato alternativo del Teorema di
Baire) `e il seguente.
Corollario 2.5. Sia X uno spazio di Banach. L’intersezione di una collezione
numerabile di aperti densi in X `e un insieme denso in X.
In particolare, l’intersezione `e non vuota. Spesso questa `e la conseguenza pi` u
interessante del risultato.
dimostrazione. Sia ¦A
n
¦ una famiglia numerabile di aperti densi in X. Se esi-
ste una palla chiusa B ⊂ X tale che
¸
n
A
n
∩B = ∅, passando al complementare,
¸
n
(A
C
n
∩ B) = B, da cui B `e di prima categoria in s´e, in contraddizione con il
Teorema di Baire (B `e uno spazio metrico completo).
62
Esercizio 37. Mostrare che R si pu`o scrivere come unione disgiunta R = G ∪ F,
dove G `e un insieme G
δ
di misura di Lebesgue nulla tale che G ⊃ Q.
Esercizio 38. Dimostrare che uno spazio di Banach infinito dimensionale non pu`o
avere una base di Hamel numerabile.
Veniamo ora a discutere le importanti conseguenze del Teorema di Baire. Nel
seguito del paragrafo, X e Y sono spazi di Banach.
Teorema 2.6 (Banach-Steinhaus o Uniforme Limitatezza). Sia T un sottoinsieme
di L(X, Y ). Assumiamo che per ogni x ∈ X esista una costante M
x
≥ 0 tale che
sup
T∈F
|Tx|
Y
≤ M
x
.
Allora esiste una costante M ≥ 0 tale che
sup
T∈F
|T|
L(X,Y )
≤ M.
dimostrazione. Sia
C
n
=
¸
x ∈ X : |Tx|
Y
≤ n, ∀T ∈ T
¸
.
L’insieme C
n
`e chiuso. Inoltre, X =
¸
n∈N
C
n
. Sfruttiamo ora il fatto che X
`e uno spazio di Banach. Dunque, dal Teorema di Baire, deve esistere n
0
tale
che C
n
0
non abbia interno vuoto. Ovvero, esistono ε > 0 e x
0
∈ X tali che
C
n
0
⊃ B(x
0
, ε). Se |z|
X
≤ ε, segue che z +x
0
⊂ B(x
0
, ε) ⊂ C
n
0
, da cui
|Tz|
Y
≤ |T(z +x
0
)|
Y
+|Tx
0
|
Y
≤ 2n
0
, ∀T ∈ T.
Pertanto, se x = 0,
|Tx|
Y
=
1
ε
|x|
X

T

εx
|x|
X

Y

2n
0
ε
|x|
X
, ∀T ∈ T.
Chiaramente, tale formula vale anche per x = 0.
Si noti che il Teorema di Uniforme Limitatezza vale anche se Y non `e completo.
Al contrario, `e essenziale che X lo sia.
Corollario 2.7. Sia T ⊂ L(X, Y ). Se non esiste alcuna costante M ≥ 0 per cui
sia verificata la relazione
sup
T∈F
|T|
L(X,Y )
≤ M,
allora esiste un insieme G
δ
denso G ⊂ X tale che
sup
T∈F
|Tx|
Y
= ∞, ∀x ∈ G.
63
dimostrazione. I chiusi C
n
della precedente dimostrazione sono mai densi (in
caso contrario si otterrebbe uniforme limitatezza). Pertanto, i complementari
A
n
= C
C
n
sono aperti densi, e dal Corollario 2.5 l’intersezione G =
¸
n∈N
A
n
`e un
G
δ
denso. Notando che
sup
T∈F
|Tx|
Y
> n, ∀x ∈ A
n
,
la tesi segue immediatamente.
Alla luce del Corollario 2.7, possiamo dare la seguente formulazione alternativa
del Teorema di Uniforme Limitatezza.
Teorema 2.8. Dato T ⊂ L(X, Y ), due sono le possibili situazioni:
- sup
T∈F
|T|
L(X,Y )
≤ M per qualche M ≥ 0; oppure
- esiste un G
δ
denso G tale che sup
T∈F
|Tx|
Y
= ∞ per ogni x ∈ G.
Corollario 2.9. Sia T
n
∈ L(X, Y ). Assumiamo che per ogni x ∈ X esista il limite
Tx = lim
n
T
n
x. Allora T ∈ L(X, Y ).
Esercizio 39. Dimostrare il Corollario 2.9.
Teorema 2.10 (Mappa Aperta). Sia T ∈ L(X, Y ) una mappa suriettiva. Allora T
`e una mappa aperta (cio`e TA `e aperto in Y per ogni aperto A in X).
dimostrazione. Conviene utilizzare la seguente notazione: dato un vettore x,
un insieme A e ρ > 0, indichiamo con x + ρA l’insieme dei vettori della forma
x +ρa, al variare di a in A.
Denotiamo con U e V le palle aperte unitarie in X e Y . Usando la linearit`a di
T, `e sufficiente dimostrare che esiste ε > 0 tale che
TU ⊃ εV.
Poich´e
¸
n∈N
nU = X, dalla suriettivit` a di T ricaviamo che
Y = T

¸
n∈N
nU

=
¸
n∈N
T(nU) =
¸
n∈N
nTU.
Sfruttando il fatto che Y `e di seconda categoria, l’insieme TU non pu` o avere
interno vuoto. Dunque, esisteranno y ∈ Y e ν > 0 tali che TU ⊃ y + νV .
Essendo T suriettiva, y = Tx per qualche x ∈ X, dunque TU ⊃ Tx + νV ,
ovvero,
T(U −x) ⊃ νV.
A patto di prendere M > 0 abbastanza grande, U −x ⊂ MU. Quindi, ponendo
ε = ν/M, otteniamo finalmente
TU ⊃ εV.
64
Questa `e “quasi” la nostra tesi. Dobbiamo ora rimuovere la chiusura (e lo faremo,
a patto di dimezzare ε). Sia y ∈ εV . Allora esiste x
1
∈ U tale che
|y −Tx
1
|
Y

ε
2
.
Poniamo y
1
= y −Tx
1
. Notiamo che y
1

ε
2
V . Quindi esiste x
2

1
2
U tale che
|y
1
−Tx
2
|
Y

ε
4
.
Poniamo y
2
= y
1
−Tx
2
. Procedendo in questo modo, costruiamo due successioni
x
n

1
2
n−1
U e y
n

ν
2
n
V tali che
|y
n
−Tx
n
|
Y

ε
2
n
.
Si noti che
y
n+1
= y −
n
¸
j=1
Tx
j
.
A questo punto, sia
x =

¸
n=1
x
n
.
La serie converge assolutamente, e quindi converge poich´e X `e di Banach. Inoltre,
|x|
X


¸
n=1
|x
n
|
X
<

¸
n=1
1
2
n−1
= 2.
Infine, y = Tx. Infatti,
|y −Tx|
Y
= lim
n→∞

y −
n
¸
j=1
Tx
j

Y
= lim
n→∞
|y
n+1
|
Y
= 0.
Pertanto TU ⊃
ε
2
V .
Contrariamente al Teorema di Uniforme Limitatezza, nel Teorema della Mappa
Aperta `e fondamentale che entrambi gli spazi X e Y siano di Banach.
Teorema 2.11 (Mappa Inversa). Sia T ∈ L(X, Y ) una mappa biettiva. Allora
T
−1
∈ L(Y, X).
dimostrazione. Dobbiamo mostrare la continuit`a di T
−1
. Per fare ci`o `e
sufficiente far vedere che controimmagini di aperti in X attraverso la mappa T
−1
sono aperti in Y . Sia allora A ⊂ X un insieme aperto. Poich´e T `e biettiva
(T
−1
)
−1
(A) = TA,
che `e aperto in virt` u del Teorema della Mappa Aperta.
65
Vediamo ora una conseguenza del Teorema della Mappa Inversa.
Corollario 2.12. Sia X uno spazio lineare, e siano | | e | |

due diverse norme
che rendano X uno spazio di Banach tali che
|x|

≤ M|x|, ∀x ∈ X.
Allora le due norme sono equivalenti.
dimostrazione. La mappa identit`a J : (X, | |) → (X, | |

) `e continua
(e, ovviamente, biettiva). Per il Teorema della Mappa Inversa l’applicazione
J
−1
: (X, | |

) → (X, | |) `e continua, da cui si ricava la disuguaglianza
mancante.
Definizione. Un operatore lineare T : X → Y `e chiuso se ogni qualvolta x
n
→ x
in X e Tx
n
→ y in Y segue che Tx = y.
Se T ∈ L(X, Y ), allora T `e chiuso. Infatti, se x
n
→ x la continuit`a di T implica
che Tx
n
→ Tx.
24
Il fatto interessante `e che vale anche il viceversa.
Teorema 2.13 (Grafico Chiuso). Sia T : X → Y un operatore lineare chiuso.
Allora T ∈ L(X, Y ).
dimostrazione. Definiamo una nuova norma su X nel seguente modo:
|x|

= |x|
X
+|Tx|
Y
.
La norma | |

rende X uno spazio di Banach (si verifichi la completezza per
esercizio). Ovviamente,
|x|
X
≤ |x|
X
+|Tx|
Y
= |x|

, ∀x ∈ X.
Per il Corollario 2.12, esiste M ≥ 1 tale che
|x|
X
+|Tx|
Y
≤ M|x|
X
, ∀x ∈ X,
da cui
|Tx|
Y
≤ (M −1)|x|
X
, ∀x ∈ X.
Quindi T `e continuo.
Osservazione. Il teorema si dice del Grafico Chiuso poich´e si pu` o riformulare
in modo equivalente dicendo che se il grafico di T
((T) =
¸
(x, Tx) : x ∈ X
¸
`e un sottoinsieme chiuso di X Y , allora T `e un operatore continuo.
24
Si noti che questa propriet`a vale anche se T non `e lineare, ma solo continuo. Tuttavia, un
operatore non lineare pu`o essere chiuso ma non continuo. Ad esempio, la mappa da R in R definita
da 1/t se t = 0 e 0 altrimenti.
66
3 Lo spazio duale
3.1 Definizioni e prime propriet`a
Definizione. Sia X uno spazio normato. Un operatore lineare Λ : X → R `e detto
funzionale (lineare). Lo spazio di Banach L(X, R) `e detto spazio duale di X, e viene
indicato con X

. Gli elementi di X

sono i funzionali lineari continui su X.
Dunque un funzionale Λ : X →R `e continuo se e solo se
sup
x≤1
[Λx[ < ∞.
In tal caso
|Λ|
X
∗ = sup
x≤1
[Λx[.
Esercizio 40. Mostrare che spazi isomorfi hanno duali isomorfi.
Se Λ ∈ X

, sappiamo che ker(Λ) `e necessariamente chiuso.
Proposizione 3.1. Sia Λ : X →R un funzionale lineare non nullo. Allora Λ ∈ X

se e solo se ker(Λ) `e chiuso se e solo se ker(Λ) non `e denso in X.
dimostrazione.
`
E ovvio che ker(Λ) chiuso implica ker(Λ) non denso in X
(altrimenti Λ sarebbe il funzionale nullo). Mostriamo allora che se Λ non `e
continuo allora ker(Λ) `e denso in X.
Sia x ∈ X con Λx = α = 0, e sia ε > 0. Vogliamo trovare z ∈ B(x, ε) tale che
Λz = 0. Se Λ non `e continuo, esiste y ∈ B(0, ε) tale che Λy = β, con [β[ ≥ [α[.
Per γ = −α/β (si noti che [γ[ ≤ 1),
Λ(x +γy) = α +γβ = 0.
Pertanto, il vettore z = x + γy appartiene a B(x, ε) ∩ ker(Λ).
Esercizio 41. Sia X = C([0, 1]). Definiamo il funzionale lineare Λ : X → R nel
seguente modo:
Λf =

1
0
f(t)dt, ∀f ∈ X.
Mostrare che Λ ∈ X

. Calcolare quindi |Λ|
X
∗.
Esercizio 42. Sia X = C
c
(R) (funzioni a supporto compatto) con la norma del
massimo. Definiamo il funzionale lineare Λ : X →R nel seguente modo:
Λf =


−∞
f(t)dt, ∀f ∈ X.
Mostrare che Λ non `e continuo. [Suggerimento: verificare che ker(Λ) `e denso]
67
Esercizio 43. Mostrare che ogni funzionale lineare su R
N
`e della forma x → 'x, y`,
per qualche y ∈ R
N
. Concludere che il duale di R
N
pu` o essere identificato in modo
naturale con R
N
.
Osservazione. L’esercizio ci dice in particolare che tutti i funzionali lineari su
R
N
sono continui. Questa `e una peculiarit`a degli spazi di Banach finito dimen-
sionali. Negli spazi infinito dimensionali `e infatti sempre possibile (sfruttando
l’esistenza della base di Hamel) costruire un funzionale lineare non continuo.
Esercizio 44. Sia X = L
p
(Ω). Fissata g ∈ L
q
(Ω), definiamo il funzionale Λ
g
:
X →R nel seguente modo:
Λ
g
f =


fgdµ, ∀f ∈ X.
Mostrare che Λ
g
∈ X

e che |Λ
g
|
X
∗ = |g|
L
q .
25
`
E allora sensato chiedersi se tutti i funzionali di L
p
(Ω) siano della forma Λ
g
,
con g ∈ L
q
(Ω). La risposta `e affermativa se p < ∞. Enunciamo infatti senza
dimostrazione il
Teorema 3.2. Sia p ∈ [1, ∞). Allora tutti e soli i funzionali lineari continui di
L
p
(Ω) sono della forma Λ
g
, con g ∈ L
q
(Ω).
26
Esercizio 45. Dimostrare il Teorema 3.2 per il caso particolare degli
p
.
Possiamo pertanto identificare il duale di L
p
(Ω) con L
q
(Ω) attraverso la mappa
g → Λ
g
. Per quanto riguarda L

(Ω), abbiamo invece il
Teorema 3.3. Il duale di L

(Ω) contiene strettamente L
1
(Ω) (a meno che la misura
sia concentrata in un numero finito di punti
27
).
3.2 Il Teorema di Hahn-Banach
Enunciamo il risultato fondamentale sui funzionali lineari continui.
Teorema 3.4 (Hahn-Banach). Sia X uno spazio normato, e sia Y ⊂ X un suo
sottospazio. Dato un funzionale lineare Λ
0
: Y →R tale che

0
y[ ≤ M|y|, ∀y ∈ Y,
esiste un’estensione Λ ∈ X

di Λ
0
tale che |Λ|
X
∗ ≤ M.
25
Se p = 1 l’uguaglianza vale se si assume che ogni insieme di misura infinita contenga un
sottoinsieme misurabile di misura finita strettamente positiva.
26
Se p = 1 si deve supporre inoltre che la misura sia σ-finita.
27
Nel qual caso L
1
(Ω) e L

(Ω) coincidono con R
N
in norma-1 e norma-∞, rispettivamente.
68
Si noti che il sottospazio Y pu` o non essere chiuso. La dimostrazione si basa sul
celebre Lemma di Zorn
28
, che richiamiamo per convenienza del lettore.
Lemma 3.5 (Zorn). Ogni insieme non vuoto parzialmente ordinato in cui ogni
catena abbia estremo superiore ha un elemento massimale.
Ricordiamo che un insieme parzialmente ordinato `e un insieme su cui `e definita
una relazione di ordine parziale. Una catena `e un sottoinsieme totalmente ordinato.
Procediamo quindi alla dimostrazione del Teorema di Hahn-Banach.
dimostrazione. Sia x ∈ Y . Mostriamo che `e possibile estendere Λ
0
a un
funzionale Λ di norma minore o uguale a M definito sul sottospazio di X
Z =
¸
y +λx : y ∈ Y, λ ∈ R
¸
.
Definiamo Λ(y + λx) = Λ
0
y + λβ, con β ∈ R. Dobbiamo sincerarci per` o che
esista β ∈ R (non necessariamente unico) tale che
[Λ(y + λx)[ = [Λ
0
y +λβ[ ≤ M|y +λx|
X
, ∀y ∈ Y, ∀λ ∈ R.
Dividendo entrambi i membri per λ = 0, il β cercato deve verificare la relazione
−Λ
0
y −M|y + x|
X
≤ β ≤ −Λ
0
y +M|y +x|
X
, ∀y ∈ Y,
che `e certamente soddisfatta se
−Λ
0
w −M|w +x|
X
≤ −Λ
0
y + M|y +x|
X
, ∀y, w ∈ Y,
Ma quest’ultima disuguaglianza si pu` o riscrivere come
Λ
0
(y −w) ≤ M|y +x|
X
+M|w + x|
X
,
ed `e immediato verificare che
Λ
0
(y −w) ≤ [Λ
0
(y −w)[ ≤ M|y −w|
X
≤ M|y +x|
X
+ M|w +x|
X
.
Sia ora o la collezione delle coppie ordinate (Λ, Z), dove Z `e un sottospazio di
X che contiene Y , e Λ `e un funzionale lineare su Z di norma minore o uguale a
M che coincide con Λ
0
se ristretto a Y . Definiamo su o una relazione di ordine
parziale dichiarando (Λ

, Z

) ≤ (Λ

, Z

) se Z

⊂ Z

e Λ

[
Z
= Λ

. L’insieme o
`e non vuoto. Inoltre, se o

`e una catena, allora definiamo Z

=
¸
Z, al variare
degli Z tali che (Λ, Z) ∈ o

. Si verifica facilmente che Z

`e un sottospazio,
sul quale possiamo definire il funzionale Λ

nel seguente modo: se x ∈ Z

,
allora x ∈ Z con (Λ, Z) ∈ o

, e poniamo quindi Λ

x = Λx. Evidentemente,


, Z

) `e l’estremo superiore della catena o

. Siamo dunque nella posizione di
poter applicare il Lemma di Zorn, che ci garantisce l’esistenza di un elemento
massimale (Λ, Z) per l’insieme o. Concludiamo la dimostrazione mostrando che
Z = X (e dunque Λ `e l’estensione cercata). Se cos`ı non fosse, sfruttando il passo
precedente, potremmo estendere il funzionale Λ su un sottospazio contenente Z
propriamente, contraddicendo la massimalit` a di (Λ, Z).
28
Il Lemma di Zorn `e una formulazione equivalente dell’Assioma della Scelta.
69
Osservazione. Se Y = X, la tesi del Teorema di Hahn-Banach si ottiene con
un argomento diretto (Teorema di Estensione Limitata). Inoltre, in questo caso
l’estensione `e unica.
Esempio. Mostriamo un esempio di applicazione del Teorema di Hahn-Banach.
Sappiamo che il duale di L

([0, 1]) contiene strettamente L
1
([0, 1]). Esibiamo
allora un elemento di L

([0, 1])

non della forma Λ
g
, con g ∈ L
1
([0, 1]). Sia Y il
sottospazio di L

([0, 1]) delle funzioni continue. Definiamo
Λf = f(0), f ∈ Y.
`
E immediato verificare che Λ `e continuo su Y , e che non esiste g ∈ L
1
([0, 1]) tale
che Λf = Λ
g
f per ogni f ∈ Y . Si estenda infine Λ su tutto X.
Veniamo alle importantissime conseguenze del Teorema di Hahn-Banach.
Corollario 3.6. Dato x ∈ X, esiste Λ
x
∈ X

con |Λ
x
|
X
∗ = 1 tale che Λ
x
x = |x|
X
.
dimostrazione. Sia Y =
¸
λx : λ ∈ R
¸
⊂ X. Poniamo Λ
0
(λx) = λ|x|
X
, ed
estendiamo Λ
0
su X.
In particolare, X

separa i punti di X (quindi, X

`e uno spazio abbastanza
“ricco”, e dunque di una certa utilit` a). Vale cio`e il
Corollario 3.7. Se x, z ∈ X e Λx = Λz per ogni Λ ∈ X

, allora x = z.
Osservazione. Usando la linearit` a di Λ, un enunciato equivalente `e il seguente:
se x ∈ X e Λx = 0 per ogni Λ ∈ X

, allora x = 0.
Corollario 3.8. Se Y `e un sottospazio chiuso proprio di X e x ∈ Y , allora esiste
Λ ∈ X

tale che Λx = 0 ma Λ[
Y
= 0.
dimostrazione. Sia x ∈ Y . Definiamo Z =
¸
λx + y : y ∈ Y, λ ∈ R
¸
⊂ X, e
il funzionale Λ
0
(λx + y) = λ. Poich´e ker(Λ
0
) = Y , e Y `e chiuso, Λ
0
`e continuo
su Z. Estendiamo allora Λ
0
su tutto X.
Esercizio 46. Sia x ∈ X e sia Λx = 0 per ogni Λ ∈ Y con Y denso in X

.
Dimostrare che x = 0.
3.3 Riflessivit`a
Sia X uno spazio di Banach. Il suo duale X

possiede a sua volta uno spazio duale.
Tale spazio (dei funzionali lineari continui su X

) `e detto biduale di X, e indicato
con X
∗∗
. Esiste un’immersione naturale dello spazio X in X
∗∗
attraverso la mappa
canonica τ cos`ı definita:
τ(x) = F
x
,
70
dove F
x
`e l’elemento di X
∗∗
che agisce su X

nel seguente modo:
F
x
Λ = Λx, ∀Λ ∈ X

.
La mappa τ `e un isomorfismo isometrico da X a τ(X) ⊂ X
∗∗
. Infatti
|F
x
|
X
∗∗ = sup
Λ
X
∗=1
[F
x
Λ[ = sup
Λ
X
∗=1
[Λx[ ≤ |x|
X
.
D’altro canto, per il Corollario 3.6, esiste un elemento Λ ∈ X

di norma unitaria
tale che
[Λx[ = |x|
X
.
Concludiamo quindi che τ(X) `e un sottospazio chiuso di X
∗∗
.
Definizione. Uno spazio di Banach X `e riflessivo se la mappa canonica τ : X → X
∗∗
`e suriettiva.
In tal caso, X pu` o essere identificato con il suo biduale X
∗∗
.
`
E importante
ricordare che uno spazio `e riflessivo se `e isometricamente isomorfo al suo biduale
attraverso la mappa τ, e non attraverso una qualsiasi altra mappa.
29
Proposizione 3.9. X `e riflessivo se e solo se X

`e riflessivo.
dimostrazione.
`
E facile mostrare che un isomorfismo tra spazi di Banach
preserva la riflessivit` a. Dunque, se X `e riflessivo lo stesso vale per X
∗∗
. La sola
cosa da provare `e allora l’implicazione
X

riflessivo =⇒ X riflessivo.
Sia X

riflessivo. Se X non lo `e, τ(X) `e un sottospazio chiuso proprio di X
∗∗
. Dal
Corollario 3.8, esiste Φ ∈ X
∗∗∗
, Φ = 0, tale che ΦF
x
= 0 per tutti gli F
x
∈ τ(X).
Usando la riflessivit` a di X

, Φ = Φ
Λ
, per qualche Λ ∈ X

. Pertanto,
0 = Φ
Λ
F
x
= F
x
Λ = Λx, ∀x ∈ X.
Concludiamo che Λ = 0, e, conseguentemente, Φ = 0. Contraddizione.
Proposizione 3.10. Un sottospazio chiuso Y di uno spazio di Banach X riflessivo
`e riflessivo.
dimostrazione. Associamo a F
0
∈ Y
∗∗
un elemento F ∈ X
∗∗
nel seguente
modo:
FΛ = F
0
Λ[
Y
, ∀ Λ ∈ X

.
Dato che X `e riflessivo, esiste x ∈ X tale che FΛ = Λx per ogni Λ ∈ X

.
Pertanto,
F
0
Λ[
Y
= Λx, ∀ Λ ∈ X

.
29
Esiste un controesempio dovuto a James di uno spazio di Banach non riflessivo isometricamente
isomorfo al suo biduale.
71
Ma Y `e chiuso, e l’uguaglianza di cui sopra ci dice che Λx = 0 per ogni Λ ∈ X

tale che Λ[
Y
= 0, implicando cos`ı x ∈ Y . Sia ora Λ
0
∈ Y

. Estendiamo Λ
0
a
Λ ∈ X

. Allora,
F
0
Λ
0
= F
0
Λ[
Y
= FΛ = Λx = Λ
0
x.
Concludiamo che F
0
∈ τ(Y ), ovvero, τ : Y → Y
∗∗
`e suriettiva.
Esaminiamo alcune questioni di separabilit` a.
Proposizione 3.11. Se X

`e separabile, allora X `e separabile. Viceversa, se X `e
separabile e riflessivo, allora X

`e separabile.
dimostrazione. Ragionando come nella dimostrazione della Proposizione 3.9,
dobbiamo solo dimostrare che se X

`e separabile, allora X `e separabile. Sia
dunque ¦Λ
n
¦ una successione densa in X

. Per ogni n ∈ N, esiste allora x
n
∈ X
di norma unitaria tale che

n
x
n
[ ≥
1
2

n
|
X
∗.
Consideriamo quindi l’insieme (numerabile) F formato dalle combinazioni lineari
degli x
n
a coefficienti razionali. La chiusura Y di F `e un sottospazio di X. Il
nostro scopo `e mostrare che Y = X. Per assurdo, non sia cos`ı. Allora esiste
Λ ∈ X

non nullo tale che Λ[
Y
= 0. Fissato ε > 0, selezioniamo un elemento Λ
n
0
tale che
|Λ −Λ
n
0
|
X
∗ < ε.
In tal caso, ricordando che Λx
n
0
= 0,
1
2

n
0
|
X
∗ ≤ [Λ
n
0
x
n
0
[ ≤ [Λ
n
0
x
n
0
−Λx
n
0
[ ≤ |Λ
n
0
−Λ|
X
∗|x
n
0
|
X
≤ ε.
Ma allora,
|Λ|
X
∗ ≤ |Λ −Λ
n
0
|
X
∗ +|Λ
n
0
|
X
∗ ≤ 3ε,
e dall’arbitrariet`a di ε concludiamo che Λ = 0.
Concludiamo il paragrafo discutendo la riflessivit`a degli spazi L
p
(Ω). Ricordando
il Teorema 3.2 e il Teorema 3.3, ricaviamo immediatamente il
Teorema 3.12. Se p ∈ (1, ∞), allora L
p
(Ω) `e riflessivo. Non sono invece riflessivi
(tranne in casi banali) gli spazi L
1
(Ω) e L

(Ω).
Osservazione. La non riflessivit` a di L
1
(Ω) (e quindi anche L

(Ω)) pu` o essere
dedotta anche dalla proposizione precedente.
72
3.4 Convergenza debole
Definizione. Sia X uno spazio di Banach e siano x
n
, x ∈ X. Diciamo che x
n
converge debolmente a x (e scriviamo x
n
w
→ x) se
Λx
n
→ Λx, ∀Λ ∈ X

.
La convergenza in norma (detta anche convergenza forte) implica quella debole,
poich´e
[Λ(x
n
−x)[ ≤ |Λ|
X
∗|x
n
−x|
X
.
Il viceversa `e in generale falso.
Esercizio 47. Mostrare che il limite debole di una successione x
n
∈ X, se esiste,
`e unico.
Osservazione. Sebbene in questa sede ci siamo limitati a considerare la
convergenza debole di successioni, un discorso pi` u approfondito richiederebbe
l’introduzione della topologia debole. In particolare, la topologia debole `e sempre
pi` u debole della topologia della norma quando lo spazio `e infinito dimensionale.
Ci` o per` o non significa che in uno spazio infinito dimensionale sia sempre vero che
la convergenza debole non implichi la convergenza forte.
30
Un esempio interes-
santissimo `e il caso dello spazio (infinito dimensionale)
1
, dove si ha che x
n
→ x
se e solo se x
n
w
→ x.
31
Proposizione 3.13. Se x
n
w
→ x allora x
n
`e una successione limitata.
dimostrazione. Se x
n
w
→ x, allora Λx
n
`e limitato per ogni Λ ∈ X

. Conside-
riamo la famiglia di mappe F
n
∈ X
∗∗
definite da
F
n
Λ = Λx
n
.
Per ogni Λ fissato, esiste M
Λ
≥ 0 tale che
sup
n∈N
[F
n
Λ[ ≤ M
Λ
.
Dal Teorema di Uniforme Limitatezza, ricaviamo l’esistenza di M ≥ 0 tale che
sup
n∈N
[F
n
Λ[ ≤ M|Λ|
X
∗.
Ma per ogni x ∈ X, esiste Λ
x
∈ X

di norma unitaria tale che Λ
x
x = |x|
X
.
Quindi, per ogni n ∈ N,
|x
n
|
X
= [Λ
xn
x
n
[ = [F
n
Λ
xn
[ ≤ M|Λ
xn
|
X
∗ = M,
come volevasi dimostrare.
30
Il problema `e che noi ci limitiamo a considerare successioni, mentre la topologia debole, che
non `e metrizzabile, non pu`o essere completamente descritta dalle sole successioni.
31
Risultato dovuto a Schur.
73
Osservazione. Se x
n
w
→ x allora
|x|
X
≤ liminf
n→∞
|x
n
|
X
.
Infatti, sia Λ
x
∈ X

di norma unitaria tale che Λ
x
x = |x|
X
. Allora,
|x|
X
= Λ
x
x = lim
n→∞
Λ
x
x
n
= lim
n→∞

x
x
n
[ ≤ liminf
n→∞

x
|
X
∗|x
n
|
X
= liminf
n→∞
|x
n
|
X
.
Come vedremo, ci sono esempi in cui vale effettivamente il minore stretto.
Esercizio 48. Siano x
n
, x ∈ X e Λ
n
, Λ ∈ X

. Dimostrare che le convergenze
x
n
w
→ x e Λ
n
→ Λ implicano la convergenza numerica Λ
n
x
n
→ Λx.
Esercizio 49. Assumiamo che Λx
n
converga per ogni Λ ∈ X

. Ci` o non implica,
in generale, l’esistenza di x tale che x
n
w
→ x. Si dimostri che se X `e riflessivo questo
fatto `e invece vero.
3.5 Convergenza debole-∗
Definizione. Sia X uno spazio di Banach. Una successione Λ
n
∈ X

converge
debolmente-∗ a Λ (e scriviamo Λ
n
w

→ Λ) se Λ
n
x → Λx per ogni x ∈ X.
Si osservi che la convergenza debole-∗ `e una convergenza definita sul duale di
uno spazio di Banach. Si tratta sostanzialmente della convergenza debole su X

, ma
testata non su tutti gli elementi di X
∗∗
, bens`ı sui soli elementi di τ(X). Ne consegue
che
Λ
n
w
→ Λ =⇒ Λ
n
w

→ Λ.
Se X `e riflessivo (e dunque τ(X) = X
∗∗
), allora convergenza debole e debole-∗
coincidono su X

.
Esercizio 50. Come nella situazione precedente, mostrare che il limite debole-∗ `e
unico e le successioni debolmente-∗ convergenti sono limitate.
Esercizio 51. Siano x
n
, x ∈ X e Λ
n
, Λ ∈ X

. Dimostrare che le convergenze
x
n
→ x e Λ
n
w

→ Λ implicano la convergenza numerica Λ
n
x
n
→ Λx.
Teorema 3.14 (Banach-Alaoglu). Sia X uno spazio di Banach separabile. Allora
ogni successione limitata in X

ammette una sottosuccessione debolmente-∗ conver-
gente.
dimostrazione. Sia Λ
n
una successione limitata in X

, e sia
M = sup
n∈N

n
|
X
∗.
Infine, sia x
k
una successione densa in X. La successione Λ
n
x
1
`e limitata in
R, e dunque ammette una sottosuccessione convergente Λ
n
j
x
1
. Ripetendo il ra-
gionamento con Λ
n
j
x
2
, troviamo una sotto-sottosuccessione Λ
n
j
i
x
2
convergente.
74
Iterando la procedura, e usando lo stesso procedimento di estrazione diagonale
gi` a visto nella dimostrazione del Teorema di Ascoli-Arzel` a, troviamo una sotto-
successione Λ
nm
di Λ
n
tale che Λ
nm
x
k
converge in R per ogni k ∈ N. Preso ora
un generico x ∈ X, mostriamo che esiste il limite
Λx = lim
m→∞
Λ
nm
x.
Invero, fissato ε > 0 arbitrario, esiste k ∈ N tale che
|x −x
k
| ≤
ε
2M
.
Pertanto,

n
i
x −Λ
n
j
x[ ≤ [Λ
n
i
x −Λ
n
i
x
k
[ +[Λ
n
i
x
k
−Λ
n
j
x
k
[ +[Λ
n
j
x
k
−Λ
n
j
x[
≤ [Λ
n
i
x
k
−Λ
n
j
x
k
[ + 2M|x −x
k
|
≤ [Λ
n
i
x
k
−Λ
n
j
x
k
[ + ε.
Facendo il limite i, j → ∞, e sfruttando l’arbitrariet` a di ε, concludiamo che la
successione Λ
nm
x `e di Cauchy, e pertanto converge. Ci resta solo da mostrare
che Λ ∈ X

: la linearit`a di Λ `e ovvia, inoltre, per ogni x ∈ X,
[Λx[ = lim
m→∞

nm
x[ ≤ limsup
m→∞

nm
|
X
∗|x| ≤ M|x|.
In alternativa, si poteva utilizzare il Corollario 2.9.
Ad esempio, consideriamo L

(Ω) = (L
1
(Ω))

. Sia f
n
∈ L

(Ω) una successione
limitata. Allora per il Teorema di Banach-Alaoglu esiste f
n
k
w

→ f, per qualche
f ∈ L

(Ω). Ci` o significa che


f
n
k
gdµ →


fgdµ, ∀g ∈ L
1
(Ω).
Il risultato `e, in generale, falso se si omette la separabilit`a di X.
Esempio. Sia X =

, e si consideri la successione Λ
n
∈ X

data da
Λ
n
x = x
n
, x = (x
1
, x
2
, . . .) ∈ X.
La successione Λ
n
`e chiaramente limitata in X

, ma non ammette sottosucces-
sioni debolmente-∗ convergenti.
Osservazione. Se X `e riflessivo, si pu`o identificare X con X
∗∗
, cosicch´e la
convergenza debole in X coincide con la convergenza debole-∗ in X
∗∗
(con abuso
di linguaggio, si dice che la convergenza debole e debole-∗ coincidono su X).
Vale quindi il
Teorema 3.15. Se X `e riflessivo, ogni successione limitata in X ammette una
sottosuccessione debolmente convergente.
75
dimostrazione. Per semplicit`a, assumiamo X separabile (ma si noti che il
risultato vale anche nell’ipotesi X non separabile). Dunque X

`e separabile.
Sia allora x
n
una successione limitata in X. Dato che x
n
pu` o essere pensata
(usando la mappa canonica τ) come una successione limitata in in X
∗∗
, esiste
una sottosuccessione x
n
k
convergente a x debolmente-∗ in X
∗∗
, vale a dire, x
n
k
converge a x debolmente in X.
Osservazione. L’implicazione inversa, nota in letteratura come Teorema di
Eberlein-Shmulyan, `e anch’essa vera. Di fatto, questa `e una caratterizzazione
degli spazi riflessivi. Precisamente: uno spazio di Banach X `e riflessivo se e
solo se ogni successione limitata in X ammette una sottosuccessione debolmente
convergente.
Esercizio 52. Sia X riflessivo. Dato Λ ∈ X

dimostrare che esiste x ∈ X di norma
unitaria che realizza la norma di Λ, cio`e tale che |Λ|
X
∗ = Λx.
32
Esercizio 53. Ripetendo la costruzione della dimostrazione del Corollario 3.8,
dimostrare il Lemma di Riesz di quasi ortogonalit`a: dato un sottospazio chiuso
proprio Y di uno spazio normato X, e fissato ε > 0, esiste un vettore x ∈ X di
norma unitaria tale che
dist(x, Y ) = inf
y∈Y
|x −y| ≥ 1 −ε.
Se X `e uno spazio di Banach riflessivo, lo stesso risultato vale con ε = 0.
Esercizio 54. Siano X, Y spazi di Banach, e sia X → Y .
(i) Mostrare che se x
n
w
→ x in X, allora x
n
w
→ x in Y .
(ii) Sia X riflessivo. Mostrare che se x
n
`e una successione limitata in X tale che
x
n
w
→ x in Y , allora x ∈ X e x
n
w
→ x in X.
(iii) Sia X riflessivo. Mostrare che la palla chiusa unitaria di X `e chiusa in Y .
3.6 Operatori compatti
Siano X, Y spazi di Banach, con X riflessivo.
Definizione. Un operatore lineare K : X → Y `e compatto se l’immagine di un
insieme limitato B ⊂ X attraverso K `e relativamente compatta in Y , ovvero, se KB
`e compatto in Y . In particolare, ci` o implica che se x
n
`e una successione limitata in
X, allora Kx
n
ammette una sottosuccessione (fortemente) convergente in Y .
Proposizione 3.16. Se K : X → Y `e un operatore lineare compatto, allora K ∈
L(X, Y ).
32
Viceversa, uno spazio di Banach in cui la norma di ogni elemento del duale `e realizzata `e
riflessivo (Teorema di James).
76
dimostrazione. Poich´e la palla unitaria B di X `e un limitato, KB `e relati-
vamente compatto in Y , e di conseguenza limitato. Quindi
sup
x
X
≤1
|Kx|
Y
≤ M,
da cui la continuit`a di K.
Osservazione Esempi particolari di operatori compatti sono gli operatori di
rango finito, cio`e gli operatori limitati il cui rango `e un sottospazio finito dimen-
sionale. Esistono tuttavia operatori compatti che non sono di rango finito.
Definizione. Indichiamo con /(X, Y ) ⊂ L(X, Y ) la classe degli operatori compatti
da X a Y . Si noti che /(X, Y ) `e uno spazio lineare.
Proposizione 3.17. Sia K ∈ L(X, Y ). Allora K ∈ /(X, Y ) se e solo se x
n
w
→ x
implica che Kx
n
→ Kx.
dimostrazione. Sia K ∈ /(X, Y ), e sia x
n
w
→ x. Valgono i seguenti due fatti:
- Kx
n
w
→ Kx (se Λ ∈ Y

, allora Λ ◦ K ∈ X

);
- ogni sottosuccessione di Kx
n
ha punti limite (poich´e x
n
`e limitata in X).
Ma se Kx
n
k
→ y per una sottosuccessione x
n
k
, allora y = Kx, forzando la con-
vergenza a Kx dell’intera successione. Osserviamo che per questa implicazione
non abbiamo utilizzato la riflessivit` a di X.
Viceversa, sia B ⊂ X un insieme limitato, e sia y
n
una successione di elementi
di KB. Allora esiste x
n
∈ B tale che Kx
n
= y
n
. Usando la riflessivit`a di X, la
successione x
n
ammette una sottosuccessione x
n
k
debolmente convergente ad un
certo x ∈ X. Ma allora y
n
k
= Kx
n
k
→ Kx fortemente, da cui segue che KB `e
relativamente compatto.
Corollario 3.18. /(X, Y ) `e uno spazio di Banach nella norma indotta da L(X, Y ).
dimostrazione. Basta mostrare che /(X, Y ) `e un sottospazio chiuso di
L(X, Y ). Sia K
n
∈ /(X, Y ) una successione convergente a K in L(X, Y ).
Dobbiamo far vedere che K ∈ /(X, Y ). Sia dunque x
j
w
→ x. In particolare,
|x
j
|
X
≤ M. Otteniamo quindi
|Kx
j
−Kx|
Y
≤ |Kx
j
−K
n
x
j
|
Y
+|K
n
x
j
−K
n
x|
Y
+|K
n
x −Kx|
Y
≤ 2M|K −K
n
|
L(X,Y )
+|K
n
x
j
−K
n
x|
Y
.
Fissiamo ε > 0, e scegliamo n tale che 2M|K − K
n
|
L(X,Y )
< ε/2. Poich´e K
n
`e
compatto, per j sufficientemente grande |K
n
x
j
− K
n
x|
Y
< ε/2. Concludiamo
che
limsup
j→∞
|Kx
j
−Kx|
Y
< ε.
Dall’arbitrariet` a di ε segue la tesi.
77
Osservazione Il corollario appena visto ci garantisce che il limite in norma di
una successione di operatori di rango finito `e un operatore compatto.
Esercizio 55. Sia k(t, s) ∈ L
2
([0, 1] [0, 1]). Consideriamo l’operatore lineare,
T
k
: L
2
([0, 1]) → L
2
([0, 1]), detto operatore integrale di nucleo k, definito da
(T
k
f)(t) =

1
0
k(t, s)f(s)ds.
Mostrare che T
k
`e limitato e che
|T
k
|
L(L
2
([0,1]))
≤ |k|
L
2
([0,1]×[0,1])
.
Mostrare quindi che T
k
`e compatto.
33
3.7 Sulle diverse convergenze negli spazi L
p
(Ω)
Terminiamo il capitolo analizzando le relazioni che intercorrono tra alcuni tipi di
convergenza delle successioni di funzioni negli spazi L
p
(Ω). In questo paragrafo, Ω
`e, per semplicit`a, un sottoinsieme misurabile di R (o di R
N
) di misura di Lebesgue
positiva. Tutte le funzioni di cui parleremo saranno definite (quasi ovunque) su Ω a
valori reali.
Innanzitutto, dimostriamo un risultato di unicit` a del limite debole e puntuale
quasi ovunque.
Proposizione 3.19. Se f
n
w
→ f in L
p
(Ω) e f
n
→ g puntualmente quasi ovunque,
allora f = g.
dimostrazione. Supponiamo per assurdo che il risultato sia falso. Allora
esister` a Ω
0
⊂ Ω di misura finita positiva tale che g `e limitata su Ω
0
, e f(t) = g(t)
per t ∈ Ω
0
. Applicando il Teorema di Egoroff, esiste un secondo insieme Ω
1
⊂ Ω
0
,
sempre di misura positiva, tale che f
n
→ g uniformemente su Ω
1
(in altre parole,
f
n
→ g in L

(Ω
1
)). Usando l’iniezione continua L

(Ω
1
) → L
p
(Ω
1
), concludiamo
che f
n
→ g in L
p
(Ω
1
), e quindi f
n
w
→ g in L
p
(Ω
1
).
`
E facile verificare che anche
f
n
w
→ f in L
p
(Ω
1
). Pertanto, per l’unicit` a del limite debole, f e g devono
coincidere su Ω
1
, contro l’ipotesi.
Una conseguenza quasi immediata `e una “forma debole” del Teorema della Con-
vergenza Dominata (risultato, questo, di fondamentale importanza nello studio delle
equazioni non lineari alle derivate parziali).
Teorema 3.20. Sia p ∈ (1, ∞). Assumiamo che f
n
→ f puntualmente quasi
ovunque e |f
n
|
L
p ≤ M. Allora f
n
w
→ f in L
p
(Ω).
33
Gli operatori integrali di nucleo a quadrato sommabile, altrimenti noti come operatori di
Hilbert-Schmidt, formano un sottoinsieme denso nello spazio di Banach degli operatori compatti.
78
dimostrazione. Dalla riflessivit` a, sappiamo che esiste una sottosuccessione
f
n
k
ed una funzione g ∈ L
p
(Ω) tali che f
n
k
w
→ g. Ma la proposizione precedente ci
dice che g = f. D’altro canto, ogni sottosuccessione debolmente convergente di
f
n
deve avere f come suo limite debole.
`
E facile allora mostrare che ci`o implica
la convergenza debole a f dell’intera successione f
n
.
Gli spazi L
p
(Ω) con p ∈ (1, ∞) (cos`ı come gli spazi di Hilbert, che vedremo pi` u
avanti) esibiscono un’interessante propriet`a,
34
che enunciamo senza dimostrazione.
Proposizione 3.21. Sia p ∈ (1, ∞). Se f
n
w
→ f in L
p
(Ω) e |f
n
|
L
p → |f|
L
p, allora
f
n
→ f in L
p
(Ω).
Osservazione. Lo stesso risultato `e invece falso in L
1
(Ω). Un esempio in tal
senso `e dato dalla successione di funzioni f
n
(t) = 1+sin nt ∈ L
1
([0, 2π]). Infatti,
per ogni n ∈ N,
|f
n
|
L
1 =


0
(1 + sin nt)dt = 2π,
e, come dimostreremo in seguito, sin nt
w
→ 0, da cui f
n
w
→ 1.
Unendo il Teorema 3.20 e la Proposizione 3.21 otteniamo il
Corollario 3.22. Sia p ∈ (1, ∞). Assumiamo che f
n
→ f puntualmente quasi
ovunque e |f
n
|
L
p → |f|
L
p. Allora f
n
→ f in L
p
(Ω).
Osservazione. Questo risultato `e vero anche in L
1
(Ω). Ovviamente, si deve
procedere con una diversa dimostrazione.
Concludiamo il paragrafo con alcune osservazioni sulla convergenza debole. Si
`e gi`a accennato che la successione sin nt (e analogamente cos nt) converge debol-
mente a 0 in L
2
([0, 2π]). Tuttavia `e immediato verificare che sin nt non ammette
alcuna sottosuccessione convergente a 0 puntualmente quasi ovunque. Analizziamo
un’ulteriore situazione. La successione di funzioni
f
n
(t) = sin nt + cos nt
converge debolmente a 0, ma la successione f
2
n
converge debolmente a 1 in L
2
([0, 2π]).
Questi esempi ci mostrano che, in generale, la convergenza debole non d` a infor-
mazioni di alcun tipo riguardo alla convegenza puntuale.
34
La propriet`a discussa `e soddisfatta da tutti gli spazi di Banach uniformemente convessi. Gli
spazi L
p
(Ω), con p ∈ (1, ∞), sono infatti spazi uniformemente convessi (Teorema di Clarkson).
Ricordiamo che uniformemente convesso significa che per ogni x
n
e y
n
con |x
n
| ≤ 1 e |y
n
| ≤ 1,
la convergenza |x
n
+y
n
| → 2 implica che |x
n
−y
n
| → 0.
III. Spazi di Hilbert
1 Geometria degli spazi di Hilbert
1.1 Spazi con prodotto interno
Sia H uno spazio lineare su R. Un prodotto interno o prodotto scalare in H `e una
forma bilineare, simmetrica e definita positiva da H H in R, cio`e una funzione
', ` : H H →R
che soddisfa le condizioni
(i) 'λx +y, z` = λ'x, z` +'y, z` ∀λ ∈ R, ∀x, y, z ∈ H (linearit` a);
(ii) 'x, y` = 'y, x` ∀x, y ∈ H (simmetria);
(iii) 'x, x` ≥ 0 ∀x ∈ H (positivit` a);
(iv) 'x, x` = 0 ⇐⇒ x = 0 (annullamento).
Unendo (i) e (ii) ricaviamo la linearit`a anche nella seconda variabile. Dunque la
forma `e bilineare (lineare in entrambi gli argomenti). In particolare,
'x, 0` = 0, ∀x ∈ H.
Osservazione. Analogamente, se H `e uno spazio lineare sul campo C, si
definisce il prodotto interno rimpiazzando la condizione (ii) con
(ii)

'x, y` = 'y, x` ∀x, y ∈ H .
In tal caso, la forma ', ` : H H →C `e detta sesquilineare. Si noti che vale la
relazione 'x, λy` = λ'x, y`.
Definizione. Due vettori x, y ∈ H si dicono ortogonali se
'x, y` = 0.
Spesso si usa la notazione x ⊥ y. Un insieme A ⊂ H si dice ortogonale se 'x, y` = 0
per ogni x, y ∈ A, con x = y. Se in aggiunta ogni vettore x ∈ A `e tale che 'x, x` = 1,
l’insieme si dice ortonormale.
79
80
Definizione. Uno spazio lineare H su R dotato di un prodotto interno ', ` `e detto
spazio con prodotto interno.
Esempio. R
N
`e uno spazio con prodotto interno, definendo
'x, y` =
N
¸
j=1
x
j
y
j
,
dove x = (x
1
, . . . , x
N
), y = (y
1
, . . . , y
N
). Si noti che la relazione di ortogonalit` a
tra due vettori `e quella usuale della geometria euclidea.
Esercizio 1. Si dimostri che C([0, 1]) `e uno spazio con prodotto interno ponendo
'f, g` =

1
0
f(t)g(t)dt.
Introduciamo ora la funzione a valori in [0, ∞) definita da
|x| =

'x, x`, ∀x ∈ H.
Abbiamo volutamente utilizzato il simbolo di norma poich´e dimostreremo che si
tratta effettivamente di una norma.
`
E immediato verificare che valgono le propriet`a
di omogeneit` a e annullamento. Per dimostrare la disuguaglianza triangolare ci oc-
corre il seguente
Teorema 1.1 (Disuguaglianza di Cauchy-Schwarz). Dato uno spazio con prodotto
interno H, vale la disuguaglianza
['x, y`[ ≤ |x||y|, ∀x, y ∈ H.
dimostrazione. Se x = 0 o y = 0 la tesi `e ovvia. Siano dunque entrambi
diversi da zero. Per ogni t > 0, si ha che
0 ≤ |x −ty|
2
= |x|
2
+t
2
|y|
2
−2t'x, y`,
da cui
'x, y` ≤
1
2t
|x|
2
+
t
2
|y|
2
.
Ponendo allora t = |x|/|y|, si ricava
'x, y` ≤ |x||y|.
Ripetendo il ragionamento con −x al posto di x si ha anche
−'x, y` ≤ |x||y|.
che, unita alla precedente disuguaglianza, d` a la tesi.
81
Esercizio 2. Si verifichi che la funzione x → |x| soddisfa la propriet`a triangolare
della norma.
Concludiamo quindi che la funzione x → |x| definisce una norma su H. Di con-
seguenza, uno spazio con prodotto interno `e in particolare uno spazio normato, con
la norma indotta dal prodotto interno. Osserviamo che due vettori x e y soddisfano
la relazione
|x +y|
2
= |x|
2
+|y|
2
se e solo se sono ortogonali.
35
Esercizio 3. Sia
¸

n=1
x
n
una serie convergente in H tale che ¦x
n
¦ sia un insieme
ortogonale. Dimostrare l’uguaglianza


¸
n=1
x
n

2
=

¸
n=1
|x
n
|
2
.
Esercizio 4. Utilizzando la disuguaglianza di Cauchy-Schwarz, dimostrare che
l’applicazione (x, y) → 'x, y` `e continua in entrambi gli argomenti. Ovvero, se
x
n
→ x e y
n
→ y, allora 'x
n
, y
n
` → 'x, y`.
1.2 Completezza: spazi di Hilbert
Definizione. Uno spazio con prodotto interno `e detto spazio di Hilbert quando `e
completo (nella norma indotta dal prodotto interno). Uno spazio di Hilbert `e in
particolare uno spazio di Banach.
Esempio. R
N
`e uno spazio di Hilbert con il prodotto interno definito nel prece-
dente esempio. La norma indotta dal prodotto interno `e la norma-2 euclidea.
Viceversa, non `e sempre vero che uno spazio di Banach sia anche di Hilbert.
Infatti, si verifica immediatamente che la norma in uno spazio di Hilbert deve sod-
disfare la regola del parallelogramma,
36
ovvero
|x +y|
2
+|x −y|
2
= 2|x|
2
+ 2|y|
2
, ∀x, y ∈ H.
La condizione `e anche sufficiente.
Proposizione 1.2. Sia H uno spazio di Banach. Se la norma di H soddisfa la
regola del parallelogramma, allora H `e uno spazio di Hilbert con il prodotto interno
'x, y` =
1
2

|x + y|
2
−|x|
2
−|y|
2

.
Si noti che il prodotto interno induce la norma di partenza.
35
In R
2
questo `e il Teorema di Pitagora.
36
Interpretando le norme come lunghezze dei vettori, la regola del parallelogramma ci dice che
la somma dei quadrati delle diagonali di un parallelogramma `e uguale alla somma dei quadrati dei
suoi lati, una proposizione familiare della geometria piana.
82
Esercizio 5. Dimostrare la Proposizione 1.2.
Esercizio 6. Verificare che C([0, 1]) con la norma del massimo non `e uno spazio
di Hilbert.
1.3 Proiezioni ortogonali
Nel seguito, sia H uno spazio di Hilbert. Sia V un sottoinsieme di H. Il complemento
ortogonale di V , indicato con V

, `e definito come
V

=
¸
x ∈ H : 'x, v` = 0, ∀v ∈ V
¸
.
Evidentemente, H

= ¦0¦ e ¦0¦

= H.
Proposizione 1.3. Se V ⊂ H, allora V

`e un sottospazio chiuso di H.
dimostrazione.
`
E immediato mostrare che V

sia un sottospazio. Sia dunque
x
n
∈ V

, x
n
→ x ∈ H. Se v ∈ V , abbiamo
'x, v` = lim
n→∞
'x
n
, v` = 0,
da cui x ∈ V

.
Esercizio 7. Sia V ⊂ H, e sia
´
V `e il sottospazio chiuso generato da V , cio`e il
sottospazio formato da combinazioni lineari di vettori di V e dai loro punti limite.
Mostrare che
´
V

= V

. In particolare, se V

= ¦0¦ segue che
´
V = H.
Teorema 1.4. Sia V un sottospazio chiuso di H, e sia x ∈ H. Allora esiste un
unico v

∈ V tale che
37
dist(x, V ) = inf
v∈V
|x −v| = |x −v

|.
dimostrazione. Sia v
n
∈ V tale che
lim
n→∞
|x −v
n
| = d = inf
v∈V
|x −v|.
Mostriamo che v
n
`e di Chauchy. Fissiamo dunque m > n, e notiamo che
v
m
+ v
n
2
∈ V.
Pertanto,

x −
v
m
+ v
n
2

≥ d =⇒ |2x −(v
m
+v
n
)| ≥ 2d.
37
Il risultato vale anche se V `e un sottoinsieme convesso, chiuso e non vuoto di H.
83
Usando la regola del parallelogramma, abbiamo
|v
m
−v
n
|
2
= |v
m
−x +x −v
n
|
2
= 2

|v
m
−x|
2
+|v
n
−x|
2

−|2x −(v
m
+v
n
)|
2
≤ 2

|v
m
−x|
2
+|v
n
−x|
2

−4d
2
,
da cui
lim
n,m→∞
|v
m
−v
n
| = 0.
Quindi la successione v
n
converge a v

∈ V . Ne consegue che
|x −v

| = lim
n→∞
|x −v
n
| = d.
Infine, se v

∈ V `e tale che |x−v

| = d, utilizzando come in precedenza la regola
del parallelogramma si vede subito che |v

−v

| = 0, da cui v

= v

.
Definizione. Siano V e W due sottospazi di H ortogonali tra loro, cio`e tali che
v ⊥ w per ogni v ∈ V e per ogni w ∈ W. La somma ortogonale di V e W `e il
sottospazio di H
V ⊕W =
¸
v +w : v ∈ V, w ∈ W
¸
.
Osservazione.
`
E immediato verificare che un vettore x ∈ V ⊕ W ammette
un’unica decomposizione della forma v + w. Se infatti v + w = v

+ w

, allora
v −v

= w −w

, e poich´e V ∩ W = ¦0¦ ricaviamo che v = v

e w = w

.
Teorema 1.5 (della Proiezione). Sia V un sottospazio chiuso di H. Allora
H = V ⊕V

.
dimostrazione. Sia x ∈ H. Dal teorema precedente, esiste un unico v ∈ V
tale che
dist(x, V ) = |x −v|.
Poniamo allora w = x −v. Dobbiamo mostrare che w ∈ V

. Sia dunque u ∈ V
fissato. Scegliamo λ = 0 in modo tale che λ'w, u` ≥ 0. Risulta
|w|
2
≤ |x −(v +λu)|
2
= |w −λu|
2
= |w|
2
+[λ[
2
|u|
2
−2λ'w, u`.
Dividendo il tutto per [λ[, otteniamo la disuguaglianza
['w, u`[ ≤
[λ[
2
|u|
2
,
la quale, operando il limite [λ[ → 0, implica che 'w, u` = 0.
84
Osservazione. Il vettore v della decomposizione viene talvolta indicato con
P
V
x, ed `e chiamato la proiezione di x sul sottospazio V . Come abbiamo visto,
P
V
x `e il punto che realizza la minima distanza di x da V .
Esercizio 8. Dimostrare che la mappa P
V
: H → V definisce un operatore lineare
limitato.
Esercizio 9. Sia V ⊂ H un sottospazio chiuso. Mostrare che (V

)

= V .
1.4 Il duale di uno spazio di Hilbert
Ci proponiamo di caratterizzare il duale H

di uno spazio di Hilbert H. Fissiamo
un generico y ∈ H, e consideriamo il funzionale lineare Λ
y
: H →R definito da
Λ
y
x = 'x, y`.
Dalla disuguaglianza di Cauchy-Schwarz,
sup
x≤1

y
x[ = sup
x≤1
['x, y`[ ≤ sup
x≤1
|x||y| = |y|.
Inoltre, se y = 0, scegliendo ¯ x = y/|y|, si ha che
Λ
y
¯ x = '¯ x, y` = |y|.
Dunque, ogni funzionale della forma Λ
y
`e un elemento di H

, e soddisfa la relazione

y
|
H
∗ = |y|.
Il risultato seguente dimostra che tutti i funzionali lineari continui su H sono
della forma Λ
y
.
Teorema 1.6 (di Rappresentazione di Riesz). Λ ∈ H

se e solo se esiste un unico
y ∈ H tale che Λ = Λ
y
.
dimostrazione. Mostriamo che se Λ ∈ H

allora Λ = Λ
y
per un certo y ∈ H.
Se Λ `e il funzionale nullo allora y = 0. Supponiamo quindi che Λ non sia
identicamente nullo. Poich´e Λ `e continuo, ker(Λ) `e un sottospazio chiuso, e per
il Teorema 1.5, ker(Λ)

non si riduce a ¦0¦. Sia dunque z ∈ ker(Λ)

con |z| = 1.
Per ogni x ∈ H abbiamo che
x −
Λx
Λz
z ∈ ker(Λ).
Pertanto
'x −
Λx
Λz
z, z` = 0
da cui segue
Λx = 'x, (Λz)z`.
85
Dunque y = (Λz)z. Per quanto riguarda l’unicit`a, se y
1
e y
2
sono tali che
'x, y
1
` = 'x, y
2
`, ∀x ∈ H
allora
'x, y
1
−y
2
` = 0, ∀x ∈ H
da cui immediatamente y
1
= y
2
.
Possiamo allora identificare H con il suo duale H

attraverso l’isomorfismo iso-
metrico
y → Λ
y
.
Pertanto, una successione x
n
∈ H converge debolmente a x ∈ H se
'x
n
, y` → 'x, y`, ∀y ∈ H.
Corollario 1.7. Gli spazi di Hilbert sono riflessivi.
dimostrazione. Sia F ∈ H
∗∗
. Poich´e ogni elemento di H

`e della forma Λ
y
,
possiamo definire un funzionale lineare continuo Λ su H nel seguente modo:
Λy = FΛ
y
.
Allora esiste x ∈ H tale che Λ = Λ
x
, ovvero
'y, x` = FΛ
y
.
Ma 'y, x` = Λ
y
x, da cui l’asserto.
Esercizio 10. Siano x
n
, x ∈ H tali che x
n
w
→ x e |x
n
| → |x|. Dimostrare la
convergenza forte x
n
→ x.
Esercizio 11. Dimostrare che se x
n
w
→ x e y
n
→ y, allora 'x
n
, y
n
` → 'x, y`.
Esercizio 12. Sia Λ un funzionale lineare continuo su un sottospazio V di H.
Mostrare che Λ ammette un’unica estensione su H che preserva la norma, e che tale
estensione si annulla su V

.
1.5 Basi ortonormali
In R
N
i vettori e
1
, . . . e
N
, dove e
j
vale uno sulla componente j-esima e zero altrove,
formano un insieme ortonormale. Inoltre tale insieme `e completo, cio`e ogni vettore
u ∈ R
N
`e esprimibile (in modo unico) come combinazione lineare degli e
j
. Infatti,
per ogni x ∈ R
N
si ha
x =
N
¸
j=1
'x, e
j
`e
j
,
86
dove 'x, e
j
` `e la componente di x nella direzione j-esima. In particolare, se
'x, e
j
` = 0, ∀j = 1, . . . , N,
allora x = 0.
Prendendo spunto dall’esempio appena discusso, diamo la seguente
Definizione . Sia H uno spazio di Hilbert. Un insieme ortonormale A `e detto
completo, o anche una base ortonormale,
38
se per ogni x ∈ H la relazione
'x, u` = 0, ∀u ∈ A
implica x = 0.
Teorema 1.8. Sia H uno spazio di Hilbert (contenente almeno due vettori distinti).
Allora esiste sempre una base ortonormale.
dimostrazione. Ci limitiamo a fornire una traccia. Sia o la collezione degli
insiemi ortonormali di H (parzialmente) ordinato con la relazione di inclusione.
Ogni catena ha estremo superiore, e quindi dal Lemma di Zorn si prova l’esistenza
di un elemento massimale. Infine, si dimostra per assurdo che l’elemento massi-
male `e un sistema ortonormale completo.
`
E inoltre possibile dimostrare che due diverse basi ortonormali hanno la stessa
cardinalit` a. Di conseguenza, definiamo dimensione ortogonale
39
di uno spazio di
Hilbert la cardinalit` a di una sua base.
Nel seguito, tratteremo esclusivamente spazi di Hilbert separabili (e, per evitare
situazioni banali, contenenti almeno due vettori distinti). In questo caso, la dimen-
sione ortogonale `e (al pi` u) numerabile. Ci`o segue immediatamente dal fatto che due
elementi distinti u e v della base ortonormale soddisfano la relazione
|u −v| =

2.
Pertanto, se la base ortonormale avesse cardinalit`a pi` u che numerabile, non ci
potrebbe essere un insieme numerabile denso in essa, e quindi nello spazio.
Osservazione. l’esistenza di una base ortonormale in uno spazio di Hilbert
separabile pu`o essere dimostrata in modo costruttivo (cio`e senza l’ausilio del
Lemma di Zorn), attraverso il cosiddetto metodo di diagonalizzazione di Gram-
Schmidt.
Esempio. Lo spazio di Banach
2
`e di Hilbert con il prodotto interno
'x, y` =

¸
j=1
'x
j
, y
j
`,
38
Non si deve confondere la base ortonormale con la base di Hamel.
39
Da non confondersi con la dimensione lineare, cio`e la cardinalit`a di una base di Hamel.
87
dove x = (x
1
, x
2
, x
3
, . . .) e y = (y
1
, y
2
, y
3
, . . .). I vettori u
n

2
(n ∈ N), dove u
n
vale uno sulla componente n-esima e zero altrove, formano una base ortonormale
di
2
.
Disponendo di una base ortonormale possiamo trattare uno spazio infinito di-
mensionale “come se fosse” R
N
. Ovvero, possiamo ricostruire un generico vettore
x come combinazione lineare (infinita) degli elementi della base. Premettiamo due
lemmi.
Lemma 1.9 (Disuguaglianza di Bessel). Sia H uno spazio di Hilbert separabile,
e sia ¦u
n
¦
n∈N
un insieme ortonormale (non necessariamente completo). Per ogni
x ∈ H vale la disuguaglianza

¸
n=1
['x, u
n
`[
2
≤ |x|
2
.
dimostrazione. Per ogni N ∈ N,
0 ≤

x −
N
¸
n=1
'x, u
n
`u
n

2
= |x|
2

N
¸
n=1
['x, u
n
`[
2
.
Facendo il limite N → ∞ abbiamo la tesi.
Lemma 1.10. Sia H uno spazio di Hilbert separabile, e sia ¦u
n
¦
n∈N
un insieme
ortonormale (non necessariamente completo). Se λ
n

2
,
¸

n=1
λ
n
u
n
converge in
H.
dimostrazione. Sia s
n
=
¸
n
j=1
λ
j
u
j
. Per m > n, abbiamo
|s
m
−s
n
|
2
=

m
¸
j=n+1
λ
j
u
j

2
=
m
¸
j=n+1

j
[
2
,
da cui segue che s
n
`e di Cauchy, e dunque
¸

n=1
λ
n
u
n
converge in H.
Possiamo ora enunciare il fondamentale
Teorema 1.11. Sia H uno spazio di Hilbert separabile, e sia ¦u
n
¦
n∈N
una base
ortonormale. Allora per ogni x ∈ H vale l’ uguaglianza
x =

¸
n=1
'x, u
n
`u
n
.
Inoltre per ogni x, y ∈ H vale la cosiddetta identit`a di Parseval
'x, y` =

¸
n=1
'x, u
n
`'y, u
n
`.
Come caso particolare,
|x|
2
=

¸
n=1
['x, u
n
`[
2
.
88
dimostrazione. Dobbiamo dimostrare soltanto la prima asserzione, in quanto
l’identit` a di Parseval segue dalla continuit` a del prodotto interno. Sia dunque
x ∈ H. Per la disuguaglianza di Bessel, la serie
¸

n=1
['x, u
n
`[
2
`e convergente, e
dunque la serie

¸
n=1
'x, u
n
`u
n
converge in H. Definendo w = x −
¸

n=1
'x, u
n
`u
n
, raggiungiamo la tesi se
dimostriamo che w = 0. Ma per ogni n
0
fissato,
'w, u
n
0
` = 'x, u
n
0
` − lim
N→∞
N
¸
n=1
'x, u
n
`'u
n
, u
n
0
` = 'x, u
n
0
` −'x, u
n
0
` = 0.
Poich´e ¦u
n
¦ `e una base ortonormale, segue che w = 0.
Osservazione. I risultati appena visti valgono banalmente se H `e finito di-
mensionale.
I coefficienti 'x, u
n
` vengono detti coefficienti di Fourier di x (relativi alla base
ortonormale u
n
). Un’immediata conseguenza `e il
Corollario 1.12. Sia H uno spazio di Hilbert separabile infinito dimensionale, e
sia ¦u
n
¦
n∈N
una base ortonormale. Allora u
n
w
→ 0.
Si noti che |u
n
| = 1, mentre il limite debole `e zero.
Esercizio 13. Pu` o accadere che x
n
w
→ x ma che |x
n
| non converga?
Esempio. Sia ¦u
n
¦
n∈N
una base ortonormale numerabile di H. La proiezione di
un generico vettore x sul sottospazio lineare H
N
generato dai vettori u
1
, . . . , u
N
(si noti che H
N
`e chiuso, essendo finito dimensionale) risulta essere
P
H
N
x =
N
¸
n=1
'x, u
n
`u
n
.
Dal Teorema 1.11 segue che
lim
N→∞
P
H
N
x = x.
Infine, osserviamo che l’identit`a di Parseval stabilisce un fatto molto importante.
Se H `e uno spazio di Hilbert infinito dimensionale separabile, la mappa x → 'x, u
n
`
`e un isomorfismo di spazi di Hilbert (cio`e un isomorfismo che conserva il prodotto
interno) fra H e
2
.
89
1.6 Lo spazio L
2
(Ω)
Il caso p = 2 per gli spazi L
p
(Ω) `e particolarmente interessante, in quanto la norma
deriva da un prodotto interno. Precisamente, si definisce
'f, g`
L
2 =


f(t)g(t)dt.
Pertanto L
2
(Ω) `e uno spazio di Hilbert. La disuguaglianza di H¨ older in questo
caso non `e altro che la disuguaglianza di Cauchy-Schwarz. Inoltre 2 `e l’esponente
coniugato di se stesso, e dunque
L
2
(Ω)

= L
2
(Ω),
conformemente al Teorema di Rappresentazione di Riesz.
Esercizio 14. Sia H = L
2
([0, 1]), e sia C il sottospazio di H delle funzioni costanti.
Caratterizzare la proiezione P
C
e il sottospazio C

.
Esercizio 15. Siano µ, ν due misure finite su Ω tali che ν < µ. Mostrare che
la mappa f →


fdν `e un funzionale lineare continuo su L
2
(Ω, µ + ν). Sia ψ ∈
L
2
(Ω, µ +ν) la funzione tale che


fdν =


fψd(µ +ν).
Si dimostri che ψ(t) ∈ [0, 1) per quasi ogni t (rispetto a entrambe le misure µ e ν).
Si definisca quindi la funzione positiva
φ =
ψ
1 −ψ
.
Allora φ ∈ L
1
(Ω, µ) e
ν(E) =

E
φdµ.
In altre parole, φ `e la derivata di Radon-Nykodym di ν rispetto a µ. Abbiamo quindi
dimostrato il Teorema di Radon-Nykodym per le misure finite.
40
Consideriamo ora il caso particolare Ω = [−π, π], e calcoliamo esplicitamente
una base ortonormale di L
2
([−π, π]).
Osservazione.
`
E evidente che se ¦u
n
¦ `e una base ortonormale di L
2
([−π, π]),
allora, ponendo
v
n
(t) =


b −a
u
n

2π(t −a)
b −a

,
¦v
n
¦ `e una base ortonormale di L
2
([a, b]).
40
Questa dimostrazione `e dovuta a von Neumann.
90
Teorema 1.13. I vettori
1


,
cos nt

π
,
sin nt

π
, n ∈ N,
formano una base ortonormale di L
2
([−π, π]).
Quindi, f ∈ L
2
([−π, π]) si pu` o scrivere come
f(t) =
a
0


+

¸
n=1
a
n

π
cos nt +

¸
n=1
b
n

π
sin nt,
dove l’uguaglianza `e intesa in L
2
([−π, π]), con
a
0
=
1

π
−π
f(t)dt, a
n
=
1

π

π
−π
f(t) cos nt dt, b
n
=
1

π

π
−π
f(t) sin nt dt.
Questa rappresentazione `e detta sviluppo in serie di Fourier della f, e le quantit` a
a
0
, a
n
, b
n
sono i coefficienti di Fourier della f.
Naturalmente bisognerebbe dimostrare che l’insieme in questione `e una base
ortonormale. Lasciamo per esercizio la verifica dell’ortonormalit`a. Per quanto
riguarda la completezza, ci limitiamo a menzionare che segue dal Teorema di Stone-
Weierstrass. Un’interessante conseguenza `e che le successioni di funzioni sin nt e
cos nt convergono debolmente a 0 in L
2
([−π, π]).
Esercizio 16. Sia f ∈ L
1
([−π, π]). Mostrare che
41
lim
n→∞

π
−π
f(t) cos nt dt = lim
n→∞

π
−π
f(t) sin nt dt = 0.
Esercizio 17. Si consideri la funzione f(t) = t in L
2
([−π, π]). Calcolare i coef-
ficienti di Fourier della f. Utilizzare il risultato trovato per dimostrare la famosa
uguaglianza di Eulero

¸
n=1
1
n
2
=
π
2
6
.
Esercizio 18. Mostrare che le funzioni
u
n
(t) =

2
π
sin nt
formano un base ortonormale in L
2
([0, π]). [Suggerimento: si estendano le funzioni
su [−π, π] in modo opportuno]
41
Risultato noto come Lemma di Riemann-Lebesgue.
91
Pertanto possiamo scrivere ogni funzione f ∈ L
2
([0, π]) come
f(t) =

¸
n=1
c
n
sin nt,
con
c
n
=
2
π

π
0
f(t) sin nt dt.
Questa rappresentazione `e detta sviluppo in serie di Fourier seno della f.
2 Teorema spettrale per gli operatori compatti
simmetrici
In questo paragrafo, sia H uno spazio di Hilbert infinito dimensionale separabile, e
sia ¦u
n
¦
n∈N
una base ortonormale. Ricordiamo che L(H) e /(H) sono rispettiva-
mente lo spazio degli operatori limitati e lo spazio degli operatori compatti da H in
H. La norma di un operatore T ∈ L(H) `e data da
|T|
L(H)
= sup
x=y=1
['Tx, y`[.
Infatti,
sup
x=y=1
['Tx, y`[ ≤ sup
x=1
|Tx|,
e ponendo y = Tx/|Tx| si ha l’uguaglianza.
2.1 Rappresentazione matriciale degli operatori limitati
Come per le matrici, rappresentiamo un operatore T ∈ L(H) utilizzando la base
ortonormale. Se x ∈ H, allora x =
¸

n=1
'x, u
n
`u
n
. Usando la continuit`a di T,
Tx =

¸
n=1
'x, u
n
`Tu
n
.
D’altro canto,
Tu
n
=

¸
m=1
'Tu
n
, u
m
`u
m
,
ma anche
Tx =

¸
m=1
'Tx, u
m
`u
m
.
Abbiamo quindi la
92
Proposizione 2.1. Sia T ∈ L(H). Definiamo gli elementi di matrice T
nm
di T
attraverso la relazione
T
nm
= 'Tu
n
, u
m
`.
Allora, per ogni x ∈ H, ponendo x
n
= 'x, u
n
`,
Tx =

¸
n=1

¸
m=1
T
nm
x
n
u
m
=

¸
m=1

¸
n=1
T
nm
x
n
u
m
.
L’m-esimo coefficiente di Fourier di Tx `e dunque dato da
¸

n
T
nm
x
n
. Inoltre,
|T|
L(H)
= sup


¸
n=1

¸
m=1
T
nm
x
n
y
m

= sup


¸
m=1

¸
n=1
T
nm
x
n
y
m

,
dove il sup `e preso al variare delle successioni x
n
e y
n
di norma unitaria in
2
.
Se H = R
N
, gli elementi di L(H) sono le matrici quadrate N-dimensionali.
`
E noto che se una matrice T `e simmetrica, allora ha esattamente N autovalori
(reali) λ
n
, contati con loro molteplicit`a. Utilizzando la base ortonormale ¦u
n
¦ dei
relativi autovettori, i coefficienti della matrice soddisfano la relazione T
nm
= λ
n
δ
nm
,
e pertanto si ha la cosiddetta rappresentazione spettrale di T, ovvero,
Tx =
N
¸
n=1
λ
n
x
n
u
n
.
Il nostro scopo `e di fornire un risultato analogo negli spazi di Hilbert separabili
infinito dimensionali.
2.2 Operatori simmetrici
Definizione. Un operatore T ∈ L(H) `e simmetrico se
'Tx, y` = 'x, Ty`, ∀x, y ∈ H.
Esercizio 19. Mostrare che T ∈ L(H) `e simmetrico se e solo se T
nm
= T
mn
.
Proposizione 2.2. Sia T ∈ L(H) un operatore simmetrico. Allora
|T|
L(H)
= sup
x=1
['Tx, x`[.
dimostrazione. Ovviamente, vale
d = sup
x=1
['Tx, x`[ ≤ |T|
L(H)
.
Dobbiamo mostrare la disuguaglianza opposta. Per ogni x ∈ H,
['Tx, x`[ ≤ d|x|
2
.
93
Usando quindi la simmetria di T e legge del parallelogramma, per x, y ∈ H
abbiamo
4'Tx, y` = 'T(x +y), x +y` −'T(x −y), x −y`
≤ d

|x +y|
2
+|x −y|
2

= 2d

|x|
2
+|y|
2

.
Scegliendo
y =
|x|
|Tx|
Tx,
per Tx = 0 (e quindi x = 0), otteniamo
|x||Tx| ≤ d|x|
2
,
da cui
|Tx| ≤ d|x|.
Detta relazione vale ovviamente anche per Tx = 0.
Definizione. Sia T ∈ L(H). Un autovalore di T `e un numero λ ∈ R per cui vale la
relazione
Tu = λu,
per qualche u ∈ H, diverso dal vettore nullo, detto autovettore. Indichiamo con A
λ
l’autospazio relativo a λ, cio`e il sottospazio generato da tutti gli autovettori relativi
all’autovalore λ. Si noti che A
λ
`e un sottospazio chiuso.
Osservazione.
`
E immediato verificare che se λ `e un autovalore di T, allora
[λ[ ≤ |T|
L(H)
.
Proposizione 2.3. Sia T ∈ L(H) un operatore simmetrico. Allora autovettori
corrispondenti ad autovalori distinti sono ortogonali.
dimostrazione. Siano u
1
e u
2
sono due autovettori corrispondenti a due
distinti autovalori λ
1
e λ
2
. Assumendo λ
1
= 0, abbiamo
'u
1
, u
2
` =
1
λ
1
'Tu
1
, u
2
` =
1
λ
1
'u
1
, Tu
2
` =
λ
2
λ
1
'u
1
, u
2
`,
da cui segue 'u
1
, u
2
` = 0.
Esercizio 20. Si concluda che gli autovalori distinti di un operatore T simmetrico
sono al pi` u un’infinit`a numerabile.
Esercizio 21. Per k ∈ L
2
([0, 1] [0, 1]), consideriamo l’operatore integrale T
k
:
L
2
([0, 1]) → L
2
([0, 1]) (ricordiamo che T
k
`e compatto). Mostrare che T
k
`e simmetrico
se e solo se k(t, s) = k(s, t).
94
2.3 Operatori compatti simmetrici
Lemma 2.4. Sia K ∈ /(H) un operatore simmetrico, e sia d = |K|
L(H)
. Allora
almeno uno dei due numeri fra d e −d `e autovalore di K.
dimostrazione. Sia d = 0 (altrimenti il risultato `e banale), e sia u
n
una
successione di vettori di norma unitaria tale che
['Ku
n
, u
n
`[ → d.
Allora u
n
ammette una sottosuccessione u
n
k
w
→ u. Si noti che |u| ≤ 1. Ma K `e
compatto, pertanto Ku
n
k
→ Ku, e ci` o implica che
['Ku, u`[ = d.
In particolare, u = 0. Abbiamo due possibili casi. Se 'Ku, u` = d (ma l’altro
caso `e analogo), vale la relazione
|Ku −du|
2
= |Ku|
2
+d
2
|u|
2
−2d'Ku, u` = |Ku|
2
+ d
2
|u|
2
−2d
2
≤ 0.
Quindi, Ku = du.
Osservazione. Dato un operatore K compatto simmetrico si ha dunque la
relazione
|K|
L(H)
= sup
¸
[λ[ : λ `e autovalore di K
¸
.
Esercizio 22. Sia λ = 0 un autovalore di un operatore compatto. Mostrare che
A
λ
`e finito dimensionale.
Siamo adesso in grado di dimostrare il risultato principale di questo paragrafo:
dato un operatore compatto simmetrico K, `e possibile trovare una base ortonormale
di H formata da autovettori di K.
Teorema 2.5 (Teorema Spettrale). Sia K ∈ /(H) un operatore simmetrico. Allora
i suoi autovalori distinti
- sono in numero finito (in tal caso 0 `e sicuramente un autovalore, con relativo
autospazio di dimensione ortogonale infinita); oppure
- formano una successione tendente a 0 (in tal caso 0 pu`o essere o non essere un
autovalore, con relativo autospazio di dimensione ortogonale finita o infinita).
Inoltre, i corrispondenti autovettori possono essere scelti in modo da formare una
base ortonormale di H.
95
dimostrazione. Dal lemma precedente, esiste un autovalore λ di modulo
[λ[ = |K|
L(H)
. L’autospazio A
λ
ha dimensione ortogonale N < ∞. Scegliamo
allora una sua base ortonormale ¦w
1
, w
2
, . . . , w
N
¦ e poniamo
λ
1
= = λ
N
= λ.
Chiamando H
1
= A

λ
, lo spazio H si decompone nella somma ortogonale A
λ
⊕H
1
.
Si noti che H
1
`e invariante per K, ovvero, K[
H
1
`e un operatore lineare da H
1
a
H
1
, che risulta essere ancora compatto simmetrico. Inoltre,
|K[
H
1
|
L(H
1
)
≤ |K|
L(H)
.
Possiamo quindi ripetere l’argomento per l’operatore K[
H
1
, producendo un nuovo
spazio H
2
, e cos`ı via. Con questa procedura
42
, costruiamo una successione di
autovalori λ
n
decrescente in modulo, cui corrispondono autovettori normalizzati
w
n
ortogonali fra loro. Ovviamente pu` o accadere che da un certo punto in poi
i λ
n
siano tutti nulli. Questo, se H
m
= ¦0¦ per qualche m. In tal caso 0 `e un
autovalore e l’autospazio A
0
ha dimensione ortogonale infinita. Mostriamo ora
che λ
n
→ 0. Sia η = inf
n

n
[ > 0. La successione limitata w
n
ammette una
sottosuccessione (che chiamiamo ancora w
n
) debolmente convergente, dunque la
successione Kw
n
= λ
n
w
n
converge fortemente. Poich´e per n = m

m
w
m
−λ
n
w
n
|
2
= [λ
m
[
2
+[λ
n
[
2
≥ 2η
2
,
concludiamo che η = 0, da cui λ
n
→ 0. Infine, se x `e ortogonale a tutti i w
n
corrispondenti ad autovalori non nulli, allora per ogni m ∈ N
|Kx| = |K[
Hm
x| ≤ [λ
m
[|x|,
da cui x ∈ ker(K). In particolare, non vi sono altri autovalori non nulli. Dunque
¦w
n
¦ `e una base ortonormale di ker(K)

. Pertanto, per ottenere una base
ortonormale dello spazio basta aggiungere alla collezione dei w
n
una base ortonor-
male ¦v
n
¦ di ker(K). Si noti che ker(K) pu`o ridursi al solo vettore nullo, ma
pu` o essere anche infinito dimensionale.
Alla luce del Teorema Spettrale, l’operatore K ammette la rappresentazione
Kx =

¸
n=1
λ
n
'x, w
n
`w
n
.
Ovviamente, se vogliamo considerare la base completa ¦u
n
¦ di H ottenuta unendo
¦w
n
¦ e ¦v
n
¦, non sar` a possibile mantenere i corrispondenti autovalori ordinati in
modulo, a meno che ker(K) = ¦0¦ (cio`e 0 non `e autovalore), oppure vi sia un
numero finito di autovalori diversi da zero.
42
Per rendere pi` u rigorosa la dimostrazione si dovrebbe in realt`a procedere per induzione.
96
Corollario 2.6. Sia K ∈ /(H) un operatore simmetrico. Vale la seguente dicoto-
mia, detta Alternativa di Fredholm.
- Per ogni y ∈ H l’equazione
x −Kx = y
ammette un’unica soluzione; oppure
- λ = 1 `e un autovalore di K.
Osservazione. Il risultato vale, pi` u in generale, anche senza l’ipotesi K sim-
metrico.
dimostrazione. Sia λ
n
la successione degli autovalori di K (contati con la
loro molteplicit` a), e sia ¦u
n
¦ la corrispondente base ortonormale di autovettori.
Fissato un generico y ∈ H, l’equazione x −Kx = y si pu` o riscrivere proiettando
sulla base come

¸
n=1
(1 −λ
n
)'x, u
n
`u
n
=

¸
n=1
'y, u
n
`u
n
.
Dunque `e soddisfatta se e solo se
(1 −λ
n
)'x, u
n
` = 'y, u
n
`.
Pertanto, se λ
n
= 1 per ogni n, il vettore
x =

¸
n=1
'y, u
n
`
1 −λ
n
u
n
soddisfa l’equazione. La convergenza della serie in H `e garantita dal fatto che
λ
n
→ 0. Viceversa, se λ
m
= 1 per un certo m, l’equazione non ha soluzione per
alcun y che abbia l’m-coefficiente di Fourier diverso da 0.
L’esercizio seguente stabilisce l’implicazione opposta del Teorema Spettrale.
Esercizio 23. Sia ¦w
n
¦ un insieme ortonormale (non necessariamente completo),
e sia λ
n
∈ R una successione tendente a 0. Allora l’operatore lineare K definito da
Kx =

¸
n=1
λ
n
'x, w
n
`w
n
`e compatto simmetrico.
Esercizio 24. Mostrare che per ogni g ∈ L
2
([0, 1]) l’equazione integrale di Fred-
holm
f(t) −t

1
0
sf(s)ds = g(t)
ammette un’unica soluzione f ∈ L
2
([0, 1]).
97
Esercizio 25. Mostrare che per ogni g ∈ L
2
([0, 1]) l’equazione integrale di Volterra
f(t) −

t
0
f(s)ds = g(t)
ammette un’unica soluzione f ∈ L
2
([0, 1]). Qui si deve applicare l’Alternativa di
Fredholm per un operatore compatto non simmetrico.
3 Cenni agli operatori non limitati
3.1 Operatori chiusi
Consideriamo operatori lineari T definiti su un sottospazio denso T(T) ⊂ H, il
dominio, a valori in H. Non assumiamo la limitatezza, cio`e che valga
|Tx| ≤ M|x|, ∀x ∈ T(T).
Di fatto, gli operatori pi` u interessanti, come gli operatori differenziali, sono non
limitati. Consideriamo ad esempio l’operatore
T =
d
dt
, T(T) = C
1
([0, 1]), H = L
2
([0, 1]).
Scegliendo u
k
(t) = e
kt
vediamo subito che T non `e limitato. Invero,
|Tu
k
| = k|u
k
|,
da cui
sup
¸
|Tu| : u ∈ T(T), |u| = 1
¸
= ∞.
Ci si attende dunque che operatori non definiti su tutto H siano non limitati.
Contrariamente al caso di L(H), il dominio `e parte integrante della definizione
di operatore. Ci si pu` o dunque porre il problema di trovare il dominio pi` u “natu-
rale” consistente con l’azione dell’operatore. Nell’esempio precedente, si tratterebbe
dunque di estendere l’operatore ad un opportuno dominio pi` u grande. Ricordiamo
che un operatore
´
T `e un’estensione di T se
T(
´
T) ⊃ T(T) e
´
T[
D(T)
= T.
Esiste una procedura standard per ottenere l’estensione ottimale, che consiste nel
chiudere un operatore. Diamo prima una definizione.
Definizione. T `e chiuso se per ogni x
n
∈ T(T) tale che x
n
→ x e Tx
n
→ y, segue
che x ∈ T(T) e Tx = y.
98
Esercizio 26. Sia T un operatore chiuso, e siano x
n
∈ T(T) e x ∈ H. Mostrare
che se x
n
→ x e ¦Tx
n
¦ `e un insieme relativamente compatto in H, allora x ∈ T(T)
e Tx
n
→ Tx.
Teorema 3.1. Sia T chiuso. Allora T `e limitato se e solo se T(T) = H.
dimostrazione. Un’implicazione `e il Teorema del Grafico Chiuso. Assumiamo
dunque che T sia limitato. Fissato x ∈ H, esiste x
n
∈ T(T) tale che x
n
→ x. In
particolare, x
n
`e di Cauchy. Sfruttando la limitatezza di T, abbiamo che
|Tx
n
−Tx
m
| ≤ M|x
n
−x
m
|.
Dunque Tx
n
`e di Cauchy, e quindi Tx
n
→ y ∈ H. Ma T `e chiuso, e pertanto
x ∈ T(T). Concludiamo che T(T) `e chiuso, e di conseguenza coincide con H.
Dato un operatore T, si pu`o allora cercare un operatore chiuso T che estenda T.
Non `e detto per` o che tale operazione sia possibile. In caso affermativo, l’operatore
T `e detto chiudibile, e T `e la sua chiusura.
Proposizione 3.2. T`e chiudibile se e solo se per ogni successione x
n
∈ T(T) con-
vergente a 0 tale che Tx
n
→ y, segue che y = 0.
dimostrazione. Se T `e chiudibile allora ammette un’estensione chiusa T,
e il risultato segue facilmente. Verifichiamo l’implicazione opposta. Definiamo
l’estensione chiusa di T nel seguente modo. Poniamo
T(T) =
¸
x : ∃ x
n
→ x e Tx
n
→ y ∈ H¦, Tx = y.
L’unica cosa di cui ci dobbiamo sincerare `e che l’operatore T sia ben definito.
Ovvero, se z
n
→ x e Tz
n
→ w, deve valere l’uguaglianza y = w. Ma questo
segue banalmente dalle ipotesi.
3.2 Operatori simmetrici
Definizione. T `e simmetrico se
'Tx, y` = 'x, Ty`, ∀x, y ∈ T(T).
In generale, un operatore simmetrico potrebbe non essere chiuso. Tuttavia vale
il seguente risultato.
Esercizio 27. Se T `e simmetrico allora T `e chiudibile, e la sua chiusura `e ancora
un operatore simmetrico.
Alla luce di questo fatto, nel seguito ci riferiremo esclusivamente ad operatori
simmetrici chiusi.
99
Teorema 3.3. Sia T un operatore simmetrico. Se T `e suriettivo, allora T `e anche
iniettivo, e il suo inverso T
−1
(definito su tutto H) `e un operatore limitato, cio`e
appartiene a L(H), e simmetrico.
dimostrazione. Dimostriamo innanzitutto che T `e iniettivo. Sia dunque
x ∈ T(T) tale che Tx = 0. Per ogni y ∈ H esiste z ∈ T(T) tale che y = Tz.
Pertanto
'x, y` = 'x, Tz` = 'Tx, z` = 0,
da cui x = 0. La mappa T
−1
: H → T(T) `e dunque ben definita, ed `e immediato
verificare che `e lineare. Inoltre, per ogni x = Tw e y = Tz in H,
'T
−1
x, y` = 'w, Tz` = 'Tw, z` = 'x, T
−1
y`.
Verifichiamo infine che T
−1
∈ L(H). Dal Teorema del Grafico Chiuso, basta
dimostrare che se x
n
→ x e T
−1
x
n
→ y, allora y = T
−1
x. Sia allora z
n
∈ T(T)
tale che x
n
= Tz
n
. Dunque, abbiamo che
z
n
→ y e Tz
n
→ x.
Poich´e T `e chiuso, concludiamo che x = Ty, da cui y = T
−1
x.
In particolare, se l’inverso `e compatto, ricaviamo un teorema di rappresentazione
spettrale.
Teorema 3.4 (Teorema Spettrale). Sia T un operatore simmetrico e suriettivo.
Assumiamo inoltre che il suo inverso sia compatto. Allora i suoi autovalori formano
una successione tendente a ∞. Inoltre, i corrispondenti autovettori possono essere
scelti in modo da formare una base ortonormale di H.
La definizione di autovalore `e analoga al caso degli operatori limitati. Ovvia-
mente, gli autovettori apparterranno a T(T).
dimostrazione. Il risultato `e una conseguenza del Teorema Spettrale per gli
operatori compatti simmetrici. Notiamo che
T
−1
x = λx ⇐⇒ Tx = λ
−1
x.
Inoltre, ker(T
−1
) = ¦0¦, cio`e T
−1
non ha autovalori nulli. Detta dunque λ
n
la
successione degli autovalori di T
−1
e ¦w
n
¦ la relativa base ortonormale di H, per
ogni x ∈ T(T) abbiamo la rappresentazione
Tx =

¸
n=1
α
n
'x, w
n
`w
n
,
dove gli α
n
= λ
−1
n
sono gli autovalori di T.
100
Nei seguenti esercizi valgano le ipotesi del Teorema Spettrale.
Esercizio 28. Mostrare che x ∈ H appartiene a T(T) se e solo se

¸
n=1

n
[
2
['x, w
n
`[
2
< ∞.
Disponiamo quindi di una caratterizzazione concreta del dominio di T.
Esercizio 29. Mostrare che lo spazio lineare T(T), munito del prodotto interno
'x, y`
D(T)
= 'Tx, Ty`,
`e uno spazio di Hilbert.
Esercizio 30. Mostrare che l’iniezione
J : T(T) → H
`e un operatore compatto (con T(T) dotato della norma definita nel precedente
esercizio).
Ringraziamenti
Voglio ringraziare Clemente Zanco (il primo vero Maestro di Analisi Matematica)
per i suoi utilissimi consigli sul capitolo degli Spazi di Banach, la mia preziosa
collaboratrice Monica Conti e i numerosi studenti di Analisi Reale e Funzionale
2004/05 del Corso di Studi in Ingegneria Matematica che, con i loro suggerimenti,
hanno contribuito a migliorare queste dispense.
Vittorino Pata

Indice
I. Teoria della misura 1 Spazi di misura . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1 Spazi misurabili . . . . . . . . . . . . . . . . . . . . . 1.2 Funzioni semplici . . . . . . . . . . . . . . . . . . . . . 1.3 Misure . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.4 Completamento di una misura . . . . . . . . . . . . . 2 La misura di Lebesgue . . . . . . . . . . . . . . . . . . . . . . 2.1 Misura esterna . . . . . . . . . . . . . . . . . . . . . . 2.2 Costruzione della misura: condizione di Carath´odory e 2.3 Insiemi non misurabili . . . . . . . . . . . . . . . . . . 3 Integrazione astratta . . . . . . . . . . . . . . . . . . . . . . . 3.1 Integrazione di funzioni positive . . . . . . . . . . . . 3.2 Integrazione di funzioni reali . . . . . . . . . . . . . . 3.3 Cambiamento di variabili . . . . . . . . . . . . . . . . 3.4 Il ruolo degli insiemi di misura nulla . . . . . . . . . . 3.5 Integrazione secondo Riemann e secondo Lebesgue . . 3.6 Convergenza puntuale, uniforme e in L1 . . . . . . . . 4 Differenziazione e integrazione . . . . . . . . . . . . . . . . . . 4.1 Il Teorema di Radon-Nykodym . . . . . . . . . . . . . 4.2 Il Primo Teorema Fondamentale del Calcolo . . . . . . 4.3 Funzioni assolutamente continue . . . . . . . . . . . . 5 Prodotto di misure . . . . . . . . . . . . . . . . . . . . . . . . 5.1 Prodotto di spazi misurabili . . . . . . . . . . . . . . . 5.2 Il Teorema di Fubini . . . . . . . . . . . . . . . . . . . 5.3 Completamento di misure prodotto . . . . . . . . . . . 5.4 Cambio di variabili . . . . . . . . . . . . . . . . . . . . II. Spazi di Banach 1 Geometria degli spazi di Banach . . . . . . . . 1.1 Spazi lineari . . . . . . . . . . . . . . . . 1.2 Spazi normati . . . . . . . . . . . . . . . 1.3 Nozioni topologiche . . . . . . . . . . . 1.4 Successioni convergenti . . . . . . . . . 1.5 Separabilit` . . . . . . . . . . . . . . . . a 1.6 Completezza: spazi di Banach . . . . . . 1.7 Norme equivalenti . . . . . . . . . . . . 1.8 Gli spazi Lp (Ω) . . . . . . . . . . . . . . 2 Operatori lineari . . . . . . . . . . . . . . . . . 2.1 Definizioni e prime propriet` . . . . . . a 2.2 Iniezioni continue . . . . . . . . . . . . . 2.3 Il Teorema di Baire e le sue conseguenze 3 3 3 7 8 10 11 11 12 15 15 15 20 23 23 26 27 29 29 30 31 37 37 38 40 40 41 41 41 42 43 44 46 47 50 51 57 57 60 61

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

. . . . . . . . . . . . .

1

2
3 Lo spazio duale . . . . . . . . . . . . . . . . . . . . 3.1 Definizioni e prime propriet` . . . . . . . . a 3.2 Il Teorema di Hahn-Banach . . . . . . . . . 3.3 Riflessivit` . . . . . . . . . . . . . . . . . . a 3.4 Convergenza debole . . . . . . . . . . . . . 3.5 Convergenza debole-∗ . . . . . . . . . . . . 3.6 Operatori compatti . . . . . . . . . . . . . . 3.7 Sulle diverse convergenze negli spazi Lp (Ω) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66 66 67 69 72 73 75 77 79 79 79 81 82 84 85 89 91 91 92 94 97 97 98

III. Spazi di Hilbert 1 Geometria degli spazi di Hilbert . . . . . . . . . . . . . . . . 1.1 Spazi con prodotto interno . . . . . . . . . . . . . . 1.2 Completezza: spazi di Hilbert . . . . . . . . . . . . . 1.3 Proiezioni ortogonali . . . . . . . . . . . . . . . . . . 1.4 Il duale di uno spazio di Hilbert . . . . . . . . . . . 1.5 Basi ortonormali . . . . . . . . . . . . . . . . . . . . 1.6 Lo spazio L2 (Ω) . . . . . . . . . . . . . . . . . . . . 2 Teorema spettrale per gli operatori compatti simmetrici . . 2.1 Rappresentazione matriciale degli operatori limitati 2.2 Operatori simmetrici . . . . . . . . . . . . . . . . . . 2.3 Operatori compatti simmetrici . . . . . . . . . . . . 3 Cenni agli operatori non limitati . . . . . . . . . . . . . . . 3.1 Operatori chiusi . . . . . . . . . . . . . . . . . . . . 3.2 Operatori simmetrici . . . . . . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

. . . . . . . . . . . . . .

(iii) Se E = n∈N En e En ∈ M per ogni n ∈ N. dove e P(Ω) ` l’insieme delle parti di Ω. L’assioma (i) serve ad evitare che M sia vuota. a . cio` una funzione µ : P(Ω) → [0. Gli elementi di M sono detti insiemi misurabili. M) ` detta spazio e misurabile. per poi poter sviluppare una conseguente teoria dell’integrazione. Teoria della misura 1 1. e a come vedremo. e 3 . L’assioma (ii) ci dice che M ` chiusa rispetto alla complementazione. M) uno spazio misurabile. Sia dunque Ω un insieme astratto. Il prefisso “σ” in Analisi viene generalmente utilizzato per indicare la chiusura rispetto a un insieme numerabile di operazioni. Una famiglia M ⊂ P(Ω) ` detta σ-algebra (su Ω) se verifica le seguenti e propriet`: a (i) Ω ∈ M.Poich´ ∅ = ΩC . ci` pu` non essere possibile se si fanno richieste specifiche sulla µ. (ii) Se E ∈ M allora E C = Ω − E ∈ M. allora si parla di algebra. e la coppia (Ω. a Definizione. Propriet` immediate. segue che ∅ ∈ M.I. Osservazione. che abbia certe ragionevoli propriet`. allora E ∈ M. o o Dunque occorrer` limitarsi a particolari sottoinsiemi di P(Ω). Sia (Ω. ∞]. Se l’assioma (iii) ` sostituito e e dall’analogo con unioni e somme finite. Ci proponiamo di definire una misura positiva sui sottoinsiemi di Ω. Tuttavia.1 Spazi di misura Spazi misurabili Lo scopo della teoria della misura ` di fornire una procedura per misurare i sote toinsiemi di un insieme assegnato.

Dunque l’insieme e delle σ-algebre contenenti E ` non vuoto. si evince immediatamente che M ` e in particolare un’algebra. M) uno spazio misurabile. Sia (Ω. ovvero M|Ω0 = E ∈ M : E ⊂ Ω0 . allora la restrizione di M su Ω0 . Trovare la σ-algebra su Ω generata dagli Ek e stabilirne la cardinalit`. e Osservazione. . E evidente che E ⊂ M∗ . si dimostra la validit` degli assiomi (i) e (ii). Insiemi di Borel. e e La terminologia ` dovuta ad Hausdorff.Prendendo En+1 = En+2 = · · · = ∅ in (iii). la σ-algebra generata dagli aperti e di Ω ` detta σ-algebra di Borel (su Ω). allora e e evidentemente f ` Borel misurabile. Se Ω ` uno spazio topologico ed f : Ω → X ` continua. e Proposizione 1. 1 . e Esercizio 1. e sia X uno spazio topologico.1. Analogamente. Gli elementi di e B(Ω) sono detti insiemi di Borel o Boreliani.Usando la relazione n∈N En = n∈N En all’intersezione numerabile (e finita). . Siano E1 . . e e viceversa. C . Definizione. Se Ω ` uno spazio topologico. Sia dunque M∗ l’intersezione di tutte e ` le σ-algebre contenenti E. da cui n En ∈ M . a La σ-algebra M∗ ` detta generata da E.Poich´ E − F = E ∩ F C . e viene indicata con B(Ω). Si noti che P(Ω) ` una σ-algebra su Ω. C . e gli insiemi Fσ (unioni numerabili di chiusi). e che M∗ ` a sua volta e contenuta in ogni σ-algebra che contiene E. Se E ` una collezione di sottoinsiemi di Ω. . gli insiemi Gδ (intersezioni numerabili di aperti). σ si riferisce all’unione (Summe) e δ all’intersezione e (Durchschnitt). Per completare la dimostrazione si deve provare che M∗ ` una σ-algebra. En n insiemi non vuoti a due a due disgiunti tali che a Ω = k Ek . ` una σ-algebra su Ω0 . Se En ∈ M∗ . allora esiste la pi` e u ∗ ∗ piccola σ-algebra M su Ω tale che E ⊂ M . Sono dunque Boreliani gli insiemi aperti e chiusi. allora n En ∈ M.4 . si vede che M ` chiusa rispetto e . e M ⊃ M∗ ` una qualsiasi e e ∗ σ-algebra. Si noti che un insieme Gδ ` il complementare di un insieme Fσ . abbiamo che E − F ∈ M se E ∈ M e F ∈ M. cio` misurabile rispetto a B(Ω).1 Osservazione. Osservazione. Una funzione f : Ω → X ` detta misurabile (rispetto alla σ-algebra M) se f −1 (A) ∈ M e per ogni aperto A ⊂ X. dimostrazione. Se Ω0 ∈ M.

u− = − min{u. e Teorema 1. Allora f −1 (R) = u−1 (I) ∩ v −1 (J) ∈ M.5 Esercizio 2. Se f : Ω → X ` misurabile e g : X → Y ` continua. Sia (Ω. Allora la funzione h(t) = Φ(u(t).u+ = max{u. anche se f ` continua. Ovvero. e siano u e v due funzioni misurabili a valori reali. e sia E ∈ P(Ω). Definiamo la funzione caratteristica di E nel seguente modo: χE (t) = 1. g ◦ f pu` non essere e e o misurabile. e dunque f −1 (O) ∈ M. . t ∈ E. Sia A ⊂ Y un aperto. Sia (Ω. allora h = g ◦ f : Ω → Y ` e e e misurabile. e dimostrazione. 0. I due teoremi appena visti hanno delle conseguenze immediate piuttosto importanti.u + v e uv sono misurabili. Sia (Ω. v(t)) : Ω → R2 . Quindi f −1 (A) = f −1 n Rn = n f −1 (Rn ). e siano X e Y spazi topologici.2. v(t)) definita da Ω a X ` misurabile. M) uno spazio misurabile. dal teorema precedente ` sufficiente mostrare che f ` misurabile Sia R = I × J un e e 2 rettangolo aperto in R . e A = n Rn . . e Teorema 1. Ma O = g −1 (A) ` aperto in X. Sia (Ω. Se invece f ` misurabile e g ` misurabile. e siano u e v due funzioni misurabili a valori reali. Mostrare che E ∈ M se e solo se χE ` misurabile. Dato che h = Φ ◦ f . Allora (g ◦ f )−1 (A) = f −1 (g −1 (A)). . e Osservazione. M) uno spazio misurabile. Sia f (t) = (u(t).4. Corollario 1. 0} e |u| = u+ + u− sono misurabili. Pertanto f −1 (A) ∈ M. 0}. M) uno spazio misurabile. M) uno spazio misurabile. e sia Φ : R2 → X una funzione continua a valori in uno spazio topologico X. t ∈ E. Un generico aperto A ⊂ R2 ` unione numerabile di rettangoli aperti.3. dimostrazione.

Analogamente definiamo le funzioni sup fn (t) = sup fn (t). Mostrare che il Teorema 1. Inoltre. . se f ` Borel misurabile. u = u+ − u− ` una rappresentazione della u che e soddisfa la seguente propriet` di minimalit`: se u = u1 −u2 . f −1 ([−∞. sia X uno spazio topologico. e sia f : Ω → X. Sia infatti E = t ∈ Ω : u(t) ≥ 0 .2 continua a valere se g ` solo Borel e Consideriamo infine successioni di funzioni misurabili fn a valori in [−∞. . Osservazione. Le funzioni u+ e u− sono dette rispettivamente parte positiva e parte negativa di u. Per quanto riguarda il secondo. ∞]) ∈ M. In particolare. Si noti che nel terzo punto si poteva equivalentemente richiedere che f −1 ([a.5. Esercizio 3. Teorema 1. a a + − allora u ≤ u1 e u ≤ u2 . Notiamo che E ` misurabile. e dimostrazione. Vogliamo mostrare che la misurabilit` ` una nozione ae stabile per passaggi al limite. La funzione u si pu` scrivere come ρ|u|.Se X = [−∞. Definiamo allora e ρ(t) = χE (t) − χE C (t).La collezione N degli insiemi E ⊂ X tali che f −1 (E) ∈ M ` una σ-algebra su e X. n→∞ ∀t ∈ Ω. misurabile. oppure f −1 ([−∞. ∞] e f −1 ((a. dato che f ` misurabile N contiene tutti gli aperti di X. M) uno spazio misurabile. ∞]. n n lim sup fn (t) = lim sup fn (t). Osservazione. le controimmagini di e Boreliani sono Boreliani. .6 Osservazione. con u1 ≥ 0 e u2 ≥ 0. e . e e quindi N ⊃ B(X). allora f ` misurabile. n→∞ n→∞ e le corrispondenti con l’inf. a]) ∈ M. Diciamo che f ` il limite puntuale di fn se e f (t) = lim fn (t). a)) ∈ M. dove ρ ` misurabile e o e |ρ(t)| = 1.Se f ` misurabile e E ∈ B(X) allora f −1 (E) ∈ M. Il primo e il terzo punto li lasciamo per esercizio. Osservazione. Sia (Ω. ∞]) ∈ M per ogni a ∈ R.

La misurabilit` di g segue dal fatto che a g −1 ((a. e 0 ≤ f (t) − sn (t) ≤ 2−n .2 Funzioni semplici Definizione. ∞] una successione di funzioni misurabili. dimostrazione. Il risultato identico si ottiene prendendo l’inf al posto del sup. M) uno spazio misurabile e sia f : Ω → [0. Allora2 g = sup fn n e h = lim sup fn n→∞ sono misurabili.7 Teorema 1. Definiamo allora k sn = nχE0 + j=1 aj χEj . n) in n2n intervallini Ij = [aj . ∀t ∈ Ω. ∞]) = n −1 fn ((a. ciascuno di lunghezza pari a 2−n . Una funzione misurabile s : Ω → R ` detta semplice se s(Ω) consiste di un numero finito di valori. Sia (Ω. Se f (t) = ∞. dove gli an sono numeri reali distinti tra loro. quando esiste. bj ). Il limite puntuale di una successione di funzioni misurabili.7. e 1. e gli En sono insiemi misurabili disgiunti tali che Ω = N En .6. poich´ e h(t) = inf n≥1 sup fk (t) . Sia (Ω. dimostrazione. e Corollario 1. k≥n concludiamo che anche h ` misurabile. e sia fn : Ω → [−∞. Dunque e N s(t) = n=1 an χEn (t). ∞] misurabile. M) uno spazio misurabile. Notiamo che sn ≤ sn+1 . n→∞ n≥0 k≥n n→∞ n≥0 k≥n . Se f (t) < ∞. ` misurabile. Infine. allora sn (t) = n per ogni n. ∞]) e Ej = f −1 (Ij ).8. 2 Data una successione numerica an si ha lim sup an = inf sup ak e lim inf an = sup inf ak . Poniamo quindi E0 = f −1 ([n. n=1 Teorema 1. e suddividiamo l’intervallo [0. Sia (Ω. Allora esiste una successione di funzioni semplici sn tale che 0 ≤ s1 ≤ · · · ≤ f e sn (t) → f (t). Fissiamo n ∈ N. ∞]). M) uno spazio misurabile. allora f (t) < n da un certo n in poi.

e Propriet` immediate. si ha che3 µ n En = n µ(En ). e . la convergenza ` detta uniforme. allora vale il e risultato pi` forte u n→∞ lim sup |f (t) − sn (t)| = 0. Si evince dalla dimostrazione che se f ` limitata. E2 = F . Per evitare casi banali. µ) uno spazio di misura. E2 = E3 = · · · = ∅ e si applichi l’additivit` a numerabile. E3 = E4 = · · · = ∅. segue che e µ(E ∪ F ) = µ(E) + µ(F ). F ∈ M con E ⊂ F . (v) µ(En ) → µ(E) se E = (vi) µ(En ) → µ(E) se E = En . t∈Ω In questo caso. M) uno spazio misurabile. Se Ω0 ∈ M. ovvero dati E. pi` semplicemente. a (i) µ(∅) = 0. Analogamente. data una successione di insiemi disgiunti En ∈ M. Verifichiamo le propriet` enunciate. En .3 Misure Definizione. M. µ) ` detta spazio di misura. (iii) µ ` monotona. Una misura si dice finita se µ(Ω) < ∞. misura) se ` numerabilmente additiva. ovvero dati E. F ∈ M con E ⊂ F . M|Ω0 . e applicando la (ii). La misura che assegna ad ogni insieme e il valore 0 ` la misura banale. Osservazione. M. e Si noti che il valore ∞ ` ammissibile. Sia (Ω. e (iv) dati E. per la (ii) sia E1 = E. e una misura definita sulla σ-algebra di Borel di uno spazio topologico Ω ` chiamata e misura di Borel su Ω. e 1. Una funzione µ : M → [0. La terna (Ω. En ∈ M e E1 ⊂ E2 ⊂ · · · . En ∈ M. µ|M|Ω0 ) ` uno spazio di misura. La (iii) e la (iv) si ottengono notando che F = E ∪ (F − E). 3 Poich´ e n µ(En ) ` una serie a termini positivi. allora µ(E) ≤ µ(F ). Per verificare la (i). allora (Ω0 . converge (o diverge) incondizionatamente. Si ponga dunque E1 = E. (ii) µ ` finitamente additiva. E1 ⊃ E2 ⊃ · · · e µ(E1 ) < ∞. u e ovvero. Sia (Ω.8 Osservazione. Infine. ∞] si dice misura positiva (o. F ∈ M con E ∩ F = ∅. sia E ∈ M tale che a µ(E) < ∞. assumiamo inoltre che µ(E) < ∞ per almeno un E ∈ M. se µ(E) < ∞ allora µ(F − E) = µ(F ) − µ(E).

e 1. e Esercizio 6. Definiamo due misure µc e δt su P(Ω) ponendo n. se t ∈ E. µc (E) = ∞. Tuttavia. se t ∈ E. e sia En = {n. ∞ = µ(En ) → µ(∅) = 0. e µ(Fn ) = µ(E1 ) − µ(En ) (qui stiamo usando il fatto che µ(E1 ) < ∞). δt (E) = 0. Consideriamo (N. . per la (vi) sia Fn = E1 − En . . Fn = En − En−1 . e cio`. µc ). allora µ(E ∪ F ) = µ(E) + µ(F ) − µ(E ∩ F ). e E = n Fn . n→∞ n→∞ Esercizio 4. . se E contiene n elementi. Sia Ω un insieme non vuoto. dove t ` un elemento fissato di Ω. Evidentemente E1 ⊃ E2 ⊃ · · · e En = ∅. si ponga F1 = E1 . n ∞ µ(En ) = j=1 µ(Fj ) e µ(E) = j=1 µ(Fj ). si ha che e µ n En ≤ n µ(En ). . Quindi. Mostrare che la misura ` una funzione numerabilmente subadditiva. Allora gli Fn sono misurabili e disgiunti. ∞] (non identicamente infinita) una funzione numerabilmente subadditiva e finitamente additiva. Banalmente. Infine. Si evince dunque l’importanza della richiesta µ(E1 ) < ∞ nella propriet` (vi) a della misura. Inoltre En = F1 ∪ · · · ∪ Fn . e Esempi. Dunque F1 ⊂ F2 ⊂ · · · . P(N). mentre la e e δt ` detta misura di Dirac (o anche misura di concentrazione) a t. Mostrare che µ ` una misura. data una qualsiasi successione En ∈ M.}. Verificare che se µ(E ∩ F ) < ∞. La µc ` detta misura del conteggio. ` anche finitamente subadditiva.9 Per quanto riguarda la (v). n + 1. Utilizzando la (v) concludiamo che µ(E1 ) − µ(E) = µ(E1 − E) = lim µ(Fn ) = µ(E1 ) − lim µ(En ). Sia µ : M → [0. se E contiene ∞ elementi. Esercizio 5. e Osservazione.

Gli elementi di M∗ sono dunque della forma E∪N (unione disgiunta). Allo stesso modo. a Teorema 1. e o ` ragionevole lavorare con misure complete. come si ` visto. Assumiamo che E sia chiuso rispetto all’intersezione. La misura µ ` completa se E ⊂ N e e µ(N ) = 0 implica E ∈ M (e quindi µ(E) = 0). µ) uno spazio di misura. Siano infatti E1 . M∗ . ricaviamo che µ(E1 ) = µ(E1 ∩ E2 ). Ma µ(F2 − E2 ) = 0. Sia (Ω. una misura pu` essere sempre completata. e . da cui µ(E1 − E2 ) = 0. Sia M∗ l’insieme ottenuto aggiungendo a M tutti gli insiemi P tali che esistano E. Si deve per` verificare che questa procedura produca o una σ-algebra. e che esista una successione En ∈ E tale che Ω = n En . µ∗ ) ` uno spazio e ∗ ∗ ∗ di misura.9 (Dynkin). per ogni a. Una misura potrebbe non essere completa. µ) uno spazio di misura. F1 . e concludiamo che µ(E1 ) = µ(E2 ). e e Lasciamo la dimostrazione per esercizio. Poich´ e E1 = (E1 − E2 ) ∪ (E1 ∩ E2 ). Allora E1 − E2 ⊂ P − E2 ⊂ F2 − E2 . E2 . Verifichiamo solo che µ∗ sia ben definita. Sia (Ω.10 Riportiamo infine senza dimostrazione il seguente risultato di unicit`. e se µ e ν coincidono su E. µ ` completa e µ = µ su M. Dato che. allora µ = ν. 1. F2 ∈ M e P ∈ P(Ω) tali che Ei ⊂ P ⊂ Fi e µ(Fi − Ei ) = 0. Sia M la σ-algebra su Ω generata da un certo E ⊂ P(Ω). Si definisca quindi µ∗ (P ) = µ(E). La misura µ ` detta completamento di µ.10. con E ∈ M e µ∗ (N ) = 0. b)) = b − a. Allora (Ω. dimostriamo che µ(E2 ) = µ(E1 ∩ E2 ). Teorema 1. Ovviamente si pu` pensare di como pletarla assegnando d’ufficio misura nulla a tutti i sottoinsiemi di insiemi di misura nulla (e quindi allargando M). Esercizio 7. Se µ e ν sono due misure su M tali che µ(En ) < ∞ e ν(En ) < ∞. Mostrare che esiste (al pi`) un’unica misura di Borel µ su R tale che u µ((a. F ∈ M con E ⊂ P ⊂ F e µ(F − E) = 0.4 Completamento di una misura Definizione. b ∈ Q con a < b. M. M.

La misura esterna ` ovviamente monotona. La misura esterna ` numerabilmente subadditiva su P(R).2.λ(E + a) = λ(E). Infatti. un qualsiasi insieme di cardinalit` al pi` numerabile ha misura a u esterna nulla. ovvero assegna e ai punti (atomi) misura nulla. bn ). come sappiamo. Mostrare che λ∗ (D) = 0. f Allo stesso modo.1 (Ulam). Il Teorema di Ulam fa uso dell’Assioma della Scelta e dell’Ipotesi del Continuo. L’unica misura puramente non atomica definita su P(R) ` e la misura nulla. Definizione. λ∗ in sarebbe definita solo sugli insiemi limitati. ma che λ∗ in (D) = 1. che enunciamo senza dimostrazione. Ovviamente ci piace erebbe costruire una tale λ su P(R). n E ∈ P(R).4 Dato un intervallo I = (a. b)) = b − a. definiamo (I) = b − a la sua lunghezza. 1] ∩ Q. ∞]. Abbiamo qui usato un (comune) abuso di linguaggio. e Si noti che l’inf ` preso al variare delle possibili unioni numerabili degli intervalli e In = (an . Una funzione λ∗ : P(R) → [0. Sia D = [0.1 La misura di Lebesgue Misura esterna Ci proponiamo ora di costruire una misura λ su R che abbia le seguenti propriet`: a . b) ⊂ R. Teorema 2. f Esercizio 8. e 4 inf E⊂ n In (In ).λ((a. Infatti. prendendo l’inf al variare delle f unioni finite. Tuttavia ci` non sar` possibile. Ad esempio. . Possiamo dunque avvelerci del seguente risultato generale. Molto diverso sarebbe definire λ∗ in (E). ovvero. ricaviamo che λ ` puramente non atomica. dalla o a monotonia della misura. =⇒ λ∗ (E) ≤ λ∗ (F ). . e E⊂F Inoltre vale la Proposizione 2.11 2 2. una misura ` costruita non su un insieme ma su una σ-algebra. definita da λ∗ (E) = ` detta misura esterna in R. E ⊂ R (invarianza per traslazioni).

su R. Pertanto. Poich´ λ∗ ` subadditiva. In particolare. b]) = b − a (se a = −∞ oppure b = ∞ allora b − a = ∞).3. Dall’arbitrariet` di ε segue la tesi. se λ∗ fosse numerabilmente additiva. Per n n ogni n ∈ N. troviamo una collezione di intervalli Ij tali che En ⊂ j Ij e n (Ij ) ≤ λ∗ (En ) + j ε . L’insieme degli E che soddisfano (C) forma una σ-algebra. b)) = λ∗ ((a.12 dimostrazione. che sarebbe quindi definita su tutto P(R). b]) = λ∗ ([a. Abbiamo allora il Teorema 2. Inoltre la restrizione di λ∗ su L ` e numerabilmente additiva.2 Costruzione della misura: condizione di Carath´odory e In questo paragrafo ci proponiamo di costruire una σ-algebra L su R in modo tale che la restrizione di λ∗ su L sia una misura. ∀T ∈ P(R). Il Teorema di Ulam ci dice che non ` cos` e ı. Definizione. 2n Ma E= n En ⊂ n. detta di Lebesgue. 2. ∀T ∈ P(R). . Fissiamo ε > 0. E soddisfa (C) se e solo se e e λ∗ (T ) ≥ λ∗ (T ∩ E) + λ∗ (T ∩ E C ). che viene indicata con L(R) o L. allora coinciderebbe con la misura λ cercata. da cui λ∗ (E) ≤ n j n (Ij ) ≤ n λ∗ (En ) + ε. a Esercizio 9. Sia data una successione En ∈ P(R). Mostrare che la misura esterna soddisfa le due propriet` richieste a alla misura λ che vogliamo costruire. b)) = λ∗ ([a. (C) Osservazione. Un insieme E ∈ P(R) soddisfa la condizione di Carath´odory se e λ∗ (T ) = λ∗ (T ∩ E) + λ∗ (T ∩ E C ).j n Ij . λ∗ ((a.

L contiene B(R). dobbiamo verificare che λ∗ (T ) ≥ λ∗ (T1 ) + λ∗ (T2 ).4. a Proposizione 2. pur non essendo particolarmente complicata. Essere numerabile ` dunque condizione sufficiente per avere misura nulla. Dato Ω ∈ L. detta misura di Lebesgue. Esercizio 10. chiamiamo e misura di Lebesgue su Ω la restrizione di λ su L(Ω) = L|Ω . Mostrare che λ ` una misura completa. la misura di Lebesgue λ ` completa.13 La dimostrazione. ` piuttosto tee diosa. La restrizione di λ su B(R) ` dunque una misura di Borel su R. a Detti T1 = T ∩ (a. affinch´ λ sia di e qualche utilit` per i nostri scopi. Basta mostrare che l’intervallo (a. Fissato ε > 0. ∞) appartiene a L (si verifichi per esercizio la bont` di questa affermazione). e vale (In ) + Osservando che ε 1 2 ≥ (In ) + (In ). assegna misura nulla ad ogni insieme numerabile. 1]. ∞) 2 2 1 e In = In ∩ (−∞. ` dunque una misura. Allora In e In sono intervalli aperti (uno dei due potrebbe anche essere vuoto). n 2 i In ⊃ Ti (i = 1. Il Ternario di Cantor. La restrizione di λ∗ su L. e non la riportiamo. 2n Facciamo infine tendere ε a 0. unione finita di intervalli chiusi di uguale lunghezza n = 3−n . risulta λ∗ (Ti ) ≤ n i (In ). Dato Tn . Sia λ∗ (T ) < ∞ (altrimenti non c’` nulla da dimostrare). a + 2εn ). da cui λ∗ (T1 ) + λ∗ (T2 ) ≤ n 1 (In ) + n 2 (In ) ≤ n (In ) + n ε ≤ λ∗ (T ) + 2ε. Sia dunque T ∈ P(R). e Riassumendo quanto visto fin qui. Tute tavia esistono insiemi non numerabili di misura nulla. invariante e per traslazione. che d’ora in poi indicheremo con λ. misura tutti i Boreliani. Definiamo gli insiemi Tn nel seguente modo. a]. sia . Sia T0 = [0. assegna misura finita ad ogni insieme limitato. ∞) e T2 = T ∩ (−∞. esiste una e 1 collezione In tale che In ⊃ T e n (In ) ≤ λ∗ (T ) + ε. e Dobbiamo ora sincerarci che L sia significativamente grande. 2). rispetta la misura degli intervalli. Siano In = In ∩ (a. dimostrazione.

14 Tn+1 l’insieme ottenuto rimuovendo da ciascun intervallo di Tn l’intervallo aperto centrale di lunghezza n /3. Definiamo infine il Ternario di Cantor T = Tn . Si noti che T ` chiuso. Inoltre, essendo un intersezione di compatti non vuoti, ` non e e vuoto. Infine T ` un insieme perfetto, cio` un chiuso in cui tutti i punti sono di e e accumulazione. Gli insiemi perfetti non vuoti hanno necessariamente cardinalit` non a numerabile. Infine, calcolando la misura degli intervalli rimossi nella costruzione di T si vede facilmente che λ(T ) = 0. Osservazione. Si pu` ripetere la costruzione di T , eliminando intervalli di o n −n lunghezza n = ε 3 , con ε ∈ (0, 1). Allora si ottiene il cosiddetto Ternario di Cantor generalizzato Tε , che condivide tutte le propriet` di T tranne che a λ(Tε ) = 3(1 − ε) . 3 − 2ε

Si noti che Tε ` un insieme di misura positiva che non contiene intervalli. e Esercizio 11. Sia E ⊂ [0, 1] l’insieme dei numeri reali privi della cifra 7 nello sviluppo decimale. Calcolare λ(E). ` Esercizio 12. E possibile mostrare che la cardinalit` di B(R) ` uguale alla cardia e nalit` degli aperti di R, che a sua volta ` uguale alla cardinalit` di R. Usando questo a e a fatto, dimostrare che L contiene strettamente B(R). [Suggerimento: L ` completa e e contiene insiemi di misura nulla non numerabili] Riportiamo infine alcune importanti propriet` della misura di Lebesgue di verifica a immediata. Proposizione 2.5. Sia E ∈ L. Allora (i) ∀ε > 0 ∃ A ⊃ E, A aperto, tale che λ(A − E) < ε; (ii) ∀ε > 0 ∃ C ⊂ E, C chiuso, tale che λ(E − C) < ε; (iii) ∃ G ⊃ E, G ∈ Gδ , tale che λ(G − E) = 0; (iv) ∃ F ⊂ E, F ∈ Fσ , tale che λ(E − F ) = 0. Una misura che soddisfa le propriet` (i) e (ii) si dice regolare. In particolare, i a punti (iii) e (iv) ci dicono che un insieme misurabile differisce da un Boreliano per un insieme di misura nulla. Quindi λ ` il completamento della particolare misura di e Borel ottenuta restringendo λ su B(R). Esercizio 13. Sia f : R → R una funzione misurabile secondo Lebesgue, e si consideri la funzione φ(x) = λ t : f (t) > x . Mostrare che φ ` continua da destra ma, in generale, non da sinistra. e

15 La misura di Lebesgue in RN . Sebbene per semplicit` di esposizione abbiamo a lavorato in R, nulla di quanto detto cambia se si lavora in RN . In tal caso, gli intervalli nella definizione della misura esterna sono sostituiti dalle N -celle. Si costruisce pertanto la misura di Lebesgue in RN , definita sulla σ-algebra L(RN ).

2.3

Insiemi non misurabili

Abbiamo anticipato che L non coincide con P(R). Ci` equivale a dire che esistono ino siemi non misurabili. Dimostriamo allora che ogni intervallo (pi` in generale, questo u ` vero per ogni insieme di misura positiva) contiene un insieme non misurabile. Per e semplicit`, consideriamo [0, 1]. Ripartiamo [0, 1] in classi di equivalenza nel seguente a modo: diciamo che a ∼ b se a − b ∈ Q. Selezioniamo ora un rappresentante per ogni classe di equivalenza5 , e chiamiamo P l’insieme formato dai rappresentanti scelti. Affermiamo che P non ` misurabile. Dimostreremo l’asserto assumendo che lo sia, e e raggiungeremo un assurdo. Notiamo che P soddisfa due propriet`: a - (P + r) ∩ (P + s) = ∅, per ogni r, s ∈ Q, r = s; - Ogni t ∈ R appartiene a (P + r), per un certo r ∈ Q. Usando l’invarianza per traslazioni di λ ricaviamo che λ(P ) = λ(P + r). Quindi, in virt` delle due propriet` appena viste, u a R= (P + r)
r∈Q

=⇒

∞ = λ(R) =
r∈Q

λ(P + r) =
r∈Q

λ(P ),

da cui segue che λ(P ) > 0. Ma allora, detto E= risulta λ(E) =
r∈Q∩[0,1]

(P + r),
r∈Q∩[0,1]

λ(P ) = ∞,

cosa che confligge con E ⊂ [0, 2].

3
3.1

Integrazione astratta
Integrazione di funzioni positive

Nel corso di questo paragrafo, sia (Ω, M, µ) uno spazio di misura. Consideriamo funzioni misurabili positive, ovvero a valori in [0, ∞]. Per poter estendere le nozioni
5

Qui stiamo utilizzando l’Assioma della Scelta.

16 di misurabilit` viste nelle sezioni precedenti, e per poter definire l’integrale su insiemi a di misura infinita, dobbiamo stipulare una convenzione per trattare ∞. Definiamo dunque, per a ∈ [0, ∞], a + ∞ = ∞ + a = ∞, a·∞=∞·a= ∞, a = 0, 0, a = 0.

Con questa convenzione, somme e prodotti di funzioni misurabili a valori in [0, ∞] sono misurabili. La cosa si pu` dimostrare approssimando con funzioni semplici, e o notando che se an ↑ a e bn ↑ b allora an bn ↑ ab (con a, b ∈ [0, ∞]). Definizione. Sia s : Ω → [0, ∞) una funzione semplice misurabile della forma
N

s(t) =
n=1

an χEn (t).

Se E ∈ M, definiamo l’integrale di s su E come
N

sdµ =
E n=1

an µ(En ∩ E).

Qui abbiamo usato la convenzione 0 · ∞ = 0; pu` infatti accadere che an = 0 per o qualche n ma µ(En ∩ E) = ∞. Osserviamo che, poich´ sχE = n an χEn ∩E , e sdµ =
E Ω

sχE dµ.

Definizione. Sia f : Ω → [0, ∞] una funzione misurabile, e sia E ∈ M. Definiamo l’integrale di Lebesgue della f su E (rispetto alla misura µ) il valore6 f dµ = sup
E E

sdµ ∈ [0, ∞],

dove il sup ` preso al variare delle funzioni semplici misurabili s tali che 0 ≤ s ≤ f . e Notiamo che se f ` semplice, allora il sup ` in realt` un max. Inoltre, per ogni e e a f misurabile, f dµ =
E Ω

f χE dµ.

Propriet` immediate. Le funzioni che compaiono sono misurabili a valori in a [0, ∞], e gli insiemi sono misurabili. - Se f ≤ g allora
6

E

f dµ ≤

E

gdµ.
E

Per sottolineare quale sia la variabile di integrazione si usa talvolta la notazione

f (t)dµ(t).

f dµ = 0. abbiamo che α≤ Ω f dµ. Mostrare che ν(E) = E sdµ definisce una misura su M. essendo limite pune tuale di funzioni misurabili. Inoltre la successione Ω fn dµ ` monotona crescente.Se α ≥ 0 allora f dµ ≤ f dµ.17 . Definiamo En = t ∈ Ω : fn (t) ≥ cs(t) . a Teorema 3. Veniamo ora alle propriet` di passaggio al limite dell’integrale di Lebesgue. e sia c ∈ (0. Dimostrare l’uguaglianza (s1 + s2 )dµ = E E s1 dµ + E s2 dµ. dimostrazione. anche se µ(E) = ∞. ∞] tale che lim fn dµ = α. Osserviamo subito che f ` misurabile.Se µ(E) = 0 allora E f dµ = 0. . Definendo f (t) = lim fn (t). E E E F αf dµ = α f dµ. Sia fn : Ω → [0.Se f (t) = 0 per ogni t ∈ E allora . Esercizio 15.1 (Convergenza Monotona). s2 : Ω → [0. Sia s : Ω → [0. Ω n→∞ Dato che Ω fn dµ ≤ Ω f dµ per ogni n. n→∞ lim fn dµ = Ω Ω f dµ. allora f ` misurabile e e n→∞ ∀t ∈ Ω.Se E ⊂ F allora . ∞) una funzione semplice misurabile. ∞) due funzioni semplici misurabili. e Pertanto esiste α ∈ [0. Sia s una funzione semplice tale che 0 ≤ s ≤ f . Siano s1 . ∞] una successione di funzioni misurabili tali che f1 (t) ≤ f2 (t) ≤ · · · ≤ ∞. Esercizio 14. E . anche se f (t) = ∞ per ogni t ∈ E. 1).

∞] una successione di funzioni misurabili. Corollario 3. Siano f. En ` la controimmagine di e e [M. e Esercizio 16. ∞] due funzioni misurabili. e e essendo somma di due funzioni misurabili positive.n En = Ω: infatti se f (t) = 0 allora t ∈ E1 . L’integrale di destra ` una misura. detto M = maxt∈Ω s(t). . e pertanto per le propriet` della misura ottee a niamo α ≥ c sdµ. ∞] (che ` un insieme chiuso) della funzione fn + (M − cs). n=1 Ω dimostrazione. e quindi cs(t) < fn (t) da un certo n in poi. cio` la disuguaglianza inversa.En ` misurabile: infatti. Sia fn : Ω → [0. Facendo ora il sup al variare delle s semplici tali che 0 ≤ s ≤ f . se f (t) > 0 allora cs(t) < f (t) (poich´ c < 1).2 (Convergenza Monotona per le Serie). Ω Questa disuguaglianza vale per ogni c < 1. α≥ Ω fn dµ ≥ En fn dµ ≥ c En sdµ.18 Notiamo i seguenti fatti: . e quindi anche al limite. e Evidentemente. che ` misurabile. Allora f dµ = Ω ∞ fn dµ. ovvero α≥ Ω sdµ. Mostrare che (f + g)dµ = Ω Ω f dµ + Ω gdµ.E1 ⊂ E2 ⊂ · · · : questo segue dalla monotonia di fn . g : Ω → [0. e sia ∞ f (t) = n=1 fn (t). otteniamo infine α≥ Ω f dµ. . [Esercizio] .

se ank ≥ 0 allora ∞ ∞ ∞ ∞ ank = n=1 k=1 k=1 n=1 ank . senza ipotesi aggiuntive. da cui la tesi. ∞] una successione di funzioni misurabili. Esercizio 17. Utilizzando il Teorema della Convergenza Monotona per le Serie. il e corollario appena visto ci fornisce un risultato noto sulle serie doppie di numeri non negativi. ovvero che una funzione positiva integrabile (anche solo impropriamente) secondo Riemann ` integrabile secondo Lebesgue. n→∞ n Evidentemente gn ` una successione monotona. dimostrare che7 ∞ 1 1 log t dt = . e 7 . Se µ ` la misura del conteggio su un insieme numerabile. Stiamo qui in realt` implicitamente utilizzando un risultato che verr` discusso successivamente a a nel §3. Applicando quindi il Teorema e della Convergenza Monotona si ha lim gn dµ = Ω n→∞ Ω n→∞ lim gn dµ = Ω sup gn dµ = n Ω lim inf fn dµ. Lemma 3. Allora lim inf fn dµ ≤ lim inf Ω n→∞ n→∞ Ω fn dµ.19 Osservazione. gn ≤ fn . dimostrazione. Sia gn (t) = inf fk (t). Precisamente. da cui lim gn dµ = lim inf Ω n→∞ Ω n→∞ gn dµ ≤ lim inf n→∞ Ω fn dµ. Sia fn : Ω → [0.3 (Fatou). n→∞ D’altro canto. k≥n Ricordiamo che lim inf fn = sup gn .5. n2 0 t−1 n=1 [Suggerimento: sviluppare in serie 1 ] t−1 Il lemma seguente stabilisce un legame tra il limite degli integrali e l’integrale del limite. e i due integrali coincidono.

∞] una funzione misurabile. Si ∞ φχE = n=1 φχEn . E ∈ M. e e f dν = Ω Ω f φdµ. 3. Ω . µ) la collezione di tutte le funzioni misurabili f : Ω → R tali che |f |dµ < ∞. Nel Lemma di Fatou pu` valere la disuguaglianza forte anche o quando il limite inferiore ` un limite. In particolare. Sia φ : Ω → [0. Allora lim inf fn (t) = lim fn (t) = 0. ` una misura su M. |t| > n. µ) uno spazio di misura. Definizione. Dal Corollario 3. concludiamo che ν ` una misura. λ) sia e fn (t) = 1 . n 0. osservi che Siano En elementi disgiunti di M la cui unione sia E. Il caso generale segue dal Teorema della Convergenza Monotona.2. ma n→∞ n→∞ fn dλ = 2.20 Osservazione. R Teorema 3. Chiamiamo L1 (Ω. sia (Ω. e che ν(E) = Ω φχE dµ. n=1 Poich´ ν(∅) = 0. L. e dunque per ogni f semplice. la seconda e e asserzione vale per ogni f = χE . La funzione ν : M → [0. ∞] misurabile. |t| ≤ n. ν(E) = ν(En ).4 (Costruzione di Nuove Misure). dimostrazione. Ad esempio.2 Integrazione di funzioni reali Come prima. ∞ ν(En ) = Ω φχEn dµ. per ogni f : Ω → [0. in (R. M. M. ∞] definita da ν(E) = E φdµ.

P(N). In questo caso. P(N). µc ).  a  − [b. ∀n ∈ N. di Lebesgue. M.6 (Convergenza Dominata). E comunque a a necessario richiedere la misurabilit` di f .21 ` Notiamo che la misurabilit` di f implica la misurabilit` di |f |. 8 . a > b. Teorema 3. Sia fn : Ω → R una successione di funzioni misurabili che converge puntualmente ad una funzione f .  b f (t)dt = 0. Assumiamo che esista g ∈ L1 tale che |fn (t)| ≤ g(t). g ∈ L1 . Consideriamo lo spazio di misura (N.a] f dλ. µc ) ` dato dalle successioni la e cui serie converge assolutamente. Allo stesso modo si pu` definire l’integrale di Lebesgue di una funzione misurabile a valori in o C il cui modulo sia sommabile. Lo spazio L1 (N. Esercizio 18. Siano f. le funzioni misurabili sono le successioni reali. Dimostrare la disuguaglianza f dµ ≤ Ω Ω |f |dµ. a = b. Dunque L1 (Ω. Il significato dell’esponente 1 in L1 sar` chiaro in seguito. Se Ω = [a. Dato che f + ≤ |f | e f − ≤ |f |. e l’integrale di Lebesgue ` un operatore e e lineare a valori in R. Allora αf + g ∈ L1 e (αf + g)dµ = α Ω Ω f dµ + Ω gdµ. µ) ` uno spazio lineare. e sia α ∈ R. Esempio. e non solo di |f |. M. Definizione.5. Gli elementi di L1 sono le funzioni a integrabili (o sommabili) secondo Lebesgue rispetto alla misura µ. Enunciamo infine il risultato fondamentale sul passaggio al limite nell’integrale. µ) l’integrale di Lebesgue di f ` definito come8 e f dµ = Ω Ω f + dµ − Ω f − dµ. e l’integrale di Lebesgue non ` altro e che l’usuale serie numerica. in quanto ` banale a e costruire una funzione non misurabile il cui modulo sia misurabile. Notazione.b] f dλ. Se f ∈ L1 (Ω. b] e µ = λ ` la misura e l’abituale notazione   [a. Sia f ∈ L1 . useremo talvolta a < b. ∀t ∈ Ω. entrambi gli integrali nella definizione sono finiti. Lasciamo al lettore la verifica della seguente Proposizione 3.

Dunque f ∈ L1 . concludiamo che |fn − f |dµ. Ω Esercizio 19. Calcolare 1 n→∞ lim 0 e−nt − (1 − t)n dt. t t 0 [Suggerimento: utilizzare l’uguaglianza 1 − ent (1 − t)n = nenτ τ (1 − τ )n−1 dτ ] . Ω ma tale che non esista alcuna funzione dominante in L1 . Costruire una successione fn : Ω → R che converge puntualmente a f tale che n→∞ lim |fn − f |dµ = 0. Sottraendo il valore (finito) 0 ≤ lim inf n→∞ 2gdµ ad ambo i membri. ma n→∞ lim |fn − f |dµ = 0. e Consideriamo la successione di funzioni positive φn = 2g − |fn − f |. otteniamo 2gdµ ≤ lim inf Ω n→∞ Ω Ω φn dµ = Ω 2gdµ + lim inf n→∞ − Ω |fn − f |dµ . Si noti che fn ∈ L1 (Ω. M. e n→∞ lim |fn − f |dµ = 0. Applicando il Lemma di Fatou.22 Allora f ∈ L1 . dimostrazione. Esercizio 21. Ω Prima di procedere alla dimostrazione. facciamo alcune osservazioni. Dalle ipotesi. Innanzitutto. in quanto maggiorata in modulo dalla funzione g (detta dominante). Concludere che il Teorema della Convergenza Dominata fornisce una condizione solo sufficiente. da cui lim n→∞ |fn − f |dµ = 0. Costruire una successione fn : Ω → R che converge puntualmente a f tale che n→∞ lim fn dµ = Ω Ω f dµ. f ` misurabile e |f | ≤ g. la tesi del teorema implica banalmente il limite n→∞ lim fn dµ = Ω Ω f dµ. µ). Ω n→∞ − Ω |fn − f |dµ = − lim sup Quindi lim sup n→∞ Ω |fn − f |dµ = 0. Ω Esercizio 20.

e sia φ : Ω → Ω una mappa tale che Data una misura µ su M. E ∈M. 0 . P o pu` essere la propriet` “f (t) > 0”. Siano (Ω. Ovviamente la locuzione “quasi ovunque” ` strettamente riferita alla misura µ e in considerazione. definisce una misura su M .4 Il ruolo degli insiemi di misura nulla ` Per costruzione. supporremo di lavorare con una misura µ completa.3 Cambiamento di variabili φ−1 (E ) ∈ M. µ).7. Ad esempio. Quando Ω ⊂ R. ν). Esercizio 22. l’integrale di Lebesgue non “vede” gli insiemi di misura nulla.23 3. ∀E ∈ M . Possiamo allora estendere in modo vantaggioso la nozione di funzione misurabile. e e Vale allora il Teorema 3. g su Ω. Diciamo che P vale quasi ovunque se l’insieme o a dei punti di Ω per i quali P non vale ha misura nulla. assegnata una funzione reale f su Ω. e allora f ◦ φ dµ. L’uguaglianza quasi ovunque ` una relazione di equivalenza. [Suggerimento: si considerino dapprima funzioni semplici.7 (Cambiamento di Variabili). Tanto per cominciare. M. diremo che f = g quasi ovunque se µ t ∈ Ω : f (t) = g(t) = 0. senza ulteriori specificazioni. In tal caso f ◦ φ ∈ L1 (Ω. segue che la funzione f ◦ φ definita su Ω ` M-misurabile. µ) uno spazio di misura. Se f : Ω → [0. non ` necessario avere funzioni definite su tutto Ω: basta che siano definite su un e sottoinsieme Ω0 ⊂ Ω tale che µ(ΩC ) = 0. Cerchiamo di trarre delle conclusioni da questo fatto. f dν = Ω 1 Ω La stessa uguaglianza vale per f ∈ L (Ω . la relazione “quasi ovunque” sar` sempre intesa rispetto alla misura di Lebesgue. Sia (Ω. e sia P una propriet` che un punto a t ∈ Ω pu` avere o non avere. Dimostrare il Teorema 3. la funzione ν(E ) = µ(φ−1 (E )). a Date dunque due funzioni f. E infatti immediato constatare dalla definizione che se due funzioni differiscono su un insieme di misura nulla allora i loro integrali sono uguali. Definizione. ∞] ` M -misurabile. M) e (Ω . Si noti che se una funzione (positiva o reale) f definita su Ω ` M -misurabile. M ) due spazi misurabili. Notazione. e si applichi il Teorema della Convergenza Monotona] 3. M . M. Per evitare problemi e logici.

u Osservazione. diciamo che una f ` essenzialmente limitata se esiste M ≥ 0 e tale che µ t ∈ Ω : |f (t)| > M = 0. rispettivamente. la f deve necese sariamente essere una funzione ben definita. Omettiamo per ora la dimostrazione. n=1 Ω Allora f = ∞ n=1 fn ∈ L1 e ∞ f dµ = Ω n=1 Ω fn dµ. allora otteniamo una funzione completamente diversa. Chiaramente le funzioni e quasi ovunque continue sono misurabili (nel nuovo senso). ` una nozione u a e puntuale. come supponiamo. Diciamo che f ` quasi ovunque continua se µ(E) = 0. Sia fn ∈ L1 tale che ∞ |fn | < ∞. valgono i Teoremi della Convergenza Monotona e Dominata richiedendo. Teorema 3. Qualche problema in pi` lo pone la continuit`. viceversa. possiamo ridefinire in modo arbie C trario la f su Ω0 . e Se la misura. Sia dunque f : Ω → X. tutte le funzioni cos` costruite sono uguali quasi ovunque. ottenendo una funzione misurabile nel senso vecchio. Teorema II. ı Allo stesso modo. la monotonia di fn (t) e la convergenza puntuale solo quasi ovunque. Mostrare che esiste g : Ω ⊂ R → R Borel misurabile uguale a f quasi ovunque. e sia E l’insieme dei punti di discontinuit` di a f .13). la funzione gradino).24 Definizione. Si noti bene che una funzione quasi ovunque continua pu` non o essere uguale quasi ovunque ad una funzione continua (ad esempio.1. notoriamente. o Esercizio 23. se g ` uguale a una e certa costante c e alteriamo il valore di f nel solo punto c. . Vi ` tuttavia una circostanza in cui la scelta del rappresentante e ` influente: se consideriamo la composizione di funzioni f ◦ g. che ritroveremo pi` avanti in un contesto u pi` generale (cfr. Vediamo allora un e corollario del Teorema della Convergenza Dominata. ` completa. Banalmente. Inoltre. possiamo riformulare la teoria gi` vista rimpiazzando “ovunque” a con “quasi ovunque”. la funzione di Dirichlet). cio` per quasi tutti i t ∈ Ω. In particolare.8 (Convergenza Dominata per le Serie). una funzione uguale quasi ovunque a una funzione continua pu` non essere quasi ovunque continua (ad esempio. che. Una funzione f : Ω → X (X spazio topologico) ` misurabile se esiste e un insieme Ω0 ⊂ Ω con µ(ΩC ) = 0 tale che per ogni aperto A ⊂ X l’insieme 0 f −1 (A) ∩ Ω0 ` misurabile. Osservazione. Sia f : Ω ⊂ R → R Lebesgue misurabile. In conclusione.

Allora f ∈ L1 (Ω.9. se diciamo che f ∈ L1 e ` continua. M. λ). L. allora t ∈ En per qualche n. tale che f dµ = 0. Ma µ quasi ovunque. altrimenti si avrebbe 1 f dµ ≥ µ(En ) > 0. con abuso di linguaggio si ` soliti parlare di “funzioni” di L1 . e quindi f = 0 Lo spazio quoziente L1 . µ) In tal caso.9 d` la propriet` dell’annullamento a a della norma. µ) ottenuto quozientando L1 (Ω. lo spazio L1 ` uno spazio normato con e la norma Ω |f |dµ. M. Introduciamo allora lo spazio L1 (Ω. M. f ≥ 0 quasi ovunque. n En = 0. Ad esempio. Come vedremo. Ω Allora f = 0 quasi ovunque. Dimostrare l’Additivit` Numerabile dell’Integrale: Sia f : Ω → R a misurabile. Utilizzando l’Additivit` Numerabile dell’Integrale dimostrare che a sin t ∈ L1 (R. Si noti che la Proposizione 3. Allora µ(En ) = 0. e sia En una successione di sottoinsiemi misurabili di Ω a due a due disgiunti tali che n En = Ω. µ) rispetto alla relazione di equivalenza “uguale quasi ovunque”. significa che nella classe di equivalenza della f esiste un rappresentante e continuo (ovviamente unico). Sia f ∈ L1 (Ω. Esercizio 25. f dµ. Sia En = t ∈ Ω : f (t) > n . Poich´ i rappresentanti e di una stessa classe di equivalenza sono di fatto indistinguibili. t Proposizione 3. 1 dimostrazione.25 Esercizio 24. . n Ω Se f (t) > 0. M. ` inutile distinguere funzioni uguali e quasi ovunque. Gli elementi di L1 sono dunque classi di equivalenza di funzioni. µ). f dµ = Ω n En ⇐⇒ n En |f |dµ < ∞. Per quanto visto.

e 11 Non cambia nulla se si richiede che f cambi segno un numero finito di volte. b). e i e e due integrali coincidono. Ci si pu` tuttavia chiedere se tale generalizzazione sia solo apparente. Teorema 3. e Proposizione 3. Se nella sua e classe di equivalenza esistesse una funzione Riemann integrabile. Ad o esempio. Notiamo che fn ↑ f . b) = En . b) → R. e Ovviamente le due cose sono inconciliabili. Se dunque f : (a. Sia (a. Riemann integrabile in senso improprio. Ponendo Fn = k=1 Ek . b) se e solo se f ` continua quasi ovunque su (a. e Esercizio 26. Il discorso si complica leggermente se consideriamo integrali di Riemann impropri (quando cio` il dominio di integrazione non sia limitato.b) f dλ. o la f non sia limitata). con −∞ ≤ a < b ≤ ∞. Sia f : (a. Sia Tε un insieme di Cantor generalizzato di misura positiva. e e essa ` uguale quasi ovunque ad una funzione Riemann integrabile (la funzione nulla). La sua funzione caratteristica χTε ` discontinua esattamente su Tε . dimostrazione. l’integrale di Lebesgue ` una generalizzazione dell’integrale di Riee mann. Esempio. dunque dal Teorema della Convergenza Monotona abbiamo che n→∞ 9 lim fn dλ = (a. dove ciascun En ` e n un intervallo su cui f ` Riemann integrabile. Mostrare che se f : (a. Ricordiamo che una funzione non limitata non ` Riemann integrabile (in senso proprio). b) (rispetto alla e misura di Lebesgue λ). definiae mo fn = f χFn . questa dovrebbe essere allo stesso tempo continua quasi ovunque e uguale a χTε quasi ovunque. e La misura di Peano-Jordan di un sottoinsieme di R ` l’integrale di Riemann (improprio. ed essendo limitata segue che ` Lebesgue integrabile. se e l’insieme non ` limitato) della sua funzione caratteristica. Supponiamo f ≥ 0. Enunciamo senza dimostrazione il risultato principale. tuttavia.26 3. ` ben noto che la funzione di Dirichlet non ` Riemann integrabile.b) (a. allora f ` misurabile e e 9 secondo Lebesgue. [Suggerimento: f = f + − f − . Se f ` di segno costante11 allora f ` Lebesgue integrabile. TεC ` un esempio di 10 insieme aperto non misurabile secondo Peano-Jordan.5 Integrazione secondo Riemann e secondo Lebesgue In questo paragrafo illustriamo le relazioni intercorrenti tra l’integrale di Riemann e l’integrale di Lebesgue (rispetto alla misura di Lebesgue su R). b) → R una funzione limitata. si applichi il Teorema della Convergenza Monotona a entrambe le funzioni] Pertanto. Sia f : (a.10. b) → R ` Riemann integrabile su (a. Incidentalmente.11. 10 . e Sciogliamo il dubbio con il seguente esempio. b) → R ` Riemann integrabile allora e l’integrale di f secondo Riemann coincide con l’integrale di f secondo Lebesgue. Allora f ` Riemann e integrabile su (a.

1]  1 nt. Il viceversa ` falso. n→∞ q. Se fn → f puntualmente quasi ovunque. Ω Ci proponiamo di illustrare i legami tra le diverse nozioni di convergenza. pi` o meno implicitamente. esiste Ω0 ⊂ Ω con µ(Ω0 ) = µ(Ω) tale che e fn (t) → f (t) per ogni t ∈ Ω0 . allora µ(E) = 0. e siano fn .o.Convergenza uniforme : fn → f se n→∞ 1 lim sup |fn (t) − f (t)| = 0. M. ma sup |fn (t)| = 1 per ogni n.   2 0. Abbiamo finora gi` incontrato. Per ogni k ∈ N e per ogni t ∈ Ω0 . b). n < t ≤ n . e fn → f uniformemente su E. f : Ω → R funzioni misurabili.o. detto E = t ∈ Ω : lim fn (t) = f (t) . il limite di sinistra converge all’integrale improprio secondo Riemann della f su (a. µ) uno spazio di misura. q. t) tale che 1 |fn (t) − f (t)| < .27 D’altro canto. t∈[0.  1 2 fn (t) = 2 − nt. u .12 (Egoroff). Sia µ(Ω) < ∞. t ≤ n. dimostrazione. 1] si ha che fn (t) → 0. k q. per ogni ε > 0 esiste un insieme E ⊂ Ω tale che µ(E C ) < ε. per n ≥ n0 .Convergenza in L1 : fn → f se n→∞ lim |fn − f |dµ = 0. a u .6 Convergenza puntuale. . Esempio. 3. come mostra il seguente esempio. Consideriamo la successione di funzioni su [0. Poich´ fn → f .o. sia n0 = n0 (k. t∈Ω L .Convergenza puntuale quasi ovunque : fn → f se. u ` E evidente l’implicazione fn → f =⇒ fn → f . tre tipi di convergenze. anche se e fn → f ovunque. Allora per ogni t ∈ [0.1] Un risultato parziale ` il seguente e Teorema 3. uniforme e in L1 Sia (Ω. t > n.

mk .m ⊂ Ek. E= k Si noti che µ(E C ) = µ k C Ek. t ∈ [n. Osservazione. 1] al tendere di n a ∞. 2k Se t ∈ E. poniamo Ek. 2k 1 per n = 2k + m. . 1.mk ≤ k 1 k C µ(Ek. Fissiamo ora ε > 0. 1] cos` definita: ı m En = [ 2k . Scegliamo per ogni k un valore mk tale che ε ε µ(Ek. Mostrare che lo stesso risultato ` in generale falso se fn : (0. Dimostrare che fn → 0. m Inoltre. 1] → [0. Ek. Si e consideri ad esempio la successione di funzioni su R fn (t) = 1. Esercizio 27. il risultato pi` significativo ` il Teorema della u e Convergenza Dominata. con m ∈ 0. 2 Infine. Nel Teorema di Egoroff l’ipotesi µ(Ω) < ∞ ` essenziale. 1] → [0. Esaminiamo la questione inversa: supponiamo di avere fn → f . m ∈ N.o. ∞) una successione di funzioni continue tale che u fn (t) ↓ 0 per ogni t ∈ [0. segue che fn → f ? La risposta ` negativa. 1] (con la misura di Lebesgue) ma χEn (t) → 0 per ogni t ∈ [0. m+1 ]. .mk ) < k .m+1 . Ek. altrimenti. n + 1]. Consideriamo la successione di sottoinsiemi En di [0.m = t ∈ Ω0 : n0 (k.mk ) < ε k 1 = ε. che stabilisce un legame con la convergenza puntuale quasi L1 ovunque. allora |fn (t) − f (t)| < per ogni n ≥ mk .mk ) > µ(Ω0 ) − k = µ(Ω) − k . Allora q. Per ogni k. ma fn (t) = 1 su un insieme di misura 1. L Allora χEn → 0 su [0. Allora fn (t) → 0 per ogni t ∈ R. e Esempio. 0. Ek. ∞). e Venendo alla convergenza in L1 . per k. 2 2 vale a dire.28 Definiamo allora. 2k − 1 . t) ≤ m . 1]. ε C µ(Ek.m = Ω0 . . Sia fn : [0. .

dν Evidentemente. ∞] misurabile. e e f dν = Ω Ω f φdµ. Definizione . diciamo che la µ ` σ-finita se esiste una collezione e numerabile di insiemi En ∈ M tali che µ(En ) < ∞ per ogni n ∈ N. fissata una funzione misurabile φ : Ω → [0. M. ed ` detta derivata di Radon-Nykodym della ν rispetto alla µ. date due misure ν µ su M. Abbiamo precedentemente dimostrato (si veda il Teorema 3. ` una misura su M. La funzione φ viene spesso indicata con il dν simbolo dµ . e 1 4 4.o. e Esercizio 29. M. e n∈N En = Ω. per ogni f : Ω → [0. E ∈ M. ν) se e solo se f φ ∈ L1 (Ω.29 Vale tuttavia il seguente risultato. Mostrare che lo stesso risultato ` in generale falso omettendo l’ipotesi µ(Ω) < ∞. fn k → f .1 Differenziazione e integrazione Il Teorema di Radon-Nykodym Sia (Ω. Ovvero.4) che. e in tal caso f dν = Ω Ω f φdµ. M. Siano µ e ν due misure su M. 1 u L Esercizio 28. ν(E) = E φdµ. . se esiste dµ segue che ν µ. Allora esiste una sottosuccessione fnk tale che q. M. µ). Corollario II. Dato (Ω. Mostrare che se fn → f allora fn → f . Allora ν ` assolutamente continua e rispetto a µ (e scriviamo ν µ) se vale l’implicazione µ(E) = 0 =⇒ ν(E) = 0. Definizione.13. Sia fn → f . Sia f : Ω → R misurabile. Dimostrare che f ∈ L1 (Ω.1. µ) uno spazio di misura. L Proposizione 3. che dimostreremo in seguito (cfr. µ). vogliamo stabilire se esista dµ . Ci poniamo ora la questione dν inversa.14). ∞]. Sia µ(Ω) < ∞.

Siano µ e ν due misure definite su uno stesso spazio misurabile (Ω. . Vogliamo mostrare cosa succede invece nella sola ipotesi f ∈ L1 ([a. Si osservi inoltre che la nozione di punto di Lebesgue ` data per e un rappresentante f ben definito (e non per l’intera classe di equivalenza di f ).2 Il Primo Teorema Fondamentale del Calcolo x Assegnata f ∈ L1 ([a. Se µ ` σ-finita e ν e µ. b] ` un punto di Lebesgue per f se e 1 h→0 h lim x+h |f (t) − f (x)|dt = 0. Dal Teorema di Radon-Nykodym.30 Ad esempio. b]). ˜e Esercizio 30.1 (Radon-Nykodym). Osservazione. la misura di Lebesgue λ su R ` σ-finita. Sia f ∈ L1 ([a. se x = a oppure x = b si calcola solo il limite sinistro o destro. x ∈ [a. b]). Vedremo pi` avanti. Osservazione. e scegliamo come ν la misura di Lebesgue e come µ la misura del conteggio. Un punto x ∈ [a. x Ovviamente. b] sono punti di Lebesgue per f . ci` non costituisce problema. M). Se e consideriamo ad esempio la σ-algebra di Lebesgue su [0.2 (Lebesgue). Tuttavia. si evince che se ν ` una e 1 misura finita. esiste una funzione misurabile φ : Ω → [0. in quanto vale il o Teorema 4. allora φ ∈ L (Ω. b]) quasi tutti i punti di [a. b]. µ). ` immediato verificare e dν che ν µ. L’ipotesi che µ sia σ-finita nel teorema ` irrinunciabile. 1]. Se f ∈ L1 ([a. M. rispettivamente. allora φ = φ quindi anche rispetto a ν). ∞] tale che ν(E) = E φdµ. b]). ∀E ∈ M. in un esercizio guidato. allora F (x) = f (x) per ogni x ∈ [a. ma tuttavia non esiste dµ . 4. b]). Abbiamo allora il e Teorema 4. ` E ben noto che se f ∈ C([a. la dimostrazione del teorema nel u caso particolare in cui µ e ν siamo entrambe misure finite. consideriamo la funzione integrale F (x) = a f (t)dt. Mostrare che tale φ ` unica nel seguente senso: se φ ` un’altra e ˜ quasi ovunque rispetto a µ (e funzione che soddisfa la tesi del teorema. Definizione. b].

e Dimostriamo ora un risultato generale che ci sar` molto utile in seguito. e dimostrazione. Sia f ∈ L1 ([a.3 (Primo Teorema Fondamentale del Calcolo). concludiamo che F (x) = f (x). E Ricordiamo che una funzione continua su [a. come vedremo tra breve. se E ∈ M e µ(E) < δ. bn ) ⊂ [a. 1]). Per h tale che x + h ∈ [a. b] tali che N bn − an < δ. b]. una funzione AC ` uniformemente continua12 (basta prendere e N = 1 nella definizione).3 Funzioni assolutamente continue Definizione . b]. Dimostrare che se G ` Lipschitziana su [a. b]). allora |f |dµ < ε.31 Omettiamo la dimostrazione (in realt` piuttosto complicata) di questo risultato. b] un punto di Lebesgue per f . b] allora G ` AC su [a. M. 12 . b] ` sempre uniformemente continua (Teorema di e Heine-Cantor). b] → R ` assolutamente continua (AC) se ad e ogni ε > 0 corrisponde δ > 0 tale che N |G(bn ) − G(an )| < ε n=1 per ogni N ∈ N ed ogni collezione di N intervalli disgiunti (an . x |f (t) − f (x)|dt. abbiamo 1 F (x + h) − F (x) − f (x) = h h da cui segue la disuguaglianza 1 F (x + h) − F (x) − f (x) ≤ h h x+h x+h f (t) − f (x) dt. 4. e e √ ma che l’implicazione opposta ` falsa (G(t) = t su [0. Esercizio 31. Sia f ∈ L1 (Ω. Sia x ∈ [a. x Pertanto. a Possiamo dunque dimostrare il Teorema 4. Tuttavia. Una funzione G : [a. a Proposizione 4.4 (Assoluta Continuit` dell’Integrale). facendo il limite h → 0. Ala lora per ogni ε > 0 esiste δ > 0 tale che. n=1 Evidentemente. µ). esistono funzioni uniformemente continue ma non AC. Allora F ` derivabile quasi ovunque e F = f quasi ovunque.

b] tali che N bn − an < δ. 1] priva di intervalli di monotonia. dall’assoluta continuit` dell’integrale ricaviamo a |f (t)|dt < ε. Fissiamo ε > 0. abbiamo |f − g|dµ + M µ(E) < ε + M δ = ε. Costruire una funzione Lipschitziana su [0. n=1 segue che N N bn N bn |F (bn ) − F (an )| = n=1 n=1 an f (t)dt ≤ n=1 an |f (t)|dt = E |f (t)|dt.32 dimostrazione. Sia ε > 0. e si consideri la funzione integrale di χA ] Esercizio 34. Fissato un qualsiasi N ∈ N ed una qualsiasi collezione a di N intervalli disgiunti (an . Costruire una funzione Lipschitziana G strettamente monotona su [0. b]). e consideriamo il corrispondente δ > 0 dell’assoluta continuit` dell’integrale. Torniamo quindi ad occuparci della funzione integrale F . e e avendo posto E = N (an . bn ). e approssimiamo f con una funzione limitata g in modo tale che ε |f − g|dµ < . bn ) ⊂ [a. 2 |f − g|dµ + E |g|dµ ≤ Ω come richiesto. con f ∈ L1 ([a. 2 Ω Detto M = supt∈Ω |g(t)|. precedentemente introdotta. fissiamo δ = |f |dµ ≤ E E ε . Poich´ la misura di Lebesgue di E ` minore di n=1 δ. e dimostrazione. E da cui la tesi. Dimostrare che se |f | ≤ M quasi ovunque allora F ` Lipschitziana e con costante di Lipschitz minore o uguale a M .5. 2M Se E ∈ M e µ(E) < δ. [Suggerimento: sia A il complementare di un Ternario di Cantor generalizzato. Esercizio 32. F ` AC su [a. Teorema 4. b]. 1] tale che G = 0 su un insieme di misura positiva. [Suggerimento: siano {In } gli intervalli di estremi razionali contenuti . Esercizio 33.

Ovviamente. 1]) del Ternario di Cantor T ` dato da e ∞ 2n−1 TC = n=1 k=1 In. .6 (Secondo Teorema Fondamentale del Calcolo). Ricordiamo che il complementare (in [0.  2k−1 V (t) = .k . t = 0. Il Teorema 4. cio` e vogliamo ricostruire una generica funzione G : [a.5 ci dice che una G che soddisfa la (F C) deve essere AC. ciascuno di lunghezza 3−n . altrimenti. ci chiediamo quando valga la relazione x G(x) − G(a) = a G (t)dt. 1]. τ < t}. 1] nel seguente modo:  0. Definiamo allora la funzione di Vitali-Cantor (nota anche col nome suggestivo di “Scala del Diavolo”) V : [0. b] → R come integrale della sua derivata. x = 0. (F C) detta formula del calcolo. b]). ma e 1 1 x2 sin x2 . e si costruisca in ciascun In una coppia di Ternari di Cantor generalizzati disgiunti] Abbiamo dunque visto che la funzione integrale F ` AC e derivabile quasi e ovunque (con derivata integrabile). affinch´ valga la (F C) ` necessario che G ∈ L1 ([a.33 in [0. 1] → [0. Precisamente. a Teorema 4. Esempio. la (F C) ` il noto risultato dell’analisi e elementare. t ∈ In. dove gli In. Se G ∈ C 1 ([a. 0 Dunque non soddisfa la (F C) su [0. Sia G una funzione AC su [a. Premettiamo alla dimostrazione un esempio particolarmente significativo. Si consideri G(x) = G ` differenziabile. e e altrimenti il termine di destra non ha significato.k sono intervalli aperti disgiunti. Ci poniamo adesso il problema inverso.k . b]). L’assoluta continuit` risulta essere una condizione anche sufficiente. x = 0. b]. 0. Allora G ` derivabile quasi ovunque. La funzione di Vitali-Cantor. |G (t)|dt = ∞. 1]. b]) e vale la formula e (F C).  2n  sup{V (τ ) : τ ∈ T. G ∈ L1 ([a.

Il Secondo Teorema Fondamentale del Calcolo vale se assumiamo l’ipotesi aggiuntiva che G sia monotona. e sia f ≥ 0 Lebesgue misurabile su [c. Inoltre ` costante e e su ogni intervallo In. V ∈ L ([0. dimostrazione. b]. b]). La stessa uguaglianza vale per f ∈ L1 ([c. b]). µ(E) ≤ µ(A) = n µ(In ) = n G(bn ) − G(an ) < ε. La procedura per costruire µ ` identica a quella usata per costruire la misura di e Lebesgue λ (in quel caso. Assumiamo che G sia monotona crescente (altrimenti lavoriamo con −G). d] una funzione AC monotona. Pertanto.8 (Cambiamento di Variabili). a Procediamo ora con la dimostrazione del Secondo Teorema Fondamentale del Calcolo. poich´ la misura dell’unione di tutti gli In. allora µ(E) = 0. concludiamo che µ(E) = 0. si pu` dimostrare che V non ` AC anche in modo diretto. Sia G : [a. Pertanto. da e u cui bn − an < δ. Sia dunque λ(E) = 0 e si fissi ε > 0. b] tale che µ([a. otteniamo il corrispondente δ > 0. x]) = a φ(t)dt. µ ` certamente definita e e su L([a. Usando l’assoluta continuit` di G. Questo ci dice che µ λ. ∀x ∈ [a. bn ). Allora costruiamo una misura µ su [a. b] tale che λ(A) < δ. Corollario 4. Allora d b f (t)dt = c a f (G(τ ))|G (t)|dτ. e di conseguenza non ` AC. Ma il Primo Teorema Fondamentale del Calcolo ci garantisce che G = φ. Incidentalmente. Allora esiste un a aperto A ⊃ E contenuto in [a. Pertanto. si ` preso G(x) = x). Saranno necessari alcuni passi. Lemma 4.7. Tuttavia V non soddisfa la (F C). b] → [c. Poich´ ε ` arbitrario.k ` 1. Mostriamo ora che se E ⊂ [a.k . x]) = G(x) − G(a). b] e λ(E) = 0. e o e utilizzando la definizione di assoluta continuit`. d]. per il Teorema di e e Radon-Nykodym esiste una funzione positiva φ ∈ L1 ([a. 1])). . Ma A (come ogni aperto di R) ` un’unione al pi` numerabile di intervalli aperti disgiunti In = (an . Ovviamente. In tal caso (f ◦ G)|G | ∈ L1 ([a. e e concludiamo che V ` quasi ovunque derivabile con derivata quasi ovunque nulla (in e 1 particolare. λ(A) = n Dunque. b]) tale che x G(x) − G(a) = µ([a. d]). otteniamo un risultato sul cambiamento di variabili nella procedura di integrazione.34 La funzione di Vitali-Cantor ` continua e monotona crescente.

Completare quindi la dimostrazione e del Corollario 4. . M = B([a. e ν(E ) = µ(G−1 (E )) = λ(E ). d] con λ(N ) = 0 segue che λ(G−1 (N ) ∩ H) = 0. e applichiamo il risultato con c + d − G al posto di G. mostriamo che e G si pu` decomporre come somma di due funzioni monotone. Quindi. φ = G. e vale l’uguaglianza tra i due integrali. b]). ∀E ∈ B([a. Osservazione. Consideriamo la misura di Borel su [a. notiamo dapprima a e che d d f (t)dt = c c f (c + d − t)dt. b] µ(E) = E G dλ. Basta infatti verificare l’uguaglianza sugli intervalli (cfr.7. Ci limitiamo a dimostrare il caso in cui f sia Borel misurabile su [c. Detto H = τ ∈ [a. b]. dimostrare che per ogni N ⊂ [c. b]. Supponiamo dapprima che G sia crescente. d]. Verificare che ci` equivale a dire che la funzione o (h ◦ G)|G | ` uguale a 0 quasi ovunque su [a. Come sappiamo. Ci occorre un’ulteriore definizione. dimostrazione. Teorema 1. entrambe AC. anche all’interno della sua classe di equivalenza. Per ogni E ∈ B([c.7 ci d` la tesi. fissando un qualsiasi rappresentante f .35 Prima di procedere con la dimostrazione.9 di Dynkin). Tra l’altro. b] : |G (τ )| > 0}. Allora il Teorema 3. poniamo Ω = [a. M = B([c. d]. Esercizio 35. Infatti. b]). nella composizione ` importante fissare una e ben definita funzione “esterna” (nel nostro caso la f ). dato che l’integrale di sinistra ` indipene dente dal rappresentante. Dunque il corollario garantisce che. Sia h una funzione uguale a 0 quasi ovunque su [c. Concludiamo la dimostrazione del teorema.8 solo per le funzioni Borel misurabili non costituisce in realt` una vera limitazione. Se G non ` monotona.8 per una f Lebesgue misurabile. Riferendoci alla notazione del Teorema 3. e quindi o applichiamo il Lemma 4. E evidente tuttavia che l’integrale di sinistra non dipende dal particolare rappresentante scelto. d]. d]). Si noti comunque che disporre del Corollario 4. d]). la funzione (f ◦ G)|G | ` misurabile (si badi bene. si pu` perdere la misurabilit` della o a ` funzione composta. basta fare i calcoli prendendo un rappresentante Borel misurabile.7 ai due addendi separatamente. a sappiamo che una funzione Lebesgue misurabile ` uguale quasi ovunque a una e funzione Borel misurabile. cerchiamo di capire cosa dice esattamente il risultato. Ω = [c. variando la f . dove λ ` la misura di Lebesgue. non e necessariamente la funzione f ◦ G). notando che G−1 porta Boreliani in Boreliani. Se G ` invece decrescente.

Esistono ovviamente funzioni. ma ` anche una funzione AC. e scriviamo G = G1 + G2 . b] → R. Sia G : [a. b]. Questa segue immediatamente dalla disuguaglianza Vay − Vax ≥ |G(y) − G(x)|. come 1 x cos x . Sia G : [a. se G ` e monotona (e definita su tutto [a. si pu` dimostrare che G ` derivabile quasi ovunque.36 Definizione. G(x) = 0. costruiamo la funzione Vax corrispondente. sull’intervallo [0. Se G non ` a variazione limitata. Ad esempio. A questo punto siamo in grado di terminare agevolmente la dimostrazione del Secondo Teorema Fondamentale del Calcolo. Se G ` BV su [a. 2 Ovviamente G1 e G2 sono AC. anche continue. Per ogni a ≤ x < y ≤ b. . b]). con G1 (x) = G(x) + Vax . y > x. b] → R una funzione monotona crescente. x = 0. Si e noti che se y > x allora Vay − Vax = Vxy . si svolga il seguente Esercizio 36. che non sono BV . Osservazione. Dimostrare la disuguaglianza b G (t)dt ≤ G(b) − G(a). e e o e G ∈ L1 ([a. Se Vab < ∞. definiamo N Vxy = sup n=1 |G(tn ) − G(tn−1 )|. da “Bounded Variation”). Lasciamo la dimostrazione di questo fatto al e e lettore interessato. x = 0. 1]. dove il sup ` preso al variare di N ∈ N e delle scelte tn tali che e x = t0 < · · · < tN = y. allora la sua variazione Vax non solo esiste finita in ogni x (da cui G e ` BV ). essendo somme di funzioni AC. b]) allora Vax = |G(x) − G(a)|. a Se G ` AC. Dunque le funzioni monotone sono BV . Evidentemente la funzione x → Vax ` monotona crescente. Sfruttando questo fatto. La variazione “misura” i salti che una funzione compie. la G ` detta e e funzione a variazione limitata (o funzione BV. allora esiste x ≤ b tale che Vay = ∞ per ogni e y ≥ x. 2 G2 (x) = G(x) − Vax . Data G AC. y]. Vxy ` la variazione totale della G sull’intervallo [x. Resta da provare la loro monotonia.

allora (E C )x = (Ex )C . Si noti che Ex ⊂ Y e E y ⊂ X. allora Ex = n∈N (En )x . con A ∈ M e B ∈ N. La σ-algebra prodotto M × N ` la σ-algebra su e X × Y generata dai rettangoli misurabili. 1] G(x) = 1 x3/2 sin x . e e dunque contiene M × N. Si consideri su [0. e 5 5. Proposizione 5.9. Dato un insieme E ⊂ X × Y . y) ∈ E e E y = x : (x. Se E ∈ C. Se E ∈ M × N. Tuttavia G non ` limitata. e quindi e G non ` Lipschitziana. non necessaria) affinch´ G sia AC. la x-sezione di E e la y-sezione di E. Ci proponiamo di costruire una σ-algebra su X × Y tale che induca su ciascuno dei due fattori la σ-algebra di partenza. Infine. da cui E ∈ C. e o anche se ` derivabile ovunque. se E = n∈N En e En ∈ C per ogni n ∈ N. Mostrare che B(R) × B(R) = B(R2 ). siano Ex = y : (x. Il loro prodotto cartesiano X × Y ` l’insieme delle coppie e ordinate (x. Esercizio 37. y) ∈ E . b]). x = 0. Dunque X × Y ∈ C. come abbiamo visto. Allora G soddisfa le ipotesi del Teorema 4. Chiamiamo rettangolo misurabile un sottoinsieme di P(X × Y ) della forma A × B. Allora G ` AC su [a. e Teorema 4. allora Ex ∈ N e E y ∈ M. Dunque una funzione AC pu` non essere Lipschitziana. E immediato verificare che tutti i rettangoli misurabili appartengono a C. M) e (Y. Supponiamo che (X. Sia C la classe di tutti gli E ∈ M×N tali che Ex ∈ N per ogni ` x ∈ X. Definizione. y) con x ∈ X e y ∈ Y .1. e Osservazione. b].1 Prodotto di misure Prodotto di spazi misurabili Siano X e Y due insiemi.37 Concludiamo la discussione enunciando una condizione sufficiente (ma. x = 0. Analogo discorso vale per E y . 0. da cui E C ∈ C. b] → R ovunque derivabile con G ∈ L1 ([a. Concludiamo che C ` una σ-algebra che contiene i rettangoli misurabili. dimostrazione. . Sia G : [a. N) siano due spazi misurabili. rispettivamente. Definizione.9. Ex e E y sono detti.

ma E ∈ M × N. in generale. Quindi Q ∈ M × N. y).3. N. ν) due spazi di misura. ∀E ∈ M × N. ν) siano due spazi di misura. Definizione . tali che sia µ che ν siano misure σ-finite.la funzione x → ν(Ex ) ` M-misurabile.la funzione y → µ(E y ) ` N-misurabile. fissato y ∈ Y . µ) e (Y.38 Il viceversa della proposizione appena vista non vale. Analogamente. Allora . Per la proposizione precedente Qx ∈ N. Pu` accadere che Ex ∈ N o per ogni x ∈ X e E y ∈ M per ogni y ∈ Y . Ci occorre un risultato preliminare. y) ∈ O . Sia O un insieme aperto (nel codominio di f ) e sia Q = (x. Se (X. 5. con µ e ν σ-finite. Data una funzione f (reale o positiva) su X × Y . Anche in questo caso non vale. N. allora fx ` N-misurabile e f y ` e e e M-misurabile. M.2. e . ν) sono due spazi di misura. y) : f (x. che enunciamo senza dimostrazione.2 Il Teorema di Fubini Siano ora (X. Siano (X. ad ogni x ∈ X associamo la funzione fx su Y definita da fx (y) = f (x. e sia E ∈ M × N.vale l’uguaglianza ν(Ex )dµ(x) = X Y µ(E y )dν(y). definiamo la misura prodotto sulla σ-algebra M × N nel seguente modo: (µ × ν)(E) = X ν(Ex )dµ(x) = Y µ(E y )dν(y). . Se f ` (M × N)-misurabile. Diamo quindi la seguente Definizione. Vogliamo definire la misura prodotto µ × ν sulla σ-algebra M × N. µ) e (Y. y). Proposizione 5. e Qx = y : fx (y) ∈ O . il viceversa. M. N. dimostrazione. µ) e (Y. M. Discorso e analogo per la f y . f y ` la funzione su X definita da f y (x) = f (x. e Proposizione 5. e . e dunque fx ` N-misurabile.

ν). per un generico insieme E misurabile. e vale la formula (†). allora f ∈ L (X × Y. allora f d(µ × ν) = X×Y X Y fx dν dµ(x) = Y X f y dµ dν(y). µ) Y e X f y (x)dµ(x) ∈ L1 (Y.4 (Fubini). µ×ν). L’unica cosa ı e da provare ` l’additivit` numerabile. allora fx ∈ L1 (Y. M × N. M. χE d(µ × ν) = (µ × ν)(E) = X×Y X Y χE (x. Questa formula suggerisce il metodo per calcolare l’integrale di una funzione nella misura prodotto come due integrali successivi. N. (ii) Se f ∈ L1 (X ×Y. Osserviamo infine che. M×N. Esercizio 38. Inoltre fx (y)dν(y) ∈ L1 (X. allora (µ × ν)(E) = µ(A) · ν(B).39 Bisogna mostrare che µ×ν cos` definita ` effettivamente una misura. E inoltre immediato verificare che µ × ν ` σ-finita.3 (che non ` altro che il medesimo teorema per le funzioni caratteristiche) e sul Teorema della e Convergenza Monotona. x 2 . (†) In particolare. (i) Se 0 ≤ f ≤ ∞. e dunque si pu` applicare la (ii). µ) (per quasi ogni y ∈ Y ). Valgano le ipotesi della Proposizione 5. e sia f una funzione (M × N)-misurabile. (iii) Se f ` una funzione reale e e |f |x dν dµ(x) = X 1 Y Y X |f |y dµ dν(y) < ∞. o La dimostrazione del Teorema di Fubini si poggia sulla Proposizione 5. N. e che se E = A × B e (rettangolo misurabile). M. ν) (per quasi ogni x ∈ X) e f y ∈ L1 (X. gli integrali interni sono funzioni misurabili (ciascuno rispetto alla propria σ-algebra) e definiti ovunque.3. µ × ν). y)dν(y) dµ(x). ma questa segue dal fatto che µ × ν ` costruita e a e attraverso un integrale (si applichi il Teorema della Convergenza Monotona per le ` Serie). Teorema 5. Usare il Teorema di Fubini e la relazione ∞ 1 = e−xt dt (x > 0) x 0 per dimostrare che N N →∞ lim 0 sin x π dx = .

5. data f : E → R misurabile.4 Cambio di variabili Concludiamo la discussione enunciando un utile risultato di cambiamento di variabili nell’integrazione in RN . N. Esercizio 39. e f (x)dx = E E f (x(t)) J(x(t)) dt. µ) e (Y. Sia f una funzione (M × N)∗ -misurabile. con l’unica differenza che gli integrali interni della formula (†) sono funzioni definite solo quasi ovunque.6. ν) sono due spazi di misura completi. Calcolare l’integrale della Gaussiana ∞ I= −∞ e−x dx. N. In tal caso. ν) due spazi di misura. M. Allora. dove J(x(t)) ` il determinante dello Jacobiano di t → x(t). con µ e ν σ-finite. M ∈ N). non essendolo una delle sue sezioni. M = N = L(R) e µ = ν = λ. 2 [Suggerimento: calcolare I 2 utilizzando le coordinate polari nel piano] . Vediamo un semplice esempio: poniamo X = Y = R. Tuttavia A × B non ` misurabile. Proposizione 5. Siano infine E ⊂ O ed E ⊂ O due insiemi misurabili in corrispondenza rispetto all’omeomorfismo in considerazione. e sia x : O → O un omeomorfismo di classe C 1 .3 Completamento di misure prodotto Se (X. Sia λN la misura di Lebesgue in RN . Siano (X. Allora vale la tesi del Teorema di Fubini. f (x) ∈ L1 (E) ⇐⇒ f (x(t)) J(x(t)) ∈ L1 (E ).7. Siano O ed O aperti in RN omeomorfi. Siano A un insieme di misura nulla e B un insieme non misurabile di R. e Concludiamo che λ × λ non ` la misura di Lebesgue in R2 . Vale per` il seguente e o risultato. allora λN ` il completamento della misura prodotto λK × λM .5. non ` detto che lo e spazio prodotto sia a sua volta completo. Teorema 5.40 5. M. e Vi ` dunque la necessit` di estendere il Teorema di Fubini per il completamento e a degli spazi prodotto. Evidentemente A × B ⊂ A × R (che ` di misura e 2 nulla in R ). Proposizione 5. Se N = K + M (con K. e sia (M × N)∗ il completamento di M × N relativo alla misura µ × ν. µ) e (Y.

. j=1 Una base di Hamel (o semplicemente una base) di X ` un sottoinsieme A ⊂ X e linearmente indipendente massimale. .1 Geometria degli spazi di Banach Spazi lineari Uno spazio lineare sul campo scalare R ` un insieme X non vuoto. in modo tale che x1 + x2 = x2 + x1 e x1 + (x2 + x3 ) = (x1 + x2 ) + x3 . e ad ogni x ∈ X corrisponde un unico vettore −x tale che x + (−x) = 0. corrisponde un unico vettore λx. x). cio` tale che non ` propriamente contenuto in e e alcun sottoinsieme di X linearmente indipendente. . (ii) Ad ogni coppia (λ. l’uguaglianza n λj xj = 0 implica che λ1 = · · · = λn = 0. . . 41 . a (i) Ad ogni coppia di vettori x1 e x2 corrisponde un unico vettore x1 +x2 . e che valgano le due leggi distributive λ(x1 + x2 ) = λx1 + λx2 e (λ1 + λ2 )x = λ1 x + λ2 x. xn } di elementi di A e per ogni n-upla di numeri reali {λ1 . Ovviamente. Definizione. utilizzando il campo scalare o C al posto di R. . λn }. sul quale sono definite due operazioni. .II. si pu` parlare anche di spazi lineari sul campo complesso. Spazi di Banach 1 1. che soddisfano le seguenti propriet` algebriche. Il simbolo 0 viene usato anche per indicare lo zero del campo scalare R. i cui elementi sono e chiamati vettori. addizione e moltiplicazione per uno scalare. Un sottoinsieme A di uno spazio lineare X ` linearmente indipendente e se per ogni collezione finita {x1 . . in modo tale che 1x = x e λ1 (λ2 x) = (λ1 λ2 )x. X contiene un unico vettore 0 (detto vettore nullo) tale che x + 0 = x. con λ ∈ R e x ∈ X.

e · X quando vorremo evidenziare lo spazio X su cui la · ` detto spazio normato. y ∈ X. y) = x − y . Sia infatti X uno spazio lineare di dimensione N ∈ N = {1. ∀x. ` immediato e N mostrare che l’applicazione lineare I : X → R definita ponendo I(xj ) = ej ` un e isomorfismo lineare 14 da X a RN . 1. ∀x ∈ X (omogeneit`). . a Un caso particolarmente semplice ` rappresentato dagli spazi lineari di dimene sione finita. .13 Inoltre. .2 Spazi normati Sia X uno spazio lineare su R. . . con e la norma indotta da X. uno spazio normato ` uno spazio metrico con la distanza e d(x. y ∈ X (disuguaglianza triangolare). ∀λ ∈ R. Dalla (iii) segue che x − y ≤ x−y . Uno spazio lineare dotato di una norma In particolare. xN } una sua base. 2. 13 . : X → [0. . 3. Notazione. e sia {x1 . . e Definizione. Per dimostrarlo ci si deve infatti appellare all’Assioma della Scelta.42 ` E facile verificare che ogni elemento dello spazio ` esprimibile come combinazione e lineare finita di elementi della base. Una norma in X ` una funzione e · che soddisfa le condizioni (i) x = 0 ⇐⇒ x = 0 (annullamento). a ∀x. eN } la base canonica di RN . . . . due basi di uno stesso spazio lineare hanno necessariamente la stessa cardinalit`. . Si definisce allora dimensione (lineare) a dello spazio lineare la cardinalit` di una sua base. ∞) (ii) λx = |λ| x (iii) x + y ≤ x + y Osservazione. In realt` tutte le nostre considerazioni varranno per spazi lineari sul campo C a (sostituendo opportunamente il valore assoluto con il modulo). Un sottospazio lineare di uno spazio normato X ` anch’esso un spazio normato. Scriveremo norma ` definita. Non ` tuttavia scontato che uno spazio lineare (che contenga almeno due elementi) possegga e una base.} (omettiamo dunque il caso banale di uno spazio ridotto al solo elemento 0). 14 Ricordiamo che un isomorfismo lineare tra due spazi lineari ` un’applicazione biettiva che e preserva la struttura lineare. Detta {e1 .

R ` uno spazio normato con la norma del valore assoluto. xN ). Denotiamo con C([a. λ ∈ R. Inoltre. ∞]. Per Teorema di Weierstrass. e definita da  N 1/p    . e con ∞ lo spazio lineare delle successioni limitate. quando introdurremo gli spazi Lp (Ω).b] Si verifichi per esercizio che le propriet` della norma sono soddisfatte. ∞). . b].. Pi` in generale. Tale norma ` detta norma del massimo. si pu` definire lo spazio normato u o C(K) munito della norma del massimo. la cui serie converge assolutamente).. u Vediamo tre importanti esempi di spazi normati infinito dimensionali. j=1. Verificare le tre propriet` della norma per gli spazi a 1 e ∞ .43 Esempio.N dove x ` il vettore di componenti (x1 . Definiamo allora f = max |f (t)|.∞ dove x = (x1 . Per tutti i p ∈ [1. |xj |p   j=1 x p=      max |xj |. t∈[a. f. 1. e qualsiasi norma su R ` della forma · = c| · |. e dunque a C([a.3 Nozioni topologiche Introduciamo alcune nozioni di carattere topologico. Esercizio 1. b]). b]) ` uno spazio normato. b] → R. tali funzioni ammettono massimo e minimo assoluto su [a.). b]).. dato uno spazio di Hausdorff compatto K..15 e e Gli spazi 1 e ∞ . Tali spazi sono normati con le norme ∞ x 1 = j=1 |xj | e x ∞ = sup |xj |. RN ` uno spazio normato con la norma-p. Il lettore noter` come non vi a siano differenze con il caso familiare di RN . Lo spazio C([a. x2 . x3 . p = ∞. La (iii) verr` a a dimostrata pi` avanti.. . p ∈ [1. . . .. g ∈ C([a. e e Le propriet` (i) e (ii) della norma sono di verifica immediata. La norma-2 ` detta euclidea. con c > 0. b]) lo spazio lineare delle funzioni continue f : [a.. .. e Esempio. Denotiamo con 1 lo spazio lineare delle successioni sommabili (ovvero. 15 . j=1. . dove la struttura lineare ` assegnata ponendo e (f + λg)(t) = f (t) + λg(t).

e Definizione. La palla chiusa di centro x0 ∈ X e raggio r > 0 ` l’insieme e B(x0 . Questa propriet` `. Mostrare che S(x0 . r) = x ∈ X : x − x0 = r . r) = x ∈ X : x − x0 ≤ r . Sia X uno spazio normato. r). Esercizio 2. Sia X uno spazio normato. e viceversa. A ` chiuso se contiene tutti i suoi punti di e accumulazione. e Definizione. Mostrare che B(x0 . Diciamo che xn converge a x ∈ X (e scriviamo xn → x) se la successione numerica xn − x ` infinitesima. Sia A ⊂ X. r) ` chiuso. r) = B(x0 . in generale. e Osservazione. r) ` un aperto. A ` aperto se tutti i suoi punti sono punti interni. Definizione. Sia A ⊂ X. e e Esercizio 4. Esercizio 6. e sia xn una successione di elementi di X. r) = x ∈ X : x − x0 < r . cio` e e n→∞ 16 lim xn − x = 0. Esercizio 3.44 Definizione. Sia A ⊂ X. Si verifica facilmente che B(x0 .16 1. Un punto x0 ∈ A ` detto punto interno se per qualche e r > 0 si ha che B(x0 . La sfera di centro x0 ∈ X e raggio r > 0 ` l’insieme e S(x0 . Esercizio 5. r) ⊂ A. Mostrare che se A ` aperto allora AC = X − A ` chiuso. r) e contiene un punto di A diverso da x0 . La chiusura A di A ` l’unione di A e dei suoi punti di e accumulazione. A ` il pi` piccolo e u e u insieme chiuso contenente A. Mostrare che A ` chiuso. Disegnare sul piano cartesiano la palla unitaria (cio` la palla di raggio e 2 1 centrata in 0) di R nelle varie norme-p.4 Successioni convergenti Definizione. La palla aperta di centro x0 ∈ X e raggio r > 0 ` l’insieme e B(x0 . falsa negli spazi metrici. Pi` specificamente. Un punto x0 ∈ X (non necessariamente appartenente ad A) ` detto punto di accumulazione o punto di limite per A se ogni palla B(x0 . ae .

→ x . dimostrazione. b]. Precisamente vale la Proposizione 1. e Esercizio 8. Il termine di destra pu` eventualmente essere infinito. un sottoinsieme A ⊂ X ` chiuso se e solo se. si ha che xn − x ≤ xn − x . dalla disu- Si noti che tutto funziona esattamente come nel caso di R. Consideriamo lo spazio normato C([a. n=1 n=1 ci` non ` sempre vero. b]) equivale a dire che fn converge a f uniformemente su [a. Siano xn . e sia xn una successione di elementi di X. Infatti. ogni qualvolta e xn ∈ A converge a x0 ∈ X. b]). o Osservazione. Negli spazi normati tale enunciato si tradurrebbe dicendo che se la serie numerica ∞ xn converge. ma ` anche o e e e completo. tale che x n → x0 . ecc. a tipo unicit` del limite. I punti di accumulazione si caratterizzano attraverso le successioni convergenti. Se la serie ∞ n=1 xn ` convergente. il suo limite ` detto somma della e j=1 serie degli xn . Torneremo e a tra breve su questo concetto. In particolare. In tal caso si dice che la serie ∞ xn n=1 n=1 ` convergente (in X). valgono i teoremi sui limiti gi` noti. Mostrare che se xn → x e λn → λ allora λn xn → λx. Infatti. Un elemento x0 ∈ X ` un punto di accumulazione e per A se e solo se esiste una successione xn ∈ A. Ed ` grazie a quest’ultima propriet` che il risultato vale. Definizione. R non solo ` uno spazio normato. [Esercizio] Come conseguenza. Se fn ` una successione di e elementi di C([a. linearit`. x ∈ X e λn .b] max |fn (t) − f (t)| = 0. xn = x0 per ogni n. allora vale la disuguaglianza e ∞ ∞ xn ≤ n=1 n=1 xn . Esercizio 7. cio` e n→∞ lim t∈[a. allora la serie ∞ xn converge in X. Sia X uno spazio normato. dire che fn → f ∈ C([a. a patto di sostituire il valore assoluto con la norma.45 ` E immediato notare che se xn → x allora xn guaglianza triangolare. Se la successione sn = n xj converge in X. λ ∈ R. e viene indicato con ∞ xn . Tuttavia.1. segue che x0 ∈ A. a a Esempio. . In R sappiamo che se una serie converge assolutamente allora converge. b]). Sia A ⊂ X.

Mostrare che una successione convergente in uno spazio normato ` e limitata. b]) ` separabile. Allora A ` limitato e se esiste M ≥ 0 tale che x ≤ M. La dimostrazione del teorema ` quindi una conseguenza e immediata del Teorema di Stone-Weierstrass. b]) ` denso in C([a.17 Teorema 1. Questo insieme non ` numerabile. una funzione ` continua (in ogni punto) e se e solo se le controimmagini degli insiemi aperti sono insiemi aperti. Ricordiamo che xn → x e F (xn ) → F (x) significa xn − x X →0 e F (xn ) − F (x) Y → 0. La funzione F ` continua in A se ` continua e e in ogni punto di A. e Proposizione 1. Osservazione.3 ` solo un caso particolare del Teorema di Stone-Weierstrass. Ad esempio. Siano X e Y due spazi normati. ∀x ∈ A. Sia A un sottoinsieme di uno spazio normato X. In particolare. che enunciamo senza dimostrazione. b]. P ([a.46 Definizione. A ⊂ X. b]. ∀n ∈ N.2. Definizione. che invece ` numerabile. Un sottoinsieme A ⊂ X ` denso in X se A = X. Una funzione F : A → B ` continua in x0 ∈ A se per ogni successione xn ∈ A tale e che xn → x0 si ha che F (xn ) → F (x0 ). e Si consideri infatti l’insieme l’insieme P ([a. R ` separabile. 1. essendo l’insieme Q dei razionali denso in R. Esercizio 9. b]). tuttavia ` piuttosto semplice mostrare che l’insieme dei e e polinomi a coefficienti razionali su [a. e 17 In realt` il Teorema 1. Uno spazio normato ` separabile se esiste un sottoinsieme numerabile e A ⊂ X denso in X. b]) e e (nella norma del massimo). ` denso in P ([a. La nozione di continuit` si pu` dare equivalentemente in termini di ε-δ. una successione xn in X ` limitata se e xn ≤ M. a e . Lo spazio normato C([a. x − x0 X <δ =⇒ F (x) − F (x0 ) Y < ε. Come nel caso familiare delle funzioni reali.5 Separabilit` a Definizione. ovvero a o f ` continua in x0 ∈ A se per ogni ε > 0 esiste δ > 0 (dipendente da ε > 0 e da e x0 ∈ A) tale che x ∈ A. b]) dei polinomi su [a. B ⊂ Y due sottoinsiemi. e Definizione.3 (Stone-Weierstrass).

m ≥ n0 si ha xn − xm < ε. Esempio. Uno spazio normato X in cui tutte le successioni di Cauchy siano successioni convergenti.b] Ci resta da mostrare che f : [a. e sia xn una successione di elementi di X. e concludiamo che fn → f uniformemente. ` detto spazio normato completo o spazio di Banach. Dalla disuguaglianza triangolare. Mostrare che se una successione di Cauchy ammette una sottosuccessione convergente.6 Completezza: spazi di Banach Definizione. Sia X uno spazio normato. b]. Selezioniamo e quindi ε > 0 arbitrario e t0 ∈ [a. Per n grande fissato. e Definizione . RN (in una qualsiasi delle norme-p) ` uno spazio di Banach. e prendiamo m. b]). b] → R ` una funzione continua. |f (t) − f (t0 )| ≤ |f (t) − fn (t)| + |fn (t) − fn (t0 )| + |fn (t0 ) − f (t0 )|. allora l’intera successione ` convergente. esiste δ > 0 tale che se |t − t0 | < δ allora a |fn (t) − fn (t0 )| < ε/2. In particolare. Viceversa. Facendo il limite m → ∞.47 1. Meno formalmente. e pertanto converge ad e un numero reale che indichiamo con f (t). un sottospazio completo di uno spazio normato ` e chiuso. e Esercizio 12. e Infine. b]) ` uno spazio di Banach. C([a. Mostrare che un sottospazio chiuso di uno spazio di Banach ` uno e spazio di Banach. Mostrare che una successione di Cauchy ` limitata. e Esercizio 11. e dimostrazione. e che una e successione convergente ` di Cauchy. per n. Sia ε > 0 arbitrario. xn ` di Cauchy se e xn − xm → 0. m → ∞. Sia fn una successione di Cauchy in C([a.4. e Proposizione 1. . per ogni t la successione numerica fn (t) ` di Cauchy. la somma del primo e del terzo termine ` minore di ε/2. Esercizio 10. usando la continuit` di fn . n abbastanza grandi tali che |fn (t) − fm (t)| < ε per ogni t. otteniamo |fn (t)−f (t)| ≤ ε. Diciamo che xn ` una successione di Cauchy se per ogni ε > 0 esiste n0 tale che per e ogni n. cio` e lim sup |fn (t) − f (t)| = 0. n→∞ t∈[a.

Osserviamo preliminarmente che se X non ` di Banach esistono successioni e Non ` invece possibile trovare una norma che renda C ∞ ([a. b]) uno spazio di Banach. Tale spazio ` di Banach18 con la norma a e k f = j=0 max |f (j) (t)|. t∈[a. b]) (cio` lo spazio delle funzioni e e derivabili infinite volte su [a. Come in R. 18 . Sia X uno spazio di Banach. Viceversa. Sia C k ([a. Estraiamo allora una sottosuccessione xnk tale che 1 xnk+1 − xnk ≤ 2 . Come vedremo. b] → R derivabili k-volte con continuit` su [a. Proposizione 1. Questa proposizione ci fornisce dunque un utile criterio per stabilire se uno spazio normato sia completo o meno. Molto diverso ` invece il caso in cui X sia uno spazio normato infinito dimene sionale. sm − sn = j=n+1 xj ≤ j=n+1 xj . m m ∞ n=1 xn n e j=1 xj ` una serie di Cauchy. Gli spazi 1 e ∞ sono di Banach. Sia X uno spazio di Banach. b]) lo spazio lineare delle funzioni f : [a. se X ` uno spazio normato e ogni serie assolutamente e convergente ` convergente. b]. Esercizio 13.48 Esempio. e e dimostrazione. k Pertanto la serie ∞ xnk+1 −xnk converge ad un vettore s ∈ X. che a sua volta e implica la convergenza di xn . negli spazi di Banach la convergenza assoluta delle serie (cio` la e convergenza della serie delle norme) implica la convergenza. se m > n.b] convenendo di indicare f (0) = f . sia xn una successione di Cauchy in X. allora X ` di Banach. questo fatto ` vero in qualsiasi spazio normato X di dimensione e finita. Viceversa. si ricava immediatamente che xnk+1 → s + xn1 . e sia convergente. Dunque sn converge alla somma della serie degli xn . ` E ben noto che in RN (in una qualsiasi delle norme-p) una successione limitata ammette una sottosuccessione convergente (Teorema di Bolzano-Weierstrass). Se la serie numerica n=1 xn ` n=1 xn ` convergente. allora la serie convergente. Poich´ questa e k=1 serie ` telescopica. e xn una successione di elementi ∞ ∞ e e di X. La successione delle somme parziali sn = Infatti.5.

6 (Ascoli-Arzel`). Costruire una successione fn ∈ C([0. ponendo fn1 il primo elemento della prima sottosuccessione.49 di Cauchy non convergenti (e che quindi non ammettono sottosuccessioni conver` genti). Ripetendo il ragionamento con la sottosuccessione fnk (q2 ). Una funzione continua da RN (in una qualsiasi delle norme-p) in R porta insiemi limitati in insiemi limitati (conseguenza immediata del Teorema di Weierstrass). Sia fn ∈ C([a. Cerchiamo allora condizioni sufficienti affinch´ una successione limitata di elee menti di C([a. 3 L’esistenza di detta successione ` una conseguenza immediata del Lemma di Riesz di quasi e ortogonalit`. b]) ammetta una sottosuccessione convergente. . Allora fn ammette una sottosuccessione convergente in C([a. q4 . . troveremo una sotto-sottosuccessione fnki (q2 ) convergente. Stabilire se lo stesso fatto valga o meno in uno spazio normato infinito dimensionale. Ovviamente. ε |fnm (t) − fnm (τ )| < . la successione xn non pu` avere sottosuccessioni convergenti. Sia {qj } un’enumerazione dei razionali di [a. Una successione fn ∈ C([a.19 o Dunque. e le palle chiuse sono insiemi compatti solo negli spazi finito dimensionali. b]. e cos` via. E infatti possibile e dimostrare l’esistenza di una successione xn ∈ X con xn = 1 e xn − xm ≥ 1 per n = m. Esercizio 15. Definizione. . 1]) in modo tale che fn = 1 e fn − fm = 1 per n = m. Costruiamo dunque la sottosuccessione cercata. Esercizio 14. e 19 . esiste δ > 0 tale che. §3. a u 20 Questa procedura ` nota come metodo di estrazione diagonale.5). Iteriamo la procedura per q3 . Tuttavia. fn2 il secondo elemento della seconda sottosuccessione. a se |t − τ | < δ. Dall’ipotesi di equicontinuit`. Sia ora ε > 0 fissato. in cui ciascuna sottosuccessione ` a sua volta una sotto-sottosuccessione di tutte sote tosuccessioni che la precedono. b]) una successione limitata di funa zioni equicontinue. Alla fine otteniamo una sequenza di sottosuccessioni di fn . di cui discuteremo pi` avanti (cfr. dimostrazione. b]).20 La sottosuccessione fnm (t) ı costruita in questo modo ` evidentemente convergente (e quindi di Cauchy) per e t = qj . Ci occorre prima una definizione. La successione fn (q1 ) ` limitata in R. e dunque ammette una sottosuccessione fnk (q1 ) e convergente. n∈N Teorema 1. anche se X ` di Banach le cose vanno male. uno spazio normato ` finito dimensionale se e solo se vale il Teorema di e Bolzano-Weierstrass. b]) ` detta equicontinua se per ogni ε > 0 e esiste δ > 0 tale che |t − τ | < δ =⇒ sup |fn (t) − fn (τ )| < ε.

Dunque due norme equivalenti sono di fatto e indistinguibili dal punto di vista topologico. per m. Poich´ i a e ∗ ∗ qj sono in numero finito. In ogni intervallino Ij selezioniamo un punto qj (per semplicit`. . . . . |t − qj | < δ.21 e 1. . esiste m tale che. dimostrazione. .7 Norme equivalenti Definizione. . Mostrare che in RN tutte le norme-p sono equivalenti. Sia X uno spazio lineare. e siano · e · ∗ due diverse norme su X. m ≥ m∗ abbiamo |fnm (t) − fnm (t)| ≤ |fnm (t) − fnm (qj )| + |fnm (qj ) − fnm (qj )| + |fnm (qj ) − fnm (t)| < ε.50 Ricopriamo l’intervallo [a. due norme e equivalenti su uno spazio X inducono le stesse successioni convergenti e le stesse successioni di Cauchy. e sia · ∗ una qualsiasi altra norma su RN . e quindi convergente. . b]. Chiaramente. q2 . Dunque. Pertanto. . Allora. Sebbene la dimostrazione sia stata fatta per C([a. Per concludere. In particolare se X ` completo rispetto e a una norma lo ` anche rispetto all’altra. . Sia · la norma-1. ∀x ∈ X. N.7. sia t ∈ [a. In realt` vale la seguente a Proposizione 1. b]). laddove ricopriamo [a. lo stesso argomento si applica per un generico C(K). si ha ε |fnm (qj ) − fnm (qj )| < . fissato x = N λj ej ∈ RN si ha che j=1 N x 21 ∗ ≤ j=1 |λj | ej ∗ ≤M x . b] con un numero finito di intervallini. . ci si deve appellare alla compattezza dello spazio per ottenere un ricoprimento finito di palle di diametro minore di δ. Detta {ej } la base canonica di RN . fnm ` di Cauchy. I2 . Due qualsiasi norme in RN sono equivalenti. IN di intervallini di lunghezza minore di δ. con K spazio metrico compatto (che ammette sempre una successione densa di elementi). 3 ∀j = 1. b]). . . Allora t ∈ Ij per qualche j. abbiamo rietichettato gli N razionali scelti come q1 . Allora · e · ∗ si dicono equivalenti se esistono due numeri positivi m ≤ M tali che m x ∗ ≤ x ≤ M x ∗. e Esercizio 16. qN ). m ≥ m . Infatti. in C([a. b] con un numero finito I1 . per m. Il concetto di norme equivalenti ` piuttosto importante. cio` ogni qualvolta xn ` convergente o di Cauchy rispetto a e e una norma lo ` anche rispetto all’altra.

oltre e a quella del massimo.1] non definisce una norma su C 1 ([0. Definizione. o e Segue quindi che la norma integrale e la norma del massimo non sono equivalenti. Ω . Mostrare che su C 1 ([0. In virt` di questo risultato.8 Gli spazi Lp (Ω) Sia (Ω. Quindi.. ` E banale verificare che le propriet` della norma sono soddisfatte. Sullo spazio lineare C([a. 1. x ∗ ≥ m x . Ma se m fosse zero. b]) con la norma del massimo. 1]). Esempio. b]) con la norma integrale non ` uno spazio di Banach. b]). φ x ovvero.1] definisce una norma equivalente a quella usuale.51 dove M = maxj=1. Esercizio 17. abbiamo x ≥ m.N ej ∗ . Per p ∈ [1.. 1]) la funzione f ∗ = |f (0)| + max |f (t)| t∈[0. Nel seguito. b]) ` possibile introdurre altre norme. intenderemo sempre C([a. denotiamo con Lp (Ω) l’insieme di (classi di equivalenza di) funzioni misurabili (rispetto a µ) f : Ω → R tali che |f |p ` integrabile. si a pu` dimostrare che C([a. quando parleremo di C([a. ∞). si ` soliti non menzionare di quale u e norma si stia parlando in RN . Pertanto. e |f |p dµ < ∞. senza ulteriori specificazioni. ovvero. Tuttavia. contraddicendo l’annullamento della norma. si definisce la norma integrale b f = a |f (t)|dt. In particolare. M. la funzione positiva φ ha un minimo assoluto m ≥ 0 sulla sfera unitaria di RN in norma-1. esisterebbe xmin = 0 tale che xmin ∗ = 0. Resta da dimostrare che m > 0. per il Teorema di Weierstrass. µ) uno spazio di misura.. da cui segue che la funzione φ(x) = x ∗ ` continua e da RN in norma-1 in R. Mostrare invece che la funzione max |f (t)| t∈[0.. per x = 0. Osservazione.

p q con la convenzione che 1/∞ = 0. Lp (Ω) ` inteso rispetto alla misura di Lebesgue. p = ∞. ∞)] Teorema 1. Esercizio 18. q ∈ [1. occore un po’ di lavoro. e che valgono le condizioni e (i) e (ii) della definizione di norma. tali che esista M ≥ 0 per cui µ t ∈ Ω : |f (t)| > M = 0. Nel seguito.8. Per p ∈ [1. g Lq |F |p dµ + Ω 1 q |G|q dµ = 1. denotato con Ess SupΩ |f |. Allora vale la disuguaglianza ap b q + . . in assenza di ulteriori e specificazioni. Lp (Ω) ` uno spazio normato con la norma e  1/p   |f |p dµ . [Esercizio] p q [Suggerimento: si fissi b > 0 e si studi φ(a) = ap + bq − ab su [0. p ∈ [1. Siano f ∈ Lp (Ω) e g ∈ Lq (Ω). Sia p ∈ (1. ∞).  Ω f Lp =    Ess SupΩ |f |.52 Definizione. Lemma 1. Per quanto riguarda la (iii). Definiamo F (t) = Usando il lemma precedente. e Teorema 1. ∞). Assumiamo inoltre f e g non identicamente nulle.9 (Disuguaglianza di Young). |F G|dµ ≤ Ω f (t) f Lp 1 p e G(t) = g(t) . b > 0. Se p = 1 (o p = ∞) la dimostrazione ` immediata. Ω da cui segue la tesi. Denotiamo con L∞ (Ω) l’insieme di (classi di equivalenza di) funzioni misurabili f : Ω → R essenzialmente limitate. ` E semplice verificare che Lp (Ω) ` uno spazio lineare. L’estremo inferiore degli M per i quali vale questa relazione ` detto estremo superiore e essenziale di |f |. ∞]. p. Allora o il prodotto f g appartiene a L1 (Ω) e fg L1 ≤ f Lp g Lq . e a Quando Ω ` un sottoinsieme di RN Lebesgue misurabile. ∞). ∞] indicheranno sempre due esponenti coniugati. e siano a. ab ≤ p q dimostrazione. ossia. cio` e tali che 1 1 + = 1. Verificare che l’estremo inferiore degli M ` in realt` un minimo. Sia e dunque p ∈ (1. dimostrazione.10 (Disuguaglianza di H¨lder).

∞).53 Siamo ora in grado di verificare la disuguaglianza triangolare per gli spazi Lp (Ω). allora vale l’inclusione Lr (Ω) ⊂ Ls (Ω). Applicando la disuguaglianza di H¨lder. g ∈ Lp (Ω).11 (Disuguaglianza di Minkowski). e e Pertanto dalla disuguaglianza di H¨lder abbiamo che |f |s = 1 · |f |s ∈ L1 (Ω). Allora f +g Lp ≤ f Lp + g Lp . si ha f +g p Lp ≤ Ω |f ||f + g|p−1 dµ + Ω |g||f + g|p−1 dµ. Sia f ∈ Lr (Ω). Facendo la radice s-esima otteniamo il risultato voluto. . . . Assumendo f e g non identicamente nulle. Siano f. Sia dunque p ∈ (1. . Se invece Ω = {1. Inoltre. N }) altro non ` che lo spazio R in norma-p. e Esercizio 20. N } e µ ` la misura del conteggio. Precisamente. o Proposizione 1. a Osservazione. Dividendo per f + g il teorema ` dimostrato. . x r p vale l’inclusione inversa. Esercizio 19. . Si noti che 1 e ∞ sono gli spazi gi` incontrati in precedenza. Allora si ` soliti definire e p = Lp (N). . dimostrazione. nota come disuguaglianza di Minkowski. Mostrare che se µ(Ω) = ∞ l’inclusione insiemistica Lr (Ω) ⊂ Ls (Ω). Teorema 1. Inoltre. . Allora |f |s ∈ Lr/s (Ω) e 1 ∈ Lr/(r−s) (Ω) (poich´ Ω ` limitato). Si noti che r/s e r/(r − s) sono esponenti coniugati. f Ls ≤ µ(Ω) 1/s−1/r f Lr . o f +g p Lp ≤ f Lp + g p/q Lp Lp (f + g)p−1 Lq = f Lp + g Lp f +g p/q Lp . e Gli spazi p . e o f s Ls = Ω 1 · |f |s dµ ≤ 1 Lr/(r−s) f s Lr = µ(Ω) (r−s)/r f s Lr . ` in generale falsa. allora e p N L ({1. Se µ(Ω) < ∞ e 1 ≤ s < r ≤ ∞. dimostrazione. ≤ x s . e Vediamo ora un’interessante conseguenza della disuguaglianza di H¨lder. I casi p = 1 e p = ∞ sono immediati. Sia Ω = N e sia µ la misura del conteggio. Mostrare che per gli spazi se s < r allora s ⊂ r .12. . interpretando 1/∞ = 0. per r > s.

e sia p ∈ [1. Inoltre. Questo esercizio. ∞).13. per ogni g ∈ Lq (Ω) il prodotto f g ∈ L1 (Ω). x ∞ ≤ x s ] Esercizio 21. 2]) con f f ∈ L∞ ([0. con µ(Ω) < ∞. Gli spazi Lp (Ω) sono spazi di Banach. Si dimostri che f ∈ Lp (Ω) e f Lp ≤ M. Ponendo g(t) = ∞ j=1 |fj (t)|. Sia invece p in il sottospazio a f di p delle successioni definitivamente nulle. Si dimostri che f ∈ Lp (Ω). per un certo M ≥ 0 indipendente da g. altro non ` che un o e caso particolare del seguente Teorema 1. Mostrare che Discutiamo ora la completezza degli spazi Lp (Ω). e . Esercizio 22.5. Mostrare che gli spazi p sono spazi di Banach (i casi p = 1 e p = ∞ sono stati gi` affrontati in un precedente esercizio). Tuttavia. Ω ∀k ∈ N. con µ(Ω) < ∞. 2]) e f L∞ ≤ 1. banalmente.22 Esercizio 23. in genere. Sia f : Ω → R misurabile. dimostrazione. Sia f ∈ Lp ([0.54 [Suggerimento: si osservi che. ∞). Sia dunque fn ∈ Lp (Ω) tale che ∞ fn n=1 Lp ≤ M < ∞. Esercizio 24. |gk (t)|p dµ ≤ M p . ∞). Tuttavia. viene risolto nel caso p > 1 facendo uso del Teorema 2. e sia p ∈ [1. per ogni g ∈ Lq (Ω) il prodotto f g ∈ L1 (Ω) e valga la relazione f gdµ ≤ M g Ω Lq . Dimostrare che p in non ` uno spazio e f completo (si noti l’analogia tra R e Q). Consideriamo dapprima il caso p < ∞. Sia u f : Ω → R misurabile. dalla disuguaglianza di Minkowski ` chiaro e n=1 che gk Lp ≤ M per ogni k ∈ N. Lp ≤ 1 per ogni p ∈ [1. Definendo allora gk (t) = k |fn (t)|. Inoltre. L’esercizio appena visto si pu` risolvere “a mano”. per il Teorema della Convergenza Monotona si ha |gn (t)|p dµ = Ω Ω n→∞ 22 lim |g(t)|p dµ ≤ M p . In particolare.6 e del Teorema 3. ` possibile trovare una soluzione diretta. Ecco una versione (molto) pi` difficile del precedente esercizio.2. Vogliamo usare la Proposizione 1.

da cui |g(t)| < ∞ per quasi ogni t ∈ Ω. µ(A) = 0. Allora fn ammette una sottosuccessione fnk convergente a f puntualmente quasi ovunque. Per definizione. concludiamo che lim |sk (t) − s(t)|p dµ = 0. Concludiamo che fnk → fn1 + g puntualmente quasi ovunque. Definendo f (t) = 0 per t ∈ A. Siano allora fn .14. . Definiamo gli insiemi An = t ∈ Ω : |fn (t)| > fn e Bnm = t ∈ Ω : |fn (t) − fm (t)| > fn − fm L∞ L∞ . Chiaramente dobbiamo limitarci a dimostrare il caso p < ∞. Scegliamo una sottosuccessione fnk tale che 1 fnk+1 − fnk Lp ≤ 2 . sk − s → 0 puntualmente quasi ovunque e. cio`. la serie nue merica ∞ fn (t) converge (assolutamente) quasi ovunque. Corollario 1. Ω n→∞ cio` che la serie e ∞ n=1 fn (t) converge in Lp (Ω). Sia infatti fn una e successione di Cauchy in L∞ (Ω). |sk (t) − s(t)|p ≤ 2p [g(t)]p ∈ L1 (Ω). Chiamando allora n=1 s(t) la somma della serie e sk (t) le relative somme parziali k-esime. Rimane da verificare l’uguaglianza f = fn1 + g (si veda l’esercizio seguente). Applicando il Teorema della Convegenza Dominata. sempre quasi ovunque. µ(An ) = µ(Bnm ) = 0. Poich´ e j fnj+1 = fn1 + k=1 fnk+1 − fnk .55 Quindi g ∈ Lp (Ω). Sia allora A l’unione degli An e dei Bnm . Chiaramente. ricaviamo che la serie ∞ fnk+1 − fnk k=1 converge puntualmente quasi ovunque ad una funzione g. e sul complementare di A la successione fn converge uniformemente ad una funzione limitata f . f ∈ Lp (Ω) con fn → f in Lp (Ω). dimostrazione. Sia fn una successione convergente a f in Lp (Ω). k Ripetendo il ragionamento della precedente dimostrazione. Il caso p = ∞ ` invece di dimostrazione quasi immediata. si ha che f ∈ L∞ (Ω) e fn → f in L∞ (Ω).

Supponiamo che Ω ⊂ [a. Allora f = g quasi ovunque. sia Ω un sottoinsieme misurabile di R (pi` in generale.3. [Suggerimento: si considerino gli elementi di p in di “coordinate” razionali] f Esercizio 27. Quindi. e si usi la regolarit` della misura di a Lebesgue] Esercizio 28. Data f ∈ Lp (Ω). dimostrare che h→0 lim τh f − f Lp = 0. esiste φ ∈ C(Ω) tale che f − φ Lp ≤ ε. e sia f ∈ Lp (R). si approssimi con funzioni semplici. Fissiamo allora f ∈ Lp (Ω) e ε > 0. ∞) sono separabili. Teorema 1. Sia fn una successione convergente a f in Lp (Ω) e convergente a g puntualmente quasi ovunque. Concludiamo il paragrafo esaminando la separabilit` degli spazi Lp (Ω). [Suggerimento: si e proceda per assurdo. Dimostrare che gli spazi p con p ∈ [1. Per h ∈ R. dimostrazione. definiamo la traslata τh f di f per mezzo della formula (τh f )(t) = f (t + h). [Esercizio] [Suggerimento: si estenda la funzione su R facendola valere zero fuori da Ω. . Sia p < ∞. e dimostrazione. Se p < ∞.16. Se Ω non ` limitato.15 e il Teorema della Convergenza Dominata.15. per ogni n esiste un insieme limitato Ωn ⊂ Ω (e dunque di e misura finita) tale che φn (t) = 0 se t ∈ Ωn . la dimostrazione del Teorema della Convergenza Dominata per le serie di funzioni (si veda il Teorema I. Dimostrare che lo spazio ∞ non ` separabile. u di RN ) di misura di Lebesgue λ(Ω) > 0. n→∞ lim φn − f Lp = 0. usando il metodo di diagonalizzazione di Cantor] Nel seguito del paragrafo. Sia p < ∞. ovvero. lo spazio Lp (Ω) ` separabile. b] (per esercizio. in particolare. Sappiamo che C(Ω) ` separabile. si completi poi la dimostrazione). a Esercizio 26.13 nel caso p = 1 contiene.56 Esercizio 25.8). [Suggerimento: applicare il Lemma di Fatou] La dimostrazione del Teorema 1. Dal teorema precedente. esiste una successione φn di funzioni continue e limitate su Ω convergente a f nella norma di Lp (Ω). Utilizzando il Teorema 1. sia dunque φn una successione e densa in C(Ω). Corollario 1.

Sia X = C([0. Dalla Proposizione 1. Applicando infine la disuguaglianza di Minkowski.1 Operatori lineari Definizioni e prime propriet` a Siano X e Y due spazi normati. 2 2. con M = (2R)1/p . f ∈ X. abbiamo che f − φn0 Lp ≤ (1 + M )ε. Dimostriamolo per semplicit` assumendo che Ω contenga un a intervallo aperto (a. E immediato verificare che se c = c allora χ(a. Una funzione T : X → Y ` detta un operatore lineare (da X a Y ) se e per ogni x. al variare di c in (a. ∀x ∈ X.c ) L∞ = 1. esiste φn0 tale che φ − φn0 C(Ω) = φ − φn0 L∞ ≤ ε. Lo spazio L∞ (Ω) non ` separabile. a Le cose sono invece molto diverse per p = ∞. Esercizio 29. Mostrare che T ` limitato.57 D’altro canto. Proposizione 1. y ∈ X e per ogni λ ∈ R si ha che T (λx + y) = λT (x) + T (y).12 concludiamo che φ − φn0 Lp ≤ M φ − φn0 L∞ ≤ M ε. Consideriamo la famiglia (non numerabile) di funzioni ` caratteristiche χ(a. 1]).17. Definizione. Dall’arbitrariet` di ε segue la tesi. e dimostrazione. b). b). Quando T ` un operatore lineare si preferisce scrivere T x in luogo di T (x).c) − χ(a. Un operatore lineare T : X → Y ` limitato se esiste M ≥ 0 tale che e Tx Y ≤M x X. e . e Definizione. Definiamo l’operatore lineare T : X → X nel seguente modo: (T f )(t) = f (t) + f (0).c) .

) ∈ lineare T : X → R nel seguente modo: ∞ ∞ . Sia X = 1 . . x2 . Dunque lo spazio L(X.) ∈ X. Sia T : X → Y un operatore lineare. x3 . e (iii) T ` continuo in 0 ∈ X. e (ii) T ` continuo (Lipschitz). Se vale (i). si pu` definire l’operatore o (T + λS)(x) = T x + λSx. allora esiste xn ∈ X tale che e e T xn Ma allora la successione zn = tende a zero e T zn Y Y > n xn X. allora dalla definizione di operatore limitato si ricava subito (ii). ` Osservazione. Y ) l’insieme degli operatori lineari continui da X a Y (si usa la notazione L(X) in luogo di L(X. e Teorema 2. E banale verificare che sup T x x ≤1 Y = sup T x x =1 Y. e dimostrazione. ∀n. .58 Esercizio 30. che risulta essere uno e spazio normato rispetto alla norma T L(X. xn n xn X > 1. cio` T non ` limitato. Mostrare che T ` limitato. Mostriamo allora che (iii) implica (i). che banalmente implica (iii). parleremo indifferentemente di operatore lineare continuo o limitato. Dati T. . S ∈ L(X. Se infatti (i) non vale. x = (x1 . . . Indichiamo con L(X. Allora una qualsiasi delle seguenti condizioni implica le altre due: (i) T ` limitato. y3 . Definiamo l’operatore Tx = j=1 xj yj . per cui T non ` continuo in zero.Y ) = sup T x x ≤1 Y. y2 .1. e Alla luce di questo teorema. Y ) e λ ∈ R. . ∀n. X) se X = Y ). e sia y = (y1 . . Y ) ` a sua volta uno spazio lineare. ovvero (iii) implica (i).

Proposizione 2. Infatti. e Dobbiamo mostrare che T ` continuo e che Tn → T in L(X. Lasciamo per esercizio la dimostrazione che T : X → Y ` un operatore lineare. e dalla formula precedente ricaviamo che. Y ) con T −1 ∈ L(Y. dimostrazione. per ogni x ∈ X. la successione Tn x ` una successione di Cauchy in Y .2.Y ) x X. · ∗ ). Si mostri che T L(X. due spazi normati isomorfi possono essere senz’altro identificati dal punto di vista topologico. ci dice che T ∈ L(X. Pertanto. a otteniamo la convergenza desiderata.Y ) ` la pi` piccola (e quindi la migliore!) e u costante M per cui vale la disuguaglianza T x Y ≤ M x X . la completezza). allora L(X. Tn x − Tm x Y ≤ Tn − Tm L(X. . Sia X = L2 ([0. f ∈ X. X). per n. Y ). 1]). dall’arbitrariet` di ε. Y ).7 con X al posto di (RN . Proposizione 2. e 23 Vale anche il viceversa. definito come (T f )(t) = tf (t). Uno spazio normato X di dimensione N ` isomorfo a RN . Questo. Tn x − Tm x Dunque. m abbastanza grandi. Fissato ε > 0. e quindi e convergente a un valore T x ∈ Y . si vede subito che I ` bicontinuo. Sia Tn una successione di Cauchy in L(X. Mostrare che T L(X) = 1. Due spazi normati X e Y sono isomorfi se esiste un operatore biettivo T ∈ L(X. Se Y ` uno spazio di Banach. ≤ε x X. Allora.3. Ripetendo allora la die mostrazione della Proposizione 1. Y ). Tn x − T x Y Y ≤ε x X. in particolare.59 Esercizio 31. Esercizio 32. e sia T : X → X l’ operatore di moltiplicazione per t. Infine. Definizione. Abbiamo gi` mostrato l’esistenza di un isomorfismo algea brico (cio` un operatore lineare biettivo) I : X → RN . e dimostrazione. Un isomorfismo tra spazi normati trasferisce tutte le propriet` lineari e topoa logiche da uno spazio all’altro (in particolare. facendo il limite m → ∞. Y ) ` uno spazio di e e 23 Banach.

e Operatori lineari particolarmente interessanti sono le isometrie. Y uno spazio normato e e T ∈ L(X.12. Sia T ∈ L(X. diremo che X ` incluso con continuit` in Y . allora T X ` un sottospazio chiuso di Y . Si noti che le e isometrie sono operatori iniettivi (ma non necessariamente suriettivi). e Osservazione. .60 Una conseguenza interessante di questa proposizione ` che i sottospazi finito e dimensionali di uno spazio normato sono chiusi. Discuteremo in dettaglio questi operatori nel prossimo capitolo. In particolare se xn ` una successione di elementi di X che converge a x ∈ X nella e norma di X. Con riferimento alla Proposizione 1. e e Un’altra classe di operatori particolarmente significativa ` quella degli operatori e compatti. T ` iniettivo se e solo se ker(T ) = {0}. Y ) ` un’isometria se T x Y = x X per ogni x ∈ X.2 Iniezioni continue Assumiamo che lo spazio normato X sia un sottospazio lineare di Y (che potrebbe anche coincidere. Si noti che se X e Y sono lo stesso spazio lineare con due diverse norme. Y ). 2. con Y ). allora le due norme sono equivalenti se e solo se si ha X →Y e Y → X. abbiamo l’iniezione continua s → r . Esercizio 33. L’operatore lineare che vogliamo considerare ` l’operatore di inclusione o iniezione J : X → Y definito da e Jx = x. Esempio. se µ(Ω) < ∞ e s < r abbiamo l’iniezione continua Lr (Ω) → Ls (Ω). come spazio lineare. Se la mappa J ` continua. Diciamo che T ∈ L(X. allora converge a x anche nella norma di Y . quando avremo introdotto la convegenza debole. ∀x ∈ X. Allora il nucleo (kernel) di T definito da ker(T ) = x ∈ X : T x = 0 ` un sottospazio chiuso di X. Mostrare che se X ` uno spazio di Banach. Esercizio 34. e scriveremo e a X → Y. cio` se esiste M ≥ 0 tale che e e x Y ≤M x X. Analogamente. x ∈ X. Y ) ` un’isometria.

sia X = ∞ An . e Y = C([a. ε1 ) ⊃ B(x2 . Contraddizione.3 Il Teorema di Baire e le sue conseguenze Definizione . Siano X = C([a. Sia {An } una famiglia numerabile di aperti densi in X. Tutti gli altri sottoinsiemi di X sono detti di seconda categoria. un enunciato alternativo del Teorema di a Baire) ` il seguente. cio` non contiene sottoinsiemi aperti non vuoti di X. l’intersezione ` non vuota. Sia X uno spazio di Banach. εn0 ). e Teorema 2. Mostrare che invece non si ha Y → X. Mostrare che se A ` chiuso in Y allora e A ` chiuso in X. b]) con la norma integrale. e quindi il suo limite x appartiene anch’esso e a B(xn0 . se x appertenesse a X.61 Esercizio 35. ciascuna di raggio εn < 1/n. L’insieme Q ` di prima categoria in R. e Corollario 2. Allora o 2 esiste ε2 < 1/2 tale che B(x2 . ε1 ). L’insieme mai 1 1 denso A2 non pu` contenere B(x1 . C e e n (An ∩ B) = B. La successione xn dei centri delle palle ` di Cauchy. ε1 ). Spesso questa ` la conseguenza pi` e e u interessante del risultato. ε2 ) ⊃ B(x3 . εn0 ) ∩ An0 = ∅. L’intersezione di una collezione numerabile di aperti densi in X ` un insieme denso in X. Procedendo in questo modo. e . Sia X uno spazio normato. Se esiste una palla chiusa B ⊂ X tale che n An ∩ B = ∅. dimostrazione. ε3 ) ⊃ · · · . per n ≥ n0 appartiene a B(xn0 . Dato che B(xn0 . Un sottoinsieme A di X ` detto mai e e denso se la sua chiusura A ha interno vuoto. Esempio. n=1 Scegliamo x1 ∈ AC . εn0 ). e 2. e Un corollario immediato (in realt`. ε1 ) ⊂ AC . Un insieme di prima categoria (in X) ` un’unione numerabile di e sottoinsiemi di X mai densi. concludiamo che x ∈ An0 . Scegliamo x2 ∈ AC ∩ B(x1 . ε2 ) ⊂ AC ∩ B(x1 . Ora. Esercizio 36. per ipotesi esisterebbe n0 tale che x ∈ An0 . ε1 ). Dalla dimostrazione si evince che il risultato vale pi` in generale u se X ` uno spazio metrico completo. Mostrare che X → Y . Allora esiste ε1 < 1 tale che B(x1 . con An chiuso mai denso. in contraddizione con il Teorema di Baire (B ` uno spazio metrico completo). Ogni spazio di Banach ` di seconda categoria (in s´). che ` un insieme chiuso. e In particolare. Osservazione. b]) con la norma del massimo.4 (Baire). e e quindi converge a un certo x ∈ X. Per assurdo. e sia A ⊂ X. 2 costruiamo una successione di palle nidificate B(x1 . Ma la successione xn .5. Siano X → Y . e e dimostrazione. da cui B ` di prima categoria in s´. passando al complementare.

Teorema 2. Se z X ≤ ε. Sfruttiamo ora il fatto che X e ` uno spazio di Banach. o dove G ` un insieme Gδ di misura di Lebesgue nulla tale che G ⊃ Q. X = n∈N Cn . e Al contrario.Y ) ≤ M.7. Chiaramente. segue che z + x0 ⊂ B(x0 . Y ). Mostrare che R si pu` scrivere come unione disgiunta R = G ∪ F . ε) ⊂ Cn0 . esistono ε > 0 e x0 ∈ X tali che Cn0 ⊃ B(x0 . Dunque. Sia F un sottoinsieme di L(X. Allora esiste una costante M ≥ 0 tale che sup T T ∈F L(X. dimostrazione. se x = 0. . e Corollario 2. Dimostrare che uno spazio di Banach infinito dimensionale non pu` o avere una base di Hamel numerabile. ∀x ∈ G. Nel seguito del paragrafo. Se non esiste alcuna costante M ≥ 0 per cui sia verificata la relazione sup T L(X. T ∈F allora esiste un insieme Gδ denso G ⊂ X tale che sup T x T ∈F Y = ∞. L’insieme Cn ` chiuso. e Esercizio 38. dal Teorema di Baire. ∀T ∈ F. X e Y sono spazi di Banach. Tx Y = 1 x ε X T εx x X ≤ Y 2n0 x ε X. Inoltre. Si noti che il Teorema di Uniforme Limitatezza vale anche se Y non ` completo. Sia Cn = x ∈ X : T x Y ≤ n. Sia F ⊂ L(X. Assumiamo che per ogni x ∈ X esista una costante Mx ≥ 0 tale che sup T x T ∈F Y ≤ Mx . ε).6 (Banach-Steinhaus o Uniforme Limitatezza). Y ). ∀T ∈ F . da cui Tz Y ≤ T (z + x0 ) Y + T x0 Y ≤ 2n0 . ∀T ∈ F. ` essenziale che X lo sia.62 Esercizio 37. deve esistere n0 tale e che Cn0 non abbia interno vuoto. Ovvero. tale formula vale anche per x = 0. Veniamo ora a discutere le importanti conseguenze del Teorema di Baire.Y ) ≤ M. Pertanto.

Usando la linearit` di a T . T (U − x) ⊃ νV.9. Sia T ∈ L(X. indichiamo con x + ρA l’insieme dei vettori della forma x + ρa. Dimostrare il Corollario 2.Y ) ≤ M per qualche M ≥ 0. ∀x ∈ An . Denotiamo con U e V le palle aperte unitarie in X e Y .8.supT ∈F T L(X. e e e dimostrazione.esiste un Gδ denso G tale che supT ∈F T x = ∞ per ogni x ∈ G. i complementari C An = Cn sono aperti densi. due sono le possibili situazioni: . y = T x per qualche x ∈ X. e dal Corollario 2. Conviene utilizzare la seguente notazione: dato un vettore x. Teorema 2. otteniamo finalmente T U ⊃ εV. . Dato F ⊂ L(X. Corollario 2. la tesi segue immediatamente. Essendo T suriettiva. ` sufficiente dimostrare che esiste ε > 0 tale che e T U ⊃ εV. Quindi. Assumiamo che per ogni x ∈ X esista il limite T x = limn Tn x. Sfruttando il fatto che Y ` di seconda categoria. al variare di a in A. dalla suriettivit` di T ricaviamo che a Y =T n∈N nU = n∈N T (nU ) = n∈N nT U. Allora T ∈ L(X. oppure Y . possiamo dare la seguente formulazione alternativa del Teorema di Uniforme Limitatezza.7. un insieme A e ρ > 0. esisteranno y ∈ Y e ν > 0 tali che T U ⊃ y + νV . Dunque. Allora T ` una mappa aperta (cio` T A ` aperto in Y per ogni aperto A in X). A patto di prendere M > 0 abbastanza grande.63 dimostrazione. Y ). Y ). dunque T U ⊃ T x + νV . I chiusi Cn della precedente dimostrazione sono mai densi (in caso contrario si otterrebbe uniforme limitatezza). Y ). ovvero. Sia Tn ∈ L(X.9. Teorema 2. Poich´ e n∈N nU = X. Esercizio 39. Y ) una mappa suriettiva.5 l’intersezione G = n∈N An ` un e Gδ denso. Pertanto.10 (Mappa Aperta). l’insieme T U non pu` avere e o interno vuoto. U − x ⊂ M U . ponendo ε = ν/M . Notando che sup T x T ∈F Y > n. Alla luce del Corollario 2.

e a patto di dimezzare ε). costruiamo due successioni 1 xn ∈ 2n−1 U e yn ∈ 2νn V tali che yn − T xn Si noti che yn+1 = y − j=1 Y ≤ n ε . Quindi esiste x2 ∈ 1 U tale che 2 y 1 − T x2 Y ε ≤ . e u .11 (Mappa Inversa). e Teorema 2. Dobbiamo mostrare la continuit` di T −1 . 2n T xj . Sia allora A ⊂ X un insieme aperto. X ≤ n=1 xn X < n=1 1 2n−1 = 2. y = T x. Sia y ∈ εV . Notiamo che y1 ∈ 2 V .64 Questa ` “quasi” la nostra tesi. Y = lim y − n→∞ j=1 T xj Y = lim yn+1 n→∞ Y = 0. 4 Poniamo y2 = y1 − T x2 . Infatti. n=1 La serie converge assolutamente. Poich´ T ` biettiva e e (T −1 )−1 (A) = T A. e quindi converge poich´ X ` di Banach. Inoltre. n y − Tx ε Pertanto T U ⊃ 2 V . dimostrazione. Sia T ∈ L(X. Per fare ci` ` a o e sufficiente far vedere che controimmagini di aperti in X attraverso la mappa T −1 sono aperti in Y . sia x= ∞ xn . Procedendo in questo modo. 2 ε Poniamo y1 = y − T x1 . che ` aperto in virt` del Teorema della Mappa Aperta. e e ∞ ∞ x Infine. Dobbiamo ora rimuovere la chiusura (e lo faremo. Contrariamente al Teorema di Uniforme Limitatezza. A questo punto. Allora T −1 ∈ L(Y. Allora esiste x1 ∈ U tale che y − T x1 Y ε ≤ . X). nel Teorema della Mappa Aperta ` fondamentale che entrambi gli spazi X e Y siano di Banach. Y ) una mappa biettiva.

Y ). Y ). Infatti. La norma · ∗ rende X uno spazio di Banach (si verifichi la completezza per esercizio). dimostrazione. · ) ` continua. e siano che rendano X uno spazio di Banach tali che x ∗ · e · ∗ due diverse norme ≤M x . Un operatore lineare T : X → Y ` chiuso se ogni qualvolta xn → x e in X e T xn → y in Y segue che T x = y. Ovviamente. Sia X uno spazio lineare. Ad esempio. Allora le due norme sono equivalenti. · ∗ ) → (X. e Osservazione. ma solo continuo. Se T ∈ L(X. Il teorema si dice del Grafico Chiuso poich´ si pu` riformulare e o in modo equivalente dicendo che se il grafico di T G(T ) = (x. ∀x ∈ X.12. 24 . Tuttavia. Allora T ∈ L(X. allora T ` chiuso. Definiamo una nuova norma su X nel seguente modo: x ∗ = x X + Tx Y. allora T ` un operatore continuo. ∀x ∈ X. e Teorema 2. dimostrazione. · ) → (X. la mappa da R in R definita o da 1/t se t = 0 e 0 altrimenti. Per il Corollario 2.65 Vediamo ora una conseguenza del Teorema della Mappa Inversa. esiste M ≥ 1 tale che x da cui Tx Quindi T ` continuo. se xn → x la continuit` di T implica e a 24 che T xn → T x. x X ≤ x X + Tx Y = x ∗. Corollario 2. ≤ (M − 1) x X. La mappa identit` J : (X. Per il Teorema della Mappa Inversa l’applicazione J −1 : (X. ∀x ∈ X. e e Y X + Tx Y ≤M x X. · ∗ ) ` continua a e (e. Il fatto interessante ` che vale anche il viceversa. ∀x ∈ X. un a e operatore non lineare pu` essere chiuso ma non continuo. Definizione.13 (Grafico Chiuso). da cui si ricava la disuguaglianza e mancante.12. Sia T : X → Y un operatore lineare chiuso. biettiva). ovviamente. Si noti che questa propriet` vale anche se T non ` lineare. T x) : x ∈ X ` un sottoinsieme chiuso di X × Y .

Mostrare che Λ ∈ X ∗ . Λ(x + γy) = α + γβ = 0. e Per γ = −α/β (si noti che |γ| ≤ 1). ε) ∩ ker(Λ). e Proposizione 3. Pertanto. Sia X uno spazio normato. con |β| ≥ |α|. 1]). x ≤1 Esercizio 40. Sia X = Cc (R) (funzioni a supporto compatto) con la norma del massimo. Sia X = C([0. Mostriamo allora che se Λ non ` e continuo allora ker(Λ) ` denso in X. Gli elementi di X ∗ sono i funzionali lineari continui su X. Se Λ ∈ X ∗ . Mostrare che Λ non ` continuo.1. E ovvio che ker(Λ) chiuso implica ker(Λ) non denso in X (altrimenti Λ sarebbe il funzionale nullo). e Sia x ∈ X con Λx = α = 0. esiste y ∈ B(0. Definiamo il funzionale lineare Λ : X → R nel seguente modo: ∞ Λf = −∞ f (t)dt.66 3 3. e e ` dimostrazione. Allora Λ ∈ X ∗ se e solo se ker(Λ) ` chiuso se e solo se ker(Λ) non ` denso in X. ∀f ∈ X. il vettore z = x + γy appartiene a B(x. Dunque un funzionale Λ : X → R ` continuo se e solo se e sup |Λx| < ∞. e sia ε > 0. R) ` detto spazio duale di X. Se Λ non ` continuo. x ≤1 In tal caso Λ X∗ = sup |Λx|. Lo spazio di Banach L(X. Definiamo il funzionale lineare Λ : X → R nel seguente modo: 1 Λf = 0 f (t)dt. sappiamo che ker(Λ) ` necessariamente chiuso. Un operatore lineare Λ : X → R ` detto e funzionale (lineare). e viene e indicato con X ∗ . [Suggerimento: verificare che ker(Λ) ` denso] e e . ε) tale che Λy = β. X∗ . Vogliamo trovare z ∈ B(x. ∀f ∈ X. Mostrare che spazi isomorfi hanno duali isomorfi. ε) tale che Λz = 0.1 Lo spazio duale Definizioni e prime propriet` a Definizione. Calcolare quindi Λ Esercizio 42. Sia Λ : X → R un funzionale lineare non nullo. Esercizio 41.

e sia Y ⊂ X un suo sottospazio. definiamo il funzionale Λg : X → R nel seguente modo: Λg f = Ω f gdµ. Per quanto riguarda L∞ (Ω). Osservazione. Dimostrare il Teorema 3. e per qualche y ∈ RN . Concludere che il duale di RN pu` essere identificato in modo o naturale con RN .26 Esercizio 45.67 Esercizio 43. X∗ ∀f ∈ X. Mostrare che ogni funzionale lineare su RN ` della forma x → x. Dato un funzionale lineare Λ0 : Y → R tale che |Λ0 y| ≤ M y . Fissata g ∈ Lq (Ω). Il duale di L∞ (Ω) contiene strettamente L1 (Ω) (a meno che la misura sia concentrata in un numero finito di punti 27 ). Sia X uno spazio normato. Se p = 1 l’uguaglianza vale se si assume che ogni insieme di misura infinita contenga un sottoinsieme misurabile di misura finita strettamente positiva. Esercizio 44. La risposta ` affermativa se p < ∞. con g ∈ Lq (Ω). esiste un’estensione Λ ∈ X ∗ di Λ0 tale che Λ 25 ∀y ∈ Y. ∞). Possiamo pertanto identificare il duale di Lp (Ω) con Lq (Ω) attraverso la mappa g → Λg . 26 Se p = 1 si deve supporre inoltre che la misura sia σ-finita.3. Sia X = Lp (Ω). ` E allora sensato chiedersi se tutti i funzionali di Lp (Ω) siano della forma Λg . Teorema 3. rispettivamente.2 per il caso particolare degli p . Sia p ∈ [1. .2 Il Teorema di Hahn-Banach Enunciamo il risultato fondamentale sui funzionali lineari continui. y . con g ∈ Lq (Ω). Enunciamo infatti senza e dimostrazione il Teorema 3. 27 Nel qual caso L1 (Ω) e L∞ (Ω) coincidono con RN in norma-1 e norma-∞.2. abbiamo invece il Teorema 3. X∗ ≤ M. L’esercizio ci dice in particolare che tutti i funzionali lineari su RN sono continui. Allora tutti e soli i funzionali lineari continui di Lp (Ω) sono della forma Λg . Questa ` una peculiarit` degli spazi di Banach finito dimene a sionali. Negli spazi infinito dimensionali ` infatti sempre possibile (sfruttando e l’esistenza della base di Hamel) costruire un funzionale lineare non continuo. Mostrare che Λg ∈ X ∗ e che Λg = g 25 Lq .4 (Hahn-Banach). 3.

il β cercato deve verificare la relazione −Λ0 y − M y + x X ≤ β ≤ −Λ0 y + M y + x X. La dimostrazione si basa sul o celebre Lemma di Zorn28 . (Λ∗ . e sul quale possiamo definire il funzionale Λ∗ nel seguente modo: se x ∈ Z∗ . Z ) se Z ⊂ Z e Λ |Z = Λ . e Procediamo quindi alla dimostrazione del Teorema di Hahn-Banach. a 28 Il Lemma di Zorn ` una formulazione equivalente dell’Assioma della Scelta. allora x ∈ Z con (Λ. che ci garantisce l’esistenza di un elemento massimale (Λ. Z ) ≤ (Λ . Z∗ ) ` l’estremo superiore della catena S . e poniamo quindi Λ∗ x = Λx. Ma quest’ultima disuguaglianza si pu` riscrivere come o Λ0 (y − w) ≤ M y + x ed ` immediato verificare che e Λ0 (y − w) ≤ |Λ0 (y − w)| ≤ M y − w X X +M w+x X. Si verifica facilmente che Z∗ ` un sottospazio. ∀y ∈ Y. ∀y ∈ Y. allora definiamo Z∗ = Z. w ∈ Y. Ogni insieme non vuoto parzialmente ordinato in cui ogni catena abbia estremo superiore ha un elemento massimale. Definiamo su S una relazione di ordine parziale dichiarando (Λ . al variare e e degli Z tali che (Λ. con β ∈ R. Se cos` non fosse. Ricordiamo che un insieme parzialmente ordinato ` un insieme su cui ` definita e e una relazione di ordine parziale. contraddicendo la massimalit` di (Λ. Evidentemente. Z) ∈ S . Dobbiamo sincerarci per` che o esista β ∈ R (non necessariamente unico) tale che |Λ(y + λx)| = |Λ0 y + λβ| ≤ M y + λx X. Mostriamo che ` possibile estendere Λ0 a un e funzionale Λ di norma minore o uguale a M definito sul sottospazio di X Z = y + λx : y ∈ Y. ≤M y+x X +M w+x X. Una catena ` un sottoinsieme totalmente ordinato. Z) ∈ S . Z). Dividendo entrambi i membri per λ = 0. e .5 (Zorn). dove Z ` un sottospazio di e X che contiene Y . Siamo dunque nella posizione di e poter applicare il Lemma di Zorn. Concludiamo la dimostrazione mostrando che Z = X (e dunque Λ ` l’estensione cercata). Z). ∀λ ∈ R. e Λ ` un funzionale lineare su Z di norma minore o uguale a e M che coincide con Λ0 se ristretto a Y . potremmo estendere il funzionale Λ su un sottospazio contenente Z propriamente. L’insieme S ` non vuoto. che richiamiamo per convenienza del lettore. Definiamo Λ(y + λx) = Λ0 y + λβ.68 Si noti che il sottospazio Y pu` non essere chiuso. Z) per l’insieme S. dimostrazione. che ` certamente soddisfatta se e −Λ0 w − M w + x X ≤ −Λ0 y + M y + x X. Sia ora S la collezione delle coppie ordinate (Λ. Inoltre. sfruttando il passo e ı precedente. Lemma 3. Sia x ∈ Y . ∀y. λ ∈ R . se S ` una catena.

1]) contiene strettamente L1 ([0. 1]) tale e che Λf = Λg f per ogni f ∈ Y . Sia x ∈ X e sia Λx = 0 per ogni Λ ∈ Y con Y denso in X ∗ . Estendiamo allora Λ0 su tutto X. X ∗ ` uno spazio abbastanza e “ricco”. e il funzionale Λ0 (λx + y) = λ. Sia x ∈ Y . Definiamo Z = λx + y : y ∈ Y. Mostriamo un esempio di applicazione del Teorema di Hahn-Banach. e indicato e ∗∗ con X .3 Riflessivit` a Sia X uno spazio di Banach. . Esiste un’immersione naturale dello spazio X in X ∗∗ attraverso la mappa canonica τ cos` definita: ı τ (x) = Fx . Dimostrare che x = 0. Il suo duale X ∗ possiede a sua volta uno spazio duale. ed In particolare. Se Y ` un sottospazio chiuso proprio di X e x ∈ Y . Vale cio` il a e Corollario 3. z ∈ X e Λx = Λz per ogni Λ ∈ X ∗ . e dunque di una certa utilit`). Inoltre. 3. allora esiste e ∗ Λ ∈ X tale che Λx = 0 ma Λ|Y = 0. Corollario 3. Λ0 ` continuo e e e su Z. f ∈ Y. Si estenda infine Λ su tutto X. ` E immediato verificare che Λ ` continuo su Y . la tesi del Teorema di Hahn-Banach si ottiene con un argomento diretto (Teorema di Estensione Limitata). Esercizio 46.8. Se Y = X. Esibiamo allora un elemento di L∞ ([0. Tale spazio (dei funzionali lineari continui su X ∗ ) ` detto biduale di X. allora x = z. dimostrazione. Poich´ ker(Λ0 ) = Y .7. Veniamo alle importantissime conseguenze del Teorema di Hahn-Banach. e Esempio. con g ∈ L1 ([0.69 Osservazione. Poniamo Λ0 (λx) = λ x estendiamo Λ0 su X. 1])∗ non della forma Λg . un enunciato equivalente ` il seguente: a e se x ∈ X e Λx = 0 per ogni Λ ∈ X ∗ . Corollario 3. 1]) delle funzioni continue. allora x = 0. λ ∈ R ⊂ X. 1]). Usando la linearit` di Λ. X. in questo caso l’estensione ` unica. Se x. dimostrazione. Dato x ∈ X. Sia Y = λx : λ ∈ R ⊂ X. e che non esiste g ∈ L1 ([0. Definiamo Λf = f (0). Sappiamo che il duale di L∞ ([0.6. X ∗ separa i punti di X (quindi. Sia Y il sottospazio di L∞ ([0. e Y ` chiuso. 1]). Osservazione. esiste Λx ∈ X ∗ con Λx X∗ = 1 tale che Λx x = x X.

La sola a e cosa da provare ` allora l’implicazione e X ∗ riflessivo =⇒ X riflessivo. E facile mostrare che un isomorfismo tra spazi di Banach preserva la riflessivit`. τ (X) ` un sottospazio chiuso proprio di X ∗∗ . Esiste un controesempio dovuto a James di uno spazio di Banach non riflessivo isometricamente isomorfo al suo biduale. esiste Φ ∈ X ∗∗∗ . Pertanto. a 0 = ΦΛ Fx = Fx Λ = Λx. Uno spazio di Banach X ` riflessivo se la mappa canonica τ : X → X ∗∗ e ` suriettiva. Dunque.10. Sia X ∗ riflessivo.29 Proposizione 3.6. e ` In tal caso. F0 Λ|Y = Λx. Dato che X ` riflessivo. Usando la riflessivit` di X ∗ . X ` riflessivo se e solo se X ∗ ` riflessivo. 29 . Dal e e Corollario 3. ∀ Λ ∈ X ∗. e e ` dimostrazione. tale che ΦFx = 0 per tutti gli Fx ∈ τ (X). Infatti e Fx X ∗∗ = sup |Fx Λ| = Λ X ∗ =1 sup |Λx| ≤ x Λ X ∗ =1 X. Concludiamo che Λ = 0.70 dove Fx ` l’elemento di X ∗∗ che agisce su X ∗ nel seguente modo: e Fx Λ = Λx. ∀x ∈ X. ∀ Λ ∈ X ∗. Contraddizione. Proposizione 3. Se X non lo `. esiste x ∈ X tale che F Λ = Λx per ogni Λ ∈ X ∗ . e Pertanto. X pu` essere identificato con il suo biduale X ∗∗ . e. per il Corollario 3. Φ = 0. e non attraverso una qualsiasi altra mappa. conseguentemente. Φ = 0. e dimostrazione.9. Concludiamo quindi che τ (X) ` un sottospazio chiuso di X ∗∗ . modo: Associamo a F0 ∈ Y ∗∗ un elemento F ∈ X ∗∗ nel seguente F Λ = F0 Λ|Y . per qualche Λ ∈ X ∗ . E importante o ricordare che uno spazio ` riflessivo se ` isometricamente isomorfo al suo biduale e e attraverso la mappa τ . esiste un elemento Λ ∈ X ∗ di norma unitaria tale che |Λx| = x X . ∀Λ ∈ X ∗ .8. Un sottospazio chiuso Y di uno spazio di Banach X riflessivo ` riflessivo. Φ = ΦΛ . e Definizione. se X ` riflessivo lo stesso vale per X ∗∗ . La mappa τ ` un isomorfismo isometrico da X a τ (X) ⊂ X ∗∗ . D’altro canto.

Sia e e dunque {Λn } una successione densa in X ∗ .12. non sia cos` Allora esiste e ı. Il e nostro scopo ` mostrare che Y = X. τ : Y → Y ∗∗ ` suriettiva. e dimostrazione. Ragionando come nella dimostrazione della Proposizione 3. ricordando che Λxn0 = 0. e dall’arbitrariet` di ε concludiamo che Λ = 0. Viceversa. Per assurdo. dobbiamo solo dimostrare che se X ∗ ` separabile. ricaviamo immediatamente il Teorema 3. Se p ∈ (1.3. a Concludiamo il paragrafo discutendo la riflessivit` degli spazi Lp (Ω).2 e il Teorema 3. Λ X∗ X∗ ≤ |Λn0 xn0 | ≤ |Λn0 xn0 − Λxn0 | ≤ Λn0 − Λ X∗ xn 0 X ≤ ε. Non sono invece riflessivi e 1 ∞ (tranne in casi banali) gli spazi L (Ω) e L (Ω). Allora. . In tal caso. e l’uguaglianza di cui sopra ci dice che Λx = 0 per ogni Λ ∈ X ∗ e tale che Λ|Y = 0.9. Concludiamo che F0 ∈ τ (Y ). Per ogni n ∈ N. implicando cos` x ∈ Y . se X ` e e e ∗ separabile e riflessivo. Fissato ε > 0. 1 Λn0 2 Ma allora. allora X ` separabile. allora X ` separabile. e Esaminiamo alcune questioni di separabilit`. Ricordando a il Teorema 3. F0 Λ0 = F0 Λ|Y = F Λ = Λx = Λ0 x. esiste allora xn ∈ X di norma unitaria tale che |Λn xn | ≥ 1 Λn 2 X∗ . Estendiamo Λ0 a ı ∗ Λ ∈ X . La non riflessivit` di L1 (Ω) (e quindi anche L∞ (Ω)) pu` essere a o dedotta anche dalla proposizione precedente. allora Lp (Ω) ` riflessivo. Consideriamo quindi l’insieme (numerabile) F formato dalle combinazioni lineari degli xn a coefficienti razionali. Se X ∗ ` separabile. ovvero. allora X ` separabile. La chiusura Y di F ` un sottospazio di X. a Proposizione 3. Sia ora Λ0 ∈ Y ∗ .71 Ma Y ` chiuso.11. selezioniamo un elemento Λn0 tale che Λ − Λn0 X ∗ < ε. ≤ Λ − Λn0 X∗ + Λn0 X∗ ≤ 3ε. Osservazione. ∗ Λ ∈ X non nullo tale che Λ|Y = 0. ∞).

Considee ∗∗ riamo la famiglia di mappe Fn ∈ X definite da Fn Λ = Λxn . ∀Λ ∈ X ∗ . La convergenza in norma (detta anche convergenza forte) implica quella debole. mentre la topologia debole. un discorso pi` approfondito richiederebbe u l’introduzione della topologia debole. n∈N Dal Teorema di Uniforme Limitatezza. Se xn → x. ricaviamo l’esistenza di M ≥ 0 tale che sup |Fn Λ| ≤ M Λ n∈N X∗ . Se xn → x allora xn ` una successione limitata. esiste Λx ∈ X ∗ di norma unitaria tale che Λx x = x Quindi. dove si ha che xn → x e w se e solo se xn → x.30 Un esempio interessantissimo ` il caso dello spazio (infinito dimensionale) 1 . esiste MΛ ≥ 0 tale che sup |Fn Λ| ≤ MΛ . Diciamo che xn w converge debolmente a x (e scriviamo xn → x) se Λxn → Λx. e w dimostrazione. Ma per ogni x ∈ X. che e non ` metrizzabile. e o 31 Risultato dovuto a Schur. e Esercizio 47. Il viceversa ` in generale falso. xn X X. per ogni n ∈ N. In particolare.72 3. = |Λxn xn | = |Fn Λxn | ≤ M Λxn X∗ = M. Per ogni Λ fissato. ` unico.4 Convergenza debole Definizione . u e Ci` per` non significa che in uno spazio infinito dimensionale sia sempre vero che o o la convergenza debole non implichi la convergenza forte. la topologia debole ` sempre e pi` debole della topologia della norma quando lo spazio ` infinito dimensionale. e Osservazione. Sebbene in questa sede ci siamo limitati a considerare la convergenza debole di successioni.13. x ∈ X.31 w Proposizione 3. 30 . non pu` essere completamente descritta dalle sole successioni. Il problema ` che noi ci limitiamo a considerare successioni. se esiste. come volevasi dimostrare. allora Λxn ` limitato per ogni Λ ∈ X ∗ . poich´ e |Λ(xn − x)| ≤ Λ X ∗ xn − x X . Mostrare che il limite debole di una successione xn ∈ X. Sia X uno spazio di Banach e siano xn .

x ∈ X e Λn . Λ ∈ X ∗ . Sia X uno spazio di Banach separabile. sia Λx ∈ X ∗ di norma unitaria tale che Λx x = x x X Allora. e dunque ammette una sottosuccessione convergente Λnj x1 . l’esistenza di x tale che xn → x. Esercizio 49. troviamo una sotto-sottosuccessione Λnji x2 convergente. Assumiamo che Λxn converga per ogni Λ ∈ X ∗ . Si osservi che la convergenza debole-∗ ` una convergenza definita sul duale di e uno spazio di Banach. allora convergenza debole e debole-∗ e coincidono su X ∗ . Esercizio 50. o w in generale. Ci` non implica. ci sono esempi in cui vale effettivamente il minore stretto. Si dimostri che se X ` riflessivo questo e fatto ` invece vero. Infatti. X. Siano xn .14 (Banach-Alaoglu). Sia X uno spazio di Banach. Allora ogni successione limitata in X ∗ ammette una sottosuccessione debolmente-∗ convergente. La successione Λn x1 ` limitata in e R. Λ ∈ X ∗ . Siano xn . Ne consegue ı che w w∗ Λn → Λ =⇒ Λn → Λ. Teorema 3. Ripetendo il ragionamento con Λnj x2 . Sia Λn una successione limitata in X ∗ . Esercizio 51. bens` sui soli elementi di τ (X). Se X ` riflessivo (e dunque τ (X) = X ∗∗ ). Dimostrare che le convergenze w xn → x e Λn → Λ implicano la convergenza numerica Λn xn → Λx. x ∈ X e Λn . dimostrazione. Si tratta sostanzialmente della convergenza debole su X ∗ . Come vedremo. Come nella situazione precedente. Se xn → x allora x X ≤ lim inf xn n→∞ X. mostrare che il limite debole-∗ ` e unico e le successioni debolmente-∗ convergenti sono limitate. e sia M = sup Λn n∈N X∗ . . ma testata non su tutti gli elementi di X ∗∗ . e 3. Infine. Esercizio 48.73 w Osservazione. Una successione Λn ∈ X ∗ converge w∗ debolmente-∗ a Λ (e scriviamo Λn → Λ) se Λn x → Λx per ogni x ∈ X. sia xk una successione densa in X. Dimostrare che le convergenze w∗ xn → x e Λn → Λ implicano la convergenza numerica Λn xn → Λx.5 Convergenza debole-∗ Definizione . X = Λx x = lim Λx xn = lim |Λx xn | ≤ lim inf Λx n→∞ n→∞ n→∞ X∗ xn = lim inf xn n→∞ X.

ogni successione limitata in X ammette una e sottosuccessione debolmente convergente. Preso ora un generico x ∈ X. mostriamo che esiste il limite Λx = lim Λnm x. In alternativa. Λ n x = xn . Osservazione.74 Iterando la procedura. ma non ammette sottosuccese sioni debolmente-∗ convergenti. x2 . |Λni x − Λnj x| ≤ |Λni x − Λni xk | + |Λni xk − Λnj xk | + |Λnj xk − Λnj x| ≤ |Λni xk − Λnj xk | + 2M x − xk ≤ |Λni xk − Λnj xk | + ε. cosicch´ la e o e ∗∗ convergenza debole in X coincide con la convergenza debole-∗ in X (con abuso di linguaggio. a e |Λx| = lim |Λnm x| ≤ lim sup Λnm m→∞ m→∞ X∗ ε . m→∞ Invero. e sfruttando l’arbitrariet` di ε. . e usando lo stesso procedimento di estrazione diagonale gi` visto nella dimostrazione del Teorema di Ascoli-Arzel`. . troviamo una sottoa a successione Λnm di Λn tale che Λnm xk converge in R per ogni k ∈ N. Ci resta solo da mostrare e che Λ ∈ X ∗ : la linearit` di Λ ` ovvia. fissato ε > 0 arbitrario. esiste k ∈ N tale che x − xk ≤ Pertanto.9. j → ∞. per ogni x ∈ X. inoltre. si pu` identificare X con X ∗∗ .) ∈ X. Facendo il limite i. Il risultato `. e si consideri la successione Λn ∈ X ∗ data da x = (x1 . Ad esempio. . Allora per il Teorema di Banach-Alaoglu esiste fnk → f . Sia X = ∞ . e a Esempio. e pertanto converge. La successione Λn ` chiaramente limitata in X ∗ . ∀g ∈ L1 (Ω). Ci` significa che o fnk gdµ → Ω Ω f gdµ. Se X ` riflessivo. 2M x ≤M x . Vale quindi il Teorema 3. concludiamo che la a successione Λnm x ` di Cauchy. . falso se si omette la separabilit` di X. si poteva utilizzare il Corollario 2. si dice che la convergenza debole e debole-∗ coincidono su X). consideriamo L∞ (Ω) = (L1 (Ω))∗ .15. per qualche f ∈ L∞ (Ω). Se X ` riflessivo. Sia fn ∈ L∞ (Ω) una successione w∗ limitata. in generale.

allora Kxn ammette una sottosuccessione (fortemente) convergente in Y .32 e Esercizio 53. Per semplicit`. Mostrare che se xn ` una successione limitata in X tale che e w w xn → x in Y . e sia X → Y . y∈Y Se X ` uno spazio di Banach riflessivo.6 Operatori compatti Siano X. Se K : X → Y ` un operatore lineare compatto. Dato che xn pu` essere pensata o (usando la mappa canonica τ ) come una successione limitata in in X ∗∗ . xnk converge a x debolmente in X. w w (i) Mostrare che se xn → x in X. e Esercizio 54. Precisamente: uno spazio di Banach X ` riflessivo se e e solo se ogni successione limitata in X ammette una sottosuccessione debolmente convergente. Ripetendo la costruzione della dimostrazione del Corollario 3. nota in letteratura come Teorema di Eberlein-Shmulyan. e Sia allora xn una successione limitata in X. con X riflessivo. (iii) Sia X riflessivo. (ii) Sia X riflessivo. cio` tale che Λ X ∗ = Λx. Di fatto. ci` implica che se xn ` una successione limitata in e o e X. Y spazi di Banach. dimostrare il Lemma di Riesz di quasi ortogonalit`: dato un sottospazio chiuso a proprio Y di uno spazio normato X. Siano X. Proposizione 3. Y ) = inf x − y ≥ 1 − ε. uno spazio di Banach in cui la norma di ogni elemento del duale ` realizzata ` e e riflessivo (Teorema di James). vale a dire. allora x ∈ X e xn → x in X. ovvero. Sia X riflessivo. e fissato ε > 0. se KB e ` compatto in Y . L’implicazione inversa. 32 .16. Y ). assumiamo X separabile (ma si noti che il a risultato vale anche nell’ipotesi X non separabile). Dunque X ∗ ` separabile. Dato Λ ∈ X ∗ dimostrare che esiste x ∈ X di norma unitaria che realizza la norma di Λ. esiste un vettore x ∈ X di norma unitaria tale che dist(x.8. Esercizio 52. esiste una sottosuccessione xnk convergente a x debolmente-∗ in X ∗∗ . Viceversa. Definizione . Mostrare che la palla chiusa unitaria di X ` chiusa in Y . Un operatore lineare K : X → Y ` compatto se l’immagine di un e insieme limitato B ⊂ X attraverso K ` relativamente compatta in Y . Osservazione. allora xn → x in Y . ` anch’essa vera.75 dimostrazione. e 3. allora K ∈ e L(X. lo stesso risultato vale con ε = 0. questa ` una caratterizzazione e e degli spazi riflessivi. In particolare. Y spazi di Banach.

a . e sia xn → x.18. da cui la continuit` di K. Esistono tuttavia operatori compatti che non sono di rango finito. Sia K ∈ L(X. Y ). Allora K ∈ K(X. K(X. Y ) se e solo se xn → x implica che Kxn → Kx. Otteniamo quindi Kxj − Kx Y ≤ Kxj − Kn xj Y + Kn xj − Kn x Y + Kn x − Kx ≤ 2M K − Kn L(X. Y ) ` uno spazio lineare. Basta mostrare che K(X. forzando la convergenza a Kx dell’intera successione. Quindi sup x X ≤1 Kx Y ≤ M. Y ) la classe degli operatori compatti da X a Y . Valgono i seguenti due fatti: w . e w Proposizione 3. Y ). xj X ≤ M . Si noti che K(X.76 dimostrazione.17. la a successione xn ammette una sottosuccessione xnk debolmente convergente ad un certo x ∈ X.Y ) < ε/2. Sia Kn ∈ K(X. Definizione. Ma allora ynk = Kxnk → Kx fortemente. Y ). allora Λ ◦ K ∈ X ∗ ).ogni sottosuccessione di Kxn ha punti limite (poich´ xn ` limitata in X). w Dobbiamo far vedere che K ∈ K(X. per j sufficientemente grande Kn xj − Kn x Y < ε/2. Y ) ` un sottospazio chiuso di e L(X. a Osservazione Esempi particolari di operatori compatti sono gli operatori di rango finito. a Viceversa. cio` gli operatori limitati il cui rango ` un sottospazio finito dimene e sionale. . e scegliamo n tale che 2M K − Kn L(X. Usando la riflessivit` di X. Y ). Y ) una successione convergente a K in L(X. Y ) ⊂ L(X. Y Fissiamo ε > 0. sia B ⊂ X un insieme limitato. e sia yn una successione di elementi di KB. In particolare. Sia dunque xj → x. Corollario 3.Kxn → Kx (se Λ ∈ Y ∗ . allora y = Kx. Osserviamo che per questa implicazione non abbiamo utilizzato la riflessivit` di X. Y ). e e Ma se Kxnk → y per una sottosuccessione xnk . Poich´ la palla unitaria B di X ` un limitato. e dimostrazione. Y ) ` uno spazio di Banach nella norma indotta da L(X. da cui segue che KB ` e relativamente compatto. j→∞ Dall’arbitrariet` di ε segue la tesi. w dimostrazione. Concludiamo che lim sup Kxj − Kx Y < ε. Poich´ Kn ` e e compatto. Sia K ∈ K(X. Y ). KB ` relatie e e vamente compatto in Y .Y ) + Kn xj − Kn x Y . Allora esiste xn ∈ B tale che Kxn = yn . e di conseguenza limitato. Indichiamo con K(X.

definito da 1 (Tk f )(t) = 0 k(t. 1]) → L2 ([0. tale che fn → g uniformemente su Ω1 (in altre parole. Pertanto. Consideriamo l’operatore lineare. un sottoinsieme misurabile di R (o di RN ) di misura di Lebesgue e a positiva. Sia k(t. Ω `. e f (t) = g(t) a e per t ∈ Ω0 . s) ∈ L2 ([0. per semplicit`. detto operatore integrale di nucleo k.1]) . Mostrare quindi che Tk ` compatto. e quindi fn → g in Lp (Ω1 ). Se fn → f in Lp (Ω) e fn → g puntualmente quasi ovunque.7 Sulle diverse convergenze negli spazi Lp (Ω) Terminiamo il capitolo analizzando le relazioni che intercorrono tra alcuni tipi di convergenza delle successioni di funzioni negli spazi Lp (Ω). s)f (s)ds. per l’unicit` del limite debole. Tutte le funzioni di cui parleremo saranno definite (quasi ovunque) su Ω a valori reali. sempre di misura positiva. Allora esister` Ω0 ⊂ Ω di misura finita positiva tale che g ` limitata su Ω0 . E facile verificare che anche w p fn → f in L (Ω1 ). dimostrazione. Gli operatori integrali di nucleo a quadrato sommabile. e Esercizio 55.1]×[0. In questo paragrafo. Teorema 3. Applicando il Teorema di Egoroff. Tk : L2 ([0. Innanzitutto. questo. Sia p ∈ (1.19. 1]). Usando l’iniezione continua L∞ (Ω1 ) → Lp (Ω1 ). esiste un secondo insieme Ω1 ⊂ Ω0 . concludiamo w ` che fn → g in Lp (Ω1 ). Una conseguenza quasi immediata ` una “forma debole” del Teorema della Cone vergenza Dominata (risultato. fn → g in L∞ (Ω1 )). 1] × [0. altrimenti noti come operatori di Hilbert-Schmidt. allora f = g. Supponiamo per assurdo che il risultato sia falso. Mostrare che Tk ` limitato e che e Tk L(L2 ([0. di fondamentale importanza nello studio delle equazioni non lineari alle derivate parziali). Assumiamo che fn → f puntualmente quasi w ovunque e fn Lp ≤ M . Allora fn → f in Lp (Ω). 1]).20.77 Osservazione Il corollario appena visto ci garantisce che il limite in norma di una successione di operatori di rango finito ` un operatore compatto. w Proposizione 3. contro l’ipotesi.33 e 3. ∞). formano un sottoinsieme denso nello spazio di Banach degli operatori compatti. dimostriamo un risultato di unicit` del limite debole e puntuale a quasi ovunque.1])) ≤ k L2 ([0. f e g devono a coincidere su Ω1 . 33 .

20 e la Proposizione 3. Si ` gi` accennato che la successione sin nt (e analogamente cos nt) converge debole a mente a 0 in L2 ([0. 34 . Ovviamente. Concludiamo il paragrafo con alcune osservazioni sulla convergenza debole. ∞) (cos` come gli spazi di Hilbert. Gli spazi Lp (Ω) con p ∈ (1. si deve e procedere con una diversa dimostrazione. Infatti. allora Osservazione. Questo risultato ` vero anche in L1 (Ω). ∞). 2π]). Dalla riflessivit`. come dimostreremo in seguito. Assumiamo che fn → f puntualmente quasi ovunque e fn Lp → f Lp . ogni sottosuccessione debolmente convergente di ` fn deve avere f come suo limite debole. a w Proposizione 3. Osservazione.34 che enunciamo senza dimostrazione.21. D’altro canto. sappiamo che esiste una sottosuccessione a w fnk ed una funzione g ∈ Lp (Ω) tali che fnk → g. Unendo il Teorema 3. E facile allora mostrare che ci` implica o la convergenza debole a f dell’intera successione fn . che vedremo pi` ı u avanti) esibiscono un’interessante propriet`. Lo stesso risultato ` invece falso in L1 (Ω). ∞).22. Sia p ∈ (1. Analizziamo un’ulteriore situazione. ma la successione fn converge debolmente a 1 in L2 ([0.78 dimostrazione. Gli a e spazi Lp (Ω). La propriet` discussa ` soddisfatta da tutti gli spazi di Banach uniformemente convessi. Questi esempi ci mostrano che. Sia p ∈ (1. w w e. Lp → f Lp . Se fn → f in Lp (Ω) e fn fn → f in Lp (Ω). Ricordiamo che uniformemente convesso significa che per ogni xn e yn con xn ≤ 1 e yn ≤ 1. da cui fn → 1. con p ∈ (1. Tuttavia ` immediato verificare che sin nt non ammette e alcuna sottosuccessione convergente a 0 puntualmente quasi ovunque. sono infatti spazi uniformemente convessi (Teorema di Clarkson). La successione di funzioni fn (t) = sin nt + cos nt 2 converge debolmente a 0. ∞). sin nt → 0. la convergenza xn + yn → 2 implica che xn − yn → 0.21 otteniamo il Corollario 3. e per ogni n ∈ N. in generale. 2π]). 2π fn L1 = 0 (1 + sin nt)dt = 2π. Un esempio in tal e senso ` dato dalla successione di funzioni fn (t) = 1 + sin nt ∈ L1 ([0. la convergenza debole non d` infora mazioni di alcun tipo riguardo alla convegenza puntuale. Allora fn → f in Lp (Ω). 2π]). Ma la proposizione precedente ci dice che g = f .

x ∀x. λy = λ x. si e definisce il prodotto interno rimpiazzando la condizione (ii) con (ii) x. Definizione. Un insieme A ⊂ H si dice ortogonale se x. con x = y. x (iii) x. y . ∀x ∈ H (positivit`). z (ii) x. ∀x ∈ H. · : H × H → R che soddisfa le condizioni (i) λx + y. x = 1. y. y = y. y = y. e l’insieme si dice ortonormale. ∀x. Si noti che vale la e relazione x. In tal caso. y ∈ H (simmetria). · : H × H → C ` detta sesquilineare. 79 . simmetrica e definita positiva da H × H in R. x = 0 ∀λ ∈ R. Osservazione. z + y. Spazi di Hilbert 1 1. x ≥ 0 (iv) x. Dunque la a forma ` bilineare (lineare in entrambi gli argomenti).III. y ∈ H . a ⇐⇒ x = 0 (annullamento). la forma ·. Un prodotto interno o prodotto scalare in H ` una e forma bilineare. Spesso si usa la notazione x ⊥ y. a ∀x. z ∈ H (linearit`). Se in aggiunta ogni vettore x ∈ A ` tale che x. Analogamente. In particolare. e x. se H ` uno spazio lineare sul campo C. y = 0 per ogni x. y ∈ H si dicono ortogonali se x. cio` una funzione e ·. 0 = 0. Due vettori x. Unendo (i) e (ii) ricaviamo la linearit` anche nella seconda variabile.1 Geometria degli spazi di Hilbert Spazi con prodotto interno Sia H uno spazio lineare su R. z = λ x. y = 0. y ∈ A.

y ≤ + t y 2. y . Per dimostrare la disuguaglianza triangolare ci oca corre il seguente Teorema 1. y | ≤ x y . . . . g = 0 f (t)g(t)dt. Abbiamo volutamente utilizzato il simbolo di norma poich´ dimostreremo che si e ` immediato verificare che valgono le propriet` tratta effettivamente di una norma. Se x = 0 o y = 0 la tesi ` ovvia. Si noti che la relazione di ortogonalit` a tra due vettori ` quella usuale della geometria euclidea. y = (y1 . x . E a di omogeneit` e annullamento. dimostrazione. . Dato uno spazio con prodotto interno H. ∀x ∈ H. unita alla precedente disuguaglianza. ∞) definita da x = x. Introduciamo ora la funzione a valori in [0. Per ogni t > 0. Si dimostri che C([0. si ricava x. d` la tesi.1 (Disuguaglianza di Cauchy-Schwarz). y ≤ x y . definendo e N x. . . · ` detto e spazio con prodotto interno. 1]) ` uno spazio con prodotto interno ponendo e 1 f. 1 x 2t Ponendo allora t = x / y . Ripetendo il ragionamento con −x al posto di x si ha anche − x. Uno spazio lineare H su R dotato di un prodotto interno ·.80 Definizione. xN ). e Esercizio 1. Siano dunque entrambi e diversi da zero. y = j=1 xj y j . Esempio. yN ). dove x = (x1 . che. 2 x. RN ` uno spazio con prodotto interno. si ha che 0 ≤ x − ty da cui 2 = x 2 + t2 y 2 2 − 2t x. . y ≤ x y . y ∈ H. . ∀x. vale la disuguaglianza | x. a .

y . Si verifichi che la funzione x → x soddisfa la propriet` triangolare a della norma. Esercizio 4. 36 35 . In R2 questo ` il Teorema di Pitagora. RN ` uno spazio di Hilbert con il prodotto interno definito nel precee dente esempio.81 Esercizio 2. ∀x. si verifica immediatamente che la norma in uno spazio di Hilbert deve soddisfare la regola del parallelogramma. Uno spazio di Hilbert ` in e particolare uno spazio di Banach. uno spazio con prodotto interno ` in particolare uno spazio normato. Esempio. yn → x. allora xn . e Viceversa. Uno spazio con prodotto interno ` detto spazio di Hilbert quando ` e e completo (nella norma indotta dal prodotto interno). Sia ∞ xn una serie convergente in H tale che {xn } sia un insieme n=1 ortogonale. con e la norma indotta dal prodotto interno. non ` sempre vero che uno spazio di Banach sia anche di Hilbert. e Proposizione 1. e Infatti. se e xn → x e yn → y. la regola del parallelogramma ci dice che la somma dei quadrati delle diagonali di un parallelogramma ` uguale alla somma dei quadrati dei e suoi lati. y ` continua in entrambi gli argomenti. allora H ` uno spazio di Hilbert con il prodotto interno e 1 x+y 2− x 2− y 2 .2 Completezza: spazi di Hilbert Definizione. una proposizione familiare della geometria piana. Se la norma di H soddisfa la regola del parallelogramma. Di conseguenza. 1. Concludiamo quindi che la funzione x → x definisce una norma su H. Sia H uno spazio di Banach.2. La norma indotta dal prodotto interno ` la norma-2 euclidea.35 Esercizio 3. y) → x. Ovvero. x. Utilizzando la disuguaglianza di Cauchy-Schwarz. La condizione ` anche sufficiente. e Interpretando le norme come lunghezze dei vettori. dimostrare che l’applicazione (x. y = 2 Si noti che il prodotto interno induce la norma di partenza.36 ovvero x+y 2 + x−y 2 =2 x 2 + 2 y 2. Dimostrare l’uguaglianza ∞ 2 ∞ xn n=1 = n=1 xn 2 . Osserviamo che due vettori x e y soddisfano la relazione x+y 2 = x 2+ y 2 se e solo se sono ortogonali. y ∈ H.

2 Pertanto. Se v ∈ V . e sia x ∈ H. v = lim xn . n→∞ da cui x ∈ V ⊥ . Il risultato vale anche se V ` un sottoinsieme convesso. Sia V ⊂ H. Sia V un sottoinsieme di H. e ` dimostrazione. Allora esiste un unico v ∗ ∈ V tale che37 dist(x. chiuso e non vuoto di H. Esercizio 6. cio` il e e sottospazio formato da combinazioni lineari di vettori di V e dai loro punti limite.2. Evidentemente.3. 1. v = 0. Teorema 1. v = 0. ∀v ∈ V . abbiamo x. Mostrare che V ⊥ = V ⊥ . In particolare. x− 37 vm + vn ≥d 2 =⇒ 2x − (vm + vn ) ≥ 2d. Fissiamo dunque m > n. e sia V ` il sottospazio chiuso generato da V . v∈V dimostrazione. E immediato mostrare che V ⊥ sia un sottospazio. 1]) con la norma del massimo non ` uno spazio e di Hilbert.3 Proiezioni ortogonali Nel seguito. Se V ⊂ H. ` definito come e V ⊥ = x ∈ H : x. sia H uno spazio di Hilbert.4. indicato con V ⊥ . v∈V Mostriamo che vn ` di Chauchy. e notiamo che e vm + vn ∈ V. allora V ⊥ ` un sottospazio chiuso di H. Esercizio 7.82 Esercizio 5. Sia dunque ⊥ xn ∈ V . Dimostrare la Proposizione 1. Verificare che C([0. H ⊥ = {0} e {0}⊥ = H. se V ⊥ = {0} segue che V = H. Sia V un sottospazio chiuso di H. V ) = inf x − v = x − v ∗ . Sia vn ∈ V tale che n→∞ lim x − vn = d = inf x − v . Il complemento ortogonale di V . xn → x ∈ H. e . Proposizione 1.

Poniamo allora w = x − v. V ) = x − v . La somma ortogonale di V e W ` il e sottospazio di H V ⊕ W = v + w : v ∈ V. implica che w. Risulta w 2 ≤ x − (v + λu) 2 = w − λu 2 = w 2 + |λ|2 u 2 − 2λ w. da cui v ∗ = v . otteniamo la disuguaglianza | w. u ≥ 0. .m→∞ lim vm − vn = 0. Sia dunque u ∈ V fissato. u = 0. Sia x ∈ H. se v ∈ V ` tale che x − v = d. Sia V un sottospazio chiuso di H. ` Osservazione. e Teorema 1. esiste un unico v ∈ V tale che dist(x. cio` tali che e v ⊥ w per ogni v ∈ V e per ogni w ∈ W . Se infatti v + w = v + w .5 (della Proiezione). Siano V e W due sottospazi di H ortogonali tra loro.83 Usando la regola del parallelogramma. Dobbiamo mostrare che w ∈ V ⊥ . Scegliamo λ = 0 in modo tale che λ w. Quindi la successione vn converge a v ∗ ∈ V . 2 da cui n. 2 la quale. e poich´ V ∩ W = {0} ricaviamo che v = v e w = w . utilizzando come in precedenza la regola e del parallelogramma si vede subito che v ∗ − v = 0. E immediato verificare che un vettore x ∈ V ⊕ W ammette un’unica decomposizione della forma v + w. Dal teorema precedente. Ne consegue che x − v ∗ = lim x − vn = d. dimostrazione. Definizione. w ∈ W . Dividendo il tutto per |λ|. operando il limite |λ| → 0. u . n→∞ Infine. abbiamo vm − vn 2 = vm − x + x − vn = 2 vm − x ≤ 2 vm − x 2 2 2 2 2 + vn − x + vn − x − 2x − (vm + vn ) − 4d2 . u | ≤ |λ| u 2. allora v − v = w − w . Allora H = V ⊕ V ⊥.

84 Osservazione. Il vettore v della decomposizione viene talvolta indicato con PV x, ed ` chiamato la proiezione di x sul sottospazio V . Come abbiamo visto, e PV x ` il punto che realizza la minima distanza di x da V . e Esercizio 8. Dimostrare che la mappa PV : H → V definisce un operatore lineare limitato. Esercizio 9. Sia V ⊂ H un sottospazio chiuso. Mostrare che (V ⊥ )⊥ = V .

1.4

Il duale di uno spazio di Hilbert

Ci proponiamo di caratterizzare il duale H ∗ di uno spazio di Hilbert H. Fissiamo un generico y ∈ H, e consideriamo il funzionale lineare Λy : H → R definito da Λy x = x, y . Dalla disuguaglianza di Cauchy-Schwarz, sup |Λy x| = sup | x, y | ≤ sup x y = y .
x ≤1 x ≤1 x ≤1

Inoltre, se y = 0, scegliendo x = y/ y , si ha che ¯ Λy x = x, y = y . ¯ ¯ Dunque, ogni funzionale della forma Λy ` un elemento di H ∗ , e soddisfa la relazione e Λy
H∗

= y .

Il risultato seguente dimostra che tutti i funzionali lineari continui su H sono della forma Λy . Teorema 1.6 (di Rappresentazione di Riesz). Λ ∈ H ∗ se e solo se esiste un unico y ∈ H tale che Λ = Λy . dimostrazione. Mostriamo che se Λ ∈ H ∗ allora Λ = Λy per un certo y ∈ H. Se Λ ` il funzionale nullo allora y = 0. Supponiamo quindi che Λ non sia e identicamente nullo. Poich´ Λ ` continuo, ker(Λ) ` un sottospazio chiuso, e per e e e il Teorema 1.5, ker(Λ)⊥ non si riduce a {0}. Sia dunque z ∈ ker(Λ)⊥ con z = 1. Per ogni x ∈ H abbiamo che x− Pertanto x− da cui segue Λx = x, (Λz)z . Λx z ∈ ker(Λ). Λz Λx z, z = 0 Λz

85 Dunque y = (Λz)z. Per quanto riguarda l’unicit`, se y1 e y2 sono tali che a x, y1 = x, y2 , allora x, y1 − y2 = 0, da cui immediatamente y1 = y2 . Possiamo allora identificare H con il suo duale H ∗ attraverso l’isomorfismo isometrico y → Λy . Pertanto, una successione xn ∈ H converge debolmente a x ∈ H se xn , y → x, y , ∀y ∈ H. ∀x ∈ H ∀x ∈ H

Corollario 1.7. Gli spazi di Hilbert sono riflessivi. dimostrazione. Sia F ∈ H ∗∗ . Poich´ ogni elemento di H ∗ ` della forma Λy , e e possiamo definire un funzionale lineare continuo Λ su H nel seguente modo: Λy = F Λy . Allora esiste x ∈ H tale che Λ = Λx , ovvero y, x = F Λy . Ma y, x = Λy x, da cui l’asserto.
w Esercizio 10. Siano xn , x ∈ H tali che xn → x e xn → x . Dimostrare la convergenza forte xn → x. w Esercizio 11. Dimostrare che se xn → x e yn → y, allora xn , yn → x, y .

Esercizio 12. Sia Λ un funzionale lineare continuo su un sottospazio V di H. Mostrare che Λ ammette un’unica estensione su H che preserva la norma, e che tale estensione si annulla su V ⊥ .

1.5

Basi ortonormali

In RN i vettori e1 , . . . eN , dove ej vale uno sulla componente j-esima e zero altrove, formano un insieme ortonormale. Inoltre tale insieme ` completo, cio` ogni vettore e e N u ∈ R ` esprimibile (in modo unico) come combinazione lineare degli ej . Infatti, e per ogni x ∈ RN si ha
N

x=
j=1

x, ej ej ,

86 dove x, ej ` la componente di x nella direzione j-esima. In particolare, se e x, ej = 0, allora x = 0. Prendendo spunto dall’esempio appena discusso, diamo la seguente Definizione . Sia H uno spazio di Hilbert. Un insieme ortonormale A ` detto e completo, o anche una base ortonormale,38 se per ogni x ∈ H la relazione x, u = 0, implica x = 0. Teorema 1.8. Sia H uno spazio di Hilbert (contenente almeno due vettori distinti). Allora esiste sempre una base ortonormale. dimostrazione. Ci limitiamo a fornire una traccia. Sia S la collezione degli insiemi ortonormali di H (parzialmente) ordinato con la relazione di inclusione. Ogni catena ha estremo superiore, e quindi dal Lemma di Zorn si prova l’esistenza di un elemento massimale. Infine, si dimostra per assurdo che l’elemento massimale ` un sistema ortonormale completo. e ` E inoltre possibile dimostrare che due diverse basi ortonormali hanno la stessa cardinalit`. Di conseguenza, definiamo dimensione ortogonale39 di uno spazio di a Hilbert la cardinalit` di una sua base. a Nel seguito, tratteremo esclusivamente spazi di Hilbert separabili (e, per evitare situazioni banali, contenenti almeno due vettori distinti). In questo caso, la dimensione ortogonale ` (al pi`) numerabile. Ci` segue immediatamente dal fatto che due e u o elementi distinti u e v della base ortonormale soddisfano la relazione √ u − v = 2. Pertanto, se la base ortonormale avesse cardinalit` pi` che numerabile, non ci a u potrebbe essere un insieme numerabile denso in essa, e quindi nello spazio. Osservazione. l’esistenza di una base ortonormale in uno spazio di Hilbert separabile pu` essere dimostrata in modo costruttivo (cio` senza l’ausilio del o e Lemma di Zorn), attraverso il cosiddetto metodo di diagonalizzazione di GramSchmidt. Esempio. Lo spazio di Banach
2

∀j = 1, . . . , N,

∀u ∈ A

` di Hilbert con il prodotto interno e

x, y =
j=1
38 39

xj , yj ,

Non si deve confondere la base ortonormale con la base di Hamel. Da non confondersi con la dimensione lineare, cio` la cardinalit` di una base di Hamel. e a

Teorema 1. un un = x 2 − n=1 | x. da cui segue che sn ` di Cauchy. un un . Facendo il limite N → ∞ abbiamo la tesi. Allora per ogni x ∈ H vale l’ uguaglianza ∞ x= n=1 x. Sia sn = sm − sn 2 n j=1 λj uj . x3 . Sia H uno spazio di Hilbert separabile. Per m > n. Se λn ∈ 2 .). . x 2 ∞ = n=1 | x. e sia {un }n∈N una base ortonormale. formano una base ortonormale di 2 . un y. . un |2 ≤ x 2 . un . . ∞ λn un converge in n=1 H. Sia H uno spazio di Hilbert separabile. possiamo ricostruire un generico vettore x come combinazione lineare (infinita) degli elementi della base.87 dove x = (x1 . .10. . Sia H uno spazio di Hilbert separabile. .) e y = (y1 . Lemma 1. Ovvero. Disponendo di una base ortonormale possiamo trattare uno spazio infinito dimensionale “come se fosse” RN . dimostrazione. x2 . I vettori un ∈ 2 (n ∈ N).11. e dunque e Possiamo ora enunciare il fondamentale λn un converge in H. Premettiamo due lemmi. Inoltre per ogni x. n=1 dimostrazione. y = n=1 x. un |2 . e sia {un }n∈N un insieme ortonormale (non necessariamente completo). Per ogni N ∈ N. un |2 . e sia {un }n∈N un insieme ortonormale (non necessariamente completo). y ∈ H vale la cosiddetta identit` di Parseval a ∞ x.9 (Disuguaglianza di Bessel). Come caso particolare. dove un vale uno sulla componente n-esima e zero altrove. . Lemma 1. abbiamo m 2 m = j=n+1 λj uj = j=n+1 ∞ n=1 |λj |2 . Per ogni x ∈ H vale la disuguaglianza ∞ | x. y3 . y2 . N 2 N 0≤ x− n=1 x.

uN (si noti che HN ` chiuso. n=1 Poich´ {un } ` una base ortonormale. Dobbiamo dimostrare soltanto la prima asserzione. mentre il limite debole ` zero. essendo finito dimensionale) risulta essere e N PH N x = n=1 x.12. Definendo w = x − ∞ x. un0 − x. la mappa x → x.11 segue che N →∞ lim PHN x = x. la serie ∞ | x. Dal Teorema 1. I risultati appena visti valgono banalmente se H ` finito die I coefficienti x. La proiezione di un generico vettore x sul sottospazio lineare HN generato dai vettori u1 . Pu` accadere che xn → x ma che xn non converga? o Esempio. un un n=1 converge in H. un un . un0 = 0.88 dimostrazione. Per la disuguaglianza di Bessel. e e n=1 dunque la serie ∞ x. Allora un → 0. Ma per ogni n0 fissato. raggiungiamo la tesi se n=1 dimostriamo che w = 0. mensionale. un vengono detti coefficienti di Fourier di x (relativi alla base ortonormale un ). un0 = x. N w. un un . Infine. un |2 ` convergente. un0 − lim N →∞ x. Un’immediata conseguenza ` il e Corollario 1. . un0 = x. un e ` un isomorfismo di spazi di Hilbert (cio` un isomorfismo che conserva il prodotto e e interno) fra H e 2 . Si noti che un = 1. un un . Sia dunque a a x ∈ H. in quanto l’identit` di Parseval segue dalla continuit` del prodotto interno. e w Esercizio 13. e w sia {un }n∈N una base ortonormale. Sia H uno spazio di Hilbert separabile infinito dimensionale. Sia {un }n∈N una base ortonormale numerabile di H. segue che w = 0. . a Se H ` uno spazio di Hilbert infinito dimensionale separabile. osserviamo che l’identit` di Parseval stabilisce un fatto molto importante. e e Osservazione. . . .

e dunque L2 (Ω)∗ = L2 (Ω). E evidente che se {un } ` una base ortonormale di L2 ([−π. π]). e 40 Questa dimostrazione ` dovuta a von Neumann. ν due misure finite su Ω tali che ν µ. Si definisca quindi la funzione positiva φ= Allora φ ∈ L1 (Ω. π]. ponendo 2π 2π(t − a) vn (t) = un . 1]). 1) per quasi ogni t (rispetto a entrambe le misure µ e ν). b]). Sia ψ ∈ e 2 L (Ω. 1−ψ φdµ. e calcoliamo esplicitamente una base ortonormale di L2 ([−π. in quanto la norma e deriva da un prodotto interno. conformemente al Teorema di Rappresentazione di Riesz. φ ` la derivata di Radon-Nykodym di ν rispetto a µ. Si dimostri che ψ(t) ∈ [0. µ + ν). g L2 = Ω f (t)g(t)dt. Inoltre 2 ` l’esponente e e coniugato di se stesso. b−a b−a {vn } ` una base ortonormale di L2 ([a. La disuguaglianza di H¨lder in questo e o caso non ` altro che la disuguaglianza di Cauchy-Schwarz.89 1. ` Osservazione. Sia H = L2 ([0. Esercizio 14. Siano µ. e allora. Caratterizzare la proiezione PC e il sottospazio C ⊥ .40 Consideriamo ora il caso particolare Ω = [−π. Mostrare che 2 la mappa f → Ω f dν ` un funzionale lineare continuo su L (Ω. e . In altre parole. µ) e ν(E) = E ψ . Precisamente. si definisce f. Esercizio 15. µ + ν) la funzione tale che f dν = Ω Ω f ψd(µ + ν). Abbiamo quindi e dimostrato il Teorema di Radon-Nykodym per le misure finite. Pertanto L2 (Ω) ` uno spazio di Hilbert. π]).6 Lo spazio L2 (Ω) Il caso p = 2 per gli spazi Lp (Ω) ` particolarmente interessante. e sia C il sottospazio di H delle funzioni costanti.

Per quanto a riguarda la completezza. π]).90 Teorema 1. π]) si pu` scrivere come o a0 a b √n cos nt + √n sin nt. [Suggerimento: si estendano le funzioni su [−π. π]). con e 1 a0 = √ 2π π ∞ ∞ f (t)dt. −π Questa rappresentazione ` detta sviluppo in serie di Fourier della f . . −π Esercizio 17. 2π cos nt √ . Lasciamo per esercizio la verifica dell’ortonormalit`. π sin nt √ .13. Utilizzare il risultato trovato per dimostrare la famosa uguaglianza di Eulero ∞ 1 π2 = . f ∈ L2 ([−π. π]). formano una base ortonormale di L2 ([−π. Mostrare che41 π n→∞ π lim f (t) cos nt dt = lim −π n→∞ f (t) sin nt dt = 0. ci limitiamo a menzionare che segue dal Teorema di StoneWeierstrass. −π 1 an = √ π π f (t) cos nt dt. π]). −π 1 bn = √ π π f (t) sin nt dt. π n ∈ N. π] in modo opportuno] 41 Risultato noto come Lemma di Riemann-Lebesgue. e le quantit` e a a0 . Esercizio 16. Un’interessante conseguenza ` che le successioni di funzioni sin nt e e 2 cos nt convergono debolmente a 0 in L ([−π. n2 6 n=1 Esercizio 18. Mostrare che le funzioni un (t) = 2 sin nt π formano un base ortonormale in L2 ([0. an . Calcolare i coefficienti di Fourier della f . f (t) = √ + π 2π n=1 π n=1 dove l’uguaglianza ` intesa in L2 ([−π. Quindi. Sia f ∈ L1 ([−π. I vettori 1 √ . Naturalmente bisognerebbe dimostrare che l’insieme in questione ` una base e ortonormale. π]). bn sono i coefficienti di Fourier della f . π]). Si consideri la funzione f (t) = t in L2 ([−π.

La norma di un operatore T ∈ L(H) ` data da e T Infatti. x =1 e ponendo y = T x/ T x si ha l’uguaglianza. Se x ∈ H. y |. 2. π con cn = 2 π f (t) sin nt dt. m=1 Abbiamo quindi la . | T x. a n=1 ∞ Tx = n=1 x. Ricordiamo che L(H) e K(H) sono rispettivamente lo spazio degli operatori limitati e lo spazio degli operatori compatti da H in H. e 2 Teorema spettrale per gli operatori compatti simmetrici In questo paragrafo. un T un . Usando la continuit` di T . y | ≤ sup T x . sup x = y =1 L(H) = sup x = y =1 | T x. um um . rappresentiamo un operatore T ∈ L(H) utilizzando la base ortonormale. um um .1 Rappresentazione matriciale degli operatori limitati Come per le matrici. T un = ∞ T un .91 Pertanto possiamo scrivere ogni funzione f ∈ L2 ([0. D’altro canto. e sia {un }n∈N una base ortonormale. sia H uno spazio di Hilbert infinito dimensionale separabile. allora x = ∞ x. un un . 0 Questa rappresentazione ` detta sviluppo in serie di Fourier seno della f . π]) come ∞ f (t) = n=1 cn sin nt. m=1 ∞ ma anche Tx = T x.

∀x. i coefficienti della matrice soddisfano la relazione Tnm = λn δnm . 2. x =1 dimostrazione. gli elementi di L(H) sono le matrici quadrate N -dimensionali. Sia T ∈ L(H). T y . Mostrare che T ∈ L(H) ` simmetrico se e solo se Tnm = Tmn . Dobbiamo mostrare la disuguaglianza opposta. Utilizzando la base ortonormale {un } dei a relativi autovettori. ovvero.92 Proposizione 2. Per ogni x ∈ H. | T x. Definizione. Allora T L(H) = sup | T x. allora ha esattamente N autovalori e (reali) λn .1. ponendo xn = x. Se H = RN .2 Operatori simmetrici T x. x |. Inoltre. um . contati con loro molteplicit`. y = x.2. ` E noto che se una matrice T ` simmetrica. Allora. N Tx = n=1 λn xn un . per ogni x ∈ H. e pertanto si ha la cosiddetta rappresentazione spettrale di T . e Proposizione 2. ∞ n L’m-esimo coefficiente di Fourier di T x ` dunque dato da e ∞ ∞ ∞ ∞ Tnm xn . Il nostro scopo ` di fornire un risultato analogo negli spazi di Hilbert separabili e infinito dimensionali. vale d = sup | T x. Sia T ∈ L(H) un operatore simmetrico. . T L(H) = sup n=1 m=1 Tnm xn ym = sup m=1 n=1 Tnm xn ym . 2 dove il sup ` preso al variare delle successioni xn e yn di norma unitaria in e . y ∈ H. x | ≤ d x 2 . ∞ ∞ ∞ ∞ Tx = n=1 m=1 Tnm xn um = m=1 n=1 Tnm xn um . Un operatore T ∈ L(H) ` simmetrico se e Esercizio 19. Ovviamente. un . Definiamo gli elementi di matrice Tnm di T attraverso la relazione Tnm = T un . x | ≤ T x =1 L(H) .

λ1 λ1 λ1 . Sia T ∈ L(H). Mostrare che Tk ` simmetrico e e se e solo se k(t. cio` il sottospazio generato da tutti gli autovettori relativi e all’autovalore λ. Si concluda che gli autovalori distinti di un operatore T simmetrico sono al pi` un’infinit` numerabile. per T x = 0 (e quindi x = 0). y ∈ H abbiamo 4 T x. da cui Tx ≤ d x . detto autovettore. abbiamo u1 . y = T (x + y). Sia T ∈ L(H) un operatore simmetrico. u2 . Definizione. s) = k(s. per x. Siano u1 e u2 sono due autovettori corrispondenti a due distinti autovalori λ1 e λ2 . x + y − T (x − y). E immediato verificare che se λ ` un autovalore di T . Tx 2 2 + x−y 2 2 + y . x − y ≤d x+y = 2d x Scegliendo y= x T x. 1 λ2 1 T u1 . Proposizione 2. Detta relazione vale ovviamente anche per T x = 0. diverso dal vettore nullo. u2 = u1 . 1]) (ricordiamo che Tk ` compatto). Esercizio 20. u a Esercizio 21. Indichiamo con Aλ l’autospazio relativo a λ. per qualche u ∈ H. otteniamo x T x ≤ d x 2. Assumendo λ1 = 0. Si noti che Aλ ` un sottospazio chiuso. 1]). Per k ∈ L2 ([0. t). Un autovalore di T ` un numero λ ∈ R per cui vale la e relazione T u = λu. allora e |λ| ≤ T L(H) . 1] × [0. dimostrazione. u2 = da cui segue u1 . 1]) → L2 ([0. u2 = 0. Allora autovettori corrispondenti ad autovalori distinti sono ortogonali. consideriamo l’operatore integrale Tk : L2 ([0.93 Usando quindi la simmetria di T e legge del parallelogramma. T u2 = u1 .3. e ` Osservazione.

Inoltre. vale la relazione e Ku − du 2 = Ku 2 + d2 u 2 − 2d Ku. u = d (ma l’altro caso ` analogo). un | → d. e Allora dimostrazione. oppure . e Esercizio 22. pertanto Kunk → Ku. Sia K ∈ K(H) un operatore simmetrico. Osservazione. ` possibile trovare una base ortonormale e di H formata da autovettori di K. Mostrare che Aλ ` finito dimensionale. . e Siamo adesso in grado di dimostrare il risultato principale di questo paragrafo: dato un operatore compatto simmetrico K. u = 0. Allora i suoi autovalori distinti .3 Operatori compatti simmetrici L(H) . Si noti che u ≤ 1.94 2. u | = d. Sia d = 0 (altrimenti il risultato ` banale).4. Ku = du.5 (Teorema Spettrale).sono in numero finito (in tal caso 0 ` sicuramente un autovalore. Lemma 2. Teorema 2.formano una successione tendente a 0 (in tal caso 0 pu` essere o non essere un o autovalore. i corrispondenti autovettori possono essere scelti in modo da formare una base ortonormale di H. Sia λ = 0 un autovalore di un operatore compatto. con relativo e autospazio di dimensione ortogonale infinita). relazione Dato un operatore K compatto simmetrico si ha dunque la K L(H) = sup |λ| : λ ` autovalore di K . Ma K ` compatto. u = Ku 2 + d2 u 2 − 2d2 ≤ 0. w e Allora un ammette una sottosuccessione unk → u. Sia K ∈ K(H) un operatore simmetrico. In particolare. e sia d = K almeno uno dei due numeri fra d e −d ` autovalore di K. Se Ku. con relativo autospazio di dimensione ortogonale finita o infinita). Abbiamo due possibili casi. Quindi. e ci` implica che o | Ku. e sia un una e successione di vettori di norma unitaria tale che | Kun .

Pertanto. K|H1 ` un operatore lineare da H1 a e e H1 . Ovviamente pu` accadere che da un certo punto in poi o i λn siano tutti nulli. λ Si noti che H1 ` invariante per K. se vogliamo considerare la base completa {un } di H ottenuta unendo {wn } e {vn }. . da cui λn → 0. non sar` possibile mantenere i corrispondenti autovalori ordinati in a modulo.95 dimostrazione. concludiamo che η = 0. L’autospazio Aλ ha dimensione ortogonale N < ∞. dunque la successione Kwn = λn wn converge fortemente. . ovvero. se Hm = {0} per qualche m. e cos` via. u a . lo spazio H si decompone nella somma ortogonale Aλ ⊕H1 . oppure vi sia un e e numero finito di autovalori diversi da zero. Si noti che ker(K) pu` ridursi al solo vettore nullo. Questo. wn wn . a meno che ker(K) = {0} (cio` 0 non ` autovalore). Con questa procedura42 . . costruiamo una successione di ı autovalori λn decrescente in modulo. In particolare. wN } e poniamo λ1 = · · · = λN = λ. K|H1 L(H1 ) ≤ K L(H) . che risulta essere ancora compatto simmetrico. La successione limitata wn ammette una sottosuccessione (che chiamiamo ancora wn ) debolmente convergente. Ovviamente. In tal caso 0 ` un e autovalore e l’autospazio A0 ha dimensione ortogonale infinita. Dunque {wn } ` una base ortonormale di ker(K)⊥ . Infine. Inoltre. Possiamo quindi ripetere l’argomento per l’operatore K|H1 . Scegliamo allora una sua base ortonormale {w1 . Mostriamo ora che λn → 0. Chiamando H1 = A⊥ . se x ` ortogonale a tutti i wn e corrispondenti ad autovalori non nulli. cui corrispondono autovettori normalizzati wn ortogonali fra loro. Poich´ per n = m e λm wm − λn wn 2 = |λm |2 + |λn |2 ≥ 2η 2 . ma o pu` essere anche infinito dimensionale. o Alla luce del Teorema Spettrale. da cui x ∈ ker(K). Dal lemma precedente. producendo un nuovo spazio H2 . w2 . esiste un autovalore λ di modulo |λ| = K L(H) . Sia η = inf n |λn | > 0. . non vi sono altri autovalori non nulli. 42 Per rendere pi` rigorosa la dimostrazione si dovrebbe in realt` procedere per induzione. l’operatore K ammette la rappresentazione ∞ Kx = n=1 λn x. allora per ogni m ∈ N Kx = K|Hm x ≤ |λm | x . per ottenere una base e ortonormale dello spazio basta aggiungere alla collezione dei wn una base ortonormale {vn } di ker(K).

l’equazione non ha soluzione per alcun y che abbia l’m-coefficiente di Fourier diverso da 0. e Esercizio 24. un un 1 − λn soddisfa l’equazione. Il risultato vale. anche senza l’ipotesi K simu metrico. Esercizio 23.96 Corollario 2. e Osservazione. un un = n=1 n=1 y. e sia λn ∈ R una successione tendente a 0. Sia λn la successione degli autovalori di K (contati con la loro molteplicit`). Mostrare che per ogni g ∈ L2 ([0.Per ogni y ∈ H l’equazione x − Kx = y ammette un’unica soluzione. un . . il vettore ∞ x= n=1 y. L’esercizio seguente stabilisce l’implicazione opposta del Teorema Spettrale. wn wn ` compatto simmetrico. l’equazione x − Kx = y si pu` riscrivere proiettando o sulla base come ∞ ∞ (1 − λn ) x. a Fissato un generico y ∈ H. dimostrazione. oppure . un un . Dunque ` soddisfatta se e solo se e (1 − λn ) x. 1]) l’equazione integrale di Fredholm 1 f (t) − t 0 sf (s)ds = g(t) ammette un’unica soluzione f ∈ L2 ([0. Sia K ∈ K(H) un operatore simmetrico. pi` in generale. Pertanto. se λn = 1 per ogni n.6. Sia {wn } un insieme ortonormale (non necessariamente completo). Viceversa. e sia {un } la corrispondente base ortonormale di autovettori. Allora l’operatore lineare K definito da ∞ Kx = n=1 λn x. . 1]). un = y. La convergenza della serie in H ` garantita dal fatto che e λn → 0.λ = 1 ` un autovalore di K. detta Alternativa di Fredholm. Vale la seguente dicotomia. se λm = 1 per un certo m.

gli operatori pi` interessanti. Consideriamo ad esempio l’operatore T = d . 1]). si tratterebbe dunque di estendere l’operatore ad un opportuno dominio pi` grande. Nell’esempio precedente. Di fatto. Ricordiamo u che un operatore T ` un’estensione di T se e D(T ) ⊃ D(T ) e T |D(T ) = T. Non assumiamo la limitatezza. da cui sup T u : u ∈ D(T ). 3 3. sono non u limitati.97 Esercizio 25. il dominio ` parte integrante della definizione e di operatore. Ci si attende dunque che operatori non definiti su tutto H siano non limitati. Scegliendo uk (t) = ekt vediamo subito che T non ` limitato. u = 1 = ∞. ∀x ∈ D(T ). Mostrare che per ogni g ∈ L2 ([0. . e T uk = k uk . T ` chiuso se per ogni xn ∈ D(T ) tale che xn → x e T xn → y. 1]). che consiste nel chiudere un operatore. a valori in H. Definizione. 1]) l’equazione integrale di Volterra t f (t) − 0 f (s)ds = g(t) ammette un’unica soluzione f ∈ L2 ([0. cio` che valga e Tx ≤ M x . dt D(T ) = C 1 ([0.1 Cenni agli operatori non limitati Operatori chiusi Consideriamo operatori lineari T definiti su un sottospazio denso D(T ) ⊂ H. Diamo prima una definizione. H = L2 ([0. come gli operatori differenziali. Ci si pu` dunque porre il problema di trovare il dominio pi` “natuo u rale” consistente con l’azione dell’operatore. Contrariamente al caso di L(H). 1]). segue e che x ∈ D(T ) e T x = y. Qui si deve applicare l’Alternativa di Fredholm per un operatore compatto non simmetrico. Esiste una procedura standard per ottenere l’estensione ottimale. il dominio. Invero.

Se T ` chiudibile allora ammette un’estensione chiusa T .98 Esercizio 26. Assumiamo e dunque che T sia limitato. e quindi T xn → y ∈ H. e di conseguenza coincide con H.2 Operatori simmetrici Definizione. In generale. Sia T chiuso. Tuttavia vale il seguente risultato. si pu` allora cercare un operatore chiuso T che estenda T . Se T ` simmetrico allora T ` chiudibile. e dimostrazione. Teorema 3. l’operatore e o e T ` detto chiudibile. dimostrazione. Poniamo D(T ) = x : ∃ xn → x e T xn → y ∈ H}. Allora T ` limitato se e solo se D(T ) = H. Mostrare che se xn → x e {T xn } ` un insieme relativamente compatto in H. Verifichiamo l’implicazione opposta. e T ` la sua chiusura. T ` chiudibile se e solo se per ogni successione xn ∈ D(T ) cone vergente a 0 tale che T xn → y. Alla luce di questo fatto. Definiamo l’estensione chiusa di T nel seguente modo. Esercizio 27. . esiste xn ∈ D(T ) tale che xn → x. Un’implicazione ` il Teorema del Grafico Chiuso.1. e e il risultato segue facilmente. se zn → x e T zn → w. segue che y = 0. e Ovvero. e la sua chiusura ` ancora e e e un operatore simmetrico. nel seguito ci riferiremo esclusivamente ad operatori simmetrici chiusi. Ma T ` chiuso. T ` simmetrico se e T x.2. In caso affermativo. Sfruttando la limitatezza di T . In particolare. Ma questo segue banalmente dalle ipotesi. ∀x. 3. e Proposizione 3. L’unica cosa di cui ci dobbiamo sincerare ` che l’operatore T sia ben definito. abbiamo che e T xn − T xm ≤ M xn − xm . allora x ∈ D(T ) e e T xn → T x. e Dato un operatore T . T y . deve valere l’uguaglianza y = w. Sia T un operatore chiuso. y ∈ D(T ). Dunque T xn ` di Cauchy. xn ` di Cauchy. un operatore simmetrico potrebbe non essere chiuso. e siano xn ∈ D(T ) e x ∈ H. o Non ` detto per` che tale operazione sia possibile. Concludiamo che D(T ) ` chiuso. T x = y. Fissato x ∈ H. e pertanto e e x ∈ D(T ). y = x.

basta dimostrare che se xn → x e T −1 xn → y. Teorema 3. e simmetrico. Per ogni y ∈ H esiste z ∈ D(T ) tale che y = T z. Sia T un operatore simmetrico e suriettivo. e T −1 x. ricaviamo un teorema di rappresentazione e spettrale. Notiamo che T −1 x = λx ⇐⇒ T x = λ−1 x.3. Sia T un operatore simmetrico. y = w. per ogni x ∈ D(T ) abbiamo la rappresentazione ∞ Tx = n=1 αn x. allora T ` anche e e iniettivo. dove gli αn = λ−1 sono gli autovalori di T . dimostrazione. ed ` immediato e e verificare che ` lineare. e il suo inverso T −1 (definito su tutto H) ` un operatore limitato. abbiamo che zn → y e T zn → x. Sia allora zn ∈ D(T ) tale che xn = T zn . z = x. La mappa T −1 : H → D(T ) ` dunque ben definita. T −1 y . e e In particolare. Il risultato ` una conseguenza del Teorema Spettrale per gli e operatori compatti simmetrici. Inoltre. n .4 (Teorema Spettrale). z = 0. Dimostriamo innanzitutto che T ` iniettivo. allora y = T −1 x. i corrispondenti autovettori possono essere scelti in modo da formare una base ortonormale di H. Dal Teorema del Grafico Chiuso. Se T ` suriettivo. Dunque. y = x. wn wn . Ovviae mente. Inoltre. Poich´ T ` chiuso. gli autovettori apparterranno a D(T ). Assumiamo inoltre che il suo inverso sia compatto. dimostrazione. Inoltre. per ogni x = T w e y = T z in H. Pertanto x. cio` e e appartiene a L(H). ker(T −1 ) = {0}.99 Teorema 3. T z = T w. da cui x = 0. se l’inverso ` compatto. Allora i suoi autovalori formano una successione tendente a ∞. Verifichiamo infine che T −1 ∈ L(H). La definizione di autovalore ` analoga al caso degli operatori limitati. Detta dunque λn la e successione degli autovalori di T −1 e {wn } la relativa base ortonormale di H. concludiamo che x = T y. T z = T x. cio` T −1 non ha autovalori nulli. da cui y = T −1 x. Sia dunque e x ∈ D(T ) tale che T x = 0.

Vittorino Pata . Esercizio 29. Mostrare che l’iniezione J : D(T ) → H ` un operatore compatto (con D(T ) dotato della norma definita nel precedente e esercizio). Mostrare che x ∈ H appartiene a D(T ) se e solo se ∞ |αn |2 | x. T y . la mia preziosa collaboratrice Monica Conti e i numerosi studenti di Analisi Reale e Funzionale 2004/05 del Corso di Studi in Ingegneria Matematica che. n=1 Disponiamo quindi di una caratterizzazione concreta del dominio di T . con i loro suggerimenti. y ` uno spazio di Hilbert. hanno contribuito a migliorare queste dispense. Mostrare che lo spazio lineare D(T ).100 Nei seguenti esercizi valgano le ipotesi del Teorema Spettrale. D(T ) = T x. munito del prodotto interno x. Ringraziamenti Voglio ringraziare Clemente Zanco (il primo vero Maestro di Analisi Matematica) per i suoi utilissimi consigli sul capitolo degli Spazi di Banach. wn |2 < ∞. e Esercizio 30. Esercizio 28.

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->