UNIVERSIDADE ESTADUAL DO SUDOESTE DA BAHIA

DEPARTAMENTO DE CI

ENCIAS EXATAS
CURSO DE LICENCIATURA EM MATEM

ATICA
ESPAC OS DE HILBERT
Gislan Silveira Santos
Vitoria da Conquista, Ba
Julho de 2008
Gislan Silveira Santos
ESPAC OS DE HILBERT
Monograa apresentada ao colegiado do curso
de Licenciatura em Matematica da Universidade
Estadual do Sudoeste da Bahia, como parte dos
requisitos para obtencao do Grau de Licenciado
em Matematica.
Orientador: Prof. Antonio Augusto O. Lima.
Vitoria da Conquista, Ba
Julho de 2008
Em memoria do meu querido pai,
Gileno Messias Santos,
e da minha maravilhosa avo,
Maria Jose dos Santos.
Eternos amigos.
Agradecimentos
Neste momento importante de minha vida, varias pessoas merecem os meus verdadeiros
agradecimentos. Antes de cita-las, peco desculpas por alguns esquecimentos.
Agradeco a Deus por ter me dado forcas para alcancar os meus objetivos.
A minha mae, Luzia da Silveira Lopes, que tem contribudo com tudo durante toda
minha vida.
A minha noiva, Arlana Thase, a qual tem me apoiado, com muito amor e carinho, em
minhas escolhas.
Aos meus irmaos, Darlan e Leticia, pelo apoio incondicional durante esta caminhada.
Aos meus tios e tias, primos e primas, a todos os meus familiares, obrigado pelo apoio.
A todos os professores do curso de Matematica da UESB responsaveis pela minha
formacao, em especial, aos professores: Benedito Melo Acioly e Wallace Juan Teixeira
Cunha por estarem sempre disponveis a me ajudar.
A todos os colegas do curso, especialmente a Luiz, Adson e Bruno Rafael, ou melhor,
Seu Lunga, Um Milhao e Carlitos Tevez, pela amizade e companheirismo.
A minha amiga, Dani Lora, por me ajudar no ingles durante a realizacao deste trabalho.
Aos meus amigos Gleyton, Darlan, Moises, Joaquim e Robson, a galera do sinuca,
que sempre estiveram comigo em todos os momentos.
A todos os funcionarios da UESB, em especial aos funcionarios da Biblioteca, do DCE,
do Laboratorio de Matematica e do Colegiado do curso de Matematica, pela paciencia,
gentileza e disposicao.
Ao meu orientador, Prof. Antonio Augusto Oliveira Lima, o maior responsavel pelos
frutos positivos deste trabalho, agradeco pela disposicao, paciencia e amizade. Uma
pessoa excepcional.
Resumo
Iniciamos com uma introducao basica sobre

Algebra Linear e Espacos Metricos, para
dar suporte no entendimento da denicao de Espacos de Hilbert.
Denimos que um Espaco de Hilbert e um espaco vetorial normado completo, em que a
norma provem de um produto interno, ou seja, e um Espaco de Banach proveniente de um
produto interno. Provamos que se F e um subespaco fechado de um espaco de Hilbert H,
entao H = F F

, ou seja, o espaco de Hilbert H pode ser escrito como soma direta de

um subespaco F com o conjunto de todos os vetores de H ortogonais a F, onde este
conjunto e denominado por F

= x H : x, y) = 0, y F. Alem disso, mostramos o

teorema espectral para operadores auto-adjuntos compactos, em que e enunciado da seguinte
maneira: seja A um operador auto-adjunto compacto no espaco de Hilbert H. Entao a famlia
de auto-espaco H
c
, onde c varia sobre todos os autovalores (incluindo 0), e uma decom-
posicao ortogonal de H.
Palavras-chave: Espacos de Hilbert, Bases Ortonormais, Operadores Auto-adjuntos e
Teorema Espectral.
Abstract
We start with a basic introduction about Linear Algebra and Metric Spaces, to give
support for the understanding of the denition of Hilbert Spaces.
We dene that a Hilbert Space is a complete normed vector space, in which the norm
comes from an inner product, that is, it is a Banach Space proceeding from an inner product.
We prove that if F is a closed subspace from an Hilbert space H, then H = F F

,
that is, the Hilbert space H may be written as the direct sum of a subspace F as
a set of all the vectors from H orthogonal to F, where this set is denominated by
F

= x H : x, y) = 0, y F. Besides, we show the spectral theorem for compact

self adjoint operators, in which it is enunciated in the following way: let A be a compact
self adjoint operator on the Hilbert space H. Then the family of eigenspaces H
c
, where c
ranges over all eigenvalues (including 0), is an orthogonal decomposition of H.
Key Words: Hilbert Space, Orthonormal Basis, Self Adjoint Operators and Spectral
Theorem.
Sumario
Introducao 9
1 Breve Historico de David Hilbert 10
2 Topicos de

Algebra Linear 13
2.1 Espacos Vetoriais . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 Subespacos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3 Bases e Dimensao . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4 Transformacoes Lineares . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3 Espacos Metricos 19
3.1 Espacos Metricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2 Espacos Vetoriais Normados . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.3 Espacos Vetoriais com Produto Interno . . . . . . . . . . . . . . . . . . . . . 21
3.4 Seq uencias de Cauchy . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.5 Espacos Metricos Completos . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
4 Espacos de Hilbert 25
4.1 Denicao e exemplos de Espacos de Hilbert . . . . . . . . . . . . . . . . . . . 25
4.2 Ortogonalidade e Bases Ortonormais . . . . . . . . . . . . . . . . . . . . . . 26
4.3 Propriedades dos Espacos de Hilbert . . . . . . . . . . . . . . . . . . . . . . 28
4.4 Bases Ortonormais em Espacos de Hilbert . . . . . . . . . . . . . . . . . . . 30
4.5 Funcionais e Operadores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
4.6 Teorema Espectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
Consideracoes Finais 41
7
8
Referencias Bibliogracas 42
Introducao
O objetivo principal deste trabalho e apresentar, de uma maneira simples, a denicao
de Espacos de Hilbert e algumas de suas propriedades. Com intuito de servir como um
auxliopara um estudo de iniciacao em analise funcional.
No Captulo 1, sera apresentado um breve historico da vida e obra do matematico
David Hilbert, mostrando seus principais trabalhos e suas contribuicoes para o avanco da
matematica.
No Captulo 2, mostraremos conceitos basicos da

Algebra Linear, com uma abordagem
proxima de [2] e [4]. Tais assuntos mencionados neste captulo, servirao como pre-requisitos
para o entendimento do restante do texto.
O Captulo 3 e dedicado ao estudo geral de Espacos Metricos. Veremos as denicoes
de espacos vetoriais normados, espacos com produto interno, seq uencia de Cauchy, espacos
metricos completos e uma nocao de espaco de Banach. Este captulo esta baseado em [10] e
alguns livros de analise citados nas referencias.
O tema central deste trabalho se encontra no Captulo 4, em que consiste em denir
Espacos de Hilbert e mostrar algumas propriedades e aplicacoes destes espacos. Alem disso,
sera demonstrado alguns teoremas importantes, como o Teorema da representacao de Riesz
e o Teorema espectral para operadores auto-adjuntos compactos. A fundamentacao deste
captulo pode ser encontrada em [3], [8], [9], [11] e [12].
9
Captulo 1
Breve Historico de David Hilbert
David Hilbert nasceu no dia 23 de Janeiro de 1862, em Konigsberg, na Pr ussia Oriental,
(atual Kaliningrado, na R ussia) cidade em que surgiu o problema das sete pontes, resolvido
por Leonhard Euler, em 1736. Hilbert recebeu seu Ph.D. na Universidade de Konigsberg em
1885 e lecionou, na mesma, no perodo de 1886 ate 1894. Em 1895 tornou-se professor da
Universidade de Gottigen, na Alemanha, onde permaneceu ate sua aposentadoria em 1930.
No dia 14 de Fevereiro de 1943, faleceu na cidade de Gottigen.
Hilbert e considerado como um dos maiores matematicos do seculo XX. Realmente, foi
um matematico talentoso, contribuindo nas diversas areas da matematica.
Segue abaixo algumas de suas contribuicoes:
Teoria dos Invariantes (1885-1892);
Teoria dos n umeros algebricos (1893-1899);
Fundamentos da Geometria (1898-1899);
Problema de Dirichlet e o calculo de variacoes (1900-1905);
Equacoes Integrais, incluindo a teoria espectral e o conceito de espaco de Hilbert (ate
1912).
Talvez nenhuma contribuicao a um Congresso Internacional seja tao famoso quanto a
que Hilbert propos, no Congresso Internacional de Matematica em Paris no mes de agosto do
ano de 1900. Consistia numa lista de 23 problemas, dos quais alguns nao foram resolvidos
ate hoje, o que resultou um grande enriquecimento para a matematica com o trabalho
subseq uente de resolve-los.
Os 23 problemas de Hilbert sao:
1. Provar a hipotese do continuum (HC) de Cantor;
10
11
2. Demonstrar a consistencia dos axiomas da aritmetica;
3. Pode-se provar que dois tetraedros tem o mesmo volume (sob certas condicoes)?
4. Construir todos os espacos metricos em que as linhas sao geodesicas;
5. Todo grupo contnuo e automaticamente um grupo diferencial?
6. Transformar toda a Fsica em axiomas;
7. O n umero

, onde e algebrico (,= 0 e ,= 1) e e irracional e algebrico, e transcen-

dente?
8. A Hipotese de Riemann e a Conjectura de Goldbach;
9. Achar a lei de reciprocidade mais geral em todo campo de n umero algebrico;
10. Encontrar um algoritmo que determine se uma equacao diofantina tem solucao;
11. Classicar as formas quadraticas a coecientes nos aneis algebricos inteiros;
12. Estender o teorema de Kroneker para os corpos nao abelianos;
13. Demonstrar a impossibilidade de resolver equacoes de setimo grau atraves de funcoes
de somente duas variaveis;
14. Provar o caracter nito de certos sistemas completos de funcoes;
15. Desenvolver bases solidas para o calculo enumerativo de Schubert;
16. Desenvolver uma topologia de curvas e superfcies algebricas;
17. Demonstrar que uma funcao racional positiva pode ser escrita sob a forma de soma de
quadrados de funcoes racionais;
18. Construir um espaco Euclidiano com poliedros congruentes. Qual a maneira mais densa
de se empacotarem esferas?
19. Provar que o calculo de variacoes e sempre necessariamente analtico;
20. Todos os problemas variacionais com certas condicoes de contorno tem solucao?
21. Prova da existencia de equacoes diferenciais lineares tendo um determinado grupo
monodromico;
22. Uniformizar as curvas analticas atraves de funcoes automorfas;
23. Desenvolver um metodo geral de resolucao no calculo de variacoes.
12
O nome de Hilbert e mais conhecido dos estudantes sobretudo nos seus famosos espacos
de Hilbert, que entre 1909 e 1912 comecou a introduzir durante seus trabalhos em analise
sobre as equacoes integrais. Mas foi J. Von Neumann quem, por volta de 1930, introduziu a
denicao abstrata de espacos de Hilbert, a qual foi necessaria na formulacao matematica da
Mecanica Quantica que acabara de surgir.
Captulo 2
Topicos de

Algebra Linear
O objetivo deste captulo e revisar algumas nocoes basicas da

Algebra Linear (espacos vetoriais,
subespacos, bases, dimensao, tranformacoes lineares, etc), que vamos precisar no decorrer deste
trabalho.
2.1 Espacos Vetoriais
O corpo R ou o corpo C serao denotados por K.
2.1.1 Definic

ao. Um conjunto nao-vazio V e um espaco vetorial sobre o corpo K (deno-

tamos tambem como K-espaco vetorial) se seus elementos (chamados vetores) podem ser
somados e multiplicados por escalares (elementos do corpo). Ou seja, dizemos que V e um
espaco vetorial sobre o corpo K se estiverem denidas as seguintes duas operacoes:
( + ) : V V V
(u, v) u + v
( . ) : KV V
(k, v) k.v
tal que u, v, w V e , K temos as seguintes propriedades:
(A1) u + v = v + u (comutativa)
(A2) (u + v) + w = u + (v + w) (associativa)
(A3) 0 V tal que 0 + u = u (vetor nulo)
(A4) u V, u V tal que u + (u) = 0 (vetor oposto)
(P5) (.).v = .(.v) (associativa)
(P6) 1.v = v (1 e o elemento identidade de K)
(P7) .(u + v) = .u + .v (distributiva)
13
14
(P8) ( + ).v = .v + .v (distributiva)
Denotaremos u + (v) simplesmente por u v.
Vejamos abaixo alguns exemplos de espacos vetoriais.
Exemplo 2.1. O conjunto K
n
= (x
1
, x
2
, . . . , x
n
)[ x
i
K (i = 1, 2, . . . , n) com as denicoes
usuais de adicao e multiplicacao por escalar e um espaco vetorial.
Exemplo 2.2. O R
n
com as operacoes:
(x
1
, x
2
, . . . , x
n
) + (y
1
, y
2
, . . . , y
n
) = (x
1
+ y
1
, x
2
+ y
2
, . . . , x
n
+ y
n
)
k.(x
1
, x
2
, . . . , x
n
) = (k.x
1
, k.x
2
, . . . , k.x
n
)
e um espaco vetorial pelo exemplo acima.
Exemplo 2.3. O conjunto das matrizes reais de ordem mn, com as operacoes usuais e um
espaco vetorial, tal que o elemento neutro da adicao e a matriz nula.
Exemplo 2.4. O conjunto dos polinomios, com coecientes reais, de grau menor ou igual a
n, com as operacoes abaixo:
p(x) + q(x) = (a
x
+ b
n
)x
n
+ . . . + (a
1
+ b
1
)x + (a
0
+ b
0
)
k.p(x) = ka
n
x
n
+ . . . + ka
1
x + ka
0
e um espaco vetorial, onde p(x) = a
n
x
n
+ . . . + a
1
x + a
0
e um elemento deste espaco e o
polinomio 0x
n
+ . . . + 0x + 0 e o elemento neutro da adicao.
Exemplo 2.5. Sejam um conjunto qualquer X ,= e T(X, K) o conjunto de todas as funcoes
f : X K. Dena as seguintes operacoes em T(X, K):
para f, g T(X, K), dena a funcao f +g : X K dada por (f +g)(x) = f(x)+g(x)
para cada x X.
para f T(X, K) e K, dena a funcao .f : X K dada por (.f)(x) = .f(x)
para cada x X.
Com estas operacoes, o conjunto T(X, K) e um espaco vetorial sobre K, onde a funcao nula
e o vetor nulo desse espaco. Este conjunto e denominado espaco de funcoes.
15
2.2 Subespacos
2.2.1 Definic

ao. Seja V um espaco vetorial sobre K. Seja um subconjunto W ,= de V .

Dizemos que W e subespaco vetorial de V se e somente se sao validas as seguintes condicoes:
(i) 0 W;
(ii) se u, v W entao u + v W;
(iii) se K e v W entao .v W.
A restricao das operacoes de V a W torna esse subconjunto um K-espaco vetorial.
Todo espaco vetorial V admite pelo menos dois subespacos: o poprio espaco V e o
conjunto 0
V
, chamado subespaco nulo. Estes dois subespacos sao denominados subespacos
triviais ou improprios de V . Os demais subespacos de V sao chamados de subespacos proprios
de V .
2.2.2 Definic

ao. Sejam W
1
e W
2
dois subespacos vetoriais de um espaco vetorial V . Dize-
mos que a soma W
1
+ W
2
e direta se W
1
W
2
= 0 e, neste caso, escrevemos W
1
W
2
.
2.2.3 Definic

ao. Seja V um K-espaco vetorial e sejam W

1
, W
2
subespacos de V . Dizemos
que V e a soma direta de W
1
e W
2
se V = W
1
W
2
.
2.2.4 Proposic

ao. Seja V = W
1
W
2
um K-espaco vetorial. Entao todo elemento v V
se escreve de maneira unica como uma soma v = w
1
+ w
2
com w
1
W
1
e w
2
W
2
.
Demonstracao: Veja a demonstracao em [4].
2.3 Bases e Dimensao
Nesta secao vamos discutir um dos conceitos mais importantes envolvendo a estrutura
de espaco vetorial. Antes de denir o conceito de base, iremos denir os seguintes conceitos:
combinacao linear, conjunto gerador, independencia linear e dependencia linear. A partir do
conceito de base deniremos dimensao.
2.3.1 Definic

ao. Seja V um espaco vetorial sobre K.

(i) Um vetor v V e uma combinacao linear dos vetores v
1
, . . . , v
n
V se existirem escalares

1
, . . . ,
n
K tais que:
16
v =
1
.v
1
+ . . . +
n
.v
n
=
n

i=1

i
.v
i
.
(ii) Seja B um subconjunto de V . Dizemos que B e um conjunto gerador de V (ou que B
gera V) se, para todo v V , existirem (nitos) elementos v
1
, . . . , v
n
B e escalares

1
, . . . ,
n
K tais que v =
1
.v
1
+ . . . +
n
.v
n
. Denotamos por [B] = V .
2.3.2 Definic

ao. Sejam V um K-espaco vetorial e B um subconjunto de V .

(i) Dizemos que B e linearmente independente (L.I.) se
1
.v
1
+. . . +
n
.v
n
= 0, para v
i
B
e
i
K, i = 1, . . . , n, implica que
1
= . . . =
n
= 0 e a unica solucao.
(ii) O conjunto B e linearmente dependente (L.D.) se nao for L.I., ou seja, existe
i
K

,
i = 1, . . . , n, tal que
1
.v
1
+ . . . +
n
.v
n
= 0.
2.3.3 Definic

ao. Seja V um K-espaco vetorial. Dizemos que um conjunto B V e uma

base de V se sao validas as condicoes seguintes:
(i) B gera V ([B] = V );
(ii) B for L.I.
2.3.4 Definic

ao. Um espaco vetorial V e de dimensao nita se e somente se V possui uma

base nita. Ou seja, o n umero n de elementos de uma base nita de V chama-se dimensao
de V, onde denotaremos por dim(V ). Caso contrario, dizemos que V tem dimensao innita.
Exemplo 2.6. Em R
2
, B = (1, 0) , (0, 1) e uma base de R
2
, tambem chamada de base
canonica do espaco R
2
. Como esta base possui dois elementos, entao dim(R
2
) = 2.
Em geral, dim(R
n
) = n. Uma base para o R
n
pode ser a base canonica B = e
1
, e
2
, . . . , e
n
,
onde e
1
= (1, 0, 0, . . . , 0), e
2
= (0, 1, 0, . . . , 0),. . . , e
n
= (0, 0, 0, . . . , 1).
Exemplo 2.7. Exemplos de dimensao:
(a) dim(K
n
) = n (K
n
e um K-espaco vetorial).
(b) dim(C
n
) = n, quando C
n
e um C-espaco e dim(C
n
) = 2n, quando for um R-espaco.
(c) dim(M
mn
(C)) = m.n, quando M
mn
(C) e um C-espaco e dim(M
mn
(C)) = 2.m.n,
quando for um R-espaco.
17
(d) dim(P
m
(K)) = m + 1 (P
m
(K) e um K-espaco vetorial).
2.3.5 Proposic

ao. Sejam V um espaco vetorial e U e W dois subespacos vetoriais de V,

ambos de dimensao nita. Entao
dim(U + W) = dimU + dimW dim(U W).
Demonstracao: A demonstracao pode ser encontrada em [4].
2.4 Transformacoes Lineares
2.4.1 Definic

ao. Sejam U e V K-espacos vetoriais. Uma aplicacao T : U V e uma

transformacao linear se sao validas as condicoes:
(i) T(u
1
+ u
2
) = T(u
1
) + T(u
2
), u
1
, u
2
U;
(ii) T(.u) = .T(u), K e u U.
2.4.2 Proposic

ao. Sejam U e V K-espacos vetoriais. Entao uma aplicacao T : U V

e uma transformacao linear se e somente se
T(.u
1
+ u
2
) = .T(u
1
) + T(u
2
), u
1
, u
2
U, K.
Demonstracao: Deixada a cargo do leitor.
Observacao 2.1. Sejam U e V K-espacos vetoriais. Seja T : U V uma transformacao
linear.
1. Se W e um subespaco vetorial de U, entao a imagem de W por T e um subespaco de
V ;
2. Se U = V entao T e chamado de operador linear;
3. Se V = K entao T e chamado de funcional linear;
4. Se T for uma bijecao, dizemos que T e um isomorsmo e que os espacos U e V sao
isomorfos;
5. Se T e bijetiva e U = V entao T e chamado de automorsmo.
18
2.4.3 Definic

ao. Seja T : U V uma transformacao linear. Denimos a imagem de T

(denotada por Im(T)) por
Im(T) = v V ; T(u) = v, u U.
Denimos o n ucleo de T (denotado por ker(T)) por
ker(T) = u U; T(u) = 0.
2.4.4 Proposic

ao. Sejam U e V espacos vetoriais sobre o corpo K e T : U V uma

transformacao linear. Entao
(i) ker(T) e um subespaco de U e a Im(T) e um subespaco de V;
(ii) T e injetiva se e somente se ker(T) = 0.
Demonstracao: Deixada a cargo do leitor.
2.4.5 Teorema (do N

ucleo e da Imagem). Sejam U e V espacos vetoriais sobre o corpo

K e T : U V uma transformacao linear. Entao
dim U = dim ker(T) + dim Im(T).
Demonstracao: Veja a demonstracao em [2] ou [4].
2.4.6 Corol

ario. Sejam U e V espacos vetoriais de mesma dimensao. Seja T : U V

uma transformacao linear. Entao as seguintes armacoes sao equivalentes:
1. T e sobrejetiva;
2. T e injetiva;
3. T e bijetiva;
4. T leva base em base, ou seja, se B e uma base de U entao T(B) e base de V.
Demonstracao: Deixada a cargo do leitor.
Captulo 3
Espacos Metricos
O objetivo deste captulo e apresentar as denicoes de espacos metricos, espacos vetoriais
normados, espacos vetoriais com produto interno e espacos metricos completos, para ser utilizados
no proximo captulo, com o intuito de denir e mostrar alguns exemplos de Espacos de Hilbert.
3.1 Espacos Metricos
3.1.1 Definic

ao. Uma metrica num conjunto M e uma funcao d : M M R, que

associa a cada par de elementos x, y M um n umero real d(x, y), chamado a distancia de x
a y, tal que x, y, z M, as seguintes condicoes sao satisfeitas:
(D1) d(x, y) = 0 y = x
(D2) d(x, y) > 0 se x ,= y
(D3) d(x, y) = d(y, x)
(D4) d(x, z) d(x, y) + d(y, z) (desigualdade triangular)
3.1.2 Definic

ao. Um par (M, d) diz-se um espaco metrico, se d for uma metrica (tambem
conhecida como funcao distancia) em M, onde M e um conjunto.
Vejamos abaixo alguns exemplos de espacos metricos.
Exemplo 3.1. O conjunto R dos n umeros reais, com a metrica denida por d(x, y) = [ xy [
para x, y R, e um espaco metrico. Esta metrica tambem e chamada de metrica usual da
reta.
Exemplo 3.2. Em R
n
, dados x = (x
1
, . . . , x
n
) e y = (y
1
, . . . , y
n
), ha tres maneiras naturais
de se denir a distancia de x a y neste espaco. Para x, y R
n
, escreveremos:
19
20
d
1
(x, y) =
_
(x
1
y
1
)
2
+ . . . + (x
n
y
n
)
2
=
_
n

i=1
(x
i
y
i
)
2
_
1/2
d
2
(x, y) = [ x
1
y
1
[ + . . . +[ x
n
y
n
[ =
n

i=1
[ x
i
y
i
[
d
3
(x, y) = max [ x
1
y
1
[ , . . . , [ x
n
y
n
[ = max
1in
[ x
i
y
i
[
As funcoes d
1
, d
2
, d
3
: R
n
R
n
R sao metricas. Com isto o R
n
e um espaco metrico.
Exemplo 3.3. A metrica zero-um, denida por d : M M R pondo
d(x, y) =
_
_
_
0, se x = y
1, se x ,= y
O espaco metrico (M, d) que se obtem desta maneira e util para contra-exemplos. Este
espaco e tambem chamado de espaco metrico discreto.
3.2 Espacos Vetoriais Normados
3.2.1 Definic

ao. Seja E um K-espaco vetorial. Uma norma em E e uma aplicacao

| | : E K
x | x |
chamado a norma de x, tal que x, y E e K, satisfaz as seguintes condicoes:
(N1) | x | 0 e | x | = 0 x = 0
(N2) | .x | = [ [ . | x |
(N3) | x + y | | x | + | y | (desigualdade triangular)
3.2.2 Definic

ao. Um espaco vetorial normado e um par (E, | |), onde E e um K-espaco

vetorial e | | e uma norma em E.
Em vez de usarmos (E, | |) para designar espaco vetorial normado, usaremos apenas
E, deixando a norma subtendida.
3.2.3 Proposic

ao. Todo espaco vetorial normado e metrico.

Demonstracao: De fato, todo espaco vetorial normado E possui uma metrica natural,
denida a partir da norma, dada por d(x, y) = | x y |. Com isso, verica-se facilmente as
condicoes (D1), (D2), (D3) e (D4) de espacos metricos.
21
A metrica d(x, y) = | x y | diz-se proveniente da norma | |.
Exemplo 3.4. Em R
n
as metricas d
1
, d
2
e d
3
sao provenientes das normas | |
1
, | |
2
e
| |
3
, respectivamente, onde estas normas, para x = (x
1
, . . . , x
n
) R
n
, sao denidas da
seguinte maneira:
| x |
1
=
_
(x
1
)
2
+ . . . + (x
n
)
2
=

i=1
(x
i
)
2
| x |
2
= [ x
1
[ + . . . + [ x
n
[ =
n

i=1
[ x
i
[
| x |
3
= max [ x
1
[ , . . . , [ x
n
[ = max
1in
[ x
i
[
3.3 Espacos Vetoriais com Produto Interno
Nesta secao iremos denir produto interno. Pois no Captulo 4, precisaremos desta
denicao para comercarmos a trabalhar com os Espacos de Hilbert.
3.3.1 Definic

ao. Seja E um K-espaco vetorial, onde K = R ou K = C. Um produto

interno em E e uma aplicacao , ) : E E K satisfazendo as seguintes propriedades:
(P1) x + y, z) = x, z) +y, z) , x, y, z E
(P2) .x, y) = .x, y) , K, x, y E
(P3) x, y) = y, x) , x, y E
(P4) x, x) > 0, se x ,= 0
Se E for um espaco vetorial sobre os complexos, entao E e o seu produto interno tambem
sao chamados, respectivamente, de espaco hermitiano e produto hermitiano.
A partir do produto interno, podemos denir a norma de um vetor x E como sendo
| x |=
_
x, x), isto e, | x |
2
= x, x). As condicoes (N1) e (N2) sao obviamentes satisfeitas.
Enquanto que a condicao (N3) decorre da chamada
Desigualdade de Cauchy-Schwarz: [ x, y) [ | x | . | y |
Exemplo 3.5. O R
n
e o exemplo mais natural de espaco vetorial com produto interno. Onde
e denido por
x, y) = x
1
y
1
+ . . . + x
n
y
n
=
n

i=1
x
i
y
i
, onde x = (x
1
, . . . , x
n
) e y = (y
1
, . . . , y
n
).
22
As propriedades do produto interno sao claramente satisfeitas. Este produto tambem e
conhecido como produto canonico ou produto escalar. A norma | x |=

i=1
(x
i
)
2
provem
deste produto interno.
No captulo 4, mostraremos maiores detalhes sobre espacos com produto interno, que
tambem sao conhecidos como espacos pre-Hilbertianos.
3.4 Seq uencias de Cauchy
Antes de denirmos o que e uma seq uencia de Cauchy, vamos denir como sao as
seq uencias num espaco metrico.
3.4.1 Definic

ao. Seja M um espaco metrico. Uma seq uencia em M e uma aplicacao

x : N M, denida no conjunto N = 1, 2, . . . , n, . . ..
Denotamos por x
n
, em vez de x(n), o valor que a seq uencia x assume no n umero n N, e
chamamos este n umero de o n-esimo termo da seq uencia. A notacao (x
n
) sera a representacao
de uma seq uencia.
3.4.2 Definic

ao. Seja (x
n
) uma seq uencia num espaco metrico M. Diz-se que o ponto
a M e limite da seq uencia (x
n
) quando, > 0, n
0
N tal que n > n
0
= d(x
n
, a) < .
Neste caso, dizemos que (x
n
) e convergente em M e indicamos como limx
n
= a ou x
n
a.
Se n ao existe limx
n
em M, entao dizemos que a seq uencia e divergente em M.
3.4.3 Definic

ao. Uma seq uencia (x

n
) no espaco metrico M chama-se limitada quando
k > 0 tal que d(x
m
, x
n
) k para quaisquer m, n N.
3.4.4 Proposic

ao. Toda seq uencia convergente e limitada.

Demonstracao: Veja a demonstracao em [10].
3.4.5 Proposic

ao (Unicidade do limite). Uma seq uencia nao pode convergir para dois
limites diferentes.
Demonstracao: Veja a demonstracao em [10].
3.4.6 Definic

ao. Seja M um espaco metrico. Uma seq uencia (x

n
) em M chama-se uma
seq uencia de Cauchy quando,
> 0 dado, n
0
N tal que m, n > n
0
= d(x
m
, x
n
) < .
23
3.4.7 Proposic

ao. Toda seq uencia convergente e de Cauchy.

Demonstracao: Se limx
n
= a no espaco metrico M entao, dado > 0, n
0
N tal que
n > n
0
= d(x
n
, a) < /2. Se tomarmos m, n > n
0
teremos
d(x
m
, x
n
) d(x
m
, a) + d(x
n
, a) <

2
+

2
= .
Logo, (x
n
) e de Cauchy.
3.4.8 Proposic

ao. Toda seq uencia de Cauchy e limitada.

Demonstracao: Seja (x
n
) uma seq uencia de Cauchy no espaco metrico M. Dado
= 1, n
0
N tal que m, n > n
0
= d(x
m
, x
n
) < 1. Logo o conjunto x
n
0
+1
, x
n
0
+2
, . . . e
limitado e tem diametro 1. Segue-se que
x
1
, x
2
, . . . , x
n
, . . . = x
1
, . . . , x
n
0
x
n
0
+1
, x
n
0
+2
, . . .
e limitado.
Observacao 3.1. 1. Nem toda seq uencia de Cauchy e convergente. Pois, tomemos uma
seq uencia de n umeros racionais x
n
convergindo para um n umero irracional a. (Por
exemplo, x
1
= 1, x
2
= 1, 4, x
3
= 1, 41, x
4
= 1, 414 . . . , com limx
n
=

2). Sendo
convergente em R, segue-se da Proposicao 3.4.7 que (x
n
) e uma seq uencia de Cauchy
no espaco metrico Q dos n umeros racionais. Mas (x
n
) nao e convergente em Q.
2. Nem toda seq uencia limitada e de Cauchy. Por exemplo: (1, 0, 1, 0, . . .) na reta, embora
limitada, nao e de Cauchy pois d(x
n
, x
n+1
) = 1, n.
3.5 Espacos Metricos Completos
3.5.1 Definic

ao. Um espaco metrico, M, diz-se completo se toda seq uencia de Cauchy em

M for convergente.
Exemplo 3.6. A reta e um espaco metrico completo.
Exemplo 3.7. O R
n
e um espaco metrico completo.
3.5.2 Definic

ao. Um espaco de Banach e um espaco vetorial normado completo.

Exemplo 3.8. O R
n
e um espaco de Banach.
24
Exemplo 3.9. Sao tambem espacos de Banach: B(X; F), (
0
(M; F) e L(E; F), em que
B(X; F) e o conjunto das funcoes limitadas f : X F,
(
0
(M; F) e o conjunto das funcoes contnuas e limitadas f : M F e
L(E; F) e o conjunto das transformacoes lineares contnuas T : E F.
Onde X e um conjunto qualquer, M um espaco metrico, E um espaco vetorial e F um espaco
de Banach.
Captulo 4
Espacos de Hilbert
Neste captulo iremos apresentar a denicao de espaco de Hilbert e suas propriedades basicas.
Mostraremos conceitos importantes de espaco com produto interno e alguns exemplos de espacos
de Hilbert. No nal, vamos demonstrar o Teorema Espectral para operadores auto-adjuntos
compactos.
4.1 Denicao e exemplos de Espacos de Hilbert
4.1.1 Definic

ao. Um espaco de Hilbert e um espaco vetorial normado completo tal que a

norma e denida a partir de um produto interno neste espaco, ou seja, um espaco de Hilbert
e um espaco de Banach munido de um produto interno. No decorrer do captulo as notacoes
H, H
1
, H
2
, . . . , sempre denotarao espacos de Hilbert.
Exemplo 4.1. O R
n
com o produto interno x, y) =
n

i=1
x
i
.y
i
e um espaco de Hilbert.
Exemplo 4.2. Um dos exemplos importante de espaco de Hilbert e o espaco das seq uencias
de quadrados somaveis, ou espaco l
2
. Este espaco e constitudo por todas as seq uencias
x = (x
1
, . . . , x
i
, . . .) de n umeros reais ou complexos tais que

i=1
x
2
i
< +.
Dado x l
2
, escreveremos | x | =

i=1
x
2
i
. Assim e facil ver que l
2
e um espaco de
Hilbert.
Antes de prosseguirmos com o tema deste captulo, a partir deste momento, vamos
retomar aos espacos com produto interno (ou pre-Hilbertianos) para apresentar os seguintes
conceitos: ortogonalidade, teorema de Pitagoras, lei do paralelogramo e bases ortonormais.
Depois de mostrarmos tais conceitos, podemos continuar a apresentacao dos exemplos
de espacos de Hilbert e suas propriedades.
25
26
4.2 Ortogonalidade e Bases Ortonormais
4.2.1 Definic

ao. Sejam v, w E, onde E e um espaco com produto interno. Dizemos que

v e w sao ortogonais (ou perpendiculares) se v, w) = 0. O smbolo v w indicara que
esses vetores sao ortogonais. Se F, S sao subconjuntos de E, entao F S indica que v w
sempre que v F e w S. Alem disso, se F e S forem subespacos, diz-se que eles sao
ortogonais. Denota-se por S

o conjunto de todos os vetores de E ortogonais a S, ou seja,

S

= v E : v, w) = 0, w S.
4.2.2 Proposic

ao. Num espaco com produto interno, v w se, e somente se,

| v + tw | | v |, t K.
Demonstracao: Veja a demonstracao em [11].
4.2.3 Definic

ao. Seja E um espaco com produto interno. Dizemos que um subconjunto

X E e ortonormal se for um conjunto ortogonal e u X, u e unitario
1
.
Observacao 4.1. Se X = u
1
, . . . , u
n
E e um conjunto ortogonal com u
j
,= 0, para
j = 1, . . . , n, entao
_
u
1
| u
1
|
, . . . ,
u
n
| u
n
|
_
e um conjunto ortonormal.
4.2.4 Definic

ao. Seja E um espaco com produto interno de dimensao n. Se u

1
, . . . , u
n

formam um conjunto ortonormal, entao diremos que u

1
, . . . , u
n
formam uma base ortonor-
mal de E.
Num espaco com produto interno, temos duas identidades uteis, chamadas: o Teorema
de Pitagoras e a Lei do Paralelogramo. Veja abaixo tais identidades:
4.2.5 Teorema (de Pit

agoras). Sejam u, w E, onde E e um espaco com produto

interno e | u | =
_
u, u). Se u w, entao | u + w |
2
= | u |
2
+ | w |
2
.
Demonstracao: Basta desenvolver | u + w |
2
:
| u + w |
2
= u + w, u + w) = u, u) +u, w) +w, u) +w, w) = | u |
2
+ | w |
2
,
pois u e w sao ortogonais.
4.2.6 Proposic

ao (Lei do Paralelogramo). Em todo espaco com produto interno vale

a lei do paralelogramo: | u + w |
2
+ | u w |
2
= 2 (| u |
2
+ | w |
2
).
1
Um vetor u diz-se unitario, se | u | = 1.
27
Demonstracao: Basta desenvolver | u + w |
2
+ | u w |
2
:
| u + w |
2
+ | u w |
2
= u + w, u + w) +u w, u w)
= u, u) +w, w) + 2u, w) +u, u) +w, w) 2u, w)
= 2u, u) + 2w, w)
= 2 (| u |
2
+ | w |
2
).
4.2.7 Definic

ao. Seja E um espaco com produto interno. Seja v

i

iI
uma famlia dos
elementos de E tais que | v
i
| ,= 0, i. Para cada subfamlia nita de v
i

iI
, podemos
tomar o espaco gerado por esta subfamlia, isto e, combinacoes lineares
c
1
v
i
1
+ c
2
v
i
2
+ c
3
v
i
3
+ . . . + c
n
v
i
n
, com coecientes complexos c
i
.
A uniao de todos tais espacos e chamado o espaco gerado pela famlia v
i

iI
.
4.2.8 Definic

ao. Sejam E um espaco com produto interno e F o espaco gerado pela famlia
v
i

iI
. Dizemos que a famlia v
i
e total em E se o fecho
2
de F e igual a todo E, ou seja,
F = E.
4.2.9 Definic

ao. Dizemos que a famlia v

i
e uma famlia ortogonal, se seus elementos
sao mutuamente perpendiculares, em que v
i
, v
j
) = 0 se i ,= j, e se alem disso | v
i
| , = 0 i.
E chamamos de famlia ortonormal quando for ortogonal e | v
i
| = 1, i.
4.2.10 Proposic

ao. Seja v
i
uma famlia ortogonal em E. Seja x E e seja c
i
o
coeciente de Fourier
3
de x com respeito a v
i
. Seja a
i
uma famlia de n umeros (reais ou
complexos). Entao
_
_
_
_
_
x
n

k=1
c
k
.v
k
_
_
_
_
_

_
_
_
_
_
x
n

k=1
a
k
.v
k
_
_
_
_
_
.
Demonstracao: Sabemos que x
n

k=1
c
k
.v
k
e ortogonal a cada um v
i
, i = 1, . . . , n.
2
O fecho de um conjunto X num espaco metrico M, e o conjunto X dos pontos de M que sao aderentes a
X. Dizemos que um ponto a e aderente a um subconjunto X de um espaco metrico M quando d(a, X) = 0.
3
Seja w E tal que | w | ,= 0, e seja v E. Existe um unico n umero c tal que v cw w. Ou seja,
v cw, w) = 0 cw, w) = v, w) c =
v, w)
w, w)
. Este valor c e chamado de coeciente de Fourier de v
com respeito a w.
28
Portanto por 4.2.5 (Teorema de Pitagoras), temos:
_
_
_
_
_
x
n

k=1
a
k
.v
k
_
_
_
_
_
2
=
_
_
_
_
_
x
n

k=1
c
k
.v
k
+
n

k=1
(c
k
a
k
)v
k
_
_
_
_
_
2
=
_
_
_
_
_
x
n

k=1
c
k
.v
k
_
_
_
_
_
2
+
_
_
_
_
_
n

k=1
(c
k
a
k
)v
k
_
_
_
_
_
2
.
Isto prova a desigualdade desejada.
4.3 Propriedades dos Espacos de Hilbert
A nalidade desta secao e apresentar proposicoes e teoremas nos espacos de Hilbert, em
que vamos peceber algumas aplicacoes de conceitos que foram (ou serao) introduzidos.
Antes de apresentarmos a primeira proposicao deste topico, iremos mostrar o seguinte
lema:
4.3.1 Lema. Seja H um espaco de Hilbert e F um subespaco fechado de H. Seja x H e
a = inf
yF
| x y |. Entao existe um elemento y
0
F tal que a = | x y
0
|.
Demonstracao: Seja (y
n
) uma seq uencia em F tal que | y
n
x | tende para a. Devemos
mostrar que (y
n
) e uma seq uencia de Cauchy. Por 4.2.6 (Lei do Paralelogramo), temos:
| y
n
y
m
|
2
= 2 | y
n
x |
2
+ 2 | y
m
x |
2
4
_
_
_
_
1
2
(y
n
+ y
m
) x
_
_
_
_
2
2 | y
n
x |
2
+ 2 | y
m
x |
2
4a
2
.
Isto e valido pois, por hipotese, a = inf
yF
| x y |. Portanto, isto mostra que (y
n
) e de
Cauchy, e assim converge para algum vetor y
0
. O lema segue pela continuidade.
4.3.2 Proposic

ao. Seja F um subespaco fechado do espaco de Hilbert H e suponha F ,= H.

Entao existe um elemento z H, z ,= 0, tal que z e perpendicular a F.
Demonstracao: Seja x H e x , F. Seja y
0
F na mnima distancia de x (Pelo
Lema 4.3.1) e seja a esta distancia. Se z = x y
0
, entao z ,= 0 desde que F e fechado.
Para todo y F, y ,= 0 e um complexo, temos:
| x y
0
|
2
| x y
0
+ y |
2
,
em que, expandindo,
0 y, z) + z, y) + y, y).
29
Pondo = tz, y), onde R t ,= 0. Podemos entao dividir por t e chegarmos a uma
contradicao para t pequeno se y, z ,= 0. Isto prova a proposicao.
4.3.3 Teorema. Se F e um subespaco fechado de um espaco de Hilbert H, entao
H = F F

.
Demonstracao: Sejam x H, a = inf
yF
| x y | e (x
n
) F de modo que
| x x
n
| a. Pelo Lema 4.3.1, temos que (x
n
) e de Cauchy em F, e assim converge para
algum y
0
F, portanto a = | x y
0
|.
Como (ty y
0
) F para todos y F e t K, obtem-se
| (x y
0
) + ty | = | x + (ty y
0
) | a = | x y
0
|,
e portanto, por 4.2.2, (x y
0
) F

. Logo, chegamos na decomposicao

x = y
0
+ (x y
0
), onde y
0
F, (x y
0
) F

.
Para ver que esta decomposicao e unica, suponhamos que x = y

0
+y

, com y

0
F e y

.
Entao
y

0
+ y

= (x y
0
) + y
0
= y

(x y
0
) = (y
0
y

0
) F F

,
de modo que ambos sao nulos. Logo, y

= (x y
0
) e y

0
= y
0
.
4.3.4 Corol

ario. Seja H um espaco de Hilbert. Se F e um subespaco fechado de H, entao

(F

= F.
Demonstracao: Obviamente que, F F

= (F

, e como F F

= H = F

,
segue da unicidade da soma direta, que F = F

(lembrando que F

e fechado).
A decomposicao H = F F

, para cada subespaco fechado F H, dene o operador

P de projecao ortogonal sobre F
P : H F
x Px = y ,
sendo x = y + z, onde y F, z F

. Dizemos que (y + z) e a decomposicao ortogonal de

x em relacao a F, e Px = y e a componente ortogonal, ou projecao ortogonal, de x em F.
30
4.3.5 Proposic

ao. Seja H um espaco de Hilbert. Seja (F

i
), (i = 1, 2, . . .), uma seq uencia
de subespacos fechados que sao mutuamente perpendiculares, isto e, F
i
F
j
se i ,= j. Seja
F o fecho do espaco F gerado por todo F
i
. (Ou seja, F e o fecho dos espacos F que consiste
em todas as somas x
1
+. . . +x
n
, x
i
F
i
). Entao cada elemento x F tem uma expressao
unica como uma serie convergente
x =

i=1
x
i
, x
i
F
i
.
Seja P
i
uma projecao ortogonal em F
i
. Entao x
i
= P
i
x, e para alguma escolha dos elementos
y
i
F
i
temos
_
_
_
_
_
x
n

i=1
P
i
x
_
_
_
_
_

_
_
_
_
_
x
n

i=1
y
i
_
_
_
_
_
.
Demonstracao: Desde que x
n

i=1
P
i
x e ortogonal a F
1
, . . . , F
n
podemos usar o mesmo
argumento que a Proposicao 4.2.10, e o Teorema 4.2.5 para mostrar a desigualdade
_
_
_
_
_
x
n

i=1
y
i
_
_
_
_
_
2
=
_
_
_
_
_
x
n

i=1
P
i
x
_
_
_
_
_
2
+
_
_
_
_
_
n

i=1
(P
i
x y
i
)
_
_
_
_
_
2
.
Existe uma seq uencia de F que tende para x. Conseq uentemente segue que as somas parciais
n

i=1
P
i
x tendem para x igualmente. Se x =

i=1
x
i
, com x
i
F
i
, entao aplicamos a projecao
P
n
(qual e contnua!) para concluir que P
n
x = x
n
, assim provando a unicidade.
4.4 Bases Ortonormais em Espacos de Hilbert
Nesta secao vamos mostrar que, nos espacos de Hilbert, existem conjuntos ortonormais
que podem ser usados para decompor vetores, ou seja, podemos falar em coordenadas
ortogonais. O fato e que qualquer elemento no espaco de Hilbert pode ser aproximado
por elementos destes conjuntos, em que iremos denominar como bases ortonomais em espacos
de Hilbert.
4.4.1 Definic

ao. Seja H um espaco de Hilbert. Uma base ortonormal em H e um conjunto

ortonormal total.
Exemplo 4.3. A base canonica e
j

n
j=1
de K
n
e uma base ortonormal. Lembrando que, K
n
e um espaco de Hilbert, onde K e um corpo.
31
Usando bases ortonormais, simplicamos muitas demonstracoes em espacos de Hilbert.
Dada uma seq uencia (x
n
) L.I. em H, existem seq uencias ortonormais que geram o mesmo
subespaco vetorial, que sao construdas pelo processo de ortonormalizacao de Gram-Schmidt
4
,
o qual demonstra a existencia de bases ortonormais em H no caso de espacos separaveis. Em
geral, para a demonstracao da existencia de tais bases, usamos o chamado Lema de Zorn
5
.
4.4.2 Teorema. Todo espaco de Hilbert possui uma base ortonormal.
Demonstracao: Seja H ,= 0 um espaco de Hilbert. Basta aplicar o Lema de Zorn
para mostrar que a colecao de todos os conjuntos ortonormais, ordenado pela inclusao, tem
um elemento maximal. Este elemento sera uma base ortonormal de H.
4.4.3 Teorema (Desigualdade de Bessel). Se v

J
e um conjunto ortonormal em
H, entao para cada v H,

J
[ v

, v) [
2
| v |
2
.
Em particular J : v

, v) , = 0 e enumeravel
6
.
Demonstracao: Consideremos um conjunto contavel ortonormal v
j
. Dado v H,
seja x
n
= v
n

j=1
v
j
, v)v
j
, o qual e ortogonal a todo v
j
com 1 j n. Vejamos que
| v |
2
= | x
n
|
2
+
n

j=1
[ v
j
, v) [
2

j=1
[ v
j
, v) [
2
.
Logo, se J for nito, o teorema esta provado. Se J nao for nito, entao desta desigualdade
segue que
| v |
2

j
[ v
j
, v) [
2
,
para todo conjunto contavel ortonormal v
j
. Para cada k 1, denotamos por
J
k
= J :[ v

, v) [ 1/k.
4
Nao demonstraremos aqui tal processo. Para entender como funcionao processo de ortonormalizacao
de Gram-Schmidt, recomendamos que verique em [2], [4], [11], ou em qualquer livro de

Algebra Linear.
5
Um conjunto nao-vazio parcialmente ordenado, no qual todo subconjunto totalmente ordenado possui
um limite superior, possui um elemento maximal.
6
Um conjunto e enumeravel se possui a cardinalidade
0
de N = 1, 2, 3, . . ., e e contavel se for nito
(incluindo zero) ou enumeravel.
32
Da relacao acima vem que J
k
e nito para todo k. Como J : v

, v) , = 0 =

_
k=1
J
k
,
conclumos que para cada v H o conjunto de ndices em que v

, v) , = 0 e contavel.
4.4.4 Corol

ario. Todas as bases ortonormais num espaco de Hilbert possuem a mesma

cardinalidade.
Demonstracao: Veja a demonstracao em [11].
4.4.5 Definic

ao. A dimensao de Hilbert (dimensao Hilbertiana), ou simplesmente dimensao

de um espaco de Hilbert, e a cardinalidade de uma base ortonormal desse espaco.
4.4.6 Definic

ao. Dado um conjunto ortonormal v

J
em H, a famlia v

, v)
J
e
chamada de coecientes de Fourier de v H, e a soma

J
v

, v)v

e chamada de serie de
Fourier de v em relacao `a v

J
.
4.4.7 Teorema. Seja v

J
um conjunto ortonormal em H. Entao as seguintes armacoes
sao equivalentes:
(i) v

J
e uma base ortonormal de H.
(ii) Se v H, entao a serie de Fourier de v, em relacao `a v

J
, converge em H para v,
ou seja, v =

J
v

, v)v

, v H.
(iii) (Identidade de Parseval) Para todo v H temos
| v |
2
=

J
[ v

, v) [
2
.
Demonstracao: Veja a demonstracao em [3] ou [11].
4.4.8 Definic

ao. Dado um espaco de Hilbert H, existe um conjunto J de forma que H e

isomorfo ao espaco de Hilbert l
2
(J).
4.4.9 Proposic

ao. Dois espacos de Hilbert sao isomorfos se, e somente se, eles possuem
a mesma dimensao de Hilbert.
Demonstracao: Sejam H
1
e H
2
espacos de Hilbert. Se existe existe um operador
unitario
7
U : H
1
H
2
, entao a imagem de uma base ortonormal de H
1
por U e uma base
ortonormal de H
2
. Como U e bijetor, temos que esses espacos possuem a mesma dimensao.
7
Um operador linear U : (X, , )) (Y, [ , ]), entre dois espacos com produto interno, e unitario se for
sobrejetor em Y e x, y) = [Ux, Uy] para todos x, y X.
33
Suponhamos que H
1
e H
2
possuam a mesma dimensao de Hilbert. Seja J um conjunto
cuja cardinalidade coincide com tal dimensao. Pela Denicao 4.4.8 ambos os espacos de
Hilbert sao isomorfos a l
2
(J) e, portanto, H
1
e isomorfo a H
2
.
4.4.10 Teorema. Dois espacos de Hilbert, H
1
e H
2
, sao isomorfos, se existe uma aplica cao
T : H
1
H
2
bijetiva, na qual preserva o produto interno, isto e,
Tx, Ty)
H
1
= x, y)
H
2
.
Demonstracao: Seja (e
n
)

n=1
uma seq uencia ortonormada em H
1
. Entao pelo Teorema
4.4.7, qualquer x H
1
, podemos escrever x =

n=1
x, e
n
)e
n
sendo a serie convergente e
| x |
2
=

n=1
[ x, e
n
) [
2
. Denimos a seguinte aplicacao
T : H
1
l

(C)
x Tx = (x, e
n
))

n=1
.
Entao temos que vericar que
(i) T esta bem denida,
(ii) T e bijetiva,
(iii) T preserva o produto interno.
Para mostrar que T esta bem denida, temos que vericar para cada x H
1
, Tx l
2
(C) e
que Tx e unico, isto e, T e uma aplicacao.

E de facil vericacao que se x H
1
, entao
| Tx |
2
l
2
(C)
=

n=1
[ x, e
n
) [
2
= | x |
2
< ,
logo Tx l
2
(C). Por outro lado se x = y, entao x, e
n
) = y, e
n
) para qualquer n N.
Temos Tx = (x, e
n
))

n=1
= (y, e
n
))

n=1
= Ty, logo Tx = Ty, pelo que T esta bem denida.
Podemos concluir que T e injetiva, pois se Tx = 0, entao
| Tx |
l
2
(C)
= | x | = 0 x = 0.
Se y = (y
1
, y
2
, . . .) l
2
(C), entao denindo x por x =

n=1
y
n
e
n
. A serie converge em H
1
,
pois

n=1
| y
n
|
2
< .

E evidente que Tx = y, o que prova que T e sobrejetiva.
Resta mostrar que T preserva produto interno.
34
Tx, Ty)
l
2
(C)
= x, e
n
), y, e
n
))
l
2
(C)
=

n=1
x, e
n
)y, e
n
).
Por outro lado
x, y) =
_

n=1
x, e
n
)e
n
,

k=1
y, e
k
)e
k
_
=

n,k=1
x, e
n
)y, e
k
)e
n
, e
k
) =

n=1
x, e
n
)y, e
n
).
Portanto, Tx, Ty) = x, y), e T preserva o produto interno.
4.5 Funcionais e Operadores
Iniciaremos esta secao com o famoso teorema de Riesz, que mostra que todo espaco de
Hilbert pode ser identicado com seu dual.
4.5.1 Teorema (Representac

ao de Riesz). Sejam H um espaco de Hilbert real ou

complexo, munido do produto interno , ) e H

seu dual. A aplicacao : H H

,
(y) =
y
, para cada y H, dada por
(y)(x) =
y
(x) = y, x), x H,
e uma isometria antilinear e sobrejetora em H

.
Demonstracao: Se y = 0, claramente
y
= 0. Se y H, entao
y
e um funcional
linear e [
y
(x) [ = [ y, x) [ | y || x | (Desigualdade de Cauchy-Schwarz), de forma que

y
H

com |
y
| | y |. Como | y |
2
=
y
(x) |
y
|| y |, segue que |
y
| | y |.
Portanto |
y
| = | y |, e a aplicacao e uma isometria, claramente antilinear (linear no
caso real). Resta mostrar que todo elemento H

e da forma
y
para algum y H.
Se = 0, entao =
y
para y = 0. Se ,= 0, como o n ucleo N() e um espaco vetorial
fechado (pois e contnuo) proprio de H, pelo Teorema 4.3.3 temos
H = N() N()

,
e existe z N()

com | z | = 1. Observando que o vetor ((x)z (z)x) N(), para

todo x H, conclumos que
z, (x)z (z)x) = 0, x H,
ou seja, (x) = (z)z, x). Portanto, = ((z)z).
35
Por um operador damos signicado a uma funcao contnua de H nele proprio. Como
sabemos, o espaco dos operadores L(H; H), que apenas denotaremos como L(H), e um
espaco de Banach.
Iremos denotar por Herm(H) o conjunto de todas as formas hermitianas contnuas em
H e Sesqu(H) o conjunto de todas as formas sesquilineares
8
contnuas em H. Verica-se
facilmente que estes dois conjuntos sao espacos de Banach, e que Herm(H) e um subespaco
fechado de Sesqu(H).
Neste momento, relacionaremos formas sesquilineares contnuas em H com operadores.
Seja A : H H um operador. Denimos
A
por

A
(x, y) = Ax, y).
Entao
A
e obviamente uma forma sesquilinear contnua em H. Reciprocamente, seja tal
forma. Para cada y H a funcao
x (x, y)
e um funcional, e consequentemente existe um unico y

H tal que, x H temos

(x, y) = x, y

).
A funcao y y

e vericada imediatamente para ser linear, usando a unicidade do elemento

y

que representa . Alem disso, da Desigualdade de Cauchy-Schwarz, encontramos que

[ y

[ | || y |.
Se denirmos A

: H H a funcao tal que A

y = y

, entao conclumos que A

e uma
funcao linear contnua de H nele proprio, isto e, A

e um operador.
Por outro lado, se denimos (y, x) = (x, y), entao e sesquilinear contnua, pois
vimos que existe um unico operador A tal que (y, x) = y, Ax), ou seja,
(x, y) = Ax, y).
Deste modo, =
A
para algum A.
4.5.2 Proposic

ao. A associacao A
A
e um isomorsmo que preserva a norma entre
L(H) e Sesqu(H).
Demonstracao: Devemos mostrar que | A | = |
A
|. Mas
[
A
(x, y) [ | A || x || y |
8
Uma forma sesquilinear sobre dois espacos normados ^
1
, ^
2
e uma aplicacao s : ^
1
^
2
K, linear
na segunda variavel e antilinear na primeira variavel.
36
de modo que | A | |
A
|. Sabemos que | Ax | = |
Ax
| e
[
Ax
(y) [ |
A
|| x || y |.
Logo, | A | |
A
|. Portanto, | A | = |
A
|.
Mostramos que a cada operador A podemos associar um unico operador A

satisfazendo
a relacao
Ax, y) = x, A

y), x, y H.
Chamamos A

de adjunto de A (ou transposto de A, se o espaco de Hilbert estiver sobre os

reais).
4.5.3 Proposic

ao. A funcao A A

satisfaz as seguintes propriedades:

(i) (A + B)

= A

+ B

,
(ii) (A)

= A

,
(iii) A

= A ,
(iv) (AB)

= B

,
e para a norma,
| A

| = | A |, | A

A | = | A |
2
.
Demonstracao: As primeiras quatro propriedades sao imediatas. Por exemplo, veja a
propriedade (ii). Temos que,
Ax, y) = Ax, y) = x, A

y) = x, A

y).
Da unicidade, conclumos que (A)

= A

. As outras equacoes sao de facil vericacao.

Quanto para `as propriedades da norma, temos
[ A

x, y) [ = [ x, Ay) [ | A || x || y |
de modo que |
A
| = | A

| | A |. Uma vez que A

= A, segue que | A | | A

|
assim | A | = | A

|. Finalmente, | A

A | | A

|| A | = | A |
2
, e reciprocamente,
| Ax |
2
= Ax, Ax) = A

Ax, x) | A

A || x |
2
de modo que | A | | A

A |
1/2
.
37
4.5.4 Definic

ao. Se e uma forma sesquilinear contnua em H, denimos a funcao

q(x) = (x, x) para ser sua forma quadratica associada. No caso complexo, podemos
recuperar a forma sesquilinear para a forma quadratica. Expressamos isto, em termos dos
operadores.
4.5.5 Proposic

ao. Para um espaco de Hilbert complexo, se A e um operador e Ax, x) = 0,

x, entao A = 0.
Demonstracao: Isto segue do que e chamado de identidade de polarizacao,
A(x + y), x + y) A(x y), x y) = 2 [Ax, y) +Ay, x)].
Sob a suposicao da Proposicao 4.5.5, o lado esquerdo da identidade e igual 0. Substituindo
x por ix, obtemos
Ax, y) +Ay, x) = 0
iAx, y) iAy, x) = 0 .
Da segue que Ax, y) = 0 e portanto A = 0.
4.5.6 Definic

ao. Dizemos que um operador A e auto-adjunto (ou apenas hermitiano) se

A = A

. Se H e um espaco de Hilbert real, entao dizemos que o operador A e simetrico.

Observacao 4.2. Se A for invertvel, entao vemos imediatamente que (A
1
)

= (A

)
1
.
4.5.7 Definic

ao. Um operador A e chamado de unitario se A

= A
1
.
4.5.8 Proposic

ao. Para um espaco de Hilbert complexo, as seguintes propriedades sao

equivalentes, a respeito de um operador A:
(i) A = A

.
(ii)
A
: (x, y) Ax, y) e uma forma hermitiana.
(iii) Ax, y) sao n umeros reais, x H.
Demonstracao: A demonstracao pode ser encontrada em [8].
4.5.9 Lema. Seja A um operador e c um n umero tal que
[ Ax, x) [ c | x |
2
, x H.
38
Entao para todo x, y temos [ Ax, y) [ + [ x, Ay) [ 2c | x || y |.
Demonstracao: Pela identidade de polarizacao (Veja Proposicao 4.5.5), temos:
2 [ Ax, y) +Ay, x) [ c | x + y |
2
+ c | x y |
2
= 2c(| x |
2
+ | y |
2
)
[ Ax, y) +Ay, x) [ c(| x |
2
+ | y |
2
).
Multiplicamos y por e
i
assim no lado esquerdo [ e
i
Ax, y) + e
i
Ay, x) [. O lado direito
permanece inalterado e para algum adequado, o lado esquerdo torna-se
[ Ax, y) [ + [ Ay, x) [.
(Ou seja, estamos alinhandodois n umeros complexos pela rotacao por e por outra .)
Em seguida substitumos x por tx e y por y/t para R t > 0. Entao o lado esquerdo
permanece inalterado, quando o lado direito torna-se
g(t) = t
2
| x |
2
+
1
t
2
| y |
2
.
O ponto em que g

(t) = 0 e o unico mnimo e neste ponto t

0
encontramos que
g(t
0
) =| x || y |.
Isto prova o Lema.
4.5.10 Proposic

ao. Seja A um operador auto-adjunto. Entao | A | e o maior dos menores

limites de todos os valores c tais que
[ Ax, x) [ c | x |
2
, x H,
ou equivalentemente, o supremo de todos os valores [ Ax, x) [ tomado para x na esfera
unitaria em H.
Demonstracao: Como A e auto-adjunto, obtemos
[ Ax, y) [ c | x || y |, x, y H,
de modo que pelo Lema 4.5.9 conseguimos | A | c. Por outro lado, c =| A | e certamente
um valor possvel para c pela Desigualdade de Cauchy-Schwarz.
39
4.5.11 Corol

ario. Seja c um limite para um operador A. Entao [ Ax, x) [ c | x |

2
e consequentemente, cI A cI.
Demonstracao: Para maior simplicidade, se e real, escrevemos A em vez de
I A e similarmente escrevemos A em vez de A I. Se tomarmos
= inf
x=1
Ax, x) e = sup
x=1
Ax, x),
entao temos A , e pela Proposicao 4.5.10, | A | = max([ [, [ [).
4.6 Teorema Espectral
Nesta secao iremos mostrar o teorema espectral para operadores auto-adjuntos com-
pactos. Alem disso, vamos denir o que e um operador compacto, relembrar as denicoes de
autovetores, autovalores e subespacos A-invariantes. Mas nao trataremos os assuntos deste
topico com detalhes. Portanto para obter maiores informcoes a respeito desta secao, veja o
conte udo completo em [8] ou [11].
4.6.1 Definic

ao. Dizemos que um operador A : H H e compacto se dado uma

seq uencia limitada (x
n
) em H, a seq uencia (Ax
n
) possui uma subseq uencia convergente.

E precisamente esta condicao que permitira conseguir uma base ortogonal para um
operador auto-adjunto.
4.6.2 Definic

ao. Um autovetor para um operador A e um vetor w ,= 0 tal que existe um

n umero c (real ou complexo) em que Aw = cw. Chamamos este n umero c de autovalor e
dizemos que w e um autovetor associado ao autovalor c.
Seja H
c
o espaco gerado por todos autovetores tendo c como autovalor, entao
chamamos H
c
de auto-espaco associado ao autovalor c, em que e denido por
H
c
= ker(A cI) = x H; (A cI)x = 0.
4.6.3 Definic

ao. Um subespaco V de H e chamado A-invariante se AV V , isto e, se

x V , entao Ax V . Se V e A-invariante, entao seu fecho V tambem e A-invariante. Alem
disso V

e A-invariante, pois se x V

, entao para todo y V temos y, Ax) = Ay, x) = 0.

4.6.4 Definic

ao. Um espectro de A e o conjunto de n umeros c tal que (A cI) nao e

invertvel. Denotamos este conjunto por (A).
40
4.6.5 Teorema (Espectral). Seja A um operador auto-adjunto compacto no espaco de
Hilbert H. Entao a famlia de auto-espaco H
c
, onde c varia sobre todos os autovalores
(incluindo 0), e uma decomposicao ortogonal de H.
Demonstracao: Seja F o fecho do subespaco gerado por todo H
c
(como na Proposicao
4.3.5) e seja H

o complemento ortogonal de F. Entao H

e A-invariante, e A induz um
operador auto-adjunto compacto em H

, no qual nao tem nenhum autovalor. Devemos

mostrar que H

,= 0. Isto resulta no seguinte lema.

4.6.6 Lema. Seja A um operador auto-adjunto compacto no espaco de Hilbert H

,= 0.
Seja c =| A |. Entao c ou c e um autovalor para A.
Demonstracao: Existe uma seq uencia (x
n
) em H

tal que | x
n
| = 1 e
[ Ax
n
, x
n
) [ | A |.
Selecionando uma subseq uencia, caso necessario, podemos supor que Ax
n
, x
n
) para
algum n umero e = | A |. Entao
0 | Ax
n
x
n
|
2
= Ax
n
x
n
, Ax
n
x
n
)
= | Ax
n
|
2
2Ax
n
, x
n
) +
2
| x
n
|
2

2
2Ax
n
, x
n
) +
2
.
O lado direito tende para 0 quando n tende ao innito. Como A e compacto, apos ter
selecionado uma subseq uencia, podemos supor que (Ax
n
) converge para algum vetor y e
entao (x
n
) deve convergir para y igualmente. Se = 0, entao | A | = 0 e A = 0. Se
,= 0, entao (x
n
) deve convergir para algum vetor x e entao Ax = x de modo que
seja o autovalor desejado para A, assim provando o lema e o teorema.
Observamos que cada H
c
possui uma base ortonormal consistindo de autovetores, a
saber toda base ortonormal em H
c
, pois todos os elementos nao-nulos de H sao autove-
tores. Portanto, o proprio H tem uma base ortonormal consistindo de autovetores. Assim
recuperamos precisamente a analogia do teorema no caso de dimensao nita. Alem disso,
temos algumas informacoes que seguem claramente:
Cada H
c
e de dimensao nita, se nao um subconjunto enumeravel de uma base ortonor-
mal forneceria uma seq uencia que contradiz a compacidade de A. Uma maneira semelhante,
dado r > 0, ha somente um n umero nito de autovalores c tal que [ c [ r. Portanto 0
e um limite da seq uencia dos autovalores se H e de dimensao innita.
Consideracoes Finais
O que realizamos neste trabalho, foi uma introducao ao estudo dos Espacos de Hilbert
usando os conceitos de norma, produto interno, bases ortonormais e operadores auto-adjuntos.
Durante o desenvolvimento deste texto, tivemos o cuidado de nao tornar uma leitura
muito complicada, ou seja, todo o texto foi produzido para leitores que tenham uma fa-
miliaridade com

Algebra Linear e Analise no R
n
. Com isso, dividimos em dois captulos
parte dos conte udos que consideramos como pre-requisitos para estudar o tema deste docu-
mento. Tais captulos foram divididos da seguinte maneira: a primeira, um curso de topicos
de

Algebra Linear, para que o leitor pudesse ter as ferramentas necessarias para o entendi-
mento do restante do texto, e a segunda, foi uma exposicao de conceitos relacionados aos
Espacos Metricos como principal requisito para a denicao de Espacos de Hilbert.
Assim, com a apresentacao de alguns resultados basicos e substanciais do tema deste
documento, tivemos a nalidade de tornar o texto uma especie de ferramenta basica para
um curso de iniciacao `a analise funcional e mecanica quantica.
41
Referencias Bibliogracas
[1] BOYER, Carl B. Historia da Matematica. Traducao de Elza F. Gomide. 2
a
ed. Sao
Paulo: Edgard Bl ucher, 1996.
[2] BUENO, Hamilton P.

Algebra Linear: Um Segundo Curso. Rio de Janeiro: Sociedade
Brasileira de Matematica, 2006.
[3] CARVALHO, Alexandre Nolasco de. Analise I. Disponvel em:
<http://www.alunospgmat.ufba.br/>. Acesso em: 10 de Maio de 2008.
[4] COELHO, Flavio U.; LOURENC O, Mary L. Um Curso de

Algebra Linear. Sao Paulo:
Editora da Universidade de Sao Paulo, 2001.
[5] EVES, Howard. Introducao `a Historia da Matematica. Traducao de Hygino H.
Domingues. Campinas: Editora da Unicamp, 2004.
[6] FIGUEIREDO, Djairo G. de. Analise I. Rio de Janeiro: LTC; Braslia: Editora Uni-
versidade de Braslia, 1975.
[7] LANG, Serge. Analysis I. New York: Addison Wesley Publishing Company, 1968.
[8] LANG, Serge. Analysis II. New York: Addison Wesley Publishing Company, 1968.
[9] LIMA, Elon L. Elementos de Topologia Geral. 2
a
ed. Rio de Janeiro: LTC, 1976.
[10] LIMA, Elon L. Espacos Metricos. 3
a
ed. Rio de Janeiro: IMPA, 1977.
[11] OLIVEIRA, Cesar R. de. Introducao `a Analise Funcional. 3
a
impressao da 2
a
ed. Rio
de Janeiro: IMPA, 2008.
[12] PEIXOTO, Rafael; SOUZA, Jairo M. e; BONFIM, Valdair. Introducao a Topologia e
Aplicacoes. Disponvel em:
<http://www.famat.ufu.br/revista/revistaset2004/artigos/ArtigoRafaelJairoValdair.pdf>.
Acesso em: 07 de Junho de 2008.
42