ANALISI FUNZIONALE SPAZI DI HILBERT. Diego AVERNA
|
|
- Natalia Mauro
- 4 anni fa
- Visualizzazioni
Transcript
1 ANALISI FUNZIONALE SPAZI DI HILBERT Diego AVERNA Dipartimento di Matematica e Informatica Facoltà di Scienze MM.FF.NN. Via Archirafi, Palermo (Italy) diego.averna@unipa.it Queste lezioni sono prese dagli appunti che nel lontano anno accademico 1978/79 io compilavo, quando seguivo il corso di Analisi Funzionale essendo mia prof.ssa Patrizia Pucci. Io credo che alla prof.ssa Patrizia Pucci, che è diventata mia amica, vada tutto il merito per i contenuti di questa dispensa.
2 2 Al mio collega e amico Nicolò, che mi è stato in questi ultimi anni come un fratello
3 Prima Edizione 02/02/2006. Ultima Edizione 17/09/2016. Questo documento è stampabile se preso da Funzionale/index.html. Typeset by AMS-L A TEX David Hilbert ( ) Ricordati che quando parliamo di problemi scientifici sei completamente libero di dirmi che sto sbagliando, perché di fronte alla scienza noi siamo uguali. (Mauro Picone ( ), professore di analisi matematica a Roma, in una risposta al suo allievo Ennio De Giorgi ( ), diventato poi anche lui un grande matematico).
4
5 Indice Elenco delle figure 7 Capitolo 1. SPAZI DI HILBERT 9 1. Spazi pre-hilbertiani 9 2. Spazi lineari normati Lo spazio di Hilbert l Lo spazio di Hilbert L 2 25 Capitolo 2. GEOMETRIA DEGLI SPAZI DI HILBERT Sottospazi Sottospazi ortogonali Basi Isomorfismi 42 Capitolo 3. OPERATORI LINEARI E LIMITATI Applicazioni (Operatori) lineari e limitati Operatori lineari Forme bilineari Operatori aggiunti Operatori di proiezione 63 Indice analitico 67 5
6
7 Elenco delle figure 1 Legge del parallelogramma 13 2 La norma uniforme non è indotta da alcun prodotto interno 16 3 C(I) dell esempio 1.4 non è completo 20 1 f P M f è ortogonale a M 36 7
8
9 CAPITOLO 1 SPAZI DI HILBERT 1. Spazi pre-hilbertiani K denoterà o il campo dei numeri complessi C, o il campo dei numeri reali IR. Gli elementi di K sono detti scalari e saranno denotati con le lettere greche. α denoterà il CONIUGATO dello scalare α. Quindi α = α α IR. Def Sia L uno spazio vettoriale su K. Un PRODOTTO INTERNO SU L è una funzione da L L K, denotata con (f, g) f, g tale che verifichi le seguenti condizioni: p 1 ) f 1 + f 2, g = f 1, g + f 2, g p 2 ) αf, g = α f, g p 3 ) g, f = f, g p 4 ) f, f 0 (nota che f, f IR per la p 3 )) p 5 ) f, f = 0 f = 0 Def Se L è uno spazio vettoriale su K munito di un prodotto interno, allora L è detto spazio PRE-HILBERTIANO (su K). D ora in poi L denoterà un fissato spazio pre-hilbertiano su K. Teorema 1.1. Se.,. è un prodotto interno su un K-spazio lineare L, si ha: p 1 ) f, g 1 + g 2 = f, g 1 + f, g 2, f, g 1, g 2 L p 2 ) f, αg = α f, g, f, g L, α K p 3 ) 0, g = 0 = f, 0, f, g L Inoltre: n m n m α k f k, β h g h = α k β h f k, g h. h=1 h=1 Dim. p 1) f, g 1 + g 2 = g 1 + g 2, f = g 1, f + g 2, f = f, g 1 + f, g 2 = f, g 1 + f, g 2 = f, g 1 + f, g 2. p 2) f, αg = αg, f = α g, f = α g, f = α f, g. p 3) 0 + 0, g = 0, g = 0 + 0, g = 0, g + 0, g = 0, g = 0. f, 0 = 0, f = 0. 9 Allora
10 10 1. SPAZI DI HILBERT Si dimostra per induzione. Esempio 1.1. Sullo spazio euclideo n-dimensionale, IR n = {a = (α 1,..., α n ) : α k IR} definiamo: a + b = (α 1 + β 1,..., α n + β n ) λa = (λα 1,..., λα n ) a, b = Σ n α k β k Provare che gli assiomi p 1 ), p 2 ), p 3 ), p 4 ), p 5 ) sono banalmente verificafi. Esempio 1.2. Sia n 1. Consideriamo lo spazio unitario n-dimensionale C n = {a = (α 1,..., α n ) : α k C, k = 1,..., n} e definiamo: a + b = (α 1 + β 1,..., α n + β n ) λa = (λα 1,..., λα n ) a, b = Σ n α k β k Verificare che tutte le condizioni menzionate nella definizione 1.2 sono soddisfatte. Esempio 1.3 (Successione finite). Sia L = {a = (α k ) : α k C per k IN, α k = 0 per k > n(a)} e definiamo: a + b = (α k + β k ) λa = (λα k ) a, b = Σ α k β k N.B. La serie si riduce ad una somma finita. Verificare che L è uno spazio pre-hilbertiano. Esempio 1.4. Siano a, b IR con a < b. Poniano I = [a, b]. Denotiamo con C(I) la classe di tutte le funzioni f : I C continue. Definiamo (puntualmente su I) (f + g)(x) = f(x) + g(x), x I Inoltre poniamo: (λf)(x) = λf(x), x I
11 1. SPAZI PRE-HILBERTIANI 11 f, g = b a f(x)g(x)dx Provare che C(I) è uno spazio munito di prodotto interno. Il prodotto interno porta in modo naturale alla seguente: Def Per ogni vettore f L denotiamo con f il numero reale non negativo + f, f. Allora f è detta la NORMA DI f (INDOTTA DAL PRODOTTO INTERNO.,. SU L). Un vettore di norma 1 è detto VETTORE UNITÀ Teorema 1.2 (Disuguaglianza di Cauchy-Schwarz-Bunyakovsky). f, g f g Inoltre: L uguaglianza vale f e g sono linearmente dipendenti. Dim. Se g = 0 l asserto è banale. Sia dunque g 0 e g, g =: g 2 > 0. Poniamo α := f,g g 2. Allora risulta: (1) 0 f αg, f αg = f 2 α g, f α f, g + α 2 g 2 = f 2 f, g 2 g 2 cioè f, g 2 f 2 g 2 e estraendo la radice quadrata f, g f g. Inoltre se f e g sono linearmente dipendenti, essendo f = αg, si ha: f, g = αg, g = α g 2 = α g g = f g. Viceversa se f, g = f g e quindi elevando al quadrato f, g 2 = f 2 g 2, dalla (1) si ricava proprio per quell α f αg, f αg = 0 da cui f αg = 0. Teorema 1.3. Se (L,.,. ) 0 = f = sup g =1 f, g. Dim. Se f = 0 l asserto è banale perché 0 = 0 = sup g =1 0, g = 0 Se f 0 = f = 0 f = f, f/ f sup f, g sup f g = f. g =1 g =1 Teorema 1.4. La norma. indotta dal prodotto interno.,. su un K-spazio pre-hilbertiano L gode delle seguenti proprietà: N 1 ) f 0, f L N 2 ) f = 0 f = 0 N 3 ) αf = α f, f L, α K
12 12 1. SPAZI DI HILBERT N 4 ) f + g f + g, f, g L Inoltre: L uguaglianza nella N 4 ) vale g = 0 oppure f = λg con λ 0 e g 0. Dim. Solo N 4 ) è da provare. f +g 2 = f 2 +2 Re f, g + g 2 f 2 +2 f, g + g 2 f 2 +2 f g + g 2 = ( f + g ) 2. Proviamo che f + g = f + g se e solo se f = λg con λ 0 e g 0. Supponiamo f = λg con λ 0, da ciò segue che: f +g = λg+g = (λ+1)g = λ+1 g = λ g + g = λg + g = f + g. Supponiamo ora che f + g = f + g ; poiché è: f + g 2 f f, g + g 2 f f g + g 2 dalla ipotesi segue che: f, g = f g e quindi esiste λ tale che f = λg; occorre provare ora che è λ 0, infatti essendo e inoltre segue che f + g = λg + g = (λ + 1)g = λ + 1 g f + g = f + g = λg + g = ( λ + 1) g e ciò implica 1 λ + 1 = λ + 1 λ = λ. Teorema 1.5 (Legge del parallelogramma). La norma. indotta dal prodotto interno.,. su un K-spazio pre-hilbertiano L gode della seguente proprietà: f + g 2 + f g 2 = 2 f g 2, f, g L. 1 Sia λ + 1 = λ + 1, se supponiamo λ complesso e eleviamo al quadrato i due termini dell uguaglianza, essa è vera se e solo se λ è un complesso reale non negativo.
13 1. SPAZI PRE-HILBERTIANI 13 Dim. f + g 2 = f + g, f + g = f 2 + f, g + g, f + g 2 f g 2 = f g, f g = f 2 f, g g, f + g 2 sommando m.a m. si ottiene la tesi. Osservazione 1.1. In IR 2 il Teorema 1.5 si visualizza molto bene: La somma dei quadrati delle diagonali di un qualunque parallelogramma è uguale al doppio della somma dei quadrati dei suoi lati. f + g f f g g Figura 1. Legge del parallelogramma Def Due VETTORI f, g L si dicono mutuamente ORTOGONALI (o PERPENDICOLARI), f g, se f, g = 0. Una FAMIGLIA F = {f σ } σ Σ L si dice ORTOGONALE se f σ1 f σ2 σ 1, σ 2 Σ con σ 1 σ 2. Una FAMIGLIA F = {f σ } σ Σ L si dice ORTONORMALE se F è ortogonale e f σ = 1, σ Σ. Def Una famiglia F = {f 1,..., f n } L si dice dice LINEARMENTE INDIPENDENTE se la relazione α 1 f α n f n = 0, α i K implica α i = 0, i = 1,..., n. Se questo non accade la famiglia si dice LINEAR- MENTE DIPENDENTE. Analogamente una famiglia infinita F = {f σ } σ Σ L si dirà LINEARMENTE INDIPENDENTE se comunque presi n suoi elementi distinti n IN essi risultano linearmente indipendenti.
14 14 1. SPAZI DI HILBERT Esempio 1.5. Consideriamo lo spazio C(I) come nell esempio 1.4. Per k ZZ definiamo: e k (x) = 1 x a 2πik e b a, b a per ogni x [a, b]. Allora e k C(I) e inoltre {e k : k ZZ} è una famiglia ortonormale. Infatti: e k, e n = b a e k (x)e n (x)dx = 1 b a (ricorda e 2πi = cos 2π + i sin 2π). b a { b a dx = δ n,k = 2 1 se k = n 0 se k n. (k n)(x a) 2πi e Teorema 1.6. Una famiglia ortogonale F (L,.,. ) di vettori non nulli è linearmente indipendente. Dim. Sia F = {f n } la famiglia ortogonale di vettori non nulli e supponiamo che sia linearmente dipendente. n α i f i = 0 = α i 0, i=1 per almeno un i si supponga α n 0. Si faccia il prodotto interno per f n, dopo avere portano al secondo membro il termine contenente f n n 1 α i f i, f n = α n f n, f n i=1 Si ha così (f i f n, i = 1,..., n 1, f n non nullo) 0 = α n. Teorema 1.7 (Teorema di Pitagora). Se f, g (L,.,. ), f g = f ± g 2 = f 2 + g 2. Dim. f ± g 2 = f ± g, f ± g = f 2 ± f, g ± g, f + g 2 = f 2 + g 2. Corollario 1.1. Se f, g (L,.,. ), f g, f = g = 1 = f g = f + g = 2 Corollario 1.2. Se {f k } n (L,.,. ) è una famiglia ortogonale di vettori = n f k 2 = n f k 2. 2 In matematica per delta di Kronecker (con il suo nome ricorda il matematico tedesco Leopold Kronecker ( )) si intende una funzione di due variabili (in particolare di due variabili sugli interi), che vale 1 se i loro valori coincidono, mentre vale 0 in caso contrario.
15 1. SPAZI PRE-HILBERTIANI 15 Teorema 1.8 (Disuguaglianza di Bessel). Sia {e k } n di vettori. Allora per ogni f L risulta: una famiglia ortonormale f 2 n f, e k 2 Dim. Poniamo g = f n f, e k e k. Allora per ogni h = 1,..., n risulta: g, e h = f, e h n f, e k e k, e h = f, e h f, e h = 0 Allora g e h per h = 1,..., n e i vettori g, f, e 1 e 1,..., f, e n e n formano una famiglia ortogonale. Quindi per il Corollario 1.2 si ha: n n f 2 = g + f, e k e k 2 = g 2 + f, e k 2 n f, e k 2. Esercizio 1.1. Se {e k } n è una famiglia ortonormale di vettori, allora f 2 = n f, e k 2 f = n f, e k e k. Teorema 1.9. Se {e k } n è una famiglia ortonormale di vettori, allora per ogni f L, f n α ke k è minimizzata quando α k = f, e k per k = 1,..., n. Dim. f n α ke k 2 = f n α ke k, f n α ke k = f 2 n α k f, e k n α k e k, f + n α ke k, n α ke k. L ultimo termine di destra è n α k 2 perchè gli e k sono ortonormali. Inoltre α k f, e k α k e k, f + α k 2 = α k f, e k α k f, e k + α k 2 = 2 Re(α f, e k ) + α k 2 = 3 f, e k 2 + α k f, e k 2. Così: n n n 0 f α k e k 2 = f 2 f, e k 2 + α k f, e k 2. Osservazione 1.2. Gli spazi pre-hilbertiani sono una naturale estensione degli spazi IR n nel senso che molte proprietà geometriche di IR n continuano a valere. 3 Ricorda che: α k f, e k 2 = α k 2 + f, e k 2 2 Re(α k f, e k ).
16 16 1. SPAZI DI HILBERT 2. Spazi lineari normati Ancora K denoterà C oppure IR. Def Uno spazio vettoriale L su K è detto SPAZIO LINEARE NORMATO (su K) se esiste una funzione da L in IR, detta NORMA, soddisfacente le seguenti condizioni: N 1 ) f 0 N 2 ) f = 0 f = 0 N 3 ) αf = α f N 4 ) f + g f + g Per il Teorema 1.4 quindi ogni spazio pre-hilbertiano è uno spazio normato. Ma vi sono spazi normati che non sono pre-hilbertiani, come illustra il seguente esempio. Esempio 2.1. Sia L = C([0, 2π]). Definiamo: f = sup{ f(x) : x [0, 2π]} Verificare che essa è una norma (detta anche la NORMA UNIFORME). Comunque questa norma non è indotta da alcun prodotto interno su L. Infatti se ciò non fosse dovrebbe valere la legge del parallelogramma. Scegliendo, per esempio: f(x) = max{sin x, 0} e g(x) = max{ sin x, 0} Figura 2. f(x) = max{sin x, 0} e g(x) = max{ sin x, 0} abbiamo: e così: f + g = f g = f = g = 1 2 = f + g 2 + f g 2 2 f g 2 = 4
17 2. SPAZI LINEARI NORMATI 17 Teorema 2.1. Se (L,. ) è un K-spazio normato e la norma soddisfa la legge del parallelogramma, allora L diventa un K-spazio pre-hilbertiano definendo il prodotto interno.,. : f, g = 1 4 [ f + g 2 f g 2 ], se K = IR f, g = 1 4 [ f + g 2 f g 2 + i f + ig 2 i f ig 2 ], se K = C. Inoltre: il prodotto interno.,. induce 4 la norma.. C.N.S affinché una norma sia indotta da un prodotto interno è che la norma soddisfi la legge del parallelogramma. D ora in poi denoteremo con L uno spazio lineare normato su K. Teorema 2.2. f g f g. Dim. da cui l asserto. f = (f g) + g f g + g g = (g f) + f f g + f Uno spazio lineare normato è uno spazio vettoriale topologico con la topologia indotta dalla metrica d(f, g) = f g. Provare che d è una distanza su L. Def Lo spazio L è detto SEPARABILE se contiene un sottoinsieme numerabile A che è OVUNQUE DENSO IN L (cioè A = L). Esempio 2.2. C n è separabile per ogni n 1. Infatti l insieme dei vettori con coordinate complesse razionali cioè α k = β k + iγ k, con β k, γ k IQ è numerabile e ovunque denso in C n. Def Una Successione (f n ) n=1 L CONVERGE AL VETTORE f, detto il suo LIMITE lim n f n = f, se: ε > 0 n = n(ε) : n n = f f n < ε. Una serie g k CONVERGE A UN VETTORE g, detto la sua SOMMA, g k = g, se lim n n g k = g. Una successione o serie che non converge è detta DIVERGENTE. Osservazione 2.1. Le seguenti formulazioni per lim n f n = f sono equivalenti: a) ε > 0 ε-sfera aperta di f contenente tutti i vettori f n per n sufficientemente grande. 4 La norma si dice indotta se f 2 = f, f, f L (Def. 1.3).
18 18 1. SPAZI DI HILBERT b) lim n f n f = 0. Le seguenti formulazioni per g k = g sono equivalenti: c) La successione delle somme parziali ( n g k) n converge a g. d) lim n g Σ n g k = 0. Esercizio 2.1. Provare che una successione convegente determina univocamente il suo limite. Teorema 2.3. Siano f L e U L. Allora f U esiste una successione (f n ) n=1 U convergente a f. Dim. Se f U, allora n 1 la 1 -sfera aperta di f contiene almeno un vettore n f n U. Da f f n < 1 segue lim n n f n = f. Viceversa: se esiste (f n ) n=1 U tale che f = lim n f n e se f U e per ogni ε > 0 segue da f f n < ε per ogni n > n(ε) che f n f è contenuto nella ε-sfera di f cioè f è di accumulazione per U e quindi f U. Teorema 2.4. Se lim n f n = f, lim n α n = α, lim n g n = g, lim n β n = β allora valgono le seguenti proprietà: a) lim n (α n f n + β n g n ) = αf + βg b) lim n f n = f c) Se L è pre-hilbertiano e la norma è indotta dal prodotto interno.,., allora lim f n, g n = f, g. n Dim. a): (αf + βg) (α n f n + β n g n ) αf α n f n + βg β n g n α α n f + α n f f n + β β n g + β n g g n Poiché le successioni (α n ) n=1 e (β n ) n=1 sono limitate segue la a). b): f f n f f n per il Teorema 2.2, quindi la b). c): f, g f n, g n f, g f, g n + f, g n f n, g n = f, g g n + f f n, g n f g g n + f f n g n Poiché lim n g n = g segue che la successione ( g n ) n=1 è limitata. Pertanto la c). Def Una successione (f n ) n=1 L è detta di CAUCHY (o FONDAMEN- TALE) se ε > 0 n = n(ε) : m, n n = f m f n < ε. Notazione: lim m,n f m f n = 0 Esercizio 2.2. Ogni successione di Cauchy è limitata. Teorema 2.5. Ogni successione convergente in L è di Cauchy. Dim. Per esercizio.
19 2. SPAZI LINEARI NORMATI 19 Def Uno spazio lineare normato è detto COMPLETO se ogni successione di Cauchy in L converge a qualche vettore di L. Uno spazio lineare normato e completo su K è detto SPAZIO DI BANACH SU K. Osservazione 2.2. Dalla definizione precedente segue che in uno spazio di Banach una successione (f n ) n=1 converge se e solo se è di Cauchy; così una serie n=1 g k converge in uno spazio di Banach se e solo se la successione delle somme parziali è di Cauchy, cioè se e solo se lim m,n n k=m g k = 0. Esempio 2.3. Sia L = C n. Provare che L è completo nella norma indotta dal prodotto interno dato nell esempio 1.2. Esempio 2.4. Sia L lo spazio pre-hilbertiano dell esempio 1.3. Lo spazio L di tutte le successioni finite di numeri complessi non è completo nella norma indotta dal prodotto interno. Infatti sia a n = { 1, 1 2,..., 1 n, 0,...} per n 1. Allora per ogni n > m abbiamo a m a n 2 = n k=m+1 1 k 2. Poiché la serie 1 converge segue che lim k 2 m,n a m a n = 0. Ma d altra parte, la successione (a n ) n=1 non può convergere a un elemento α = {α 1,..., α j, 0,...} L Infatti per ogni n > j noi avremmo α a n 2 1 (j+1) 2 > 0. Esempio 2.5. Sia C(I) lo spazio pre-hilbertiano dell esempio 1.4. C(I) non è completo. Per semplicità sia I[ 1, 1]. Per ogni n 1 definiamo: 0 per 1 x 0 f n (x) = nx per 0 < x < 1 n 1 per 1 x 1. n
20 20 1. SPAZI DI HILBERT Figura 3. f 1 (x), f 2 (x) e... f 8 (x)... Allora abbiamo: f m (x) f n (x) = 0 per 1 x 0 f m (x) f n (x) 1 per 0 x max{ 1 m, 1 n } In conclusione: f m (x) f n (x) = 0 per max{ 1 m, 1 n } x 1 f m f n 2 = 1 1 quindi lim m,n f m f n = 0. Se f C[ 1, 1] fosse tale che: f m (x) f n (x) 2 dx max{ 1 m, 1 n } 1 lim f f n 2 = lim f(x) f n (x) 2 dx = 0 n n 1 allora necessariamente: f(x) = { 0 1 x < x 1. Infatti b a f n(x) f(x) 2 dx 1 1 f n(x) f(x) 2 dx per ogni intervallo [a, b] [ 1, 1] quindi b a f n(x) f(x) 2 dx 0. In particolare in altre parole: 0 f n (x) f(x) 2 dx = f(x) 2 dx 0
21 2. SPAZI LINEARI NORMATI f(x) 2 dx = 0. Poiché f continua ne segue che f(x) = 0 x [ 1, 0]. Sia 0 < ε < 1. Si ha: 1 ε f n (x) f(x) 2 dx 0. Ma per n > 1 ε risulta f n(x) = 1 per x [ε, 1], quindi 1 ε f n (x) f(x) 2 dx = 1 1 ε 1 f(x) 2 dx per n > 1 ε. Per n segue che: 1 ε f(x) 2 dx = 0 quindi f(x) = 1 su [ε, 1]. Per l arbitrarietà di ε > 0 segue che f(x) = 1 per x ]0, 1]. E questo è impossibile per la continuità di f. Esempio 2.6. Sia L = C(I) dell esempio 2.1. Si osservi che una successione (f n ) n=1 converge a f in C(I) converge a f uniformemente in I. Infatti la relazione f f n < ε è equivalente a f(x) f n (x) < ε, x I. C(I) è completo. Infatti sia (f n ) n=1 una successione di Cauchy in C(I). Per ogni x I abbiamo f n (x) f m (x) f m f n. Allora per ogni x I la successione dei numeri (f n (x)) n=1 converge ad un numero che denoteremo con f(x). La funzione f : x f(x) definita su I è continua e (f n ) n=1 converge a f nello spazio C(I). Infatti per ogni ε > 0 esiste un indice n = n(ε) tale che f n f m < ε per n, m > n e così f n (x) f m (x) < ε per ogni x I e n, m > n. Ne segue che: (2) f(x) f n (x) < ε per ogni x I e n > n cioè la successione (f n ) n=1 di funzioni continue converge uniformemente a f, quindi f è continua. Da (2) si ha che f f n < ε per n > n e la prova è completa. Teorema 2.6. Sia L uno spazio lineare normato su K. Allora esiste uno spazio lineare L 1 su K con la norma. 1, detto il completamento di L, con le seguenti proprietà: a) L L 1 b) f 1 = f per ogni f L c) L è ovunque denso in L 1 d) L 1 è completo. Se le norma. è indotta da un prodotto interno.,., allora la norma. 1 è indotta da un prodotto interno.,. 1 in L 1 e f, g = f, g 1 per ogni f e g L.
22 22 1. SPAZI DI HILBERT Osservazioni al Teorema 2.6. Lo spazio L 1 con le proprietà a) b) c) d) è univocamente determinato da L. Questo giustifica il nome il completamento di L. L idea base della dimostrazione è la stessa di quella usata nella costruzione del campo dei numeri reali partendo dal campo dei numeri razionali. Intuitivamente parlando, ad ogni successione di Cauchy in L che non converge a un punto di L si associa un nuovo punto (il suo punto limite) che si aggiunge a L e la norma di questo è determinata univocamente dalla condizione di continuità (Teorema 2.4 b)); lo stesso vale per le operazioni lineari (Teorema 2.4 a)). Def Uno spazio pre-hilbertiano su C (o IR) che è completo rispetto alla norma indotta dal prodotto interno è detto SPAZIO DI HILBERT complesso (o reale). 3. Lo spazio di Hilbert l 2 Ora daremo uno spazio di Hilbert che è il completamento dello spazio pre-hilbertiano di tutte le successioni finite di numeri complessi (cfr. Esempio 1.3). Consideriamo l insieme l 2 di tutte le successioni a quadrato sommabile di numeri complessi l 2 = {a = (α k ) : α k C per ogni k, Σ α k 2 < } Teorema 3.1. Per ogni a = (α k ) l 2 e b = (β k ) l 2 definiamo: a + b = (α k + β k ) λa = (λα k ) Allora l 2 è uno spazio lineare complesso. Dim. Usando la disuguaglianza di Cauchy in C 2 si ha: (α k, β k ), (1, 1) 2 = α k 1 + β k 1 2 ( α k 2 + β k 2 )(1 + 1) = 2( α k 2 + β k 2 ) quindi: Σ α k + β k 2 2(Σ α k 2 + Σ β k 2 ) <. Quindi a + b l 2. Analogamente da Σ λα k 2 = λ 2 Σ α k 2 < concludiamo che λa l 2. Tutte le condizioni richieste nella definizione di spazio lineare su C sono ovviamente verificate.
23 3. LO SPAZIO DI HILBERT l 2 23 Teorema 3.2. Per ogni a = (α k ) l 2 e b = (β k ) l 2 la serie α kβ k converge. Con il prodotto interno definito da: a, b = l 2 è uno spazio pre-hilbertiano su C. α k β k Dim. Da 0 ( α k β k ) 2 concludiamo: 2 α k β k α k 2 + β k 2 α k β k 1 2 ( α k 2 + Quindi la serie α kβ k converge. Facilmente si prova che l 2 è pre-hilbertiano. β k 2 ) <. Teorema 3.3. l 2 è completo rispetto alla norma indotta dal prodotto interno. Dim. Sia a n = (α k,n ) e sia (a n) n=1 una successione di Cauchy in l 2. Da α k,m α k,n 2 α k,m α k,n 2 = a m a n 2 si ha che per ogni k 1 la successione (α k,n ) n=1 è di Cauchy in C e quindi converge a un numero α k C. Sia a = (α k ). Per ogni ε > 0 abbiamo: a m a n 2 = α k,m α k,n 2 < ε 2 per ogni m, n > n(ε) e quindi per ogni indice fissato h 1 si ha: h α k,m α k,n 2 < ε 2 per ogni m, n > n(ε). Per m + otteniamo: h α k α k,n 2 ε 2 per ogni n > n(ε) e h 1 e per h si ha: (3) α k α k,n 2 ε 2 per ogni n > n(ε)
24 24 1. SPAZI DI HILBERT la successione a a n = (α k α k,n ) quindi è in l 2 e poiché l 2 è uno spazio lineare anche la successione a = (a a n ) + a n è in l 2. Quindi da (3) concludiamo che a a n ε per ogni n > n(ε), lim n a n = a. Così ogni successione di Cauchy in l 2 converge ad un elemento di l 2. Teorema 3.4. l 2 contiene una famiglia ortonormale numerabile. Dim. Sia e n = (δ n,k ) per n 1. Allora e m, e n = δ m,n per ogni 1 m n. Teorema 3.5. l 2 è separabile. Dim. Sia l l insieme di tutte le successioni finite di numeri razionali complessi, cioè: l = {a = (α k) : α k C, Re α k, Im α k IQ, per k 1, α k = 0 per k > n(a )} Ovviamente l l 2 è numerabile. Infatti l insieme di tutti i numeri razionali complessi ha la stessa cardinalità dell insieme di tutte le coppie di numeri razionali e quindi è numerabile. Per ogni n 1, il sottoinsieme di l costituito da quegli elementi a = (α k ) l tali che α k = 0 per ogni k n è numerabile. L insieme l è l unione numerabile di tutti questi sottoinsiemi numerabili per n 1 e quindi è numerabile. L insieme l è ovunque denso in l 2. Infatti sia a = (α k ) l 2 e sia ε > 0. Scegliamo n 1 in modo che R n = Σ k=n+1 α k 2 < 1 2 ε2 e a = (α k ) l in modo che α k = 0 per k n + 1 e α k α k 2 < ε2 per 1 k n (questo è possibile perché 2n i numeri razionali complessi sono ovunque densi in C). Allora abbiamo: a a 2 = n α k α k 2 + k=n+1 α k α k 2 < n ε2 2n + ε2 2. Osservazione 3.1. La dimostrazione del Teorema 3.5 prova inoltre che lo spazio pre-hilbertiano di tutte le successioni finite di numeri complessi (cfr. Esempio 1.3) è ovunque denso in l 2. In virtù del Teorema 2.6 ne segue che l 2 è il suo completamento. Osservazione 3.2. Modificando opportunamente l 2 è possibile dare un esempio di spazio di Hilbert non separabile. Invece delle successioni (α k ) di numeri complessi noi consideriamo la famiglia {α x } x IR di numeri complessi. Una tale famiglia a = {α x } x IR può essere visualizzata come una funzione di IR se definiamo a(x) = α x. Sia L l insieme di tutte le funzioni a di IR tali che: a) La funzione a è zero in IR eccetto un insieme di punti (indici) che è numerabile e che può dipendere da a.
25 4. LO SPAZIO DI HILBERT L 2 25 b) La somma dei quadrati dei valori assoluti dei valori di a in questi punti è finita. Cioè: a(x) 2 = α x 2 <. x IR x IR Definiamo puntualmente: (a + b)(x) = a(x) + b(x) = {α x + β x } x IR (λa)(x) = λa(x) = λα x. Allora ragionando come nelle dimostrazioni dei Teoremi 3.1,3.2,3.3 provare che L è uno spazio lineare complesso, che a, b = a(x)b(x) = α x β x x IR x IR definisce propriamente un prodotto interno in L e che L è uno spazio di Hilbert rispetto a questo prodotto interno. Denotiamo con e y, y IR la funzione definita su IR da e y (x) = δ y,x. La famiglia {e y : y IR} L che ha la cardinalità del continuo è ortonormale. In virtù del Corollario 1.1 risulta e y e z = 2 per y z. Sia B y la sfera aperta di centro e y e raggio Per z y le sfere Bz e B y sono disgiunte. Infatti se a B z B y avremmo e z e y e z a + a e y < = 2 e questo è falso. Ora sia L un qualunque sottoinsieme di L ovunque denso in L. Allora ogni sfera B y, y IR deve contenere almeno un elemento di L. Poiché le sfere B y sono a due a due disgiunte, L deve contenere almeno tanti elementi quanti sono i punti y di IR. Quindi ogni sottoinsieme di L ovunque denso in L ha almeno la cardinalità del continuo e quindi L è certamente non separabile. Esercizio 3.1. Sia U = {a = (α k ) : α k C, α k < 1, k 1}. k Dimostrare che: a) U l 2 b) Ogni successione (a n ) n=1 U contiene una sottosuccessione convergente c) Per n 1 sia e n = (δ n,k ) ; allora ogni sottosuccessione della successione (e n ) n=1 non converge. 4. Lo spazio di Hilbert L 2 Ora daremo uno spazio di Hilbert che è il completamento dello spazio prehilbertiano delle funzioni continue C[a, b] (cfr. esempio 1.4). Denotiamo con M[a, b] l insieme di tutte le funzioni a valori complesse misurabili su [a, b] e con L 1 [a, b] il sottoinsieme di tutte le funzioni integrabili alla Lebesgue su
26 26 1. SPAZI DI HILBERT [a, b]. Sia L 2 [a, b] il sottoinsieme di tutte le funzioni a valori complessi e a quadrato sommabile su [a, b], cioè: L 2 [a, b] = {f M[a, b] : b a f(x) 2 dx < }. Nota: Due funzioni che coincidono q.o. saranno identificate. Teorema 4.1. L insieme L 2 [a, b] è uno spazio lineare complesso sotto l addizione e la moltiplicazione per scalari puntuale. Dim. Se f L 2, g L 2 e λ C le funzioni f + g, λf M[a, b]. Inoltre: b a f(x) + g(x) 2 2( f(x) 2 + g(x) 2 ) 5 { b f(x) + g(x) 2 dx 2 f(x) 2 dx + a b a b b λf(x) 2 dx = λ 2 f(x) 2 dx < a a } g(x) 2 dx < In conclusione f +g, λf L 2 [a, b]. Inoltre L 2 [a, b] verifica le condizioni menzionate nella definizione di spazio lineare complesso. Teorema 4.2. Se f, g L 2 [a, b], la funzione fg è integrabile su [a, b] con il prodotto interno definito da: f, g = b a f(x)g(x)dx, L 2 [a, b] è uno spazio pre-hilbertiano complesso. Dim. La funzione fg è misurabile secondo Lebesgue su [a, b]. Inoltre: 2 f(x)g(x) f(x) 2 + g(x) 2 b a f(x)g(x) dx 1 { b f(x) 2 dx + 2 a b a } g(x) 2 dx <. Quindi fg L 1 [a, b]. Tutte le proprietà del prodotto interno sono facilmente verificate. Corollario 4.1. L 2 [a, b] L 1 [a, b]. 5 0 ( f(x) g(x) ) 2 = f(x) 2 + g(x) 2 2 f(x) g(x), f(x) + g(x) 2 ( f(x) + g(x) ) 2 = f(x) 2 + g(x) f(x) g(x) 2( f(x) 2 + g(x) 2 ).
27 4. LO SPAZIO DI HILBERT L 2 27 Dim. Sia f L 2 [a, b]. Segue dalla disuguaglianza di Hölder: b Quindi L 2 [a, b] L 1 [a, b]. a ( b f(x)1 dx a f(x) 2 ) 1 2 (b a) 1 2 <. Teorema 4.3. L 2 [a, b] è completo rispetto alla norma indotta dal prodotto interno. Teorema 4.4. L 2 [a, b] contiene una famiglia ortonormale numerabile. Dim. La famiglia {e k } + k= C[a, b] definita da: ha le proprietà richieste. e k (x) = Teorema 4.5. L 2 [a, b] è separabile. 1 x a 2πik e b a, x [a, b] b a Dim. (sketch) L insieme numerabile e ovunque denso in L 2 [a, b] è l insieme L di tutte le combinazioni lineari delle funzioni e k con coefficienti razionali. Teorema 4.6. L 2 [a, b] è il completamento dello spazio pre-hilbertiano delle funzioni continue C[a, b] (cfr. esempio 1.4). Osservazione 4.1. Se consideriamo solo funzioni reali e solo scalari reali otteniamo lo spazio di Hilbert reale L r 2[a, b]. Usando gli opportuni accorgimenti si possono dimostrare anche per L r 2[a, b] i teoremi già dimostrati per L 2 [a, b]. Osservazione 4.2. Gli spazi L 2 [a, + [, L 2 ], b], L 2 ], + [ sono anche essi spazi di Hilbert. Usando gli opportuni accorgimenti si possono dimostrare anche per essi i teoremi già dimostrati per L 2 [a, b]. Salvo il Corollario 4.1 che vale solo per a, b finiti. Analogamente per L r 2[a, + [, L r 2], b], L r 2], + [.
28
29 CAPITOLO 2 GEOMETRIA DEGLI SPAZI DI HILBERT 1. Sottospazi In tutto il capitolo denoteremo con H un fissato spazio di Hilbert. Def Un sottoinsieme non vuoto M di H è detto VARIETÀ LINEARE se: f + g M, per ogni f, g M λf M, per ogni f M e λ K Una varietà lineare chiusa è detta SOTTOSPAZIO. Un SOTTOSPAZIO è detto PROPRIO se non coincide con H. È noto che in IR n e C n ogni varietà lineare è chiusa. In questo caso le nozioni di varietà lineare e di sottospazio coincidono (questo vale anche per spazi di dimensione finita, cfr. Teorema 1.4 di spazi di Banach). Questo in generale non è vero in tutti gli spazi di Hilbert. Esempio 1.1. Sia H = l 2 e sia M il sottoinsieme di tutte le successioni finite di l 2. Ovviamente M è una varietà lineare, ma poiché M è ovunque denso in l 2 risulta M = l 2 M (vedi Osservazione 3.1), quindi M non è chiuso. Esempio 1.2. Sia H = l 2 e sia M il sottoinsieme di tutti gli a = (α k ) l 2 con α 1 = 0. Ovviamente M è una varietà lineare. È facile provare che M è un sottospazio. Infatti se b = (β k ) l 2 è un punto di accumulazione per M allora per ogni ε > 0 esiste un elemento a M tale che: b a < ε. Poiché β 1 = β 1 α 1 b a ne segue che β 1 = 0 e quindi b M. Esempio 1.3. Sia H = L 2 [a, b] e sia M = C[a, b] L 2 [a, b] come nell esempio 1.4. Di nuovo M è una varietà lineare, ma non è un sottospazio: infatti M = H M (cfr. Teorema 4.6) Esempio 1.4. Sia H = L 2 [a, b] ( a < b + ) e sia Y un sottoinsieme dell intervallo ]a, b[ misurabile secondo Lebesgue. Definiamo M = {f L 2 [a, b] : f(x) = 0 per quasi ogni x Y } (ricorda che due funzioni che sono uguali q.o. in [a, b] sono identificate). Ovviamente M è una varietà lineare. Dimostriamo che M è un sottospazio. 29
30 30 2. GEOMETRIA DEGLI SPAZI DI HILBERT Se Y è un insieme di misura zero secondo Lebesgue noi abbiamo M = L 2 [a, b] e quindi non c è niente da provare. Supponiamo allora che Y abbia misura positiva secondo Lebesgue. Se g M allora per ogni ε > 0 esiste f M tale che: Ciò implica: Y g(x) 2 dx = g f 2 = Y b a g(x) f(x) 2 dx g(x) f(x) 2 dx < ε. b a g(x) f(x) 2 dx < ε. Quindi Y g(x) 2 dx = 0 per l arbitrarietà di ε, da cui g(x) = 0 q.o. in Y cioè g M e quindi M è chiuso. Osservazione 1.1. L intero spazio H e il sottoinsieme 0 costituito dal solo elemento 0 sono ovviamente dei sottospazi. Essi sono detti BANALI. Tutti gli altri sottospazi sono detti SOTTOSPAZI NON BANALI. Osservazione 1.2. Tutto quello che verrà detto in questo paragrafo può essere applicato a un qualunque spazio di Banach L. La nozione di sottospazio è importante per svariate ragioni. Una sta nel fatto che un sottospazio M di uno spazio di Hilbert è completo. Infatti se (f n ) n=1 M è una successione di Cauchy allora essa converge a qualche elemento f H che, poiché M è chiuso, deve essere un elemento di M. Inoltre, come proveremo, la chiusura di una varietà lineare è un sottospazio. Poiché M può essere contenuto in diversi sottospazi, possiamo dire che M è il più piccolo sottospazio contenente M. Più in generale per ogni dato sottoinsieme A di H esiste un unico sottospazio che è il più piccolo contenente A. Teorema 1.1. Sia M una varietà lineare di H. Allora M è un sottospazio. Dim. Noi dobbiamo dimostrare che se f, g M e λ K allora: f + g M λf M. Sia ε > 0. Scegliamo f 1, g 1 M in modo che: f f 1 < 1 2 ε e g g 1 < 1 2 ε. Allora f 1 + g 1 M e (f + g) (f 1 + g 1 ) f f 1 + g g 1 < ε. Così se f + g M allora f + g è un punto di accumulazione per M e quindi f + g M. Analogamente proviamo che λf M.
31 1. SOTTOSPAZI 31 Teorema 1.2. Sia {M σ } σ Σ una famiglia non vuota di varietà lineari. Allora l insieme M = σ Σ M σ è varietà lineare. Se {M σ } σ Σ è una famiglia di sottospazi, allora M è un sottospazio. Dim. Segue dalla definizione di intersezione di varietà lineari che se f, g M = σ Σ M σ, λ K = f + g M, λf M. M, essendo l intersezione non vuota dei sottospazi, è chiusa. Teorema 1.3. Sia A un sottoinsieme di H. Allora esiste un unico sottospazio M con le seguenti proprietà: a) A M b) Se N A è un sottospazio allora N M. Dim. Consideriamo la famiglia {M σ } σ Σ di tutti i sottospazi contenenti A. Tale famiglia è non vuota perché H appartiene ad essa. Sia M = σ Σ M σ. Allora per il Teorema 1.2 M è un sottospazio che contiene A e M M σ per ogni σ Σ. Def Se A è un sottoinsieme di H, allora il sottospazio M associato ad A tramite il Teorema 1.3 è detto SOTTOSPAZIO GENERATO DA A (o ESTENSIONE DI A) e useremo la notazione: M = A Teorema 1.4. Se A è un sottoinsieme di H, allora: { n } A = α k f k : f k A, α k K, per 1 k n, n 1. Dim. L insieme di tutte le combinazioni lineari finite di elementi di A è ovviamente una varietà lineare contenuta in A. La chiusura di questo insieme è un sottospazio contenuto in A per il Teorema 1.1. Ma per la proprietà b) del Teorema 1.3 esso deve coincidere con A. Se M 1, M 2,... sono sottospazi, denotiamo con M 1 M2 e M k i SOTTOSPA- ZI GENERATI DA M 1 M 2 e M k. Def Se M 1 e M 2 sono varietà lineari allora l insieme: M 1 + M 2 = {f 1 + f 2 : f 1 M 1, f 2 M 2 } è detto (VETTORE) SOMMA DI M 1 E M 2. Se (M k ) è una successione di varietà lineari, allora l insieme: M k = {f : f H, f = f k, f k M k k} è detto (VETTORE) SOMMA DELLE VARIETÀ LINEARI M k.
32 32 2. GEOMETRIA DEGLI SPAZI DI HILBERT In altre parole, M k è l insieme delle somme di tutte le serie convergenti f k con f k M k per ogni k. Ovviamente questo insieme è una varietà lineare, come pure l insieme M 1 + M 2. Il vettore somma di due varietà lineari può essere considerato come un caso particolare di un vettore somma di una successione di varietà lineari, ponendo M k = 0 per k > 2. Analogamente possiamo scrivere: n M k = M 1 + M M n se noi poniano M k = 0 per k > n. Esiste una semplice relazione tra vettore somma e sottospazio generato: Teorema 1.5. Se (M k ) è una successione di varietà lineari, allora: M 1 M2 = M 1 + M 2 M k = M k Esercizio 1.1. Sia H = l 2, definiamo: M 1 = {a = (α k ) l 2 : α 2k = 0, k = 1, 2,...} M 2 = {b = (β k ) l 2 : β 2k 1 = δ k cos 1 k, β 2k = δ k sin 1, k = 1, 2,...} k e sia c = (γ k ) dove γ 2k 1 = 0, γ 2k = sin 1, per k = 1, 2,.... k Provare le seguenti affermazioni: a) M 1 e M 2 sono due sottospazi. b) M 1 M2 = l 2. c) c l 2. d) c M 1 + M Sottospazi ortogonali Un modo di ottenere un sottospazio, dimostrato nel 1, è di partire da un arbitrario sottoinsieme A di H e di considerare il sottospazio generato da A, A. Un altro modo, come vedremo, è di considerare l insieme di tutti i vettori ortogonali a ogni vettore di A.
33 2. SOTTOSPAZI ORTOGONALI 33 Def Un VETTORE g è detto ORTOGONALE A UN SOTTOINSIEME A H, g A, se g f per ogni f A. Due SOTTOINSIEMI A e B DI H sono detti MUTUAMENTE ORTOGONALI, A B, se f g per ogni f A e g B. L insieme: A = {g H : g A} è detto COMPLEMENTO ORTOGONALE DI A (IN H). Se N e M sono sottospazi e M N, l insieme (N M = 1 ){g N : g M} = N M è detto il COMPLEMENTO ORTOGONALE DI M in N. Osservazione 2.1. Se M è sottospazio, possiamo scrivere M = H M 2. Osservazione 2.2. Se A e B sono due sottoinsiemi di H, allora A B = A B. Teorema 2.1. Se A è un sottoinsieme di H, allora A è un sottospazio e A A è o il sottospazio 0 = {0} oppure è vuoto (se 0 A). Dim. Siano g 1, g 2 A. Poiché f, g 1 = f, g 2 = 0 per ogni f A ne negue che: f, α 1 g 1 + α 2 g 2 = α 1 f, g 1 + α 2 f, g 2 = 0, f A e quindi α 1 g 1 + α 2 g 2 A. Quindi A è una varietà lineare. Sia g A e sia g = lim n g n, con g n A per n 1. Allora per ogni f A, risulta: f, g = lim f, g n = 0, e quindi g A. n Così A è chiuso ed è un sottospazio. Se A A e se f A A = f f cioé f, f = 0 e quindi f = 0. Teorema 2.2. Se M e N sono due sottospazi mutuamente ortogonali, allora: M N = M + N. Dim. In virtù del Teorema 1.5 è sufficiente provare che M + N è chiuso. Supponiano che f M + N, f = lim n f n, dove f n = g n + h n con g n M e h n N per n 1. Poiché g n h n, per il teorema di Pitagora, segue: f m f n 2 = g m g n 2 + h m h n 2 Dalla convergenza di f n a f segue che: 1 Si veda Osservazione Si veda Teorema 2.8.
34 34 2. GEOMETRIA DEGLI SPAZI DI HILBERT lim f m f n = 0 e quindi m,n lim g m g n = 0 e m,n lim h m h n = 0. m,n Le successioni (g n ) n=1 e (h n ) n=1 sono di Cauchy e convergono in H a g e h rispettivamente. Poiché M e N sono chiusi deve essere g M e h N. Pertanto f = lim n f n = lim n (g n + h n ) = g + h M + N. Teorema 2.3. Sia {g k } una famiglia ortogonale di vettori. a) La serie g k converge g k 2 < b) Se la serie g k = f converge allora g k 2 = f 2 Dim. Supponiamo che g k 2 <. Allora: n n lim g k 2 = lim g k 2 = 0 m,n m,n k=m k=m e per la completezza di H la serie g k converge. Viceversa se g k = f risulta: f 2 = f, f = lim n n g k, lim m m h=1 g h = lim n n g k, g k = g k 2. Teorema 2.4. Se (M k ) è una successione di sottospazi mutuamente ortogonali, allora: M k = M k. Dim. È sufficiente provare che M k è chiuso. Supponiano quindi che f M k, f = lim n f n e f n = g n,k dove g n,k M k per ogni n 1 e k 1. Ragionando analogamente a quanto fatto nella dimostrazione del Teorema 2.2, possiamo scrivere: (4) f m f n 2 = Quindi: g m,k g n,k 2 < ε 2 per m n(ε) e n n(ε). lim g m,k g n,k 2 = 0 per k 1. m,n
35 (5) Pertanto esistono i limiti: 2. SOTTOSPAZI ORTOGONALI 35 g k = lim n g n,k M k per k 1. Da (4) concludiamo che: h g m,k g n,k 2 < ε 2 per m n(ε), n n(ε), per h 1. g k g n,k 2 ε 2 per n n(ε). Quindi per il Teorema 2.3 a) la serie (g k g n,k ) converge e pertanto anche la serie: (g k g n,k ) + g n,k = Inoltre la (5) prova che la somma dell ultima serie è il limite della successione (f n ) n=1: f = lim n f n = g k g k M k. Teorema 2.5. Sia (M k ) una successione di sottospazi mutuamente ortogonali. Allora per ogni f M k esiste un unico vettore f k M k per ogni k 1 tale che f = f k. Dim. Supponiamo che f = f k = f k con f k, f Allora: (f k pertanto f k = f k k M k per ogni k 1. f k 2 = 0 f k ) = 0 quindi per il Teorema 2.3 b) segue che f k per ogni k 1. Corollario 2.1. Se M 1 e M 2 sono due sottospazi mutuamente ortogonali, per ogni vettore f = M 1 M2 = M 1 + M 2 la decomposizione di f nella f = f 1 + f 2 con f 1 M 1, f 2 M 2 è unica. Teorema 2.6. Sia M un sottospazio e sia f H. Se δ = inf{ f g : g M} allora esiste un unico vettore P M f M, DETTO PROIEZIONE DI f SOPRA M, tale che: f P M f = δ.
36 36 2. GEOMETRIA DEGLI SPAZI DI HILBERT Dim. Sia (g n ) n=1 M una successione di vettori di M tale che lim n f g n = δ. Applicando la legge del parallelogramma ai vettori (f g m ) e (f g n ) risulta: e cioé: 2f (g m + g n ) 2 + g m g n 2 = 2 f g m f g n 2 g m g n 2 = 2 f g m f g n 2 4 f 1 2 (g m + g n ) 2. Poiché 1 2 (g m + g n ) M segue necesseriamente che f 1 2 (g m + g n ) δ e quindi: g m g n 2 2 f g m f g n 2 4δ 2. Per m, n il secondo membro della disuguaglianza tende a 0. Pertanto in M esiste lim n g n = P M f e risulta f P M f = lim n f g n = δ. Supponiamo infine che f 1, f 2 M siano tali che: f f 1 = f f 2 = δ. Applicando la legge del parallelogramma a (f f 1 ) e (f f 2 ) risulta: e cioé 2f (f 1 + f 2 ) 2 + f 1 f 2 2 = 2 f f f f 2 2 f 1 f 2 2 = 4δ 2 4 f 1 2 (f 1 + f 2 ) 2 0 in quanto 1 2 (f 1 + f 2 ) M e quindi f 1 2 (f 1 + f 2 ) δ. Teorema 2.7. Sia M un sottospazio e sia f H. Indichiamo con P M f M la proiezione di f sopra M. Allora (f P M f) M. H = IR 3 f 0 P M f M = IR 2 f P M f = δ f P M f ortogonale a M Figura 1. f P M f è ortogonale a M
37 2. SOTTOSPAZI ORTOGONALI 37 Dim. Sia f 0 = f P M f, allora per il Teorema 2.6 si ha f 0 = δ. Per ogni g M e per ogni α K abbiamo P M f + αg M e quindi δ 2 = f 0 2 f P M f αg 2 = f 0 αg 2 = f 0 2 α g, f 0 α f 0, g + α 2 g 2, 0 α g, f 0 α f 0, g + α 2 g 2 Supponiano che esista g M tale che f 0, g 0 (che implica g 0). Scegliendo α = f 0,g otterremmo g f 0, g 2 + f 0, g 2 = f 0, g 2 g 2 g 2 g 2 che è una contraddizione. Corollario 2.2. Sia M una varietà lineare contenuta in un sottospazio N. Allora M N esiste un vettore f N diverso da 0 ortogonale a M. Dim. Se M N, allora prendiamo un qualunque vettore f, diverso da zero di N ma non di M. Quindi il vettore f 0 = f P M f ha tutte le proprietà richieste dal Teorema 2.7. Viceversa se M = N indichiamo con f un vettore di N ortogonale a M. Proveremo che f deve essere necessariamente 0. Infatti f = lim n f n, f n M per n 1. Pertanto f, f = lim n f, f n = 0. Corollario 2.3. Sia M una varietà lineare. Allora: M = H M = 0. Teorema 2.8 (Teorema della proiezione). Se M è un sottospazio, allora H = M + M. Dim. Per ogni f H possiamo scrivere f = P M f + (f P M f) dove P M f M per il Teorema 2.6 e (f P M f) M per il Teorema 2.7. Per il corollario del Teorema 2.5 possiamo scrivere il teorema della proiezione come segue: Teorema 2.9. Se M è un sottospazio, allora ogni vettore f H può essere decomposto nella somma f = f 1 + f 2 dove f 1 (= P M f) M e f 2 (= P M f) M. Osservazione 2.3. Se nel Teorema 2.8 al posto di H conderiamo un sottospazio N M, allora l insieme M = {f H : f M} deve essere sostituito con N M = {f N : f M}. Il seguente corollario giustifica la notazione N M = N M.
38 38 2. GEOMETRIA DEGLI SPAZI DI HILBERT Corollario 2.4. Se N e M sono due sottospazi con M N, allora: N = M + (N M ) = M + (N M). Esempio 2.1. Sia H = L 2 [a, b] ( a < b + ) e sia Y un sottoinsieme di ]a, b[ misurabile secondo Lebesgue. Per ogni f H definiamo le funzioni f 1, f 2 M[a, b] { 0 se x Y f 1 (x) = f(x) se x ]a, b[\y { f(x) se x Y f 2 (x) = 0 se x ]a, b[\y. Da b f a k(x) 2 dx b a f(x) 2 dx < per k = 1, 2 concludiamo che f k L 2 [a, b], k = 1, 2. Inoltre risulta: f 1 M 1 = {g L 2 [a, b] : g(x) = 0 q.o. in Y } f 2 M 2 = {g L 2 [a, b] : g(x) = 0 q.o. in ]a, b[\y } f 1, f 2 = f = f 1 + f 2 b a f 1 (x)f 2 (x)dx = 0 Poiché la decomposizione di un qualunque vettore f nella somma di un vettore di Mk e di un vettore di M k è unica per il Teorema 2.9, concludiamo che: f k = P Mk f per k = 1, 2 e M 2 = M 1 Nel seguito scriveremo A in luogo di (A ). Teorema Sia A un sottoinsieme di H. Allora A = A e di conseguenza A = A. In particolare: A è sottospazio A = A. Dim. Sia f A il limite di successione (f n ) n convergente dove f n è una combinazione lineare finita di vettori di A (cfr. Teorema 1.4). Allora per ogni g A abbiamo f, g = lim n f n, g = 0 e quindi f g. Ciò implica che A A e A A. Se A A allora per il Corollario 2.2 dovrebbe esistere un vettore diverso da zero f A A. Questo comunque per il Teorema 2.1 è impossibile. La seconda parte del teorema si ottiene sostituendo A con A. Esercizio 2.1. Sia H = l 2. Per ogni n 1 sia e n = (δ n,k ) l 2 e sia A = (e 2n 1 + e 2n ) n=1. a) Identifica A e A in l 2.
39 3. BASI 39 b) a = (α k ) l 2 allora P A a = (β k ), dove β 2n 1 = β 2n = 1 2 (α 2n 1 + α n ) per n 1; P A a = (γ) con γ 2n 1 = γ 2n = 1 2 (α 2n 1 α 2n ) per n Basi Def Sia M un sottospazio di uno spazio di Hilbert H. Una FAMIGLIA ortonormale {e σ } σ Σ M è detta MASSIMALE in M se il solo vettore in M ortogonale a ogni e σ, σ Σ, è il vettore 0. Una famiglia ortonormale massimale in M è detta una BASE di M. Ricordiamo che una famiglia ortonormale è linearmente indipendente (cfr. Teorema 1.6). Esempio 3.1. Sia H = C n. Allora ogni n-pla di vettori ortonormali è una base. Esempio 3.2. Sia H = l 2. Per ogni intero k sia e k = (0,..., 0, 1, 0,...) ove la k- esima componente è 1 e le altre sono 0. Allora {e k } è una base, detta base standard di l 2. Infatti se f, e k = 0 per ogni k 1 allora tutte le componenti di f devono essere 0. Esempio 3.3. Sia H = L 2 [0, 1]. Per ogni intero k poniano e k = e 2πikx. Allora {e k } + k= è una famiglia ortonormale (cfr. Esempio 1.5). Supponiamo che per qualche f H sia f, e k = 0 per ogni intero k. Ricordiamo che l insieme L di tutte le combinazioni lineari finite m k= m α k e k con coefficienti razionali complessi α k è ovunque denso (cfr. Teorema 4.5). Ovviamente f, g = 0 per ogni vettore g L. Se f 0 potremmo scegliere un vettore g L tale che: Questo ovviamente implica: f g < f. f 2 = f, f = f, f f, g = f, f g f f g < f 2 e questa è una contraddizione. Quindi {e k } + k= è una base. Esempio 3.4. Sia L 2 [0, 1] e sia e 0 = 1, f k (x) = 2 cos 2πkx, g k (x) = 2 sin 2πkx per k = 1, 2,.... Provare che la famiglia F = {e 0 } {f k } {g k} è ortonormale. Questo segue dal fatto che f k = e k+e 2 k e g k = e k e k i per k 1. 2 Se f è un vettore ortogonale a e 0 e a f k e g k k 1 allora f e k per ogni intero k. Poiché la famiglia {e k } + k= è una base, concludiamo che f = 0. Di conseguenza F è una base. Ogni spazio di Hilbert ammette una base? Enunceremo che per uno spazio di Hilbert separabile la risposta è sì.
40 40 2. GEOMETRIA DEGLI SPAZI DI HILBERT Teorema 3.1 (Ortogonalizzazione di Gram-Schmidt). Sia F = {f k } χ una famiglia numerabile lineamente indipendente di vettori. Allora esiste una famiglia ortogonale G = {g k } χ (della stessa cardinalità di F) tale che g k 0 e g k è una combinazione lineare di f 1,..., f k per ogni k. Dim. Noi costruiremo la famiglia G per induzione. Poniamo g 1 = f 1 (per ipotesi f 1 0). Supponiamo che g 1,..., g k 1 sono vettori non nulli mutuamente ortogonali verificanti le proprietà del teorema. Definiamo: (6) g k = f k Risulta, per 1 n k 1: g k, g n = f k, g n k 1 h=1 k 1 h=1 f k, g h g h 2 g h. f k, g h g h 2 g h, g n = f k, g n f k, g n g n 2 g n, g n = 0. Inoltre g k è una combinazione lineare di f 1,..., f k. Poiché f 1,..., f k sono linearmente indipendenti la (6) implica g k 0. Corollario 3.1. Sia F = {f k } χ e G = {g k} χ come nel Teorema 3.1. Allora valgono le seguenti affermazioni: a) f k è una combinazione lineare di g 1,..., g k per 1 k χ b) {f k } χ = {g k } χ c) La famiglia {e k = g k g k }χ è una famiglia ortonormale verificante il Teorema 3.1 d) Se {h k } χ è un altra famiglia ortogonale di vettori non nulli verificante il Teorema 3.1 allora h k = α k g k e α k 0 per 1 k χ. Teorema 3.2. Uno spazio di Hilbert H è separabile possiede una base numerabile (finita o infinita). Teorema 3.3. Sia {e k } χ una famiglia ortonormale di H. Le seguenti affermazioni sono equivalenti: a) {e k } χ è una base b) f e k per ogni k 1 = f = 0 c) H = {e k } χ d) f = χ f, e k e k per ogni f H (Serie di Fourier) e) f, g = χ f) f 2 = χ f, e k g, e k per ogni f, g H (Identità di Parseval) f, e k 2 per ogni f H (Identità di Parseval). Osservazione 3.1. In d) il vettore f è rappresentato in una serie di Fourier rispetto alla base {e k } χ. In questa rappresentazione f, e k è detto il coefficiente di Fourier corrispondente a e k. Sebbene l affermazione f) è detta identità di Parseval,
41 3. BASI 41 questo nome è talvolta assegnato anche alla e). Infatti questa affermazione soltanto in apparenza è più generale della f); entrambe le affermazioni sono equivalenti per il Teorema 3.3. Osservazione 3.2. Tutte le affermazioni del Teorema 3.3 rimangono vere anche se l indice k si muove da 1 a χ. Esempio 3.5. Sia H = L 2 [0, 1] e consideriamo la base dell esempio 3.4. Per ogni funzione reale f L 2 [0, 1] definiamo: α 0 = 1 0 f(x)dx, α k = 1 Nelle notazioni dell esempio 3.4 si ha: 0 f(x) cos 2kπxdx, β k = 1 0 f(x) sin 2kπxdx, α 0 = f, e 0, α k = 1 2 f, f k, β k = 1 2 f, g k, k = 1, 2,.... Per l identità di Parseval otteniamo: 1 0 f 2 (x)dx = α Σ (α 2 k + β 2 k) per k = 1, 2,.... I seguenti due corollari del Teorema 3.3 sono due delle diverse versioni del cosiddetto Teorema di Riesz-Fisher. Corollario 3.2. Se H è uno spazio complesso (reale) di Hilbert separabile e se {e k } χ è una base, allora: H = { χ α k e k : α k C (o α k IR) per k 1, χ α k 2 < }. Dim. Se χ α k 2 < allora la serie (o la somma finita) χ α ke k converge per il Teorema 2.3 a). Viceversa ogni vettore di H ammette una rappresentazione di Fourier avente le proprietà d) e f) del Teorema 3.3. Corollario 3.3. Sia {e k } χ una base di uno spazio complesso (o reale) di Hilbert separabile e sia {α k } χ una successione in C (o in IR) tale che χ α k 2 < +. Allora esiste un unico vettore f H tale che: f, e k = α k, per ogni k 1. Dim. Il vettore f = χ α ke k verifica le richieste e per il Teorema 3.3 d) è unico. Teorema 3.4. Due qualunque basi di uno spazio di Hilbert H separabile hanno lo stesso numero cardinale.
42 42 2. GEOMETRIA DEGLI SPAZI DI HILBERT Def Il numero cardinale di una base di uno spazio di Hilbert H è detto la DIMENSIONE DI H. IR n e C n hanno dimensione n. l 2 e L 2 [a, b] hanno dimensione χ Isomorfismi Noi dimostreremo che ogni spazio di Hilbert infinito-dimensionale e separabile è una copia di l 2. Teorema 4.1. Se due spazi di Hilbert separabili, H e H, hanno la stessa (finita o infinita) dimensione, allora esiste una applicazione biiettiva: U : H H, f Uf tale che per ogni f, g H e λ C, si ha: a) U(f + g) = Uf + Ug b) U(λf) = λuf c) Uf, Ug = f, g (N.B. = Uf = f ) Dim. {e k } χ e {e k }χ basi per H e H rispettivamente (χ ). Per ogni f H definiamo: f = Uf = Σ χ f, e k e k Questa definizione ha senso poiché per l identità di Parseval Σ χ f, e k 2 = f 2 < e in virtù del Teorema 2.3 la serie Σ χ f, e k e k converge in H. Inoltre: Ue k = e k, k 1. Provare che U verifica le a),b) e c) e che è una biiezione. Intuitivamente il Teorema 4.1 dice che possiamo identificare, tramite U, gli elementi di H e H in modo che ognuno di questi spazi appare (algebricamente e topologicamente) una copia perfetta dell altro. Def Un APPLICAZIONE A : D H, ove D è una varietà lineare di H, e H e H sono due K-spazi di Hilbert, è detta LINEARE se: a) A(f + g) = Af + Ag, f, g D b) A(λf) = λaf, f D, λ K. Def Un APPLICAZIONE LINEARE A : D H, ove D è una varietà lineare di H, e H e H sono due K-spazi di Hilbert, è detta ISOMETRIA LINEARE se:
43 c) Af, Ag = f, g, f, g D. 4. ISOMORFISMI 43 Def Un applicazione A : H H, ove H e H sono K-spazi di Hilbert, lineare isometrica e suriettiva, è detta un ISOMORFISMO DI H sopra H. Un isomorfismo di H sopra se stesso è detto un AUTOMORFISMO. Osservazione 4.1. Una isometria lineare è automaticamente iniettiva 3. Quindi un isomorfismo è biiettivo. Se esiste un isomorfismo di H sopra H, allora esiste un isomorfismo di H sopra H. Def Due spazi di Hilbert H e H sono detti isomorfi se esiste un isomorfismo di uno spazio sopra l altro. Corollario 4.1. Due spazi di Hilbert separabili sono isomorfi hanno la stessa dimensione. Dim. La parte sufficiente segue dal Teorema 4.1. Viceversa sia U : H H un isomorfismo e {e k } χ una base per H. Allora {Ue k } χ è una famiglia ortonormale di H e quindi la dimensione di H è almeno χ. Ripetendo il ragionamento nell altro modo, concludiamo che H e H devono avere la stessa dimensione. Corollario 4.2. Ogni spazio di Hilbert infinitamente dimensionale e separabile è isomorfo a l 2. 3 f, g H, f g = A(f g), A(f g) = f g, f g = 0 = A(f g) 0 = 0 A(f g) = Af Ag.
Appendice B ANALISI FUNZIONALE. 1 Spazi di Banach
Appendice B ANALISI FUNZIONALE In questo capitolo si introducono gli spazi di Banach e di Hilbert, gli operatori lineari e loro spettro. Inoltre si discutono gli operatori compatti su uno spazio di Hilbert.
DettagliSpazi di Funzioni. Docente:Alessandra Cutrì. A. Cutrì e Metodi Matematici per l ingegneria Ing. Gestionale
Spazi di Funzioni Docente:Alessandra Cutrì Spazi vettoriali normati Uno spazio Vettoriale V si dice NORMATO se è definita su V una norma, cioè una funzione che verifica: v 0 e v = 0 v = 0 λv = λ v λ R(o
DettagliANALISI FUNZIONALE SPAZI DI HILBERT (ESEMPI, ESERCIZI e DIMOSTRAZIONI
ANALISI FUNZIONALE SPAZI DI HILBERT (ESEMPI, ESERCIZI e DIMOSTRAZIONI che sono indicati e non risolti nella dispensa) Diego AVERNA con ringraziamenti alle Dott.sse Loredana BONSIGNORE e Maria Stella CANDELA
DettagliSpazi di Banach classici
Spazi di Banach classici 1. Gli spazi L p ([, 1]) Le funzioni misurabili su [, 1] costituiscono uno spazio vettoriale V. Definizione 1.1. Due funzioni f, g V si dicono uguali quasi ovunque se esiste N
DettagliSpazi di Funzioni. Docente:Alessandra Cutrì. A. Cutrì e Metodi Matematici per l ingegneria Ing. Gestionale
Spazi di Funzioni Docente:Alessandra Cutrì Spazi vettoriali normati Nel piano (R 2 ) e nello spazio ( R 3 ) sappiamo che la lunghezza di un vettore v si esprime rispettivamente come Se v = (v 1, v 2 )
DettagliIl teorema di Ascoli-Arzelà
Il teorema di Ascoli-Arzelà Alcuni risultati sugli spazi metrici Spazi metrici (e topologici) compatti Richiamiamo le definizioni di compattezza negli spazi metrici. Sia (X, d) una spazio metrico e sia
DettagliANALISI FUNZIONALE SPAZI DI HILBERT (ESEMPI, ESERCIZI e DIMOSTRAZIONI
Page 1 of 106 ANALISI FUNZIONALE SPAZI DI HILBERT (ESEMPI, ESERCIZI e DIMOSTRAZIONI che sono indicati e non risolti nella dispensa) Diego AVERNA con ringraziamenti alle Dott.sse Loredana BONSIGNORE e Maria
DettagliSPAZI COMPATTI. Proposizione 2 Sia (X, d) uno spazio metrico. Se esso è sequenzialmente compatto allora è completo.
SPAZI COMPATTI D ora in poi tutti gli spazi topologici sono di Hausdorff. Definizione 1 Uno spazio topologico (X, τ) si dice sequenzialmente compatto, o compatto per successioni, se ogni successione di
DettagliCOMPLEMENTI DI ANALISI MATEMATICA DI BASE. Prova scritta del 26 gennaio 2005
Prova scritta del 26 gennaio 2005 Esercizio 1. Posto B = x R 2 : x 2 2}, sia f n } una successione di funzioni (misurabili e) integrabili in B tali che f n f q.o. in B e, per ogni n N, f n (x) 2 x 3 per
DettagliEsercizi per il corso di Analisi 6.
Esercizi per il corso di Analisi 6. 1. Si verifichi che uno spazio normato (X, ) è uno spazio vettoriale topologico con la topologia indotta dalla norma. Si verifichi poi che la norma è una funzione continua
DettagliCapitolo IV SPAZI VETTORIALI EUCLIDEI
Capitolo IV SPAZI VETTORIALI EUCLIDEI È ben noto che in VO 3 si possono considerare strutture più ricche di quella di spazio vettoriale; si pensi in particolare all operazioni di prodotto scalare di vettori.
DettagliANALISI MATEMATICA 4. Prova scritta del 24 gennaio 2013
Prova scritta del 24 gennaio 2013 Esercizio 1. Sia Ω R 3 un insieme misurabile secondo Lebesgue e di misura finita. Sia {f n } n N una successione di funzioni f n : Ω R misurabili e tali che 1) f n (x)
DettagliEsercizi del Corso di Istituzioni di Analisi Superiore, I modulo
sercizi del Corso di Istituzioni di Analisi Superiore, I modulo 1. sercizi su massimo e minimo limite 1. lim inf a n lim sup a n 2. Se a n b n per ogni n N, allora lim inf a n lim inf b n. Vale anche lim
DettagliSpazi di Funzioni. Docente:Alessandra Cutrì. A. Cutrì , , Metodi Matematici per l ingegneria Ing.
Spazi di Funzioni Docente:Alessandra Cutrì Spazi funzionali Nello studio di fenomeni di estremo interesse applicativo (problemi di controllo, trasmissione e ricezione di segnali ed in generale nella formulazione
DettagliNOTE DI ALGEBRA LINEARE v = a 1 v a n v n, w = b 1 v b n v n
NOTE DI ALGEBRA LINEARE 2- MM 9 NOVEMBRE 2 Combinazioni lineari e generatori Sia K un campo e V uno spazio vettoriale su K Siano v,, v n vettori in V Definizione Un vettore v V si dice combinazione lineare
DettagliSpazi di Funzioni. Docente:Alessandra Cutrì. A. Cutrì , , Metodi Matematici per l ingegneria Ing.
Spazi di Funzioni Docente:Alessandra Cutrì Spazi funzionali Nello studio di fenomeni di estremo interesse applicativo (problemi di controllo, trasmissione e ricezione di segnali ed in generale nella formulazione
Dettagli3. Successioni di insiemi.
3. Successioni di insiemi. Per evitare incongruenze supponiamo, in questo capitolo, che tutti gli insiemi considerati siano sottoinsiemi di un dato insieme S (l insieme ambiente ). Quando occorrerà considerare
DettagliGeneralizzazioni del Teorema di Weierstrass
Capitolo 2 Generalizzazioni del Teorema di Weierstrass Il principale riferimento bibliografico per questa lezione è il testo di Checcucci, Tognoli, Vesentini [1]. Introduzione Supponiamo che X = R n. È
DettagliAM5: Tracce delle lezioni- V Settimana
AM5: Tracce delle lezioni- V Settimana Sia µ misura su X, p. SPAZI L p L p = L p (X, µ) : = {f : X [, + ] f é misurabile e Siccome t + s p ( ) p s p + t p s, t R, é 2 2 f, g L p f + g L p X f p dµ < }
DettagliAlcuni complementi di teoria dell integrazione.
Alcuni complementi di teoria dell integrazione. In ciò che segue si suppone di avere uno spazio di misura (,, µ) 1 Sia f una funzione misurabile su un insieme di misura positiva tale che f 0. Se fdµ =
DettagliAnalisi Funzionale Cap. 2: Spazi di Hilbert
Analisi Funzionale Cap. 2: Spazi di Hilbert Gabriele H. Greco Dipartimento di Matematica Università di Trento 38050 POVO (Trento) Italia e-mail: greco@science.unitn.it http://www.science.unitn.it/ greco
DettagliANALISI MATEMATICA 4. Prova scritta del 24 gennaio 2013
Prova scritta del 24 gennaio 2013 Esercizio 1. Sia Ω R 3 un insieme misurabile secondo Lebesgue e di misura finita. Sia {f n } n N una successione di funzioni f n : Ω R misurabili e tali che 1) f n (x)
DettagliSPAZI TOPOLOGICI. La nozione di spazio topologico è più generale di quella di spazio metrizzabile.
SPAZI TOPOLOGICI La nozione di spazio topologico è più generale di quella di spazio metrizzabile. Definizione 1 Uno spazio topologico (X, τ) è una coppia costituita da un insieme X e da una famiglia τ
DettagliArgomento della lezione N. 1. Argomento della lezione N. 2. Argomento della lezione N. 12. Argomento della lezione N. 11
C. Presilla Modelli e Metodi Matemacici della Fisica a.a. 2011/2012 2 Argomento della lezione N. 1 Fondamenti assiomatici. L unità immaginaria Argomento della lezione N. 2 Moduli e coniugati. Disuguaglianza
DettagliANALISI C & Complementi di Analisi Matematica di Base. Prova scritta del 23 gennaio 2007
Prova scritta del 23 gennaio 2007 Esercizio 1. Sia f : R R una funzione misurabile e non negativa; si consideri la successione di funzioni f n (x) = max3f(x) 2n, 0}, x R, n N. Provare che se f è integrabile
Dettagli6. Spazi vettoriali, normati e con prodotto interno
6. Spazi vettoriali, normati e con prodotto interno Definizione. - Si dice spazio vettoriale o lineare su un campo K una terna (X, s, p) dove X è un insieme non vuoto, s un applicazione su X X a valori
Dettagli0.1 Spazi Euclidei in generale
0.1. SPAZI EUCLIDEI IN GENERALE 1 0.1 Spazi Euclidei in generale Sia V uno spazio vettoriale definito su R. Diremo, estendendo una definizione data in precedenza, che V è uno spazio vettoriale euclideo
DettagliAnalisi a più variabili: Integrale di Lebesgue
Analisi a più variabili: Integrale di Lebesgue 1 Ripasso delle definizioni di Algebre, σ-algebre, misure additive, misure σ-additive, Proprietà della misura astratta, misura esterna. Definizione (Insieme
DettagliTopologia, continuità, limiti in R n
Topologia, continuità, limiti in R n Ultimo aggiornamento: 18 febbraio 2017 1. Preliminari Prima di iniziare lo studio delle funzioni di più variabili, in generale funzioni di k variabili e a valori in
DettagliAppunti del Corso Analisi 1
Appunti del Corso Analisi 1 Anno Accademico 2011-2012 Roberto Monti Versione del 5 Ottobre 2011 1 Contents Chapter 1. Cardinalità 5 1. Insiemi e funzioni. Introduzione informale 5 2. Cardinalità 7 3.
DettagliANALISI MATEMATICA 3. esercizi assegnati per la prova scritta del 31 gennaio 2011
esercizi assegnati per la prova scritta del 31 gennaio 2011 Esercizio 1. Per x > 0 e n N si ponga f n (x) = ln ( n 5 x ) a) Provare l integrabilità delle funzioni f n in (0, + ). 3 + n 4 x 2. b) Studiare
DettagliProblemi di topologia metrica.
Problemi di topologia metrica. 1.) Sia X un insieme, munito di una distanza d : X X R +. Siano x 1 ;x ;x 3 ;x 4 quattro punti qualsiasi di X. Verificare che: d (x 1 ; x 4 ) d (x 1 ; x ) + d (x ; x 3 )
DettagliAM310- IV Settimana 2012
AM310- IV Settimana 2012 L 2 e gli spazi di HILBERT f 2 2 := f 2 = < f, f > ove < f, g > := fg dµ, f, g L 2 é un prodotto scalare (ovvero una forma bilineare simmetrica positiva) in L 2. Notiamo che la
DettagliSpazi vettoriali euclidei.
Spazi vettoriali euclidei Prodotto scalare, lunghezza e ortogonalità in R n Consideriamo lo spazio vettoriale R n = { =,,, n R}, n con la somma fra vettori e il prodotto di un vettore per uno scalare definiti
DettagliAM5 2008: Tracce delle lezioni- 4
AM5 008: Tracce delle lezioni- 4 L e gli spazi di HILBERT f := f = < f, f > ove < f, g > := fg dµ, f, g L é un prodotto scalare (ovvero una forma bilineare simmetrica positiva) in L. Notiamo che la diseguaglianza
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2016/2017 Antonio Lanteri e Cristina Turrini (UNIMI - 2016/2017) Elementi di Algebra Lineare 1 / 41 index Spazi vettoriali
DettagliArgomento della lezione N. 2. Argomento della lezione N. 1. Argomento della lezione N. 11. Argomento della lezione N. 12
C. Presilla Modelli e Metodi Matemacici della Fisica a.a. 2015/2016 1 Argomento della lezione N. 1 Argomento della lezione N. 2 Argomento della lezione N. 11 Argomento della lezione N. 12 Fondamenti assiomatici.
DettagliIl teorema di Vitali-Lebesgue
Il teorema di Vitali-Lebesgue Gianluca Gorni Università di Udine gennaio 0 Nel 90 Giuseppe Vitali e Henri Lebesgue, indipendentemente uno dall altro, trovarono che si possono caratterizzare in modo elegante
DettagliMIGLIOR APPROSSIMAZIONE IN SPAZI EUCLIDEI
MIGLIOR APPROSSIMAZIONE IN SPAZI EUCLIDEI A. SOMMARIVA Conoscenze richieste. Spazio vettoriale. Spazio normato. Vettori linearmente indipendenti. Sistemi lineari. Operatore delta di Kronecker. Conoscenze
DettagliMisure e loro proprietà (appunti per il corso di Complementi di Analisi Matematica per Fisici, a.a )
Misure e loro proprietà (appunti per il corso di Complementi di Analisi Matematica per Fisici, a.a. 2006-07 Sia Ω un insieme non vuoto e sia A una σ-algebra in Ω. Definizione 1. (Misura. Si chiama misura
DettagliSpazi di Banach e Spazi di Hilbert
Capitolo 1 Spazi di Banach e Spazi di Hilbert 1.1 Spazi normati e spazi di Banach In questa prima sezione ci occuperemo della definizione di spazio normato e di come su uno spazio normato sia possibile
DettagliMiglior approssimazione in spazi euclidei
Miglior approssimazione in spazi euclidei 15 gennaio 2009 1 Introduzione astratta Sia E uno spazio vettoriale dotato di un prodotto interno (, ) (talvolta un tale spazio è detto euclideo, cf. [7, p.148]),
DettagliSpazi vettoriali Esempi e motivazioni Spazi topologici Spazi metrici. Analisi funzionale. Riccarda Rossi Lezione 1. Analisi funzionale
Riccarda Rossi Lezione 1 Programma Scopo del corso: studiare le proprietà degli spazi di funzioni, che sono degli spazi vettoriali di dimensione infinita. 1. Richiami sugli spazi vettoriali; 2. esempi
Dettagli11. Misure con segno.
11. Misure con segno. 11.1. Misure con segno. Sia Ω un insieme non vuoto e sia A una σ-algebra in Ω. Definizione 11.1.1. (Misura con segno). Si chiama misura con segno su A ogni funzione ϕ : A R verificante
DettagliLEZIONE 12. v = α 1 v α n v n =
LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono
DettagliAppunti di ALGEBRA LINEARE
Appunti di ALGEBRA LINEARE Corso di Laurea in Chimica A. A. 2009/200 Capitolo SPAZI VETTORIALI In matematica si incontrano spesso insiemi di elementi su cui sono definite delle operazioni che godono di
DettagliANALISI MATEMATICA 4. Prova scritta del 24 gennaio 2013
Prova scritta del 24 gennaio 2013 Esercizio 1. Sia Ω R 3 un insieme misurabile secondo Lebesgue e di misura finita. Sia {f n } n N una successione di funzioni f n : Ω R misurabili e tali che 1) f n (x)
DettagliGeometria e Topologia I (U1-4) 2006-mag-10 61
Geometria e Topologia I (U1-4) 2006-mag-10 61 (15.9) Teorema. Consideriamo il piano affine. Se A A 2 (K) è un punto e r una retta che non passa per A, allora esiste unica la retta per A che non interseca
DettagliSerie e Trasformata di Fourier
Serie e Trasformata di Fourier Corso di Analisi Funzionale Prof. Paolo Nistri Cancelli, D Angelo, Giannetti Polinomio di Fourier Si consideri la successione costituita dalle restrizioni delle funzioni
DettagliArgomento della lezione N. 11. Argomento della lezione N. 12. Argomento della lezione N. 13. Argomento della lezione N. 14
C. Presilla Modelli e Metodi Matemacici della Fisica a.a. 2016/2017 1 Argomento della lezione N. 1 Argomento della lezione N. 2 Argomento della lezione N. 11 Argomento della lezione N. 12 Fondamenti assiomatici.
Dettaglif(x) := lim f n (x) Se introduciamo la norma uniforme di una funzione f (sull insieme A) mediante := sup f(x)
Capitolo 2 Successioni e serie di funzioni 2. Convergenza puntuale e orme Supponiamo che sia un sottoinsieme di R N e supponiamo che per ogni intero n sia data una funzione f n : R M. Diremo in questo
DettagliAPPUNTI DI ALGEBRA LINEARE
APPUNTI DI ALGEBRA LINEARE. Definizione Si dice spazio vettoriale (sul campo dei numeri reali R) un insieme V per il quale siano definite l operazione interna di somma (che ad ogni coppia di vettori e
Dettagli7. Sistemi ortonormali
7. Sistemi ortonormali Ricordiamo che, dati ϕ, ψ X prehilbertiano, ϕ e ψ si dicono ortogonali se (ϕ, ψ) =. Consideriamo, allora, l estensione del Teorema di Pitagora al caso astratto Teorema 1. - Dato
DettagliAnalisi 2. Roberto Monti. Appunti del Corso - Versione 5 Ottobre 2012
Analisi 2 Roberto Monti Appunti del Corso - Versione 5 Ottobre 212 Indice Capitolo 1. Programma 5 Capitolo 2. Convergenza uniforme 7 1. Convergenza uniforme e continuità 7 2. Criterio di Abel Dirichlet
DettagliANALISI MATEMATICA 4. Prova scritta del 24 gennaio 2013
Prova scritta del 24 gennaio 2013 Esercizio 1. Sia Ω R 3 un insieme misurabile secondo Lebesgue e di misura finita. Sia {f n } n N una successione di funzioni f n : Ω R misurabili e tali che 1) f n (x)
DettagliTOPOLOGIA - APPUNTI SETTIMANA 2/12/2013-5/11/2013
TOPOLOGIA - APPUNTI SETTIMANA 2/12/2013-5/11/2013 KIERAN G. O GRADY - 2 DICEMBRE 2013 1. Spazi di Hausdorff Definizione 1.1. Uno spazio topologico X è di Hausdorff se dati x 1, x 2 X distinti esistono
DettagliCapitolo 3. Spazi di Hilbert [versione: 30/10/2012] Spazi di Hilbert reali: definizione e teorema fondamentale
appunti per il corso di Analisi in più Variabili 2 corso di laurea in Matematica, a.a. 2012-13 Giovanni Alberti Capitolo 3. Spazi di Hilbert [versione: 30/10/2012] Spazi di Hilbert reali: definizione e
DettagliSPAZI TOPOLOGICI COMPATTI Note informali dalle lezioni
SPAZI TOPOLOGICI COMPATTI Note informali dalle lezioni Sia X un insieme. Un ricoprimento di X è una famiglia U = {U j } j J di sottoinsiemi di X tali che X = j J U j. Un ricoprimento U = {U j } j J si
DettagliCOMPLETAMENTO DI SPAZI METRICI
COMPLETAMENTO DI SPAZI METRICI 1. Successioni di Cauchy e spazi metrici completi Definizione 1.1. Una successione x n n N a valori in uno spazio metrico X, d si dice di Cauchy se, per ogni ε > 0 esiste
DettagliGeometria I. CdL in Matematica, Università dell Insubria Prova scritta del 16 novembre 2009 Giustificare sempre le risposte.
Geometria I CdL in Matematica, Università dell Insubria Prova scritta del 16 novembre 2009 Giustificare sempre le risposte. 1. Dati a, b R, consideriamo la funzione d: R 2 R 2 R (dove x = (x 1, x 2 ),
DettagliDefinizione 1.1. Dato un insieme non vuoto X, si dice distanza una funzione d : X X R tale che
1 Spazi metrici Definizione 1.1. Dato un insieme non vuoto X, si dice distanza una funzione d : X X R tale che 1) d(x, y) 0, x, y X; d(x, y) = 0 x = y, ) d(x, y) = d(y, x), x, y X, 3) d(x, z) d(x, y) +
Dettagli1. Complemento ortogonale di un vettore non nullo Abbiamo visto che nel piano
Geometria e Algebra (II), 11.12.12 1. Complemento ortogonale di un vettore non nullo Abbiamo visto che nel piano P O i vettori ortogonali ad un dato vettore non nullo descrivono una retta per O, e nello
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Antonio Lanteri e Cristina Turrini UNIMI - 2015/2016 Antonio Lanteri e Cristina Turrini (UNIMI - 2015/2016) Elementi di Algebra Lineare 1 / 37 index Spazi vettoriali
DettagliConvergenza per funzioni tra spazi metrici. Funzioni uniformemente continue e Lipschitz continue. Esempi. somma e prodotto, il campo C dei numeri
Argomento della Lezione N. 1 Argomento della Lezione N. 2 Argomento della Lezione N. 11 Argomento della Lezione N. 12 Fondamenti assiomatici del sistema di numeri L unita immaginaria. Convergenza per funzioni
DettagliMassimo limite e minimo limite di una funzione
Massimo limite e minimo limite di una funzione Sia f : A R una funzione, e sia p DA). Per ogni r > 0, l insieme ) E f p r) = { fx) x A I r p) \ {p} } è non vuoto; inoltre E f p r ) E f p r ) se 0 < r r.
DettagliAM2: Tracce delle lezioni- IX Settimana INSIEMI DI LIVELLO, MINIMI VINCOLATI PRINCIPIO DEI MOLTIPLICATORI DI LAGRANGE
AM2: Tracce delle lezioni- IX Settimana INSIEMI DI LIVELLO, MINIMI VINCOLATI PRINCIPIO DEI MOLTIPLICATORI DI LAGRANGE Sia g C 1 R 2 ), c R. L insieme γ = γ c := {x, y) R 2 : gx, y) = c} si chiama insieme
DettagliAnalisi di Fourier e alcune equazioni della fisica matematica 1. TERZA LEZIONE Serie di funzioni Serie di potenze
Analisi di Fourier e alcune equazioni della fisica matematica 1 TERZA LEZIONE Serie di funzioni Serie di potenze 1 prof. Claudio Saccon, Dipartimento di Matematica Applicata, Via F. Buonarroti 1/C email:
DettagliGEOMETRIA 1 seconda parte
GEOMETRIA 1 seconda parte Cristina Turrini C. di L. in Fisica - 2014/2015 Cristina Turrini (C. di L. in Fisica - 2014/2015) GEOMETRIA 1 1 / 40 index Spazi vettoriali 1 Spazi vettoriali 2 Sottospazi 3 Sistemi
DettagliCorso di Laurea in Matematica Geometria 2. Foglio di esercizi n. 4 a.a Soluzioni
Corso di Laurea in Matematica Geometria 2 Foglio di esercizi n. 4 a.a. 2015-16 Soluzioni Gli esercizi sono presi dal libro di Manetti. Per svolgere questi esercizi, studiare con cura i paragrafi 5.2, 5.3
DettagliR 2 e i numeri complessi
L. Chierchia. Dipartimento di Matematica e Fisica, Università Roma Tre 1 R e i numeri complessi 1. R come spazio vettoriale R, ossia l insieme delle coppie ordinate x, y con x e y in R è uno spazio vettoriale
DettagliDaniela Lera A.A
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2016-2017 Richiami Algebra Lineare Spazio normato Uno spazio lineare X si dice normato se esiste una funzione
DettagliIl Teorema di Kakutani
Il Teorema di Kakutani Abbiamo visto, precedentemente, il seguente risultato: 1 Sia X uno spazio di Banach. Se X è separabile, la palla è debolmente compatta. B X = {x X x 1} Il Teorema di Kakutani è un
DettagliProposizione (relazione fra V, opposti in R e opposti in V ).
Lezione del 20.03. Ci sono vari tipi di strutture che conducono al concetto di spazio vettoriale, in particolare quelle sugli insiemi R n di ennuple di numeri reali (n = 1, 2, 3,...) e quelle sugli insiemi
DettagliCORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SPAZI VETTORIALI
CORSO DI ALGEBRA LINEARE Anno Accademico 2004/2005 Appunti su SPAZI VETTORIALI In questa dispensa sono raccolte alcune nozioni fondamentali sugli spazi vettoriali. Un sul margine destro indica la fine
Dettagli( 1 π. (a n cos nt + b n sin nt) t R (3)
7. SERIE TRIGONOMETRICHE E SERIE DI FOURIER Definizione 1. L p (R), p [1, + ), denota la classe di tutte le funzioni f : R C, misurabili secondo Lebesgue, periodiche con periodo per le quali il funzionale
DettagliSoluzioni della prova scritta di Geometria 1 del 27 giugno 2019 (versione I)
Soluzioni della prova scritta di Geometria 1 del 7 giugno 019 (versione I) Esercizio 1. Sia R 4 lo spazio quadridimensionale standard munito del prodotto scalare standard con coordinate canoniche (x 1,
DettagliSPAZI CONCRETI DI FUNZIONI E DI SUCCESSIONI (L.V.) 1. Spazi. In quanto segue, K denota il campo degli scalari che può essere sia R sia C.
SPAZI CONCRETI DI FUNZIONI E DI SUCCESSIONI (L.V.) Di solito, il termine spazi di Banach classici si riferisce ai seguenti spazi: spazi di dimensione finita; spazi di Hilbert; spazi di successioni c 0,
DettagliSerie trigonometriche e di Fourier Ci occuperemo di serie le cui ridotte N-esime sono polinomi trigonometrici di grado (o ordine) N:
Serie trigonometriche e di Fourier Ci occuperemo di serie le cui ridotte N-esime sono polinomi trigonometrici di grado (o ordine) N: S N (x) = N n=0 (a n cos (nx) + b n sin (nx)), a n, b n R (periodiche
DettagliFederico Lastaria. Analisi e Geometria 1. Numeri reali 1/25
Massimi e minimi Definizione (Massimo) Sia X R un sottoinsieme non vuoto. Si dice che M R è il massimo di X (e si scrive M = max X ) se: M X ; x X, x M. Definizione (Minimo) Sia X R un sottoinsieme non
DettagliMassimo e minimo limite di successioni
Massimo e minimo limite di successioni 1 Premesse Definizione 1.1. Definiamo R esteso l insieme R = R { } {+ }. In R si estende l ordinamento tra numeri reali ponendo < a < +, a R. In base a tale definizione,
DettagliIstituzioni di Analisi Superiore, secondo modulo
niversità degli Studi di dine Anno Accademico 997/98 Facoltà di Scienze Matematiche, Fisiche e Naturali Corso di Laurea in Matematica Istituzioni di Analisi Superiore, secondo modulo Cognome e Nome: Prova
Dettagli4 Funzioni continue. Geometria I 27. Cfr: Sernesi vol II, cap I, 4 [1].
Geometria I 27 4 Funzioni continue Cfr: Sernesi vol II, cap I, 4 [1]. Le funzioni continue tra spazi topologici si dicono anche mappe. Si può dimostrare, esattamente come in (2.10) e in (1.10), che vale
DettagliArgomento della Lezione N. 1 Argomento della Lezione N. 2 Argomento della Lezione N. 11 Argomento della Lezione N. 12 Introduzione al corso.
Argomento della Lezione N. 1 Argomento della Lezione N. 2 Argomento della Lezione N. 11 Argomento della Lezione N. 12 Introduzione al corso. Il campo C dei numeri complessi. Fondamenti assiomatici del
Dettagli19. L integrale di Lebesgue: un breve riassunto, I
156 19. L integrale di Lebesgue: un breve riassunto, I Il problema di caratterizzare la classe delle funzioni integrabili secondo Riemann e di capire per quali funzioni vale il teorema fondamentale del
DettagliSpazi di Hilbert: Proiezioni e Serie di Fourier
Spazi di Hilbert: Proiezioni e Serie di Fourier Docente:Alessandra Cutrì Spazi di Hilbert Uno spazio vettoriale dotato di prodotto scalare che è completo rispetto alla norma indotta dal prodotto scalare
DettagliCORSO DI LAUREA IN MATEMATICA ANALISI MATEMATICA 6, A.A PRIMA PARTE DEL CORSO
CORSO DI LAUREA IN MATEMATICA ANALISI MATEMATICA 6, A.A. 2009 2010 PRIMA PARTE DEL CORSO F. ZANOLIN, UNIVERSITÀ DEGLI STUDI DI UDINE, DIPARTIMENTO DI MATEMATICA E INFORMATICA, VIA DELLE SCIENZE 206, 33100
DettagliEsempi. In R 2, le coppia (2, 5) è combinazione lineare dei vettori (0, 1) e (1, 1). Infatti:
Combinazioni lineari [Abate, 4.2] Sia V uno spazio vettoriale e v 1, v 2,..., v n dei vettori di V. Diremo che un vettore w V è combinazione lineare dei vettori v 1,..., v n se esistono a 1, a 2,..., a
DettagliVERSIONE PRELIMINARE Lezioni di Analisi Matematica 3 corso di Laurea in Fisica a.a
Lezioni di Analisi Matematica 3 corso di Laurea in Fisica a.a. 2005-06 G. Molteni, M. Vignati Notazioni I vettori di R n e le funzioni a valori in R n sono indicate in grassetto, per cui si dirà v R n
Dettagli14 Spazi metrici completi
54 2006-apr-26 Geometria e Topologia I 14 Spazi metrici completi (14.1) Definizione. Una successione {x n } n in uno spazio metrico si dice di Cauchy se per ogni ɛ > 0 esiste un intero N = N(ɛ) per cui
DettagliRegistro delle lezioni
Complementi di Analisi Matematica - a.a. 2006-07 Corso di Laurea Specialistica in Ingegneria Civile (CIS) Registro delle lezioni Laura Poggiolini e Gianna Stefani 2 ottobre 2006, 2 ore, LP Il campo dei
DettagliDimostrazione. Indichiamo con α e β (finiti o infiniti) gli estremi dell intervallo I. Poniamo
C.6 Funzioni continue Pag. 114 Dimostrazione del Corollario 4.25 Corollario 4.25 Sia f continua in un intervallo I. Supponiamo che f ammetta, per x tendente a ciascuno degli estremi dell intervallo, iti
DettagliLEZIONE 11. s V : V V V (v 1, v 2 ) v 1 + v 2 = s V (v 1, v 2 ), p V : k V V. per cui valgono:
LEZIONE 11 11.1. Spazi vettoriali ed esempi. La nozione di spazio vettoriale generalizza quanto visto nelle lezioni precedenti: l insieme k m,n delle matrici m n a coefficienti in k = R, C, l insieme V
DettagliProdotto interno (prodotto scalare definito positivo)
Contenuto Prodotto scalare. Lunghezza, ortogonalità. Sistemi e basi ortonormali. Somma diretta: V = U U. Proiezioni. Teorema di Pitagora, disuguaglianza di Cauchy-Schwarz. Angoli. Federico Lastaria. Analisi
DettagliSpazi Vettoriali ed Applicazioni Lineari
Spazi Vettoriali ed Applicazioni Lineari 1. Sottospazi Definizione. Sia V uno spazio vettoriale sul corpo C. Un sottoinsieme non vuoto W di V è un sottospazio vettoriale di V se è chiuso rispetto alla
Dettagli1 PRELIMINARI 1.1 NOTAZIONI. denota l insieme vuoto. a A si legge a appartiene a A oppure a è elemento di A.
1 PRELIMINARI 1.1 NOTAZIONI denota l insieme vuoto. a A si legge a appartiene a A oppure a è elemento di A. B A si legge B è un sottoinsieme di A e significa che ogni elemento di B è anche elemento di
DettagliEsercitazioni di Geometria II
Esercitazioni di Geometria II Letizia Pernigotti - pernigotti@science.unitn.it 8 maggio 202 Esercizio. [Metrica del riccio] Si considieri R 2 munito della metrica del riccio, la quale è definita da y x
DettagliSoluzione dei problemi assegnati
ANALISI MATEMATICA 3 Soluzione dei problemi assegnati anno accademico 2018/19 prof. Antonio Greco http://people.unica.it/antoniogreco Dipartimento di Matematica e Informatica Università di Cagliari 23-5-2019
DettagliElementi di Algebra Lineare Spazi Vettoriali
Elementi di Algebra Lineare Spazi Vettoriali Cristina Turrini UNIMI - 2018/2019 Cristina Turrini (UNIMI - 2018/2019) Elementi di Algebra Lineare 1 / 32 index Spazi vettoriali 1 Spazi vettoriali 2 Sottospazi
DettagliCOMPATTEZZA. i) X è compatto, cioè ogni ricoprimento aperto ammette un sottoricoprimento finito.
1 COMPATTEZZA Sia X un sottoinsieme di R. Una famiglia A di sottoinsiemi aperti di R si dice ricoprimento aperto di X se X A, cioè se X è contenuto nell unione degli elementi di A. Una sottofamiglia di
DettagliINTRODUZIONE ALLA ANALISI FUNZIONALE. Dispensa del Corso di Metodi Matematici della Fisica
INTRODUZIONE ALLA ANALISI FUNZIONALE Dispensa del Corso di Metodi Matematici della Fisica (versione ridotta, 25 febbraio 2011) Prof. Marco Boiti a.a. 2010-2011 2 Indice 1 Spazi Metrici 5 1.1 Insiemi Aperti.
Dettagli