ANALISI FUNZIONALE SPAZI DI HILBERT (ESEMPI, ESERCIZI e DIMOSTRAZIONI
|
|
- Evangelina Oliva
- 5 anni fa
- Visualizzazioni
Transcript
1 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 Stella CANDELA che sono state mie studentesse durante l A.A. 2006/07 Dipartimento di Matematica e Informatica Facoltà di Scienze MM.FF.NN. Via Archirafi, Palermo (Italy) diego.averna@unipa.it 1
2 Prima Edizione 13/03/2007. Ultima Edizione 26/10/2016. Questo documento è stampabile se preso da Funzionale/index.html. Typeset by AMS-L A TEX. Page 2 of 106 2
3 Page 3 of SPAZI DI HILBERT CAPITOLO 1 SPAZI DI HILBERT 1. Spazi pre-hilbertiani 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 k=1 α kβ k Provare che gli assiomi p 1 ), p 2 ), p 3 ), p 4 ), p 5 ) sono banalmente verificati e quindi, è un prodotto interno. 3
4 1. SPAZI DI HILBERT Dim. p 1 ) a 1 + a 2, b = Σ n k=1 (α 1,k + α 2,k )β k = Σ n k=1 α 1,kβ k + Σ n k=1 α 2,kβ k = a 1, b + a 2, b p 2 ) αa, b = Σ n k=1 (αα k)β k = Σ n k=1 α(α kβ k ) = ασ n k=1 α kβ k = α a, b p 3 ) b, a = Σ n k=1 β kα k = Σ n k=1 α kβ k = (poiché α k β k IR) = Σ n k=1 α kβ k = Σ n k=1 α kβ k = a, b p 4 ) a, a = Σ n k=1 α2 k 0 p 5 ) (= ) : a, a = Σ n k=1 α2 k = 0 = α k = 0 k = 1,..., n = a = (0,..., 0). ( =) : Sia a = (0,..., 0) = a, a = 0. Page 4 of 106 4
5 1. SPAZI DI HILBERT 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 k=1 α kβ k Verificare che tutte le condizioni menzionate nella definizione di spazio pre-hilbertiano sono soddisfatte. Page 5 of 106 5
6 1. SPAZI DI HILBERT Dim. p 1 ) a 1 + a 2, b = Σ n k=1 (α 1,k + α 2,k )β k = Σ n k=1 α 1,kβ k + Σ n k=1 α 2,kβ k = a 1, b + a 2, b p 2 ) αa, b = Σ n k=1 (αα k)β k = Σ n k=1 α(α kβ k ) = ασ n k=1 α kβ k = α a, b p 3 ) b, a = Σ n k=1 β kα k = Σ n k=1 α kβ k = Σ n k=1 α kβ k = Σ n k=1 α kβ k = a, b p 4 ) a, a = Σ n k=1 α kα k = Σ n k=1 α k 2 0 p 5 )(= ) : a, a = Σ n k=1 α kα k = Σ n k=1 α k 2 = 0 = α k = 0 k = 1,..., n = α k = 0 k = 1,..., n = a = (0,..., 0). ( =) : Se a = (0,..., 0) = a, a = 0. Page 6 of 106 6
7 1. SPAZI DI HILBERT Esempio 1.3. [Successione finite] Sia L = {a = (α k ) k=1 : α k C per k IN, α k = 0 per k > n(a)} e definiamo: a + b = (α k + β k ) k=1 λa = (λα k ) k=1 a, b = Σ k=1 α kβ k N.B. La serie si riduce ad una somma finita. Verificare che L è uno spazio pre-hilbertiano. Page 7 of 106 7
8 1. SPAZI DI HILBERT Dim. Si osserva subito che la serie a, b = Σ k=1 α kβ k può essere ridotta ad una somma finita (di quanti termini non di sa). Infatti, se a, b L, allora chiaramente a = (α k ) k=1 con α k C per k IN, α k = 0 per k > n(a) e b = (β k ) k=1 con β k C per k IN, β k = 0 per k > n(b). Quindi, posto n = min{n(a), n(b)} si deduce che: α k β k = 0 per k > n = α k β k = 0 per k > n = a, b = Σ n k=1 α kβ k. Procedendo in modo analogo all esempio 1.2 si ricava che a, b = Σ k=1 α kβ k è un prodotto interno su L. Page 8 of 106 8
9 1. SPAZI DI HILBERT 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 (λf )(x) = λf (x), x I Inoltre poniamo: f, g = b a f (x)g(x)dx Provare che C(I) è uno spazio munito di prodotto interno. Page 9 of 106 9
10 1. SPAZI DI HILBERT Dim. p 1 ) f 1 + f 2, g = b a (f 1 + f 2 )(x)g(x)dx = b a (f 1(x) + f 2 (x))g(x)dx = b a f 1(x)g(x)dx + b a f 2(x)g(x)dx = f 1, g + f 2, g p 2 ) αf, g = b a (αf )(x)g(x)dx = α b a f (x)g(x)dx = α f, g b a b a αf (x)g(x)dx = p 3 ) g, f = b a g(x)f (x)dx = b a f (x)g(x)dx = f (x)g(x)dx = f, g p 4 ) f, f = b a f (x)f (x)dx = b a f (x) 2 dx 0 p 5 )(= ) : f, f = b a f (x)f (x)dx = b f (x) = 0 x I = f (x) = 0 x I = f = 0. ( =) : Se f = 0 = f, f = 0. a f (x) 2 dx = 0 = Page 10 of
11 1. SPAZI DI HILBERT Esercizio 1.1 Se {e k } n k=1 è una famiglia ortonormale di vettori, allora f 2 = n k=1 f, e k 2 f = n k=1 f, e k e k. Page 11 of
12 Page 12 of SPAZI DI HILBERT Dim. ( =): Sia f = n k=1 f, e k e k. Allora: n f 2 = f, f = f, e k e k, = n k=1 k=1 n f, e h e h = h=1 n f, e k f, e h e k, e h. h=1 Inoltre, sapendo che {e k } n k=1 è una famiglia ortonormale di vettori, dalla relazione precedente segue che f 2 = n f, e k 2. k=1 (= ): Si ponga g = f n k=1 f, e k e k. Si è visto nella dimostrazione della disuguaglianza di Bessel che g e h per h = 1,..., n e che i vettori g, f, e 1 e 1,..., f, e n e n formano una famiglia ortogonale. Pertanto, per il Corollario 1.2 si ha che: 12
13 1. SPAZI DI HILBERT f 2 = g + n f, e k e k 2 = g 2 + k=1 n f, e k 2 Ma, per ipotesi si ha che: f 2 = n k=1 f, e k 2, da cui segue che g 2 = 0 = g = 0 = g = 0. Quindi: k=1 0 = g = f n f, e k e k = f = n f, e k e k. k=1 k=1 Page 13 of
14 2. SPAZI DI HILBERT 2. Spazi lineari normati Esercizio 2.1. Provare che una successione convegente determina univocamente il suo limite. Page 14 of
15 2. SPAZI DI HILBERT Dim. Supponiamo che lim n f n = f e lim n f n = g. Per ogni ε > 0 esistono n 2 1 = n 1 ( ε ) e n 2 2 = n 2 ( ε ) tali che 2 Per n > max{n 1, n 2 } f f n < ε 2 n > n 1 g f n < ε 2 n > n 2. f g = f f n +f n g f f n + f n g < ε 2 + ε 2 = ε > 0. Allora: f g = 0 = f = g. Page 15 of
16 2. SPAZI DI HILBERT Esercizio 2.2. Ogni successione di Cauchy è limitata. Page 16 of
17 2. SPAZI DI HILBERT Dim. Sia (f n ) n=1 una successione di Cauchy, allora fissato 1 > 0 si può determinare un indice n = n(1) tale che n, m > n si ha: f n f m < 1. Fissato m > n risulta che n > n è f n f m f n f m < 1 per il Teorema 2.2, e per la relazione precedente. Da cui: f n < f m + 1 n > n. Posto M = max{ f 1,..., f n, f m + 1} risulta f n M n IN. Page 17 of
18 2. SPAZI DI HILBERT Teorema 2.5. Ogni successione convergente in L è di Cauchy. Page 18 of
19 2. SPAZI DI HILBERT Dim. Sia (f n ) n=1 una successione convergente a f in L. ε Per ogni > 0 esiste un n = n( ε ) tale che f 2 2 n f < ε 2 n > n. Allora n, m > n: f n f m = f n f +f f m f n f + f f m < ε 2 + ε 2 = ε. Quindi la successione (f n ) n=1 è una successione di Cauchy. Page 19 of
20 2. SPAZI DI HILBERT Esempio 2.3. Sia L = C n. Provare che L è completo nella norma indotta dal prodotto interno dato nell esempio 1.2. Page 20 of
21 Page 21 of SPAZI DI HILBERT Dim. Sia a i = (α 1,i,..., α n,i ) C n e sia (a i ) i=1 una successione di Cauchy in L. Allora per ogni ε > 0 esiste un i = i(ε) tale che per ogni j, i > i è a i a j < ε. a i a j 2 = a i a j, a i a j = Σ n k=1 (α k,i α k,j )(α k,i α k,j ) = = Σ n k=1 α k,i α k,j 2 < ε 2 Da α k,i α k,j 2 < n k=1 α k,i α k,j 2 < ε 2 si ha che per ogni k = 1,..., n e per ogni i, j > i è α k,i α k,j < ε. Quindi k = 1,..., n la successione (α k,i ) i=1 è una successione di Cauchy in C, (C è uno spazio metrico completo) allora converge ad un numero α k C. Ossia fissato ε n esiste i = i ( ε n ) tale che α k α k,i < ε n i > i Sia a = (α 1,..., α n ) C n allora 21
22 2. SPAZI DI HILBERT a a i 2 = n k=1 α k α k,i 2 < n ε2 n = ε2 i > i e quindi a a i < ε i > i ossia lim i a i = a, a C n. Page 22 of
23 3. SPAZI DI HILBERT 3. Lo spazio di Hilbert l 2 Esercizio 3.1. Sia U = {a = (α k ) k=1 : α k C, α k < 1, k k 1}. 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 ) k=1 ; allora ogni sottosuccessione della successione (e n ) n=1 non converge. Page 23 of
24 Page 24 of SPAZI DI HILBERT Dim. a) k=1 α k 2 < 1 k=1 < +. k 2 b) a n = (α n,k ) k, α n,k < 1 n 1, k 1. k α n,1 < 1 quindi è limitata, per un teorema di Analisi I (il caso complesso è lo stesso) esiste una sottosuccessione (α hn,1) n convergente a α 1. Pigliamo la successione α hn,2 < 1 quindi è limitata, per lo 2 stesso teorema di Analisi I, esiste una sottosuccessione che non è restrittivo continuare a chiamare (α hn,2) n convergente a α 2. Pigliamo la successione α hn,3 < è cosi via. 3 La sottosuccessione che otteniamo alla fine è quella convergente richiesta: (α hn,k) n. c) Osserviamo che comunque presi due elementi distinti, e n ed e m, della successione (e n ) n=1 risulta e n e m = ( k=1 δ n,k δ m,k 2 ) 1 2 = 2 pertanto non è verificata la condizione di Cauchy. 24
25 4. SPAZI DI HILBERT 4. Lo spazio di Hilbert L 2 Teorema 4.3. L 2 [a, b] è completo rispetto alla norma indotta dal prodotto interno. Page 25 of
26 Page 26 of SPAZI DI HILBERT (1) Dim. Se f L 2 [a, b], per la disuguaglianza di Cauchy, si ha: b a f (x) dx = f, 1 f 1 = b a f. Supponiamo ora che (f n ) n=1 sia una successione di Cauchy in L 2 [a, b]. Allora esiste un indice n 1 = n 1 ( 1 ) tale che: 2 f m f n < 1 2 per m, n n 1. Per induzione costruiamo una successione crescente di numeri naturali n 1 < n 2 <... < n k <... tale che: f m f n < 1 2 k per m, n n k. Consideriamo la successione (f nk+1 f nk ) n=1 L 2[a, b]. Per il Teorema di Lebesgue sulla convergenza dominata 1 abbiamo: 1 Teorema di Lebesgue sulla convergenza dominata: Se la successione (g k ) k=1 M[X] ha la proprietà che lim k g k esiste ed è finito q.o. in X e se g k h per qualche funzione h non negativa di L 1 [X] e per ogni k 1 allora lim k g k L 1 [X] e X lim k g k dµ = lim k X g kdµ. 26
27 Page 27 of SPAZI DI HILBERT (2) Σ k=1 b a b a Σ k=1 f n k+1 (x) f nk (x) dx = f nk+1 (x) f nk (x) dx b a Σ k=1 f n k+1 f nk b a Σ 1 k=1 2 = b a. k Per il Teorema di Beppo Levi 2 la serie Σ k=1 f n k+1 (x) f nk (x) converge q.o. e così la serie: f n1 (x) + [f nk+1 (x) f nk (x)] = lim f nk (x). k k=1 Di conseguenza la funzione f definita q.o. in [a, b] da f (x) = lim k f nk (x) è finita q.o. e appartiene a M[a, b]. Inoltre, usando ancora il Teorema di Lebesgue sulla convergenza dominata, abbiamo: 2 Teorema di Beppo Levi: Se la successione (g k ) k=1 L 1[X] ha la proprietà che k=1 X g k dµ <, allora k=1 g k converge q.o. in X a una funzione integrabile e X ( k=1 g k)dµ = k=1 X g kdµ. 27
28 Page 28 of SPAZI DI HILBERT b a f (x) f nh (x) 2 dx = lim m b a [ = lim m lim m lim m b a [ f nk+1 (x) f nk (x) ] 2 dx k=h m f nk+1 (x) f nk (x) ] 2 dx k=h m f nk+1 (x) f nk (x) 2 k=h ( m f nk+1 (x) f nk (x) k=h ( m k=h ) 2 ( 1 1 = 2 k 2 h 1 ) 2 ) 2. Concludiamo così che (f f nh ) L 2 [a, b] e f f nh 1. 2 h 1 Perciò abbiamo f = (f f nh ) + f nh L 2 [a, b] e per n > n h otteniamo f f n f f nh + f nh f n h 1 2 < 1 h h 2
29 4. SPAZI DI HILBERT Questo prova che lim n f n = f. Page 29 of
30 4. SPAZI DI HILBERT Teorema 4.5 L 2 [a, b] è separabile. Page 30 of
31 Page 31 of SPAZI DI HILBERT Dim. Denotiamo con L l insieme di tutte le combinazioni lineari finite, m k= m α k e k, delle funzioni e k (x) = 1 x a 2πik e b a, x [a, b] b a con coefficienti complessi razionali α k. L insieme L è numerabile (vedi la dimostrazione del Teorema 3.5). Proveremo ora che L è ovunque denso in L 2 [a, b]. Sia f L 2 [a, b] e sia ε > 0. Per dimostrare che f = Re f + i Im f può essere approssiamata con elementi di L da ε è sufficiente provarlo separatamente per la funzioni reali: Re f = 1 2 (f + f ) L 2[a, b] Im f = 1 2i (f f ) L 2[a, b]. Senza perdita di generalità possiamo quindi supporre che f sia a valori reali. Per n 1 definiamo su [a, b] la funzione: 31
32 Page 32 of SPAZI DI HILBERT Così f n M[a, b] e n se f (x) < n f n (x) = f (x) se n f (x) n n se f (x) > n. b a f n (x) 2 dx b a f (x) 2 dx < perciò f n L 2 [a, b] L 1 [a, b] (Corollario 4.1). Inoltre per il Teorema di Lebesgue sulla convergenza dominata risulta: b lim f f n 2 = lim f (x) f n (x) 2 dx = 0. n n a Scegliamo quindi un indice n tale che f f n ε/4. Per il Teorema di Lusin 3 scegliamo una funzione continua h su [a, b] che coincide con f n su [a, b] eccetto un insieme di misura di Lebesgue minore di 3 Teorema di Lusin: Per ogni f M(X) e per ogni ε > 0 esiste una funzione a valori complessi h che è continua su X e coincide con f su X eccetto un sottoinsieme Y X di misura µ(y ) < ε. 32
33 Page 33 of SPAZI DI HILBERT ε 2 128n 2. Senza perdita di generalità possiamo assumemere che h è a valori reali e che assume valori compresi nell intevallo [ n, n]. Abbassando o alzando linearmente la funzione h in [b ε 2, b] fino a farla coincidere con il valore h(a) otteniamo una 128n 2 funzione reale g su [a, b] tale che g(a) = g(b), assume i valori in [ n, n] e coincide con f n su [a, b] eccetto un insieme Y di ε misura minore di 2. 64n Troviamo: 2 f n g 2 = b a f n (x) g(x) 2 dx Scegliamo una combinazione lineare complessa: Y (2n) 2 dx (2n) 2 ε2 64n = ε m α k e k k= m 33
34 Page 34 of SPAZI DI HILBERT tale che g(x) m k= m α ke k (x) < ε 4, per ogni x b a [a, b], in virtù del Teorema di approssimazione di Weierstrass 4. Finalmente scegliamo dei numeri razionali α k ( m k m) in modo tale che: Pertanto: α k α k < g(x) ε 4(2m + 1) g(x) m k= m m k= m α k e k (x) +, per m k m. α k e k(x) m k= m ε 4 b a + ε 4 b a = α k α k e k(x) 4 Teorema di approssimazione di Weierstrass: Sia f a valori complessi e definita nel disco di raggio r e centro l origine di C una funzione continua. Allora per ogni ε > 0 esiste un polinomio complesso p(x) = Σ n k=0 Σn h=0 α k,hx k x h tale che f (x) p(x) ε per ogni x C con x r. 34
35 4. SPAZI DI HILBERT ε 2, per ogni x [a, b]; b a m m f (x) α k e k f f n + f n g + g α k e k k= m k= m ε 4 + ε 4 + ε 2 = ε. Page 35 of
36 4. SPAZI DI HILBERT Page 36 of
37 Page 37 of GEOMETRIA DEGLI SPAZI DI HILBERT CAPITOLO 2 GEOMETRIA DEGLI SPAZI DI HILBERT Esercizio 1.1. Sia H = l 2, definiamo: M 1 = {a = (α k ) k=1 l 2 : α 2k = 0, k = 1, 2,...} M 2 = {b = (β k ) k=1 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 ) k=1 dove γ 2k 1 = 0, γ 2k = sin 1, per k = k 1, 2,.... 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 2. 37
38 Page 38 of GEOMETRIA DEGLI SPAZI DI HILBERT Dim. a) Sapendo che H = l 2 = { (ζ k ) k=1 : ζ k C, k, si prova, innanzitutto, che } ζ k 2 <, k=1 M 1 = {a = (α k ) k=1 l 2 : α 2k = 0, k = 1, 2,...} è un sottospazio. Per prima cosa, bisogna fare vedere che M 1 è una varietà lineare. Ma: a + a = (α k ) k=1 + (α k ) k=1 = (α k + α k ) k=1 M 1, a = ( α k) k=1, a = ( α k) k=1 M 1. Infatti: α 2k + α 2k = 0 per k = 1, 2,..., dal momento che α 2k = α 2k = 0 per k = 1, 2,.... Inoltre: λa = λ (α k ) k=1 = (λα k) k=1 M 1, 38
39 Page 39 of GEOMETRIA DEGLI SPAZI DI HILBERT a = (α k ) k=1 M 1 e λ C. Infatti: λα 2k = 0 per k = 1, 2,..., dato che α 2k = 0 per k = 1, 2,.... Quindi, M 1 è una varietà lineare. È facile provare, ora, che M 1 è un sottospazio. Infatti, se a = ( α k) l k=1 2 è un punto di accumulazione per M 1, cioè a = ( α k) M k=1 1, allora per ogni ɛ > 0 esiste un elemento a = ( α k) M k=1 1 tale che a a < ɛ. Poiché α 2k = α 2k α 2k a a < ɛ, ne segue, data l arbitrarietà di ɛ, che α 2k = 0 per k = 1, 2,..., il che implica α 2k = 0 per k = 1, 2,.... Pertanto, a = ( α k) M k=1 1 e, quindi, M 1 M 1. Sapendo, chiaramente, che M 1 M 1, si ha che M 1 = M 1, cioè M 1 è una varietà lineare chiusa, ossia un sottospazio. Analogamente, si dimostra che anche M 2 = {b = (β k ) k=1 l 2 : β 2k 1 = δ k cos 1, β k 2k = δ k sin 1 k = 1, 2,...} è un sottospazio k di H = l 2. Per prima cosa, bisogna fare vedere che M 2 è una varietà 39
40 Page 40 of GEOMETRIA DEGLI SPAZI DI HILBERT lineare. Ma: b + b = (β k ) k=1 + (β k ) k=1 = (β k + β k ) k=1 M 2, b = ( β k) k=1, b = ( β k ) k=1 M 2. Infatti: β 2k 1 + β 2k 1 = δ k cos 1 k + δ k cos 1 k = (δ k + δ k ) cos 1 k β 2k + β 2k = δ k sin 1 k + δ k sin 1 k = (δ k + δ k ) sin 1 k per k = 1, 2,.... Inoltre: λb = λ (β k ) k=1 = (λβ k) k=1 M 2, b = (β k ) k=1 M 2 e λ C. Infatti: ( λβ 2k 1 = λ δ k cos 1 ) = (λδ k ) cos 1 k k ( λβ 2k = λ δ k sin 1 ) = (λδ k ) sin 1 k k per k = 1, 2,.... Quindi, M 2 è una varietà lineare. Ora proviamo che M 2 è un sottospazio. 40
41 Page 41 of GEOMETRIA DEGLI SPAZI DI HILBERT Osserviamo preliminarmente che se b ɛ = (β ɛ,k ) k=1 M 2, ɛ > 0, per la definizione di M 2 si ha β ɛ,2k 1 = δ ɛ,k cos 1 e k β ɛ,2k = δ ɛ,k sin 1, k = 1, 2,..., allora si verificherà che: k b ɛ 2 = β ɛ,k 2 = k=1 = δ ɛ,k 2 (cos 2 1 k + 1 sin2 k ) = k=1 δ ɛ,k 2 = δ ɛ 2. k=1 Dall osservazione precedente segue che se b ɛ l 2 allora δ ɛ = (δ ɛ,k ) k=1 l 2. Proprio il fatto che l 2 è completo, ci permette di dire che δ ɛ al tendete di ɛ a 0 ammette limite: (3) lim ɛ 0 δ ɛ = δ = (δ k ) k=1 l 2 Definiamo c = (γ k ) k=1 M 2 come γ ɛ,2k 1 = δ k cos 1 k e β ɛ,2k = δ k sin 1 k, k = 1, 2,... 41
42 Page 42 of GEOMETRIA DEGLI SPAZI DI HILBERT (4) b ɛ c 2 = β ɛ,k γ k 2 = k=1 = k=1 δ ɛ,k δk 2 (cos 2 1 k + 1 sin2 k ) = k=1 δ ɛ,k δ k 2 = δ ɛ δ 2 ɛ 0 0, per la definizione di limite (3). Se b = ( ) β k l k=1 2 è un punto di accumulazione per M 2, cioè b = ( ) β k M k=1 2, allora per ogni ɛ > 0 esiste un elemento b ɛ = (β ɛ,k ) k=1 M 2 tale che (5) b b ɛ < ɛ. A questo punto ci basta dimostrare che b = c, b c = b b ɛ + b ɛ c b b ɛ + b ɛ c, questo è minore di 2ɛ, per la (5), (4). Quindi: 0 b c < ɛ, 42
43 Page 43 of GEOMETRIA DEGLI SPAZI DI HILBERT e data l arbitrarietà di ɛ, b = c M 2, quindi, M 2 M 2. Sapendo, chiaramente, che M 2 M 2, si ha che M 2 = M 2, cioè M 2 è una varietà lineare chiusa, ossia un sottospazio di H = l 2. b) Bisogna dimostrare, ora, che M 1 M 2 = l 2, dove M 1 M 2 = M 1 + M 2 = { a + b : a = (αk ) k=1 M 1, b = (β k ) k=1 M } 2 = = { (α k + β k ) k=1 : α 2k = 0, β 2k 1 = δ k cos 1 k, β 2k = δ k sin 1 k, k = 1, 2,... } = = { (η k ) k=1 : η 2k 1 = α 2k 1 + δ k cos 1 k, η 2k = δ k sin 1 k, k = 1, 2,... }. Poiché M 1 ed M 2 sono sottospazi di H = l 2, allora anche M 1 M 2 è un sottospazio di H = l 2, cioè M 1 M 2 l 2. In particolare, è il sottospazio generato da M 1 M 2. Per far vedere che M 1 M 2 = l 2, rimane da provare che l 2 M 1 M 2. 43
44 Page 44 of GEOMETRIA DEGLI SPAZI DI HILBERT In particolare proveremo che un qualunque elemento di l 2 appartiene alla chiusura di M 1 +M 2, cioè che c l 2, fissato ad arbitrio ɛ > 0 esiste η = (η k ) k=1 M 1+M 2 tale che c η < ɛ. Poiché è c = (c k ) k=1 l 2, si ha che per ogni ɛ > 0 esiste un k IN tale che la serie resto, r k, k-mo della serie k=1 c k 2, visto che lim k r k = 0: (6) r k = k=k c k 2 < ɛ 2. Consideriamo ora l elemento η M 1 + M 2 tale che δ k = { ck k < k sin 1 k 0 k k ; { c 2k 1 δ k cos 1 k < k a 2k 1 = k 0 k k. In particolare è: { δ k sin 1 η 2k = = c k k k < k 0 k k ; 44
45 Page 45 of GEOMETRIA DEGLI SPAZI DI HILBERT ɛ. { α 2k 1 + δ k cos 1 η 2k 1 = = c k 2k 1 k < k 0 k k. Si ha quindi c η = (c k ) k=k e dalla (6) segue che c η < Di conseguenza, è possibile affermare che M 1 M 2 = l 2. c) Si consideri la successione c = (γ k ) k=1, dove γ 2k 1 = 0, γ 2k = sin 1, per k = 1, 2,.... k Per dimostrare che c l 2, bisogna fare vedere che la serie γ k 2 = γ 2k 2 = sin 1 2 k <, k=1 k=1 k=1 cioè che la serie considerata è convergente. Ma, osservando che sin 1 2 k 1 per ogni k 1, k 2 per il criterio del confronto, si ottiene che la serie data è convergente essendo tale la serie 1 k. 2 k=1 45
46 Page 46 of GEOMETRIA DEGLI SPAZI DI HILBERT 1 Infatti, per il criterio della serie di Cauchy, la serie k ha 2 k=1 2 k lo stesso carattere della serie, cioè della serie geometrica di ragione 1 che è convergente. k=1 (2 k 2 ) ( ) 1 k 2 2 k=1 Pertanto, c l 2. d) Si consideri, ancora, la successione c = (γ k ) k=1, con γ 2k 1 = 0, γ 2k = sin 1, per k = 1, 2,... e si provi che c / k M 1 + M 2, dove M 1 + M 2 = { a + b : a = (α k ) k=1 M 1, b = (β k ) k=1 M 2} = { = (α k + β k ) k=1 : α 2k = 0, β 2k 1 = δ k cos 1 k, β 2k = δ k sin 1 k, = k = 1, 2,...} = { (η k ) k=1 : η 2k 1 = α 2k 1 + δ k cos 1 k, η 2k = δ k sin 1 k, 46 k = 1, 2,...}.
47 Page 47 of GEOMETRIA DEGLI SPAZI DI HILBERT Si supponga per assurdo che c M 1 + M 2. In tal caso, la successione considerata si può scrivere nel modo seguente: con c = (η k ) k=1 η 2k 1 = α 2k 1 + δ k cos 1 k = 0 η 2k = δ k sin 1 k = sin 1 k, per k = 1, 2,..., da cui si ricava che δ k = 1 α 2k 1 = cos 1 k per k = 1, 2,.... Di conseguenza, si ottiene che dove c = a + b, a = (α k ) k=1 M 1 con α 2k = 0 e α 2k 1 = cos 1 k, b = (β k ) k=1 M 2 con β 2k = sin 1 k e β 2k 1 = cos 1 k, 47
48 Page 48 of GEOMETRIA DEGLI SPAZI DI HILBERT per k = 1, 2,.... Naturalmente, si deve verificare, affinché a = (α k ) k=1 M 1 e b = (β k ) k=1 M 2, che a = (α k ) k=1 H = l 2 e b = (β k ) k=1 H = l 2. In particolare, perché a = (α k ) k=1 H = l 2, si deve avere che α k 2 <. Ma, si osserva che α k 2 = k=1 lim k k=1 α 2k 1 2 = k=1 k=1 ( cos 1 ) 2 k è una serie divergente, dal momento che il suo termine generale non tende a zero ed è una serie a termini positivi. Infatti: ( cos 1 ) 2 = 1 0. k Da quanto detto, si deduce che si è ottenuta una contraddizione. Pertanto, è possibile concludere che c / M 1 + M 2. 48
49 2. GEOMETRIA DEGLI SPAZI DI HILBERT 2. Sottospazi ortogonali Esercizio 2.1. Sia H = l 2. Per ogni n 1 sia e n = (δ n,k ) k=1 l 2 e sia A = (e 2n 1 + e 2n ) n=1. a) Identifica A e A in l 2. b) a = (α k ) k=1 l 2 allora P A a = (β k ) k=1, dove β 2n 1 = β 2n = 1 (α 2 2n 1 + α 2n ) per n 1; P A a = (γ k ) k=1 con γ 2n 1 = γ 2n = 1 (α 2 2n 1 α 2n ) per n 1. Page 49 of
50 Page 50 of GEOMETRIA DEGLI SPAZI DI HILBERT Dim. a) Sia H = l 2. Per ogni n 1 sia e n = (δ n,k ) k=1 l 2 e sia A = (e 2n 1 + e 2n ) n=1 Allora: A = { c = (γ k ) k=1 l 2 : (γ k ) k=1 A} = = { c = (γ k ) k=1 l 2 : (γ k ) k=1 (e 2n 1 + e 2n ) dove e n = (δ n,k ) k=1, n = 1, 2,...} = = { c = (γ k ) k=1 l 2 : (γ k ) k=1, ((δ 2n 1,k) k=1 + (δ 2n,k) k=1 ) = 0, = { c = (γ k ) k=1 l 2 : n = 1, 2,...} = γ k ((δ 2n 1,k ) + (δ 2n,k )) = 0, k=1 n = 1, 2,...} = = { c = (γ k ) k=1 l 2 : γ k (δ 2n 1,k ) + k=1 50 γ k (δ 2n,k ) = 0, k=1 n = 1, 2,...} =
51 Page 51 of GEOMETRIA DEGLI SPAZI DI HILBERT = { c = (γ k ) k=1 l 2 : γ 2n 1 + γ 2n = 0, n = 1, 2,... } = = { c = (γ k ) k=1 l 2 : γ 2n 1 = γ 2n, n = 1, 2,... }. A = A = { b = (β k ) k=1 l 2 : (β k ) k=1 A } = = { b = (β k ) k=1 l 2 : (β k ) k=1 (γ k) k=1, (γ k) k=1 A } = = { b = (β k ) k=1 l 2 : (β k ) k=1, (γ k) k=1 = 0, dove γ 2n 1 = γ 2n, n = 1, 2,...} = { = b = (β k ) k=1 l 2 : β k γ k = 0, dove γ 2n 1 = γ 2n, n = 1, 2,...} = { } = b = (β k ) k=1 l 2 : (β 2k 1 γ 2k 1 β 2k γ 2k 1 ) = 0 = = { b = (β k ) k=1 l 2 : k=1 k=1 } (β 2k 1 β 2k ) γ 2k 1 = 0 = k=1 = { b = (β k ) k=1 l 2 : β 2k 1 β 2k = 0 } = 51
52 2. GEOMETRIA DEGLI SPAZI DI HILBERT = { b = (β k ) k=1 l 2 : β 2k 1 = β 2k }. b) È possibile scrivere ogni successione a = (α k ) k=1 l 2 nel seguente modo: a = (α k ) k=1 = (β k) k=1 + (γ k) k=1, con (β k ) k=1 A e (γ k ) k=1 A. Infatti: β 2n 1 + γ 2n 1 = 1 2 (α 2n 1 + α 2n ) (α 2n 1 α 2n ) = α 2n 1, β 2n + γ 2n = 1 2 (α 2n 1 + α 2n ) 1 2 (α 2n 1 α 2n ) = α 2n. Poiché la decomposizione di una qualunque successione nella somma di una successione di A e di una successione di A = A è unica per il Teorema 2.9, è possibile concludere che Page 52 of 106 P A a = (β k ) k=1, con β 2n 1 = β 2n = 1 2 (α 2n 1 +α 2n ) per n 1, P A a = (γ k ) k=1, con γ 2n 1 = γ 2n = 1 2 (α 2n 1 α 2n ) per n 1. 52
53 3. GEOMETRIA DEGLI SPAZI DI HILBERT 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 } k=1 {g k} k=1 è ortonormale. Page 53 of
54 Page 54 of GEOMETRIA DEGLI SPAZI DI HILBERT Dim. Occorre verificare che nello spazio L 2 [0, 1] le funzioni e 0 = 1, f k (x) = 2 cos 2πkx, g k (x) = 2 sin 2πkx per k = 1, 2,... costituiscono una famiglia ortonormale. Cominciamo con l osservare che la famiglia di funzioni {e 2kπi } k= è costituita da funzioni ortonormali. Infatti h, k ZZ riesce e 2kπi, e 2hπi = 0 k h in quanto è (7) e 2kπi, e 2hπi 1 = e 2kπix e 2hπix dx = e 2(k h)πix dx = 1 = 2(k h)π (e2(k h)πi 1) 1 = (cos 2(k h)π + i sin 2(k h)π 1) = 0 2(k h)π ciò prova che dette funzioni sono ortogonali. Proviamo ora che esse hanno norma 1 cioè che e 2kπi = e 2kπi, e 2kπi 1 2 = 1; ciò è immediatamente verificato in quanto è: 1 0 e 2kπix e 2kπix dx = dx = 1.
55 Page 55 of GEOMETRIA DEGLI SPAZI DI HILBERT Essendo segue che e 2kπix = cos 2kπx + i sin 2kπx e 2kπix + e 2kπix = 2 cos 2kπx e e 2kπix e 2kπix = 2i sin 2kπx pertanto si ha: (8) f k (x) = e2kπix + e 2kπix e g k (x) = e2kπix e 2kπix 2 i 2 Dalla (8) segue che f k f h, k h {1, 2...} in quanto f k, f h = 1 1 = 1 2 f k f h dx = e 2kπix + e 2kπix 2 e 2hπix + e 2hπix 2 dx = (e 2kπix + e 2kπix )(e 2hπix + e 2hπix )dx = = 1 (e 2(k h)πix + e 2(k+h)πix + e 2(k+h)πix + e 2( k+h)πix )dx = e questo per quanto ottenuto nella (7). 55
56 Page 56 of GEOMETRIA DEGLI SPAZI DI HILBERT Analogamente si prova che g k g h e che f k g h, k, h IN, con k h. Proviamo infine che f k g k ; infatti si ha: = 1 i2 1 0 f k, g k = 1 0 f k g k dx (e 2kπix + e 2kπix )(e 2kπix e 2kπix )dx = 1 = 1 [(e 2kπix ) 2 (e 2kπix ) 2 ]dx = 0 i2 0 Banalmente si verifica che le funzioni f k e g k sono ortogonali ad e 0 = 1. Proviamo ora che f k 2 = 1 (In modo analogo si prova che g k 2 = 1). 1 1 f k 2 = f k f k dx = 2 cos 2 2kπx dx 0 0 = 2 ( ) 2kπx + sin 2kπx cos 2kπx 1 0 = 1 2kπ 2 56
57 3. GEOMETRIA DEGLI SPAZI DI HILBERT Corollario 3.1. Sia F = {f k } χ k=1 e G = {g k} χ k=1 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 k=1 = {g k } χ k=1 c) La famiglia {e k = g k g k }χ k=1 è una famiglia ortonormale verificante il Teorema 3.1 d) Se {h k } χ k=1 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. Page 57 of
58 Page 58 of GEOMETRIA DEGLI SPAZI DI HILBERT Dim. a) L affermazione è banale per k = 1. Supponiamo che sia vera per k 1. Risulta: g k = k k 1 α k,h f h = α k,k f k + β k,h g h. h=1 Poiché i vettori g 1,..., g k non nulli e mutuamente ortogonali sono linearmente independenti, dovrà essere α k,k 0. In conclusione: f k = 1 α k,k (g k h=1 k 1 β k,h g h ). b) Per la a) e il Teorema 3.1 ogni combinazione lineare finita di vettori di F è una anche una combinazione lineare finita di vettori di G e viceversa. L affermazione è conseguenza del Teorema 1.4. c) ovvia. d) Poiché h k è una combinazione lineare di f 1,..., f k e poiché ognuno di questi vettori è una combinazione lineare di g 1,..., g k segue: 58 h=1
59 3. GEOMETRIA DEGLI SPAZI DI HILBERT k h k = α k,h g h per 1 k χ. h=1 D altra parte, per lo stesso motivo, risulta: g h = In conclusione: h β h,j h j per 1 h χ. j=1 Page 59 of 106 e α k,h = h k, g h g h 2 = 0 per 1 h χ. h k = α k,k g k. Da h k 0 segue α k,k 0. 59
60 3. GEOMETRIA DEGLI SPAZI DI HILBERT Teorema 3.2. Uno spazio di Hilbert H è separabile possiede una base numerabile (finita o infinita). Page 60 of
61 Page 61 of GEOMETRIA DEGLI SPAZI DI HILBERT Dim. (= ): Supponiamo che H sia separabile e sia (f n ) n=1 una successione in H ovunque densa. Scegliamo una sottosuccessione F = (f nk ) χ k=1, di vettori linearmente indipendenti come segue. Sia n 1 il più piccolo indice n tale che f n 0. Se n 1 <... < n k sono scelti in modo che f n1,..., f nk sono linearmente indipendenti e f n è una combinazione lineare di f n1,..., f nk per 1 n n k allora sia n k+1 il più piccolo indice n > n k tale che f n1,..., f nk, f n sono linearmente indipendenti (se un tale indice n esiste va bene, altrimenti il processo termina a k = χ). Ovviamente ogni vettore f n è una combinazione lineare finita di vettori di F. Sia G = {e k } χ k=1 una famiglia ortonormale ottenuta ortogonalizzando F. Allora ogni vettore f n è una combinazione lineare finita di vettori di G. Supponiamo che esista f H tale che f e k per ogni e k G. Allora f f n per n 1. Scegliamo una sottosuccessione (f n) n=1 che è ovunque densa e tale che: f = lim n f n. Allora f, f = lim n f, f n = 0 e quindi f = 0. In questo modo G è una base. 61
62 Page 62 of GEOMETRIA DEGLI SPAZI DI HILBERT ( =): Viceversa, supponiamo che G = {e k } χ k=1 sia una base numerabile. Sia M la varietà lineare di tutte le combinazioni lineari finite di vettori di G. Se f M per qualche f H, allora f e k per ogni e k G e quindi f = 0. Per il Corollario 2.3 segue che M è ovunque denso in H. Sia M il sottoinsieme di M costituito da tutte le tutte le combinazioni lineari finite di vettori di G a coefficienti razionali complessi. L insieme M è numerabile. Proviamo che anche M è ovunque denso in H. Infatti per ogni f H e per ogni ε > 0 possiamo scegliere un elemento g = n α k e k M tale che f g < 1 2 ε. k=1 Per 1 k n scegliamo un razionale complesso α k in modo che α k α k < ε. Sia 2n g = n k=1 α k e k. Risulta: f g f g + g g 1 2 ε+ n 62 k=1 α k α k < 1 2 ε+n ε 2n = ε.
63 3. GEOMETRIA DEGLI SPAZI DI HILBERT Teorema 3.3 Sia {e k } χ k=1 una famiglia ortonormale di H. Le seguenti affermazioni sono equivalenti: a) {e k } χ k=1 è una base b) f e k per ogni k 1 = f = 0 c) H = {e k } χ k=1 d) f = χ k=1 f, e k e k per ogni f H (Serie di Fourier) e) f, g = χ k=1 f, e k g, e k per ogni f, g H (Identità di Parseval) f) f 2 = χ k=1 f, e k 2 per ogni f H (Identità di Parseval) Page 63 of
64 Page 64 of GEOMETRIA DEGLI SPAZI DI HILBERT Dim. a) = b) per definizione di base. b) = c) Se {e k } χ k=1 H allora H deve contenere un vettore f non zero ortogonale a {e k } χ k=1 e questo contraddice b). c) = d) Gli insiemi M k = {αe k : α C}, k 1, sono sottospazi mutuamente ortogonali. Per il Teorema 2.4 risulta H = χ k=1 M k = χ k=1 M k e ogni vettore f ammette un unica rappresentazione in una serie convergente (o somma finita), f = χ k=1 α k(f )e k per il Teorema 2.5. Facendo il prodotto interno con e k di ambo i membri si ha: f, e k = α k (f ). d) = e) f, g = χ k=1 f, e k e k, g = χ k=1 f, e k g, e k per il Teorema c). e) = f) f, f = χ k=1 f, e k f, e k. f) = a) Se f e k per k 1 allora f 2 = χ k=1 f, e k 2 = 0, quindi f = 0. 64
65 Page 65 of GEOMETRIA DEGLI SPAZI DI HILBERT 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 k = β k = α 0 = f (x)dx, f (x) cos 2kπxdx, f (x) sin 2kπxdx, Nelle notazioni dell esempio 3.4 si ha: per k = 1, 2,.... 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 k=1 (α2 k + β2 k ) 65
66 Page 66 of GEOMETRIA DEGLI SPAZI DI HILBERT Dim. Definiamo su L 2 [0, 1], per ogni funzione reale f ad esso appartenente: α k = β k = α 0 = f (x)dx, f (x) cos 2kπx dx, f (x) sin 2kπx dx. Dalle notazioni dell esempio 3.4 si ha: α 0 = f, e 0 α k = 1 2 f, f k = β k = 1 2 f, g k = Per l identità di Parseval otteniamo: f (x) cos 2kπx dx f (x) sin 2kπx dx
67 3. GEOMETRIA DEGLI SPAZI DI HILBERT (9) f 2 = 1 0 f 2 (x)dx = f, τ k 2, dove {τ k } è una famiglia numerabile di vettori ortonormali. Osservato che la famiglia {e 0 } {f k } k=1 {g k} k=1, come provato nell esempio 3.4, è una famiglia numerabile ortonormale e che la serie (9) è assolutamente convergente e pertanto la sua somma non cambia comunque si riordinino i suoi elementi, otteniamo pertanto (riordinando opportunamente gli elementi) 1 0 k=1 f 2 (x)dx = α Σ k=1 (α2 k + β2 k ). Page 67 of
68 3. GEOMETRIA DEGLI SPAZI DI HILBERT Teorema 3.4. Due qualunque basi di uno spazio di Hilbert H separabile hanno lo stesso numero cardinale. Page 68 of
69 3. GEOMETRIA DEGLI SPAZI DI HILBERT Dim. Per il Teorema 3.2, H contiene una base numerabile G = {e k } χ k=1 (χ < o χ = ). a) χ <. Per 1 k χ sia M k = {αe k : α C}. Allora H = χ k=1 M k e ogni sottoinsieme di H contiene al più χ vettori linearmente indipendenti. Una qualunque altra base G = {e k }χ k=1 deve quindi avere χ χ. Per lo stesso fatto χ χ e quindi χ = χ. b) χ =. Per a) ogni base G deve essere infinita. Se G non fosse numerabile allora H non sarebbe separabile. Quindi G deve essere numerabilmente infinito. Page 69 of
70 4. GEOMETRIA DEGLI SPAZI DI HILBERT 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 ) Page 70 of
71 Page 71 of GEOMETRIA DEGLI SPAZI DI HILBERT Dim. {e k } χ k=1 e {e k }χ k=1 basi per H e H rispettivamente (χ ). Per ogni f H definiamo: f = Uf = Σ χ k=1 f, e k e k Questa definizione ha senso poiché per l identità di Parseval Σ χ k=1 f, e k 2 = f 2 < e in virtù del Teorema 2.3 la serie Σ χ k=1 f, e k e k converge in H. Inoltre: Ue k = e k, k 1. Si prova adesso che U verifica le proprietà a), b) e c) e che U è una biiezione. a) f, g H, si ha: U (f + g) = χ χ f + g, e k e k = ( f, e k + g, e k ) e k = k=1 k=1 = χ χ f, e k e k + g, e k e k k=1 k=1 71 = Uf + Ug.
72 Page 72 of GEOMETRIA DEGLI SPAZI DI HILBERT b) f H e λ C, si ha: χ U (λf ) = λf, e k e k = k=1 = λ χ λ f, e k e k k=1 χ f, e k e k = λuf. k=1 c) f, g H, si ha: χ Uf, Ug = f, e k e k, = χ k=1 k=1 χ g, e h e h h=1 χ f, e k g, e h e k, e h = h=1 (sapendo che { e k} χ è una famiglia ortonormale di vettori) k=1 χ = f, e k g, e k = (per l identità di Parseval) = f, g. k=1 Si osserva, inoltre, che f H: Uf 2 = Uf, Uf = f, f = f 2. 72
73 Page 73 of GEOMETRIA DEGLI SPAZI DI HILBERT Per dimostrare ora che U è un applicazione biiettiva bisogna fare vedere che U è iniettiva e suriettiva. Innanzitutto, si prova che U è iniettiva verificando che f, g H se f g = Uf Ug. Infatti: f g = 0 f g = U (f g) = U (f g) 0 = Uf Ug 0 = Uf Ug. Si mostra, infine, che U è suriettiva facendo vedere che f H f H tale che Uf = f. Per fare ciò basta considerare f = f, e k e k. Infatti: χ k=1 χ χ χ Uf = f, e h e h = f, e k e k, e h e h = χ h=1 h=1 h=1 k=1 χ χ f, e k e k, e h e h = f, e h e h k=1 h=1 = (per il Teorema 3.3. punto d)) = f. 73
74 4. GEOMETRIA DEGLI SPAZI DI HILBERT Page 74 of
75 1. OPERATORI LINEARI E LIMITATI CAPITOLO 3 OPERATORI LINEARI E LIMITATI 1. Applicazioni (Operatori) lineari e limitati Esempio 1.4. Sia h un vettore di H. Per ogni f H definiamo φf = f, h C. Allora provare che φ è un funzionale lineare e limitato su H e φ = h. Page 75 of
76 1. OPERATORI LINEARI E LIMITATI Dim. φ è lineare: f, g H = φ(f + g) = f + g, h = f, h + g, h = φ(f ) + φ(g). λ C, f H = φ(λf ) = λf, h = λ f, h = λφf. φ è limitato: φ = sup f H, f =1 φf = sup f H, f =1 f, h = h. Page 76 of
77 2. OPERATORI LINEARI E LIMITATI Teorema 2.1. Siano A e B due operatori lineari in H con varietà lineari D A e D B rispettivamente. Allora le applicazioni A + B, λa, e AB definite da: (A + B)f = Af + Bf, f D A D B Page 77 of 106 (λa)f = λ(af ), f D A (AB)f = A(Bf ), f D AB = {f D B : Bf D A } sono operatori lineari in H nelle varietà lineari corrispondenti. 77
78 Page 78 of OPERATORI LINEARI E LIMITATI Dim. (A + B)f = Af + Bf f D A D B è un operatore lineare. Infatti ( λ C, f, g D A D B ): (A+B)(f +g) = A(f +g)+b(f +g) = (Af +Ag)+(Bf +Bg) = (Af + Bf ) + (Ag + Bg) = (A + B)f + (A + B)g, (A + B)(λf ) = A(λf ) + B(λf ) = λ(af ) + λ(bf ) = = λ(af + Bf ) = λ(a + B)f. (λa)f = λ(af ) f D A è un operatore lineare. ( µ C, f, g D A ): Infatti (λa)(f + g) = λ(a(f + g)) = λ(af + Ag) = λ(af ) + λ(ag) = (λa)f + (λa)g, (λa)(µf ) = λ(a(µf )) = λ(µa(f )) = (λµ)af = µ((λa)f ). (AB)f = A(Bf ), f D AB = {f D B : Bf D A } è un operatore lineare. Infatti ( λ C, f, g D AB ): 78
79 2. OPERATORI LINEARI E LIMITATI (AB)(f +g) = A(B(f +g)) = A(Bf +Bg) = A(Bf )+A(Bg) = (AB)f + (AB)g, (AB)(λf ) = A(B(λf )) = A(λBf ) = λa(bf ) = λ(ab)f. Page 79 of
80 2. OPERATORI LINEARI E LIMITATI Corollario 2.1. Con le operazioni definite nel Teorema 2.1 l insieme di tutti gli operatori lineari su H è uno spazio lineare verificante le seguenti proprietà: a) (AB)C = A(BC) b) A(B + C) = AB + AC, (A + B)C = AC + BC c) (αa)b = A(αB) = α(ab) d) IA = AI = A e) 0A = A0 = 0 Page 80 of
81 Page 81 of OPERATORI LINEARI E LIMITATI Dim. L insieme di tutti gli operatori lineari su H dotato delle seguenti operazioni: (A + B) f = Af + Bf, f H (λa) f = λ (Af ), f H è uno spazio lineare. Infatti, dal Teorema 2.1 si deduce che A+B e λa (con A : H H e B : H H operatori lineari su H) sono a loro volta operatori lineari su H. Si vede, poi, facilmente che tale insieme verifica tutte le condizioni menzionate nella definizione di spazio lineare su K. Inoltre, l operazione di moltiplicazione così definita (AB) f = A (Bf ), f H soddisfa sull insieme di tutti gli operatori lineari su H le proprietà a), b), c), d) ed e) dell enunciato. Infatti: a) f H, si ha: Dunque, b) f H, si ha: (AB) Cf = A (B (Cf )) = A (BC) f. (AB) C = A (BC). 81
82 Page 82 of OPERATORI LINEARI E LIMITATI A (B + C) f = A ((B + C) f ) = A (Bf + Cf ) = (per la linearità di A) = A (Bf ) + A (Cf ) = (AB) f + (AC) f. Essendo tale relazione valida qualunque sia f H, si ricava che: A (B + C) = AB + AC. Analogamente, si ha che f H: (A + B) Cf = (A + B) (Cf ) = A (Cf ) + B (Cf ) = (AC) f + (BC) f. Di conseguenza: c) f H, si ha: (A + B) C = AC + BC. (αa) Bf = (αa) (Bf ) = α (A (Bf )) = α ((AB) f ), il che implica che Analogamente: (αa) B = α (AB). A (αb) f = A ((αb) f ) = A (α (Bf )) = αa (Bf ) = α (AB) f, da cui segue, essendo tale uguaglianza vera f H, che Pertanto: A (αb) = α (AB). (αa) B = A (αb) = α (AB). 82
83 Page 83 of OPERATORI LINEARI E LIMITATI d) f H, si ha: (IA) f = I (Af ) = Af e (AI) f = A (If ) = Af. Quindi, IA = AI = A. e) f H, si ha: (0A) f = 0 (Af ) = 0 e (A0) f = A (0f ) = A0 = 0. Dunque: 0A = A0 = 0. 83
84 2. OPERATORI LINEARI E LIMITATI Teorema 2.5 Un operatore lineare, limitato e invertibile è una biiezione. L inverso è unico. Page 84 of
85 Page 85 of OPERATORI LINEARI E LIMITATI Dim. Sia A : H H un operatore lineare, limitato e invertibile. Essendo A invertibile per ipotesi, allora esiste A 1 : H H operatore lineare e limitato tale che AA 1 = A 1 A = I. Si dimostri che A è una biiezione. a) Per provare che A è iniettiva, bisogna fare vedere che se Af = Ag f = g. Si ponga Af = Ag = h. Allora: e f = If = ( A 1 A ) f = A 1 (Af ) = A 1 h g = Ig = ( A 1 A ) g = A 1 (Ag) = A 1 h. Da ciò segue che f = g e, quindi, è possibile asserire che A è un applicazione iniettiva. b) A è anche surgettiva. Infatti, f H A 1 f H tale che A ( A 1 f ) = ( AA 1) f = If = f. Si prova, ora, l unicità dell inverso. 85
86 2. OPERATORI LINEARI E LIMITATI Siano A 1 1 e A 1 2 due operatori lineari e limitati su H tali che AA 1 1 = A 1 1 A = I e AA 1 2 = A 1 2 A = I. Bisogna fare vedere che A 1 1 = A 1 2, ossia che A 1 1 f = A 1 2 f, f H. Poiché, f H si ha che: A 1 1 f = ( A 1 1 (If ) = A 1 1 AA 1 2 f ) = ( A 1 1 A) ( A 1 2 f ) si deduce che: = I ( A 1 2 f ) = A 1 2 f, A 1 1 = A 1 2. Pertanto, si può affermare che l inverso di un operatore lineare e limitato su H è unico. Page 86 of
87 Page 87 of OPERATORI LINEARI E LIMITATI Teorema 3.5. a) Sia A : H H un operatore lineare e limitato. Allora la funzione ϕ : H H K definita da: (10) ϕ(f, g) = f, Ag è una forma bilineare limitata su H e ϕ = A. b) Viceversa, sia ϕ : H H K una forma bilineare limitata. Allora esiste un unico operatore lineare e limitato A : H H, tale che: (11) ϕ(f, g) = f, Ag, (f, g) H H. 87
88 Page 88 of OPERATORI LINEARI E LIMITATI Dim. a) A : H H è un operatore lineare e limitato allora abbiamo già visto la funzione ϕ definita da (10) è una forma bilineare limitata e (12) ϕ A b) Viceversa, sia ϕ : H H C una forma bilineare limitata. Per prima cosa proveremo l esistenza di un operatore A : H H lineare e limitato verificante (11). Nel corso della dimostrazione proveremo anche che questo operatore A verifica la disuguaglianza A ϕ. Insieme con la disuguaglianza (12) della dimostrazione della parte a) proverà la desiderata uguaglianza ϕ = A se proveremo che A è unico. A tal fine per ogni g H definiamo la funzione Φ g (f ) : H C da: (13) Φ g (f ) = ϕ(f, g). Allora Φ g è un funzionale lineare su H. Il funzionale lineare Φ g è limitato; infatti: Φ g (f ) = ϕ(f, g) ϕ f g 88
89 3. OPERATORI LINEARI E LIMITATI e quindi Φ g ϕ g. Per il teorema di rappresentazione di Riesz, esiste un unico vettore Ag H, tale che: (14) Φ g (f ) = f, Ag, f H. Inoltre, per lo stesso teorema, abbiamo: Page 89 of 106 (15) Ag = Φ g ϕ g. L operatore A : H H definito da (14) è lineare; infatti: f, A(αg) = Φ αg (f ) = ϕ(f, αg) = αϕ(f, g) = αφ g (f ) f H, per cui: = α f, Ag = f, αag f, A(αg) αag = 0, f H e quindi: A(αg) = αag. Analogamente da: 89
90 Page 90 of OPERATORI LINEARI E LIMITATI f, A(g + h) = Φ g+h (f ) = ϕ(f, g + h) = ϕ(f, g) + ϕ(f, h) = Φ g (f )+Φ h (f ) = f, Ag + f, Ah = f, Ag + Ah, f H e quindi: A(g + h) = Ag + Ah. Così A è un operatore lineare su H. La disuguaglianza (15) prova che A è limitato e infatti A ϕ. Da (13) e (14) segue: ϕ(f, g) = Φ g (f ) = f, Ag, (f, g) H H. Finalmente supponiamo che B : H H è un altro operatore lineare e limitato avente la proprietà che ϕ(f, g) = f, Bg (f, g) H H. Allora per ogni fissato g H, abbiamo: f, Ag Bg = f, Ag f, Bg = 0, f H e quindi: Ag = Bg, g H. 90
91 3. OPERATORI LINEARI E LIMITATI Corollario 3.3. a) Sia A : H H un operatore lineare e limitato. Allora la funzione φ : H H K definita da: φ(f, g) = Af, g è una forma bilineare limitata su H e φ = A. b) Viceversa, sia φ : H H K una forma bilineare limitata. Allora esiste un unico operatore lineare e limitato A : H H, tale che: φ(f, g) = Af, g, (f, g) H H. Page 91 of
92 Page 92 of OPERATORI LINEARI E LIMITATI Dim. a) Definiamo ϕ : H H K da ϕ(f, g) = φ(g, f ) = f, Ag. Allora per il Teorema 3.5 a) ϕ è una forma bilineare limitata su H e ϕ = A. Poiché ϕ(f, g) = φ(g, f ), anche φ è una forma bilineare su H limitata e: φ = sup φ(f, g) = sup ϕ(f, g) = ϕ = A. f = g =1 f = g =1 b) Se ϕ è data allora ϕ(f, g) = φ(g, f ) è una forma bilineare limitata e per il Teorema 3.5 b) esiste un unico operatore A : H H lineare e limitato, tale che: ϕ(f, g) = f, Ag, (f, g) H H. Quindi abbiamo: φ(f, g) = ϕ(g, f ) = Af, g, (f, g) H H. 92
93 3. OPERATORI LINEARI E LIMITATI Corollario 3.4. Se A : H H è un operatore lineare e limitato, allora: A = sup f, Ag = sup Af, g. f = g =1 f = g =1 Page 93 of
94 3. OPERATORI LINEARI E LIMITATI Corollario 3.4. Se A : H H è un operatore lineare e limitato, allora: A = Dim. Immediata. sup f, Ag = sup Af, g. f = g =1 f = g =1 Page 93 of
95 4. OPERATORI LINEARI E LIMITATI 4. Operatori aggiunti Teorema 4.2. Siano A, B : H H due operatori lineari e limitati. Allora: a) A = A b) (λa) = λa c) (AB) = B A d) (A + B) = A + B e) Se A è invertibile, anche A è invertibile e: (A ) 1 = (A 1 ). Page 94 of
96 Page 95 of OPERATORI LINEARI E LIMITATI Dim. a) Essendo A tale che Af, g = f, A g f, g H, segue che A è tale A f, g = f, A g ed essendo A f, g = g, A f = Ag, f = f, Ag f, g H,segue che A = A. b) Poiché (λa) è tale che (λa)f, g = f, (λa) g f, g H, ma poiché si ha anche (λa)f, g = A(λf ), g = λf, A g = f, λ(a g) = f, (λa )g λa. c) (AB) è tale che f, g H (AB)f, g = f, (AB) g, ma si ha anche che f, g H f, g H, segue che (λa) = (AB)f, g = A(Bf ), g = Bf, A g = f, B (A g) = f, (B A )g. Quindi, (AB) = B A. d) (A + B)f, g = Af + Bf, g = Af, g + Bf, g = f, A g + f, B g = f, (A + B )g, f, g H. Quindi, ricorrendo alla definizione di operatore aggiunto si ha (A + B) = A + B. 95
97 4. OPERATORI LINEARI E LIMITATI e) Sappiamo che (A 1 A) = A (A 1 ) per la c). Da ciò, poiché (A 1 A) = I ed essendo (A 1 A)f, g = A 1 (Af ), g = (Af ), (A 1 ) g = f, A (A 1 ) g, f, g H, e quindi A (A 1 ) = I, si ha che (A 1 ) = (A ) 1. Page 96 of
98 4. OPERATORI LINEARI E LIMITATI Teorema 4.5. Sia A : H H un operatore lineare e limitato. Le seguenti affermazioni sono equivalenti: a) A è autoaggiunto b) La forma bilineare ϕ definita da ϕ(f, g) = Af, g è simmetrica c) La forma quadratica ˆϕ definita da ˆϕ(f ) = Af, f è reale. Page 97 of
99 4. OPERATORI LINEARI E LIMITATI Dim. Dire che A è autoaggiunto significa affermare A = A. a) b): ϕ(f, g) = Af, g = f, A g = f, Ag = Ag, f = ϕ(g, f ), f, g H. b) c): ˆϕ(f ) = Af, f = ϕ(f, f ) = ϕ(f, f ), f H. c) a): f H, Af, f reale implica che f, Af = Af, f = f, A f. Poiché (dal Teorema 4.1) ogni operatore lineare e limitato ammette un (unico) operatore aggiunto A, segue che A = A. Page 98 of
100 5. OPERATORI LINEARI E LIMITATI 5. Operatori di proiezione Teorema 5.6. Siano P e Q due proiezioni sopra i sottospazi M e N rispettivamente. Le seguenti affermazioni sono equivalenti: a) M N b) QP = P c) P Q = P d) Q P è una proiezione e) (Q P )f, f 0, f H f) P f Qf, f H. Page 99 of
101 Page 100 of OPERATORI LINEARI E LIMITATI Dim. a) b): Per ipotesi, siano P e Q due proiezioni sopra i sottospazi M ed N, rispettivamente. Allora, M = {g : P g = g} = {g : P g = g } = {P f : f H}, N = {h : Qh = h} = {h : Qh = h } = {Qf : f H}. Sapendo che M N, bisogna provare che QP = P, ossia che (QP ) f = P f, f H. Osservando che e si ha: P f M, f H, M N (per ipotesi), P f N, f H, il che implica, per come è definito N, Q (P f ) = P f, f H. Pertanto, è possibile dedurre che QP = P. 100
102 Page 101 of OPERATORI LINEARI E LIMITATI b) c): Sapendo, per ipotesi, che QP = P e che P è una proiezione, allora anche QP è una proiezione. Pertanto, per il Teorema 5.4 si ha che da cui segue facilmente che QP = P Q, P Q = P. c) d): Sapendo, per ipotesi, che P Q = P, bisogna provare che Q P è una proiezione, ossia che (per il Teorema 5.2) Q P = (Q P ) = (Q P ) 2. Si osserva, innanzitutto, che dal momento che P Q = P e P è, per ipotesi, una proiezione, allora anche P Q è una proiezione, e, in particolare, per il Teorema 5.4 P Q = QP. Quindi, P = P Q = QP. Sapendo, inoltre, che P = P = P 2 (essendo P una proiezione) e Q = Q = Q 2 (essendo anche Q una proiezione), si ha: (Q P ) = Q P = Q P e (Q P ) 2 = Q 2 QP P Q + P 2 = Q P P + P = Q P. 101
103 Page 102 of OPERATORI LINEARI E LIMITATI Di conseguenza, si ricava che Q P = (Q P ) = (Q P ) 2 e, dunque, Q P è una proiezione. d) e): Sapendo, per ipotesi, che Q P è una proiezione, ossia che Q P = (Q P ) = (Q P ) 2, bisogna dimostrare che (Q P ) f, f 0, f H. Ma, f H: (Q P ) f, f = (Q P ) 2 f, f = (Q P ) ((Q P ) f ), f = (Q P ) f, (Q P ) f = (Q P ) f, (Q P ) f 0. Pertanto: (Q P ) f, f 0, f H. e) f): Sapendo, per ipotesi che (Q P ) f, f 0, f H, bisogna dimostrare che P f Qf, f H. Ma, f H: 0 (Q P ) f, f = Qf P f, f = Qf, f P f, f = (sapendo che P e Q sono proiezioni) = Q 2 f, f P 2 f, f = Qf, Q f P f, P f = (dal momento che P e Q sono proiezioni) = Qf, Qf P f, P f = Qf 2 P f
104 5. OPERATORI LINEARI E LIMITATI Da ciò segue che e, quindi, P f 2 Qf 2 P f Qf f H. f) a): Per provare che M N occorre provare che ogni elemento di M è elemento di N. Supponiamo per assurdo che esista un elemento g di M che non sia appartenente ad N. Per il Teorema 2.9 del capitolo 2 si ha che g 2 = Qg 2 + Q g 2 (ovviamente Q g = 0) e quindi g 2 > Qg 2 cioè Page 103 of 106 g > Qg Ora sappiamo che (vedi Teorema 5.1) da cui segue che g = P g, P g > Qg 103
105 5. OPERATORI LINEARI E LIMITATI e ciò è assurdo essendo per ipotesi P g Qg f H. Page 104 of
106 5. OPERATORI LINEARI E LIMITATI Page 105 of
107 5. OPERATORI LINEARI E LIMITATI Bibliografia [1] D.AVERNA, Analisi Funzionale - Spazi di Hilbert. Dispensa (2010) Page 106 of
ANALISI 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
DettagliANALISI FUNZIONALE SPAZI DI HILBERT. Diego AVERNA
ANALISI FUNZIONALE SPAZI DI HILBERT Diego AVERNA Dipartimento di Matematica e Informatica Facoltà di Scienze MM.FF.NN. Via Archirafi, 34-90123 Palermo (Italy) diego.averna@unipa.it http://math.unipa.it/averna/
DettagliAppendice 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
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
DettagliSOLUZIONI DELLA PRIMA PROVA IN ITINERE DEL CORSO GE220
SOLUZIONI DELLA PRIMA PROVA IN ITINERE DEL CORSO GE220 ESERCIZIO 1 (6 punti) Sia X uno spazio topologico. Dimostrare che: (i) (3 punti) X è uno spazio T 1 se e solo se per ogni x X l intersezione di tutti
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
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
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
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
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.
Dettaglip(ϕ) = a 0 Id + a 1 ϕ + + a n ϕ n,
1. Autospazi e autospazi generalizzati Sia ϕ: V V un endomorfismo. Allora l assegnazione x ϕ induce un morfismo di anelli ρ: K[x] End K (V ). Più esplicitamente, al polinomio p dato da viene associato
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 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 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 )
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
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
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 < }
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
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
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
DettagliIl teorema di Stone Weierstrass
APPENDICE B Il teorema di Stone Weierstrass Definizione B.1. Siano X un insieme non vuoto e A un sottospazio vettoriale dello spazio delle funzioni a valori reali (risp. complessi) su X. Si dice che A
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
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
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.
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
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
DettagliLimiti e continuità. Hynek Kovarik. Analisi A. Università di Brescia. Hynek Kovarik (Università di Brescia) Limiti e continuità Analisi A 1 / 68
Limiti e continuità Hynek Kovarik Università di Brescia Analisi A Hynek Kovarik (Università di Brescia) Limiti e continuità Analisi A 1 / 68 Cenni di topologia La nozione di intorno Sia x 0 R e r > 0.
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 VETTORIALI CON PRODOTTO SCALARE A =
SPAZI VETTORIALI CON PRODOTTO SCALARE Esercizi Esercizio. Nello spazio euclideo standard (R 2,, ) sia data la matrice 2 3 A = 3 2 () Determinare una base rispetto alla quale A sia la matrice di un endomorfismo
DettagliCompattezza in spazi di Banach, in spazi di funzioni e in spazi Lp, debole compattezza e Spazi riflessivi
Compattezza in spazi di Banach, in spazi di funzioni e in spazi Lp, debole compattezza e Spazi riflessivi Lucia Miggiano,Emanuela Miggiano,Davide Cera April 5, 2012 1 Compattezza in Spazi di Banach 1.1
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
DettagliCorso di Laurea in Matematica Geometria 2. Esercizi di preparazione allo scritto a.a Topologia
Corso di Laurea in Matematica Geometria 2 Esercizi di preparazione allo scritto a.a. 2015-16 Esercizio 1. Dimostrare che Topologia 1. d(x, y) = max 1 i n x i y i definisce una distanza su R n. 2. d(x,
DettagliOperatori limitati nello spazio di Hilbert: aspetti generali
Capitolo 2 Operatori limitati nello spazio di Hilbert: aspetti generali Sia H uno spazio di Hilbert. Indichiamo con B(H) l insieme degli operatori lineari limitati su H. Cioè A B(H) se, e soltanto se esiste
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
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
Dettagli(2) se A A, allora A c A; (3) se {A n } A, allora +
1. Spazi di misura In questo paragrafo accenneremo alla nozione di spazio di misura. Definizione 1. Sia X un insieme non vuoto. Una famiglia A di sottoinsiemi di X è una σ-algebra se : (1) A; (2) se A
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
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 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
Dettagli1 Successioni di funzioni
Analisi Matematica 2 Successioni di funzioni CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 6 SERIE DI POTENZE Supponiamo di associare ad ogni n N (rispettivamente ad ogni n p, per qualche
DettagliEsercizi Di Geometria 1 (BAER) Canale 1
Esercizi Di Geometria 1 (BAER) Canale 1 SETTIMANA 9 (23 29 Novembre 2015) da consegnare Mercoledi 2 Dicembre. Esercizio 1. Sia E = (V,, ) uno spazio metrico finito dimensionale. sottospazio vettoriale
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
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
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
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
DettagliMatematica I. Francesco Bonsante e Giuseppe Da Prato
Matematica I Francesco Bonsante e Giuseppe Da Prato 31 Maggio 2008 Contents 1 Numeri reali 1 1.1 Sottoinsiemi di Q......................... 1 1.1.1 Estremo superiore e estremo inferiore.......... 2 1.2
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
DettagliGeometria iperbolica - Primo foglio Andrea Petracci
Geometria iperbolica - Primo foglio Andrea Petracci Esercizio 1. Teorema (Hopf-Rinow). Se M è una varietà riemanniana connessa, allora le seguenti affermazioni sono equivalenti: (1) M è completa con la
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,
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
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
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]),
DettagliFunzioni continue. Hynek Kovarik. Università di Brescia. Analisi Matematica 1
Funzioni continue Hynek Kovarik Università di Brescia Analisi Matematica 1 Hynek Kovarik (Università di Brescia) Funzioni continue Analisi Matematica 1 1 / 44 Funzioni continue Definizione Siano f : A
DettagliCLASSE LIMITE DI UNA SUCCESSIONE DI NUMERI REALI C. MADERNA, G. MOLTENI, M. VIGNATI
CLASSE LIMITE DI UNA SUCCESSIONE DI NUMERI REALI C. MADERNA, G. MOLTENI, M. VIGNATI Consideriamo l insieme R = R {, + } ottenuto aggiungendo all insieme dei numeri reali i simboli e +. Introduciamo in
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
Dettagli20. Prodotto di spazi di misura. I teoremi di Tonelli e di Fubini.
20. Prodotto di spazi di misura. I teoremi di Tonelli e di Fubini. 20.1. Prodotto di σ-algebre. Definizione 20.1.1. (σ-algebra prodotto. Dati n spazi misurabili (Ω 1, A 1,..., (Ω n, A n, si chiama σ-algebra
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.
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
DettagliModelli e Metodi Matematici della Fisica. Scritto 1
Modelli e Metodi Matematici della Fisica. Scritto 1 Cesi/Presilla A.A. 2 7 Canale 1 Cesi Presilla Nome Cognome Il voto dello scritto rimpiazza gli esoneri 1 2 3 penalità problema voto 1 2 3 4 5 7 8 penalità
DettagliAnalisi II. Foglio di esercizi n.2 10/10/2017 (Aggiornamento del 17/10/2017)
Analisi II Foglio di esercizi n 10/10/017 (Aggiornamento del 17/10/017) Esercizi su massimi e minimi liberi con studi aggiuntivi 1 Siano K R n compatto e Ω R n un aperto contenente K Si consideri f C 1
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
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 )
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
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
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
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
DettagliLEZIONE 21 [ ] D [ ] 1. k n. k m. k n,1 k m,1
LEZIONE 21 21.1. Matrice di un applicazione lineare. Siano V e W spazi vettoriali su k = R, C finitamente generati e siano = (v 1,..., v n ) e = (w 1,..., w m ) basi di V e W rispettivamente. Come abbiamo
DettagliSi noti che questa definizione dice esattamente che
DISUGUAGLIANZA INTEGRALE DI JENSEN IN DIMENSIONE FINITA LIBOR VESELY integrazione. Prima disuguaglianza integrale di Jensen.. Motivazione. Siano un insieme convesso in uno spazio vettoriale, f : (, + ]
DettagliAlcuni Teoremi sulle funzioni continue e uniforme continuità
Alcuni Teoremi sulle funzioni continue e uniforme continuità Teorema 0. Una funzione f(x) è continua in x 0 se e solo se per ogni sucessione {x n } dom(f) con x n x 0 dom(f), risulta f(x n ) f(x 0 ). (Non
DettagliNOTE SULLE FUNZIONI CONVESSE DI UNA VARIABILE REALE
NOTE SULLE FUNZIONI CONVESSE DI UNA VARIABILE REALE ROBERTO GIAMBÒ 1. DEFINIZIONI E PRIME PROPRIETÀ In queste note saranno presentate alcune proprietà principali delle funzioni convesse di una variabile
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
DettagliANALISI MATEMATICA A SECONDO MODULO SOLUZIONI DEGLI ESERCIZI DELLA SETTIMANA 15. x 2 i
ANALISI MATEMATICA A SECONDO MODULO SOLUZIONI DEGLI ESERCIZI DELLA SETTIMANA 15 (1) (Es 9 pag 117) Se per ogni x R n ( x := x 2 i ) 1/2 verificate che per ogni x, y R n vale la seguente legge del parallelogramma:
Dettagli10. Il gruppo Speciale Lineare SL(V )
1 2 3 4 5 6 7 8 9 1 10. Il gruppo Speciale Lineare SL(V ) Siano F un campo e V uno spazio vettoriale di dimensione n su F. Indichiamo con GL(V ) l insieme delle applicazioni lineari biiettive di V in sé.
Dettagli5.3 Alcune classi di funzioni integrabili
3. Si verifichi che per ogni f, g : [a, b] R si ha f g = g + (f g) 0, f g = f + g f g; dedurne che se f, g R(a, b) allora f g, f g R(a, b). [Traccia: si osservi che basta verificare che f 0 R(a, b), e
DettagliFunzioni derivabili (V. Casarino)
Funzioni derivabili (V. Casarino) Esercizi svolti 1) Applicando la definizione di derivata, calcolare la derivata in = 0 delle funzioni: a) 5 b) 3 4 c) + 1 d) sin. ) Scrivere l equazione della retta tangente
DettagliAnalisi Matematica 1 Foglio 1 Lunedì 3 ottobre. f(x) = log x 2 6x + 5.
Analisi Matematica Foglio Lunedì 3 ottobre Esercizio. Trovare il dominio naturale della funzione f data da ( ) f(x) = log x 2 6x + 5. Esercizio 2. Dire quali tra le seguenti funzioni sono iniettive :.
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
Dettagli(E) : 4x 181 mod 3. h(h 1)x + 4hy = 0
Dipartimento di Matematica e Informatica Anno Accademico 206-207 Corso di Laurea in Informatica (L-3) Prova scritta di Matematica Discreta (2 CFU) 6 Settembre 207 Parte A [0 punti] Sia data la successione
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
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
DettagliCorso di Laurea in Matematica Geometria 2. Foglio di esercizi n. 1 a.a Soluzioni
Corso di Laurea in Matematica Geometria 2 Foglio di esercizi n. 1 a.a. 2015-16 Soluzioni Gli esercizi sono presi dal libro di Manetti. Per svolgere questi esercizi, studiare con cura i paragrafi 3.1, 3.2,
DettagliNote sulle serie di Fourier
Note sulle serie di Fourier Rodica oader, a.a. 3/4 versione provvisoria (aggiornata al 3//7 Convergenza uniforme Data una funzione f : R R, periodica di periodo >, supponiamo di poter definire i coefficienti
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:
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
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
DettagliSPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi:
SPAZI VETTORIALI Esercizi Esercizio. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi: V := { (a, a, a) V a R }, V 2 := { (a, b, a) V a, b R }, V 3 := { (a, 2a, a + b)
DettagliEsercitazione di Analisi Matematica I Esercizi e soluzioni 19/04/2013 TOPOLOGIA
Esercitazione di Analisi Matematica I Esercizi e soluzioni 9/04/203 TOPOLOGIA Mostrare che uno spazio infinito con la metrica discreta non può essere compatto Soluzione: Per la metrica discreta d : X X
DettagliGEOMETRIA 1 terza parte
GEOMETRIA 1 terza parte Cristina Turrini C. di L. in Fisica - 2014/2015 Cristina Turrini (C. di L. in Fisica - 2014/2015) GEOMETRIA 1 1 / 32 index Applicazioni lineari 1 Applicazioni lineari 2 Nucleo e
DettagliUniversità degli Studi di Roma Tre Corso di Laurea in Matematica a.a. 2014/2015 GE220 Topologia Esonero 30 marzo 2015.
Università degli Studi di Roma Tre Corso di Laurea in Matematica a.a. 2014/2015 GE220 Topologia Esonero 30 marzo 2015 Nome e Cognome: Esercizio 1 6 punti Esercizio 2 4 punti Esercizio 3 6 punti Esercizio
DettagliESAME DI GEOMETRIA E ALGEBRA INGEGNERIA INFORMATICA (PROF. ACCASCINA) PROVA SCRITTA DEL 4 LUGLIO 2000 Tempo assegnato: 2 ore e 30 minuti
ESAME DI GEOMETRIA E ALGEBRA INGEGNERIA INFORMATICA (PROF ACCASCINA) PROVA SCRITTA DEL 4 LUGLIO 000 Tempo assegnato: ore e 30 minuti PRIMO ESERCIZIO [7 punti] 1 Dimostrare che, per ogni naturale n, ciascuna
DettagliComplementi di Analisi Matematica. Foglio di esercizi n.8 3/5/2019
Complementi di Analisi Matematica Foglio di esercizi n8 3/5/2019 Esercizi su successioni e serie di funzioni Esercizio 1 Definita g k (x) = e kx2, provare che g k : R R converge puntualmente alla funzione
DettagliCOMPLETEZZA DELL INSIEME DEI NUMERI REALI R.
COMPLETEZZA DELL INSIEME DEI NUMERI REALI R. FABIO CIPRIANI 1. Completezza dell insieme dei numeri reali R. Nell insieme dei numeri reali R la condizione di Cauchy e necessaria e sufficiente per la convergenza
DettagliEsercizi di Geometria 1 - Foglio 1
Esercizi di Geometria 1 - Foglio 1 Alessandro Rubin (alex.rubin@outlook.com) Si ringrazia Ricardo Tzantzoglou per il codice L A TEX condiviso 22 dicembre 2017 Esercizio 1. Sia V uno spazio vettoriale sul
DettagliDispense sulla distanza di Hausdorff
Dispense sulla distanza di Hausdorff Fabio Ferri Giada Franz Federico Glaudo 23 aprile 2014 Sommario In questo documento studieremo le proprietà della distanza di Hausdorff, la naturale distanza indotta
DettagliEsempi. La successione {cos n} è limitata; {n ¾ } è limitata inferiormente ma non è limitata superiormente, quindi non è limitata.
Analisi 2 Successioni numeriche -1- ÔÔÙÒØ Ô Ö Ð ÓÖ Ó Ò Ð ¾ º ËÙ ÓÒ ÒÙÑ Ö Proposizione (unicità del limite). Se {a n } è convergente, allora il limite è unico. Dimostrazione. Supponiamo che la tesi sia
DettagliIl lemma di Baire e i teoremi di Banach-Steinhaus, della mappa aperta e del grafico chiuso.
Il lemma di Baire e i teoremi di Banach-Steinhaus, della mappa aperta e del grafico chiuso. SEMINARIO 2 AM310 a cura di Sara Rossicone e Maria Chiara Timpone 1 Lemma di Baire Definizione 1 (Spazio di Banach).
DettagliSi dimostri che la (*) possiede un unica soluzione (u n ) limitata.
Scuola Normale Superiore, ammissione al IV anno del corso ordinario Prova scritta di Analisi Matematica per Fisica, Informatica, Matematica 26 Agosto 2 Esercizio. Siano (a n ) e (b n ) successioni di numeri
Dettagli