Professional Documents
Culture Documents
Indice
1 Prerequisiti
1.1 Algebra elementare . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.1 Identit`
a notevoli . . . . . . . . . . . . . . . . . . . . . .
1.1.2 Divisione di polinomi . . . . . . . . . . . . . . . . . . . . .
1.1.3 Risoluzione di equazioni di grado superiore al secondo . .
1.2 Algebra lineare . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2.1 Il metodo della riduzione delle righe . . . . . . . . . . . .
1.2.2 Autovalori, autovettori e diagonalizzazione di una matrice
1.2.3 Funzioni di matrici . . . . . . . . . . . . . . . . . . . . . .
1.3 Analisi reale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3.1 Convergenza di integrali impropri su R . . . . . . . . . . .
1.3.2 Confronto fra integrali e somme . . . . . . . . . . . . . . .
1.3.3 Integrali gaussiani . . . . . . . . . . . . . . . . . . . . . .
1.4 Funzioni continue e uniformemente continue . . . . . . . . . . . .
2 Spazi metrici
2.1 Definizione ed esempi . .
2.2 Convergenza, completezza
2.3 Compattezza . . . . . . .
2.4 Funzioni continue . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
11
11
11
11
12
13
13
20
22
22
22
23
23
23
.
.
.
.
.
.
.
.
25
25
32
35
36
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
. .
in. .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
39
39
39
43
43
45
47
49
51
53
54
56
57
57
57
59
61
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 62
INDICE
3.8
3.9
. 63
. 67
. 71
. 72
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
77
77
79
80
80
81
85
88
95
95
95
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
101
101
108
108
111
115
116
118
118
119
121
124
125
131
133
137
6 Operatori lineari
6.1 Definizione ed esempi . . . . . . . . . .
6.1.1 Esempi . . . . . . . . . . . . . .
6.2 Somme e prodotti di operatori lineari . .
6.3 Operatore inverso . . . . . . . . . . . . .
6.4 Operatore aggiunto (di Hilbert) . . . . .
6.4.1 Proiettori ortogonali . . . . . . .
6.5 Spettro . . . . . . . . . . . . . . . . . .
6.5.1 Il caso finito dimensionale (Cn ).
6.5.2 Il caso generale . . . . . . . . . .
6.6 Operatori autoaggiunti . . . . . . . . . .
6.7 Operatori compatti . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
139
139
140
144
146
148
152
152
152
153
154
156
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
INDICE
8 Spazi L2
165
8.1 Introduzione . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
9 Serie di Fourier
9.1 L2 [, ] e i polinomi trigonometrici . . . . . . . . . . . .
9.1.1 Completezza dei polinomi trigonometrici (schema
azione) . . . . . . . . . . . . . . . . . . . . . . . .
9.1.2 Relazione fra la serie di Fourier di f e quella di f 0
9.1.3 Serie di Fourier sullintervallo [a, b] . . . . . . . . .
9.1.4 Serie di Fourier sullintervallo [l, l] . . . . . . . .
9.1.5 Serie di Fourier complessa . . . . . . . . . . . . . .
9.1.6 Problemi . . . . . . . . . . . . . . . . . . . . . . .
9.2 Convergenza puntuale della serie di Fourier . . . . . . . .
9.2.1 Funzioni continue o differenziabili a tratti . . . . .
9.2.2 Convergenza puntuale . . . . . . . . . . . . . . . .
9.3 Serie di Fourier con solo coseni o seni . . . . . . . . . . . .
9.3.1 Quale sviluppo scegliere? . . . . . . . . . . . . . .
9.4 Equazione del calore su un intervallo finito . . . . . . . . .
9.4.1 Condizioni al bordo di Neumann . . . . . . . . . .
9.4.2 Condizioni al bordo di Dirichlet . . . . . . . . . . .
9.5 Convergenza uniforme della serie di Fourier . . . . . . . .
. . . . . . .
di dimostr. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
. . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
169
170
173
174
174
176
176
177
182
187
188
189
189
192
192
10 Trasformata di Fourier
10.1 Lidea . . . . . . . . . . . . . . . . . . . . . . .
10.2 Definizione e propriet`
a elementari . . . . . . . .
10.3 Regolarit`
a e andamento allinfinito . . . . . . .
10.4 Formula di inversione e Teorema di Plancherel
10.5 Convoluzione . . . . . . . . . . . . . . . . . . .
10.6 Equazione del calore su un intervallo infinito .
.
.
.
.
.
.
.
.
.
.
.
.
195
195
196
196
201
204
206
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
167
. 167
INDICE
10
INDICE
`f (Q) Insieme delle successioni a elementi razionali con un numero finito di elementi
non nulli
L(V, Z) Insieme degli operatori lineari limitati da V in Z [6.5]
Lip(R) Insieme delle funzioni Lipschitz su R [1.11]
Mmn Insieme delle matrici m n coefficienti reali
Mn Insieme delle matrici n n coefficienti reali
P (R) Insieme dei polinomi reali
P (1/x) Parte principale di 1/x (5.37)
W Proiezione ortogonale sul sottospazio W
R Insieme delle successioni reali
Rz (T ) Risolvente di T in z [6.34]
Ran A Immagine delloperatore lineare A
(T ) Insieme risolvente delloperatore lineare T
sgn(x) Segno di x
spec T Spettro delloperatore lineare T
(T ) Spettro delloperatore lineare T
p (T ) Spettro puntuale delloperatore lineare T
c (T ) Spettro continuo delloperatore lineare T
span Insieme delle combinazioni lineari di . . .
Distribuzione di Heavyside (5.31)
+ Operatore di traslazione verso destra (sezione 6.1.1)
Operatore di traslazione verso sinistra (sezione 6.1.1)
V Complemento orthogonale di V
F Chiusura dellinsieme F
F Parte interna di F
F Bordo di F
L Spazio duale dello spazio lineare normato L [5.3]
T Aggiunto delloperatore lineare T [6.23]
1. Prerequisiti
W: Im Winston Wolf, I solve problems
1.1
1.1.1
Algebra elementare
Identit`
a notevoli
(x + y)2 = x2 + 2 x y + y 2
(x + y)3 = x3 + 3 x2 y + 3 x y 2 + y 3
n n2 2
n
n n1
x
y+
x
y + +
x y n1 + y n
(x + y)n = xn +
2
n1
1
(x2 y 2 ) = (x + y) (x y)
(x4 y 4 ) = (x + y) (x y)(x2 + y 2 )
(xn y n ) = (x y) xn1 + xn2 y + xn3 y 2 + + x y n2 + y n1
1.1.2
n dispari
Divisione di polinomi
Q(x) := 2x2 4x + 1 .
(1) Trovare quoziente e resto della divisione di P per Q, vale a dire trovare due polinomi A e B tali che
(2) Dimostrare che la soluzione di questo problema `e unica. Supponiamo cio`e che
valga la e contemporaneamente
P (x) = A0 (x) Q(x) + B 0 (x) .
Allora deve essere necessariamente A = A0 e B = B 0 .
Risp: A(x) = 23 x2 + 4x +
27
,
4
B(x) = 28x
15
.
4
11
12
CHAPTER 1. PREREQUISITI
1.1.3
x1 =
+
3 3
3
b (1 + i 3) 1
(1 i 3)
x2 =
3
6
6
b (1 i 3) 1
x3 = +
(1 + i 3)
3
6
6
in cui
:= b2 + 3 c
:= 2 b3 + 9 b c 27 d
1/3
p
1
:=
+ 43 + 2
2
Un formula esiste anche per le equazioni di quarto grado, ma tenderei a risparmiarvela.
Se si ha motivo di sospettare che lequazione1
xn + a1 xn1 + a2 xn2 + + an1 x + an
abbia soluzioni intere oppure razionali con denominatori piccoli, si pu`o provare a cercare soluzioni fra i divisori del termine noto an . Ovviamente non `e assolutamente detto
che ci siano soluzioni intere, anche nel caso in cui tutti i coefficienti ai siano interi.
Lequazione pu`
o non avere alcuna soluzione reale, come nel caso di x10 + 1 = 0 o pu`o
avere soluzioni reali irrazionali. Ad esempio le soluzioni di
x2 + 4 x + 1 = 0
sono
x1 = 2
x2 = 2 +
5.
p(1) = 14 11 13 + 42 12 64 1 + 32 = 0 !
13
q(1) = 13 10 12 + 32 1 32 = 9 6= 0
3
q(2) = 2 10 2 + 32 2 32 = 0
: (
: ((
: )
(1.1)
1.2
1.2.1
x=1
con molteplicit`a 1
x=2
con molteplicit`a 1
x=4
con molteplicit`a 2.
Algebra lineare
Il metodo della riduzione delle righe
Questo metodo `e spesso conveniente per risolvere vari problemi connessi con le matrici,
come:
(1)
(2)
(3)
(4)
Consideriamo la matrice
(1.2)
3
0
A=
2
2
1
1
0
1
4
1
2
1
7 11 0 5
2 1 0 1
8 9 2 2
8 9 0 5
La matrice A pu`
o essere pensata come unapplicazione
A : R7 R4
14
CHAPTER 1. PREREQUISITI
7
X
Aij xj .
j=1
Il metodo della riduzione delle righe consiste nelleseguire un certo numero di trasformazioni fino ad arrivare ad una nuova matrice B in forma ridotta. Ad esempio, nel
caso di A, una sua forma ridotta B `e data da
(1.3)
1
0
B=
0
0
1
1
0
0
2
1
0
0
1
2
1
0
2
1
1/2
0
2
0
1
0
7
1
3
0
3 1 4 7 11 0 5
0 1 1 2 1 0 1
A=
2 0
2 8 9 2 2
2 1
1 8 9 0 5
Si procede per colonne. Inizio dalla prima colonna. Voglio che appaia un 1 in alto e
sotto tutti zeri. Sottraggo la terza riga dalla prima
R1 R3 1 1 2 1 2 2 7
R2
1 1 2 1 0
1
0
R3 2
0
2
8 9 2 2
R4
2
1
1
8 9 0
5
Poi procedo nel modo seuente
R1
1
0
R2
R3 2R1 0
R4 2R1 0
2 ma
1
1
2
3
spesso `
e inevitabile introdurre frazioni
2
1
2
3
1
2
10
10
2 2
1 0
5 6
5 4
7
1
16
9
15
R1
1 1 2 1
0
R2
1 1 2
R3 2R2 0
0
0
6
R4 3R2 0
0
0
4
Nella terza riga trasformo il primo 6
R1
1 1
R2
0
1
R3 /6 0
0
R4
0
0
2 2
7
1 0
1
3 6 18
2 4 12
in 1
2
1
0
0
1 2
2
1
1 1/2
4
2
2
0
1
4
7
1
3
12
(1.4)
R1
R2
R3
R4 4R3
1
0
0
0
1
1
0
0
2
1
0
0
1
2
1
0
2
1
1/2
0
2
0
1
0
7
1
3
0
Fatto.3 Nella (1.4) appare una versione ridotta della matrice A. Non `e lunica possibile.
Si potrebbe infatti a questo punto aggiungere, ad esempio, la seconda riga alla prima
e ottenere un diversa versione della matrice ridotta. Ai due requisiti (a) e (b) che
definiscono la forma ridotta di una matrice se ne pu`o aggiungere un terzo. Diremo
che il processo di riduzione delle righe `e completo 4 se, oltre alle propriet`a (a) e (b) `e
verificata anche la propriet`
a
(c) se una colonna contiene un uno iniziale, cio`e un 1 , tutti gli altri elementi della
colonna (anche quelli che si trovano sopra l 1 ) sono nulli
Il procedimento di riduzione completa delle righe determina una matrice ridotta in
maniera univoca. Nel caso della matrice (1.4) per ottenere la riduzione completa
dobbiamo cancellare il 1 che si trova il colonna 2 e i due elementi non nulli che si
trovano sopra l 1 in colonna 4. Il risultato `e:
1 0 1 0 52 3 11
0 1 1 0 0 2 7
0 0 0 1 1
1 3
2
0 0 0 0 0 0
0
Determinazione della dimensione del nucleo e dellimmagine di A
Riscrivo la matrice ottenuta aggiungendo le variabili x1 , . . . , x7 . Se nella colonna
i-sima compare un 1 inquadretto la variabile corrispondente xi
1
1
2
1
2
2 7
1
1
2
1
0
1
0
(1.5)
0
0
0
1
1/2 1 3
0
0
0
0
0
0
0
x1
x2
x3
x4
x5 x6 x7
3 il
4 la
lettore sarebbe certamente fuorviato qualora pensasse che i calcoli vengono sempre cos` semplici
terminologia me la sono appena inventata
16
CHAPTER 1. PREREQUISITI
Sia
Ker A := il nucleo di A
R7
Ran A := limmagine di A R4 .
Dalla (1.5) ottengo che, poich`e ci sono 3 1 , vale a dire 3 righe non nulle, allora
(1.6)
dim Ker A = 4 .
Base dellimmagine di A.
Una base dellimmagine di A `e data dai vettori colonna nella matrice originale A che
corrispondono alle variabili xi . Nel nostro caso le colonne 1, 2, 4 di A.
u1 = (3, 0, 2, 2)
Base di Ran A
u2 = (1, 1, 0, 1)
u3 = (7, 2, 8, 8) .
x3 = r
x5 = s
x6 = t
x7 = q
17
x3 = r
s
x4 = t + 3q
2
x5 = s
x6 = t
x7 = q
Lultimo passo, quello della costruzione di una base del nucleo di A, a questo punto
`e quasi a costo zero. Ho 4 parametri liberi e scrivo 4 vettori v1 , . . . , v4 nel modo
seguente
in v1 prendo r = 1 e gli altri parametri uguale a zero
in v2 prendo s = 1 e gli altri parametri uguale a zero
..
.
Questa non `e lunica ricetta possibile (ovviamente) ma funziona. In particolare il
valore 1 `e arbitrario e pu`
o essere sostituito con un qualsiasi numero diverso da 0. Ad
esempio, dato che s appare sempre diviso per 2, porr`o s = 2 per calcolare v2 . Dunque
ci siamo:
v1 := (1, 1, 1, 0, 0, 0, 0)
base di Ker A
v2 := (5, 0, 0, 1, 0, 0, 0)
v3 := (3, 2, 0, 1, 0, 1, 0)
v4 := (11, 7, 0, 3, 0, 0, 1)
Precisazione
Lautore non ha difficolt`
a ad ammettere che la matrice A che appare nella (1.2) `e stata
scelta con una certa. . . benevolenza allo scopo di ottenere calcoli semplici. Ci si potr`a
facilmente rendere conto che per una matrice i cui elementi vengono scelti a caso,
il processo di riduzione delle righe pu`o risultare pi`
u complicato. Tuttavia, con un po
di pratica, il procedimento diventa abbastanza rapido. Costruisco, ad esempio, una
matrice i cui elementi sono interi presi a caso con distribuzione uniforme fra 5 e 5
0 2 1 0 3 4
2
2 3 4 4 4 1 1
4
1 5 1 2 2
4
1 2 1
2
1 4 1
Si vede subito ad occhio che
16
257
0 0 0
10
9
3
27
1
91
1 0 0 49
3
27
19
236
0 1 0
10
9
3
27
17
5
0 0 1 9
169
3
27
18
CHAPTER 1. PREREQUISITI
per`
o, appunto, come dicevo, `e necessaria un po di pratica.5 Ci pu`o porre il seguente
problema:
1.4 Problema. Sia A una matrice m n i cui elementi sono interi scelti a caso
con distribuzione uniforme fra k e k. Qual `e la probabilit`a che il procedimento di
riduzione completa delle righe produca una matrice i cui elementi sono tutti numeri
interi?
Soluzione di un sistema lineare non omogeneo
Se A `e una matrice m n e b `e un vettore in Rm , possiamo costruire il sistema di
equazioni lineari (non omogeneo) Ax = b, che, scritto esplicitamente, diventa
(1.8)
= b1
= b2
..
.
a1i
a2i
Ci := .
..
ami
Il sistema (1.8) pu`
o essere riscritto come
x1 C1 + x2 C2 + + xn Cn = b ,
quindi dire che il sistema Ax = b ammette almeno una soluzione equivalente a dire
che b `e una combinazione lineare delle colonne di A. Per risolvere questo sistema si
procede pi`
u o meno come nel caso di un sistema omogeneo. Si costruisce la matrice
[A|b] con n + 1 colonne, fatta da A e dal vettore b. Poi si applica il metodo della
riduzione delle righe alla matrice [A|b]. Facciamo un esempio: sia A la matrice gi`a
usata in precedenza, definita nella (1.2) e sia
b = (5, 1, 3, 5) .
Allora abbiamo
3
0
[A|b] =
2
2
(1.9)
1
0
(1.10)
0
0
5 oppure
6 basta
matrice A
1
1
0
1
4 7 11 0 5
1 2 1 0 1
2 8 9 2 2
1 8 9 0 5
|5
|1
|3
|5
2
1
0
0
1
2
1
0
2
1
1
2
2
0
1
0
7
1
3
0
|
|
|
|
2
1
12
0
19
La soluzione generale del sistema, a questo punto si ottiene in modo analogo al caso
del sistema omogeneo. Fare attenzione che i numeri che appaiono nellultima colonna
si trovano gi`
a al secondo membro quindi non vanno cambiati di segno.
Contrariamente al caso omogeneo in cui pu`o avere una soluzione oppure infinite soluzioni, un sistema lineare non omogeneo pu`o non avere soluzioni. Questo avviene quando
nella matrice ridotta appare una riga del tipo
[0 0 0 0 0 0 0 | 1]
(1.11)
che corrisponde allequazione
0 = 1.
Esaminiamo dei casi di matrici gi`
a ridotte. Partiamo dalla (1.10)
(1.12)
1
1
0
0
x2
1
0
0
0
x1
2
1
0
0
x3
1
2
1
0
x4
2
1
1
2
0
x5
2
0
1
0
x6
7
1
3
0
x7
| 2
| 1
| 21
| 0
In questo caso abbiamo quattro parametri liberi e nessuna riga impossibile come
la (1.11), quindi il sistema ammette infinite soluzioni. A volte, per dire che ci sono
infinite soluzioni dipendenti da 4 parametri, vale a dire che linsieme delle soluzioni `e
uno spazio quadridimensionale, si dice che il sistema ha 4 soluzioni. Il sistema
1
1
2
1 2 | 2
0
1
0
2 | 1
0
0
0
0
1
1 | 1
(1.13)
0
0
0
0
0 | 1
0
0
0
0
0 | 0
x1
x2
x3
x4 x5
invece non ha soluzioni a causa della quarta riga. Il sistema
(1.14)
1
0
0
0
0
0
x1
1
1
0
0
0
0
x2
2
1
1
0
0
0
x3
1
0
0
1
0
0
x4
| 2
| 1
| 1
| 1
| 0
| 0
1
1
2
1 | 2
0
0
1
0 | 1
(1.15)
0
0
0
0 | 1
x1
x2
x3
x4
non ha soluzioni a causa della riga 3.
20
1.2.2
CHAPTER 1. PREREQUISITI
5
3 2
3
1
6
A=
2
0
8
5 3 10
Soluzione. Si costruisce la matrice
5
3
(1.16)
I A =
2
5
3
1
0
3
1
3
4
3
2
6
8
10
1
3
4
+3
8
4
5
3
10 + 3
Gli autovalori sono le soluzioni dellequazione.
p() := 4 113 + 422 64 + 32 = 0 .
Dalla soluzione del Problema 1.3 otteniamo gli autovalori di A
1 = 1
con molteplicit`a 1
1 autovettore
2 = 2
con molteplicit`a 1
1 autovettore
3 = 4
con molteplicit`a 2
1 o 2 autovettori
(1.17)
Per trovare gli autovettori sostituiamo ciascun autovalore al posto di x e risolviamo il
sistema
(i I A)v = 0 .
(1.18)
v=
z
w
la (1.18) diventa
(1.19)
4
3
2
5
3
2 1
x
0
y 0
0 6 3
=
0 7 4 z 0
3 10 4
w
0
Risolvendo col metodo (ad esempio) di riduzione delle righe si trova che w pu`o essere
preso come parametro libero e la soluzione si pu`o scrivere come
(1.20)
x=
s
3
y=
s
3
z=
2s
3
w = s.
21
3 3
2 1
3
1 6 3
(1.21)
2
0 6 4
5
3 10 5
0
x
y 0
=
z 0
0
w
1
3
4 5
0 1
0
0
(1.22)
0
0 1 1
0
0
0
0
Quindi le variabili x, y e z possono essere determinate in funzione del parametro libero
w = s. La soluzione generale del sistema (1.21) `e data da
x = sy = 0
z = sw = s .
1 3
2 1
3
2 6 3
(1.23)
2
0 4 4
5
3 10 7
0
x
y 0
=
z 0
w
0
1
0 2
2
0 1
0 1
(1.24)
0
0
0
0
0
0
0
0
Quindi le variabili x e y possono essere determinate in funzione dei due parametri
libero z = s, w = t. La soluzione generale del sistema (1.23) `e data da
x = 2s 2ty = t
z = sw = t .
u3 = (2, 0, 1, 0)
(1.26)
u4 = (2, 1, 0, 1)
22
CHAPTER 1. PREREQUISITI
1 = 1
u2 = (1 , 0 , 1 , 1)
2 = 2
u3 = (2 , 0 , 1 , 0)
3 = 4
u4 = (2 , 1 , 0 , 1)
3 = 4
Diagonalizzazione di A. Dato che ho trovato 4 autovettori linearmente indipendenti, posso diagonalizzare A, vale a dire A pu`o essere scritta come
A = U D U 1 ,
In cui D `e la matrice diagonale che contiene gli autovalori di A
1
0
D=
0
0
(1.27)
0
2
0
0
0
0
4
0
0
0
0
4
1
1
U = [ u1 | u2 | u3 | u4 ] =
2
3
(1.28)
1.2.3
1
0
1
1
2
0
1
0
2
1
0
1
Funzioni di matrici
0
A= 1
2
4 3
3 3
4 5
4
3
2
1
Calcolare eA e verificare che det eA = etr A . (Sugg: conviene diagonalizzarla).
1.3
1.3.1
Analisi reale
Convergenza di integrali impropri su R
23
Z
(a)
1
ea
(d)
(b)
0
dx
(c)
(g)
0
(h)
1
log x
dx
xa
x
dx
+ x2 + 5)a
1
dx
(log x)a
(f )
2
x
dx
1 + xa
(x4
ex xa dx
(e)
1
dx
xa
1
dx
xa
1
dx
xa (log x)b
(i)
2
Risp: (a) a > 1, (b) a < 1, (c) a > 1/2, (d) a > 0, (e) a R, (f) mai, (g) a > 3, (h) a > 1,
(i) a > 1 e b qualsiasi oppure a = 1 e b > 1.
1.3.2
1.9 Problema. Sia n0 un intero e sia f una funzione continua positiva e non crescente
su [n0 , ). Dimostrare che
(a) per ogni intero N > n0 , si ha
Z
N +1
f (x) dx
n0
(b) la serie
1.3.3
n0
1.4
Z
f (k) f (n0 ) +
f (x) dx
n0
k=n0
R
n0
f (x) dx `e finito.
Integrali gaussiani
N
X
R
R
/2
ex
ex /2 2n
ex /2 2n1
x
dx = 0
2
1
1 + x2
24
CHAPTER 1. PREREQUISITI
fn (x) dx 0
0
fn (x) dx 0
0
2. Spazi metrici
We dont need no education
We dont need no thought control
No dark sarcasm in the classroom
Teachers leave them kids alone (P.F.)
2.1
Definizione ed esempi
2.1 Definizione. Si definisce spazio metrico una coppia (X, d), in cui X `e un insieme
e d `e una funzione
d:X X R
che associa ad ogni coppia x, y di elementi di X un numero reale non negativo d(x, y)
detto distanza fra x e y. La funzione d `e chiamata distanza o metrica e deve soddisfare
le seguenti condizioni per tutti gli x, y, z X:
(SM1)
(SM2)
(SM3)
(SM4)
(positivit`
a) d(x, y) 0
(non degeneratezza) d(x, y) = 0 se e solo se x = y
(simmetria) d(x, y) = d(y, x)
(disuguaglianza triangolare) d(x, z) d(x, y) + d(y, z).
2.2 Definizione. Dato uno spazio metrico (X, d), si definisce diametro di X la quantit`
a
(2.1)
Il diametro di X `e sempre non negativo e pu`o essere finito oppure uguale a +. Nel
primo caso X `e detto limitato e nel secondo illimitato.
2.3 Esempio. Consideriamo un insieme arbitrario X (finito, infinito numerabile o
non numerabile) e poniamo per x, y X
(
0 se x = y
d(x, y) :=
1 se x 6= y.
Tutte le coppie di punti distinti sono quindi a distanza 1 fra loro. Le propriet`a (1) e
(2) si verificano immediatamente. Per quanto riguarda la disuguaglianza triangolare,
basta considerare i casi possibili:
se x = z
d(x, z) = 0
d(x, y) + d(y, z) 0
se x 6= z e y = x
d(x, z) = 1
d(x, y) + d(y, z) = 0 + 1 = 1
se x 6= z e y = z
d(x, z) = 1
d(x, y) + d(y, z) = 1 + 0 = 1
se x 6= z, y 6= x e y 6= z
d(x, z) = 1
d(x, y) + d(y, z) = 1 + 1 = 2
26
d2 (x, y) :=
(2.3)
n
hX
|xi yi |2
i1/2
i=1
(2.4)
i=1,...,n
t
.
1+t
1
(1 + t) t
=
> 0.
(1 + t)2
(1 + t)2
.
1 + |x z|
1 + |x y| + |y z|
Possiamo quindi scrivere
|x z|
|x y| + |y z|
1 + |x z|
1 + |x y| + |y z|
|x y|
|y z|
=
+
1 + |x y| + |y z| 1 + |x y| + |y z|
|x y|
|y z|
+
= (x, y) + (y, z) .
1 + |x y| 1 + |y z|
(x, z) =
27
y = (y1 , y2 , . . .)
X
1
d(x, y) :=
(xi , yi ) ,
i
2
i=1
|xi yi |
.
1 + |xi yi |
La funzione d `e ben definita. Infatti (xi , yi ) < 1 per cui la sommatoria (2.5) `e sempre
` facile vedere che d `e una metrica. Dimostro solo la disuguaglianza
convergente. E
triangolare (le altre propriet`
a sono ovvie). NellEsempio 2.6 abbiamo fatto vedere che
(xi , zi ) (xi , yi ) + (yi , zi ) ,
quindi ottengo
X
X
X
1
1
1
(xi , zi )
(xi , yi ) +
(yi , zi ) =: d(x, y) + d(y, z) .
d(x, z) :=
i
i
i
2
2
2
i=1
i=1
i=1
28
A = la parte interna di A :=
G A, G `
e aperto
(2.8)
A = la chiusura di A
:=
K A, K `
e chiuso
(2.9)
A = il bordo di A
:=
A\A
(6) A B = A B.
29
Dimostrazione. Punto (1). Sia O(A) la collezione di tutti gli insiemi aperti contenuti
in A. Se A = A segue dalla (2.7) che
[
G,
A=
GO(A)
K Ac , K `
e chiuso
G A, G `
e aperto
I(A) = A :=
G A, G `
e aperto
I(A) A
I(A) A .
G.
30
Sia x I(A). Allora esiste > 0 tale che B (x) A. Sappiamo che B (x) `e aperto,
quindi x `e contenuto in un aperto che `e un sottoinsieme di A. A maggior ragione
[
x
G =: A .
G A, G `
e aperto
Dunque I(A) A . Ora procedo con linclusione inversa. Sia x A . Per definizione
esiste G, un aperto di X, tale che x G. Ma per definizione di aperto esiste > 0 tale
che B (x) G. Siccome G A si ha che B (x) A. Di conseguenza x I(A). Ho
fatto vedere che I(A) A , che, unitamente allinclusione inversa, dice che I(A) = A .
Punto (2). Dalla Proposizione 2.14 sappiamo che A = [(Ac ) ]c . Quindi x A se e solo
se x
/ (Ac ) . Grazie al punto (1) questo equivale a dire che
per ogni > 0 si ha B (x) 6 Ac
o, equivalentemente,
per ogni > 0 si ha B (x) A 6=
vale a dire x A e x
Punto (3). Per definizione x A se e solo se x A\A
/ A .
Usando i punti (1) e (2) otteniamo
x A per ogni > 0 si ha B (x) A 6=
x
/ A per ogni > 0 si ha B (x) Ac 6=
A =
A = {x R3 : x3 = 0, 0 x1 1 e 0 x2 < 1}
A = {x R3 : x3 = 0, 0 x1 1 e 0 x2 1}
in Y
in X
in Y
in X
31
Anche gli attributi aperto e chiuso sono relativo allo spazio ambiente. Ad esempio
linsieme
{x R3 : x3 = 0, 0 < x1 < 1 e 0 < x2 < 1}
`e aperto in Y ma non `e aperto in X (e neppure chiuso), mentre linsieme
{x R3 : x3 = 0, 0 x1 1 e 0 x2 < 1}
`e chiuso in Y ma non in X.
2.18 Problema. Sia X := R2 , Y := {x = (x1 , x2 ) R2 : |x1 | + |x2 | 1} e Z := {x =
(x1 , x2 ) R2 : 0 x1 < 1}. Consideriamo le distanze
d1 (x, y) :=
2
X
|xi yi |
d2 (x, y) :=
i=1
2
hX
|xi yi |2
i1/2
i=1
A
(a)
...
.......
.........
...........
.........................
qqqqqqqqqqqqqqq
qqqqqqq
qq
A
q
qqqqqqq
qqqqqqqqqqqqqqq
qqqqqqqqqqqqqqq
qqqqqqq
qq
A
q
qqqqqqq
qqqqqqqqqqqqqqq
32
2.20 Problema. Dimostrare con un controesempio che non `e sempre vero che la
chiusura di una palla aperta coincide con la palla chiusa corrispondente. Trovare
quindi uno spazio metrico (X, d), un punto x X e un valore di r > 0 tale che
r (x).
Br (x) 6= B
2.21 Problema. Sia d la usuale distanza euclidea in R2 . Consideriamo lo spazio
metrico
X := {x R2 : d(x, (0, 0)) 1} {x R2 : d(x, (3, 0)) < 1} .
X
(a) Disegnare X e la palla B1/2
((0, 1)).
2.2
Convergenza, completezza
2.22 Definizione. Sia (X, d) uno spazio metrico e sia x un punto di X. Una successione (xk )
k=1 di elementi di X si dice convergente ad x se
lim d(xk , x) = 0 ,
oppure
xk x .
2.23 Problema. Dimostrare che in uno spazio metrico il limite `e unico, vale a dire
se xn x e xn y allora x = y.
2.24 Definizione. Sia (X, d) uno spazio metrico e sia A un sottoinsieme di X. Un
punto x X si dice punto di aderenza di A se esiste una successione (xk )
k=1 di
elementi di A tale che xk x.
2.25 Definizione. Sia (X, d) uno spazio metrico e sia A un sottoinsieme di X. Un
punto x X si dice punto di accumulazione (o punto limite) di A se esiste una
successione (xk )
k=1 di elementi di A tale che xk 6= x e xk x.
2.26 Proposizione. Sia (X, d) uno spazio metrico e sia A un sottoinsieme di X.
Allora A coincide con linsieme dei punti di aderenza di A.
Dimostrazione. Chiamo Y linsieme dei punti di aderenza di A. Voglio far vedere che
Dimostro prima che A Y . Supponiamo che x A.
Per la Proposizione 2.15
Y = A.
questo significa che
(2.11)
Ma allora per ogni intero positivo n si ha B1/n (x) A 6= . Quindi per ogni n posso
trovare un punto xn B1/n (x) A. Poich`e d(x, xn ) < 1/n, ottengo che xn x. Ho
trovato una successione di elementi di A che tende ad x. Per definizione x `e un punto
di aderenza di A. Ho dimostrato che A Y .
33
Di conseguenza B (x) A =
6 il che implica, per la Proposizione 2.15, che x A.
ne sono infiniti
34
(2.13)
per ogni > 0 esiste N > 0 tale che se j, k N si ha d(x(j) , x(k) ) < .
(2.15)
Siccome
(2)
(3)
xi , xi , xi , . . .
v
u n
uX (j)
(k) 2
(j)
(k)
(j)
(k)
d(x , x ) := t
|xi xi |
xi xi
i=1
dalla (2.14) segue che la successione reale (2.15) `e anchessa di Cauchy. Poich`e R `e
completo, la successione (2.15) `e convergente, quindi esiste yi R tale che
(k)
lim xi
= yi
i = 1, . . . , n .
xn Y e (xn ) `e di Cauchy
y Y tale che xn y.
Voglio far vedere che Y `e chiuso, dimostrando che Y contiene tutti i suoi punti di
aderenza. Se z `e un punto di aderenza di Y allora esiste una successione (xn ) di
elementi di Y tale che xn z. Sappiamo che una successione convergente `e necessariamente di Cauchy, quindi (xn ) `e di Cauchy. Ma allora, per la (2.16) posso trovare
2.3. COMPATTEZZA
35
\
Bi 6= .
i=1
2.37 Problema. Sia X = R2 e poniamo d(x, y) uguale al numero degli indici i tali
che xi 6= yi .
(a) Disegnare B1.5 ((0, 0)), B0.5 ((0, 0)).
(b) Dire se la successione xn = (1/n, 0) `e convergente a zero.
(c) Sia A := {x = (x1 , x2 ) : 0 x1 1, 0 x2 1}. Determinare A .
(d) Elencare tutti gli insiemi densi in X.
2.38 Problema. Dimostrare che Q con la distanza usuale non `e completo trovando
esplicitamente una successione di numeri razionali che converge ad un numero non
razionale.
2.39 Problema. Dimostrare che se (xn ) `e una successione di Cauchy che ammette
una sottosuccessione (xnk ) convergente, allora (xn ) `e convergente.
2.40 Problema. Sia (s, t) la metrica discreta su R. Dati due punti di R2 , x = (x1 , x2 )
e y = (y1 , y2 ) definisco
d(x, y) = (x1 , y1 ) + |x2 y2 | .
(a) Dimostrare che d `e una metrica su R2 .
(b) Disegnare B1/2 ((0, 0)).
2.3
Compattezza
36
Dimostrazione. Sia (X, d) uno spazio metrico compatto. Voglio far vedere che (X, d) `e
completo, vale a dire che ogni successione di Cauchy `e convergente. Sia dunque (xn )
n=1
una successione di Cauchy di elementi di X. Dato che X `e compatto so che esiste
una sottosuccessione (xnk ) convergente. Ma, come afferma il Problema 2.39, se una
successione di Cauchy ammette una sottosuccessione convergente, allora la successione
stessa `e necessariamente convergente. Quindi, nel nostro caso, la successione (xn ) `e
convergente, dunque X `e completo.
2.43 Definizione. Uno spazio metrico (X, d) `e detto totalmente limitato se per ogni
> 0 esiste un sottoinsieme finito di X {x1 , x2 , . . . , xn } tale che
X=
n
[
B (xi ) .
i=1
In altre parole uno spazio metrico `e totalmente limitato se per ogni > 0 posso trovare
un insieme finito di punti {x1 , x2 , . . . , xn } con la propriet`a che per ogni x X esiste i
tale che d(x, xi ) < .
2.44 Proposizione. Uno spazio metrico totalmente limitato `e limitato.
Dimostrazione. (Facile)
2.45 Teorema. Uno spazio metrico `e compatto se e solo se `e completo e totalmente
limitato.
Dimostrazione. Sia (X, d) uno spazio metrico compatto. Per la Proposizione 2.42 X
`e completo. Voglio dimostrare che X `e totalmente limitato. Suppongo che non sia
totalmente limitato e faccio vedere che questo conduce ad una contraddizione. Se X
non `e totalmente limitato esiste 0 > 0 tale che X non pu`o essere espresso come unione
di un numero finito di palle di raggio 0 . Scelgo allora un punto arbitrario xi X.
Poich`e X 6= B0 (x1 ) posso trovare x2 X tale che d(x1 , x2 ) 0 . Questa procedura
pu`
o essere iterata nel modo seguente. Siccome
X 6= B0 (x1 ) B0 (x2 ) ,
esiste x3 X tale che d(x3 , x1 ) 0 e d(x3 , x2 ) 0 . In questo modo costruisco una
successione (xn )
a che se i 6= j si ha d(xi , xj ) 0 .
n=1 di punti di X con la propriet`
Questa successione non pu`
o ammettere sottosuccessioni convergenti per cui X non `e
compatto in contraddizione con lipotesi.
Suppongo ora che X sia completo e totalmente limitato e dimostro che X `e compatto.
...
2.46 Teorema. (HeineBorel). Un sottoinsieme di Rn `e compatto se e solo se esso
`e chiuso e limitato.
2.47 Osservazione. Il teorema di HeineBorel non si pu`o estendere a spazi metrici
arbitrari. Vedi ad esempio al punto 3.22 dove c`e un esempio di un insieme chiuso
e limitato ma non compatto. Il problema deriva dal fatto che in Rn la limitatezza e
la totale limitatezza sono la stessa cosa, mentre in generale la totale limitatezza `e un
concetto pi`
u forte.
2.4
Funzioni continue
37
38
3.1
Definizioni
3.2
Esempi
(1) Rn , Cn .
(2) Linsieme di tutti gli x R4 tali che 2x1 + 3x2 + x4 = 0.
(3) (nonesempio). Linsieme di tutti gli x R4 tali che x2 x4 = 1. Non `e uno spazio
vettoriale perch`e, ad esempio, il vettore zero, cio`e 0 = (0, 0, 0, 0) non appartiene
allinsieme.
(4) (nonesempio). Linsieme di tutte le matrici. Non `e uno spazio vettoriale perch`e,
per dirne una, non `e possibile sommare una matrice 3 2 ad una matrice 6 19.
(5) Mnm = linsieme di tutte le matrici n m (reali o complesse).
(6) Linsieme di tutte le matrici A Mnn tali che tr A = 0.
1 qualcuno tende ad innervosirsi quando legge la precisazione non vuoto. Io lo metto fra parentesi
sperando di alleviare la sofferenza
39
40
(7) (nonesempio). Linsieme di tutte le matrici A Mnn tali che det A = 0. Non
va bene perch`e, ad esempio, le matrici
1 0
0 0
A=
B=
0 0
0 1
hanno entrambe determinante uguale 0, ma la loro somma A + B ha determinante
uguale ad 1, quindi A + B non appartiene allinsieme.
(8) P (R), linsieme di tutti i polinomi reali `e uno spazio vettoriale rispetto alle usuali
operazioni di somma e prodotto per un numero.
(9) R . Cos` come Rn indica linsieme di tutte le nple, R indica linsieme di tutti
i vettori con infinite componenti, vale a dire linsieme di tutte le succesioni. Gli
elementi di R sono della forma
x = (x0 , x1 , x2 , x3 , . . .)
R `e anche indicato con RN .
(10) Linsieme di tutti i polinomi di grado non superiore a 100 `e ancora uno spazio
vettoriale.
(11) (nonesempio). Linsieme di tutti i polinomi di grado superiore a 100 non `e
uno spazio vettoriale perch`e il polinomio nullo, di grado zero, non appartiene
allinsieme.
(12) (nonesempio). Sia
V := {x = (x1 , x2 , x3 ) R3 : x ha almeno una componente nulla}
V non `e uno spazio vettotiale, perch`e la proprieta (A) di chiusura rispetto alla
somma `e violata. Infatti, sia
u = (0, 1, 1)
v = (1, 0, 0) .
v = (0, 1, 1)
u + v = (1, 1, 2) .
3.2. ESEMPI
41
3.2 Attenzione!. Non `e detto che se c`e di mezzo una disuguaglianza o una relazione
non lineare allora sicuramente non si tratta di uno spazio vettoriale. Ci possono essere
dei camuffamenti pi`
u o meno espliciti. Siano ad esempio
V := {x = (x1 , x2 ) R2 : x1 x2 e x1 x2 }
2
W := {x = (x1 , x2 ) R :
x31
x32 }
(apparenti disuguaglianze)
(relazione apparentemente cubica) .
x1 = x2
x31
x1 = x2
x32
3.3 Dritta. (Come dimostrare che X `e uno spazio vettoriale in 2 mosse). Generalmente
per dimostrare che X `e uno spazio vettoriale bisogna verificare le 10 propriet`a che
appaiono nella definizione, vale a dire (A), (B), (1), (2), . . . , (8). Per`o se uno va di
fretta e in pi`
u il caso vuole che X sia un sottoinsieme di uno spazio pi`
u grande Y
e gi`
a si sa che Y `e uno spazio vettoriale, allora per dimostrare che anche X `e uno
spazio vettoriale `e sufficiente dimostrare la sua chiusura rispetto alle operazioni di
somma e moltiplicazione per uno scalare, vale a dire le 2 propriet`a (A) e (B). Perch`e
`e vero questo? (Dimostrarlo). Attenzione per`o, se pensate che X non sia uno spazio
vettoriale e volete dimostrarlo, allora potrebbe tornare comodo far vedere che una delle
propriet`
a (1), (2), . . . , (8) non `e verificata.
3.4 Problema. Dire se linsieme2
X = {p P (R) : p(2) + p0 (3) = 0} .
`e uno spazio vettoriale dimostrandolo.
Soluzione. Linsieme X `e fortunatamente un sottoinsieme dellinsieme di tutti i polinomi reali che abbiamo gi`
a detto essere uno spazio vettoriale. Quindi, per quanto detto
al punto 3.3, se dimostro che le propriet`a (A) e (B) sono verificate, posso concludere
che X `e uno spazio vettoriale.
Dimostrazione di (A). Siano p e q due elementi di X. Devo far vedere che anche la
loro somma p + q appartiene a X. Dato che p, q X so che
p(2) + p0 (3) = 0
q(2) + q 0 (3) = 0 .
Daltra parte, siccome laddizione di due polinomi `e definita come (p + q)(x) := p(x) +
q(x), ottengo
(p + q)(2) + (p + q)0 (3) = p(2) + q(2) + p0 (3) + q 0 (3) = 0 .
Quindi p + q X.
Dimostrazione di (B). Sia p X e sia c R. Allora
(cp)(2) + (cp)0 (3) = cp(2) + cp0 (3) = c (p(2) + p0 (3)) = 0 .
Dunque cp X. Segue che X `e uno spazio vettoriale.
3.5 Osservazioni.
(a) Lo zero3 in uno spazio vettoriale `e unico. Infatti, se ci fossero due zeri distinti 0 e
00 , allora si avrebbe 0 = 0 + 00 = 00 .
2 ricordo
che P (R) `
e linsieme di tutti i polinomi reali
lo stesso simbolo 0 sia per indicare il numero zero che il vettore zero, sperando che non
sorga confusione
3 usiamo
42
(b) Anche lopposto `e unico. Infatti supponiamo che w e w0 siano entrambi opposti di
u. Allora
w = w + 0 = w + (u + w0 ) = (w + u) + w0 = 0 + w0 = w0 .
(c) Se u + v = u allora v = 0, infatti
v = v + 0 = v + [u + (u)] = (v + u) + (u) = u + (u) = 0 .
(d) Si ha 0u = 0. Infatti
0 = 0u 0u = (0 + 0)u 0u = 0u + 0u 0u = 0u .
(e) Lopposto di u, la cui esistenza `e garantita dalla propriet`a (4) `e dato (1)u. Infatti
u + (1)u = 1 u + (1)u = (1 1)u = 0 u = 0 .
Quindi v = (1)u `e lunico opposto di u, che si denota con il simbolo u .
3.6 Definizione. Una norma su uno spazio vettoriale V `e unapplicazione kk : V R
tale che
(N1)
(N2)
(N3)
(N4)
Uno spazio vettoriale V dotato di una norma k k `e detto spazio vettoriale normato
(ma no!).
3.7 Proposizione. Uno SVN4 (V, k k) diventa uno spazio metrico se si sceglie come
distanza la funzione d(x, y) := kx yk, per x, y V .
Dimostrazione. (facile, lasciata al lettore).
3.8 Definizione. Un sottoinsieme K di uno spazio vettoriale V `e chiamato un sottospazio di V se K `e uno spazio vettoriale, vale a dire se (ricorda quanto detto al punto
3.3)
(A) u, v K implica u + v K
(B) u K e c R implica cu K
3.9 Proposizione. Se (V, k k) `e uno spazio vettoriale normato e W `e un sottospazio
di V allora k k `e una norma su W , vale a dire (W, k k) `e anchesso uno SVN.
Dimostrazione. Se le propriet`
a che definiscono una norma valgono per tutti i vettori
di V , varranno automaticamente per gli elementi di W .
3.10 Problema. Dire se linsieme indicato `e o meno uno spazio vettoriale sul campo
reale.
(a) {x R3 : x1 = x2 x3 }.
(b) {x R3 : x23 = x21 }.
(c) {x R3 : x33 = x31 }.
4 spazio
vettoriale normato
43
3.3
3.3.1
Le norme k kp
kxkp :=
n
hX
|xi |p
i1/p
i=1
p [1, ] .
Quando p = 2 ritroviamo la usuale norma euclidea. Iniziamo a far vedere che in questo
caso si ha effettivamente una norma.
3.12 Proposizione. Lapplicazione k k2 : Rn R data da
kxk2 :=
n
hX
i=1
`e una norma su R .
|xi |2
i1/2
44
n
hX
|c xi |2
i1/2
n
n
i1/2
hX
i1/2
h
X
= |c|
= |c| kxk2 .
= |c|2
|xi |2
|xi |2
i=1
i=1
i=1
t R
i=1
si ottiene
t2
(3.2)
n
X
x2i + 2t
n
X
i=1
xi yi +
i=1
n
X
yi2 0
t R .
i=1
Ponendo
a := kxk22
b :=
n
X
c := kyk22 ,
xi yi
i=1
la (3.2) pu`
o essere riscritta come
at2 + 2bt + c 0
t R .
Ma se questo trinomio di secondo grado `e non negativo per tutti i valori di t, necessariamente si ha
b2 ac 0 ,
quindi
n
hX
xi yi
i2
kxk22 kyk22 ,
i=1
e, di conseguenza,
n
X
xi yi kxk2 kyk2 .
(3.3)
i=1
n
n
X
X
(xi + yi )2 =
(x2i + yi2 + 2xi yi )
i=1
i=1
kxk22
kyk22
3.3.2
45
Disuguaglianze di H
older e di Minkowski
(ovviamente anche q 1) .
(3.4)
k=1
(3.5)
k=1
n
X
k=1
(3.6)
bq
ap
+
p
q
a, b 0 .
Faccio prima vedere come da questo segua la (3.4) e infine dimostro la (3.6). Poniamo
sk =
xk
kxkp
tk =
yk
,
kykq
n
X
|sk |p =
k=1
n
1 X
|xk |p = 1
kxkpp
n
X
k=1
|tk |q =
k=1
n
1 X
|yk |q = 1 .
kykqq
k=1
|sk tk |
k=1
k=1
k=1
1X
1 1
1X
|sk |p +
|tk |q = + = 1 .
p
q
p q
Di conseguenza
n
X
k=1
n
X
k=1
up
1
+ u
p
q
u 0.
Voglio far vedere che f ha un minimo assoluto nel punto u = 1. Infatti, se derivo,
ottengo
f 0 (u) = up1 1
46
u 0 ,
up
1
+
p
q
u 0 .
cio`e
u
ap bq
1
+ .
p
q
ap
bq
+ .
p
q
(3.8)
n h
p X
p1
|xk | + |yk | =
|xk | + |yk |
(|xk | + |xk |)
k=1
(3.9)
k=1
n
X
k=1
n
X
n
X
p1
p1
|xk | + |yk |
|xk | +
|xk | + |yk |
|yk |
k=1
uk |xk | +
n
X
uk |yk | .
k=1
k=1
p1
in cui ho posto uk := |xk | + |yk |
. Sia q tale che 1/p + 1/q = 1. Allora q(p 1) = p.
Usando la disuguaglianza di H
older ottengo
n
X
k=1
n
hX
uqk
i1/q
= kxkp
k=1
= kxkp
n
hX
n
hX
|xk | + |yk |
q(p1) i1/q
k=1
|xk | + |yk |
p i1/q
k=1
e, in modo identico,
n
X
k=1
uk |yk | kykp
n
hX
p i1/q
|xk | + |yk |
.
k=1
n
p
hX
p i1/q
|xk | + |yk | kxkp + kykp
|xk | + |yk |
.
k=1
hP
n
k=1
47
p i1/q
|xk | + |yk |
si ottiene
p i11/q
|xk | + |yk |
kxkp + kykp ,
k=1
vale a dire
n
hX
(3.10)
p i1/p
kxkp + kykp .
|xk | + |yk |
k=1
kx + ykp =
n
hX
|xk + yk |
p i1/p
k=1
n
hX
p i1/p
|xk | + |yk |
.
k=1
(3.12)
|xi yi |
i=1
hX
(3.13)
i=1
(3.15)
3.4
|xi |p
i1/p hX
i=1
i1/p
hX
|yi |q
i1/q
i=1
|xi |p
i=1
i1/p
hX
|yi |p
i1/p
i=1
i1/q
i1/p hZ
|g(x)|q dx
|f (x)|p dx
|f (x)g(x)| dx
R
R
R
i1/p
i1/p hZ
i1/p hZ
hZ
|g(x)|p dx
|f (x)|p dx
+
|f (x) + g(x)|p dx
(3.14)
|xi + yi |p
hX
hZ
x, y V .
Per questo motivo negli SVN si possono introdurre tutti i concetti che sono propri
degli spazi metrici. Ne ricordiamo alcuni.
Convergenza, Cauchy. Si dice che successione (xn )
e convergente
n=1 di elementi di V `
a x V se la successione numerica kxn xk converge a zero, cio`e se
per ogni > 0 esiste N > 0 tale che per ogni n N si ha kxn xk < .
La successione (xn )
n=1 si dice di Cauchy se
per ogni > 0 esiste N > 0 tale che per ogni n, k N si ha kxn xk k < .
Palle. Indico con BrV (x) la palla aperta di raggio r con centro in x nello spazio V
BrV (x) := {y V : ky xk < r}.
48
A := {x = (x1 , x2 ) R2 : 0 x1 1 , 0 x2 < 1} .
In questo caso si ha evidentemente che i punti limite esterni sono quelli che si trovano
sul bordo superiore del quadrato, cio`e
Aple = {x R2 : 0 x1 1 , x2 = 1} .
quindi
A = A Aple = {x R2 : 0 x1 1 , 0 x2 1} .
Un insieme A `e detto chiuso se A = A, ovvero se non ci sono punti limite esterni,
ovvero se tutti i punti limite appartengolo allinsieme A. Linsieme A definito nella
(3.16) non `e duqnue chiuso. In altre parole per dimostrare che un insieme `e chiuso
bisogna far vedere che se ho una successione convergente (x1 , x2 , . . .) di elementi di
A allora anche il suo limite `e un elemento di A. Insomma un unsieme chiuso non
permette di uscire dallinsieme con una successione convergente.
Occhio! Per qualche sottile motivo psicologico o a causa di quelle che Perec chiama le
fallaci seduzioni del ragionamento analogico5 , molti studenti sono indotti a pensare
` COS`I! Esistono tonnellate
che un insieme `e come un bar: o `e aperto, o `e chiuso. NON E
e tonnellate di insiemi che non sono n`e aperti n`e chiusi. Esempio: nello spazio R
linsieme A = [0, 1). Non `e aperto perch`e se scelgo x = 0, non esiste alcun > 0 tale
che B (0) [0, 1). E non `e neanche chiuso perch`e la successione xn = 1 1/n `e una
successione di elementi di A che per`o converge al punto 1 che non appartiene ad A.
Un esempio pi`
u eclatante di insieme che non `e n`e aperto n`e chiuso in R `e linsieme
Q dei razionali. Esistono poi insiemi che sono sia aperti che chiusi. Nel caso in cui
lo spazio ambiente sia uno spazio vettoriale normato V questi sono soltanto linsieme
vuoto e lo spazio stesso V . Se invece lo spazio ambiente `e uno spazio metrico X non
connesso ogni componente connessa di X `e sia aperta che chiusa. Ad esempio nello
spazio X = [0, 1] (2, 3) gli insiemi A = [0, 1] e B = (2, 3) sono sia aperti che chiusi
(pensateci).
5 George
49
Occhio! Aperto e chiuso sono concetti relativi che dipendono dallo spazio ambiente. Pu`
o accadere che lo stesso insieme A sia aperto (o chiuso) in uno spazio ambiente
X ma non lo sia in uno spazio ambiente diverso Y . Consideriamo ad esempio
X = R3
Y = {x R3 : x3 = 0}
A = {x R3 : x3 = 0 e x21 + x22 < 1}
In questo caso A `e aperto in Y , ma nello spazio ambiente X non `e n`e aperto n`e
chiuso. Nello spazio Y infatti le palle sono bidimensionali, cio`e BY (x) `e un disco
` chiaro
bidimensionale, mentre nello spazio X, BX (x) `e una palla tridimensionale. E
quindi che se x = (x1 , x2 , 0) `e un punto appartenente ad A allora esiste un > 0
abbastanza piccolo tale che BY (x) A, ma non sar`a mai possibile avere BX (x) A.
Quindi A `e aperto in Y ma non in X. Ovviamente A non `e neanche chiuso in X perch`e
la successione
1
xn = (1 , 0, 0)
n
`e una successione di punti di A convergente in X ma con un limite (1, 0, 0) che non
appartiene ad A.
3.5
spazio R
R 3 x = (x0 , x1 , x2 , x3 , . . .) = (xi )
i=0
Quindi R (C ) definisco lo spazio di tutte le successioni reali (complesse).
Non ti far confondere dalla notazione! Ogni elemento di R , vale a dire ogni punto
dello spazio R , `e una successione, quindi una successione di elementi di R `e una
successione di successioni. Di conseguenza servono due indici, uno che ci dice quale
successione e laltro che ci dice quale elemento della successione. Nel seguito useremo
la seguente notazione:7 una successione in R si denota con
x(n) R .
(3.17)
(n)
(n)
(n)
x(n) = x0 , x1 , x2 , x3 , . . .
(3.18)
(4)
Ad esempio x7
(n)
xi
R.
6 gli indici di una successione partiranno a volte da zero, altre volte da uno, senza una logica
apparente
7 tranne quando ce ne dimenticheremo
50
(0)
(0)
(1)
(1)
(1)
(2)
(2)
(2)
(n)
(n)
(n)
x(0) = (x0 , x1 , x2 , . . .)
x(1) = (x0 , x1 , x2 , . . .)
(3.19)
x(2) = (x0 , x1 , x2 , . . .)
..
.
x(n) = (x0 , x1 , x2 , . . .)
..
.
(3.20)
per ogni i N si ha
(n)
lim xi
= xi .
Con riferimento alla rappresentazione (3.19) tramite una matrice infinita, la convergenza puntuale equivale alla convergenza di ciascuna colonna della matrice. Attenzione, questo vuol dire che bisogna mandare allinfinito lindice di riga che appare in
alto fra parentesi nella nostra notazione, come appare nelle (3.21).
3.17 Esempio. Consideriamo la successione nello spazio R (successione di successioni) data da
(n)
xk = k/n .
Nella rappresentazione di matrice infinita questa successione pu`o essere scritta come
x(1) = (1,
2,
x(2) = (1/2, 1,
..
.
3,
. . .)
3/2, . . .)
lim xk
(x(n) )
n=1
= lim k/n = 0 .
n
Quindi la successione
nello spazio R converge puntualmente al vettore
nullo di questo spazio cio`e alla successione y = (0, 0, . . .).
51
Sarebbe questo il momento perfetto per introdurre una norma nello spazio R , in
modo da avere uno spazio vettoriale normato nel quale si possa parlare, ad esempio,
di distanza fra due successioni. Sarebbe, dicevo, il momento di abbandonare ogni
titubanza e tirare fuori questa norma, se non fosse che (ahim`e) costruire una norma
su R `e un esercizio (possibile, ma) non esattamente elementare che, come spesso si
legge nei testi seri, esula dallo scopo di questo corso. Comunque potete provarci:
Z 3.18 Problema. Trovare una norma sullo spazio R .
Quello che faremo noi sar`
a invece considerare dei sottospazi dello spazio R costruiti imponendo alcune restrizioni sulle successioni e su ciascuno di questi sottospazi
introdurremo una o pi`
u norme opportune. Cominciamo.
3.5.1
(3.22)
` `e chiaramente uno spazio vettoriale (verifica gli assiomi, ricordando la dritta 3.3)
e grazie alla condizione di limitatezza (3.22), `e possibile definire, per ogni elemento x
di ` , la quantit`
a
kxk = sup |xi | .
(3.23)
3.19 Osservazione. La norma (3.23) `e definita con lestremo superiore e non con il
massimo perch`e il massimo dei moduli degli elementi della successione potrebbe non
esistere. Consideriamo la successione limitata
x = (2/3, 3/4, 4/5, 5/6, . . . , (k 1)/k, . . .)
In questo caso si ha supk |xk | = 1, ma la quantit`a maxk |xk | non esiste.
3.20 Proposizione. Lapplicazione k k `e una norma su ` .
Dimostrazione. Per far vedere che un qualcosa `e una norma devo dimostrare 5 affermazioni
(0) Lapplicazione k k `e ben definita su tutto lo spazio ` (ad esempio non d`a
mai come risultato).
(1) kxk 0.
(2) kxk = 0 se e solo se x = 0.
(3) kcxk = |c| kxk per ogni c R, x ` .
(4) kx + yk kxk + kyk per ogni x, y ` .
8`
`
e indicato con m in KF
52
Punto (0). Grazie alla (3.22) sappiamo che se x ` allora supi |xi | `e necessariamente
un numero finito, quindi k k `e ben definita.
Punto (1). Banale
Punto (2). Se x = 0 allora banalmente kxk = 0. Daltra parte se kxk = 0 allora
supi |xi | = 0, il che implica che tutti gli elementi xi sono nulli, che `e equivalente a dire
che x = 0.
Punto (3). Possiamo scrivere
kcxk = sup |cxi | = sup (|c||xi |) = |c| (sup |xi |) = |c| kxk .
i
Punto (4). Si ha
kx + yk = sup (|xi + yi |) sup |xi | + |yi | sup |xi | + sup |yi | = kxk + kyk .
i
(3.24)
|xi |
i=1
perch`e avrebbe violato la propriet`a (0) della Proposizione 3.20. Infatti posso scegliere
la successione di tutti uni
x = (1, 1, 1, 1, . . .)
che, essendo limitata, appartiene a ` , ma se provo a calcolare kxk come nella (3.24)
ottengo . Analogamente non posso definire su `
kxk := sup xi
i
questo non `
e carino
B1 := {x ` : kxk 1} .
53
Questo insieme `e chiaramente chiuso e limitato (il suo diametro `e uguale a 2), ma non
`e compatto, vale a dire posso trovare in B1 successioni che non ammettono sottosuccessioni convergenti. Consideriamo la successione di elementi di B1 data dai vettori
di base canonici
e(1) = (1, 0, 0, 0, 0 . . .)
e(2) = (0, 1, 0, 0, 0 . . .)
e(3) = (0, 0, 1, 0, 0 . . .)
..
.
(3.26)
e(k) = (0, 0, . . . , 0, 1, 0, 0 . . .)
..
.
Se n 6= m otteniamo
(n)
(3.27)
(m)
ei
|=1
3.5.2
(3.28)
Analogamente si definisce `0 (C) come lo spazio delle successioni complesse che tendono
a zero.
3.23 Problema. Dimostrare che `0 `e uno spazio vettoriale (ricorda quanto detto al
punto 3.3).
Siccome ogni successione convergente `e necessariamente limitata (come si dimostra?),
abbiamo linclusione
`0 ` .
(3.29)
Quindi `0 `e un sottospazio di ` . Di conseguenza, come spiegato al punto 3.9, possiamo 11 introdurre in `0 la stessa norma che abbiamo introdotto in ` , vale a dire la
norma k k . In questo modo (`0 , k k ) diventa uno spazio vettoriale normato.
` possibile, nello spazio `0 , scegliere la seguente norma?
3.24 Problema. E
kxk2 :=
(3.30)
hX
i=0
10 `
c0 in KF
|xi |2
i1/2
54
3.5.3
(3.31)
|xi |p < .
i=0
(3.32)
hX
|xi |p
i1/p
i=0
|xi |p <
B :=
i=0
|yi |p < .
i=0
hX
|xi + yi |p
i1/p
i=1
hX
|xi |p
i1/p
hX
i=1
Di conseguenza
|yi |p
i1/p
= A1/p + B 1/p .
i=1
|xi + yi |p < ,
i=1
|c xi | = |c|
i=1
|xi |p < .
i=1
hX
i=1
|c xi |p
i1/p
= |c|
hX
i=1
|xi |p
i1/p
= |c| kxkp
55
X
|xi |p < .
i=0
p
Ma allora si ha anche
lim xi = 0 , cio`e x `e un elemento di `0 .
X
|xk |q < .
k=1
k = 1, 2, . . .
X
k=1
|xk |q =
k=1
X
k=1
|xk |p M qp = M qp
|xk |p .
k=1
Poich`e M qp `e una costante e la serie k=1 |xk |p `e convergente per ipotesi, dalla (3.34)
si deduce che
X
la serie
|xk |q `e convergente.
k=1
56
(
1
:=
0
se k n
se k > n
lim kx(n) k = 0
Far vedere che linverso `e falso, trovando un esempio di una successione (x(n) ) tale che
lim kx(n) k = 0
lim kx(n) k1 6= 0 .
ma
La convergenza puntuale di una successione di successioni (x(n) ) `e una nozione di con` facile verificare che se una successione converge in norma
vergenza piuttosto debole. E
k k allora converge anche puntualmente. A maggior ragione converge puntualmente
se converge rispetto a k kp . Viceversa non `e difficile far vedere che esistono successioni
di successioni convergenti puntualmente ma non in k k .
3.32 Problema. Fare un esempio di una successione (x(n) ) di elementi di ` che
converge puntualmente (componente per componente) a zero, ma non converge in
norma, cio`e
lim kx(n) k 6= 0 .
n
3.5.4
`f `e definito come linsieme di tutte le successioni finite, vale a dire quelle successioni
x = (x0 , x1 , x2 , . . .) = (xi )
i=0 , per le quali esiste K tale che xi = 0 se i > K.
`f `e uno spazio vettoriale (dimostrarlo!) e, poich`e si ha linclusione ovvia
(3.35)
`f `p `
p1
1
k
3.6
3.6.1
57
Spesso `e utile considerare funzioni reali a valori complessi. In quel caso si usa il simbolo
Cb (R; C) al posto di Cb (R) e analogamente per gli altri spazi.
3.35 Proposizione. Gli insiemi C[a, b], Cb (R), C0 (R), Cc (R) sono spazi vettoriali.
Si ha inoltre Cc (R) C0 (R) Cb (R). Infine lapplicazione
kf ku := sup |f (x)|
x[a,b]
3.6.2
kf kp :=
Z
|f (x)|p dx
1/p
kf kp :=
1/p
|f (x)| dx
p
3.36 Problema. Dimostrare che (Cp (R) , k kp ) `e uno spazio vettoriale normato.
3.37 Problema. Determinare per quali valori di R la funzione
(3.38)
f (x) :=
1
(1 + x2 )
appartiene a C3 (R).
3.38 Problema. Dimostrare direttamente, senza usare la disuguaglianza di Cauchy
Schwarz, che se f, g C2 (R) il loro prodotto f g appartiene a C1 (R).
58
3.39 Problema. Fare un esempio di una funzione f che appartiene a C2 (R) ma non
a C1 (R).
3.40 Osservazione. Abbiamo visto al punto 3.26 che `p `0 Si pu`
o estendere questa
`
affermazione agli spazi di funzioni? E vero che Cp (R) C0 (R)? In altre parole, si
assuma che
Z
|f (x)|p dx `e finito.
R
Ne segue che limx f (x) = 0? La risposta `e no. Prova a pensare ad una funzione
che appartiene, ad esempio, a C1 (R), ma che non converge a zero allinfinito. In
realt`
a `e possibile trovare funzioni in Cp (R) che non sono neppure limitate. Quindi
Cp (R) 6 Cb (R).
I 3.41 Problema. Trovare una funzione f C1 (R) non limitata.
H 3.42 Problema. Fare un esempio di una funzione f che appartiene a C1 (R) ma non
a C2 (R).
3.43 Problema. Dimostrare che C1 (R) Cb (R) C2 (R).
H 3.44 Problema. Sia p [1, ) e sia f C1 (R). Dimostrare che per ogni > 0 esiste
un > 0 tale che comunque si scelga un intervallo [a, b] di lunghezza |b a| < allora
si ha
Z b
|f (x)| dx < .
a
Soluzione. Se le funzioni di C1 (R) fossero tutte limitate allora sarebbe banale. Supponiamo infatti che sia |f (x)| M per tutti gli x R. Allora basterebbe prendere
:= /M e la sarebbe soffisfatta. Ma la vita `e piena di amarezze e, in particolare,
le funzioni di C1 non sono necessariamente limitate.
Se potessimo considerare, invece che tutto lasse reale, un intervallo chiuso e limitato,
allora avremmo risolto, perch`e una funzione continua su tale intervallo ha un massimo
e un minimo, quindi si avrebbe |f (x)| M su tutto lintervallo. Lidea `e di pensare R
come la somma di 3 pezzi
R = (, K) [K, +K] (K, )
in cui il pezzo importante `e quello centrale, mentre i due pezzi allesterno contano
poco. Per trasformare questi vagheggiamenti in matematica mi ricordo cosa significa
che f C1 (R)
Z
f C1 (R)
Z
|f (x)| dx =
+K
|f (x)| dx = C < .
lim
K+
Ponendo
Z
+K
|f (x)| dx
I(K) :=
K
posso dire che K I(K) `e una funzione crescente che tende a C quando K tende
a +. In altre parole, per ogni > 0 esiste L > 0 tale che I(L) > C /2. Ma
se I(L) > C /2 allora il resto dellintegrale, quello su gli intervalli (, L] e
[+L, +) vale al massimo /2. Riassumendo ho trovato che
Z
|f (x)| dx +
|f (x)| dx <
+L
.
2
59
Bene, siamo quasi arrivati. Dato che f `e continua in [L, +L] esister`a M > 0 tale che
|f (x) M
x [L, L] .
Poniamo
:= /(2M ) .
In questo modo ottengo che se [a, b] `e un qualsiasi intervallo di lunghezza non superiore
a , allora, indipendendemente da dove si trova questo intervallo, posso scrivere
Z
|f (x)| dx < (b a) M +
3.6.3
|f (x)| dx
(1)
(2)
(3)
(4)
(5)
Z
|f (x)| dx +
+L
+ = .
2 2
xa+
xb
(6) C0k (R) linsieme delle funzioni f C k (R) tali che limx f (i) (x) = 0 per ogni
i = 0, 1, . . . , k.
(7) Cck (R) linsieme delle funzioni f C k (R) con supporto compatto.
(8) C (R) linsieme delle funzioni infinitamente differenziabili.
(9) C0 (R) linsieme delle funzioni infinitamente differenziabili tali che
limx f (i) (x) = 0 per i = 0, 1, 2, 3, . . .
(10) Cc (R) linsieme delle funzioni infinitamente differenziabili con supporto compatto.
(11) S(R) (spazio di Schwarz o delle funzioni C rapidamente decrescenti), linsieme
di tutte le funzioni f infinitamente differenziabili tali che per ogni j, k N esiste
Cj,k > 0 tale che supxR |xj f (k) (x)| Cj,k
Riassunto inclusioni fra spazi vettoriali:
`f
`1
`2
`3
`3.1
`9 `0 ` R
3.45 Problema. Nei casi seguenti: se k k `e una norma dire semplicemente che `e
una norma, mentre se non lo `e dimostrare esplicitamente che viola almeno una delle
propriet`
a della norma.
(a) V = R3 e kxk = |x1 | + |x3 | + |x2 x3 |
(b) V = C 3 [a, b] e kf k = f (0) + supx[a,b] |f 0 (x)|
R
(x)|
(c) V = Cb (R) e kf k = R |f
1+|x| dx
60
(d) V = C0 (R) e kf k =
|f (x)| dx
ma k=1 1/k = .
(g) S`.
3.46 Problema. Determinare i valori di R per i quali la funzione f appartiene a
C1 (R) (lo spazio delle funzioni continue f tali che k f k1 < ).
h
2 i
exp log(1 + x2 )
(1 + |x|)
1
(b) f (x) :=
(c) f (x) :=
(a) f (x) :=
(2 + x4 )
1 + |x|
e|x|
Risp: (a) > 1/4. (b) R. (c) Mai. Il numeratore cresce pi`u velocemente di qualsiasi
potenza.
3.47 Problema. Determinare i valori di R per i quali Rla funzione indicata appartiene a Cp (R) (lo spazio delle funzioni continue f tali che R |f (x)|p dx < ).
(a)
x sin x
(1 + x2 + x4 )
1
4
1
.
4p
(b)
[ log(1 + x2 ) ]
1 + x2
(c) e|x|
(d)
|x|
1 + x8
1
(2 + x6 )
(b) f (x) :=
1 + |x|
5 + e|x|
(c) f (x) :=
x2 cos x
1 + |x|
61
Z
|f (x)| dx
x2
1 + |x|
R
e quindi lintegrale `e convergente. Far vedere che lintegrale R |f (x)| dx `e divergente
per 3 `e leggermente pi`
u complicato a causa della presenza del coseno. Procedo
nel modo seguente:
Z
Z
|f (x)| dx
2+/3
|f (x)| dx +
0
Z 2n+/3
X
n=1
2n
|f (x)| dx +
0
/3
|f (x)| dx =
0
2
4+/3
|f (x)| dx +
2
|f (x)| dx +
|f (x)| dx +
4
|f (x)| dx +
4
x2 | cos x|
dx .
1 + |x|
1 + |x|
1 + (2n + /3)
x [2n, 2n + /3]
(2n)2
1
2 1 + (2n + /3)
Per cui
Z
|f (x)| dx
R
x [2n, 2n + /3]
1 X
(2n)2
2 n=1 1 + (2n + /3)
3.7
Indipendenza lineare
c1 u1 + + ck uk = 0
u1 , . . . uk si dicono linearmente indipendenti se (sorpresa) non sono linermente dipendenti. Un insieme infinito di vettori A := {u : I} `e detto linearmente indipendente se ogni sottoinsieme finito di A `e linearmente indipendente.
3.50 Proposizione. Un insieme di vettori u1 , . . . uk `e linearmente dipendente se e
solo se uno di questi vettori pu`
o essere espresso come combinazione lineare degli altri.
3.51 Definizione. La dimensione di uno spazio vettoriale V `e il massimo numero di
vettori linearmente indipendenti in V (questo numero pu`o essere infinito, nel qual caso
V `e detto infinito dimensionale).
13 possiamo
62
u0 = 1, u1 = x, u2 = x2 , u3 = x3 , u4 = x4
Dobbiamo far vedere che i coefficienti ci sono tutti uguali a zero. Il trucco consiste
nello scegliere valori appropriati di x nella (3.42), in modo da trasformare la (3.42) in
un sistema di equazioni lineari la cui unica soluzione `e c0 = = c3 = 0. Infatti si ha
(x = 0)
c0
(x = /2)
c0 + c1 c3
=0
3
c0 +
(c1 + c2 ) = 0
2
3
c0 +
(c1 c2 ) = 0
2
(x = /3)
(x = 2/3)
=0
3.7.1
2 3 1 0
1 5 2 1
(3.43)
1 2 2 1
14 vedremo in futuro un metodo migliore per dimostrare che le funzioni trigonometriche sono linearmente indipendenti (ma allora perch`
e non abbiamo aspettato di imparare questo metodo per risolvere
lesercizio?)
63
c1 f1 (x) + + cn fn (x) = 0
3.8
span{u : I}
u = c1 u1 + + cn un
n N, i I
15 span{u } viene denotato con il simbolo L({u }) in KF (qualcuno potrebbe essere erroneamente
indotto a pensare che lautore continua a cambiare tutte le notazioni rispetto a KF solo per confondere
il lettore).
64
u2 (x) = x2
un (x) = xn
In questo caso si ha
span{un : n N} = P (R) ,
vale a dire linsieme delle combinazioni lineari finite di 1, x, x2 , . . . non `e nientaltro che
linsieme dei polinomi su R.
3.57 Problema. Consideriamo nello spazio `0 i vettori
e(k) := ( 0 , 0 , . . . , 0 , 1 , 0 , 0 , . . . )
(k)
span{e(k) : k = 1, 2, 3, . . .} = ?
Nel caso di uno spazio vettoriale finito dimensionale V una base viene definita come
una collezione di vettori u1 , u2 , . . . , un con due propriet`a: innanzi tutto devono essere
linearmente indipendenti, in secondo luogo deve valere
span{u1 , . . . , un } = V ,
come a dire che ogni elemento di V si deve poter scrivere come combinazione lineare
(necessariamente finita) degli un . Nel caso infinito dimensionale questa definizione `e
troppo restrittiva per il seguente motivo. Prendiamo lo spazio `0 e i vettori della base
canonica16
e(k) := ( 0 , 0 , . . . , 0., 1 , 0 , 0 , . . . )
(k)
Poich`e si ha span{e(k) : k = 1, 2, . . .} = `f se utilizzassimo questa definizione potremmo
dire che i vettori e(k) sono una base per `f ma non per `0 . Per questo motivo conviene
modificare la definizione di base.
Ricordo la seguente definizione:
3.58 Definizione. Se Y e Z sono due sottoinsiemi di uno spazio metrico (X, d) si
dice che Y `e denso in Z se Y Z, vale a dire se per ogni z Z e per ogni > 0 esiste
y Y tale che d(z, y) < .17 Un modo equivalente di dire la stessa cosa `e il seguente:
per ogni z Z esiste una successione (yn ) di elementi di Y tale che yn z.
Nel caso in cui Z coincida con lintero spazio metrico X, dire che Y `e denso in X
equivale ovviamente alla condizione Y = X.
3.59 Definizione. Un insieme di vettori (u )I in uno spazio vettoriale normato
(V, k k) `e detto completo 18 se span{u : I} `e denso in V , vale a dire se
span{u : I} = V
In altre parole dire che un insieme di vettori (u ) `e completo equivale a dire che ogni
vettore v V , pu`
o essere approssimato con precisione arbitraria con una combinazione
lineare finita degli u . Pi`
u precisamente deve valere la seguente condizione: per ogni
v V e per ogni > 0 esiste una combinazione lineare finita degli u
(3.48)
u = c1 u1 + + cn un
realt`
a ancora non ho detto cos`
e una base
caso di spazi vettoriali normati dovr`
a essere kz yk < .
18 da non confondere con la completezza di uno spazio metrico
17 nel
65
n k>n
Ma poich`e x `0 , per definizione si ha che xn tende a zero, che, come `e noto, implica
che lim supn |xn | = 0.
3.62 Problema. Dimostrare che `f non `e denso in (` , k k ).
3.63 Problema. Nello spazio vettoriale normato (C0 (R), kku ) si consideri la funzione
f (x) := 1/(1 + x2 ). Determinare una funzione g Cc (R) tale che kf gku 1/10.
Disegnare il grafico di f e g.
3.64 Problema. Dimostrare che lo spazio Cc (R) `e denso in (C0 (R) , k ku ), ma non
in (Cb (R) , k ku ).
Schema di soluzione. (1). Dimostrazione che Cc (R) `e denso in C0 (R). Sia f C0 (R).
Lidea `e di definire una successione di funzioni fn Cb (R) mediante un troncamento
di f , cio`e definendo fn = 0 al di fuori dellintervallo [n, n]. Proprio cos` purtroppo la
cosa non funziona, perch`e fn in generale non sar`a una funzione continua, quindi serve
una costruzione leggermente pi`
u complicata. . .
(2). Dimostrazione che Cc (R) non `e denso in Cb (R). Sia f (x) = 1. Questa `e una
funzione appartenente a Cb (R), ma non c`e speranza alcuna di poterla approssimare
con una funzione g Cc (R), perch`e si ha necessariamente
kf gku =
...
g Cc (R) .
` noto che in uno spazio vettoriale finitodimensionale tutti i sottospazi (gli iperpiani)
E
sono chiusi. Questa propriet`
a non `e pi`
u vera nel caso infinitodimensionale.
66
(3.49)
(1)
(1)
(2)
(2)
(2)
(n)
(n)
(n)
x(1) = (x0 , x1 , x2 , . . .)
x(2) = (x0 , x1 , x2 , . . .)
..
.
x(n) = (x0 , x1 , x2 , . . .)
..
.
x = (x0 , x1 , x2 , . . .)
Dobbiamo far vedere che limi xi = 0, vale a dire che (per definizione)
> 0 esiste N > 0 tale che i N |xi | < .
(3.50)
Possiamo scrivere
(3.51)
(n)
|xi | = |xi xi
(n)
(n)
(n)
(n)
Grazie allipotesi (ii) sappiamo che per ogni > 0 esiste N tale che se n N allora
kx x(n) k < . Quindi, in particolare, possiamo scegliere n = N e otteniamo
(3.52)
kx x(N ) k < .
(N )
(N )
| + |xi
Di conseguenza
(3.54)
(N )
|.
|.
67
(N )
Daltra parte sappiamo che x(N ) `e un elemento di `0 , per cui limi |xi
Questo implica che
| = 0.
lim |xi | .
(3.55)
Poich`e `e arbitrario, questo implica che limi |xi | = 0 vale a dire che x `0 .
Seconda dimostrazione. Diamo una seconda dimostrazione meno diretta ma pi`
u corta.
Vogliamo far vedere che ` \`0 `e aperto. Questo implica che `0 `e chiuso. Al fine di
dimostrare che ` \`0 `e aperto, facciamo vedere che per ogni x ` \`0 esiste > 0
tale che la distanza fra x e `0 `e almeno , vale a dire
kx yk
(3.56)
y `0 .
Ci`
o significa che per ogni x ` \`0 esiste > 0 tale che la palla B/2 (x) `e interamente
contenuta in ` \`0 , quindi ` \`0 `e aperto e la dimostrazione `e finita.
Sia allora x ` \`0 . Dobbiamo trovare > 0 tale che valga la (3.56). Siccome x non
converge a zero sappiamo che
esiste 0 > 0 e una successione xn(k) tale che |xn(k) | 0 per ogni k.
Ma se y `0 , y converge a zero, quindi esiste N tale che se i N allora |yi | < 0 /2.
Quindi abbiamo che se n(k) N allora
|xn(k) yn(k) | 0 0 /2 = 0 /2
e questo implica
kx yk = sup |xi yi | 0 /2
(3.57)
y `0
iN
3.9
3.67 Definizione. Uno spazio di Banach `e uno spazio vettoriale normato completo.
3.68 Proposizione. (` , k k ) `e completo.
Dimostrazione. Sia x(n) una successione di Cauchy in ` . Allora > 0 esiste N tale
che
(3.58)
n, m N
il che implica
(3.59)
(n)
|xi
(m)
xi
|<
n, m N
(n)
(n)
lim xi
= xi
68
(a) x `
(b) x(n) converge a x nello spazio ` , vale a dire limn kx(n) xk = 0
Prendendo il limite m nella (3.59) ottengo che > 0 esiste N tale che
(n)
|xi
(3.61)
xi |
n N
Quindi se n N si ha
x(n) x `
(3.62)
kx(n) xk
Ma allora x pu`
o essere scritta come somma x = x(n) + (x x(n) ) di due elementi
di ` . Di conseguenza x ` . Daltra parte la (3.62), per definizione, ci dice che
x(n) x.
3.69 Proposizione. Per ogni p 1, (`p , k kp ) `e completo.
Dimostrazione. Sia x(n) una successione di Cauchy in `p . Per definizione di successione di Cauchy si ha
> 0 N > 0 tale che n, k N si ha kx(n) x(k) kp < .
Quindi se n, k N
X
(n)
x x(k) p < p .
(3.63)
i=1
Di conseguenza
(3.64)
(n)
x x(k) <
i
i, n, k N .
(1)
(2)
(3)
X
(n)
x xi p p .
i
i=1
69
X
(n)
x x(k) p p
lim
i
i
i=1
al fine di ottenere la (3.65), abbiamo scambiato il limite con la serie, operazione che
porta in qualche occasione a fare degli errori. Ma non in questo caso. Infatti, procedo
ora in modo corretto e ottengo lo stesso risultato. Innanzitutto dalla (3.63) si deduce
che
L
X
(n)
x x(k) p p .
L > 0
i
i
i=1
Ora ho una somma finita e posso effettivamente scambiare il limite per k con la
somma
L
L
X
X
(n)
(n)
x xi p p .
x x(k) p =
lim
i
i
i
k
i=1
i=1
Ma questa disuguaglianza `e valida per ogni L, quindi posso far tendere L allinfinito e
ottengo
L
X
(n)
x xi p p
lim
i
L
vale a dire
i=1
X
(n)
x xi p p .
i
i=1
Ora che ho di nuovo ottenuto la (3.65) per benino concludo come in precedenza.
3.70 Proposizione. Lo spazio vettoriale normato (Cb (R) , k ku ) `e completo.
Dimostrazione. Sia (fn )
n=1 una successione di Cauchy in (Cb (R) , k ku ). Devo dimostrare che esiste una funzione f appartenente a Cb (R) tale che
(3.66)
lim kf fn ku = 0 .
Dire che la successione (fn ) `e di Cauchy nello spazio (Cb (R) , k ku ) significa, per
definizione, che
(3.67)
70
(3.69)
La (3.69) ci dice che la successione di funzioni (fn ) converge puntualmente alla funzione
f . Questo `e un passo avanti, ma non `e quello che ci serve. Quello che dobbiamo
dimostrare infatti `e che
(a) f Cb (R), cio`e f `e continua e limitata
(b) vale la (3.66), cio`e la successione (fn ) converge ad f uniformemente.
In realt`
a la (b) `e sufficiente perch`e se abbiamo la convergenza uniforme, allora `e noto
che se una successione di funzioni continue e limitate converge uniformemente a qualcosa, il qualcosa `e per forza continuo e limitato. Il problema `e dunque quello di
trasformare la convergenza puntuale in convergenza uniforme. Per far questo ripartiamo dalla (3.68) e facciamo il limite per k . In questo modo otteniamo19
(3.70)
(3.71)
Ma la (3.71) significa proprio che limn kfn f ku = 0, esattamente quello che dovevo
dimostrare.
3.71 Proposizione. Lo spazio vettoriale normato (Cp (R) , k kp ) non `e completo.
Schema di dimostrazione. Prendiamo ad esempio lo spazio C1 [1, 1], tanto non cambia
niente. Per far vedere che C1 [1, 1] non `e completo bisogna costruire una successione
di funzioni (fn ) che sia di Cauchy ma non convergente. Lidea in questo caso `e di
prendere una successione di Cauchy che converga a qualcosa che sta fuori dallo spazio
C1 [1, 1]. In particolare si pu`o pensare ad una successione di funzioni continue che
converge ad una funzione non continua. Ovviamente bisogner`a far vedere che questa
successione `e di Cauchy. Consideriamo la seguente successione di funzioni
se x [1, 0]
0
fn (x) = nx se x (0, 1/n)
1
se x [1/n, 1]
Faccio vedere che `e una successione di Cauchy. Sia N un intero positivo e siano
n, k N . Supponiamo (ad esempio) che sia n k. Allora
Z 1
kfn fk k1 =
|fn (x) fk (x)| dx
1
0
Z
=
1/k
1/k
(n k)x dx +
0
1 dx =
0
19 attenzione
1/n
Z
0 dx +
1
1
.
k
N
(1 kx) dx +
1/n
0 dx
1/k
71
0
1
se x [1, 0]
se x (0, 1].
3.9.1
72
`f `0 `
C `e completo
` `e completo
Q `e denso in R, quindi Q = R
`f `e denso in `0 , quindi `f = `0
3.10
Separabilit`
a
`
3.10. SEPARABILITA
73
x32
..
.
x33
..
.
Devo ora assegnare un numero intero positivo a ogni elemento di questa matrice infinita. Procedo nel modo seguente: immagino di ruotare la matrice di 45 gradi in
senso orario e di numerare poi i suoi elementi dallalto verso il basso e da destra verso
sinistra. In questo modo ottengo:
x11
x21
x12
x31
x22
x13
x41
x32
` chiaro che, con questo procedimento, prima o poi, avr`o assegnato un intero positivo
E
a ciascun elemento di X X in modo iunivoco.
(b) Simile al caso precedente.
Grazie a questo risultato possiamo affermare che gli insiemi Z e Zn sono numerabili.
Linsieme Q dei razionali `e anchesso numerabile perch`e ogni razionale q `e un quoziente
fra interi q = n/k, quindi ad ogni razionale possiamo associare un elemento di (n, k)
Z2 . Siccome Z2 `e numerabile anche Q `e numerabile. C`e una piccola imprecisione in
questo argomento poich`e la corrsipondenza fra Q e Z2 non `e biunivoca. Ad esempio
al numero razionale 3/4 corrispondono le coppie (3, 4), (3, 4), (6, 8), eccetera.
Possiamo per`
o stabilire una regola e ottenere una corrispondenza biunivoca fra Q e un
sottoinsieme di ZZ. Ora `e facile vedere che un sottoinsieme di un insieme numerabile
`e finito o numerabile. Siccome Q non `e finito, deve essere numerabile.
Una volta stabilito che Q `e numerabile otteniamo che anche Qn `e numerabile.
Se a qualcuno fosse a questo punto venuto il sospetto che tutti gli insiemi infiniti siano
numerabili lo riportiamo subito alla dura realt`a della matematica.
3.79 Proposizione. Sia X = {0, 1} linsieme di tutte le successioni di zeri e uni.
X non `e numerabile.
Dimostrazione. Supponiamo che X sia numerabile e trovermo una contraddizione. Se
X `e numerabile posso scrivere i suoi elementi come
X = (x(1) , x(2) , x(3) , . . . )
in cui ciascun elemento `e a sua volta una successione di zeri e uni (che chiamo successioni binarie). Abbiamo cio`e una successione di successioni che rappresentiamo come
74
(1)
(2)
(2)
(n)
(n)
x(1) = (x1 , x2 , . . .)
x(2) = (x1 , x2 , . . .)
..
.
(3.72)
x(n) = (x1 , x2 , . . .)
..
.
Ogni riga `e una successione binaria e stiamo ipotizzando che in questo modo otteniamo
tutte le successioni binarie possibili. Quindi se minvento una successione binaria, ad
esempio la successione
y = (1, 0, 1, 0, 1, 0, ) ,
ci dovr`
a essere una riga della matrice infinita in cui compare esattamente questa successione. Per cui se riuscissi a costruire una successione binaria che per qualche motivo
non pu`
o essere uguale ad alcuna riga avrei trovato la contraddizione che sto cercando
e avrei dimostrato il Teorema. La successione impossibile si costruisce nel modo
seguente: si prende la successione diagonale e si cambiano tutti gli zeri in uno e
tutti gli uni in zero. Per dirlo con una formula definisco
(1)
(2)
(3)
(4)
y = (1 x1 , 1 x2 , 1 x3 , 1 x4 , ) .
Perch`e affermo che questa successione non pu`o essere uguale ad alcuna riga della
matrice? Allora, y non pu`
o essere uguale alla prima riga x(1) perch`e y e x(1) differiscono
sicuramente per quanto riguarda il loro primo elemento. y non pu`o essere uguale alla
seconda riga perch`e il secondo elemento di y `e sicuramente diverso dal secondo elemento
di x(2) . Insomma y non pu`
o essere uguale alla generica nsima riga perch`e lnsimo
elemento di y differisce dalln-simo elemento di x(n) . Quindi y non appare come riga
nella matrice infinita. Ma allora non `e vero che X `e linsieme di tutte le successioni
binarie.
3.80 Proposizione. Lintervallo [0, 1] non `e numerabile.
Schema di dimostrazione. Ogni numero reale x [0, 1] pu`o essere scritto in binario
come una successione di zeri e uni, quindi lenunciato discende dalla Proposizione 3.79
(Uhm. . . perch`e non `e una dimostrazione vera e propria?)
Poich`e [0, 1] non `e numerabile, non lo `e neanche R (e neanche Rn ). Tuttavia la non
numerabilit`
a contratta da R `e (fortunatamente) della forma meno grave. Il motivo
`e che R, pur essendo non numerabile, ammette per`o un sottoinsieme numerabile Q
tale che ogni numero reale x pu`o essere approssimato con precisione arbitraria da un
elemento di Q. Questa nozione `e chiamata separabilit`a. Pi`
u precisamente:
3.81 Definizione. Uno spazio metrico (X, d) `e detto separabile se esiste un insieme
numerabile Y X tale che Y `e denso in X, vale a dire21 per ogni x X e per ogni
> 0 esiste y Y tale che d(x, y) < .
3.82 Esempio. Rn e Cn sono separabili (considera il sottoinsieme di tutti gli elementi
a coordinate razionali).
3.83 Problema. Dimostrare che `f (Q) `e numerabile (Sugg: scrivere `f (Q) come
unione numerabile di insiemi numerabili . . . ).
21 ripeto
`
3.10. SEPARABILITA
75
3.84 Problema. Dimostrare che `f (Q) `e denso in (`0 , k k ). (Sugg: dimostrare che
`f (Q) `e denso in `f (R) ed usare il fatto noto che `f (R) `e denso in `0 ).
Soluzione. Suppongo di aver gi`
a dimostrato che `f (R) `e denso in (`0 , k k ). Quindi
basta dimostrare che `f (Q) `e denso in `0 (R) rispetto alla norma k k e usare il
risultato che afferma che la propriet`a di essere denso in `e transitiva se riferita alla
stessa norma.
Per far vedere che `f (Q) `e denso in `f (R) dimostro che ogni elemento di `f (R) pu`o
essere approssimato con precisione arbitraria da un elemento di `f (Q). Sia dunque
x `f (R)
x = (x1 , x2 , . . . , xN , 0, 0, . . .) ,
in cui xN `e lultimo elemento di x non nullo. Dato > 0 arbitrario, devo trovare
y `f (Q) tale che kx yk < . Poich`e Q `e denso in R esiste un razionale y1 tale
che |y1 x1 | < . Analogamente esiste y2 Q tale che |y2 x2 | < . In generale si ha
per ogni n = 1, 2, . . . , N esiste yn Q tale |yn xn | < .
Se n > N si ha xn = 0 per cui possiamo semplicemente porre
yn = xn = 0
n = N + 1, N + 2, . . .
3.85 Problema. Dimostrare che `p `e separabile. (Sugg: usa il fatto che `f (Q) `e
numerabile).
3.86 Problema. Dimostrare la seguente affermazione: sia (X, d) uno spazio metrico
e supponiamo che X contenga un insieme non numerabile di elementi {x : I}
1
tale che per ogni 6= si ha d(x , x ) 10
. Allora X non `e separabile.
3.87 Problema. Dimostrare che (` , k k ) non `e separabile. (Sugg: utilizzare il
risultato del problema precedente).
76
4. Spazi di Hilbert
F:
B:
F:
B:
F:
B:
4.1
Definizioni
78
u, v V
(4.1)
Usando le propriet`
a del prodotto scalare ottengo
p(t) = |t|2 hu, ui + t hu, vi + thv, ui + hv, vi .
Scrivo il numero complesso hu, vi in forma polare come hu, vi = ei . Poi scelgo il
numero complesso t della forma sei con s reale. La precedente uguaglianza diventa
p(sei ) = s2 hu, ui + 2s + hv, vi .
Ma, per come `e stata definita nella (4.1), la quantit`a p(t) `e non negativa, qualunque
sia il numero complesso t. In particolare dovr`a essere non negativa per tutti i t della
forma sei in cui s pu`
o essere scelto in modo arbitrario. Dunque ottengo
s2 hu, ui + 2s + hv, vi 0
s R ,
che implica
2 hu, ui hv, vi .
Ma `e esattamente il modulo di hu, vi, per cui la Proposizione `e dimostrata.
Uno dei vantaggi di avere un prodotto scalare `e che, tramite il prodotto scalare, si
pu`
o facilissimamente definire una norma (il contrario in generale non si pu`o fare, come
spiegato nella sezione 4.1.2).
4.8 Proposizione. Sia V uno spazio euclideo con prodotto scalare h, i. Allora la
funzione k k : V R definita come
p
(4.2)
kuk := hu, ui
uV
`e una norma su V .
Dimostrazione. Molto semplice, lasciata al lettore.
4.9 Proposizione. Laddizione, la moltiplicazione per uno scalare e il prodotto scalare
sono continui in uno spazio euclideo, vale a dire se un u e vn v allora:
1 per
4.1. DEFINIZIONI
79
(1) un + vn u + v
(2) se c R allora cun cu
(3) hun , vn i hu, vi
Dimostrazione. Dimostro la continuit`a del prodotto scalare. Le altre affermazioni si
dimostrano analogamente. Grazie alla disuguaglianza di Cauchy-Schwarz ottengo:
|hu, vi hun , vn i| = |hu, vi hu, vn i + hu, vn i hun , vn i|
|hu, vi hu, vn i| + |hu, vn i hun , vn i|
= |hu, v vn i| + |hu un , vn i|
kuk kv vn k + ku un k kvn k .
Poich`e la successione (vn ) `e convergente, essa `e anche limitata in norma,2 quindi esiste
M > 0 tale che kvn k M per ogni n. La precedente disuguaglianza pu`o quindi essere
scritta come
|hu, vi hun , vn i| max{kuk , M } [kv vn k + ku un k ] .
A questo punto non resta che prendere il limite n di ambo i membri.
4.1.1
xi yi
hx, yi :=
(caso reale)
i=1
xi yi
(caso complesso)
i=1
p
Allora h, i `e un prodotto scalare in `2 e la norma associata kxk := hx, xi `e
proprio la norma k k2 che abbiamo precedentemente introdotto in questo spazio.
(2) (Spazi di successioni pesati). Sia = (1 , 2 , . . .) una successione di numeri reali
strettamente positivi, i > 0 e si definisca
n
o
X
`2 () := x R :
i |xi |2 <
i=1
i |cxi |2 = |c|2
i=1
i |xi |2 <
i=1
X
i=1
i |xi + yi | =
i (x2i
i=1
=2
yi2
+ 2xi yi ) 2
i=1
i x2i + 2
i=1
i yi2 < .
i=1
X
i=1
2 la
dimostrazione `
e identica al caso dei reali
i xi yi
i (x2i + yi2 )
80
(caso complesso)
Questo `e uno spazio vettoriale sul quale posso definire il prodotto scalare
Z
hf, gi :=
p(x) f (x) g(x) dx .
R
4.1.2
(4.4)
4.1.3
Problemi
X
(xi yi+1 + xi+1 yi )
i=1
81
i=1
Soluzione. Non `e un prodotto scalare, perch`e non `e definito positivo. Infatti, scegliendo
x := (1, 1, 0, 0, 0, 0, . . .) `2 .
si ottiene
hx, xi = x21 + x22 + 2x1 x2 = 0 .
pur essendo x 6= 0.
4.14 Problema. Dimostrare che
X
hx, yi =
(5 xi yi + xi yi+1 + xi+1 yi )
i=1
`e un prodotto scalare in `2 .
4.15 Problema. Quale condizione deve soddisfare una matrice n n A, affinch`e la
seguente espressione sia un prodotto scalare in Rn ?
hu, vi :=
n
X
Aij ui vj
u, v Rn
i,j=1
4.17 Problema. Sia p 1. Dimostrare che se p 6= 2 non esiste alcun prodotto scalare
su `p compatibile con la norma k kp .
Soluzione. Si prenda u = (1, 0, 0 . . . , 0), v = (0, 1, 0, 0, . . . , 0) e si imponga la legge del
parallelogramma.
4.18 Problema. Dimostrare che non esiste alcun prodotto scalare in (Cb (R), k ku )
(Sugg: si cerchino 2 funzioni che violano la regola del parallelogramma).
4.2
Complemento ortogonale
4.19 Definizione. Dati due vettori u, v in uno spazio euclideo reale (V, h , i) si definisce angolo formato da u e v la quantit`a
hu, vi
.
arccos
kuk kvk
u e v sono detti ortogonali o perpendicolari se hu, vi = 0 e si scrive u v. Il concetto
di ortogonalit`
a `e valido anche per uno spazio euclideo complesso. Nel caso in cui u sia
ortogonale a tutti i vettori appartenenti ad un sottoinsieme X V si scrive u X
oppure u X . Definiamo infatti:
4.20 Definizione. Dato un qualsiasi sottoinsieme X di uno spazio euclideo (V, h, i),
si definisce complemento ortogonale di X linsieme
X := {v V : hv, wi = 0 w X}
82
w X ,
(2) X = X = span(X) .
Dimostrazione.
(1). Assumo v Y e faccio vedere che v X . Infatti, se v `e ortogonale a tutti i
vettori di Y , a maggior ragione sar`a ortogonale a tutti i vettori di X, poich`e X Y ,
quindi v X .
(2). Siccome si ha X X span(X), grazie allaffermazione precedente ottengo
X X span(X) .
Per concludere la dimostrazione basta far vedere che
(4.6)
X span(X) .
Sia dunque v X , quindi hv, wi = 0 per ogni w X. Voglio far vedere innanzi tutto
che
v span(X) .
(4.7)
n
X
ci w i
wi X .
i=1
n
X
i=1
ci hv, wi i = 0 ,
83
come a dire che v `e ortogonale a tutti i vettori che appartegono a span(X). La (4.7) `e
dimostrata. Sia infine w span(X). Dimostro che v w. Sia (wn ) una successione di
elementi di span(X) tale che wn w. Allora, siccome il prodotto scalare `e continuo,
hv, wi = hv, lim wn i = lim hv, wn i = 0 ,
n
(4.8)
w W .
Dimostrazione. Sia
d := inf kv wk .
wW
(4.9)
Affermo che (wn ) `e una successione di Cauchy. Infatti, usando la regola del parallelogramma, si ha
kwn wk k2 = k(wn v) + (v wk )k2
= 2kv wn k2 + 2kv wk k2 kwn + wk 2vk2
(4.10)
Usando ora la (4.9) ottengo che per ogni > 0 esiste N tale che per ogni n N si ha
kv wn k < d + . Di conseguenza ottengo dalla (4.11)
(4.12)
n, k N
84
w W .
(Sugg: si dimostri che, se (per assurdo) valesse la , allora esisterebbe un terzo vettore
w3 W tale che kv w3 k < kv w1 k. w3 pu`o essere costruito come. . . )
4.26 Teorema. (Teorema della proiezione). Se W `e un sottospazio chiuso di uno
spazio di Hilbert (V, h, i), allora ogni vettore v V pu`
o essere univocamente scritto
come
(4.13)
in cui w W e z W .
v =w+z
Dimostrazione.
Esistenza della rappresentazione (4.13).
Sia v V . La Proposizione 4.24 ci dice che esiste w W tale che
d := kv wk kv w0 k
(4.14)
w0 W .
Scrivo allora
v = w + (v w) = w + z
e faccio vedere che z := v w `e ortogonale a W , cio`e che
hv w, xi = 0
xW.
(4.15)
t R ,
che implica
hv w, xi = 0 .
Quindi ho dimostrato che v w `e ortogonale ad un qualsiasi elemento x W , cio`e
z := v w W , per cui la rappresentazione (4.13) esiste.
Unicit`
a della rappresentazione (4.13).
Assumo che ci sia un altro modo di scrivere v come una somma di un elemento di W
e un elemento di W
v = w0 + z 0
in cui w0 W e z 0 W .
Avrei allora
0 = (w w0 ) + (z z 0 )
in cui w w0 W e z z 0 W .
Quindi
0 = k(ww0 )+(zz 0 )k2 = h(ww0 )+(zz 0 ), (ww0 )+(zz 0 )i = kww0 k2 +kzz 0 k2
Questo significa che w = w0 e z = z 0 .
3 assumo
4.3
85
hu, v2 i
hu, vn i
hu, v1 i
v1
v2
vn
kv1 k2
kv2 k2
kvn k2
span{v1 , . . . , vn } = span{u1 , . . . , un }
86
w1 = v1
hv2 , w1 i
w2 = v2
w1
kw1 k2
hv3 , w2 i
hv3 , w1 i
w1
w2
w3 = v3
2
kw1 k
kw2 k2
..
.
(4.17)
w n = vn
n1
X
k=1
u2 = w2 /kw2 k
u3 = w3 /kw3 k
..
.
hvn , wk i
wk
kwk k2
un = wn /kwn k
..
.
..
.
Grazie al Lemma 4.30 possiamo affermare che, per ogni n = 1, 2, . . . il vettore wn `e ortogonale ai vettori w1 , . . . , wn1 . Poich`e n `e arbitrario il sistema (wn )
e ortogonale
n=1 `
e quindi il sistema (un )
`
e
ortonormale.
n=1
La formula (4.17) ci dice che vn si pu`o scrivere come
vn = wn + n1 w1 + + n,k1 wk1 ,
quindi vn `e una combinazione lineare di w1 , . . . , wn . Viceversa, poich`e w1 = v1 ,
sotituendo nella formula per w2 otteniamo
w2 = v2
hv2 , w1 i
v1 .
kw1 k2
Quindi
p0 = w0 /kw0 k = 1/ 2
Vado avanti
w1 (x) = v1 (x)
hv1 , w0 i
1
w0 (x) = x
2
kw0 k
2
x 1 dx = x
1
87
x2 dx = 2/3
kw1 k =
1
quindi
r
p1 (x) = w1 /kw1 k =
3
x
2
Il prossimo
w2 (x) = v2 (x)
hv2 , w1 i
hv2 , w0 i
w0 (x)
w1 (x)
kw0 k2
kw1 k2
Si ha
Z
x2 1 dx =
hv2 , w0 i =
1
2
3
e
hv2 , w1 i = 0
Per cui
w2 (x) = x2
1
3
Devo normalizzare w2
Z
kw2 k =
1
1
x
3
2
2
dx =
8
45
quindi
r
p2 (x) =
45
8
r
1
1 5
x2
=
(3x2 1)
3
2 2
ex /2
C2 (R,
dx)
2
ortogonalizzare i polinomi: 1, x, x2 , x3 .
4.34 Problema. (Polinomi trigonometrici). Dimostrare che il sistema di funzioni
1, sin x, cos x, sin(2x), cos(2x), sin(3x), cos(3x), . . .
`e ortogonale in C2 [0, 2].
4.35 Proposizione. (Esistenza di una base ortonormale). In uno spazio euclideo
completo o separabile4 esiste una base ortonormale.
Dimostrazione nel caso separabile. Sia (V , h, i) uno spazio euclideo separabile e sia
(vn )
o estrarre
n=1 un insieme numerabile denso in V . Da questo insieme di vettori si pu`
un sistema linearmente indipendente semplicemente scartando quei vn che si possono
ottenere come combinazione lineare di v1 , . . . , vn1 . Supponiamo di aver effettuato
questa selezione. Chiamo w1 , w2 , . . . la collezione di vettori linearmente indipendenti
` chiaro che
cos` ottenuta. E
span{(wn )
n=1 } = span{(vn )n=1 }
4o
entrambi
88
span{(wn )
n=1 } = span{(vn )n=1 } = V ,
span{(un )
n=1 } = span{(wn )n=1 } = V .
4.4
Disuguaglianza di Bessel
Supponiamo che
U = (u1 , u2 , u3 , . . .)
costituisca una base ortonormale in uno spazio euclideo infinito dimensionale separabile
V . Dato un vettore v V , possiamo associare a v la successione di numeri reali (o
complessi, se V `e uno spazio euclideo complesso)
c = (c1 , c2 , c3 . . .)
in cui ck := hv, uk i
I coefficienti ck vengono chiamati coefficienti di Fourier del vettore v rispetto alla base
U. Dunque, fissata la base U posso associare ad un elemento v di V un elemento c di
R (o C ). Posso definire quindi un applicazione
F U : V R
:vc
4.37 Problema. Dimostrare che FU `e un operatore lineare5
5 anche
89
v=
ck uk
in cui ck = hv, uk i ?
k=1
Per far vedere che vale la precedente uguaglianza bisogna dimostrare che
n
X
lim
v
ck uk
= 0
(4.19)
k=1
(2) Si pu`
o dire qualcosa di pi`
u sulle successioni c = (c1 , c2 , . . .) dei coefficienti di
Fourier? Potrebbe essere che c appartenga necessariamente a qualche spazio pi`
u
piccolo di R , come ` o `0 o `p per un qualche p?
(3) Loperatore FU `e iniettivo? Vale a dire se FU (v) = FU (w), quindi se v e w hanno
gli stessi coefficienti di Fourier, allora deve necessariamente essere v = w?
(4) Chi `e limmagine di FU ? Vale a dire, si pu`o identificare lo spazio di tutti i possibili
coefficienti di Fourier di tutti i vettori di V ?
4.39 Teorema. Sia (V , h, i) uno spazio euclideo, sia (uk )
k=1 un sistema ortonormale
in V e sia v V . Poniamo
ck := hv, uk i
Sn :=
n
X
ck uk .
k=1
n
X
k uk
k=1
Allora
(1) kv Sn k kv Sn k
P 2
2
(2)
k=1 ck kvk (disuguaglianza di Bessel)
P
P
(3) si ha v = k=1 ck uk se e solo se k=1 c2k = kvk2 (uguaglianza di Parseval).
Dimostrazione. Possiamo scrivere
(4.20)
= kvk2
n
X
k=1
c2k +
k=1
n
X
(k ck )2 .
k=1
90
(4.21)
(4.22)
n
X
c2k
k=1
c2k kvk2
k=1
(4.23)
c2k kvk2
(disuguaglianza di Bessel).
k=1
Questa disuguaglianza ci dice che la somma dei quadrati dei coefficienti di Fourier
di un vettore v non supera il quadrato della norma di v, quindi, in particolare
`e finita! Possiamo dunque rispondere alla domanda (2) posta in precedenza: se
c = FU (v), allora si ha c `2 .
Facendo tendere n nelluguaglianza (4.22) si vede che
(4.24)
v=
hv, uk i uk
`e equivalente a
kvk2 =
hv, uk i2
k=1
k=1
Ci sono perci`
o due possibilit`
a:
(i) o la (4.23) `e unuguaglianza, vale, cio`e la cosiddetta uguaglianza di Parseval
(4.25)
c2k = kvk2
(uguaglianza di Parseval).
k=1
e quindi v pu`
o effettivamente essere scritto come combinazione leneare infinita
dei vettori uk
(4.26)
v=
ck u k
k=1
(ii) oppure le (4.23) `e una disuguaglianza stretta, nel qual caso la (4.26) non `e valida.
Notare che, dato che c = FU (v), luguaglianza di Parseval pu`o essere simbolicamente
riscritta come
kFU (v)k2 = kvk
Si capisce quindi che hanno importanza speciale quei sistemi ortonormali U per i quali
si verifica sempre luguaglianza di Parseval. Questo giustifica la seguente
91
hv, uk i2 = kvk2
e quindi anche
v=
k=1
hv, uk i uk .
k=1
hv, uk i uk = lim Sn ,
n
k=1
dove ho indicato con Sn la somma parziale nsima costruita con i coefficienti di Fourier
di v, cio`e
n
X
Sn =
hv, uk i uk .
k=1
N
X
kv SN k
v
k uk
< .
k=1
Per dimostrare la (4.27) e quindi concludere mi basta osservare che, grazie allidentit`a
(4.22), la quantit`
a kv Sn k `e non crescente in n, per cui dalla (4.28) segue che kv
Sn k < per tutti gli n maggiori di N .
. Chiuso completo. Se il sistema (uk ) `e chiuso, per definizione, si ha che, per ogni
v V,
n
X
v = lim
hv, uk i uk = lim Sn .
n
k=1
92
ex =
a0 X
+
[ak cos(kx) + bk sin(kx)]
2
k=1
Allo scopo di rispondere alle varie domande poste in precedenza consideriamo spazi
euclidei completi (di Hilbert).
4.43 Teorema. (RieszFisher). Sia (V, h, i) uno spazio di Hilbert, e sia
U = (u1 , u2 , u3 , . . .)
un sistema ortonormale6 in V . Allora per ogni c = (c1 , c2 , . . . ) `2 esiste v V tale
che c = FU (v), vale a dire
ck = hv, uk i
(4.29)
k = 1, 2, 3 . . .
Inoltre si ha
(4.30)
kvk2 = kck22 =
c2k ,
v=
k=1
ck uk .
k=1
n
X
ck u k .
k=1
Idea: far vedere che la successione (vn ) `e una successione di Cauchy in V . Dato che V
`e completo, per ipotesi, in questo modo si ottiene che la successione (vn ) `e convergente
a un qualche elemento v di V .
Procedo a far vedere che (vn ) `e di Cauchy: siano n, m sono due interi positivi con
m n. Si ha
kvn vm k2 = k
m
X
ck uk k2 = h
k=n+1
m
m
X
X
(4.31)
=
m
X
ck uk ,
k=n+1
cj ck huj , uk i =
k=n+1 j=n+1
per cui
kvn vm k2
(4.32)
X
k=n+1
6 non
c2k
m
X
k=n+1
m
X
c2k
k=n+1
ck uk i
93
2
k=1 ck
lim
c2k = 0
k=n+1
c2k <
k=n+1
(4.35)
v=
ck uk
k=1
hv, uk i = hvn , uk i + hv vn , uk i
n
X
ci hui , uk i = ck
n k
i=1
Daltra parte si ha
|hv vn , uk i| kv vn k kuk k = kv vn k
Grazie alla (4.35)
lim |hv vn , uk i| = 0
hv, uk i = ck
hv, uk i uk
k=1
94
se V non `e completo
(1) (2)
X
kvk =
hv, uk i2 .
k=1
(4.39)
hv, uk i2 .
k=1
Pongo
ck := hv, uk i .
(4.40)
hw, uk i = ck
c2k .
k=1
Dalle (4.39), (4.41) si ottiene che kvk > kwk quindi, se definisco z := v w, il vettore
z `e necessariamente diverso da zero. Daltra parte dalle (4.40), (4.41) si ottiene anche
hz, uk i = hv w, uk i = hv, uk i hw, uk i = ck ck = 0 .
Abbiamo quindi trovato un vettore non nullo z ortogonale a tutti gli uk .
Nel seguente problema si capisce che lassunzione di completezza dello spazio euclideo
nella precedente proposizione `e necessaria al fine di dimostrare limplicazione (2) (1).
H 4.45 Problema. Trovare uno spazio euclideo V e un sistema ortonormale (uk )
k=1
non completo in V , tale che non esista alcun vettore v 6= 0 ortogonale a tutti gli uk .
(Sugg: la cosa `e possibile solo se V non `e completo. Si prenda come V il sottospazio
di `2 definito come V := span{x, e(2) , e(3) , . . .}, in cui x = (1, 1/2, 1/3, 1/4, . . .) e
gli e(n) sono i vettori di base canonici. Si consideri poi il sistema ortonormale
` ovvio che non `e completo. Nonostante ci`o si assuma che y sia
{e(2) , e(3) , e(4) , . . .}. E
un elemento di V ortogonale a tutti gli e(n) per n = 2, 3, 4, . . . e si dimostri che deve
essere necessariamente y = (0, 0, 0, . . .).)
4.5
95
n
X
hv, uk i uk k2 = kvk2
k=1
n
X
hv, uk i2
k=1
v=
hv, uk i uk
kvk2 =
k=1
hv, uk i2
k=1
v 6=
hv, uk i uk
kvk2 >
hv, uk i2
k=1
k=1
(4.44)
hv, uk i uk ?
k=1
Pu`
o significare due cose:
P
(1) o che la serie k=1 hv, uk i uk converge a un qualche w, ma w 6= v. Questo significa
che il vettore v w `e ortogonale a tutti gli uk , quindi il sistema U non `e totale
P
(2) oppure che la serie k=1 hv, uk i uk non converge a nessun elemento di V . Questo
pu`
o accadere solo se V non `e completo.
4.6
4.7
Proiezioni ortogonali
v =w+z
in cui w W e z W .
Inoltre se (uk )
e una qualsiasi BON di W , si ha:
k=1 `
(4.46)
w=
hv, uk i uk .
k=1
96
4.47 Osservazione. (Ancora sulla separabilit`a). Lesitenza e lunicit`a della scomposizione (4.45) rimangono valide anche nel caso di spazi di Hilbert non separabili (vedi
il Teorema 4.26). La formula (4.46) invece, nel caso non separabile, diventa
X
w=
hv, u i u
I
in cui (u ) `e una base ortonormale di W . Ora `e facile far vedere che la somma di
una infinit`
a non numerabile di termini positivi `e necessariamente infinita. E infatti
si dimostra che, fissato w, solo una quantit`a finita o numerabile dei termini hv, u i
sono diversi da zero e quindi la sommatoria `e di fatto una somma di una quantit`a al
pi`
u numerabile di termini. Il sottoinsieme finito o numerabile degli u che danno un
contributo non nullo alla somma non `e per`o fissato a priori, ma varia al variare di
w W.
Dimostrazione.
. Esistenza della rappresentazione (4.45).
Poich`e W `e un sottospazio chiuso di V e V `e completo, per la Proposizione 2.35, si ha
che W `e anchesso completo. Quindi W `e uno spazio di Hilbert. Per la Proposizione
4.35, W ammette una base ortonormale U = (uk )
k=1 . Sia ora v un elemento arbitrario
di V e poniamo
ck := hv, uk i
k = 1, 2, 3, . . . .
Grazie alla disuguaglianza di Bessel so che
k=1
w=
hv, uk i uk .
k=1
Pongo
z =vw
e affermo che z `e ortogonale a W . Infatti
hz, uj i = hv w, uj i = hv, uj i hw, uj i = cj h lim
n
X
ck uk , uj i = cj cj = 0
k=1
Questo mostra che z uk , per ogni k. Grazie alla Proposizione 4.23 e usando il fatto
che U `e una base di W otteniamo
z span{u1 , u2 , . . .} = W
Quindi la rappresentazione (4.45) esiste.
Unicit`
a della rappresentazione (4.45).
Assumo che ci sia un altro modo di scrivere v come una somma di un elemento di W
e un elemento di W
v = w0 + z 0
in cui w0 W e z 0 W .
97
Avrei allora
0 = (w w0 ) + (z z 0 )
in cui w w0 W e z z 0 W .
Quindi
0 = k(ww0 )+(zz 0 )k2 = h(ww0 )+(zz 0 ), (ww0 )+(zz 0 )i = kww0 k2 +kzz 0 k2
Questo significa che w = w0 e z = z 0 .
4.48 Esempio. Se W non `e chiuso allora la conclusione del precedente teorema `e
falsa. Infatti consideriamo `f come sottospazio di `2 . `f non `e chiuso, infatti la sua
chiusura (in `2 ) coincide proprio con `2 7 . Ora `e chiaro che nessun vettore con infiniti
elementi non nulli pu`
o essere rappresentato come nella (4.45) semplicemente perch`e
(`f ) = {0}.
4.49 Definizione. (Proiezioni ortogonali). Dato un sottospazio chiuso W di V indichiamo con W : V W la proiezione ortogonale (o proiettore ortogonale) su W ,
univocamente definita, grazie al Teorema 4.46, dalle due condizioni
W v W
(4.48)
v W v W
Se (uk )
e una base ortonormale di W , allora, dalla (4.46) si vede W pu`o essere
k=1 `
esplicitamente scritto come
(4.49)
W v :=
hv, uk i uk
k=1
W v :=
X
hv, uk i
k=1
kuk k2
uk
4.50 Definizione. Lo spazio euclideo V si dice somma diretta dei sottospazi chiusi
V1 , V2 , V3 , . . . e si scrive
M
V =
Vk = V1 V2
k=1
se
(1) i sottospazi Vk sono a due a due ortogonali
(2) ogni elemento v di V si pu`
o univocamente rappresentare come
v = v1 + v2 +
in cui vk Vk
`f `
e denso in `2
98
hv, ui
u
kuk2
Aij =
uk,i uk,j
kuk2
k = 1, . . . , p,
i, j = 1, . . . , n
Dimostrare che
W = u1 + + up ,
quindi W `e rappresentato nella stessa base dalla matrice
A = A(1) + + A(p)
4.57 Problema. Sia V = R4 e poniamo
v1 = (1, 1, 0, 0)
W = span{v1 , v2 }
v2 = (0, 1, 1, 0)
w2 = (1/2, 1/2, 1, 0)
A(1)
1
1
1
=
0
2
0
1
1
0
0
0
0
0
0
0
0
0
0
A(2)
1
1
1
=
2
6
0
1 2 0
1
2 0
2
4 0
0
0 0
99
A = A(1) + A(2)
1 0
1 0
2 0
0 0
2 1
1
1
2
=
3 1 1
0 0
y 2 dy =
1
3
Z 1
hv2 , w1 i
3
3
w2 (x) = v2 (x)
w
(x)
=
x
3
y 3 y dy x = x3 x
1
2
kw1 k
5
0
Z 1
Z 1
2
1 6 1
9 1
4
3
kw2 k2 =
w2 (y)2 dy =
+
=
y 3 y dy =
5
7
5
5
25
3
175
0
0
A questo punto posso scrivere
Kwi (x, y) =
wi (x) wi (y)
kwi k2
quindi
Kw1 (x, y) = 3xy
9
175 3 3 3 3 175 3 3 3
x x y y =
x y (xy 3 + x3 y) + xy
Kw2 (x, y) =
4
5
5
4
5
25
Finalmente
9 5
175 3 3 3
x y (xy 3 +x3 y)+ xy = (35x3 y 3 21(xy 3 +x3 y)+15xy)
K(x, y) = 3xy +
4
5
25
4
Lultima parte dellesercizio `e solo un calcolo
4.59 Problema. Sia V = C2 [1, 1] e W = span{x, x3 }. Determinare il nucleo integrale delloperatore W , vale a dire determinare K(x, y) tale che
Z 1
(W f )(x) =
K(x, y) f (y) dy
1
5
Calcolare W x .
Soluzione. Innanzitutto ortogonalizzo i vettori x, x3 .
w1 (x) = x
Z
2
kw1 k =
x2 dx =
2
3
hx3 , w1 i
3
w1 (x) = x3
2
kw1 k
2
2
Z 1
3
8
kw2 k2 =
x3 x
dx =
5
175
1
w2 (x) = x3
x4 dx x = x3
3
x
5
100
3
x x
5
3
3
3
y y
5
Infine per calcolare la proiezione del vettore x5 utilizzo la definizione di nucleo integrale
che appare nel testo dellesercizio
Z 1
Z 1
3
175
3
3
K(x, y) y 5 dy =
W x5 =
xy +
x3 x
y 3 y y 5 dy
8
5
5
1 2
1
Z 1
Z 1
3
175
3
3
= x
y 6 dy +
x3 x
y 8 y 6 dy
2 1
8
5
5
1
175
2
6
3
175
16
3
3
3
3
3
= x+
x x
= x+
x x
7
8
5
9 35
7
8
5
315
3
10
3
10 3
5
3
= x+
x x =
x x.
7
9
5
9
21
(Facoltativo). Controllo che il risultato sia giusto. Il vettore x5 W x5 deve essere
ortogonale a x e a x3 .
5
10
v(x) := x5 W x5 = x5 x3 + x
9
21
Z 1
10
5
1 2
5
hv, xi =
x5 x3 + x x dx = 2
+
=0
9
21
7 9 63
1
Z 1
1 10
5
1
10 3
3
3
5
hv, x i =
+
x x + x x dx = 2
=0
9
21
9 63 21
1
Ottimo!
4.60 Proposizione. Se W `e un sottospazio dello spazio di Hilbert V , allora si ha
(W ) = W
quindi nel caso in cui W sia chiuso si ottiene
(W ) = W
Dimostrazione. (1). Dimostrazione che W (W ) .
Se w W allora w `e ortogonale a tutti i vettori di W , quindi w (W ) . Abbiamo
dunque
W (W )
Daltro canto possiamo prendere la chiusura di ambo i membri e, dato che (W ) `e
chiuso, si ottiene
W (W ) = (W )
(2). Dimostrazione che W (W ) .
Sia w (W ) . Dato che W `e un sottospazio chiuso, per il Teorema 4.46 e la
Proposizione 4.23, posso scrivere
(4.51)
w =v+z
in cui v W e z W
= W .
5. Funzionali lineari e
distribuzioni
J: We should have shotguns for this kind of deal.
V: How many up there?
J: Three or four.
V: Counting our guy?
J: Im not sure.
V: So there could be five guys up there?
J: Its possible.
V: We should have fuckin shotguns.
5.1
a (x) :=
a i xi
x `1
i=1
ai xi |
i=1
i=1
i=1
(d) Nello spazio (Cb (R), k ku ): se g C1 (R) allora posso definire il funzionale lineare
g : Cb (R) R come
Z
(5.3)
g (f ) :=
g(x)f (x) dx
f Cb (R)
R
xR
101
102
(e) Nello spazio (C0 (R), k ku ): se y R definisco il funzionale lineare delta di Dirac
y : C0 (R) R come
(5.5)
y (f ) := f (y)
Si ha ovviamente
|y (f )| = |f (y)| kf ku
5.3 Definizione. (Funzionali lineari continui). Dato lo spazio vettoriale normato
(L, k k) indichiamo con L linsieme dei funzionali lineari continui su L. L `e detto
spazio duale o coniugato dello spazio L.
5.4 Definizione. Un funzionale lineare F sullo spazio vettoriale L `e detto limitato se
la quantit`
a
kF k :=
sup |F (x)|
xL:kxk1
`e finita. La quantit`
a kF k `e chiamata norma del funzionale limitato F .1
5.5 Proposizione. Se F L , la norma di F pu`
o anche essere scritta come
kF k = sup
(5.6)
x6=0
|F (x)|
.
kxk
(5.7)
x L
Dimostrazione. Definisco
A :=
|F (x)|
sup
B := sup
x6=0
xL:kxk1
|F (x)|
kxk
x
|F (x)|
= supF
sup |F (x)|
sup |F (x)| = A .
=
kxk
kxk
x6=0
xL:kxk=1
xL:kxk1
Dimostrzione che A B.
A :=
sup
|F (x)| =
xL:kxk1
sup
|F (x)|
xL:kxk1, x6=0
|F (x)|
|F (x)|
sup
.
xL:x6=0 kxk
xL:kxk1, x6=0 kxk
sup
103
per ogni > 0 esiste > 0 tale che se kxk allora |F (x)| <
1
|F (u)|
da cui
kF k =
sup
|F (x)|
xL: kxk1
(5.10)
kF k = .
kF k
(5.11)
x L
allora si ha che F L e kF k C.
(2) Se invece F L e
(5.12)
allora si ha kF k C.
5.8 Osservazione. Quindi per dimostrare che kF k = C bisogna far vedere che valgono
la (5.11) e la (5.12). In casi particolarmente fortunati la (5.12) pu`o essere sostituita
da una condizione pi`
u semplice, vale a dire che
(5.13)
104
|F (x)|
sup
xL:kxk1
sup
(Ckxk) = C
xL:kxk1
kxk = C
sup
xL:kxk1
Per dimostrare la seconda affermazione, assumo, per assurdo, che sia kF k < C e scelgo
= (C kF k)/2 > 0 in modo tale che
C = kF k + 2
Per la (5.12) esister`
a x L tale che
|F (x)| (C ) kxk = (kF k + ) kxk ,
che `e un assurdo perch`e vale sempre |F (x)| kF k kxk.
5.9 Problema. Nei casi seguenti dire se F `e un funzionale lineare continuo su L. Nel
caso di risposta negativa giustificare la propria affermazione
(a) L = `2 , F (x) =
xi
(b) L = `2 , F (x) =
i=1
i=1
x
i
i
i=1
Z
(e) L = C4/3 (R), F (f ) =
(c) L = `0 , F (x) =
X
xi
i
Z
(d) L = C4 (R), F (f ) =
R
f (x)
p dx
1 + |x|
Z
(f ) L = C0 (R), F (f ) =
i=1
f (x)
p dx
1 + |x|
f (x)
dx
1 + |x|
xi = .
"
#1/2
X
X 1
xi
kxk2
i
i2
i=1
i=1
e la seconda serie `e convergente.
P
P
(c) No. Si prenda xi = 1/ i. Allora x `0 , ma i=1 xi / i = i=1 1/i = .
(d) No. Si prenda f (x) := (1 + |x|1/3 )1 . Allora f C4 (R), ma
Z
Z
1
f (x)
p dx =
dx
1/2
)(1 + |x|1/3 )
|x|
R (1 + |x|
R 1+
Lintegrando, quando x , converge a zero come |x|5/6 , quindi lintegrale `e divergente.
(e) S`. Infatti, per la disuguaglianza di Holder,
Z
hZ
i1/4
|f (x)|
1
p dx kf k4/3
p
dx
|x|
|x|)4
R 1+
R (1 +
in cui lintegrale a destra `e chiaramente convergente.
(f) No. Infatti si prenda f (x) := [log(2 + |x|)]1 . In questo caso
Z
Z
f (x)
1
dx =
dx
1
+
|x|
(1
+
|x|)
log(2
+ |x|)
R
R
Lintegrando, quando x , converge a zero come (|x| log |x|)1 , quindi lintegrale `e
divergente.
105
5.10 Problema. Calcolare la norma del funzionale lineare a , con a R che agisce
sullo spazio normato (C0 (R), k ku ).
5.11 Problema. Dimostrare che la delta di Dirac a , nello spazio (C1 (R), k k1 ), `e
un funzionale lineare non limitato.
5.12 Problema. Nello spazio `p consideriamo il funzionale lineare a definito come
a (x) :=
ai xi .
i=1
1
p
1
q
= 1, e sia a `q .
(1) Dimostrare che il funzionale lineare a `e ben definito su `p , vale a dire la sommatoria `e convergente per ogni x `p
(2) Dimostrare che il funzionale lineare a `e limitato su `p e trovare un limite superiore
alla norma di a
(3) Dimostrare che ka k = kakq .
Soluzione. Punti 1 e 2. Sia a `q . Allora, per ogni x `p si ha, per la disuguaglianza
di H
older,
X
ai xi kakq kxkp
|a (x)| =
(5.14)
i=1
(5.15)
Non sempre `e possibile trovarlo (vedi il Problema 5.18 in cui `e necessario usare un
metodo pi`
u complicato). In questo caso per`o con la scelta
xi = sgn(ai ) |ai |q1
la (5.15) `e soddisfatta. La verifica `e un semplice calcolo
5.13 Problema. Sia g C1 (R) e sia g il funzionale lineare nello spazio (Cb (R), kku )
definito come
Z
g (f ) :=
g(x)f (x) dx
f Cb (R) .
xR
106
I Divagazione. Il problema deriva dal fatto che la funzione f deve essere continua.
Se potessi scegliere una funzione f limitata ma non necessariamente continua, allora
risolverei facilmente senza neppure dover usare lepsilon (!). Sia infatti
(
f (x) := sgn(g(x)) :
+1 se g(x) 0
1 se g(x) < 0 .
x R
A :=
n=1 (an , bn )
+
Su ciascun intervallo (a+
n , bn ) voglio definire la funzione f in modo che valga sempre
1 eccetto nelle vicinanze dei 2 estremi dellintervallo (analogamente sugli intervalli
(a
n , bn )). Scelgo due successioni di numeri reali positivi (dn ) e (dn ) e definisco la
+
funzione f sullintervallo (a+
,
b
)
nel
modo
seguente
n
n
2 come
3 facciamo
107
A
A
A
A
A
a+
n
A
+
a+
n +dn
+
b+
n dn
L+
n
+
Cn
b+
n
+
Rn
vale a dire
+
+
(x an )/dn
f (x) := 1
+
(bn x)/d+
n
+
+
+
se x L+
n := (an , an + dn )
+
+
+
se x Cn+ := [a+
n + dn , bn dn ]
+
+
+
+
se x Rn := (bn dn , bn )
d
n |bn an |/2 .
+
+
d+
n |bn an |/2
Z
X
g(x) f (x) dx +
a+
n
n=1
Daltra parte si ha
Z b+
Z
n
g(x) f (x) dx
n=1
g(x) dx
g(x) dx
a+
n
g(x) dx
L+
n
Analogamente
Z
Z
g(x) f (x) dx
A
g(x) f (x) dx .
a
n
+
Cn
b+
n
A+
b
n
Z
g(x) f (x) dx =
+
Cn
a+
n
Z
X
b+
n
n=1
g(x) dx +
g(x) dx .
Z
g(x) dx +
L+
n
Z
X
n=1
g(x) dx
+
Rn
L
n
+
Rn
Z
g(x) dx +
g(x) dx ,
Rn
n=1
L
n
Rn
108
Z
X
Z
|g(x)| dx +
Dato che
|g(x)| dx +
L+
n
n=1
|g(x)| dx
A+ A
|g(x)| dx +
|g(x)| dx ,
L
n
+
Rn
Rn
Z
|g(x)| dx = kgk1
kf ku = 1 ,
A+ A
al fine di dimostrare la () tutto ci`o che manca `e far vedere che, con una scelta
opportuna delle quantit`
a d
n , si ha
Z
X
|g(x)| dx +
L
n
+
Rn
|g(x)| dx < .
|g(x)| dx +
L+
n
n=1
|g(x)| dx +
Rn
A questo scopo uso il risultato del Problema 3.44 che afferma che se g C1 (R) allora
per ogni > 0 esiste un > 0 tale che se [a, b] `e un qualsiasi intervallo di
Rb
lunghezza non superiore a allora a |g(x)| dx < .
Nel mio caso devo stare leggermente pi`
u attento perch`e ho una somma infinita di questi
integrali, ma nulla di preoccupante. Utilizzo laffermazione appena citata prendendo al
posto di i valori /(42n ). Dunque ottengo una successione di quantit`a corrispondenti
n tali che
Z
|g(x)| dx <
.
4 2n
d
n := min{ n , |bn an |/2 } .
<
L+
n
h
X
n=1
Z
|g(x)| dx +
Z
|g(x)| dx +
+
Rn
Z
|g(x)| dx +
L
n
|g(x)| dx
Rn
+
+
+
=
=
n
n
n
n
42
42
42
4 2n
2
n=1
5.2
5.2.1
Lo spazio duale
Lo spazio duale `
e uno spazio vettoriale normato
5.14 Definizione. Dati due funzionali lineari F e G sullo spazio vettoriale normato
(L, k k) e dato c R, posso definire le operazioni di
109
xL
x L.
5.15 Proposizione. Lo spazio duale L di uno spazio vettoriale normato (L, k k),
con le due operazioni introdotte nella Definizione 5.14, `e uno spazio vettoriale. La
quantit`
a
kF k :=
sup
|F (x)|
xL: kxk1
`e una norma su L .
Dimostrazione. Vanno dimostrate le propriet`a (A), (B), (SV1), . . . , (SV8) che definiscono uno spazio vettoriale (Definizione 3.1). Tutte queste propriet`a si dimostrano
in modo completamente meccanico, non `e richiesta attivit`a cerebrale oltre a quella
necessaria per luso della penna. Ad esempio, per quanto riguarda la propriet`a (A).
Devo far vedere che se F, G L allora la loro somma F + G appartiene a L . Sia
H := F + G. Dire che H L significa due cose: che H `e un funzionale lineare su L
e che H `e limitato. Vediamo che H `e una funzionale lineare. Siano x, y L e c R.
Allora
H(x + y) := F (x + y) + G(x + y) = F (x) + F (y) + G(x) + G(y) = H(x) + H(y)
H(cx) := F (cx) + G(cx) = cF (x) + cG(x) = cH(x) .
Quindi H `e lineare. Per quanto riguarda la limitatezza osservo che
sup |H(x)| = sup |F (x) + G(x)| sup |F (x)| + |G(x)|
xL
xL
xL
sup |F (x)| + sup |G(x)| = kF k + kGk .
xL
xL
F, G L ,
x L.
110
R1
5.16 Problema. Sia F il funzionale lineare definito come F (f ) := 1 x f (x) dx.
Calcolare kF k quando F agisce: (a) su (C[1, 1] , k k1 ), (b) su (C[1, 1] , k k2 ), (c)
su (C[1, 1] , k ku ).
5.17 Problema. Sia F il funzionale lineare definito come
Z
F (f ) :=
cos x f (x) dx .
0
Calcolare kF k quando F agisce: (a) sullo spazio (C[0, ], k k1 ); (b) sullo spazio
(C[0, ], k k2 ) (in questo caso dare semplicemente la risposta senza dimostrazione).
Soluzione. (a) Se f `e una funzione continua su [0, ] si ha
Z
cos x f (x) dx k cos xku kf k1 .
|F (f )| =
0
Di conseguenza
R 1/n
cos(1/n) 0 fn (x) dx
= cos(1/n) .
R(fn )
R 1/n
fn (x) dx
0
Poich`e sappiamo gi`
a che kF k 1 otteniamo
cos(1/n) R(fn ) 1 ,
di conseguenza, siccome limn cos(1/n) = 1, si ha
lim R(fn ) = 1 ,
che dimostra kF k = 1.
(b) Utilizzo il seguente fatto noto: se p > 1, q = p/(p 1) e g Cq (R) allora il
funzionale lineare g : Cp (R) 7 R definito come
Z
g (f ) :=
g(x) f (x) dx
f Cp (R)
R
1 + cos(2x)
dx = ,
kF k2 = k cos xk22 =
cos2 x dx =
2
2
0
0
p
quindi kF k = /2.
5.2.2
111
ai xi .
i=1
Allora
(1) Dimostrare che se a ` , il funzionale lineare a `e ben definito su `1 , vale a dire
la sommatoria `e convergente per ogni x `1
(2) Dimostrare che se a ` , il funzionale lineare a `e limitato su `1
(3) Dimostrare che vale ka k = kak .
(4) Dimostrare inoltre che `e un isomorfismo di ` su `1 , vale a dire far vedere
che ogni funzionale lineare continuo F su `1 si pu`o scrivere come F = a per un
qualche a ` .
Soluzione. Punti 1 e 2. Sia a ` . Allora, per ogni x `1 si ha
(5.16)
X
X
X
|xi | = kak kxk1
|ai | |xi | sup |ai |
ai xi
|a (x)| =
i
i=1
i=1
i=1
(5.17)
Dato che kak := supi |ai |, per definizione di estremo superiore, esiste un intero j tale
che |aj | > kak . Scelgo a questo punto la mia successione x `1 come
x = (0, 0, . . . , 0, 1, 0, 0, 0, . . .)
in cui lelemento 1 appare alla posizione jsima. Ovviamente si ha
kxk1 :=
|xi | = 1 .
i=1
i=1
n
X
i=1
xi e(i) k1 = lim
X
i=n+1
|xi | = 0 ,
112
n
X
xi e
(i)
i=1
xi e(i)
i=1
n
X
xi F (e(i) ) =
i=1
xi F (e(i) )
i=1
Ponendo ai = F (e(i) ) ottengo proprio che F = a . Devo ancora far vedere che a ` ,
cio`e che a `e una successione limitata. Ma dato che F `e continuo e dunque limitato si
ha
|ai | = |F (e(i) )| kF k ke(i) k1 = kF k
quindi kak kF k, quindi a `
5.19 Proposizione. Nello spazio normato (`0 , k k ) sia a : `0 R definito come
(5.18)
a (x) :=
ai xi
x `0
i=1
Se a = (ak )
k=1 `1 , allora
(1) a `e un funzionale lineare continuo su `0 .
P
(2) ka k = kak1 := k=1 |ak |
(3) Se F `e funzionale lineare continuo su `0 allora esiste a `1 tale che F = a , vale
a dire tutti gli elementi di `0 si possono scrivere nella forma (5.18) con a `1 .
Dimostrazione di (1).
(5.19)
|a (x)| = |
ai xi |
i=1
i=1
i=1
Dimostrazione di (2). La (5.19) dimostra che ka k kak1 . Per dimostrare che invece
ka k kak1 , sia `1 . Faremo vedere che
(5.20)
da cui, grazie alla (5.12), potremo concludere ka k kak1 . Sia quindi > 0. Siccome
a `1 esiste n tale che
(5.21)
|ai | <
i=n+1
Poniamo quindi
(
xi =
sgn(ai ) se i n
0
se i > n
in cui sgn(ai ) rappresenta il segno del numero reale ai , vale a dire +1 se ai `e positivo
o nullo e 1 se ai `e negativo. Quindi la successione x pu`o essere scritta come
an
a1 a2
,
, ...,
, 0, 0, 0, . . .
x=
|a1 | |a2 |
|an |
113
Il valore di a su questo vettore x allora si pu`o stimare dal basso nel modo seguente:
n
n
X
X
X
ai X ai X
ai
ai
|a (x)| =
ai xi =
|ai | = kak1
|ai | > kak1
=
=
|ai |
|ai |
i=1
i=1
i=1
i=1
i=n+1
lim xi = 0 .
Affermo che
(5.23)
n
X
x = lim
Infatti
Dn := kx
n
X
xi e(i) .
i=1
i=1
Grazie alla (5.22) si ha che Dn tende a zero quando n quindi vale la (5.23). Di
conseguenza, dato che F `e continuo posso scambiare il limite con F () e ottenere
F (x) = F
lim
n
X
n
X
xi e(i) = lim
xi F (e(i) )
n
i=1
i=1
Ponendo ora
ai := F (e(i) )
otteniamo
F (x) =
ai xi = a (x) .
i=1
|ai | < .
i=1
n
X
i=1
|ai | kF k .
114
(n)
n
n
n
n
X
X
X
ai
ai X
ai (i)
(i)
e
|=
F (e ) =
ai =
|ai |
)| = |F
|ai |
|ai |
|ai | i=1
i=1
i=1
i=1
per cui
n
X
|ai | kF k
i=1
che implica
|ai | kF k .
i=1
f Cc (R)
e 1(xa)2 se |x a| 1
h(x) :=
0
se |x a| > 1
` immediato verificare che il massimo di h si ha appunto per x = a e vale h(a) = 1/e.
E
Quindi
|a (h)| = h(a) = sup |h(x)| = khku .
xR
Questo implica
|a (h)|
|a (f )|
=1
khku
f 6=0 kf ku
ka k = sup
Quindi ka k 1. Ma gi`
a sapevamo che ka k 1, quindi deve essere ka k = 1
5.21 Problema. Fare un esempio di un funzionale lineare non continuo nello spazio
(C1 (R) , k k1 ).
5.2.3
115
Uno spazio di Hilbert `e un caso particolare di uno spazio di Banach in cui abbiamo, in
pi`
u, un prodotto scalare. Se (L, h, i) `e uno spazio di Hilbert possiamo dunque ancora
parlare di spazio duale, come linsieme di tutti i funzionali lineari continui su L. Nel
caso hilbertiano per`
o c`e un modo naturale per trovare alcuni funzionali lineari che
(si dimostra facilmente) sono continui. Basta porre per un generico v L
(5.25)
v (z) := hz, vi
z L.
z L .
Allora
(1) per ogni v L si ha v L e, inoltre, kv k = kvk
(2) se c1 , c2 R e v1 , v2 L allora c1 v1 +c2 v2 = c1 v1 + c2 v2
(3) se F `e un funzionale lineare continuo su L, allora esiste v L tale che F = v .
Dimostrazione di (1). Faccio vedere innanzi tutto che v `e un funzionale lineare. Siano
w, z L e sia c R. Allora, grazie alle propriet`a del prodotto scalare, abbiamo
v (w + z) := hw + z, vi = hw, vi + hz, vi = v (w) + v (z)
v (cw) := hcw, vi = c hw, vi = cv (w)
dunque v `e lineare. Passo ad occuparmi della sua norma. Dalla disuguaglianza di
Cauchy-Schwarz ottengo
|v (z)| = |hz, vi| kzk kvk ,
che implica kv k kvk. Daltra parte scegliendo z = v si ha
|v (v)| = |hv, vi| = kvk2 .
Di conseguenza kv k = kvk.
Dimostrazione di (2). Laffermazione si dimostra immediatamente usando la bilinearit`a
del prodotto scalare. Infatti, poich`e L `e uno spazio di Hilbert reale, possiamo scrivere
c1 v1 +c2 v2 (z) = hz, c1 v1 + c2 v2 i = c1 hz, v1 i + c2 hz, v2 i
= c1 v1 (z) + c2 v2 (z) = (c1 v1 + c2 v2 )(z) .
Dimostrazione di (3). Sia F L e consideriamo il nucleo di F
NF := {u L : F (u) = 0} .
Dato che F `e continuo NF `e un sottospazio chiuso di L. Se NF = L, allora si ha
F (u) = 0
u L ,
116
u L ,
u L
il che significa che F = v che `e esattamente ci`o che affermava il punto (3).
5.24 Osservazione. Se L `e uno spazio di Hilbert complesso le conclusioni del Teorema
5.23 rimangono inalterate, ad eccezione del punto 2 che va modificato come segue:
se c1 , c2 C e v1 , v2 L allora c1 v1 +c2 v2 = c1 v1 + c2 v2 .
5.3
Convergenza debole
117
nel senso che tutte le successioni convergenti sono anche debolmente convergenti,5
mentre non vale (in generale) il viceversa. Considerate infatti il seguente esempio.
5.26 Esempio. Nello spazio (`2 , k k2 ) consideriamo la successione
e(1) , e(2) , e(3) , . . .
(5.26)
in cui
e(i) := (0, 0, . . . , 0, 1, 0, 0, . . .)
[i]
ke(i) e(j) k = 2
i 6= j
che implica che la successione (5.26) non pu`o essere di Cauchy. Di conseguenza non `e
nenache convergente. Per`
o la (5.26) `e una successione debolmente convergente a zero.
Per dimostrarlo bisogna far vedere che
per ogni F `2 si ha lim F (e(n) ) = 0
n
Ma dato che `2 `e uno spazio di Hilbert sappiamo che tutti i funzionali lineari continui
F su `2 si possono rappresentare come F = a = h, ai per un qualche a `2 . Quindi
quello che dobbiamo dimostrare `e
per ogni a `2 si ha lim he(n) , ai = 0.
n
(n)
ai ei
= an
i=1
|ai |2 < ,
i=1
per cui
lim an = 0 .
a `2
dunque e(n) 0.
5.27 Esempio. Se fn converge debolmente a f in (Cb (R), k ku ) allora fn converge
puntualmente a f ,6 vale a dire
per ogni x R si ha lim fn (x) = f (x).
(5.27)
4 ma
guarda un po
5 perch`
e?
6 ricorda
118
In particolare, dato che le delta di Dirac sono funzionali lineari continui su Cb (R) dovr`a
valere
per ogni x R si ha lim x (fn ) = x (f ).
n
che, per definizione di x , `e equivalente alla (5.27) la quale afferma appunto che fn
converge a f puntualmente.
5.28 Problema. Trovare una successione in (`0 , k k ) debolmente convergente ma
non convergente. (Sugg: sfruttare il fatto che tutti i funzionali lineari continui su `0
sono della forma . . . )
5.4
5.4.1
Distribuzioni
Funzioni con discontinuit`
a isolate
f (u ) := lim f (x)
xu
5.4. DISTRIBUZIONI
119
5.4.2
Definizioni
5.33 Definizione. Ricordiamo che con Cc (R) denotiamo lo spazio di tutte le funzioni
reali f tali che
(1) f ha supporto compatto, cio`e esiste un intervallo finito al di fuori del quale f `e
nulla
(2) f ha derivate continue di tutti gli ordini
Le spazio Cc (R) `e anche detto spazio delle funzioni fondamentali. Questo spazio, per
brevit`
a viene anche indicato con il simbolo K. Se f Cc (R) indichiamo con f (k) la
derivata ksima di f .
5.34 Definizione. La successione (fn )
n=1 di elementi di K si dice convergente ad
f K e si scrive
K
fn f
se
(a) esiste un intervallo I al di fuori del quale tutte le fn sono nulle
(b) per ogni intero non negativo k si ha7
fn(k) f (k) uniformemente su I.
5.35 Definizione. Una distribuzione su R `e un funzionale lineare continuo F : K R,
vale a dire un funzionale lineare tale che
(5.29)
se fn f allora F (fn ) F (f ).
120
Dimostrazione.
Lapplicazione g `e ben definita sullo spazio K.
Infatti se f K allora esiste a > 0 tale che f `e nulla al di fuori dellintervallo [a, a].
Siccome f `e continua esiste M tale che |f (x)| M per ogni x [a, a]. Quindi
Z
Z a
Z a
|g(x)f (x)| dx =
|g(x)f (x)| dx M
|g(x)| dx .
a
Lapplicazione g `e continua.
K
Devo far vedere che vale limplicazione (5.29). Assumo quindi che fn f . Questo
implica che
(a) esiste a > 0 tale che tutte le funzioni fn si annullano al di fuori dellintervallo
[a, a] ;
(b) la successione (fn ) converge a f uniformemente, cio`e limn kf fn ku = 0.
Poich`e g `e localmente integrabile si ha
Z a
A :=
|g(x)| dx < .
a
Di conseguenza ottengo
Z
|g (f ) g (fn )| =
g(x) [f (x) fn (x)] dx
a
Z a
kf fn ku
|g(x)| dx = A kf fn ku .
a
5.4. DISTRIBUZIONI
121
(2) Analogamente, se g `e una funzione continua a tratti, g `e una distribuzione. Esempio: g(x) := bxc (la parte intera di x). Un altro esempio semplice ma importante
`e quello della funzione a gradino di Heavyside
(
1 se x 0
H(x) :=
0 se x < 0
H `e chiaramente una funzione localmente integrabile, alla quale possiamo associare
la distribuzione theta
Z
Z
f (x) dx
f K.
(5.31)
(f ) := H (f ) :=
H(x)f (x) dx =
0
xyi
5.4.3
La delta di Dirac
Allora `e chiaro che la presunta funzione (x) deve essere sempre nulla tranne che
nellorigine. Daltra parte, scegliendo f = 1, otteniamo
Z
0 (1) = 1 =
(x) dx
R
Quindi (x) dovrebbe essere una funzione sempre uguale a zero, eccetto che nellorigine,
ma al tempo stesso il suo integrale deve valere 1 . . . `e chiaro che `e impossibile a meno
che non si pensi che in qualche senso si abbia (0) = . Queste farneticazioni hanno
in realt`
a una pi`
u o meno valida giustificazione. Infatti mentre `e chiaro che la delta di
Dirac non pu`
o essere scritta nella forma (5.32), tuttavia `e vero che
Rla delta di Dirac `e il limite di una successione di distribuzioni gn in cui
gn = 1 e, inoltre,
(
se x = 0
lim gn (x) =
n
0 se x 6= 0
9 in seguito verr`
a definita una distribuzione P (1/x) associata alla funzione 1/x con un procedimento
diverso
122
Pi`
u precisamente si ha che
5.38 Proposizione. Sia gn : R R una funzione non negativa, continua (a tratti)
tale che
R
(a) R gn (x) dx = 1
(b) gn `e nulla al di fuori dellintervallo [an , an ], in cui (an ) `e una successione di
numeri positivi che tende a zero.
Allora gn 0 , vale a dire
Z
(5.33)
lim gn (f ) := lim
gn (x)f (x) dx = 0 (f )
f K .
gn = 1,
Z
Z
Z
gn (x)f (x) dx 0 (f ) = gn (x)f (x) dx gn (x)f (0) dx
R
R
ZRan
gn (x)[f (x) f (0)] dx
=
a
Z an n
|x|an
n |x|a
xR
Allora
Z
(5.34)
lim gn (f ) := lim
gn (x)f (x) dx = 0 (f )
f K .
5.4. DISTRIBUZIONI
123
Dato che h 0 e
che
R
R
Z
h(y) dy 1
h(y) dy .
|y|>L
Di conseguenza
Z
h(y) |f (y/n) f (0)| dy
R
L
Z
h(y) |f (y/n) f (0)| dy +
(5.36)
|y|L
|y|L
sup |f (x) f (0)| + sup |f (y/n)| + |f (0)|
yR
|x|L/n
lim
n |x|L/n
Ma `e arbitrario, quindi
Z
lim
gn (x)f (x) dx 0 (f ) = 0 ,
n
R
e la (5.33) `e dimostrata
5.40 Esempio. Possiamo scegliere ad esempio
1
h(x) :=
oppure
(1 + x2 )
2
1
h(x) := ex
124
5.4.4
Unaltra distribuzione famosa che non pu`o essere associata ad una funzione ordinaria
`e la parte principale di 1/x definita come
Z
f (x)
(5.37)
P (1/x)(f ) := lim+
dx
f K.
0
|x| x
5.41 Proposizione. P (1/x) `e una distribuzione. Inoltre si ha:
Z +K
f (x) f (0)
(5.38)
P (1/x)(f ) = lim
dx
f K .
K+ K
x
Dimostrazione. Per prima cosa dobbiamo far vedere se che se f K allora P (1/x)(f ) `e
ben definito, vale a dire lintegrale nella (5.37) `e convergente. Sia [a, a] un intervallo
finito che contiene il supporto di f . Poich`e f `e derivabile si ha
f (x) = f (0) + xR(x) ,
in cui
|R(x)| sup |f 0 (x)| =: D .
xR
fn f .
K
5.4. DISTRIBUZIONI
5.4.5
125
(5.41)
Il motivo di questa definizione `e che, nel caso di una distribuzione associabile ad una
funzione ordinaria differenziabile con derivata continua F = g allora si ha proprio
F 0 = 0g = g0 .
(5.42)
Infatti, integrando per parti e tenendo presente che f `e a supporto compatto, si ottiene
Z
F 0 (f ) = F (f 0 ) = g (f 0 ) = g(x)f 0 (x) dx
R
+ Z
= g(x)f (x)
+ g 0 (x)f (x) dx = g0 (f )
Il lettore sapr`
a evitare di farsi confondere da questa ambiguit`a.
5.45 Proposizione. Ogni distribuzione ha derivate di tutti gli ordini.
Dimostrazione. Basta verificare che, iterando la (5.41), si ottiene
F (n) (f ) = (1)n F (f (n) )
5.46 Proposizione. Se h C (R) e F K allora (hF )0 = h0 F + hF 0 .
10 potrebbe
126
5.47 Attenzione!. Abbiamo visto quali sono le regole per calcolare la derivata di una
distribuzione e il prodotto di una distribuzione per una funzione C . Spesso queste
due operazioni compaiono entrambi in una certa espressione e bisogna fare attenzione a procedere nellordine giusto. Supponiamo, ad esempio, di voler sviluppare
lespressione
x2 D[sin x D(xF )] (f ) .
Si procede nel modo seguente:
x2 D[sin x D(xF )] (f ) = D[sin x D(xF )](x2 f ) = (sin x D(xF ))((x2 f )0 )
= (sin x D(xF ))(2xf + x2 f 0 ) = D(xF )(2x sin xf + x2 sin xf 0 )
= (xF )([2x sin xf + x2 sin xf 0 ]0 )
= (xF )(2 sin xf + 2x cos xf + 4x sin xf 0 + x2 cos xf 0 + x2 sin xf 00 )
= F (2x sin xf + 2x2 cos xf + 4x2 sin xf 0 + x3 cos xf 0 + x3 sin xf 00 ) .
5.48 Proposizione. Sia (gn ) una successione di funzioni continue su R che converge
uniformemente alla funzione continua g. Allora
K
gn g
Dimostrazione. Devo far vedere che
gn (f ) g (f )
f K ,
lim
Z
gn (x)f (x) dx =
g(x)f (x) dx
f K .
0
0
5.49 Proposizione. Siano (Fn )
n=1 e F distribuzioni. Se Fn F allora Fn F .
K
Quindi Fn0 F 0 .
5.50 Esempio. Consideriamo la distribuzione |x| , definita, come al solito, da
Z
|x| (f ) :=
|x| f (x) dx
f K.
R
D|x| = sgn(x) .
5.4. DISTRIBUZIONI
127
x f 0 (x) dx
x f 0 (x) dx .
Integrando per parti e tenendo conto del fatto che f `e a supporto compatto ottengo
Z
Analogamente
Z
h
i0
x f 0 (x) dx = xf (x)
f (x) dx =
f (x) dx .
h
i Z
x f 0 (x) dx = xf (x)
Z
f (x) dx =
f (x) dx .
0
D|x| (f ) =
Z
f (x) dx +
Z
f (x) dx =
Quindi si ha che D|x| (f ) = sgn(x) (f ) per ogni f K, vale a dire D|x| = sgn(x) .
Lidentit`
a (5.45) pu`
o essere generalizzata, come traspare dal problema seguente.
5.51 Problema. Sia g C 1 (R). Dimostrare che la derivata nel senso delle distribuzioni di g(|x|) `e data da g 0 (|x|) sgn(x).
5.52 Esempio. (0 = 0 ). Vogliamo far vedere che vale (ricorda la definizione della
distribuzione , (5.31))
0 = 0
(5.46)
Infatti, per ogni f K, dal teorema fondamentale del calcolo, segue che
Z
0
0
(f ) = (f ) =
f 0 (x) dx = (f () f (0)) = f (0) = 0 (f )
0
Lidentit`
a (5.46) pu`
o essere generalizzata nel modo seguente.
5.53 Proposizione. Sia g una funzione continua a tratti con discontinuit`
a nei punti
ui , i = 1, 2, 3, . . .. Assumiamo che g 0 esista e sia localmente integrabile. Allora,
ponendo hi := g(u+
i ) g(ui ) uguale al valore del salto di g in ui , si ha
0g := g0 +
X
i=1
hi ui
128
xu+
u
Z u
Z
u
0
g 0 (x)f (x) dx
g (x)f (x) dx g(x)f (x) +
+
= g(x)f (x)
u
Z
= f (u)g(u ) + f (u)g(u+ ) +
g 0 (x)f (x) dx
R
= f (u)[a+ a ] + g0 (f ) = hu (f ) + g0 (f )
5.54 Esempio. (La derivata nsima della delta di Dirac). Per definizione, la derivata
della delta di Dirac `e data da
00 (f ) := f 0 (0) .
Derivando una seconda volta si ha
000 (f ) = [D(00 )](f ) = 00 (f 0 ) = 0 (f 00 ) .
Posso iterare la procedura e calcolare le derivate successive, ottenendo
(n)
se n `e pari
se n `e dispari.
h0
=?
x2 0
(1) xn 0
= (1)n n! 0
x3 000
x2 000
ex 000
5.4. DISTRIBUZIONI
129
(n)
= 0.
(a) (x100 0
)(f )
(e) (x P (1/x))(f )
n
X
(1)k
k=0
n (k)
h (a) a(nk)
k
(50)
0+
|x|
xf (x)
dx =
x
Z
f (x) dx
R
sin(x) |x|
00
130
(n)
f (0) 0
n 0
n 00
(n1)
(n2)
f (0) 0
+
f (0) 0
+
1
2
(a)
e3x 000 = 000 600 + 90 .
(b) Siccome |x|0 = sgn(x) si ha |x|00 = 20 , quindi
sin x |x|000 = 2 sin x 00 = 2 sin(0) 00 2 cos(0) 0 = 20 .
(c) Poich`e xP (1/x) = 1 (dimostralo se non lo sai, `e facile), si ha che D[xP (1/x)] = 0.
(d) La funzione xbxc `e differenziabile a tratti quindi la sua derivata nel senso delle
distribuzioni sar`
a uguale alla sua derivata ordinaria pi`
u una somma di funzioni delta
nei punti di salto moltiplicate per lentit`a del salto. I punti di discontinuit`a in questo
caso sono i valori interi di x. Lentit`a della discontinuit`a nel punto k Z `e data da
lim (k + )bk + c (k )bk c = k 2 k(k 1) = k .
0+
Nei punti in cui la funzione `e differenziabile la sua derivata vale bxc. Per cui
X
D[xbxc] = bxc +
k k
kZ
kZ
Z
= lim+
0
f (x)
dx = log f () +
x
Analogamente si ottiene
Z
Z
log x f (x) dx .
0
log(x) f (x) dx +
f (x)
dx ,
x
f (x)
dx
x
5.4. DISTRIBUZIONI
131
da cui,
0log |x| (f )
(5.47)
Z
= lim+ log [f () f ()] +
0
|x|
f (x)
.
x
Poich`e f `e derivabile
f () f ()
lim log [f () f ()] = lim ( log )
= lim ( log ) 2f 0 (0) = 0 .
0+
0+
0+
Quindi, facendo tendere a zero nella (5.47) e ricordando la definizione di P (1/x) in
(5.37),
Z
f (x)
0
log |x| (f ) = lim+
=: P (1/x)(f ) .
0
|x| x
Abbiamo quindi ottenuto
0log |x| = P (1/x) ,
che, tenendo presente quanto detto al punto 5.44, si pu`o anche scrivere come
(log |x|)0 = P (1/x) .
5.62 Problema. Dimostrare che P (1/x)0 = P (1/x2 ) in cui
P (1/x2 )(f ) :=
5.4.6
lim
K+
La Proposizione 5.39 ci dice che la distribuzione 0 pu`o essere ottenuta in molti modi
come limite di una distribuzione regolare. Ad esempio possiamo usare una funzione
gaussiana
2
1
(x) := ex
allora si ha
n (x) (x) .
(5.48)
n 0 ,
o, equivalentemente,
Z
lim
f K .
132
in cui b `e una funzione reale. Generalizzando in modo ovvio la (5.48) si pu`o pensare
di definire [b(x)] come limite debole
[b(x)] = lim n (b(x)) .
n
0 [b()](f ) := lim
Nella seguente Proposizione facciamo vedere che, se b soddisfa certe condizioni, allora
la (5.49) `e una buona definizione.
5.63 Proposizione. Sia b C 1 (R) con b0 (x) > 0 per ogni x R. Supponiamo che
esiste x0 R (necessariamente unico) tale che b(x0 ) = 0. Allora il limite che appare
nella (5.49) esiste e si ha
(5.50)
0 [b()] =
1
x
b0 (x0 ) 0
Dimostrazione.
Lidentit`
a (5.50) che spesso viene scritta in maniera simbolica come
(b(x)) =
1
(x x0 )
b0 (x0 )
pu`
o essere generalizzata nel modo seguente.
5.64 Proposizione. Sia b C 1 e supponiamo che b abbia zeri semplici e isolati nei
punti x1 , x2 , x3 , . . . , allora si ha
0 [b()] =
X
k
|b0 (x
k )|
xk
ovvero, simbolicamente,
[b(x)] =
X
k
1
(x xk )
|b0 (xk )|
Si pu`
o scrivere quindi, ad esempio,
1
(x)
|a|
[arctan x] = (x)
[ax] =
[cos x] =
x k
2
kZ
1
[(x a) + (x + a)]
2|a|
5.4. DISTRIBUZIONI
5.4.7
133
Alcune identit`
a notevoli fra distribuzioni
1
x(x0 i0)
Dimostrare che
1
=P
x (x0 i0)
1
x x0
ix0
i
x
i
x
i
R
|x|
Z
Z
f (0)
f (x) f (0)
(5.51)
=
dx +
dx
x i
x i
Z
Z
f (x)
f (x)
f (x)
(5.52)
+
dx +
dx
x
|x| x
|x| x i
= A() + B() + C() + D() ,
In cui A(), B(), C() e D() rappresentatno i quattro integrali che compaiono nelle
(5.51), (5.52). Iniziamo dallultimo.11
Z
f (x)
f (x)
|D()|
dx
x
|x| x i
Z
Z
|f (x)|
|f (x)|
dx ,
dx
|x|2
|x|
|x| |x| |x i|
otteniamo
|D(1/3 )|
Z
|x|1/3
(5.53)
1/3
|f (x)|
dx
|x|2
Z
|x|1/3
|f (x)|
dx
2/3
|f (x)| dx = 1/3 I ,
per cui
lim D(1/3 ) = 0 .
0+
(0, 1)
i|
|x|
1/3
1/3
Z 1/3
kf 0 ku
1 dx = 2 kf 0 ku 1/3 .
1/3
11 uno
134
Di conseguenza
lim B(1/3 ) = 0 .
(5.54)
0+
Z
|x|1/3
f (0) dx
x i
Z
dx
x
dx
+
i
f
(0)
2
2
2
2
|x|1/3 x +
|x|1/3 x +
Z
dx
= i f (0)
= 2if (0) arctan(1/3 /) .
2
2
|x|1/3 x +
Z
(5.55)
= f (0)
Quindi
lim A(1/3 ) = if (0) .
(5.56)
0+
sin x
x
gn (x) := nh(nx) =
Allora
sin(nx)
x
gn 0 .
Prima di dimostrare questo risultato, osserviamo che non pu`o essere considerato un
caso particolare della Proposizione 5.39. Infatti
R si pu`o far vedere che la funzione h
non appartiene a C1 (R) vale a dire lintegrale R |h(x)| dx `e divergente. Nonostante
ci`
o con metodi di analisi complessa si dimostra che lintegrale improprio esiste. Pi`
u
precisamente si ha che
Z +K
lim
h(x) dx = 1 .
K
f K
ovvero che
Z
(5.57)
lim
5.4. DISTRIBUZIONI
135
Possiamo scrivere
Z
I(n) :=
gn (x)f (x) dx
R
Z
=
gn (x)f (x) dx
|x| n
gn (x)f (x) dx
|x| n
=: I1 (n) + I2 (n) .
I2 (n) 0
da cui segue la (5.57). Il secondo limite `e banale. Infatti, dato che f K, esiste a > 0
tale che supp f [a, a]. Quindi abbiamo
Z
lim
sin y
dy = 1
y
gn (x)f (0) dx
|x| n
|x| n
f (x) f (0)
x
|x| n
n
n
|x| n
|x| n
n
da cui si ottiene
Z
Z
| cos(nx)| 0
2 khku +
sin(nx)h(x)
dx
|h (x)| dx
n
n
|x| n
|x| n
(5.60)
2
1
khku + kh0 ku 2 n
n
n
136
Dobbiamo ora preoccuparci del fatto che khku e kh0 ku siano quantit`a finite. Usando
la definizione di h e lo sviluppo di Taylor di f otteniamo che esistono 1 (x) e 2 (x)
tali che
h(x) = f 0 (1 (x))
h0 (x) =
1
d f (x) f (0)
f 0 (x)x + f (0) f (x)
= f 00 (2 (x)) ,
=
2
dx
x
x
2
da cui
1 00
kf ku .
2
Le grandezze kf 0 ku e kf 00 ku sono finite in virt`
u del fatto che f K. Dalla (5.60) si ha
quindi
Z
2 kf 0 ku + 1 kf 00 ku ,
sin(nx)h(x)
dx
n
n
|x| n
khku kf 0 ku
kh0 ku
che implica
Z
lim
vale a dire
|x| n
Z
lim
|x| n
sin(nx)h(x) dx = 0 ,
sin(nx)
[f (x) f (0)] dx = 0 .
x
sin(n(x y))
sin(n(y x))
=
(x y)
(y x)
allora
gn y .
Ne segue che (simbolicamente)
1
(x y) = lim gn (x) = lim
n
n 2
dk e
n
ik(yx)
1
=
2
dk eik(yx)
Z Z
lim
dk eik(yx) f (x) dx = y (f ) = f (y)
f K .
Si pu`
o far vedere che in realt`
a lordine di integrazione pu`o essere invertito, per cui si
ha anche
Z
Z
1
eiky
eikx f (x) dx dk = y (f ) = f (y)
f K .
2 R
R
Passiamo ora a mostrare una rappresentazione integrale della funzione .
5.4. DISTRIBUZIONI
137
lim+ lim
+n
1
eikx
dk = lim+ lim
k i
0 n 2i
Z
+
n
eizx
dz
z i
= lim+ ex = 1 = (x) ,
0
+n
eikx
dk = 0
k i
5.4.8
Il potenziale elettrostatico
5.68 Problema. Verificare che in R3 vale la seguente identit`a nel senso delle distribuzioni
1
= 4(x) .
|x|
In altre parole bisogna far vedere che
Z
1
f (x) dx = 4f (0)
R3 |x|
12 ricorda
f K(R3 ) .
138
t f (x, t) = 4(x, t)
in cui
=
3
X
i=1
i2 =
i=1
|xi ui |2
1/2
3
X
2
x2i
i=1
du
|x u|
R3
Z
1
=
(u, t |x u|) du
|x u|
R3
Z
1
(u, t |x u|) du
+2
|x u|
3
Z R
1
(u, t |x u|) du
+
|x
u|
3
R
Lidentit`
a si ottiene (con uno zinzino di pazienza) ricordando che
(1) La funzione
1
|xu|
1
= 4(x u)
|x u|
xi ui
|x u|
|x u| =
2
|x u|
6. Operatori lineari
J: Now Yolanda, were not gonna do anything stupid,
are we?
Y: You dont hurt him.
J: Nobodys gonna hurt anybody. Were gonna be
like three little Fonzies here. And whats Fonzie like?
Come on Yolanda whats Fonzie like?
Y: Cool?
J: What?
Y: Hes cool.
Jules: Correctamundo. And thats what were gonna
be. Were gonna be cool. Now Ringo, Im gonna count
to three, and when I count three, you let go of your
gun, and sit your ass down. But when you do it, you
do it cool. Ready? One... two... three.
6.1
Definizione ed esempi
6.1 Definizione. Dati due spazi lineari normati (V, k kV ) e (Z, k kZ ), si definisce
operatore lineare da V in Z unapplicazione T : V Z tale che1
T (c1 v1 + c2 v2 ) = c1 T (v1 ) + c2 T (v2 )
c1 , c2 R
v1 , v2 V
sup
xV :kxkV 1
kT k :=
sup
kT xkZ = sup
xV :kxkV 1
x6=0
kT xkZ
.
kxkV
139
140
(n)
=
1
1 1
1, , , . . . , , 0, 0, 0, . . . .
2 3
n
Si ha
y (n) = T x(n)
in cui
x(n) = (1, 1, . . . , 1, 0, 0, . . .) ,
di conseguenza y (n) Ran T . Daltra parte (y (n) ) `e una successione convergente in `2 ,
infatti `e facile verificare che
1 1
1
1
lim y (n) = y := 1, , , . . . , ,
,... .
n
2 3
n n+1
Tuttavia il limite y della successione (y (n) ) non appartiene a Ran T , perch`e se si potesse
scrivere y = T x, allora dovrebbe essere
x = (1, 1, 1, 1, . . .)
che non appartiene a `2 .
6.1.1
Esempi
141
(2) Se V e W sono spazi vettoriali finito dimensionali tutti gli operatori lineari sono
limitati. Inoltre se T `e un operatore lineare da V in W , T `e rappresentato da una
matrice. Pi`
u precisamente se (vi )ni=1 `e una base di V e (wi )m
e una base di W ,
i=1 `
allora esiste ununica matrice m n A tale che
T vk =
m
X
wi Aik
i=1
Tv W
se i > 1
se i = 1
( x)i = xi+1
Bisogna far vedere che T f appartiene a C[a, b] e che T `e limitato. Dato che K `e
continua su un compatto, `e anche uniformemente continua, quindi
> 0 > 0 tale che se |x x0 | + |y y 0 | < allora |K(x, y) K(x0 , y 0 )| < .
Quindi se |x z| ,
Z
|T f (x) T f (z)|
Z
sup |K(x, y) K(z, y)|
y[a,b]
|f (x)| dx (b a) kf ku
a
142
Z
K(x, y) f (y) dx
hZ
i
|K(x, y)| dy kf ku
Di conseguenza
kT f ku = sup |T f (x)|
x[a,b]
sup
x[a,b]
i
|K(x, y)| dy kf ku
(6) Operatori differenziali. Sia D loperatore derivata che agisce su (C[a, b], k ku ).
Osserviamo che:
(a) D non `e definito su tutto C[a, b]. Il suo dominio `e costituito dalle funzioni
f C[a, b] che sono differenziabili
(b) D non `e continuo nellorigine. Consideriamo infatti la successione (fn ), in cui
fn (x) := sin(nx)/n. Allora si ha Dfn (x) = cos(nx), per cui kfn ku tende a
zero, ma kDfn ku = 1 6 0.
(7) Operatori moltiplicativi. Nello spazio S(R) possiamo definire loperatore moltiplicativo X come
f S(R) .
X(f ) := x f (x)
f S(R) .
~2
+ V (x)
2
~2
f (x) + V (x)f (x)
2
f C2 (Rn )
6.9 Problema. Sia K una funzione continua su [a, b] [a, b]. Sia T loperatore su
C2 [a, b] definito come
Z b
T f (x) :=
K(x, y) f (y) dy .
a
3 pi`
u
143
kT f k22 :=
a
Z b
kgx k22 kf k22 = kf k22
K(x, y)2 dy .
b
2
K(x, y) dy dx = kf k22
K(x, y)2 dx dy .
hZ
K(x, y)2 dx dy
i1/2
K(x, y)2 dx dy
i1/2
6.10 Problema. Nello spazio (Cc (R), k ku ) consideriamo loperatore lineare T definito come (T f )(x) := xf (x).
(a) Dimostrare che T non `e limitato.
(b) Determinare il nucleo e limmagine di T .
Soluzione. (a). Definisco una successione di funzioni fn Cb (R) scelte in modo tale
che
lim
kT fn ku
= ,
kfn ku
se x [n 1, n]
x n + 1
fn (x) := x + n + 1 se x [n, n + 1]
0
altrimenti
144
x R ,
il che implica che f (x) `e uguale a zero per tutti gli x 6= 0. Ma f `euna funzione continua,
quindi se `e nulla per tutti gli x 6= 0 `e necessariamente nulla anche per x = 0, vale a
dire f `e la funzione identicamente nulla. Per cui Ker T = {0}.
Per determinare Ran T bisogna capire come deve essere fatta una funzione g Cc (R)
affinch`e possa essere ottenuta come g = T f per una qualche f . Scriviamo quindi
lequazione T f = g in modo esplicito come
xf (x) = g(x)
x R
g(x)
x
x 6= 0 .
x0
x0
g(x) g(0)
g(x)
= lim
= g 0 (0) .
x0
x
x
6.2
uV
uV .
145
sup
x6=0
k(S + T )(x)kZ
kSx + T xkZ
kSxkZ + kT xkZ
= sup
sup
kxkV
kxk
kxkV
V
x6=0
x6=0
kSxkZ
kT xkZ
+ sup
= kSk + kT k
kxkV
x6=0 kxkV
quindi kS + T k kSk + kT k.
6.13 Definizione. (Prodotto fra operatori). Se S L(V, W ) e T L(W, Z) si definisce il prodotto o composizione T S come
TS : V Z
T S(x) := T (Sx)
6.14 Proposizione. Se S L(V, W ) e T L(W, Z) allora T S `e un operatore lineare
continuo da V in Z. Inoltre
kT Sk kT k kSk
(6.2)
kT SxkZ
kT SxkZ
kT SxkZ
sup
+ sup
.
kxkV
kxkV
kxkV
x6=0
x6=0
Sx6=0
Sx=0
kT SxkZ
kT SxkZ kSxkW
=
sup
kxk
kxkV
V
xV : Sx6=0 kSxkW
xV : Sx6=0
sup
kT SxkZ
xV : Sx6=0 kSxkW
kSxkW
xV : Sx6=0 kxkV
kT ykZ
yRan S: y6=0 kykW
kSxkW
xV : x6=0 kxkV
sup
sup
sup
yW : y6=0
kT ykZ
kykW
sup
sup
sup
xV : x6=0
kSxkW
=: kT k kSk
kxkV
n, m N
146
T `e lineare, infatti
T (x + y) = lim Tn (x + y) = lim Tn (x) + lim Tn (y) = T x + T y .
n
n N
(6.5)
|ck | kT kk < .
=0
(6.6)
ck T k = S
k=1
n
X
ck T k
k=1
m
m
X
X
X
|ck | kT kk
|ck | kT kk
ck T k
kSn Sm k =
k=n+1
k=n+1
k=n+1
|ck | kT kk = 0 ,
k=n+1
quindi (Sn ) `e di Cauchy. Poich`e L(V ) `e completo esiste un operatore S L(V ) tale
che Sn S.
6.3
Operatore inverso
T 1 y = x
Tx = y .
147
T 1 (u + v) = T 1 u + T 1 v
, R, u, v Z
Poniamo
u0 := T 1 u
v 0 := T 1 v .
Per definizione di T 1 si ha
T u0 = u
T v0 = v
Siccome T `e lineare
T (u0 + v 0 ) = T u0 + T v 0
che implica
u0 + v 0 = T 1 (T u0 + T v 0 )
che `e proprio la (6.9)
Dalla definizione (6.8) segue immediatamente che
T T 1 y = y
y Z
T 1 T x = x x V ,
ovvero che
T T 1 = IZ
T 1 T = IV .
6.19 Problema. Trovare due operatori lineari limitati in uno spazio di Banach V tali
che AB = I, ma BA 6= I (quindi B non `e linverso di A).
` vero che se T
6.20 Problema. Sia T `e un operatore lineare invertibile da V in Z. E
1
`e limitato allora T
`e limitato?
Soluzione. La risposta `e no. Infatti consideriamo il caso V = Z = `f con la norma
k k . Se x = (xi )
i=1 definiamo
x2 x3 x4
T x := x1 , , , , . . .
2 3 4
T `e chiaramente lineare. Inoltre T `e limitato, perch`e kT xk kxk , quindi kT k 1.
Infine T `e biunivoco, quindi invertibile e si ha
T 1 x = (x1 , 2x2 , 3x3 , 4x4 , . . .)
`e ovvio che T 1 non `e limitato infatti ponendo
e(n) := (0, 0, . . . , 0, 1, 0, 0, . . .)
[n]
si ha
kT 1 e(n) k
=n
ke(n) k
Quindi linverso di un operatore limitato non `e in generale limitato . . . per`o, aggiungendo alle ipotesi lingrediente della completezza le cose cambiano
6.21 Teorema. (Teorema sulloperatore inverso). Siano (V, k kV ) e (Z, k kZ ) due
spazi di Banach e sia T L(V, Z) invertibile. Allora T 1 `e limitato, cio`e T 1
L(Z, V ).
148
Ak
k=0
(6.10)
1
< .
1
kAkk =
k=0
Dalla (6.10) e dalla Proposizione 6.16 segue che posso definire un operatore B L(V )
come
X
B :=
Ak
k=0
n
X
Ak ,
k=0
quindi
(6.11)
B (I A) = lim
n
X
k=0
(6.12)
6.4
149
T ei =
ek Mki
k=1
ek Mki
.
k=1
per cui
hT ei , ej i =
k=1
hT ei , ej i =
Mki
hek , ej i = Mji
.
k=1
Di conseguenza
(M )ij = hT ej , ei i = hej , T ei i = hT ei , ej i = M ji
quindi la matrice associata a T `e la complessa coniugata della trasposta di M .
6.26 Problema. Dimostrare che in `2 vale + = .
Soluzione. Per definizione abbiamo, per ogni x, y `2 ,
h+ x, yi = hx, + yi =
xi (+ y)i =
xi yi1 =
i=2
i=1
xk+1 yk
k=1
( x)k yk = h x, yi
k=1
Quindi
h+ x, yi = h x, yi
che implica
x, y `2 ,
6.27 Problema. Nello spazio C2 ([a, b]; C) sia T loperatore lineare integrale con nucleo
K(x, y). Determinare il nucleo integrale di T .
6.28 Proposizione. Sia (V, h, i) uno spazio euclideo e siano S, T L(V )
(1) (S + T ) = S + T
(2) (T ) =
T
(3) (ST ) = T S
(4) T = T
(5) kT k = kT k
(6) Se T ha un inverso limitato allora anche T ha un inverso limitato e (T )1 =
(T 1 ) .
5 c`
e
150
Dimostrazione.
Punto (3).
h(ST ) v, wi = hv, ST wi = hS v, T wi = hT S v, wi
Punto (5).
kT vk2 = |hT v, T vi| = |hv, T T vi| kvk kT T vk kvk kT k kT vk
quindi
kT vk kT k kvk
da cui
kT k kT k .
Daltra parte
kT k = kT k kT k
Punto (6). Siccome
T T 1 = T 1 T = I
possiamo prendere laggiunto
(T T 1 ) = (T 1 T ) = I = I
e grazie al punto (3) otteniamo
(T 1 ) T = T (T 1 ) = I
che implica che (T 1 ) `e linverso di T
6.29 Proposizione. Sia T L(V ). Allora
Ker T = (Ran T )
Ran T = (Ker T )
u V ,
hv, T ui = 0
u V ,
per cui
che `e equivalente a dire
hv, zi = 0
z Ran T .
151
x, y `2 .
Quindi abbiamo
hT x, yi = hx, T yi
D
E
y2
y4
y6
=
x1 , x2 , x3 , . . . , y1 + , y3 + , y5 + , . . .
2
4 y 6
y4
y2
6
+ x2 y3 +
+ x3 y5 +
+
= x1 y1 +
2
4
6
x1
x2
x3
= x1 y1 +
y2 + x2 y3 +
y4 + x3 y5 +
y6
2
4
6
E
D
x2
x3
x1
, x2 ,
, x3 ,
, . . . , y1 , y2 , y3 , y4 , y5 , y6 , . . .
=
x1 ,
2
4
6
Poich`e il prodotto scalare nellultima riga deve essere uguale a hT x, yi, otteniamo
x2
x3
x1
, x2 ,
, x3 ,
,...
T x = x1 ,
2
4
6
Un modo alternativo di calcolare T `e quello di scrivere la matrice infinita A associata
alloperatore T . La matrice associata a T sar`a A , lhermitiana coniugata (vale a dire
la trasposta della complessa coniugata) di A. Dalla definizione di T si legge che la
matrice A `e data da
1 1/2 0 0 0 0
0
0 1 1/4 0 0
A = 0
0 0 0 1 1/6
..
..
.
.
Quindi
1
0
0
1/2 0
0
0
1
0
A = (A)t = At = 0 1/4 0
0
0
1
0
0
1/6
..
.
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
0
..
.
x3 + x4 /4 = 0
x5 + x6 /6 = 0
Queste equazioni sono fortunatamente (o per esagerata magnanimit`a di chi ha preparato lesercizio) tutte indipendenti e si possono risolvere, ad esempio, ricavando le
variabili pari in funzioni delle dispari:
x2k = 2k x2k1
k = 1, 2, 3, . . .
Otteniamo quindi
Ker T := {x `2 : x2k = 2k x2k1 k = 1, 2, 3, . . .}
152
x2k1 = yk
k = 1, 2, 3, . . .
x2k =
k=1
x22k1 =
k=1
yk2 ,
k=1
xk (T y)k =
k=1
x2k yk
k=1
= x2 y1 + x4 y2 + x6 y3 + .
Quindi
T x = (x2 , x4 , x6 , . . .) .
(b) Poich`e kT xk2 = kxk2 per ogni x `2 , T `e un isometria, quindi kT k = 1. Inoltre
se T x = 0 allora deve essere x = 0 quindi Ker T = {0}. Infine
Ran T := {x `2 : x2k+1 = 0 k N} .
6.4.1
Proiettori ortogonali
6.5
6.5.1
Spettro
Il caso finito dimensionale (Cn ).
Sia A una matrice complessa n n e sia z C. Allora ci sono solo due possibilit`a
6.5. SPETTRO
153
x = (x1 , . . . , xn ) Cn
ammette una soluzione x non banale (x 6= 0). In questo caso z `e detto autovalore
di A e x `e il corrispondente autovettore
(2) se det(zI A) 6= 0 allora zI A `e invertibile, quindi `e iniettiva e surgettiva. In
questo caso, se b Cn , lequazione
(zI A)x = b
ammette sempre ununica soluzione data da
x = (zI A)1 b .
Nel caso infinito dimensionale, la situazione `e pi`
u complicata, perch`e `e possibile che
(zI A) sia iniettiva ma non surgettiva.
6.5.2
Il caso generale
6.34 Definizione. (Spettro, insieme risolvente, risolvente). Sia (V, k k) uno spazio
di Banach complesso, sia T L(V ) e sia z C. Allora
(1) se (zI T ) non `e iniettivo, ossia se lequazione
Tx = z x
xV
154
6.6
Operatori autoaggiunti
6.42 Teorema. Se (V, h, i) `e uno spazio di Hilbert complesso e T L(V ) `e autoaggiunto allora
(a) gli autovalori di T sono reali
(b) autovettori corrispondenti ad autovalori distinti sono ortogonali
(c) (T ) R (generalizza (a)).
Dimostrazione. I punti (a) e (b) si dimostrano come nel caso finito dimensionale. Se
`e un autovalore di T allora esiste v V , v 6= 0 tale che T v = v. Quindi
vi ,
hv, vi = hv, vi = hT v, vi = hv, T vi = hv, vi = hv,
per cui si ha = .
Se e sono due autovalori distinti con autovettori rispettivamente u e v, allora
hu, vi = hu, vi = hT u, vi = hu, T vi = hu, vi = hu, vi ,
per cui
( )hu, vi = 0 .
Poich`e 6= deve essere necessariamente hu, vi = 0.
Punto (c). Sia z = a + ib con a, b R e supponiamo b 6= 0. Voglio far vedere che
z
/ (T ). Infatti, siccome T = T , e quindi (I T ) = (I T ), abbiamo, per ogni
v V,
k(zI T )vk2 = h(aI T )v + ibv, (aI T )v + ibvi
= k(aI T )vk2 + kbvk2 ibh(aI T )v, vi + ibhv, (aI T )vi
= k(aI T )vk2 + kbvk2 ibh(aI T )v, vi + ibh(aI T )v, vi
= k(aI T )vk2 + kbvk2
= k(aI T )vk2 + |b|2 kvk2 .
155
Di conseguenza
(6.13)
k(zI T ) vk = k(
z I T )vk |b| kvk .
Questa identit`
a `e quasi quello che dobbiamo dimostrare, a parte per loperazione di
chiusura. Per completare largomento faremo vedere che Ran(zI T ) `e chiuso. Sia
(vn ) una successione di elementi di Ran(zI T ) tale che vn v V . Devo far vedere
che anche v `e un elemento di Ran(zI T ). Infatti, dato che vn Ran(zI T ), esiste
un V tale che vn = (zI T )un . La successione (vn ) `e convergente quindi `e di
Cauchy. In virt`
u della (6.13)
kun um k |b|1 kvn vm k
per cui la successione (un ) `e anchessa di Cauchy. Ma V `e completo per ipotesi, quindi
esiste u V tale che un u
Infine, poich`e (zI T ) `e continuo
(zI T )un = vn (zI T )u .
Abbiamo quindi
vn (zI T )u
vn v .
Per lunicit`
a del limite deve essere v = (zI T )u, che implica v Ran(zI T ).
Abbiamo dunque dimostrato che
vn Ran(zI T ) e vn v V v Ran(zI T )
che significa proprio che Ran(zI T ) `e chiuso.
Da questo fatto e dalla (6.15) segue che
Ran(zI T ) = V .
Loperatore zI T `e quindi biunivoco. Per il teorema sulloperatore inverso, dato
che V `e completo, il suo inverso `e limitato. Questo implica z (T ), per cui z non
appartiene allo spettro di T .
Osservo che la limitatezza di (zI T )1 `e una diretta conseguenza della (6.13), senza
quindi bisogno di invocare il teorema sulloperatore inverso.
6.43 Attenzione!. A differenza del caso finito dimensionale, se T `e un operatore limitato autoaggiunto su V , non `e detto che esista una base ortonormale di V costituita da
autovettori di T . Considerate ad esempio loperatore di moltiplicazione per x definito
nel Problema 6.37, il quale non ha autovalori pur essendo autoaggiunto (verificare).
Una classe importante di operatori, per i quali esiste sempre una base ortonormale di
autovettori `e costituita dagli operatori autoaggiunti e compatti.
6 questo, ovviamente, segue anche dal punto (a), ma a noi in ogni caso servir`
a la disuguaglianza
(6.13)
156
6.7
Operatori compatti
6.45 Esempio. Loperatore identico I in uno spazio infinito dimensionale non `e compatto. Infatti se B1 `e la palla unitaria, si ha T B1 = B1 . Ma la palla unitaria chiusa
in infinite dimensioni non `e compatta, come spiegato al punto 3.22.
6.46 Esempio. (Operatori integrali). Consideriamo due operatori integrali S, T in
C2 [a, b] associati al nucleo K C([a, b] [a, b])
Z b
(6.16)
Sf (x) :=
K(x, y) f (y) dy
f C2 [a, b]
a
Z x
(6.17)
K(x, y) f (y) dy
(operatore di Volterra)
f C2 [a, b]
T f (x) :=
a
n
X
ck hv, uk i wk
k=1
157
(6.19)
Ma se sappiamo per qualche motivo che la soluzione `e unica, allora sappiamo che
S cI `e iniettivo, quindi c non `e un autovalore. Siccome c 6= 0, grazie al Teorema
di Fredholm possiamo affermare che (S cI) ha inverso limitato, quindi la (6.19) pu`o
essere risolta esplicitamente come
f = (S cI)1 g
6.51 Teorema. (Teorema di Hilbert-Schmidt). Se T `e un operatore compatto e autoaggiunto nello spazio di Hilbert V , allora esiste una base ortonormale di V (en )
n=1
costituita da autovettori di T . Quindi si ha
T en = n en
n .
Inoltre limn n = 0.
Nel caso di un operatore compatto e autoaggiunto su uno spazio di Hilbert si possono
quindi verificare le seguenti possibilt`a
p (T )
c (T )
Esempio banale in `2
{0, 1 , 2 , . . . , n }
{0, 1 , 2 , 3 , . . .}
con n 6= 0 e n 0
{1 , 2 , 3 , . . .}
con n 6= 0 e n 0
{0}
158
(a)
(b)
(c)
(d)
Determinare kT k
Determinare T . T x = (?, ?, ?, ?, . . .)
Dimostrare che T `e compatto
Trovare gli autovalori e lo spettro continuo di T (sugg: ricorda il teorema di
Fredholm)
x
x3
x5
1
T x = 0, , 0, , 0, , . . . .
2
4
6
0 = x2
0 = x4
0 = x2n
Nel caso in cui sia diverso da zero, la colonna di destra ci dice che tutte le componenti
pari di x sono nulle. Sostituendo nella colonna di sinistra ottengo che anche le componenti dispari sono nulle, cio`e x = 0. Quindi se 6= 0 lunica soluzione dellequazione
agli autovalori T x = x `e la soluzione nulla, vale a dire non `e un autovalore di T .
Rimane da esaminare il caso = 0. Si verifica immediatamente che x
= (1, 0, 0, 0, . . .)
verifica T x
= 0, quindi = 0 `e un autovalore di T . Dunque si ha
p (T ) = {0} .
Spettro continuo. Poich`e T `e compatto (verificare) sappiamo che lo spettro continuo
`e vuoto o al massimo consiste solo del punto = 0. Ma sappiamo gia che 0 `e un
autovalore, dunque c (T ) = .
159
X
X
|x2k+1 |2
2
|x2k+1 |2 2kxk2 ,
(2k + 1)2
k=0
da cui si ha kT k
quindi
k=0
Quindi kT k =
2.
T x=
x5 + x6
x3 + x4
, 0,
, 0, . . . .
x1 + x2 , 0,
3
5
x1 = x2
x3
= x4
3
x5
= x6
5
160
in cui gli elementi diversi da zero sono il 2k 1simo e il 2ksimo. Abbiamo quindi
ottenuto che gli autovalori sono
p (T ) = {0} {1/(2k 1) : k Z, k > 0} .
Poich`e lo zero `e una autovalore di T per il teorema di Fredholm T non ha spettro
continuo.
7.1
Spazi di misura
7.1 Definizione. Dato un insieme non vuoto X, si definisce algebra su X una collezione F di sottoinsiemi di X tale che
(a) X F
(b) se A F allora Ac F
(c) se A1 , . . . , An F allora ni=1 Ai F
Grazie alle leggi di De Morgan, segue dalla definizione precedente che
(d) F
(e) A1 , . . . , An F allora ni=1 Ai F
Infatti = X c , quindi dalla (a) e dalla (b) segue che F. Inoltre, se A1 , . . . , An F
abbiamo
c
ni=1 Ai = ni=1 Aci
quindi, usando la (b) (due volte) e la (c) si ottiene che lintersezione di un numero
finito di elementi di F appartiene ad F.
7.2 Esempio. Iniziamo con un non esempio di algebra. Sia X = R2 e sia R linsieme
di tutti i rettangoli finiti o infiniti, aperti o chiusi su ciascun lato, in cui un rettangolo
finito `e un insieme del tipo
(a, b) (c, d)
oppure
(a, b] (c, d)
oppure
oppure
[a, b] [c, d]
Ri R .
162
i=1 Ai F.
La coppia (X, F) si chiama spazio misurabile.
La differenza, in apparenza minuscola, che intercorre fra le propriet`a (c) e (c0 ) `e in
realt`
a enorme. Nellesempio 7.3 abbiamo definito una semplice algebra che contiene
tutti i rettangoli. Ora definire una algebra che contenga tutti i rettangoli sarebbe
molto pi`
u complicato. Affermo, ad esempio, che se F `e una qualsiasi algebra che
contiene R allora F deve necessariamente contenere tutti gli insiemi aperti e chiusi
di R2 di forma qualsiasi! Infatti sia A un insieme aperto arbitrario di R2 . Voglio far
vedere che A si pu`
o scrivere come
A =
i=1 Ri
(7.1)
i=1 Ai
(Ai )
i=1
(b) X pu`
o essere scritto come X =
i=1 Yi in cui ogni Yi ha misura finita.
7.6 Problema. Dimostrare che () = 0.
7.2
La misura di Lebesgue
(7.2)
1 ci
163
7.3
(7.3)
in cui ci sono numeri reali e gli Ai sono insiemi misurabili. Per una funzione semplice
f data dalla (7.3) lintegrale si definisce come
Z
n
X
ci Leb (Ai ) .
f (x) Leb (dx) :=
R
i=1
A questo punto si estende il concetto di integrale a tutte le funzioni misurabili, semplicemente grazie al fatto che ogni funzione misurabile pu`o essere opportunamente
approssimata con funzioni semplici. In questo modo `e possibile integrare un grandissimo numero di funzioni, molte di pi`
u che non le sole funzioni continue e continue a
tratti. Non solo, ma per queste ultime si ottiene che il valore dellintegrale di Lebesgue
coincide che quello usuale (di Riemann). Il vantaggio `e che per`o, in questo modo, si
possono integrare funzioni altrimenti non integrabili. Questo vantaggio si apprezza
maggiormente se si vuole costruire una teoria dellintegrazione in uno spazio infinito
dimensionale.
Poich`e lintegrale di Riemann e quello di Lebesgue danno lo stesso risultato sulle funzioni continue, spesso si usa anche per lintegrale di Lebesgue il simbolo dx come
fattore integrante, al posto di Leb(dx) . Una volta definito lintegrale di Lebesgue, `e
possibile definire gli spazi Lp .
4 almeno
a chiacchiere
164
7.9 Definizione. Si definisce Lp (Rn , dxn ) come linsieme di tutte le funzioni f misurabili secondo Lebesgue tali che
Z
|f (x)|p dx <
Rn
Una propriet`
a fondamentale degli spazi Lp `e la seguente
7.10 Teorema. Lo spazio (Lp (Rn , dxn ), k kp ) `e il completamento dello spazio
(Cp (Rn ), k kp ). Di conseguenza Cp `e denso in Lp . Gli spazi Lp sono spazi di Banach
e L2 `e uno spazio di Hilbert.
8. Spazi L2
M: I think youre gonna find when all this shit is
over I think youre gonna find yourself one smilin
motherfucker.
8.1
Introduzione
Nel caso particolare in cui p = 2 si ha che L2 (R) (o L2 [a, b]) `e uno spazio di Hilbert
con prodotto scalare
Z
hf, gi :=
f (x) g(x) dx .
R
Come abbiamo visto nel Cap. 4, per trovare una base ortonormale in uno spazio
di Hilbert, e quindi, in particolare, negli spazi L2 , si parte da un sistema completo
di vettori (vn )
n=1 ai quali si applica il procedimento di ortogonalizzazione di Gram
Schmidt. Una volta ottenuta una base ortogonale
u1 , u 2 , u 3 , . . .
`e possibile esprimere un qualsiasi vettore di L2 come combinazione lineare (a priori
infinita) degli elementi della base. Se f L2 si pu`o quindi scrivere
f=
ck uk ,
k=1
k=1
165
166
CHAPTER 8. SPAZI L2
ck uk (x)
(convergenza puntuale)
k=1
n
X
lim supf (x)
ck uk (x) = 0
n x
k=1
(convergenza uniforme)
9. Serie di Fourier
Lui balla e non la guarda,
lei balla e non lo vede,
ma quando i due si sfiorano
il pavimento cede (E.)
9.1
L2 [, ] e i polinomi trigonometrici
f=
ck uk .
k=1
ck :=
hf, uk i
.
kuk k22
Ricordo che la convergenza della summatoria va intesa rispetto alla norma k k2 , vale
a dire la (9.1) `e una scrittura simbolica che sta a significare
(9.3)
n
X
lim
f
ck uk
= 0 .
k=1
f (x)
ck uk (x)
k=1
f (x) =
ck uk (x)
k=1
che denota la usuale convergenza puntuale. Ripeto che mentre la convergenza in norma
k k2 `e assicurata una volta dimostrato il fatto che (uk ) `e una base ortogonale, sulla
convergenza puntuale (9.5) a priori non si pu`o dire nulla ed `e un problema che va
affrontato separatamente.
Per quanto riguarda la scelta della base ortogonale (uk ) c`e ovviamente una arbitrariet`a
enorme. La base dei polinomi trigonometrici, associata alla serie di Fourier classica,
che appare nella proposizione seguente si dimostra per`o particolarmente conveniente
nellanalisi di molti problemi.
167
168
u1 (x) := cos(x),
u2 (x) := cos(2x),
...
un (x) := cos(nx), . . .
(9.7)
v1 (x) := sin(x),
v2 (x) := sin(2x),
...
vn (x) := sin(nx), . . . .
Allora:
(9.8)
ku0 k = k1k = 2
kun k = kvn k = n 1 .
f (x)
(9.9)
a0 X
+
[ak cos(kx) + bk sin(kx)]
2
k=1
in cui
(9.10)
ak =
f (x) cos(kx) dx
bk =
f (x) sin(kx) dx
|f (x)|2 dx =
|a0 |2 X
+
|ak |2 + |bk |2
2
k=1
Dimostrazione.
(1). Lortogonalit`
a del sistema (9.6), (9.7) e le uguaglianze (9.8) riguardanti la loro
norma sono semplici verifiche che si ottengono usando le formule:
1
[cos[(n + k)x] + cos[(n k)x]]
2
1
sin(nx) sin(kx) = [cos[(n k)x] cos[(n + k)x]]
2
1
cos(nx) sin(kx) = [sin[(n + k)x] sin[(n k)x]]
2
cos(nx) cos(kx) =
perch`e la funzione integranda `e dispari (prodotto di una funzione pari per una funzione
dispari) e lintervallo di integrazione `e simmetrico rispetto allorigine.
Facciamo vedere che huk , un i = 0 se n 6= k.
Z
hun , uk i =
cos(nx) cos(kx) dx
Z
1
=
cos[(n k)x] + cos[(n + k)x] dx .
2
Sia n + k che n k sono interi, quindi
sin[(n k)] = sin[(n + k)] = sin[(n k)] = sin[(n + k)] = 0 .
169
1
1
sin[(n k)x] +
sin[(n + k)x] = 0 .
2(n k)
2(n + k)
9.1.1
1, cos(x), cos(2x), . . . ,
sin(x), sin(2x), . . .
costituisce un sistema completo di vettori nello spazio di Hilbert L2 [, ]. Chiamo polinomio trigonometrico una funzione che pu`o essere rappresentata come combinazione lineare finita delle funzioni (9.11). In altre parole
{polinomi trigonometrici} = span{1, cos(x), cos(2x), . . . ,
sin(x), sin(2x), . . .} ,
0 X
[k cos(kx) + k sin(kx)]
+
p(x) =
2
k=1
kf gk2 < /3 .
170
(9.13)
(9.14)
kp gku < /(3 2) .
Il fattore 3 2 al denominatore `e stato introdotto, col senno di poi, per motivi estetici,
ma se ne pu`
o fare a meno. Notare che qui compare la norma uniforme perch`e questo `e
esattamente quanto afferma W. Fortunatamente passare dalla norma uniforme a quella
L2 (su un intervallo finito!) `e uno scherzo:
hZ
i1/2 h
2 i1/2
(9.15)
kp gk2 =
|p(x) g(x)|2 dx
2
= /3 .
18
Dalle (9.12), (9.13), (9.15) e dalla disuguaglianza triangolare della norma segue kf
pk2 < che `e quello che volevamo dimostrare.
9.1.2
` lecito calcolare la
9.2 Domanda. Supponiamo di conoscere la serie di Fourier di f . E
0
` lecito
serie di Fourier della derivata f semplicemente derivando termine a termine? E
calcolare la serie di Fourier di una primitiva F semplicemente integrando termine a
termine?
La risposta `e: in generale no. Vediamo subito un esempio in cui la cosa non funziona.
La serie di Fourier della funzione f (x) = x su [, ] `e data da
(9.16)
x2
(1)k+1
k=1
sin(kx)
k
Se derivo termine a termine ottengo che la serie di Fourier per la funzione f (x) = 1 `e
data da
X
12
(1)k+1 cos(kx) ,
k=1
X (1)k+1
x2
2
cos(kx) + C .
2
k2
k=1
La costante additiva C non `e altri che il termine costante a0 /2 che compare nello
sviluppo di Fourier e va calcolato a parte.
Z 2
a0
1
x
1 3
2
=
dx =
=
.
C=
2
2 2
2 3
6
171
Ottengo quindi
X (1)k+1
2
cos(kx) .
4
3
k2
x2
(9.17)
k=1
(9.18)
X (1)k+1
2
x3
sin(kx) + C .
x4
3
3
k3
k=1
X
(1)k+1
k3
k=1
=2
(1)k+1
k=1
sin(kx) + 3C
(k)2 6
sin(kx) + 3C .
k3
x3 2
(1)k+1
k=1
(k)2 6
sin(kx) .
k3
3x2 2
(1)k+1
k=1
(k)2 6
cos(kx) .
k2
che NON `e lo sviluppo corretto di 3x2 , come si vede confrontando con la (9.17).
Ok, `e venuto il momento di dimostrare qualcosa, per avere, in questo mare di dubbi e
incertezze, un appiglio solido e sicuro (ehm. . . ).
9.3 Proposizione. Sia f C[, ] con f 0 continua a tratti. Siano ak , bk i coefficienti di Fourier di f e a0k , b0k i coefficienti di Fourier di f 0 . Allora
(9.21)
ak = b0k /k
k = 1, 2, 3, . . .
Se inoltre vale f () = f () si ha
(9.22)
ak = b0k /k
bk = a0k /k
k = 1, 2, 3, . . .
172
f (x)
a0 X
+
[ak cos(kx) + bk sin(kx)]
2
k=1
A0 X
+
F (x)
[Ak cos(kx) + Ak sin(kx)] .
2
k=1
F (x)
X
ak
bk
a0
x+
sin(kx)
cos(kx) + C ,
2
k
k
k=1
(1)k+1
k=1
sin(kx)
,
k
otteniamo
bk
A0 X ak + (1)k+1 a0
+
sin(kx)
cos(kx) .
F (x)
2
k
k
k=1
173
9.1.3
Sappiamo gi`
a che le funzioni
uk (x) := cos(kx)
k = 0, 1, 2, . . .
vk (x) := sin(kx)
k = 1, 2, . . .
sono una base ortogonale in L2 [, ], con la normalizzazione data dalla (9.8). Con il
cambio di variabile
(2x a b)
y(x) =
ba
lintervallo [a, b] si trasforma nellintervallo [, ]. Consideriamo allora le funzioni
k(2x a b)
k = 0, 1, 2, . . .
u
k (x) := uk (y(x)) = cos
ba
k(2x a b)
vk (x) := vk (y(x)) = sin
k = 1, 2, . . .
ba
` facile verificare che queste funzioni sono una base ortogonale in L2 [a, b]. Tutto quello
E
che bisogna fare `e cambiare variabile nellintegrale che definisce il prodotto scalare.
Infatti
Z b
Z b
h
uk , u
n i =
u
k (x) u
n (x) dx =
uk (y(x)) un (y(x)) dx
a
a
Z
ba
ba
=
uk (y) un (y) dy =
huk , un i .
2
2
Analogamente si trova
ba
hvk , vn i
2
ba
h
uk , vn i =
huk , vn i .
2
h
vk , vn i =
Dallortogonalit`
a del sistema {(un )
a in L2 [a, b]
n=0 , (vn )n=1 } deriva quindi lortogonalit`
del sistema {(
un )n=0 , (
vn )n=1 }. Lunica cosa che cambia `e la normalizzazione, per cui
al posto della (9.8) abbiamo
(9.24)
k
u0 k =
ba
k
un k = k
vn k =
(b a)/2
n 1 .
174
9.1.4
Questo `e una caso particolare di quello trattato in precedenza, quindi basta porre
a = l e b = l nelle formule (9.25) e (9.26).
kx
a0 X
kx
f (x)
+
+ bk sin
,
ak cos
2
l
l
k=1
in cui
ak =
9.1.5
1
l
f (x) cos
kx
l
dx
bk =
1
l
f (x) sin
kx
l
dx .
A volte pu`
o essere conveniente usare come base ortogonale nello spazio L2 [, ], al
posto di quella costituita da seni e coseni
(9.27)
1, cos(x), cos(2x), . . . ,
sin(x), sin(2x), . . .
kZ
Dimostrazione. Lortogonalit`
a `e immediata. Infatti, se n 6= k, si ha
Z
hen , ek i =
ei(nk)x dx = 0 .
Inoltre
kek k22 =
|eikx |2 dx =
1 dx = 2.
Rimane da dimostrare la completezza della base (9.28). Questa discende immediatamente dalla completezza della base (9.27). Infatti, poich`e le funzioni cos(kx) e sin(kx)
175
sono una combinazione lineare delle funzioni eikx e eikx e viceversa, questo vuol dire
che
span{eikx , eikx } = span{cos(kx), sin(kx)} .
visto che il sistema (9.27) `e completo, anche il sistema (9.28) `e completo.
La Proposizione 9.6 ci dice che vale lo sviluppo di Fourier
f (x)
ck eikx
kZ
in cui
ck =
hf, ek i
1
=
2
kek k2
2
f (x) eikx dx .
1
:=
2
f (x) e
ikx
1
dx =
2
f (x) eikx dx = ck ,
X
ck eikx + ck eikx
k=1
h
X
i
X
ck eikx + ck eikx = c0 + 2
Re ck eikx
k=1
(f reale).
k=1
1
1
= coth 1
2
1+n
2
n=1
Soluzione. Usiamo la base degli esponenziali.
Z
Z
1
1
ikx
ck =
f (x) e
dx =
e(1ik)x dx
2
2
i
1 h (1ik)x i
1 h (1ik)
1
1
e
e
e(1ik)
=
=
2 1 ik
2 1 ik
Osservo che
eik = eik = (1)k ,
per cui
ck =
(1)k sinh
(1)k
e e =
.
2(1 ik)
(1 ik)
Poich`e f `e reale il suo sviluppo di Fourier pu`o essere scritto nella forma
f (x) c0 + 2
X
k=1
Re ck eikx .
176
Quindi otteniamo
"
#
eikx
X
sinh
k
f (x)
1+2
(1) Re
1 ik
k=1
"
#
1 + k2
k=1
"
#
X
sinh
(1)k
cos(kx) k sin(kx)
=
1+2
1 + k2
k=1
kf k22 =
|ck |2 kuk k22 = 2
|ck |2 .
kZ
kZ
1
(sinh )2
sinh 2
= 2
.
2
2
|1 ik|
(1 + k 2 )
sinh(2) = 2
X 1 i
(sinh )2 h
1
+
2
,
2
1 + k2
k=1
X
k=1
9.1.6
1
1 sinh(2)
1
=
1 = [ coth 1] .
1 + k2
2 2(sinh )2
2
Problemi
f (x) = sgn(x)
(b)
f (x) = x
9.2
f (x) = |x|
(c)
1
k=0 (2k+1)2
2
8
1
k=1 k2
2
6 .
(9.30)
f (x)
a0 X
+
[ak cos(kx) + bk sin(kx)]
2
k=1
177
in cui
(9.31)
ak =
f (x) cos(kx) dx
bk =
f (x) sin(kx) dx .
Ricordo che la (9.30) `e una scrittura simbolica che denota la convergenza della serie
nel senso della norma k k2 . In sostanza la (9.30) significa che
Z
n
a
2
X
0
lim
+
[ak cos(kx) + bk sin(kx)] dx = 0 .
f (x)
n
2
k=1
Vogliamo affrontare ora il problema della convergenza puntuale della serie di Fourier
alla funzione f , capire cio`e sotto quali condizioni `e possibile scrivere
(9.32)
f (x) =
a0 X
+
[ak cos(kx) + bk sin(kx)] .
2
k=1
9.2.1
Nella sezione 5.4.1 abbiamo definito una funzione continua a tratti come una funzione
f con discontinuit`
a isolate tale che per ogni punto di discontinuit`a u esistono e sono
finiti il limite destro e sinistro di f
f (u ) := lim f (x)
xu
x+
0
lim f 0 (x),
x+
0
lim f (x),
x
1
lim f 0 (x),
x
1
lim f (x),
...,
lim f 0 (x),
...,
x+
1
x+
1
lim f (x)
x
n
lim f 0 (x)
x
n
0
se x < 0
x 2
se 0 x < 1
f (x) =
x
se 1 x 2
1
se x > 2
178
f(x)
f(x)
-1
f (1+ ) = f (1) = 2 ,
f 0 (1+ ) = 1
f 0 (2 ) = 1
f 0 (2+ ) = 0 ,
0
f+
(x) := lim+
0
f (x + ) f (x+ )
0
f+
(x)
0
f
(x) := lim+
0
f (x ) f (x )
Si noti che la derivata destra (sinistra) `e stata definita usando il valore f (x+ ) (f (x ))
nel rapporto incrementale e non il valore f (x). Il motivo `e che in questo modo `e
0
possibile definire f
(x) anche in casi in cui f non `e continua in x.
0
f (x) = 1/2
1x
179
se x < 0
se x = 0
se x > 0
f(x)
1
-1
0+
0+
00
f (0 ) f (0 )
0
= lim+
= 0.
f
(0) = lim+
0
0
0
f+
(0) = lim
Per`
o, se noi avessimo definito la derivata destra (ad esempio) nellorigine usando il
valore f (0) invece che il valore f (0+ ) nel rapporto incrementale avremmo ottenuto
0
f+
(0) := lim+
0
f (0 + ) f (0)
(1 ) 1/2
= lim+
= + .
Quindi la funzione f non `e continua nel punto x = 0 ma, in accordo con la nostra definizione, esistono sia la derivata destra che quella sinistra. Osserviamo che la
derivata destra nellorigine coincide con il limite destro della derivata e, analogamente,
la derivata sinistra coincide con il limite sinistro. Infatti, si ha
(
0
se x < 0
0
f (x) =
1 se x > 0
per cui si ottiene (banalmente)
f 0 (0 ) = lim f 0 (x) = 0
x0
` sempre vero che che la derivata destra coincide con il limite destro
9.15 Domanda. E
della derivata e stessa cosa a sinistra? La risposta `e: quasi sempre. Nel senso che,
come spiegato nella Proposizione 9.16 e nellosservazione 9.17, se la funzione f `e differenziabile a tratti allora la risposta `e affermativa, per`o pu`o accadere che la derivata
0
destra (ad esempio) f+
(x) esista ma il limite destro della derivata f 0 (x+ ) non esista.
9.16 Proposizione. Se f : [a, b] R `e differenziabile a tratti e x (a, b) allora esiste
sia la derivata destra che quella sinistra di f in x. Inoltre si ha
0
f+
(x) = lim+ f 0 (x) =: f 0 (x+ )
0
0
f
(x) = lim f 0 (x) =: f 0 (x ) .
0
180
(9.35)
lim f 0 (y) .
yx+
f (x + ) f (x + )
= f 0 ()
in cui (x + , x + ).
Di conseguenza
f (x + ) f (x + )
lim+ lim+
f 0 (x+ ) ,
0 0
ovvero
f (x + ) f (x+ )
lim
f 0 (x+ ) .
0+
Poich`e `e arbitrario
f (x + ) f (x+ )
f 0 (x+ ) = 0 ,
lim+
0
0
ovvero la derivata destra f+
(x) esiste e vale
0
f+
(x) := lim+
0
f (x + ) f (x+ )
= f 0 (x+ ) .
0
9.17 Osservazione. Pu`
o accadere che esista la derivata destra f+
(x), ma non il limite
0
lim0+ f (x). Consideriamo infatti la funzione
f (x) := x2 sin(1/x)
Abbiamo che
f (0+ ) = lim+ f (x) = 0 ,
0
quindi
f () f (0+ )
f ()
= lim+
= lim+ sin(1/) = 0 .
0+
0
0
0
Questo ci dice che la derrivata destra f+ (0) esiste e vale 0. Daltra parte
lim
181
f 0 (x) G(x) dx
g(u) du + C
a
182
H 0 (x) dx +
H(x) ,
x(a,b)
in cui la sommatoria tiene conto dei salti di H. Applicando questa identit`a alla funzione
H = F G, otteniamo
b
F G a+ =
b
X
F 0 (x) G(x) + F (x) G0 (x) dx +
(F G)(x) .
x(a,b)
9.2.2
Convergenza puntuale
-3
-2
183
f (x) sin(sx) dx =
a
ib 1 Z b
1h
f (x) cos(sx) +
f 0 (x) cos(sx) dx
s
s a
a
Poich`e f `e continua e f 0 `e CAT, sia f che f 0 sono limitate in [a, b]. Possiamo porre
M := sup |f (x)|
x[a,b]
M 0 := sup |f 0 (x)| .
x[a,b]
Abbiamo quindi
Z
i 2M + |b a| M 0
1h
f (x) sin(sx) dx
.
|f (a)| + |f (b)| + |b a| M 0
|s|
s
n
1 sin 2n+1
1
1X
2 z
Dn (z) :=
cos(kz)
=
+
2 sin(z/2)
2
k=1
Allora:
Z
(9.43)
lim
f (x + z) Dn (z) dz =
f (x+ )
.
2
0
Analogamente se esiste f
(x) si ha
Z
(9.44)
lim
f (x + z) Dn (z) dz =
f (x )
.
2
Prima di dimostrare il Lemma 9.24 facciamo vedere come da questo segua facilmente
il risultato che stiamo cercando sulla convergenza puntuale della serie di Fourier.
9.25 Teorema. Sia f : R R una funzione 2periodica continua a tratti e sia Sn
la somma parziale nsima di Fourier di f . Se x R `e un punto in cui esistono sia la
0
0
derivata destra f+
(x) che quella sinistra f
(x) di f , si ha:
f (x)
se f `e continua in x
(9.45)
lim Sn (x) =
n
1 [f (x+ ) + f (x )] nel caso generale.
2
184
a0 X
+
[ak cos(kx) + bk sin(kx)]
2
k=1
Z
n Z
X
1
1
f (t) dt +
f (t) cos(kt) dt cos(kx)
=
2
k=1
Z
1
+
f (t) sin(kt) dt sin(kx)
"
#
Z
n
1 X
1
f (t)
=
+
(cos(kx) cos(kt) + sin(kx) sin(kt) dt
2
k=1
"
#
Z
n
1 X
1
f (t)
+
cos[k(t x)] dt .
=
2
Sn (x) =
k=1
Scrivendo cos(ku) = Re eiku non `e difficile far vedere che vale lidentit`a
n
sin 2n+1
1 X
2 u
+
cos[ku] =
,
2
2 sin u2
k=1
per cui, ricordando la definizione (9.42), otteniamo che la somma parziale nsima pu`o
essere scritta come
Z
Sn (x) =
f (t) Dn (t x) dt .
Sn (x) =
f (x + z) Dn (z) dz .
x
Z
f (x + z) Dn (z) dz +
f (x + z) Dn (z) dz
1
f (x+ ) + f (x ) .
2
185
Poich`e si ha
cos(kz)dz =
0
otteniamo appunto
Z
h sin(kz) i
k
= 0,
1
.
2
0
Questo mi istiga a pensare che se potessi sostituire la quantit`a f (x + z) nellintegrale
con f (x+ ) allora il valore dellintegrale sarebbe esattamente uguale a f (x+ )/2 senza
neanche bisogno di dover fare il limite. Dunque, lidea potrebbe essere quella di aggiungere e togliere f (x+ ) nellintegrando nel modo seguente:
Z
f (x + z) Dn (z) dz
0
Z
Z
+
=
f (x ) Dn (z) dz +
f (x + z) f (x+ ) Dn (z) dz
(9.48)
0
0
Z
f (x+ )
+
f (x + z) f (x+ ) Dn (z) dz .
=
2
0
Dn (z) dz =
avrei ottenuto proprio la (9.46) che `e il risultato cercato. Per dimostrare la (9.49) mi
viene in mente che forse potrei utilizzare il Lemma di RiemannLebesgue 9.23. Scrivo
quindi
Z
f (x + z) f (x+ ) Dn (z) dz
0
Z
sin 2n+1
1
+
2 z
dz
f (x + z) f (x )
=
2 0
sin(z/2)
(9.50)
Z
1
2n + 1
f (x + z) f (x+ )
=
sin
z dz
2 0
sin(z/2)
2
Z
1
f (x + z) f (x+ )
=
sin(sz) dz ,
2 0
sin(z/2)
in cui ho posto s = (2n + 1)/2. Ora potrei applicare il Lemma di RiemannLebesgue e
affermare che quando n (o, equivalentemente, s ) lintegrale tende a zero, a
patto di poter dire che la funzione che moltiplica il seno appartiene a L1 [0, ]. Rimane
dunque da dimostrare che
(9.51)
la funzione g(z) :=
f (x + z) f (x+ )
sin(z/2)
appartiene ad L1 [0, ].
In realt`
a dimostrer`
o che g `e limitata in [0, ] che implica g L1 [0, ]. Per dimostrare
che g `e limitata osservo che g `e continua a tratti in (0, ] poich`e il numeratore `e CAT
e il denominatore `e continuo e non nullo. Se riesco a far vedere inoltre che il limite
(9.52)
lim g(z)
z0+
186
z0
Ricapitolando: g `e una funzione CAT in (0, ], inoltre ho fatto vedere che il limite
quando z tende a 0 da destra esiste ed `e finito, quindi g `e CAT su [0, ]. Di conseguenza
g `e limitata e, a maggior ragione, appartiene a L1 [, ]. Questo mi permette di
usare il Lemma di RiemannLebesgue nella (9.50) e posso cos` dimostrare la (9.49).
Finalmente dalla (9.48) e (9.49) segue la (9.46).
9.26 Corollario. Se f : R R `e una funzione 2periodica e differenziabile a tratti
allora
f (x)
se f `e continua in x
(9.53)
lim Sn (x) =
n
1 [f (x+ ) + f (x )] nel caso generale.
2
` una conseguenza diretta del Teorema 9.25 e della Proposizione 9.16.
Dimostrazione. E
9.27 Osservazione. Esistenza di funzioni continue con serie di Fourier non convergente.
9.28 Problema. Per ciascuna delle seguenti funzioni f : [, ] 7 R sia Sn la
somma parziale nesima della serie di Fourier associata. Calcolare il limite S(x) :=
limn Sn (x) per ogni x [, ].
(
0
se x [, 0)
3
(a) f (x) = x
(b) f (x) =
1 x2 se x [0, ]
Soluzione. (a). Si tratta di una funzione differenziabile a tratti, quindi vale il teorema
che assicura la convergenza di Sn (x) al valore f (x) nei punti in cui f `e continua, al
valore (f (x ) + f (x+ ))/2 nei punti in cui f ha un salto.
Attenzione: per studiare la convergenza agli estremi dellintervallo [, ] bisogna
sempre pensare al prolungamento periodico di f .
Mentre la funzione x3 `e continua in [, ], il suo prolungamento periodico `e continuo
nei punti interni allintervallo, cio`e `e continuo in (, ) ma ha un salto nei punti
x = e x = . In entrambi questi punti il limite da sinstra vale 3 , mentre il limite
da destra vale 3 . Quindi ottengo, per x = ,
1 3
1
S() =
f ( ) + f ( + ) =
3 = 0 .
2
2
Riassumendo
(
x3 se x (, )
S(x) =
0
se x = o x =
(b). I punti di discontinuit`
a del prolungamento periodico di f sono x = , x = 0 e
x = . Quindi
1
1 2
1
f ( ) + f ( + ) = 1 2 + 0 =
2
2
2
1
1
1
+
S(0) =
f (0 ) + f (0 ) = 0 + 1 = .
2
2
2
S() =
187
Riassumendo
1/2
S(x) =
1 x2
(1 2 )/2
9.3
se
se
se
se
x (, 0)
x=0
x (0, )
x = o x =
.
9.29 Proposizione. Ciascuno dei seguenti due insiemi di vettori
(a) cos(nx) n = 0, 1, 2, . . .
(b) sin(nx) n = 1, 2, . . .
f (x)
(9.54)
a
0 X
+
a
k cos(kx)
2
k=1
f (x)
(9.55)
bk sin(kx)
k=1
in cui
(9.56)
a
k =
f (x) cos(kx) dx
0
bk = 2
f (x) sin(kx) dx
0
Dimostrazione. Lortogonalit`
a dei due sistemi di vettori si verifica facilmente. Per
dimostrarne la completezza faccio vedere che, per ogni f L2 [0, ], valgono gli sviluppi
(9.54) e (9.55).
Se f L2 [0, ] posso definire fp , fd L2 [, ] come i prolungamenti pari e dispari
di f , vale a dire come
(
(
f (x)
se x [0, ]
f (x)
se x [0, ]
fp (x) :=
fd (x) :=
f (x) se x [, 0)
f (x) se x [, 0)
Applicando la (9.9) alle funzioni fp e fd ottengo
(9.57)
ap X p
fp (x) 0 +
[ak cos(kx) + bpk sin(kx)]
2
(9.58)
ad X d
fd (x) 0 +
ak cos(kx) + bdk sin(kx)
2
k=1
k=1
Utilizzando le (9.10) ed il fatto che le funzioni fp (x) cos(kx) e fd (x) sin(kx) sono pari,
mentre le funzioni fp (x) sin(kx) e fd (x) cos(kx) sono dispari ottengo
Z
Z
1
2
p
ak =
fp (x) cos(kx) dx =
f (x) cos(kx) dx = a
k
0
Z
1
bpk =
fp (x) sin(kx) dx = 0
Z
1
adk =
fd (x) cos(kx) dx = 0
Z
Z
1
2
d
bk =
fd (x) sin(kx) dx =
f (x) sin(kx) dx = bk ,
0
188
(9.59)
fp (x)
a
0 X
+
a
k cos(kx)
2
fd (x)
k=1
bk sin(kx)
k=1
(9.60)
Sn (x) :=
a
0 X
+
a
k cos(kx) .
2
k=1
(9.61)
Z
=2
|fp (x) Sn (x)|2 dx = 2kf Sn k2L2 [0,] .
0
9.3.1
x2
2.
2
Sviluppo n.1. Possiamo usare le formule (9.25), (9.26) per lo sviluppo in serie di
Fourier in un intervallo arbitrario [a, b]. Questo equivale considerare la funzione f
definita in [0, ] `e prolungarla periodicamente a tutto lasse reale, come si vede nella
figura 9.2.
f(x)
-3
-2
Sviluppo n.2. Un secondo sviluppo possibile `e quello che usa solo i coseni, dato
dalle formule (9.54), (9.56). Questo equivale a prendere la funzione f definita in [0, ],
prolungarla prima in modo pari sullintervallo [, ] e poi prolungarla periodicamente
a tutto lasse reale come mostrato nella figura 9.3.
189
f(x)
-3
-2
Sviluppo n.3. Possiamo infine usare lo sviluppo dei seni dato dalle formule (9.55),
(9.56), che equivale a prendere la funzione f definita in [0, ], prolungarla prima in
modo dispari sullintervallo [, ] e poi prolungarla periodicamente a tutto lasse
reale come mostrato nella figura 9.4.
f(x)
-3
-2
Dove convergono questi sviluppi? Chiamo S (r) (x) la somma della serie di Fourier
associato allo sviluppo rsimo, in cui r pu`o valere 1, 2, 3. In tutti e tre i casi ho a che
fare con funzioni differenziabili a tratti, per cui vale il Corollario 9.26. Ottengo quindi,
(
f (x)
x (0, )
(1)
S (x) = 2
S (2) (x) = f (x) x [0, ]
2
x
{0,
}
4
(
f (x) x (0, )
S (3) (x) =
0
x {0, }
9.4
9.4.1
x [0, `] ,
(9.63)
u(x, 0) = f (x)
x [0, `]
(9.64)
ux (0, t) = ux (`, t) = 0
t > 0,
(9.62)
t>0
190
u
t
ux :=
u
.
x
La funzione u(x, t) `e definita sulla semistriscia infinita [0, `][0, ). Per chi si trova pi`
u
a suo agio pensando ad una situazione fisica concreta piuttosto che ad unastrazione
matematica, si pensi ad una barra unidimensionale2 di lunghezza ` fatta di un qualche
materiale che conduce calore. La funzione u(x, t) rappresenta la temperatura della
barra nel punto x al tempo t. Il parametro > 0 `e una cosa tipo la conducibilit`
a
termica della barra. E infatti se ponessimo = 0 otterremmo dalla (9.62) che la
derivata rispetto al tempo di u `e nulla, vale a dire la temperatura `e costante nel
tempo perch`e la barra non conduce calore. La funzione f che appare nella (9.63) `e la
temperatura iniziale, o meglio la distribuzione iniziale della temperatura della barra.
Le equazioni (9.64) infine sono le condizioni al bordo di questo problema. In qeusto
caso si chiamano condizioni Neumann perch`e riguardano la derivata della funzione
u nei due punti di bordo (x = 0 e x = `) del problema. Imporre che la derivata
spaziale della temperatura sia nulla corrisponde allassunzione fisica che la barra sia
termicamente isolata dallesterno, senza cio`e scambio di calore ai due estremi.
Bene, dobbiamo quindi trovare u(x, t) che soddisfi le (9.62), (9.63), (9.64). Lidea `e
quella di supporre che per ogni valore fissato di t 0, la funzione u(x, t) si possa
scrivere come serie di Fourier nel dominio delle x, con coefficienti di Fourier che ovviamente dipenderanno dal tempo. Ora possono nascere i primi dubbi e tentennamenti,
perch`e abbiamo visto che c`e pi`
u di una modalit`a di sviluppare una funzione in serie
di Fourier. Potremmo, per dirne una, usare gli esponenziali complessi e, considerando
che siamo sullintervallo [0, `], scriviamo
X
u(x, t) =
ck (t) ei2kx/` ,
kZ
bk (t) sin(kx/`)
k=1
o magari quella dei coseni. Lelemento del problema che ci indica la via giusta da
seguire `e la condizione al bordo (9.64). Poich`e le quantit`a ux (0, t) e ux (`, t) devono
essere entrambi nulle per ogni t > 0 sarebbe carino che la funzione ux (x, t) si potesse
esprimere come una somma di sin(kx/`), in modo tale che la condizione al bordo
sia automaticamente soddisfatta. Di conseguenza la scelta che sembra appropriata `e
quella si espandere u(x, t) come serie dei coseni, in modo tale che, derivando rispetto
ad x otteniamo una serie di seni. Poniamo quindi
(9.65)
h kx i
a0 (t) X
+
ak (t) cos
.
u(x, t) =
2
`
k=1
ut (x, t) =
h kx i
a 0 (t) X
+
a k (t) cos
2
`
k=1
uxx (x, t) =
X
k 2
k=1
2 uhm. . . non
ak (t) cos
h kx i
`
191
a k (t) =
a 0 (t) = 0
k 2
`
ak (t) k = 1, 2, . . .
a0 (t) = a0
in cui, per semplicit`
a, abbiamo posto
an := an (0)
n = 0, 1, 2, . . . .
u(x, t) =
h kx i
h k 2 i
a0 X
t cos
.
+
ak exp
2
`
`
k=1
u(x, 0) =
h kx i
a0 X
+
ak cos
= f (x) .
2
`
k=1
Questa uguaglianza ci dice che i coefficienti ak sono nientaltro che i coefficienti associati alla funzione data f , quando questa viene sviluppata in serie di Fourier dei coseni
nellintervallo [0, `]. Di conseguenza abbiamo
(9.68)
ak =
2
`
h ky i
f (y) cos
dy .
`
2
`
f (y) dy .
0
Quindi abbiamo
lim u(x, t) =
a0
1
=
2
`
f (y) dy ,
0
192
9.4.2
x [0, `]
(9.70)
u(x, 0) = f (x)
x [0, `]
(9.71)
u(0, t) = u(`, t) = 0
t > 0.
t>0
9.5
Sn (x) =
a0 X
+
[ak cos(kx) + bk sin(kx)] ,
2
k=1
`e una successione di funzioni continue. Ora sappiamo che se una successione di funzioni
continue converge uniformemente, il suo limite `e una funzione continua, quindi affinch`e
Sn abbia una qualche speranza di convergere uniformemente ad f bisogna assumere
che f sia continua. Abbiamo infatti il seguente risultato:
9.31 Teorema. Sia f : R R una funzione 2periodica, continua, con derivata
continua a tratti. Allora la somma parziale nsima di Fourier Sn di f converge ad f
uniformemente, quando n .
Dimostrazione. Le ipotesi del teorema insieme al Corollario 9.25 ci dicono che la serie
di Fourier converge puntualmente ad f su tutto lasse reale, per cui possiamo scrivere
(9.72)
a0 X
+
[ak cos(kx) + bk sin(kx)]
f (x) =
2
x R.
k=1
Rimane da dimostrare che la serie di funzioni che appare al secondo membro converge
uniformemente. Lidea `e quella di usare il criterio di Weierstrass per la convergenza
uniforme di una serie di funzioni. Devo cio`e riuscire a maggiorare il modulo del termine
ksimo della serie con una costante
|ak cos(kx) + bk sin(kx)| Mk
e sperare che sia
X
k=1
Mk < .
193
Una possibilit`
a che non richiede particolari doti di immaginazione3 `e quella di scrivere
(9.73)
[ |ak | + |bk | ] .
k=1
f 0 (x)
a00 X 0
+
[ak cos(kx) + b0k sin(kx)] .
2
k=1
Non possiamo far affermazioni sulla convergenza puntuale di questo sviluppo, ma non
`e importante. Quello che ci interessa `e il fatto che i coefficienti della serie di Fourier
di f 0 sono in `2 , cio`e
(9.74)
|a0k |2 <
k=1
|b0k |2 < .
k=1
ak = b0k /k
bk = a0k /k
k = 1, 2, 3, . . .
X
(9.76)
X
0
|ak | + |bk | =
|ak |/k + |b0k |/k .
k=1
k=1
X
k=1
0 2
1X
|ak | + 1/k 2 + |b0k |2 + 1/k 2
|a0k |/k + |b0k |/k
2
k=1
X
|ak | + |bk |
k=1
3 seguendo
194
10.1
Lidea
Il metodo dello sviluppo in serie di Fourier ci permette di scrivere una qualsiasi funzione
periodica come combinazione lineare (infinita) di seni e coseni, oppure di esponenziali
a esponente immaginario (funzioni periodiche elementari).
` possibile estendere in qualche modo questo metodo allo scopo di
10.1 Domanda. E
poter trattare funzioni non periodiche definite su tutto lasse reale?
Sia ad esempio
f (x) =
1
1 + x2
x R.
Si pu`
o scrivere f come combinazione lineare di funzioni periodiche elementari? Lidea `e
la seguente: invece di considerare f come una funzione definita su R, la pensiamo come
se fosse definita sullintervallo [L, L], e poi ne facciamo il prolungamento periodico.
A questo punto abbiamo una funzione periodica di periodo 2L che chiamiamo fL .
f(x)
-3 L
-2 L
-L
2L
3L
fL (x)
ck eikx/L
ck =
kZ
1
2L
fL (x) eikx/L dx .
Lidea della trasformata di Fourier a questo punto `e la seguente: faccio tendere nella
(10.1) L allinfinito. In questo modo la funzione fL tende alla mia funzione originale
f . Come vedremo nel Teorema 10.13, quando L la somma su k diventa un
integrale di Riemann e si ottiene (se f `e continua) il risultato seguente:
Z
Z
1
(10.2)
f (x) =
g() eix d
g() =
f (x) eix dx .
2 R
R
195
196
La formula a sinistra ci dice che, nel caso di una funzione non periodica, `e ancora
possibile scrivere f come combinazione lineare infinita di esponenziali immaginari, a
patto di considerare come combinazione lineare infinita non una serie ma un integrale.
Non avremo pi`
u, quindi, una successione di coefficienti di Fourier ck , ma una funzione
di coefficienti g(). La funzione g `e detta trasformata di Fourier di f .
10.2
Definizione e propriet`
a elementari
F(f )() = f () :=
f (x) eix dx
R.
R
Osservo che, poich`e |f (x) eix | = |f (x)|, se f L1 (R), anche la funzione f (x) eix
appartiene a L1 (R), quindi lintegrale `e ben definito.
10.3 Proposizione. Sia f L1 (R; C). Allora
(1) F[f]() = F[f ]().
(2) Se f `e reale F[f ]() = F[f ]().
(3) Se f `e reale pari F[f ] `e reale e pari.
(4) Se f `e reale dispari F[f ] `e immaginaria pura dispari.
Dimostrazione. Puramente meccanica, lasciata come esercizio.
10.4 Problema. Sia f L1 (R; C) e sia g := F[f ]. Dimostrare le seguenti identit`a:
F[f (x) eiax ]() = g( a)
1
F[f (x) cos(ax)]() = [g( + a) + g( a)]
2
1
F[f (a x)]() =
g(/a)
|a|
10.3
aR
aR
a R, a 6= 0
Regolarit`
a e andamento allinfinito
|f (x)| |eix 1| dx
R
Z
Z
|f (x)| |eix 1| dx + 2
|f (x)| dx
|x|a
|x|>a
Siccome
(10.3)
` E ANDAMENTO ALLINFINITO
10.3. REGOLARITA
197
Z
|f (x)| dx + 2
|f (x)| dx
|x|a
|x|>a
Z
|| a kf k1 + 2
|f (x)| dx .
|g( + ) g()| || a
|x|>a
p
||. In questo modo otteniamo
Z
p
|g( + ) g()| || kf k1 + 2
|f (x)| dx .
|x|>1/
||
Siccome
K
Z
(10.5)
|f (x)| dx = kf k1 .
lim
si ha
Z
|f (x)| dx = 0 .
lim
|x|>K
Di conseguenza lintegrale che appare al secondo membro della (10.4) tende a zero,
quando 0. Abbiamo quindi ottenuto che
lim |g( + ) g()| = 0 ,
|x|>a
Poich`e il secondo integrale tende a zero quando a , dato > 0 arbitrario, possiamo
scegliere a in modo tale che questo integrale sia minore od uguale a . Quindi
Z
|g()|
f (x) eix dx + .
|x|a
198
f 0 (x) eix dx
(10.6)
f (x) eix
+ i
f (x) eix dx
+
= f (x) eix + i F[f ]() .
Nel caso in cui lim f (x) = 0 otteniamo cF [f 0 ]() = i F[f ]() che, iterata, dimostra
il punto (1). Sappiamo per`
o (vedi il Problema 3.41) dallintegrabilit`a assoluta di f non
discende necessariamente che f tende a zero allinfinito. In questo caso per`o si pu`o
usare lipotesi che f 0 L1 (R). Possiamo scrivere infatti
x
f 0 (u) du .
f (x) = f (0) +
0
f 0 (u) du ,
lim
k = 1, . . . , p .
Dimostrazione. Sia
Z
g() :=
f (x) eix dx .
g( + ) g()
=
0
lim
` E ANDAMENTO ALLINFINITO
10.3. REGOLARITA
199
Per far vedere che vale la (10.7) procedo nel modo seguente
g( + ) g() Z
(ix) f (x) eix dx
R
ix
Z
e
1
= f (x) eix
+ ix dx
R
Z
eix 1
|f
(x)|
+
ix
dx
(10.8)
R
Z
eix 1
=
|x f (x)|
+ i dx
x
|x|a
Z
eix 1
+
|x f (x)|
+ i dx
x
|x|>a
Il termine |(eix 1)/x + i| pu`
o essere stimato in due modi diversi. Un primo modo
`e il seguente: grazie alla (10.3) si ottiene
eix 1
eix 1
(10.9)
+ i
+ |i| 2 .
x
x
Alternativamente, dallo sviluppo di Taylor del seno e del coseno, si ottiene
| cos 1|
1 2
| sin |
1
||3 .
3!
Di conseguenza abbiamo
eix 1
cos(x) 1
x sin(x)
+ i =
+i
x
x
x
1 cos(x) |x sin(x)|
(10.10)
+
|x|
|x|
1
1
|x| + |x|2 .
2
6
Usando sia la (10.9) che la (10.10) si ottiene dalla (10.8)
g( + ) g() Z
(ix) f (x) eix dx
R
Z
Z
|x| |x|2
|x f (x)|
+
dx + 2
|x f (x)| dx
2
6
|x|a
|x|>a
Z
Z
(10.11)
|a| |a|2
+
|x f (x)| dx + 2
|x f (x)| dx
2
6
|x|a
|x|>a
Z
|a| |a|2
+
kx f k1 + 2
|x f (x)| dx
2
6
|x|>a
p
Scegliendo ora a := 1/ || e facendo il limite 0 si ottiene
g( + ) g() Z
lim
(ix) f (x) eix dx
0
R
!
p
(10.12)
Z
|| ||
lim
+
kx f k1 + 2
|x f (x)| dx = 0 .
0
2
6
|x|>1/ ||
Abbiamo quindi fatto vedere che vale la (10.7) che, iterata, dimostra la proposizione.
200
10.8 Problema. Sia g la trasformata di Fourier della funzione f . Cosa si pu`o affermare, nei casi seguenti, sul grado di derivabilit`a di g senza doverla calcolare?
1
sin x
(c) f (x) =
(a) f (x) = x7 e |x|
(b) f (x) =
1 + x2
1 + |x|3
Soluzione.
(a) Poich`e xn f L1 (R) per ogni n N, g `e infinitamente differenziabile.
(b) In questo caso f L1 (R) ma xf
/ L1 (R), quindi non possiamo affermare nulla
sulla derivabilit`
a di g.
(c) Si vede che le funzioni f e xf appartengono a L1 (R) ma x2 f
/ L1 (R), quindi g `e
di classe C 1 .
10.9 Problema. Sia g la trasformata di Fourier della funzione f . Senza dover calcolare g, `e possibile affermare che g `e di classe C p e che lim q g() = 0, in cui p e q
valgono . . .
(
sin2 (x) se x [0, 2]
1
(a) f (x) =
(b)
f
(x)
=
1 + x6
0
altrimenti
Soluzione.
(a) Poich`e xk f L1 , per k = 0, 1, 2, 3, 4 g C 4 .
Poich`e f C e f (k) L1 per tutti i k interi non negativi si ha che lim k g() = 0
per ogni k N, vale a dire g va a zero allinfinito pi`
u velocemente di qualsiasi potenza.
(b) La funzione f `e continua a supporto compatto, quindi xk f L1 per ogni k N.
Di conseguenza g C .
Voglio trovare il massimo valore di p tale che f C p1 con f (p) continua a tratti. Gli
unici punti in cui f o le sue derivate possono essere discontinue sono i due punti di
raccordo, x = 0 e x = 2. Poich`e f `e simmetrica rispetto al punto x = `e sufficiente
limitarsi a studiare la continuit`
a delle derivate di f in x = 0. Sia g(x) := sin2 (x). Allora
g 0 (x) = 2 sin(x) cos(x) = sin(2x)
g 00 (x) = 2 cos(2x)
Per cui otteniamo:
lim f (x) = sin2 (0) = 0
lim f (x) = 0
x0
x0+
lim f 0 (x) = 0
x0
x0+
lim f 00 (x) = 0
x0
x0+
10.4
201
Dimostriamo ora la formula annunciata allinizio del capitolo che afferma che se g `e la
trasformata di Fourier di f
Z
(10.13)
g() =
f (x) eix dx ,
R
1
F P .
2
202
(10.16)
(Teorema di Plancherel) .
kF(f )k2 = kgk2 = 2 kf k2
Dimostrazione. Assumiamo inizialmente che f Cc (R; C) e scegliamo a > 0 tale
che f (x) = 0 se |x| > a. Sia poi (0, 1/a) e sviluppiamo f in serie di Fourier
nellintervallo [1/, 1/].
X
f (x) =
ck eikx
kZ
con
(10.17)
ck =
1/
f (x) eikx dx =
1/
f (x) eikx dx =
g(k) .
2
X
g(k) eikx .
2
kZ
Ponendo
()
k := k ,
abbiamo
()
()
1 X
X
()
()
()
()
g(k ) eik x =
g(k ) eik x k k1
2
2
kZ
kZ
()
1 X
()
()
ik x
g(k ) e
k
=
2
f (x) =
(10.18)
kZ
=
g() eix d ,
(10.19)
k
k
2
0+ 2
R
kZ
2
2
R
kZ
kZ
kZ
203
x Q
f Cc (R; C) .
per cui
kF(gn )ku = sup |F(gn )()| |F(gn )(0)| 2n .
R
kF(gn )ku
= + ,
kgn ku
204
g() eix d
x R .
g() eix d .
ix
Z
d =
va inteso come
lim
K+
g() eix d .
10.5
Convoluzione
La formula F(f 0 )() = (i) F(f ) ci dice che loperazione di derivazione si riflette sulla
trasformata di Fourier come una semplice moltiplicazione per i. In un qualche senso
la derivata `e unoperazione che risulta pi`
u semplice se effettuata nello spazio di
Fourier.
Voglio introdurre ora unaltra operazione che ha la stessa caratteristica, vale a dire
appare pi`
u complicata nello spazio x e pi`
u semplice nello spazio .
10.15 Definizione. Date due funzioni f, g L1 (R) limitate, si definisce convoluzione
(o prodotto di convoluzione) fra f e g e si indica con il simbolo f g, la funzione
Z
(10.20)
(f g)(x) :=
f (y) g(x y) dy
x R.
(10.21)
Z
Z
f (y) g(x y) dy
|f (y) g(x y)| dy
R
R
Z
kf ku
|g(x y)| dy = kf ku kgk1 .
R
10.5. CONVOLUZIONE
205
Z
Z b hZ
i
f (y) g(x y) dy dx
|f
(y)
g(x
y)|
dy
dx
a
R
R
a
Z hZ b
Z
i
hZ b
i
=
|f (y) g(x y)| dx dy =
|f (y)|
|g(x y)| dx dy
Z
|(f g)(x)| dx
a
Z
=
hZ
|f (y)|
by
Z
i
hZ
|g(u)| du dy
|f (y)|
ay
i
|g(u)| du dy
Z
|f (y)|kgk1 dy kgk1 kf k1 .
=
R
206
10.6
Consideriamo nuovamente lequazione del calore gi`a incontrata nella Sezione 9.4, ma
questa volta su tutto lasse reale.
(10.22)
x R,
(10.23)
u(x, 0) = u0 (x)
x R.
t>0
(10.25)
vale a dire
vt (, t) = F(ut (x, t)) .
Applicando quindi loperazione trasformata di Fourier alle uguaglianze (10.22), (10.23),
queste si diventano
vt (, t) = K 2 v(, t)
R,
v(, 0) = F(u0 )
R.
t>0
Si vedi quindi che, nello spazio di Fourier, lequazione differenziale a derivate parziali
(10.22), (10.23) si `e trasformata in una collezione infinita di equazioni differenziali
ordinarie, una per ogni, valore di la cui soluzione `e data da
(10.26)
v(, t) = v(, 0) eK
= F(u0 )() eK t .
i
2
1
ex /(4Kt) .
2 Kt
La Proposizione 10.19 ci dice che il prodotto delle trasformate di Fourier pu`o essere
scritto come la trasformata di Fourier della convoluzione, per cui otteniamo
h
i
2
1
F(u(x, t)) = F u0
ex /(4Kt) .
2 Kt
207
e(xy) /(4Kt)
Kt (x, y) :=
.
2 Kt
La quantit`
a Kt pu`
o essere pensata come il nucleo integrale di un operatore Pt che
agisce su un qualche spazio, ad esempio L1 (R). La (10.28) pu`o essere riscritta come
Z
u(x, t) =
Kt (x, y) u0 (y) dy ,
R
`e costante nel tempo. Infatti si verifica immediatamente a partire dalla (10.28) che
Z
Z
u(x, t) dx =
u0 (x) dx
t 0 .
R
A quale velocit`
a si propaga il calore?
Supponiamo di voler determinare a quale velocit`a si propaga il calore. Per farlo
si pu`
o pensare di usare come condizione iniziale u0 (x) una funzione che abbia un
picco molto stretto ad esempio nellorigine e calcolare quanto tempo bisogna aspettare
affinch`e leffetto arrivi nel punto x. Poniamo ad esempio
(
1 se |x|
u0 (x) :=
0 se |x| >
in cui `e un numero positivo molto piccolo.3 Con questa scelta, la soluzione data
dalla (10.28) si pu`
o scrivere in modo approssimato come
(10.29)
1
u(x, t) =
2 Kt
e(xy)
/(4Kt)
dy
ex /(4Kt)
.
Kt
Notiamo subito una cosa: al tempo iniziale la temperatura `e diversa da zero soltanto
in un intervallo di larghezza 2 centrato sullorigine. Nonostante ci`o, comunque si
scelga un valore di t positivo piccolo a piacere e un valore di x grande a piacere, la
2 stiamo
3 quanto
208
(10.29) ci dice4 che comunque si ha u(x, t) > 0. Quindi leffetto del picco nellorigine
viene percepito immediatamente (anche se in modo fievolo a causa del fattore gaussiano) a distanze arbitrariamente grandi, cosa che non avviene, ad esempio, nel caso
dellequazione delle onde. In questo senso, quindi, il calore si propaga con velocit`
a
infinita.
Qualcuno potrebbe obiettare che, s`, va bene, c`e un effetto di propagazione a velocit`
a infinita, ma non `e interessante, proprio perch`e questeffetto `e molto piccolo a
2
causa del fattore ex , e allora perch`e dargli tutta questa importanza? Limportanza
sta nel comportamento qualitativo della soluzione dellequazione del calore che per
questa (e mille altre) ragioni `e radicalmente diverso dal comportamento qualitativo,
per dire, dellequazione delle onde. Comunque, quasi a voler dar ragione (parzialmente) allobiettore, considero un secondo problema, in un qualche senso complementare al primo, sempre collegato alla velocit`a di propagazione del calore. Invece di
accontentarmi di vedere un effetto fievolo, mi chiedo: quando devo aspettare per
vedere nel punto x = L un innalzamento consistente della temperatura, dovuto alla
propagazione del calore che origina nellorigine (ehm. . . )? Innanzi tutto devo stabilire cosa `e ragionevole definire consistente. Un modo per stabilirlo `e il seguente:
fissiamo lattenzione sulla temperatura in x = L. Al tempo zero la temperatura `e nulla
(supponendo L > ). Poi, come abbiamo visto, diventa immediatamente positiva e ci
si pu`
o aspettare che aumenti fino ad un certo valore massimo che si avr`a in corrispondenza di un certo valore del tempo t = (L). Dopodich`e scender`a di nuovo tendendo
a zero quando t . Potremmo quindi (forse) definire velocit`a di propagazione del
calore come il rapporto L/ (L) (forse). Provo. Prendiamo la formula (10.29). Se assumo L 4Kt la formula approssimata che appare nel membro a destra della (10.29)
`e una buona approssimazione (giusto?), per cui si ha
2
eL /(4Kt)
.
u(L, t)
Kt
Per calcolare il massimo, come funzione del tempo, poniamo uguale a zero la derivata
2
2
L2
1
1
0 = ut (L, t) =
3/2 eL /(4Kt) + eL /(4Kt)
,
4Kt2
2t
t
K
da cui si ottiene
L2
1
= 0,
+
2 4Kt
ovvero, il valore di t = (L) per il quale si ha un massimo della temperatura nel punto
L `e dato da
L2
.
(L) =
2K
Conclusione: il tempo neccessario per la per progagazione del calore fino al punto L
non `e proporzionale ad L, ma ad L2 ! In questo senso possiamo dire che la velocit`a di
propagazione del calore non esiste. Un comportamento di questo tipo in cui il tempo
necessario a percorrere una certa distanza `e porporzionale al quadrato della distanza
`e chiamato comportamento diffusivo e si verifica, ad esempio, nel moto browniano che
(non a caso) `e matematicamente intimamente legato allequazione del calore. Osserviamo infine che il tempo (L) `e inversamente proporzionale alla conducibilit`a termica
K, come `e giusto che sia.
4 si
pu`
o usare lespressione esatta se non ci si fida di quella approssimata