Outline S PDF

Filippo Cesi
Rudimenti di analisi infinito dimensionale

Versione 0.2 (Salamandra)
(a planet dust diversion)
Precisazione. Tranttandosi di una versione alpha, questa

(ehm) opera conterr`
a sicuramente molti errori, imprecisioni,
omissioni, dimostrazioni lasciate in sospeso, esercizi incompleti, punti interrogativi, geroglifici o simboli di alfabeti ancora
sconosciuti, macchie di sugo, ecc. Il Lettore, nel pieno delle sue
facolt`
a, dichiara di accettare lopera cos` comè e dichiara (altres`) che mai e poi mai avr`
a intenzione di rivalersi sullAutore
per eventuali danni materiali, morali o di altro genere in cui
potr`
a incorrere a causa di informazioni errate, incomplete o anche palesemente malevole contenute nellopera stessa.
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 . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
3 Spazi vettoriali e di Banach

3.1 Definizioni . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Esempi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3 Esempi: Spazi finito dimensionali . . . . . . . . . . . . . . . . . . .
3.3.1 Le norme k kp . . . . . . . . . . . . . . . . . . . . . . . . .
3.3.2 Disuguaglianze di Holder e di Minkowski . . . . . . . . . .
3.4 Concetti metrici negli spazi vettoriali normati . . . . . . . . . . .
3.5 Spazi infinito dimensionali: spazi di successioni . . . . . . . . . . .
3.5.1 Lo spazio delle successioni limitate: ` . . . . . . . . . . .
3.5.2 Lo spazio delle successioni convergenti a zero: `0 . . . . . .
3.5.3 Gli spazi `p con p [1, ) . . . . . . . . . . . . . . . . . . .
3.5.4 Lo spazio delle successioni finite: `f . . . . . . . . . . . . .
3.6 Spazi infinito dimensionali: spazi di funzioni . . . . . . . . . . . . .
3.6.1 Gli spazi C[a, b], Cb (R), C0 (R), Cc (R) . . . . . . . . . . . .
3.6.2 Gli spazi Cp [a, b], Cp (R) in cui p [1, ) . . . . . . . . . .
3.6.3 Altri spazi vettoriali importanti . . . . . . . . . . . . . . . .
3.7 Indipendenza lineare . . . . . . . . . . . . . . . . . . . . . . . . . .
3.7.1 Come si dimostra che un insieme di vettori è linearmente
dipendente? . . . . . . . . . . . . . . . . . . . . . . . . . . .
5
.
.
.
.
.
.
.
.
.
.
.
.
.
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
Insiemi completi di vettori e basi . . . . . . . . . . . . . . . . . . . . .

Completezza. Spazi di Banach . . . . . . . . . . . . . . . . . . . . . .
3.9.1 Riassunto: strategia per dimostrare la completezza di uno spazio
normato . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.10 Separabilit`
a . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4 Spazi di Hilbert
4.1 Definizioni . . . . . . . . . . . . . . . . . . . . . . . . .
4.1.1 Esempi di spazi euclidei . . . . . . . . . . . . .
4.1.2 La regola del parallelogramma . . . . . . . . .
4.1.3 Problemi . . . . . . . . . . . . . . . . . . . . .
4.2 Complemento ortogonale . . . . . . . . . . . . . . . . .
4.3 Sistemi ortogonali, completezza, basi . . . . . . . . . .
4.4 Disuguaglianza di Bessel . . . . . . . . . . . . . . . . .
4.5 Riassunto delle precedenti puntate . . . . . . . . . . .
4.6 Teorema: isomorfismo degli spazi di Hilbert separabili
4.7 Proiezioni ortogonali . . . . . . . . . . . . . . . . . . .
. 63
. 67
. 71
. 72
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
77
77
79
80
80
81
85
88
95
95
95
5 Funzionali lineari e distribuzioni

5.1 Funzionali lineari continui . . . . . . . . . . . . . . . . . . . .
5.2 Lo spazio duale . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.1 Lo spazio duale è uno spazio vettoriale normato . . . .
5.2.2 Identificazione di alcuni spazi duali importanti . . . .
5.2.3 Lo spazio duale di uno spazio di Hilbert . . . . . . . .
5.3 Convergenza debole . . . . . . . . . . . . . . . . . . . . . . .
5.4 Distribuzioni . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.4.1 Funzioni con discontinuità isolate . . . . . . . . . . . .
5.4.2 Definizioni . . . . . . . . . . . . . . . . . . . . . . . . .
5.4.3 La delta di Dirac . . . . . . . . . . . . . . . . . . . . .
5.4.4 La parte principale di 1/x . . . . . . . . . . . . . . . .
5.4.5 Operazioni sulle distribuzioni . . . . . . . . . . . . . .
5.4.6 La distribuzione [b(x)] (da non confondere con 0 (b)!)
5.4.7 Alcune identit`
a notevoli fra distribuzioni . . . . . .
5.4.8 Il potenziale elettrostatico . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
7 Bagliori di teoria della misura

161
7.1 Spazi di misura . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 161
7.2 La misura di Lebesgue . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
7.3 Lintegrale di Lebesgue e gli spazi Lp (Rn , dx) . . . . . . . . . . . . . . . 163
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
Elenco dei simboli usati

I Esercizio non ultrafacilissimo
H Esercizio non facilissimo
Z Esercizio che quasi si potrebbe dire difficilino (quasi)
_ Esercizio difficilino (senza quasi)
+ Esercizio svolto (pi`
u o meno) nei Rudimenti
$ Esercizio facoltativo
Arg z arg(,] z è il valor principale dellargomento
Br (x) Palla di centro x e raggio r
C(R) Insieme delle funzioni continue su R
C(X) Insieme delle funzioni continue su uno spazio metrico X
Cb (X) Insieme delle funzioni continue e limitate su uno spazio metrico X
C0 (R) Insieme delle funzioni continue su R che tendono a zero allinfinito
Cc (X) Insieme delle funzioni continue su X a supporto compatto
Cp (R) (p [1, )). Insieme delle funzioni continue con norma k kp finita
C k (R) Insieme delle funzioni reali con k derivate continue
Cbk (R) Insieme delle funzioni reali f tali che f , f 0 , . . . , f (k) appartengono a Cb (R)
C0k (R) Insieme delle funzioni reali f tali che f , f 0 , . . . , f (k) appartengono a C0 (R)
C (R) Insieme delle funzioni reali infinitamente differenziabili
Cc (R) Insieme delle funzioni reali infinitamente differenziabili a supporto compatto
cis() cos + i sin .
a Delta di Dirac nel punto a (5.5)
g Funzionale lineare corrispondente alla funzione g (5.3)
K Spazio delle funzioni fondamentali [5.33]
K Distribuzioni sullo spazio delle funzioni fondamentali
K
Convergenza nello spazio K [5.34]

K
Convergenza nello spazio K
Ker A Nucleo delloperatore lineare A

` Insieme delle successioni reali limitate
`0 Insieme delle successioni reali che tendono a zero
`p (p [1, )). Insieme delle successioni reali con norma k kp finita
`f Insieme delle successioni reali con un numero finito di elementi non nulli
9
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
(xn + y n ) = (x + y) xn1 xn2 y + xn3 y 2 + x y n2 + y n1

Il simbolo nk è il coefficionte binomiale dato da

n
n!
:=
k
k! (n k)!

P37
1.1 Problema. Calcolare k=0 37
a. . . )
k . (Sugg: usare lidentit`
Risp: 137438953472
1.1.2
n dispari
Divisione di polinomi
1.2 Problema. Siano

P (x) := 3x4 + 2x3 x2 + 5x + 3
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
P (x) = A(x) Q(x) + B(x) .
(2) Dimostrare che la soluzione di questo problema è unica. Supponiamo cioè 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
Risoluzione di equazioni di grado superiore al secondo
Le soluzioni di unequazione di terzo grado

x3 + b x2 + c x + d = 0
si trovano con la formuletta che tutti conoscono
b
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 può provare a cercare soluzioni fra i divisori del termine noto an . Ovviamente non è 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 può
avere soluzioni reali irrazionali. Ad esempio le soluzioni di
x2 + 4 x + 1 = 0
sono
x1 = 2
x2 = 2 +
5.
Vediamo invece un caso il cui il metodo del tirare a indovinare ha successo.

1.3 Problema. Trovare tutte le soluzioni dellequazione
p(x) := x4 11x3 + 42x2 64x + 32 = 0 .
Soluzione. Se siamo fortunati troviamo qualche radice fra i divisori del termine noto
32. I divisori (con segno) di 32 sono
1, 2, 4, 8, 16, 32 .
Io inizierei a provare con x = 1.
x=1:
p(1) = 14 11 13 + 42 12 64 1 + 32 = 0 !
Stupendo, una delle radici è x = 1. A questo punto possiamo

1 il
coefficiente del termine di grado massimo si pu`

o sempre porre uguale ad 1
1.2. ALGEBRA LINEARE
13
(1) o dividere p(x) per x 1 ottenendo un polinomio di terzo grado,

(2) oppure provare a vedere se qualche altro divisore di 32 è anchesso radice.
Seguo la prima strada e ottengo
x4 11x3 + 42x2 64x + 32 = (x 1) (x3 10x2 + 32x 32) .
Devo trovare dunque le 3 radici di q(x) := x3 10x2 + 32x 32. Provo di nuovo con i
divisori del termine noto.
x=1:
x = 1 :
x=2:
q(1) = 13 10 12 + 32 1 32 = 9 6= 0
3
q(1) = (1) 10 (1) + 32 (1) 32 = 75 6= 0

3
q(2) = 2 10 2 + 32 2 32 = 0
: (
: ((
: )
Ottimo, unaltra radice è x = 2. Divido di nuovo q(x) per x 2 e ottengo

q(x) = (x 2)(x2 8x + 16) .
Lultimo fattore è un polinomio di secondo grado facilmente scomponibile
(x2 8x + 16) = (x 4)2
che vuol dire che ottengo la radice x = 4 con molteplicità (algebrica) 2. Le radici di
p(x) sono quindi
(1.1)
1.2
1.2.1
x=1
con molteplicità 1
x=2
con molteplicità 1
x=4
con molteplicità 2.
Algebra lineare
Il metodo della riduzione delle righe
Questo metodo è spesso conveniente per risolvere vari problemi connessi con le matrici,
come:
(1)
(2)
(3)
(4)
risolvere un sistema di equazioni lineari

trovare il rango di una matrice
trovare una base del nucleo di una matrice
trovare una base dellimmagine di una matrice
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
che agisce come moltiplicazione, cioè, se x = (x1 , x2 , . . . , x7 ), allora

(Ax)i :=
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 è 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
Gli elementi che caratterizzano la forma ridotta sono:

(a) ogni riga è o composta di tutti zeri, oppure ha un primo elemento non nullo che
è uguale ad 1. Questo uno è detto uno iniziale della riga e appare dentro un
quadrato nella (1.3);
(b) se una colonna contiene un 1 (un uno iniziale), allora la porzione di colonna al
di sotto dell 1 contiene solo zeri.
Per ridurre una matrice, cioè per passare da A a B, si effettua una serie di operazioni
permesse. Le operazioni permesse sono:
(1) moltiplicare una riga per un numero diverso da zero;
(2) aggiungere ad una riga il multiplo di unaltra riga;
(3) scambiare due righe.
Effettuando queste operazioni conviene fare attenzione allo scopo di evitare di introdurre frazioni quando non sono necessarie.2 Riparto dalla matrice A
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
E la prima colonna sta a posto. Ora elimino il 2 e
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
il 3 in fondo alla seconda colonna
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
Sistemo la quarta colonna eliminando il 4 in fondo
(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 è 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 può aggiungere un terzo. Diremo
che il processo di riduzione delle righe è completo 4 se, oltre alle proprietà (a) e (b) è
verificata anche la propriet`
a
(c) se una colonna contiene un uno iniziale, cioè 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 è:
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
Sia
Ker A := il nucleo di A
R7
Ran A := limmagine di A R4 .
Dalla (1.5) ottengo che, poichè ci sono 3 1 , vale a dire 3 righe non nulle, allora
(1.6)
3 = numero di righe linearmente indipendenti =

= numero di colonne linearmente indipendenti = dim Ran A
Daltra parte sappiamo che

dim Ker A + dim Ran A = dimensione del dominio di A = dim R7 = 7 ,
per cui
dim Ran A = 3
dim Ker A = 4 .
Base dellimmagine di A.
Una base dellimmagine di A è 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) .
Base del nucleo di A (ovvero, come risolvere un sistema omogeneo).

Il nucleo di A è linsieme dei vettori x R7 tali che Ax = 0. Quindi determinare
il nucleo di A equivale a trovare la soluzione generale del sistema omogeneo Ax = 0.
Per risolvere questo sistema si può usare al posto di A la matrice ridotta B data dalla
(1.5). Il metodo è il seguente:
(1) le variabili senza quadretto sono libere. A queste si possono assegnare parametri
liberi r, s, t, q e si portano a secondo membro;
(2) le variabili inquadrettate xi invece vengono determinate in ordine inverso in
funzione di quelle libere.
Quindi, utilizzando la (1.5), ottengo
(1.7)
x3 = r
x5 = s
x6 = t
x7 = q
e, a partire da queste, ottengo le xi :

s
x4 = t + 3q
2
x2 = r 2x3 s q = r + 2t 7q
5
x1 = x2 2r + x4 2s + 2t 7q = r s + 3t 11q
2
17
Riordino, metto tutto insieme e scrivo la

5
x1 = r s + 3t 11q
2
x2 = r + 2t 7q
soluzione generale del
x3 = r
sistema lineare omogeneo Ax = 0
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
è 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 è lunica ricetta possibile (ovviamente) ma funziona. In particolare il
valore 1 è arbitrario e pu`
o essere sostituito con un qualsiasi numero diverso da 0. Ad
esempio, dato che s appare sempre diviso per 2, porrò 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) è stata
scelta con una certa. . . benevolenza allo scopo di ottenere calcoli semplici. Ci si potrà
facilmente rendere conto che per una matrice i cui elementi vengono scelti a caso,
il processo di riduzione delle righe può 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
la versione completamente ridotta di questa matrice è
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
per`
o, appunto, come dicevo, è necessaria un po di pratica.5 Ci può 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 è la probabilità 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 è una matrice m n e b è un vettore in Rm , possiamo costruire il sistema di
equazioni lineari (non omogeneo) Ax = b, che, scritto esplicitamente, diventa
(1.8)
a11 x1 + a12 x2 + + a1n xn
= b1
a21 x1 + a22 x2 + + a2n xn

..
.
= b2
..
.
am1 x1 + am2 x2 + + amn xn = bm

Denotiamo con Ci la isima colonna della matrice A
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 è 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 già
usata in precedenza, definita nella (1.2) e sia
b = (5, 1, 3, 5) .
Allora abbiamo
3
0
[A|b] =
2
2
(1.9)
Operiamo con la riduzione
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
delle righe e otteniamo6

1
1
0
0
2
1
0
0
1
2
1
0
2
1
1
2
2
0
1
0
7
1
3
0
|
|
|
|
2
1
12
0
un programma di manipolazione simbolica come Maple o Mathematica

applicare allultima colonna la stessa sequenza di operazioni usate in precedenza per la
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 può avere una soluzione oppure infinite soluzioni, un sistema lineare non omogeneo può 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 è
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
ha ununica soluzione, perchè non ci sono righe impossibili ne parametri liberi. Il

sistema
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
Autovalori, autovettori e diagonalizzazione di una matrice
1.5 Problema. Trovare autovalori e autovettori

se è possibile
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
della matrice A e diagonalizzare A
1
3
4
3
2
6
8
10
1
3
4
+3
e se ne calcola il determinante, detto anche polinomio caratteristico

5
3
2
1

3
1
6
3
4
3
2
p() := det(I A) =
= 11 + 42 64 + 32
2
0
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 molteplicità 1
1 autovettore
2 = 2
con molteplicità 1
1 autovettore
3 = 4
con molteplicità 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)
Prendiamo il primo autovalore 1 = 1. Ponendo

x
y
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 può essere
preso come parametro libero e la soluzione si può scrivere come
(1.20)
x=
s
3
y=
s
3
z=
2s
3
w = s.
21
Ponendo quindi s = 3 otteniamo un autovettore corrispondente allautovalore = 1,

dato da
u1 = (1 , 1 , 2 , 3)
secondo autovalore 2 = 2.
Ponendo = 2 nella (1.16), la (1.18) diventa:
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
Eseguendo la riduzione delle righe sulla matrice 2 I A si ottiene ad esempio
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) è data da
x = sy = 0
z = sw = s .
Ponendo quindi s = 1 otteniamo lautovettore corrispondente a = 2 = 2

u2 = (1, 0, 1, 1) .
Terzo ed ultimo autovalore: 3 = 4.
Ponendo = 4 nella (1.16), la (1.18) diventa:
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
Eseguendo la riduzione delle righe sulla matrice 3 I A si ottiene ad esempio
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) è data da
x = 2s 2ty = t
z = sw = t .
Ponendo prima s = 1 e t = 0 e poi s = 0 e t = 1 otteniamo due autovettori linearmente

indipendenti corrispondenti a = 3 = 4
(1.25)
u3 = (2, 0, 1, 0)
(1.26)
u4 = (2, 1, 0, 1)
22
Elenco gli autovalori di A con i corrispondenti autovettori

u1 = (1 , 1 , 2 , 3)
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 può essere scritta come
A = U D U 1 ,
In cui D è 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
e U è la matrice le cui colonne sono costituite dai corrispondenti autovettori:
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
1.6 Problema. Sia
0
A= 1
2
4 3
3 3
4 5
Calcolare det(A10 ), tr(A10 ), det(eA ).

Risp: 1010 , 9766650, e2
1.7 Problema. Sia

A=
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
1.4. FUNZIONI CONTINUE E UNIFORMEMENTE CONTINUE
23
1.8 Problema. Dire per quali valori reali di a lintegrale è finito:
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
Confronto fra integrali e somme
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
f (k) converge se e solo se lintegrale
R
n0
f (x) dx è finito.
Integrali gaussiani
1.10 Problema. Sapendo che

ogni intero positivo n si ha
Z
N
X
R
R
/2
ex
= 1 (come si dimostra?), dimostrare che per
ex /2 2n
x dx = (2n 1)!! = 1 3 5 (2n 1)

2
ex /2 2n1
x
dx = 0
2
Funzioni continue e uniformemente continue
1.11 Definizione. Una funzione f : R R è detta Lipschitz se esiste una costante

C > 0 tale che
x, y R si ha |f (y) f (x)| C |x y|
Linsieme di tutte le funzioni Lipschitz su R si denota con Lip(R).
1.12 Problema. Trovare un esempio di una funzione f : R R continua ma non
uniformemente continua.
1.13 Problema. Trovare un esempio di una funzione f : R R uniformemente
continua ma non Lipschitz.
1.14 Problema. Dimostrare che la funzione reale
f (x) =
è uniformemente continua.
1
1 + x2
24
1.15 Problema. Trovare una successione di funzioni fn : [0, 1] R continue che

convergono (non uniformemente) nellintervallo [0, 1], e la funzione limite f (x) =
limn fn (x) non è continua.
1.16 Problema. Dimostrare che la funzione reale f
(
x sin x1 se x =
6 0
f (x) =
0
se x = 0
è continua in x = 0.
1.17 Problema. Vero o falso? (se falso fornire un controesempio). Sia fn una successione di funzioni fn : [0, 1] R
(a) Se fn (x) 0 per tutti gli x [0, 1] allora fn converge a zero uniformemente
(b) Se le fn sono continue e fn (x) 0 per tutti gli x [0, 1] allora
Z
fn (x) dx 0
0
(c) Se le fn sono continue e fn 0 uniformemente, allora

Z
fn (x) dx 0
0
(d) Se le fn sono derivabili in (0, 1) e fn 0 uniformemente, allora fn0 (x) 0 per

ogni x (0, 1)
(e) Se le fn sono continue ed esiste f : [0, 1] R tale che fn f uniformemente
allora f è continua
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 è un insieme
e d è 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 è 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)
diam X := sup d(x, y)

x,yX
Il diametro di X è sempre non negativo e può essere finito oppure uguale a +. Nel
primo caso X è 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 proprietà (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
Questa funzione distanza è chiamata la metrica discreta nello spazio X.

25
26
CHAPTER 2. SPAZI METRICI
2.4 Esempio. Sia X = R linsieme dei numeri reali (oppure X = C) e sia

d(x, y) := |x y| .
La propriet`
a (SM4) (le altre sono ovvie) discende dalle proprietà della funzione modulo.
Infatti si ha:
d(x, z) = |x z| = |(x y) + (y z)| |x y| + |y z| = d(x, y) + d(y, z) .
2.5 Esempio. Sia X = Rn e, dati due punti di Rn x = (x1 , . . . xn ) e y = (y1 , . . . yn ),
consideriamo le funzioni
n
X
d1 (x, y) :=
(2.2)
|xi yi |
i=1
d2 (x, y) :=
(2.3)
n
hX
|xi yi |2
i1/2
i=1
d (x, y) := max |xi yi | .
(2.4)
i=1,...,n
Ognuna di queste funzioni è una distanza su Rn .

2.6 Esempio. Consideriamo ancora X = R con una distanza diversa da quella usuale.
Poniamo
|x y|
.
(x, y) =
1 + |x y|
La funzione soddisfa evidentemente le proprietà (SM1)(SM3). Per verificare la
(SM4) considero la funzione g : [0, ) [0, ) definita come
g(t) :=
t
.
1+t
La funzione g è crescente, infatti

g 0 (t) =
1
(1 + t) t
=
> 0.
(1 + t)2
(1 + t)2
Quindi se 0 t u si ha g(t) g(u). Daltra parte sappiamo già che

|x z| |x y| + |y z| ,
per cui
g(|x z|) g(|x y| + |y z|) ,
che, per definizione di g, significa
|x z|
|x y| + |y z|
.
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) =
La disuguaglianza triangolare è verificata, quindi è una metrica su R. Osservo

che mentre lo spazio metrico (R, d) (quello con la metrica usuale) è illimitato, lo stesso
insieme con la distanza diventa uno spazio metrico limitato. In particolare il diametro
di (R, ) è uguale a 1 (dimostrarlo).
2.1. DEFINIZIONE ED ESEMPI
27
2.7 Esempio. (Un esempio infinito dimensionale). Consideriamo lo spazio R di

tutte le successioni reali e, date due successioni
x = (x1 , x2 , . . .)
y = (y1 , y2 , . . .)
definiamo la loro distanza come

(2.5)
X
1
d(x, y) :=
(xi , yi ) ,
i
2
i=1
in cui è la metrica introdotta nell Esempio 2.6

(xi , yi ) =
|xi yi |
.
1 + |xi yi |
La funzione d è ben definita. Infatti (xi , yi ) < 1 per cui la sommatoria (2.5) è sempre
` facile vedere che d è 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
2.8 Definizione. Se (X, d) è uno spazio metrico, x X e r > 0, definiamo

BrX (x) := {u X : d(u, x) < r}
rX (x) := {u X : d(u, x) r}
B
Questi insiemi sono chiamati rispettivamente la palla aperta e la palla chiusa di centro
x e raggio r. Quando non cè pericolo di confusione ometto il soprascritto X e indico
la palla (ad esempio) aperta con Br (x).
2.9 Definizione. Sia (X, d) uno spazio metrico. Un sottoinsieme A X è detto
aperto in X se per ogni x A esiste > 0 tale che B (x) A. Un sottoinsieme
B X è detto chiuso in X se il suo complemento B c = X\B è aperto.
2.10 Proposizione. Una palla aperta in uno spazio metrico (X, d) è aperta. Una
palla chiusa è chiusa.
Dimostrazione. Sia A = BrX (x0 ). Voglio far vedere che A è aperto in X, vale a dire che
comunque scelgo x A posso sempre trovare > 0 tale che BX (x) A. Sia infatti
x A. Per definizione di A abbiamo che d(x, x0 ) < r. Poniamo allora
:= r d(x, x0 ) > 0 .
A questo punto osservo che se y BX (x) si ha d(y, x) < . Ma allora
d(y, x0 ) d(y, x) + d(x, x0 ) < + d(x, x0 ) = r ,
quindi y BrX (x0 ). Abbiamo dimostrato che
y BX (x) y BrX (x0 )
cioè che BX (x) A, dunque A è aperto.
La dimostrazione che una palla chiusa è chiusa è lasciata al lettore.
28
2.11 Proposizione. Sia (X, d) uno spazio metrico. Allora:

(1) Gli insiemi e X sono aperti
(2) Se (A1 , . . . , An ) è una collezione finita di insiemi aperti allora ni=1 Ai è aperto
(3) Se (A )I è una collezione arbitraria di insiemi aperti allora I A è aperto.
Dimostrazione. Il punto (1) è ovvio.
Punto (2). Sia C := ni=1 Ai . Per far vedere che C è aperto devo dimostrare che
(2.6)
per ogni x C esiste > 0 tale che B (x) C.
Sia allora x C. x appartiene a tutti gli Ai . Siccome ciascuno degli Ai è aperto so

che posso trovare, per ogni i, un numero reale positivo i tale che Bi (x) Ai . Scelgo
allora
:= min{1 , . . . , n } .
Poichè i ottengo che
B (x) Ai i = 1, . . . , n ,
il che equivale a dire che B (x) ni=1 Ai = C.
Punto (3). Facile, lasciato al lettore
2.12 Proposizione. Sia (X, d) uno spazio metrico. Allora:
(1) Gli insiemi e X sono chiusi
(2) Se (A1 , . . . , An ) è una collezione finita di insiemi chiusi allora ni=1 Ai è chiuso
(3) Se (A )I è una collezione arbitraria di insiemi chiusi allora I A è chiuso.
Dimostrazione. Segue dalla Proposizione 2.11 e dalle leggi di De Morgan
2.13 Definizione. Sia (X, d) uno spazio metrico e sia A X. Definisco
(2.7)
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
u grande insieme aperto contenuto in A, mentre A è

Detto informalmente A è il pi`
il pi`
u piccolo insieme chiuso che contiene A.
2.14 Proposizione. Siano A e B sottoinsiemi di uno spazio metrico (X, d). Allora:
(1) A è aperto se e solo se A = A .
(2) A è chiuso se e solo se A = A.

(3) A = (Ac )c .
(4) A = [(Ac ) ]c .
(5) (A B) = A B .
(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)
quindi A è unione di aperti. Di conseguenza, per la Proposizione 2.11, A è aperto.

Supponiamo viceversa che A sia aperto. In questo caso A è un elemento della collezione
O(A), quindi A = A.
Punto (2). Simile al punto (1).
Punto (3). Utilizzando le leggi di De Morgan e la definizione di chiusura ottengo
c
\
[
c
Ac =
K =
Kc .
K Ac , K `
e chiuso
K Ac , K `
e chiuso
Poichè la corrispondenza K K c è biunivoca possiamo cambiare variabile ponendo

G = K c , per cui si ha
[
[
c
Ac =
G=
G = A .
Gc Ac , Gc `
e chiuso
G A, G `
e aperto
Punto (4). Segue dal punto (3).

Punto (5). Poichè (A B) A abbiamo (A B) A . Analogamente (A B) B,
quindi (A B) B . Abbiamo ottenuto
(A B) A B .
Dimostro ora linclusione inversa A B (A B) . Linsieme A B è un aperto
contenuto in A B. Ma (A B) è lunione di tutti gli aperti contenuti in A B,
quindi A B (A B) .
Punto (6). Usando i punti (4) e (5) e le leggi di De Morgan si ottiene
c
c
c
A B = [ (A B)c ] = [Ac B c ] = [Ac ] [B c ]
c
c
.
= [Ac ] [B c ] = A B
2.15 Proposizione. Sia (X, d) uno spazio metrico, sia A X e sia x un punto
qualsiasi di X. Allora
(1) x A se e solo se esiste un > 0 tale che B (x) A
(2) x A se e solo se per ogni > 0 si ha B (x) A 6=
(3) x A se e solo se per ogni > 0 si ha che la palla B (x) ha intersezione non
vuota sia con A sia con Ac .
Dimostrazione. Punto (1). Sia
I(A) := {x X : > 0 tale che B (x) A} .
Devo far vedere che
[
I(A) = A :=
G A, G `
e aperto
A questo scopo dimostro le due inclusioni

(2.10)
I(A) A
I(A) A .
G.
30
Sia x I(A). Allora esiste > 0 tale che B (x) A. Sappiamo che B (x) è aperto,
quindi x è contenuto in un aperto che è 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=
2.16 Problema. Dimostrare le seguenti affermazioni (se laffermazione è vera), o

esibire un controesempio (se è falsa)
(a) Un insieme aperto in un qualsiasi spazio metrico ha cardinalità infinita (cioè
possiede un numero infinito di punti).
(b) (A B) = A B .
(c) A B = A B.
(d) Lunione di uninfinit`
a numerabile di insiemi chiusi è chiusa.
(e) diam A = diam(A ).

2.17 Attenzione!. La parte interna, il bordo e la chiusura di un insieme A sono concetti
relativi ad uno spazio metrico ambiente (X, d). Per evitare ambiguità bisognerebbe
dire ad esempio la chiusura di A in (X, d). Quando lo spazio ambiente è ovvio questa
precisazione pu`
o essere omessa. Consideriamo due diversi spazi ambiente
X := R3
Y := {x R3 : x3 = 0 e x2 < 1} ,
e consideriamo un insieme A che può essere pensato come un sottoinsieme sia di X
che di Y
A := {x R3 : x3 = 0, 0 x1 < 1 e 0 x2 < 1} .
In questo caso si ha
A = {x R3 : x3 = 0, 0 < x1 < 1 e 0 < x2 < 1}
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}
è aperto in Y ma non è aperto in X (e neppure chiuso), mentre linsieme
{x R3 : x3 = 0, 0 x1 1 e 0 x2 < 1}
è 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
d (x, y) := max |xi yi | .

i=1,2
(a) Disegnare gli insiemi Y e Z.

(b) Disegnare la palla unitaria B1 (0) negli spazi metrici (X, d ), (Y, d2 ), (Z, d1 ).
(c) Nello spazio metrico (Y, d2 ) disegnare B1 ((1, 0)).
(d) Nello spazio metrico (X, d2 ), sia A := {x R2 : x1 Q}. Determinare A , A e
A.
(e) Nello spazio metrico (Z, d2 ), sia A := {x R2 : 0 x1 < 1, 0 x2 < 1}.
Determinare A , A e A.
2.19 Problema. Consideriamo lo spazio metrico (X, d), in cui X := {x = (x1 , x2 )
R2 : 0 x1 < 1} e d è la usuale distanza euclidea in R2 . Sia A := {x X : d(x, 0) < 2}.
(a) Disegnare in modo chiaro ed accurato gli insiemi A , A e A.
(b) Dire se (X, d) è uno spazio metrico completo, giustificando la risposta.
(c) Fare un esempio di un insieme C X tale che C è chiuso in X ma C non è chiuso
in R2 .
Soluzione.
.........................
...........
.........
.......
....
A
(a)
...
.......
.........
...........
.........................
qqqqqqqqqqqqqqq
qqqqqqq
qq
A
q
qqqqqqq
qqqqqqqqqqqqqqq
qqqqqqqqqqqqqqq
qqqqqqq
qq
A
q
qqqqqqq
qqqqqqqqqqqqqqq
(b) Un sottoinsieme X di uno spazio metrico completo (Y, d) è completo se e solo X

è chiuso in Y . Nel nostro caso (X, d) non è completo perchè non è chiuso in R2 .
(c) Si pu`
o prendere ad esempio C := A oppure C = X (o mille altre cose).
32
2.20 Problema. Dimostrare con un controesempio che non è 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)).
(b) Sia A := {x X : 5/2 < x1 < 7/2}. Si disegni A evidenziando il bordo di A, A.

(c) Trovare un sottoinsieme F di X che non sia nè X nè linsieme vuoto e tale che F
sia contemporaneamente aperto e chiuso in X.
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 ,
vale a dire, detto in modo pi`

u esplicito, se
> 0 N intero positivo tale che k N si ha d(xk , x) < .
In questo caso si scrive, simbolicamente,
lim xk = x
oppure
xk x .
2.23 Problema. Dimostrare che in uno spazio metrico il limite è 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)
per ogni > 0 si ha B (x) A 6= .
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. Poichè d(x, xn ) < 1/n, ottengo che xn x. Ho
trovato una successione di elementi di A che tende ad x. Per definizione x è un punto
di aderenza di A. Ho dimostrato che A Y .
2.2. CONVERGENZA, COMPLETEZZA
33
Suppongo che x Y , vale a dire che

Voglio dimostrare ora linclusione inversa Y A.
x sia un punto di aderenza di A. Per definizione posso trovare una successione (xn ) di
elementi di A tale che xn x. Per definizione di limite questo significa che
> 0 N > 0 tale che n N d(x, xn ) < ,
vale a dire che tutti gli xn con n N appartengono alla palla B (x). In particolare
xN B (x). Ma xN è anche un elemento di A, dunque
> 0 N tale che xN B (x) A .
Di conseguenza B (x) A =
6 il che implica, per la Proposizione 2.15, che x A.
Abbiamo dimostrato che Y = A.

2.27 Proposizione. Sia (X, d) uno spazio metrico e sia A un sottoinsieme di X.
Allora A è chiuso se e solo se vale limplicazione

(2.12)
xn A, xn x
x A.
In altre parole un insieme A è chiuso se e solo se contiene tutti i limiti delle successioni
convergenti che si possono costruire con elementi di A.
Dimostrazione. Supponiamo che A sia chiuso. Voglio far vedere che vale la (2.12).
Suppongo quindi di avere una successione (xn ) di elementi di A che converge a x. Per
definizione questo significa che x è un punto di aderenza di A. Ma per la Proposizione
Osservo infine che se A è chiuso si ha A = A e dunque x A. Quindi vale
2.26 x A.
la (2.12).
Dimostro ora limplicazione inversa, vale a dire se vale la (2.12) allora A è chiuso. Sia
x un punto di aderenza di A. Per definizione esiste una successione (xn ) di elementi
di A tale che xn x. Grazie alla (2.12) x A. Quindi tutti i punti di aderenza di A
appartengono ad A, di conseguenza A = A il che implica che A è chiuso.
2.28 Definizione. Sia (X, d) uno spazio metrico e siano A e B due sottoinsiemi di
X tali che A B. Linsieme A si dice denso in B se A B, vale a dire se per ogni
x B e per ogni > 0 posso trovare un elemento y A tale che d(x, y) < .
2.29 Esempio. Linsieme dei razionali Q è denso in R (rispetto alla metrica usuale).
Infatti se x è un numero reale e > 0 cè sempre un razionale1 nellintervallo (x
, x + ).
2.30 Definizione. Sia (X, d) uno spazio metrico. Una successione (xk )
k=1 di elementi
di X si dice di Cauchy se per ogni > 0 esiste un intero positivo N tale che per ogni
k, n N si ha d(xk , xn ) < .
2.31 Proposizione. Ogni successione convergente è di Cauchy.
Dimostrazione. La dimostrazione è identica al caso delle successioni reali.
2.32 Definizione. Uno spazio metrico (X, d) si dice completo se ogni successione di
Cauchy è convergente.
2.33 Proposizione. Gli spazi metrici R, Rn , C, Cn sono completi rispetto alla metrica usuale.
1 ce
ne sono infiniti
34
Dimostrazione. La completezza di R è nota dai corsi di analisi. La completezza degli

altri spazi segue facilmente da quella di R. Consderiamo il caso di Rn . Sia
x(1) , x(2) , x(3) , . . .
(2.13)
una successione di Cauchy di punti in Rn . Ognuno di questi punti è unennupla, quindi

(k)
.
x(k) = x1 , . . . , x(k)
n
Poichè la successione (2.13) è Cauchy, per definizione si ha che
(2.14)
per ogni > 0 esiste N > 0 tale che se j, k N si ha d(x(j) , x(k) ) < .
Consideriamo ora la successione reale costituita dalle coordinate isime

(1)
(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) è anchessa di Cauchy. Poichè R è
completo, la successione (2.15) è convergente, quindi esiste yi R tale che
(k)
lim xi
= yi
i = 1, . . . , n .
Di conseguenza si ottiene che d(x(k) , y) 0, ovvero che la successione (2.13) è convergente a y

2.34 Osservazione. Non tutti gli spazi metrici sono completi. Un modo banale per
ottenere uno spazio metrico non completo è considerare un qualsiasi spazio metrico
(X, d) e scegliere un sottoinsieme A di X che non sia chiuso. Allora lo spazio metrico
` ovvio che A non
(A, d) non è completo. Ad esempio si prenda X = R e A = (0, 1]. E
è completo poichè la successione xn = 1/n è di Cauchy ma non è convergente. Daltra
parte non è detto in generale che un sottoinsieme chiuso costituisca automaticamente
unoo spazio metrico completo. Sia X = Q e B = [0, 1] Q. Linsieme B considerato
` chiaro che, se considero B un
come sottoinsieme di Q è chiuso ma non è completo. E
sottoinsieme non di Q ma di R allora B non è chiuso ma la sua chiusura in R è uguale
= [0, 1]. Le cose diventano pi`
aB
u semplici se ci si limita a considerare sottoinsiemi
di spazi metrici completi. In questo caso la nozione di completezza coincide con quella
di chiusura, come afferma la Proposizione seguente.
2.35 Proposizione. Sia (X, d) uno spazio metrico completo e sia Y X. Lo spazio
metrico (Y, d) è completo se e solo se Y è chiuso in X.
Dimostrazione. Sia (X, d) uno spazio metrico completo e sia Y un sottoinsieme di X.
Se (Y, d) è completo vale limplicazione
(2.16)
xn Y e (xn ) è di Cauchy
y Y tale che xn y.
Voglio far vedere che Y è chiuso, dimostrando che Y contiene tutti i suoi punti di
aderenza. Se z è un punto di aderenza di Y allora esiste una successione (xn ) di
elementi di Y tale che xn z. Sappiamo che una successione convergente è necessariamente di Cauchy, quindi (xn ) è di Cauchy. Ma allora, per la (2.16) posso trovare
2.3. COMPATTEZZA
35
y Y tale che xn y. Per lunicità del limite deve essere y = z, quindi z Y .

Dunque Y contiene tutti i suoi punti di aderenza, il che vuol dire che Y è chiuso.
Suppongo viceversa che Y sia chiuso e dimostro che (Y, d) è completo. Per far ciò
devo far vedere che tutte le successioni di Cauchy di elementi di Y sono convergenti
ad un elemento di Y . Sia dunque (xn ) una successione di Cauchy di elementi di Y .
Poichè (X, d) è completo so che esiste x X tale che xn x. Quindi x è un punto di
aderenza di Y . Ma stiamo assumendo che Y sia chiuso, quindi Y contiene tutti i suoi
punti di aderenza, dunque x Y . Ho cos` dimostrato che Y è completo.
2.36 Teorema. Sia (X, d) uno spazio metrico. Le seguenti affermazioni sone equivalenti:
(1) X è completo.
(2) Sia B1 , B2 , . . . una successione di palle chiuse i cui raggi tendono a zero e tali che
B1 B2 . Allora
\
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) è 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 è completo trovando
esplicitamente una successione di numeri razionali che converge ad un numero non
razionale.
2.39 Problema. Dimostrare che se (xn ) è una successione di Cauchy che ammette
una sottosuccessione (xnk ) convergente, allora (xn ) è 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 è una metrica su R2 .
(b) Disegnare B1/2 ((0, 0)).
(c) Sia A := {x R2 : 0 < x1 < 1 , 0 < x2 < 1}. Determinare A.
2.3
Compattezza
2.41 Definizione. Uno spazio metrico è detto compatto o sequenzialmente compatto 2

se ogni successione ammette una sottosuccessione convergente.
2.42 Proposizione. Uno spazio metrico compatto è completo.
2 per
gli spazi metrici queste due nozioni conincidono
36
Dimostrazione. Sia (X, d) uno spazio metrico compatto. Voglio far vedere che (X, d) è
completo, vale a dire che ogni successione di Cauchy è convergente. Sia dunque (xn )
n=1
una successione di Cauchy di elementi di X. Dato che X è 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 è necessariamente convergente. Quindi, nel nostro caso, la successione (xn ) è
convergente, dunque X è completo.
2.43 Definizione. Uno spazio metrico (X, d) è 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 è totalmente limitato se per ogni > 0 posso trovare
un insieme finito di punti {x1 , x2 , . . . , xn } con la proprietà che per ogni x X esiste i
tale che d(x, xi ) < .
2.44 Proposizione. Uno spazio metrico totalmente limitato è limitato.
Dimostrazione. (Facile)
2.45 Teorema. Uno spazio metrico è compatto se e solo se è completo e totalmente
limitato.
Dimostrazione. Sia (X, d) uno spazio metrico compatto. Per la Proposizione 2.42 X
è completo. Voglio dimostrare che X è totalmente limitato. Suppongo che non sia
totalmente limitato e faccio vedere che questo conduce ad una contraddizione. Se X
non è totalmente limitato esiste 0 > 0 tale che X non può essere espresso come unione
di un numero finito di palle di raggio 0 . Scelgo allora un punto arbitrario xi X.
Poichè 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 è
compatto in contraddizione con lipotesi.
Suppongo ora che X sia completo e totalmente limitato e dimostro che X è compatto.
...
2.46 Teorema. (HeineBorel). Un sottoinsieme di Rn è compatto se e solo se esso
è chiuso e limitato.
2.47 Osservazione. Il teorema di HeineBorel non si può estendere a spazi metrici
arbitrari. Vedi ad esempio al punto 3.22 dove cè 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 è un
concetto pi`
u forte.
2.4
Funzioni continue
In questa sezione (X, d) e (Y, ) sono due spazi metrici.
2.4. FUNZIONI CONTINUE
37
2.48 Definizione. Una funzione f : X Y si dice continua nel punto x X se vale

limplicazione
xn x f (xn ) f (x) .
La funzione f è detta continua se è continua in ogni punto.
2.49 Proposizione. Sia f : X Y . Le seguenti affermazioni sono equivalenti:
(1) f è continua
(2) Per ogni x X e per ogni > 0 esiste > 0 tale che se d(y, x) < allora
(f (y), f (x)) <
(3) Se A è aperto in Y allora f 1 (A) è aperto in X
(4) Se A è chiuso in Y allora f 1 (A) è chiuso in X
2.50 Problema. Dimostrare che la funzione distanza d : X X 7 R è continua, vale
a dire se xn x e yn y allora si ha d(xn , yn ) d(x, y).
2.51 Definizione. La funzione f : X Y è detta uniformemente continua se per
ogni > 0 esiste > 0 tale che se d(x, y) < allora (f (x), f (y)) < . La funzione f
è detta Lipschitz se esiste M > 0 tale che per ogni x, y X si ha
( f (x), f (y) ) M d(x, y) .
2.52 Proposizione. Siano f, g funzioni continue dallo spazio metrico (X, d) a valori
in R (C) e siano a, b due numeri reali (complessi). Allora le funzioni af + bg e f g
sono continue. La funzione f /g è continua in x X se g(x) 6= 0.
2.53 Problema. Dimostrare con un controesempio che il prodotto di due funzioni
uniformemente continue non è necessariamente una funzione uniformemente continua.
2.54 Proposizione. Siano (X, d), (Y, ) e (Z, ) tre spazi metrici. Se f : X Y e
g : Y Z sono due funzioni continue allora g f è una funzione continua da X in Z.
2.55 Proposizione. Sia K un sottoinsieme compatto di uno spazio metrico (X, d) e
sia f : K R una funzione continua. Allora f assume in K un massimo e un minimo
assoluto, vale a dire esistono x0 , x1 K tali che per ogni x K si ha f (x0 ) f (x)
f (x1 ).
Dimostrazione. La dimostrazione è praticamente identica al caso in cui K è un intervallo chiuso e limitato di R.
2.56 Proposizione. Se f : X Y è una funzione continua e X è compatto, allora
f è uniformemente continua.
Dimostrazione. La dimostrazione è praticamente identica al caso in cui X è un intervallo chiuso e limitato di R.
2.57 Definizione. Una successione di funzioni fn : X Y si dice uniformemente
convergente alla funzione f : X Y se per ogni > 0 esiste un intero positivo N tale
che
per ogni n N e per ogni x X si ha (fn (x), f (x)) < .
2.58 Proposizione. Se una successione di funzioni continue fn : X Y converge
uniformemente alla funzione f : X Y , allora f è continua.
38
3. Spazi vettoriali e di Banach

D: They dont advertise for killers in the newspaper.
That was my profession. Ex-cop. Ex-blade runner.
Ex-killer.
3.1
Definizioni
3.1 Definizione. Uno spazio vettoriale (o spazio lineare) sul campo F (F = Q, R, C,

Fpn , . . . ) è un insieme (non vuoto1 ) V tale che
(A) Per tutti gli u, v V esiste il vettore u + v V detto somma di u e v
(B) Per ogni u V , c F esiste il vettore cu V detto prodotto di c per u.
Inoltre le seguenti propriet`
a sono soddisfatte, per ogni u, v, w V e per ogni c, d F:
(SV1) u + v = v + u
(SV2) (u + v) + w = u + (v + w)
(SV3) Esiste 0 V tale che u + 0 = u per ogni u V
(SV4) Per ogni u V esiste v V tale che u + v = 0
(SV5) 1 u = u
(SV6) (cd)u = c(du)
(SV7) (c + d)u = cu + du
(SV8) c(u + v) = cu + cv
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 è uno spazio
vettoriale perchè, ad esempio, il vettore zero, cioè 0 = (0, 0, 0, 0) non appartiene
allinsieme.
(4) (nonesempio). Linsieme di tutte le matrici. Non è uno spazio vettoriale perchè,
per dirne una, non è 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
CHAPTER 3. SPAZI VETTORIALI E DI BANACH
(7) (nonesempio). Linsieme di tutte le matrici A Mnn tali che det A = 0. Non
va bene perchè, 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 è 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 è anche indicato con RN .
(10) Linsieme di tutti i polinomi di grado non superiore a 100 è ancora uno spazio
vettoriale.
(11) (nonesempio). Linsieme di tutti i polinomi di grado superiore a 100 non è
uno spazio vettoriale perchè 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 è uno spazio vettotiale, perchè la proprieta (A) di chiusura rispetto alla
somma è violata. Infatti, sia
u = (0, 1, 1)
v = (1, 0, 0) .
Sia u che v sono elementi di V , ma u + v = (1, 1, 1) non appartiene a V .

V := {x = (x1 , x2 ) R2 : x1 x2 } .
Il fatto che V sia definito tramite una disuguaglianza suggerisce che non sia uno
spazio vettoriale. Infatti u = (0, 1) V . Però se moltiplichiamo u per 1 otteniamo 1 u = (0, 1) che non appartiene a V . Geometricamente V è un semipiano,
mentre uno spazio vettoriale è sempre un (iper)piano.
V := {x = (x1 , x2 , x3 ) R3 : x21 + x22 x23 = 0} .
Il fatto che V sia definito tramite unequazione non lineare (quadratica in questo
caso) suggerisce che non sia uno spazio vettoriale, e infatti geometricamente V non
è un iperpiano, bens`. . . Per dimostrare che V non è uno spazio vettoriale faccio
vedere che viola la proprietà (A) e cerco due vettori u, v tali che u, v V ma
u+v
/ V . Basta prendere ad esempio
u = (1, 0, 1)
v = (0, 1, 1)
u + v = (1, 1, 2) .
3.2. ESEMPI
41
3.2 Attenzione!. Non è detto che se cè 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) .
Questi sono entrambi spazi vettoriali nonostante le apparenze, perchè

x1 x2 e x1 x2
x1 = x2
x31
x1 = x2
x32
3.3 Dritta. (Come dimostrare che X è uno spazio vettoriale in 2 mosse). Generalmente
per dimostrare che X è uno spazio vettoriale bisogna verificare le 10 proprietà che
appaiono nella definizione, vale a dire (A), (B), (1), (2), . . . , (8). Però 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 è uno spazio vettoriale, allora per dimostrare che anche X è uno
spazio vettoriale è sufficiente dimostrare la sua chiusura rispetto alle operazioni di
somma e moltiplicazione per uno scalare, vale a dire le 2 proprietà (A) e (B). Perchè
è vero questo? (Dimostrarlo). Attenzione però, 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 è verificata.
3.4 Problema. Dire se linsieme2
X = {p P (R) : p(2) + p0 (3) = 0} .
è uno spazio vettoriale dimostrandolo.
Soluzione. Linsieme X è 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 proprietà (A) e (B) sono verificate, posso concludere
che X è 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 è 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 è uno spazio vettoriale.
3.5 Osservazioni.
(a) Lo zero3 in uno spazio vettoriale è 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 è 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 è garantita dalla proprietà (4) è dato (1)u. Infatti
u + (1)u = 1 u + (1)u = (1 1)u = 0 u = 0 .
Quindi v = (1)u è lunico opposto di u, che si denota con il simbolo u .
3.6 Definizione. Una norma su uno spazio vettoriale V è unapplicazione kk : V R
tale che
(N1)
(N2)
(N3)
(N4)
kvk 0, per ogni v V

kvk = 0 se e solo se v = 0.
kcuk = |c| kuk per ogni c R (C), u V .
ku + vk kuk + kvk per ogni u, v V .
Uno spazio vettoriale V dotato di una norma k k è 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 è chiamato un sottospazio di V se K è 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) è uno spazio vettoriale normato e W è un sottospazio
di V allora k k è una norma su W , vale a dire (W, k k) è 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 è 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
3.3. ESEMPI: SPAZI FINITO DIMENSIONALI
43
(d) Linsieme di tutte le matrici 3 3 con determinante nullo.

(e) Linsieme di tutte le funzioni reali derivabili.
(f) Linsieme di tutte le funzioni reali che si annullano almeno in un punto.
Soluzione. (a) S. (b) N. Infatti i vettori x = (1, 0, 1) e y = (1, 0, 1) appartengono allo
spazio ma la loro somma x + y = (2, 0, 0) non vi appartiene. (c) S, perchè la condizione
è equivalente a x3 = x1 . (d) N. (e) S. (f) N. Infatti le funzioni f (x) = x e g(x) = 1 x
appartegono allo spazio ma la loro somma f + g = 1 non vi appartiene.
3.3
Esempi: Spazi finito dimensionali
Nello spazio vettoriale Rn delle ennuple di numeri reali (o, analogamente, in Cn ) è

possibile introdurre una norma in molti (infiniti) modi diversi
3.11 Esempi. Sia x = (x1 , . . . , x3 ) R3 . Esempi di norme possibili sono
(1) kxk := |x1 | + |x2 | + |x3 |.
(2) kxk := 3|x1 | + 5|x2 | + 13|x3 |.
1/2
(3) kxk := |x1 |2 + |x2 |2 + |x3 |2
. Questa è la cosiddetta norma euclidea.
I seguenti sono invece esempi di quantità che non sono norme perchè violano almeno
una della propriet`
a della Definizione 3.7.
(a) kxk := |x1 | + |x2 | |x3 |. Se scelgo x := (0, 0, 1), ottengo kxk = 1, mentre la
norma non pu`
o mai essere negativa.
(b) kxk := x1 + x2 + x3 . Se scelgo x = (1, 1, 1), ho kxk = 3, violando di nuovo
la positivit`
a.
(c) kxk := |x1 |3 + |x2 |3 + |x3 |3 . Questa viola lomogeneità. Infatti, se c è un numero
reale,

kc xk = |cx1 |3 + |cx2 |3 + |cx3 |3 = |c|3 |x1 |3 + |x2 |3 + |x3 |3 = |c|3 kxk ,
mentre dovrebbe essere kc xk = |c| kxk.
(d) kxk = |x1 |+|x3 |. Anche questa non può essere una norma perchè è possibile trovare
un vettore non nullo x tale che kxk = 0. Si prenda, ad esempio, x = (0, 1, 0).
3.3.1
Le norme k kp
Una classe molto importanti di norme che si possono introdurre in Rn , Cn e (vedremo)

anche in spazi infinito dimensionali è dato dalle cosiddette norme p. Si sceglie un
numero p [1, ] (il valore è incluso) e si pone
(3.1)
kxkp :=
n
hX
|xi |p
i1/p
kxk := max |xi |

i=1,...,n
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
è una norma su R .
|xi |2
i1/2
44
` ovvio che kxk2 è sempre positivo o nullo. Inoltre la quantità kxk2 si

Dimostrazione. E
annulla se e solo se x = 0. Lomogeneità segue da
kc xk2 =
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
Rimane dunque da dimostrare la disuguaglianza triangolare kx + yk2 kxk2 + kyk2 .

Siano quindi x e y due vettori in Rn e sia t un numero reale arbitrario. Partendo dalla
strabiliante disuguaglianza
n
X
(txi + yi )2 0
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 è 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

kx + yk22 =
n
n
X
X
(xi + yi )2 =
(x2i + yi2 + 2xi yi )
i=1
i=1
kxk22
kyk22
Prendendo infine la radice quadrata si ottiene

kx + yk2 kxk2 + kyk2 ,
che è ci`
o che dovevamo dimostrare.
+ 2kxk2 kyk2 = (kxk2 + kyk2 ) .
3.3. ESEMPI: SPAZI FINITO DIMENSIONALI
3.3.2
45
Disuguaglianze di H
older e di Minkowski
La dimostrazione che k kp è una norma anche quando p 6= 2 è pi`

u complicata ed è
basata sulla segente disuguaglianza che è una generalizzazione della (3.3):
3.13 Proposizione. (Disuguaglianza di H
older). Sia p 1 e sia q tale che
1 1
+ =1
p q
(ovviamente anche q 1) .
Allora si ha, per ogni coppia x, y di elementi di Rn

n
X
(3.4)
|xk yk | kxkp kykq
k=1
Dimostrazione. Il caso pi`

u semplice è quando p = 1 e, di conseguenza q = . Infatti
abbiamo
n
X
(3.5)
|xk yk | max |yk |

k
k=1
n
X
|xk | = kyk kxk1 .
k=1
Passiamo quindi a considerare il caso p > 1. La disuguaglianza (3.4) è una conseguenza

delle disuguaglianza numerica
ab
(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
in modo tale da avere

(3.7)
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
Grazie alle (3.6), (3.7) posso scrivere

n
X
|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
|xk yk | = kxkp kykq
k=1
n
X
|sk tk | kxkp kykq .
k=1
Abbiamo dunque dimostrato la disuguaglianza di Holder. Rimane da dimostrare la

(3.6). Consideriamo la funzione
f (u) :=
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
Quindi f 0 = 0 se e solo se u = 1. Per concludere che si tratta di un minimo assoluto

basta osservare che, poichè p > 1 e dunque p 1 > 0, f 0 è negativa in (0, 1) e positiva
in (1, ). Siccome u = 1 è il minimo assoluto della f possiamo scrivere
f (1) f (u)
u 0 ,
up
1
+
p
q
u 0 .
cioè
u
Pongo a questo punto u = abq/p e ottengo

abq/p
ap bq
1
+ .
p
q
Moltiplicando ambo i membri per bq , poichè q q/p = 1, abbiamo

abq/p+q = ab
ap
bq
+ .
p
q
Grazie alla disuguaglianza di Holder si dimostra la disuguaglianza triangolare per k kp

e quindi il fatto che k kp è una norma (le altre proprietà sono banali):
3.14 Proposizione. (Disuguaglianza di Minkowski). Sia p 1. Allora per ogni
x, y Rn si ha
kx + ykp kxkp + kykp .
(3.8)
Dimostrazione. Se x, y sono due nple arbitrarie posso scrivere

n
X
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
|xk |uk kxkp
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
Utilizzando queste due disuguaglianze nella (3.9) si arriva a

n
X
k=1
n
p
hX
p i1/q
|xk | + |yk | kxkp + kykp
|xk | + |yk |
.
k=1
3.4. CONCETTI METRICI NEGLI SPAZI VETTORIALI NORMATI

Dividendo ambo i membri per la quantità
n
hX
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
Daltra parte la quantit`

a che appare a sinistra nella (3.8) può essere facilmente stimata
come
(3.11)
kx + ykp =
n
hX
|xk + yk |
p i1/p
k=1
n
hX
p i1/p
|xk | + |yk |
.
k=1
Dalle (3.10), (3.11) segue la disuguaglianza di Minkowski (3.8)

Tanto la disuguaglianza di H
older che quella di Minkowski possono essere estese al
caso in cui, al posto di due ennuple, x e y abbiamo due successioni infinite oppure due
integrali di funzioni continue. Valgono dunque le seguenti disuguaglianze
(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
Concetti metrici negli spazi vettoriali normati
Uno spazio vettoriale normato (V, k k) è un esempio particolare (molto particolare)

di spazio metrico, in cui la distanza fra due punti x, y V viene definita come
d(x, y) := kx yk
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, cioè 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
Se non cè ambiguit`

a rispetto allo spazio ambiente ometterò lapice V scrivendo semplicemente Br (x).
Aperto. Un sottoinsieme A è detto aperto in X se per ogni x A esiste > 0 tale che
BX (x) A.
Chiusura, chiuso. Ricordo che, se A è un sottoinsieme di uno SVN (V , k k) allora la
chiusura di A, indicata con A, è linsieme di tutti quegli elementi di V che si possono
ottenere come limite di una successione di elementi di A, vale a dire
uA
una successione (un ) di elementi di A tale che un u
Quindi A contiene tutti i punti di A pi`

u, eventualmente, linsieme di tutti quei punti
che non appartengono a A, ma che si possono ottenere come limite di punti di A.
Chiamo linsieme di questi punti Aple (punti limite esterni). Quindi posso scrivere
A = A Aple
3.15 Esempio. Nello spazio R2 con la usuale norma euclidea k k2 , sia
(3.16)
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, cioè
Aple = {x R2 : 0 x1 1 , x2 = 1} .
quindi
A = A Aple = {x R2 : 0 x1 1 , 0 x2 1} .
Un insieme A è 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 è duqnue chiuso. In altre parole per dimostrare che un insieme è chiuso
bisogna far vedere che se ho una successione convergente (x1 , x2 , . . .) di elementi di
A allora anche il suo limite è 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
` COSÌ! Esistono tonnellate
che un insieme è come un bar: o è aperto, o è chiuso. NON E
e tonnellate di insiemi che non sono nè aperti nè chiusi. Esempio: nello spazio R
linsieme A = [0, 1). Non è aperto perchè se scelgo x = 0, non esiste alcun > 0 tale
che B (0) [0, 1). E non è neanche chiuso perchè la successione xn = 1 1/n è una
successione di elementi di A che però converge al punto 1 che non appartiene ad A.
Un esempio pi`
u eclatante di insieme che non è nè aperto nè chiuso in R è 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 è uno spazio metrico X non
connesso ogni componente connessa di X è 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
Perec, La vita. Istruzioni per luso, Torino, Einaudi, 1998.
3.5. SPAZI INFINITO DIMENSIONALI: SPAZI DI SUCCESSIONI
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 è aperto in Y , ma nello spazio ambiente X non è nè aperto nè
chiuso. Nello spazio Y infatti le palle sono bidimensionali, cioè BY (x) è un disco
` chiaro
bidimensionale, mentre nello spazio X, BX (x) è una palla tridimensionale. E
quindi che se x = (x1 , x2 , 0) è un punto appartenente ad A allora esiste un > 0
abbastanza piccolo tale che BY (x) A, ma non sarà mai possibile avere BX (x) A.
Quindi A è aperto in Y ma non in X. Ovviamente A non è neanche chiuso in X perchè
la successione
1
xn = (1 , 0, 0)
n
è una successione di punti di A convergente in X ma con un limite (1, 0, 0) che non
appartiene ad A.
3.5
Spazi infinito dimensionali: spazi di successioni
Cos` come una npla è una successione di n numeri reali (o complessi)

Rn 3 x = (x1 , x2 , . . . , xn ) = (xi )ni=1
un successione pu`
o essere considerata come uninfinitupla, un elemento6 cioè dello
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 , è una successione, quindi una successione di elementi di R è 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 .
(x(n) ) = (x(0) , x(1) , x(2) , x(3) , . . . )
(3.17)
Ogni x(n) è a sua volta una successione di numeri reali, cioè

(n)
(n)
(n)
(n)
x(n) = x0 , x1 , x2 , x3 , . . .
(3.18)
(4)
Ad esempio x7
(n)
xi
R.
è il settimo elemento della quarta successione. Conviene a volte
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
visualizzare una successione di successioni come una matrice infinita

(0)
(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 , . . .)
..
.
Ogni riga di questa matrice è un punto nello spazio R .

Una spazio di successioni in cui avremo introdotto una norma è uno spazio vettoriale
normato, quindi affermare che la successione (di successioni) (x(0) , x(1) , x(2) , , . . . ) è
convergente a x significa, come al solito in uno SVN, che
lim kx x(n) k = 0 .
(3.20)
Per cui quando si parla di convergenza senza specificare ulteriormente si intende la

convergenza in norma data dalla (3.20). Si può però introdurre, accanto alla convergenza in norma, unaltra nozione di convergenza che è lanalogo della convergenza
puntuale per le funzioni.
3.16 Definizione. Una successione di successioni (x(n) ) si dice convergente puntualmente alla successione x se converge ad x componente per componente, cioè se
(3.21)
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 può essere scritta come
x(1) = (1,
2,
x(2) = (1/2, 1,
..
.
3,
. . .)
3/2, . . .)
x(n) = (1/n, 2/n, 3/n, . . .)

..
.
Si vede che il limite di ciascuna colonna è zero. E infatti, per ogni k fissato, se facciamo
tendere n allinfinito otteniamo
(n)
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 cioè 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 (ahimè) costruire una norma
su R è 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
Lo spazio delle successioni limitate: `
Indichiamo con il simbolo ` lo spazio di tutte le successioni limitate.8 Una successione

x = (x1 , x2 , x3 , . . .)
appariene a ` se supi |xi | < , ovvero se
esiste M R tale che |xi | M per ogni i N.
(3.22)
` è chiaramente uno spazio vettoriale (verifica gli assiomi, ricordando la dritta 3.3)
e grazie alla condizione di limitatezza (3.22), è possibile definire, per ogni elemento x
di ` , la quantit`
a
kxk = sup |xi | .
(3.23)
3.19 Osservazione. La norma (3.23) è definita con lestremo superiore e non con il
massimo perchè 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 quantità maxk |xk | non esiste.
3.20 Proposizione. Lapplicazione k k è una norma su ` .
Dimostrazione. Per far vedere che un qualcosa è una norma devo dimostrare 5 affermazioni
(0) Lapplicazione k k è ben definita su tutto lo spazio ` (ad esempio non dà
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 | è necessariamente
un numero finito, quindi k k è 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 è 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
Ho quindi dimostrato che k k è una norma su ` .

3.21 Osservazione. Nello spazio ` non sarebbe stato possibile definire come norma
la quantit`
a
kxk :=
(3.24)
|xi |
i=1
perchè avrebbe violato la proprietà (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
senza i moduli, perchè violerei la proprietà (1). Un altro non esempio è

kxk := sup |xi | = sup{|x2 |, |x4 |, . . .} .
i : pari
In questo caso infatti avrei elementi x non nulli, come

x = (1, 0, 1, 0, 1, 0, 1, 0, 1, . . .)
che hanno norma uguale a zero.9
3.22 Osservazione. Una delle prime novità che presentano gli spazi vettoriali infinito
dimensionali è che non è pi`
u vero che un insieme è compatto se e solo se è chiuso e
limitato. Vale ancora limplicazione
compatto chiuso e limitato
ma non quella contraria. Un esempio di insieme chiuso e limitato ma non compatto è
la palla unitaria in `
(3.25)
9e
questo non `
e carino
B1 := {x ` : kxk 1} .
53
Questo insieme è chiaramente chiuso e limitato (il suo diametro è uguale a 2), ma non
è 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)
ke(n) e(m) k := sup |ei
(3.27)
(m)
ei
|=1
Quindi la distanza fra due elementi qualsiasi di questa successione è uguale ad 1. Di

conseguenza non pu`
o esistere alcuna sottosuccessione convergente.
3.5.2
Lo spazio delle successioni convergenti a zero: `0
Sia `0 10 lo spazio di tutte le successioni reali x = (x0 , x1 , x2 , . . .) = (xi )

i=0 che convergono a zero
x `0 lim xi = 0 .
(3.28)
Analogamente si definisce `0 (C) come lo spazio delle successioni complesse che tendono
a zero.
3.23 Problema. Dimostrare che `0 è uno spazio vettoriale (ricorda quanto detto al
punto 3.3).
Siccome ogni successione convergente è necessariamente limitata (come si dimostra?),
abbiamo linclusione
`0 ` .
(3.29)
Quindi `0 è 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 `
0 viene indicato con

11 non siamo costretti
c0 in KF
|xi |2
i1/2
54
3.5.3
Gli spazi `p con p [1, )
Dato p 1 definisco `p come linsieme di tutte le successioni x = (x0 , x1 , x2 , . . .) =

(xi )
i=0 tali che
(3.31)
|xi |p < .
i=0
Questa condizione mi permette di definire unapplicazione

k k p : `p R
come
kxkp :=
(3.32)
hX
|xi |p
i1/p
i=0
3.25 Proposizione. Linsieme `p è uno spazio vettoriale e lapplicazione k kp è una

norma su `p .
Dimostrazione. Poichè `p è un sottoinsieme di R che è uno spazio vettoriale, per
far vedere che `p è anchesso uno spazio vettoriale è sufficiente far vedere che è chiuso
rispetto alle somme e alla moltiplicazione per uno scalare (come spiegato al punto 3.3).
Assumo x, y `p . Grazie alla definizione (3.31) so che
A :=
|xi |p <
B :=
i=0
|yi |p < .
i=0
Dalla disuguaglianza di Minkowski per le successioni (3.13) ottengo che
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
quindi il vettore x + y appartiene a `p .

Si assuma ora x `p e c R. Allora, usando di nuovo il fatto che x `p , ottengo
|c xi | = |c|
i=1
|xi |p < .
i=1
Dunque anche il prodotto cx appartiene a `p . Abbiamo cos` dimostrato che `p è uno

spazio vettoriale.
Ora faccio vedere che k kp è una norma. Innanzitutto osservo che la quantità kxkp
è ben definita per ogni x `p . Inoltre è ovvio che kxkp 0 e che kxkp = 0 se e solo
se x = 0. La disuguaglianza triangolare (proprietà (N4) della definizione di norma
3.6) in questo caso altri non è che la disuguaglianza di Minkowski (3.13). Rimane da
verificare che kc xkp = |c| kxkp , cosa che si fa in quattro microsecondi
kc xkp :=
hX
i=1
|c xi |p
i1/p
= |c|
hX
i=1
|xi |p
i1/p
= |c| kxkp
55
3.26 Osservazione. Se x è un elemento di un qualche spazio `p con p 1, allora

sappiamo che
X
|xi |p < .
i=0
p
Se poniamo yi := |xi | , otteniamo quindi che la sommatoria delle yi è convergente. Di

conseguenza la successione (y0 , y1 , y2 , . . .) deve tendere a zero
lim yi = lim |xi |p = 0 .
Ma allora si ha anche
lim xi = 0 , cioè x è un elemento di `0 .
Abbiamo quindi mostrato che ogni elemento di `p è anche un elemento di `0 , vale a

dire
`p `0 .
3.27 Problema. Fare un esempio di una successione x che appartiene a `4 ma non a
`3 .
A questo punto ci si pu`
o chiedere se esiste un rapporto di inclusione fra i vari spazi
`p con p diversi. La risposta è affermativa: pi`
u grande è il valore di p (1, ) e pi`
u
grande è lo spazio `p ,12 come dimostriamo di seguito. Si ha dunque una catena di
inclusioni (ricordate che p non è necessariamente un numero intero)
(3.33)
`1 `2 `2.1 `3 `301 `1000 `0 `
3.28 Proposizione. Se 1 p < q allora si ha `p `q .

Dimostrazione. Sia x = (x1 , x2 , . . .) una elemento di `p . Voglio dimostrare che x `q ,
vale a dire che
X
|xk |q < .
k=1
Sappiamo che `p ` , quindi esiste M 0 tale che

|xk | M
k = 1, 2, . . .
A questo punto possiamo concludere nel modo seguente

(3.34)
X
k=1
|xk |q =
|xk |p |xk |qp
k=1
X
k=1
|xk |p M qp = M qp
|xk |p .
k=1
Poichè M qp è una costante e la serie k=1 |xk |p è convergente per ipotesi, dalla (3.34)
si deduce che
X
la serie
|xk |q è convergente.
k=1
3.29 Problema. Data la seguente successione di successioni, calcolare le quantità

kx(2) k e kx(5) k3
n2
(n)
xk := n+k
k = 1, 2, 3, . . .
2
Risp: 1/2 ; 25/(32 3 7).

12 non confondetevi con il fatto che ` `
u grande di tutti gli `p . Il pedice 0 che appare in `0 ha
0 e pi`
un significato diverso
56
3.30 Problema. Consideriamo la successione di successioni (x(n) )

n=1 data da
(n)
xk
(
1
:=
0
se k n
se k > n
Calcolare kx(1) k , kx(4) k , kx(8) k1 e kx(n) k4 .

3.31 Problema. Sia (x(n) ) una successione di elementi di `1 . Dimostrare che
lim kx(n) k1 = 0
lim kx(n) k = 0
Far vedere che linverso è 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) ) è 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 è 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, cioè
lim kx(n) k 6= 0 .
n
Potrebbe venire il sospetto che la convergenza puntuale sia necessariamente pi`

u debole
di una qualsiasi convergenza in norma. Non è cos`.
Z 3.33 Problema. Trovare una norma k k sullo spazio vettoriale ` tale che esiste una
successione (x(n) ) di elementi di ` che converge a zero in norma, ma non puntualmente. Esibire esplicitamente questa successione.
3.5.4
Lo spazio delle successioni finite: `f
`f è 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 è uno spazio vettoriale (dimostrarlo!) e, poichè si ha linclusione ovvia
(3.35)
`f `p `
p1
possiamo trasformare `f in uno spazio vettoriale normato scegliendo la norma k k

oppure la norma k kp con p 1.
3.34 Problema. Per quali valori di R la successione
xk =
appartiene agli spazi `f ? `p ? `0 ? ` ?
Risp: mai; > 1/p; > 0; 0.
1
k
3.6. SPAZI INFINITO DIMENSIONALI: SPAZI DI FUNZIONI
3.6
3.6.1
57
Spazi infinito dimensionali: spazi di funzioni

Gli spazi C[a, b], Cb (R), C0 (R), Cc (R)
Si considerino i seguenti spazi di funzioni reali a valori reali

(1)
(2)
(3)
(4)
C[a, b], linsieme delle funzioni continue su [a, b].

Cb (R), linsieme delle funzioni continue e limitate su R.
C0 (R), linsieme delle funzioni continue che convergono a zero allinfinito.
Cc (R), linsieme delle funzioni continue che hanno supporto compatto, vale a dire
che sono nulle al di fuori di un intervallo finito.
Spesso è 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]
è una norma su C[a, b], mentre lapplicazione

kf ku := sup |f (x)|
xR
è una norma su ciascuno degli spazi Cb (R), C0 (R), Cc (R).

Dimostrazione. (pi`
u o meno ovvia)
Osserviamo che la convergenza rispetto alla norma k ku non è nientaltro che la
convergenza uniforme di una successione di funzioni.
3.6.2
Gli spazi Cp [a, b], Cp (R) in cui p [1, )
Se p 1, Cp [a, b] è linsieme di tutte le funzioni continue sullintervallo [a, b] con norma

(3.36)
kf kp :=
Z
|f (x)|p dx
1/p
Analogamente Cp (R) è linsieme di tutte le funzioni f : R R continue tali che

kf kp < , in cui
Z
(3.37)
kf kp :=
1/p
|f (x)| dx
p
3.36 Problema. Dimostrare che (Cp (R) , k kp ) è 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 è finito.
R
Ne segue che limx f (x) = 0? La risposta è no. Prova a pensare ad una funzione
che appartiene, ad esempio, a C1 (R), ma che non converge a zero allinfinito. In
realt`
a è 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 è 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, perchè una funzione continua su tale intervallo ha un massimo
e un minimo, quindi si avrebbe |f (x)| M su tutto lintervallo. Lidea è di pensare R
come la somma di 3 pezzi
R = (, K) [K, +K] (K, )
in cui il pezzo importante è 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) è 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
> 0 L > 0 tale che
|f (x)| dx +
|f (x)| dx <
+L
.
2
3.6. SPAZI INFINITO DIMENSIONALI: SPAZI DI FUNZIONI
59
Bene, siamo quasi arrivati. Dato che f è continua in [L, +L] esisterà M > 0 tale che
|f (x) M
x [L, L] .
Poniamo
:= /(2M ) .
In questo modo ottengo che se [a, b] è 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
Altri spazi vettoriali importanti
R lisnsieme delle successioni

C(R) linsieme delle funzioni continue
P (R) linsieme dei polinomi
C k (R) linsieme delle funzioni derivabili k volte con la derivata ksima continua
C k [a, b] linsieme delle funzioni f derivabili k volte con derivata ksima continua
su (a, b) tali che per ogni i = 0, 1, . . . , k esistono e sono finiti i limiti
lim f (i) (x)
xa+
lim f (i) (x)
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
Cc (R) C0 (R) Cb (R) C(R)

Cc (R) C2 (R) C(R)
P (R) C (R) C 2 (R) C 1 (R) C(R)
3.45 Problema. Nei casi seguenti: se k k è una norma dire semplicemente che è
una norma, mentre se non lo è 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
(e) V = R e kxk = |x1 + x2 + x3 |

P
(f) V = `2 e kxk = k=1 |xk |
P
(g) V = `1 e kxk = k=1 |xkk |
Soluzione.
` una norma.
(a) E
(b) Non è una norma. Infatti si prenda f (x) = 1. Allora kf k = 1, mentre la norma
deve essere non negativa.
(c) Non è una norma. Infatti si prenda f (x) = 1. Allora si ha
Z
dx
kf k =
=
1
+
|x|
R
mentre la norma deve essere finita.
1
. Questa funzione appartiene a
(d) Non è una norma. Infatti si prenda f (x) = 1+|x|
C0 (R), per`
o
Z
Z
dx
|f (x)| dx =
= .
1
+
|x|
R
R
(e) No. Viola la positivit`

a stretta. Infatti se x := (1, 1, 0) ottengo kxk = 0.
(f) No. P
La sommatoria pu`
o essere divergente. Sia infatti xk = 1/k. Allora (xk ) `2 ,
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 più 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 )
Risp: (a) >
1
4
1
.
4p
(b)
[ log(1 + x2 ) ]
1 + x2
(c) e|x|
(d)
|x|
1 + x8
(b) R. (c) > 0. (d) 0 < 8 p1 .
3.48 Problema. Determinare i valori di R perR i quali la funzione f appartiene a

C1 (R) (lo spazio delle funzioni continue f tali che R |f (x)|dx < ).
(a) f (x) :=
1
(2 + x6 )
Soluzione. (a) > 1/6.

(b) > 0.
(b) f (x) :=
1 + |x|
5 + e|x|
(c) f (x) :=
x2 cos x
1 + |x|
3.7. INDIPENDENZA LINEARE
61
(c) > 3. Infatti se > 3 ottengo:

Z
Z
|f (x)| dx
x2
1 + |x|
R
e quindi lintegrale è convergente. Far vedere che lintegrale R |f (x)| dx è divergente
per 3 è 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|
In ciascuno di questi intervalli [2n, 2n + /3] si ha | cos x| 1/2, mentre13

x2
(2n)2
1 + |x|
1 + (2n + /3)
x [2n, 2n + /3]
Abbiamo quindi ottenuto

|f (x)|
(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)
Per n grandi il termine nsimo della sommatoria va come n2 , quindi la sommatoria

è divergente se 3. A maggior ragione diverge lintegrale.
3.7
Indipendenza lineare
3.49 Definizione. Un insieme di vettori u1 , . . . uk in uno spazio vettoriale reale (o

complesso) V è detto linearmente dipendente se esistono k numeri reali (o complessi)
c1 , . . . , ck non tutti uguali a zero tali che
(3.39)
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} è detto linearmente indipendente se ogni sottoinsieme finito di A è linearmente indipendente.
3.50 Proposizione. Un insieme di vettori u1 , . . . uk è 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 è il massimo numero di
vettori linearmente indipendenti in V (questo numero può essere infinito, nel qual caso
V è detto infinito dimensionale).
13 possiamo
supporre > 0 altrimenti `

e ovvio che lintegrale diverge
62
3.52 Esempio. Sia V = P [0, 1]. Allora i vettori

(3.40)
u0 = 1, u1 = x, u2 = x2 , u3 = x3 , u4 = x4
sono linearmente indipendenti. (Dimostrarlo. Suggerimento: si assuma c0 u0 + +

c4 u4 = 0 e si derivi alcune volte la precedente identità).
3.53 Problema. Dimostrare che le funzioni 1, ex , e2x , e3x sono linearmente indipendenti in C[0, 1].
3.54 Problema. Dimostrare che 1, sin x, sin(2x), sin(3x) sono linearmente indipendenti in C[0, 2].
Soluzione. Assumiamo
(3.41)
c0 1 + c1 sin x + c2 sin(2x) + c3 sin(3x) = 0
Attenzione: Lo 0 che appare a destra nella precedente uguaglianza è lelemento zero

in C[0, 2], cioè la funzione zero. Quindi la precedente uguaglianza significa
(3.42)
c0 + c1 sin x + c2 sin(2x) + c3 sin(3x) = 0
per ogni x [0, 2].
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 è 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
Questo sistema si risolve facilmente e lunica soluzione è infatti c0 = = c3 = 014
3.7.1
Come si dimostra che un insieme di vettori `

e linearmente
indipendente?
Consideriamo diversi casi. V è il nostro spazio vettoriale.

(1) V = Rn e avete n vettori. In questo caso con gli n vettori costruite una matrice
quadrata n n e calcolate il determinante. I vettori sono linearmente indipendenti
se e solo se il determninante è diverso da zero.
(2) V = Rn e avete m vettori con m > n. Uhm. . . questo è un caso segreto e non sono
autorizzato a rivelarne la soluzione.
(3) V = Rn e avete m vettori con m < n. Facciamo finta che i vettori siano u1 =
(2, 3, 1, 0), u2 = (1, 5, 2, 1) e u3 = (1, 2, 2, 1). Costruite la matrice 4 3 usando i
3 vettori come righe della matrice
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?)
3.8. INSIEMI COMPLETI DI VETTORI E BASI
63
e riducete questa matrice a forma triangolare usando il vosto metodo preferito

(metodo di Gauss descritto nella Sezione 1.2.1, oppure usando un computer e
scrivendo un programmetto, o meglio ancora convincendo vostro zio a farlo a
posto vostro). Se alla fine ottenete una matrice con una o pi`
u righe di tutti zeri i
vettori sono linermente dipendenti, altrimenti sono linearmente indipendenti.
(4) V è uno spazio di funzioni e avete n funzioni f1 , . . . , fn . Bisogna considerare due
sottocasi. Se pensate che le funzioni siano linearmente dipendenti allora bisogna
provare a intuire una qualche identità notevole che potrebbe creare questa
dipendenza lineare. Ad esempio le funzioni
3, cos2 (x), cos(2x)
sono linearmente dipendenti. Infatti, poichè
cos(2x) = cos2 (x) sin2 (x)
otteniamo
6 cos2 (x) 3 cos(2x) = 3 cos2 (x) + 3 sin2 (x) = 3 .
Nel caso in cui si vuole invece dimostrare che le funzioni sono linearmente indipendenti ci sono due strategie che potrebbero funzionare. La prima è di considerare
lidentit`
a
(3.44)
c1 f1 (x) + + cn fn (x) = 0
e derivarla un certo numero di volte (Esempio 3.52). Unaltra possibilità è quella di

usare la (3.44) con n valori specifici x1 , . . . , xn della variabile x scelti opportunamente. In questo modo otteniamo un sistema di n equazioni lineari in n incognite
e possiamo procedere con nel caso (1) (Problema 3.54). Attenzione però: se ottenente un determinante diverso da zero allora avete dimostrato che le funzioni sono
linearmente indipendenti, ma se il determinante è nullo non si pu`
o raggiungere
alcuna conclusione! Riprovate con valori diversi degli xi .
3.8
Insiemi completi di vettori e basi
3.55 Definizione. Il sottospazio generato da un insieme di vettori (u )I è il pi`

u
piccolo sottospazio K tale che u K per ogni I. Questo sottospazio si denota
con il simbolo 15
(3.45)
span{u : I}
Linsieme dei vettori (u ) pu`

o essere finito, numerabile o non numerabile.
In altre parole span{u : I} è linsieme di tutti i vettori che possono essere espressi
come combinazione lineare finita degli u , vale a dire quei vattori che si possono scrivere
come
(3.46)
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
3.56 Esempio. Nello spazio vettoriale C(R) consideriamo i vettori

u0 (x) = 1 u1 (x) = x
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 è 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)
Identificare lo spazio generato da tutti questi vettori

(3.47)
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 proprietà: 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 è
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)
Poichè 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 è 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 è 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 è 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) è detto completo 18 se span{u : I} è denso in V , vale a dire se
span{u : I} = V
In altre parole dire che un insieme di vettori (u ) è 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
tale che ku vk < .

16 in
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
3.8. INSIEMI COMPLETI DI VETTORI E BASI
65
3.60 Definizione. Un insieme di vettori (u )I in uno SVN (V , k k) è detto una

base se è un insieme di vettori linearmente indipendente e completo.
3.61 Problema. Dimostrare che `f è denso in (`0 , k k ) (di conseguenza i vettori
unitari canonici e(1) , e(2) , e(3) , . . . sono una base in questo spazio).
Soluzione. Sia x = (x1 , x2 , . . .) un elemento arbitrario in `0 . Faccio vedere che esiste
una successione (x(n) ) di elementi di `f tale che x(n) x, cioè tale che
lim kx(n) xk = 0 .
Definisco la successione approssimante x(n) semplicemente mediante troncamenti della

successione x che voglio ottenere come limite.
x(1) := (x1 , 0, 0, 0, . . . )
x(2) := (x1 , x2 , 0, 0, . . . )
..
.
x(n) := (x1 , x2 , . . . , xn , 0, 0, . . . )
..
.
Ora non resta che calcolare kx x(n) k e far vedere che tende a zero. Infatti abbiamo
x x(n) = (0, 0, . . . , 0, 0, xn+1 , xn+2 , xn+3 , . . . ) ,
per cui
kx x(n) k := sup{|xn+1 | , |xn+2 | , . . . } = sup |xk | =: Mn .
k>n
Bisogna far vedere che

lim Mn = lim sup |xk | = lim sup |xn | = 0 .
n k>n
Ma poichè x `0 , per definizione si ha che xn tende a zero, che, come è noto, implica
che lim supn |xn | = 0.
3.62 Problema. Dimostrare che `f non è 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) è denso in (C0 (R) , k ku ), ma non
in (Cb (R) , k ku ).
Schema di soluzione. (1). Dimostrazione che Cc (R) è denso in C0 (R). Sia f C0 (R).
Lidea è di definire una successione di funzioni fn Cb (R) mediante un troncamento
di f , cioè definendo fn = 0 al di fuori dellintervallo [n, n]. Proprio cos` purtroppo la
cosa non funziona, perchè fn in generale non sarà una funzione continua, quindi serve
una costruzione leggermente pi`
u complicata. . .
(2). Dimostrazione che Cc (R) non è denso in Cb (R). Sia f (x) = 1. Questa è una
funzione appartenente a Cb (R), ma non cè speranza alcuna di poterla approssimare
con una funzione g Cc (R), perchè 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 è pi`
u vera nel caso infinitodimensionale.
66
3.65 Problema. Dimostrare che `f non è chiuso in (` , k k ).

Soluzione. Consideriamo la seguente successione di elementi di `f
x(1) = (1, 0, 0, 0, 0, 0 . . .)
1
x(2) = (1, , 0, 0, 0, 0 . . .)
2

1 1
x(3) = 1, , , 0, 0, 0 . . .
2 3
` facile dimostrare che x(n) converge, nella norma k k , alla successione
etc. E

1 1 1
1
x = 1, , , , . . . , , . . . .
2 3 4
n
(3.49)
Ma x non appariene a `f , quindi x è un punto limite esterno di `f . Di conseguenza `f

non è chiuso in (` , k k ).
3.66 Proposizione. `0 è un sottospazio chiuso di (` , k k ).
Dimostrazione. Dobbiamo far vedere che se
(i) x(n) è una successione di elementi di `0 , e
(ii) limn kx(n) xk = 0
allora x `0 , cioè x è una successione che converge a zero. Sia allora:
(1)
(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)
+ xi | |xi xi | + |xi | kx x(n) k + |xi |
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 < .
Ponendo n = N nella (3.51) e usando la (3.52) troviamo

(3.53)
(N )
|xi | kx x(N ) k + |xi
(N )
| + |xi
Di conseguenza
(3.54)
(N )
lim |xi | + lim |xi
|.
|.
3.9. COMPLETEZZA. SPAZI DI BANACH
67
(N )
Daltra parte sappiamo che x(N ) è un elemento di `0 , per cui limi |xi
Questo implica che
| = 0.
lim |xi | .
(3.55)
Poichè è 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 è aperto. Questo implica che `0 è chiuso. Al fine di
dimostrare che ` \`0 è aperto, facciamo vedere che per ogni x ` \`0 esiste > 0
tale che la distanza fra x e `0 è 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) è interamente
contenuta in ` \`0 , quindi ` \`0 è aperto e la dimostrazione è 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
Dunque la (3.56) è stata dimostrata con = 0 /2.
3.9
Completezza. Spazi di Banach
3.67 Definizione. Uno spazio di Banach è uno spazio vettoriale normato completo.
3.68 Proposizione. (` , k k ) è completo.
Dimostrazione. Sia x(n) una successione di Cauchy in ` . Allora > 0 esiste N tale
che
(3.58)
kx(n) x(m) k <
n, m N
il che implica
(3.59)
(n)
|xi
(m)
xi
|<
n, m N
(n)
Quindi, fissato lindice i, si ha che la successione reale (xi )

e di Cauchy. Poichè
n=1 `
R è completo questa successione è convergente, vale a dire per ogni i esiste xi R tale
che
(3.60)
(n)
lim xi
= xi
Consideriamo ora la successione x = (x1 , x2 , x3 , . . .). Dobbiamo far vedere che:
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 ) è 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)
Questo significa che per ogni i la successione di numeri reali xi , xi , xi , . . . è

una successione di Cauchy in R. Ma fortunatamente R è completo, quindi ognuna
di queste successioni è convergente ad un qualche numero reale che chiamo xi . Ho
ottenuto dunque
(n)
lim xi = xi .
n
Consideriamo ora la successione

x := (x1 , x2 , x3 , . . . ).
Voglio far vedere che
(a) x `p
(b) x(n) converge a x in `p , vale a dire limn kx(n) xkp = 0 .
Se dimostro queste due affermazioni ho dimostrato che `p è completo.
I Dimostrazione quasi giusta dei punti (a) e (b). Scelgo n N , poi uso la (3.63)
facendo tendere k allinfinito. Ottengo cos`
(3.65)
X
(n)

x xi p p .
i
i=1
Questa disuguaglianza mi dice che se n N il vettore x(n) x appartiene allo spazio

`p e che la sua norma è kx(n) xkp . Ma il vettore x può essere scritto come somma
x = x(n) + (x x(n) )
69
di due vettori che appartengono entrambi a `p , per cui anche x appartiene ad `p .

Contemporaneamente abbiamo fatto vedere che per ogni > 0 esiste un N tale che se
n N allora kx x(n) kp , che è propio la definizione del fatto che
lim kx(n) xkp = 0, ovvero che x(n) x in `p .
Quindi abbiamo dimostrato che x(n) è una successione convergente. Di conseguenza

`p è completo. Fine della quasi dimostrazione J
Al precedente argomento va fatta una piccola modifica, perchè nellespressione
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 è 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 ) è 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 ) è di Cauchy nello spazio (Cb (R) , k ku ) significa, per
definizione, che
(3.67)
> 0 N tale che n, k N si ha kfn fk ku < .
Usando la definizione di k ku la precedente affermazione implica

(3.68)
> 0 N tale che n, k N e x R si ha |fn (x) fk (x)| < .
A questo punto conviene portare il quantificatore x R allinizio, ottenendo cos`

x R [ > 0 N tale che n, k N si ha |fn (x) fk (x)| < ] .
70
Ora mi accorgo che il contenuto della parentesi [. . . ] significa nè pi`

u nè meno che
la successione numerica (fn (x)) è di Cauchy. Questa deve essere la nostra giornata
fortunata, perchè R è completo, quindi una successione numerica di Cauchy è necessariamente convergente. Dunque per ogni x R la successione (fn (x)) deve avere un
limite che chiamo subdolamente f (x). Siamo arrivati a dire che
x R si ha lim fn (x) = f (x) .
(3.69)
La (3.69) ci dice che la successione di funzioni (fn ) converge puntualmente alla funzione
f . Questo è un passo avanti, ma non è quello che ci serve. Quello che dobbiamo
dimostrare infatti è che
(a) f Cb (R), cioè f è continua e limitata
(b) vale la (3.66), cioè la successione (fn ) converge ad f uniformemente.
In realt`
a la (b) è sufficiente perchè se abbiamo la convergenza uniforme, allora è noto
che se una successione di funzioni continue e limitate converge uniformemente a qualcosa, il qualcosa è per forza continuo e limitato. Il problema è 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)
> 0 N tale che n N e x R si ha |fn (x) f (x)| ,
affermazione che pu`

o essere riscritta pi`
u semplicemente come
> 0 N tale che n N kfn f ku .
(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 è completo.
Schema di dimostrazione. Prendiamo ad esempio lo spazio C1 [1, 1], tanto non cambia
niente. Per far vedere che C1 [1, 1] non è completo bisogna costruire una successione
di funzioni (fn ) che sia di Cauchy ma non convergente. Lidea in questo caso è di
prendere una successione di Cauchy che converga a qualcosa che sta fuori dallo spazio
C1 [1, 1]. In particolare si può pensare ad una successione di funzioni continue che
converge ad una funzione non continua. Ovviamente bisognerà far vedere che questa
successione è 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 è 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
al fatto che il < facendo il limite diventa
(1 kx) dx +
1/n
0 dx
1/k
71
Abbiamo cos` dimostrato che

per ogni n, k N si ha kfn fk k1 1/N ,
che significa che la successione (fn ) è di Cauchy.
Ora è evidente che la successione (fn ) converge puntualmente alla funzione discontinua
(
f (x) =
0
1
se x [1, 0]
se x (0, 1].
Di conseguenza è impossibile che (fn ) possa convergere in norma k k1 ad una qualche

funzione continua g (dimostrarlo non è difficile).
3.72 Rimembranza. Ricordo quanto dimostrato nella Proposizione 2.33. Se (V , kk)
è uno spazio vettoriale normato completo e K è un sottospazio di V , allora (K , k k)
è completo se e solo se K è chiuso in V . Ad esempio, il risultato del problema 3.65 ci
dice che lo spazio (`f , k k ) non è completo.
3.73 Proposizione. (`0 , k k ) è completo.
Dimostrazione. La Proposizione 3.68 ci dice che lo SVN (` , k k ) è completo. La
Proposizione 3.66 afferma che (`0 , k k) è chiuso in (` , k k ). Quindi, per quanto
osservato al punto 3.72, (`0 , k k ) è completo.
3.74 Proposizione. (`f , k k ) non è completo.
Dimostrazione. Segue immediatamente da quanto osservato al punto 3.72 e dal risultato
del Problema 3.65.
La Proposizione 3.71 afferma che Cp (R) non è uno spazio completo. Ma allora si pone
la domanda:
3.75 Problema. Qual è il completamento di Cp (R)???
Ricapitoliamo a questo punto la strategia per dimostrare che uno spazio è completo.
3.9.1
Riassunto: strategia per dimostrare la completezza di

uno spazio normato
Come si dimostra che uno spazio vettoriale normato `

e completo?
(1) In generale quello che si fa è prendere una successione (un ) di elementi di V ,
assumere che sia di Cauchy e dimostrare che esiste u V tale che un u.
In molti casi per indivinare chi è u si sfrutta il fatto che R è completo (vedi la
dimostrazione della Proposizione 3.68).
(2) Una situazione in qualche senso pi`
u semplice è quando V è un sottospazio di uno
spazio vettoriale normato pi`
u grande V W (V e W devono essere considerati con
la stessa norma) e sappiamo gi`
a che W è completo. In questo caso per dimostrare
che V è completo è sufficiente far vedere che V è chiuso in W . In pratica si fa
cos`: si prende una successione (un ) in V e si assume che questa successione sia
convergente ad un qualche u W . A questo punto si dimostra che in realtà il
punto limite u è un elemento di V (vedi lEsempio 3.66).
72
Come si dimostra che uno spazio vettoriale normato non `

e completo?
Dimostrare la non completezza è di solito pi`
u facile che dimostrare la completezza.
Lidea è quella di trovare una successione che sembri convergente, ma in realtà converge
ad un punto che si trova al di fuori dello spazio V (vedi il Problema 3.65 o la
Proposozione 3.71).
Ok, va bene, ma perch`
e noi dovremmo sprecare il nostro tempo a dimostrare che uno spazio `
e (o non `
e) completo???
Ehm . . .
3.76 Attenzione!. Se (V, k k) è completo e K è un sottospazio chiuso di V allora K è
automaticamente completo. Ad esempio abbiamo visto che `0 è un sottospazio chiuso
dello SVN (` , k k ), e quindi (`0 , k k ) è anchesso completo. Ma se lo spazio
ambiente (V, k k) non è completo allora un sottospazio chiuso di V potrebbe essere
sia completo che non, mentre un sottospazio non chiuso è sicuramente non completo.
Consideriamo lo SVN non completo (`f , k k ) e consideriamo i seguenti tre sottospazi
di `f :
(1) K è linsieme di tutte le successioni x = (xi )
i=1 `f tali che xi = 0 per ogni
i > 3. Quindi K è linsieme di tutte le successioni tali che solo i primi tre elementi
` facile vedere che K è chiuso in (`f , k k ) ed
possono essere diversi da zero. E
inoltre è completo;
(2) K è linsieme delle successioni x in `f in cui tutti gli elementi pari x2k sono nulli.
Questo spazio è chiuso in (`f , k k ), ma non è completo. Il suo completamento
è dato da . . .
(3) K = `f (Q), vale a dire linsieme di tutte le successioni x = (xi )
i=1 `f tali che
ogni elemento xi è razionale. K non è chiuso in (`f , k k ), infatti la chiusura di
K è tutto lo spazio `f . Non essendo chiuso K non è neanche completo.
Possiamo fare un parallelo fra gli spazi `f , `0 , ` e gli spazi Q, R, C.
QRC
`f `0 `
C è completo
` è completo
R è chiuso in C, quindi R è completo
`0 è chiuso in ` , quindi `0 è completo
Q è denso in R, quindi Q = R
`f è denso in `0 , quindi `f = `0
Q non è nè chiuso nè completo
`f non è nè chiuso nè completo
3.10
Separabilit`
a
3.77 Definizione. Un insieme X è detto numerabile se esiste una corrispondenza

biunivoca fra X e N.20
In altre parole linsieme X è numerabile se esiste un modo per contare tutti gli
elementi di X.
3.78 Proposizione. (a) Il prodotto cartesiano di due insiemi numerabili è numerabile.
(b) Un unione numerabile di insiemi finiti o numerabili è numerabile, vale a dire se
A1 , A2 , A3 , . . . sono numerabili allora la loro unione
e anchessa numerabile.
i=1 Ai `
20 oppure
fra X e linsieme degli interi strettamente positivi {1, 2, 3, . . .}.
`
3.10. SEPARABILITA
73
Dimostrazione. (a) Sia X un insieme numerabile, quindi possiamo scrivere

X = {x1 , x2 , x3 , . . .} .
Il prodotto cartesiano (X X) è linsieme di tutte le coppie ordinate (xi , xj ). Voglio
assegnare ad ogni coppia un intero positivo in maniera biunivoca. Per fare questo
il trucco è quello di contare in diagonale. Chiamo, per brevità xij := (xi , xj ) e
rappresento X X come una matrice infinita
x11 x12 x13
x21 x22 x23
x31
..
.
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, avrò 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 è anchesso numerabile perchè ogni razionale q è un quoziente
fra interi q = n/k, quindi ad ogni razionale possiamo associare un elemento di (n, k)
Z2 . Siccome Z2 è numerabile anche Q è numerabile. Cè una piccola imprecisione in
questo argomento poichè la corrsipondenza fra Q e Z2 non è 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 è facile vedere che un sottoinsieme di un insieme numerabile
è finito o numerabile. Siccome Q non è finito, deve essere numerabile.
Una volta stabilito che Q è numerabile otteniamo che anche Qn è numerabile.
Se a qualcuno fosse a questo punto venuto il sospetto che tutti gli insiemi infiniti siano
numerabili lo riportiamo subito alla dura realtà della matematica.
3.79 Proposizione. Sia X = {0, 1} linsieme di tutte le successioni di zeri e uni.
X non è numerabile.
Dimostrazione. Supponiamo che X sia numerabile e trovermo una contraddizione. Se
X è numerabile posso scrivere i suoi elementi come
X = (x(1) , x(2) , x(3) , . . . )
in cui ciascun elemento è a sua volta una successione di zeri e uni (che chiamo successioni binarie). Abbiamo cioè una successione di successioni che rappresentiamo come
74
una matrice infinita

(1)
(1)
(2)
(2)
(n)
(n)
x(1) = (x1 , x2 , . . .)
x(2) = (x1 , x2 , . . .)
..
.
(3.72)
x(n) = (x1 , x2 , . . .)
..
.
Ogni riga è 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 , ) .
Perchè affermo che questa successione non può essere uguale ad alcuna riga della
matrice? Allora, y non pu`
o essere uguale alla prima riga x(1) perchè y e x(1) differiscono
sicuramente per quanto riguarda il loro primo elemento. y non può essere uguale alla
seconda riga perchè il secondo elemento di y è sicuramente diverso dal secondo elemento
di x(2) . Insomma y non pu`
o essere uguale alla generica nsima riga perchè lnsimo
elemento di y differisce dalln-simo elemento di x(n) . Quindi y non appare come riga
nella matrice infinita. Ma allora non è vero che X è linsieme di tutte le successioni
binarie.
3.80 Proposizione. Lintervallo [0, 1] non è numerabile.
Schema di dimostrazione. Ogni numero reale x [0, 1] può essere scritto in binario
come una successione di zeri e uni, quindi lenunciato discende dalla Proposizione 3.79
(Uhm. . . perchè non è una dimostrazione vera e propria?)
Poichè [0, 1] non è numerabile, non lo è neanche R (e neanche Rn ). Tuttavia la non
numerabilit`
a contratta da R è (fortunatamente) della forma meno grave. Il motivo
è che R, pur essendo non numerabile, ammette però un sottoinsieme numerabile Q
tale che ogni numero reale x può essere approssimato con precisione arbitraria da un
elemento di Q. Questa nozione è chiamata separabilità. Pi`
u precisamente:
3.81 Definizione. Uno spazio metrico (X, d) è detto separabile se esiste un insieme
numerabile Y X tale che Y è 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) è numerabile (Sugg: scrivere `f (Q) come
unione numerabile di insiemi numerabili . . . ).
21 ripeto
per la milleqqattrocentoventisettesima (si scrive con due q?) volta
`
3.10. SEPARABILITA
75
3.84 Problema. Dimostrare che `f (Q) è denso in (`0 , k k ). (Sugg: dimostrare che
`f (Q) è denso in `f (R) ed usare il fatto noto che `f (R) è denso in `0 ).
Soluzione. Suppongo di aver gi`
a dimostrato che `f (R) è denso in (`0 , k k ). Quindi
basta dimostrare che `f (Q) è denso in `0 (R) rispetto alla norma k k e usare il
risultato che afferma che la proprietà di essere denso in è transitiva se riferita alla
stessa norma.
Per far vedere che `f (Q) è denso in `f (R) dimostro che ogni elemento di `f (R) può
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 è lultimo elemento di x non nullo. Dato > 0 arbitrario, devo trovare
y `f (Q) tale che kx yk < . Poichè Q è 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, . . .
Ho quindi costruito una successione finita di razionali. Calcolo la distanza da x.

ky xk = sup |yk xk | < .
k
3.85 Problema. Dimostrare che `p è separabile. (Sugg: usa il fatto che `f (Q) è
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 è separabile.
3.87 Problema. Dimostrare che (` , k k ) non è separabile. (Sugg: utilizzare il
risultato del problema precedente).
76
4. Spazi di Hilbert
F:
B:
F:
B:
F:
B:
4.1
Butch, whose motorcycle is this?

Its a chopper.
Whose chopper is this?
Zeds.
Whos Zed?
Zeds dead, baby, Zeds dead.
Definizioni
4.1 Definizione. Sia V uno spazio vettoriale su R. Si definisce prodotto scalare in V

unapplicazione
h , i : V V R
tale che, per ogni u, v, z V e per ogni c R si ha:
(1) hv, vi 0
(2) hv, vi = 0 se e solo se v = 0
(3) hu, vi = hv, ui
(4) hu + v, zi = hu, zi + hv, zi
(5) hc u, vi = c hu, vi
Se V è uno spazio vettoriale complesso la condizione di simmetria del prodotto scalare
deve essere modificata.
4.2 Definizione. Sia V uno spazio vettoriale su C. Si definisce prodotto scalare in V
unapplicazione
h , i : V V C
tale che, per ogni u, v, z V e per ogni c C si ha:
(1) hv, vi 0
(2) hv, vi = 0 se e solo se v = 0
(3) hu, vi = hv, ui
(4) hu + v, zi = hu, zi + hv, zi
(5) hc u, vi = c hu, vi
4.3 Definizione. Uno spazio vettoriale reale (o complesso) V munito di un prodotto
scalare h , i è detto spazio euclideo reale (o complesso).
Le seguenti propriet`
a discendono in modo evidente dalle definizioni appena date.
4.4 Proposizione. Sia (V, h , i) uno spazio euclideo reale (complesso). Allora per
ogni u, v, z V e per ogni c R (c C) si ha:
(6) hz, u + vi = hz, ui + hz, vi
77
78
CHAPTER 4. SPAZI DI HILBERT
(7a) hu, c vi = c hu, vi (nel caso reale)

(7b) hu, c vi = c hu, vi (nel caso complesso).
4.5 Attenzione!. In molti libri di fisica si trova la convenzione opposta per quanto
riguarda le propriet`
a di linearità del prodotto scalare in uno spazio vettoriale complesso, vale a dire
hc u, vi = c hu, vi
hu, c vi = c hu, vi .
Basta saperlo. . .
4.6 Definizione. Uno spazio euclideo completo si dice spazio di Hilbert.1
4.7 Proposizione. (Disuguaglianza di CauchySchwarz). Sia (V, h , i) uno spazio
euclideo reale (complesso). Allora
|hu, vi|2 hu, ui hv, vi
u, v V
Dimostrazione. Faccio la dimostrazione nel caso complesso che è quello pi`

u. . . complesso. Sia t C e
p(t) := htu + v, tu + vi .
(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 è stata definita nella (4.1), la quantità p(t) è non negativa, qualunque
sia il numero complesso t. In particolare dovrà 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 è esattamente il modulo di hu, vi, per cui la Proposizione è dimostrata.
Uno dei vantaggi di avere un prodotto scalare è che, tramite il prodotto scalare, si
pu`
o facilissimamente definire una norma (il contrario in generale non si può 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
è 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
qualcuno spazio di Hilbert `

e necessariamente infinito dimensionale
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 continuità 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 .
Poichè la successione (vn ) è convergente, essa è anche limitata in norma,2 quindi esiste
M > 0 tale che kvn k M per ogni n. La precedente disuguaglianza può 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
Esempi di spazi euclidei
(1) Definisco, per x, y `2

hx, yi :=
xi yi
hx, yi :=
(caso reale)
i=1
xi yi
(caso complesso)
i=1
p
Allora h, i è un prodotto scalare in `2 e la norma associata kxk := hx, xi è
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
Allora `2 () è uno spazio vettoriale. Infatti se x `2 () e c R allora cx è ancora

un elemento di `2 () poichè
i |cxi |2 = |c|2
i=1
i |xi |2 <
i=1
Inoltre se x, y `2 () allora x + y `2 (). Infatti sappiamo che 2|ab| (a2 + b2 ),

quindi
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
Definiamo un prodotto scalare in `2 () come

hx, yi =
X
i=1
2 la
dimostrazione `
e identica al caso dei reali
i xi yi
i (x2i + yi2 )
80
(3) Date due funzioni f, g C2 (R) (C2 (R; C)) definisco

Z
Z
hf, gi := f (x)g(x) dx (caso reale) hf, gi := f (x)g(x) dx
R
(caso complesso)
Si verifica facilmente che questo è un prodotto scalare e la norma associata è la

norma k k2 .
(4) (Spazi di funzioni pesati). Sia p C(R) una funzione positiva. Definisco:
Z
n
o
C2 (R, p dx) = f C(R) :
p(x) |f (x)|2 dx <
R
Questo è uno spazio vettoriale sul quale posso definire il prodotto scalare
Z
hf, gi :=
p(x) f (x) g(x) dx .
R
4.1.2
La regola del parallelogramma
` possibile trovare prodotti scalari appropriati tali che altri spazi

4.10 Domanda. E
vettoriali normati diventino spazi euclidei? Si considerino ad esempio gli spazi (`p , kkp )
con p 1. Questi sono SVN. Abbiamo visto che se p = 2 è possibile inventarsi un
prodotto scalare tale che la norma kk2 è proprio la norma associata al prodotto scalare
tramite la relazione (4.2). In questo modo `2 diventa uno spazio euclideo. Possiamo
fare lo stesso se p 6= 2?
La risposta è contenuta nel risultato seguente:
4.11 Proposizione. (Regola del parallelogramma). Sia (V, k k) uno SVN. Una condizione necessaria e sufficiente per lesistenza di un prodotto scalare h , i in V tale
che
p
uV
(4.3)
kuk := hu, ui
è la seguente identit`
a
ku + vk2 + ku vk2 = 2 kuk2 + kvk2
(4.4)
Dimostrazione della necessit`

a. Supponiamo che la norma k k sia associata ad un
prodotto scalare tramite la (4.3). Allora otteniamo
ku + vk2 + ku vk2 = hu + v, u + vi + hu v, u vi
(4.5)
= kuk2 + hu, vi + hv, ui + kvk2 + kuk2 hu, vi hv, ui + kvk2

= 2 kuk2 + kvk2
Dimostrazione della sufficienza. Si veda KF p.160.
4.1.3
Problemi
4.12 Problema. Dire se la seguente espressione è un prodotto scalare in `2 o meno.

Dimostrare ci`
o che si afferma.
hx, yi =
X
(xi yi+1 + xi+1 yi )
i=1
4.2. COMPLEMENTO ORTOGONALE
81
4.13 Problema. Dire se la seguente espressione è un prodotto scalare in `2 o meno.

Dimostrare ci`
o che si afferma.
hx, yi =
(xi yi + xi yi+1 + xi+1 yi )
i=1
Soluzione. Non è un prodotto scalare, perchè non è 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
è un prodotto scalare in `2 .
4.15 Problema. Quale condizione deve soddisfare una matrice n n A, affinchè la
seguente espressione sia un prodotto scalare in Rn ?
hu, vi :=
n
X
Aij ui vj
u, v Rn
i,j=1
4.16 Problema. Dire se la seguente espressione è un prodotto scalare nello spazio

Mnn (R). Dimostrare ci`
o che si afferma (At è la trasposta di A).
(a) hA, Bi := tr(AB)
(b) hA, Bi := tr(At B)
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 quantità

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 è 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
4.21 Esempio. In R3 , sia v1 = (1, 0, 0) e v2 = (0, 1, 0). Allora

{v1 , v2 } = lasse z.
4.22 Proposizione. Se X è un insieme di vettori nello uno spazio euclideo (V , h, i),
X è un sottospazio chiuso di V .
Dimostrazione. (1) X è un sottospazio. Infatti, se assumo che v1 e v2 appartengono
a X e se c1 , c2 R, allora
hc1 v1 + c2 v2 , wi = c1 hv1 , wi + c2 hv2 , wi = 0
w X ,
quindi c1 v1 + c2 v2 X , e dunque X è un sottospazio.

(2) X è chiuso. Infatti sia (vn ) una successione di elementi di X tale che vn v V .
Faccio vedere che v X . Fisso in vettore w X arbitrario. Siccome vn X posso
scrivere
hvn , wi = 0
n .
Poichè il prodotto scalare è continuo posso far passare il limite dentro il prodotto
scalare e ottengo
0 = lim hvn , wi = hv, wi .
n
Quindi v w. Ma w è un vettore arbitrario di X, da cui concludo che v X .

4.23 Proposizione. Se X, Y sono due insiemi di vettori nello uno spazio euclideo
(V , h, i), allora
(1) se X Y allora X Y
(2) X = X = span(X) .
Dimostrazione.
(1). Assumo v Y e faccio vedere che v X . Infatti, se v è ortogonale a tutti i
vettori di Y , a maggior ragione sarà ortogonale a tutti i vettori di X, poichè 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)
Infatti se w span(X) allora w si può scrivere come combinazione linerare finita di

elementi di X, vale a dire
w=
n
X
ci w i
wi X .
i=1
Quindi, grazie alla bilinearit`

a del prodotto scalare
hv, wi =
n
X
i=1
ci hv, wi i = 0 ,
4.2. COMPLEMENTO ORTOGONALE
83
come a dire che v è ortogonale a tutti i vettori che appartegono a span(X). La (4.7) è
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 è continuo,
hv, wi = hv, lim wn i = lim hv, wn i = 0 ,
n
grazie alla (4.7) e al fatto che wn span(X).

Avendo ipotizzato v X siamo arrivati alla conclusione che v è ortogonale a tutti
gli elementi di span(X). La (4.6) è quindi dimostrata.
4.24 Proposizione. Sia (V , h, i) uno spazio di Hilbert, sia W un sottospazio chiuso
di V e sia v V . Allora esiste nel sottospazio W un unico vettore w0 che è il pi`
u
vicino a v, cioè tale che
d := kv w0 k kv wk
(4.8)
w W .
Dimostrazione. Sia
d := inf kv wk .
wW
Per definizione di inf posso trovare una successione wn W tale che

lim kv wn k = d .
(4.9)
Affermo che (wn ) è 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)
= 2kv wn k2 + 2kv wk k2 4k 21 (wn + wk ) vk2 .

Poichè 21 (wn + wk ) appartiene a W , deve valere, per definizione di d,
k 12 (wn + wk ) vk d ,
per cui la (4.10) pu`
o essere riscritta come
(4.11)
kwn wk k2 2kv wn k2 + 2kv wk k2 4d2 .
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
kwn wk k2 4(d + )2 4d2 = 8 + 42 .
Quindi la successione (wn ) è di Cauchy. Siccome V è completo e W è chiuso in V ,

W è anchesso completo. Dunque esiste w0 W tale che wn w0 . A questo punto,
nella (4.9), faccio tendere n , e, poichè la norma è continua, ottengo
kv w0 k = d .
Ho dunque dimostrato lesistenza di un vettore w0 nel sottospazio W che minimizza
la distanza da v.
Lunicit`
a è lasciata come esercizio.
84
4.25 Problema. Sia (V , h, i) uno spazio di Hilbert, sia W un sottospazio chiuso di

V e sia v V . Dimostrare direttamente (senza usare il teorema della proiezione) che
non possono esistere due vettori distinti w1 e w2 appartenenti a W che minimizzano
entrambi, in W , la distanza da v, vale a dire tali che
kv w1 k = kv w2 k kv wk
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 può essere costruito come. . . )
4.26 Teorema. (Teorema della proiezione). Se W è 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 è ortogonale a W , cioè che
hv w, xi = 0
xW.
Sia x un elemento arbitrario di W . Per far vedere che v w x costruisco il vettore

w + tx, in cui t R. Il vettore w + tx è ancora un elemento di W quindi, per la (4.14),
si ha, t R,3
d2 kv (w + tx)k2 = k(v w) txk2
(4.15)
= kv wk2 2thv w, xi + t2 kxk2 = d2 2thv w, xi + t2 kxk2 .
Ho ottenuto dunque che

2thv w, xi + t2 kxk2 0
t R ,
che implica
hv w, xi = 0 .
Quindi ho dimostrato che v w è ortogonale ad un qualsiasi elemento x W , cioè
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
V spazio vettoriale reale. Il caso complesso `

e leggermente pi`
u complicato
4.3. SISTEMI ORTOGONALI, COMPLETEZZA, BASI
4.3
85
Sistemi ortogonali, completezza, basi
4.27 Definizione. Un insieme di vettori non nulli X V è detto sistema ortogonale

(SOG) se per ogni coppia di vettori u, v X con u 6= v si ha u v. X è detto sistema
ortonormale (SON) se inoltre per ogni u X si ha kuk = 1.
4.28 Proposizione. Sia X un sistema ortogonale nello spazio euclideo (V, h , i).
Allora X è un sistema di vettori linearmente indipendenti.
Dimostrazione. Identica al caso finito dimensionale.
4.29 Definizione. Un sistema di vettori (v )I ortogonale e completo in uno spazio
euclideo (V, h , i) è detto base ortogonale (BOG) di V . Se si ha inoltre kv k = 1 per
ogni I allora (v )I è detto base ortonormale (BON).
4.30 Lemma. Sia v1 , v2 , . . . , vn un SOG e sia u un vettore arbitrario. Allora il vettore
z definito come
z := u
hu, v2 i
hu, vn i
hu, v1 i
v1
v2
vn
kv1 k2
kv2 k2
kvn k2
è ortogonale a ciascuno dei vi , di conseguenza si ha z span{v1 , . . . , vn }.

Dimostrazione. Si verifica immediatamente che per ogni i = 1, . . . , n, si ha hz, vi i = 0.
Quindi
z {v1 , . . . , vn } .
Grazie alla Proposizione 4.23 ottengo
z {v1 , . . . , vn } = span{v1 , . . . , vn } = span{v1 , . . . , vn } ,

in cui lultima uguaglianza deriva dal fatto che il sottospazio generato da un numero
finito di vettori è necessariamente chiuso.
4.31 Teorema. (GramSchmidt). Sia (vn )
n=1 un insieme di vettori linearmente
indipendenti nello spazio euclideo (V, h, i). Allora esiste un SON (un )
n=1 tale che
(1) Ciascun un è una combinazione lineare di v1 , . . . , vn
un = an1 v1 + + ann vn
con ann 6= 0
(2) Ciascun vn pu`
o essere scritto come
vn = bn1 u1 + + bnn un
con bnn 6= 0.
Di conseguenza, per ogni n = 1, 2, . . ., si ha
(4.16)
span{v1 , . . . , vn } = span{u1 , . . . , un }
86
Dimostrazione. Per costruire il SON utilizziamo la procedura di ortogonalizzazione di

GramSchmidt, definendo:
u1 = w1 /kw1 k
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 è ortogonale ai vettori w1 , . . . , wn1 . Poichè n è 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 può scrivere come
vn = wn + n1 w1 + + n,k1 wk1 ,
quindi vn è una combinazione lineare di w1 , . . . , wn . Viceversa, poichè w1 = v1 ,
sotituendo nella formula per w2 otteniamo
w2 = v2
hv2 , w1 i
v1 .
kw1 k2
Quindi w2 è una combinazione lineare di v1 e v2 . Sostituendo questa espressione nella

formula per w3 otteniamo che w3 è una combinazione lineare di v1 , v2 , v3 . Mediante
sostituzioni successive otteniamo che, per ogni intero positivo n, wn è una combinazione lineare di v1 , . . . , vn . Questo fatto, unitamente a ciò che abbiamo affermato in
precedenza, vale a dire che ogni vn è una combinazione lineare di w1 , . . . , wn equivale
a dire che per ogni n si ha
span{v1 , . . . , vn } = span{w1 , . . . , wn } = span{u1 , . . . , un } ,
in cui lultima uguaglianza è banale.
4.32 Problema. (Polinomi di Legendre). Usando la procedura di GramSchmidt,
trovare un sistema ortonormale p0 , p1 , p2 , p3 in C2 [1, 1], a partire dal seguente sistema
di vettori linearmente indipendenti:
v0 (x) = 1, v1 (x) = x, v2 (x) = x2 , v3 (x) = x3 , v4 (x) = x4
Soluzione. Uso il procedimento di ortogonalizzazione di GramSchmidt:
Z 1
w0 = 1
kw0 k2 =
1 dx = 2
1
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
4.3. SISTEMI ORTOGONALI, COMPLETEZZA, BASI

e
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
w3 , p3 si trovano proseguendo nello stesso modo.

4.33 Problema. (Polinomi di Hermite). Nello spazio euclideo pesato
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), . . .
è 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
Ma sappiamo che i vn costituiscono un insieme denso in V , quindi
span{(wn )
n=1 } = span{(vn )n=1 } = V ,
vale a dire (wn ) è un insieme completo di vettori linearmente indipendenti. A questo

punto applico la procedura di ortogonalizzazione di GramSchmidt a (wn ) e ottengo
un sistema ortonormale (un ). Grazie alla (4.16) ottengo
span{u1 , . . . , un } = span{w1 , . . . , wn }
e quindi, di nuovo,
span{(un )
n=1 } = span{(wn )n=1 } = V .
Il sistema ortonormale (un ) è completo e, per definizione, una base.

4.36 Osservazione. (Sulla separabilità). Abbiamo visto che se V è uno spazio euclideo separabile esiste una base ortonormale numerabile (uk )
o essere cok=1 che pu`
struita a partire da un sistema completo di vettori linearmente indipendenti, mediante
la procedura di GramSchmidt. Nel caso in cui V sia completo ma non separabile è
ancora vero che esiste una base ortnonormale (si prende un sistema ortonormale massimale, la cui esistenza è garantita dal Lemma di Zorn), però:
(a) Non esiste (in generale) un metodo costruttivo per trovare questa base ortonormale.
(b) La base (u )I è necessariamente non numerabile. Infatti se esistesse una base numerabile (uk )
k=1 allora, dalla completezza di questo insieme di vettori seguirebbe
che V = span{(uk )}. Sia ora X := spanQ {(uk )} linsieme delle combinazioni
` facile far vedere che X è nulineari finite a coefficienti razionali dei vettori uk . E
merabile e che X è denso in span{(uk )}, quindi X è denso in V . Di conseguenza
V è separabile in contraddizione con la nostra ipotesi.
Il lettore, per quanto riguarda la parte restante di questo capitolo, può assumere per
semplicit`
a che V sia sempre separabile, in quanto la maggior parte degli spazi che si
incontrano sono tali.
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 è 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 è un operatore lineare5
5 anche
se operatore lineare non `

e stato ancora definito
4.4. DISUGUAGLIANZA DI BESSEL
89
Sorgono a questo punto un certo numero di questioni riguardanti i coefficienti di

Fourier:
4.38 Domande.
(1) In analogia col caso finitodimensionale, è vero che ogni vettore può essere scritto
come somma dei suoi coefficienti di Fourier moltiplicati per i vettori di base corrispondenti? Vale a dire, si pu`
o scrivere
(4.18)
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 è 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 è limmagine di FU ? Vale a dire, si può 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
Dati dei coefficienti arbitrari 1 , . . . , n R (o C) definiamo anche

Sn :=
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)
kv Sn k2 = hv Sn , v Sn i = hv, vi 2hv, Sn i + hSn , Sn i

n
n
X
X
= hv, vi 2
ck k +
k2
k=1
= kvk2
n
X
k=1
c2k +
k=1
n
X
(k ck )2 .
k=1
Notare che la quantit`

a (4.20) è minima quando lultima sommatoria è uguale a zero,
quindi quando si ha k = ck . Di consequenza otteniamo
90
(a) Fra tutte le approssimazioni di v fatte di combinazioni lineari di u1 , . . . , un la

migliore è quella ottenuta proprio con i coefficienti di Fourier, cioè
kv Sn k kv Sn k
(4.21)
(b) Nel caso di k = ck la (4.20) diventa

kv Sn k2 = kvk2
(4.22)
n
X
c2k
k=1
Dato che il lato sinistro è non negativo, si ottiene

n
X
c2k kvk2
k=1
che implica, facendo tendere n allinfinito,
(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
è 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
è equivalente a
kvk2 =
hv, uk i2
k=1
k=1
Ci sono perci`
o due possibilit`
a:
(i) o la (4.23) è unuguaglianza, vale, cioè 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) è una disuguaglianza stretta, nel qual caso la (4.26) non è valida.
Notare che, dato che c = FU (v), luguaglianza di Parseval può essere simbolicamente
riscritta come
kFU (v)k2 = kvk
(ancora luguaglianza di Parseval).
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
4.40 Definizione. Il sistema ortonormale (uk )

e detto
k=1 nello spazio euclideo V `
chiuso se per ogni v V si ha
hv, uk i2 = kvk2
e quindi anche
v=
k=1
hv, uk i uk .
k=1
4.41 Proposizione. Sia U = (un )

n=1 un sistema ortonormale nello spazio euclideo
(V, h, i). Allora U è un sistema completo di vettori (quindi U è una base ortonormale)
se e solo se U è chiuso. Inoltre, se U è completo (o chiuso), V è necessariamente
separabile.
Dimostrazione. . Completo chiuso. Sia (uk )
k=1 un base ortonormale in V . Devo
far vedere che il sistema di vettori (uk ) è chiuso, cioè che per ogni v V si ha
v=
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, cioè
n
X
Sn =
hv, uk i uk .
k=1
Equivalentemente devo far vedere che

(4.27)
per ogni > 0 esiste N > 0 tale che n N si ha kv Sn k < .
Per definizione di completezza del sistema (uk ) si ha che

span(uk )
k=1 = V .
In altre parole per ogni v V e per ogni > 0 posso trovare un intero positivo N e
dei coefficienti 1 , . . . , N tali che
N

X

k uk < .
v
k=1
Ma grazie alla disuguaglianza (4.21) ottengo

(4.28)
N

X

kv SN k v
k uk < .
k=1
Per dimostrare la (4.27) e quindi concludere mi basta osservare che, grazie allidentità
(4.22), la quantit`
a kv Sn k è 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 ) è chiuso, per definizione, si ha che, per ogni
v V,
n
X
v = lim
hv, uk i uk = lim Sn .
n
k=1
Poichè Sn span(uk ), la precedente equazione ci dice che v è un punto di aderenza di

span(uk ), cioè
v span(uk ) .
92
Ma v è un vettore arbitrario in V , quindi

V = span(uk ) ,
vale a dire il sistema (uk ) è completo.
La dimostrazione che la completezza di U implica la separabilità di V segue dalle
considerazioni fatte nellOsservazione 4.36.
4.42 Problema. Calcolare i coefficienti della serie di Fourier di ex in [0, 2].
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
Dimostrazione. Definisco una successione di vettori v1 , v2 , . . ., in cui

vn :=
n
X
ck u k .
k=1
Idea: far vedere che la successione (vn ) è una successione di Cauchy in V . Dato che V
è completo, per ipotesi, in questo modo si ottiene che la successione (vn ) è convergente
a un qualche elemento v di V .
Procedo a far vedere che (vn ) è 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
necessariamente una base
c2k
m
X
k=n+1
m
X
c2k
k=n+1
ck uk i
93
2
k=1 ck
Dato che, per ipotesi, c `2 , la serie

tende a zero, vale a dire
lim
è convergente. Quindi il resto nsimo
c2k = 0
k=n+1
che, tradotto, significa

(4.33)
per ogni > 0 esiste N tale che se n N allora
c2k <
k=n+1
Dalle (4.32) e (4.33) si ottiene

(4.34)
per ogni > 0 esiste N tale che se n, m N allora kvn vm k <
che, significa esattamente che la successione (vn ) è di Cauchy.

Dato che V è completo, esiste v V tale che vn converge a v, cioè
lim kv vn k = 0
(4.35)
ovvero, usando la definizione di vn

(4.36)
v=
ck uk
k=1
Ora devo far vedere che valgono le (4.29) e (4.30).

Iniziamo con la prima. Posso scrivere
(4.37)
hv, uk i = hvn , uk i + hv vn , uk i
Se n k si ha che il primo termine è uguale a

hvn , 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
per cui, prendendo il limite n nella (4.37) ottengo

(4.38)
hv, uk i = ck
Rimane da dimostrare la (4.30).

Ma questa è quasi immediata. Infatti dalle (4.36) e (4.38) segue
v=
hv, uk i uk
k=1
che è equivalente, come osservato nella (4.24) alla (4.30)
94
4.44 Proposizione. Sia U = (un )

n=1 un sistema ortonormale nello spazio euclideo
(V, h, i). Si considerino le sequenti affermazioni:
(1) U è un sistema completo di vettori (quindi U è una base ortonormale).
(2) U è totale, vale a dire: non esiste alcun vettore v V non nullo che sia ortogonale
a tutti gli uk .
Allora valgono le seguenti implicazioni:
se V è completo
(1) (2)
se V non è completo
(1) (2)
Dimostrazione che (1) (2). Sia (un )

n=1 un sistema completo di vettori. Per
la Proposizione 4.41 (un )
`
e
un
sistema
chiuso, vale a dire per ogni v V vale
n=1
luguaglianza di Parseval
X
kvk =
hv, uk i2 .
k=1
Se v è ortogonale a tutti i vettori uk , questa uguaglianza ci dice che v è necessariamente

il vettore nullo.
Dimostrazione che (2) (1) se V è completo. Voglio ora far vedere che, sotto lipotesi
che V è completo (quindi uno spazio di Hilbert), vale limplicazione contraria: se
(un )
e totale allora è completo. Per dimostrarlo assumo che (un )
n=1 `
n=1 non sia un
sistema completo di vettori in V e farò vedere che non è totale dimostrando che esiste
un vettore w 6= 0 ortogonale a tutti gli un . Supponiamo quindi che (un )
n=1 non sia
completo e, di conseguenza, non sia chiuso. Per definizione esiste (almeno) un vettore
v V per il quale non vale luguaglianza di Parseval, ma si ha
kvk2 >
(4.39)
hv, uk i2 .
k=1
Pongo
ck := hv, uk i .
(4.40)
Poichè V è completo, per il Teorema di RieszFisher, esiste w V tale che

(4.41)
hw, uk i = ck
k = 1, 2, 3, . . . e, inoltre vale kwk2 =
c2k .
k=1
Dalle (4.39), (4.41) si ottiene che kvk > kwk quindi, se definisco z := v w, il vettore
z è 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 è 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 è possibile solo se V non è 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 è completo. Nonostante ciò 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. RIASSUNTO DELLE PRECEDENTI PUNTATE
4.5
95
Riassunto delle precedenti puntate
Sia dunque V uno spazio euclideo infinito dimensionale separabile e sia

U = (u1 , u2 , u3 , . . .)
un sistema ortonormale in V . Allora, per ogni v V vale lidentità
kv
n
X
hv, uk i uk k2 = kvk2
k=1
n
X
hv, uk i2
k=1
Se U è completo (e quindi chiuso) (e quindi totale) allora ambo i membri di questa

identit`
a tendono a zero quando n , quindi
(4.42)
v=
hv, uk i uk
kvk2 =
k=1
hv, uk i2
k=1
Se il sistema ortonornale U non è completo, le cose si complicano. In questo caso,

mentre ci saranno dei vettori v per i quali la (4.42) è ancora valida, ce ne sono anche
degli altri per i quali
(4.43)
v 6=
hv, uk i uk
kvk2 >
hv, uk i2
k=1
k=1
Bene, ma che significa dire che

v 6=
(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 è ortogonale a tutti gli uk , quindi il sistema U non è 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 è completo.
4.6
Teorema: isomorfismo degli spazi di Hilbert separabili
4.7
Proiezioni ortogonali
4.46 Teorema. Se W è un sottospazio chiuso di uno spazio di Hilbert separabile

(V, h, i), allora ogni vettore v V pu`
o essere univocamente scritto come
(4.45)
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 separabilità). Lesitenza e lunicità 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 ) è una base ortonormale di W . Ora è facile far vedere che la somma di
una infinit`
a non numerabile di termini positivi è necessariamente infinita. E infatti
si dimostra che, fissato w, solo una quantità finita o numerabile dei termini hv, u i
sono diversi da zero e quindi la sommatoria è di fatto una somma di una quantità al
pi`
u numerabile di termini. Il sottoinsieme finito o numerabile degli u che danno un
contributo non nullo alla somma non è però fissato a priori, ma varia al variare di
w W.
Dimostrazione.
. Esistenza della rappresentazione (4.45).
Poichè W è un sottospazio chiuso di V e V è completo, per la Proposizione 2.35, si ha
che W è anchesso completo. Quindi W è 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
c2k kvk2 < ,
k=1
quindi la successione c = (ck )

k=1 appartiene ad `2 . Per il Teorema di RieszFisher
applicato a W esiste w W tale che
(4.47)
w=
hv, uk i uk .
k=1
Pongo
z =vw
e affermo che z è 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 è 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 .
4.7. PROIEZIONI ORTOGONALI
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 è chiuso allora la conclusione del precedente teorema è
falsa. Infatti consideriamo `f come sottospazio di `2 . `f non è chiuso, infatti la sua
chiusura (in `2 ) coincide proprio con `2 7 . Ora è chiaro che nessun vettore con infiniti
elementi non nulli pu`
o essere rappresentato come nella (4.45) semplicemente perchè
(`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 può essere
k=1 `
esplicitamente scritto come
(4.49)
W v :=
hv, uk i uk
k=1
mentre se la base è ortogonale, ma non necessariamente normalizzata allora si ha

(4.50)
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
4.51 Corollario. Se W è un sottospazio chiuso dello spazio di Hilbert V allora

V = W W
4.52 Problema. Sia W la proiezione ortogonale sul sottospazio chiuso W di uno
spazio di Hilbert V . Dimostrare che
2
(a) W
= W , cioè W (W (v)) = W (v)
(b) W è simmetrico, cioè hW v, zi = hv, W zi per ogni v, z V .
7 cio`
e
`f `
e denso in `2
98
(c) Se W e Z sono due sottospazi chiusi di V mutuamente ortogonali, allora W Z =

0.
(d) Se W e Z sono due sottospazi chiusi di V tali che W Z, allora W Z =
Z W = W .
4.53 Problema. Sia W il proiettore ortogonale sul sottospazio chiuso W dello spazio
di Hilbert V . Dimostrare che hu, W ui 0 per ogni u V .
4.54 Problema. Sia V = Rn e sia u Rn . Poniamo u := span{u} , per cui abbiamo
u v =
hv, ui
u
kuk2
Dimostrare che loperatore u è rappresentato, nella base canonica di Rn dalla matrice

A con elementi
ui uj
i, j = 1, . . . , n
Aij =
kuk2
4.55 Problema. Sia u := (1, 2, 3, 4) R4 . Determinare la matrice che rappresenta
loperatore u (la proiezione ortogonale su span{u}) nella base canonica.
4.56 Problema. Sia L = Rn e sia u1 , . . . , up un sistema di p vettori ortogonali in Rn .
Sia anche W = span{u1 , . . . , up }. Poniamo
uk := span{uk }
Sia A(k) la matrice che rappresenta loperatore uk nella base canonica di Rn
(k)
Aij =
uk,i uk,j
kuk2
k = 1, . . . , p,
i, j = 1, . . . , n
Dimostrare che
W = u1 + + up ,
quindi W è 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)
Determinare la matrice 4 4 A che rappresenta W nella base canonica. Verificare

che A2 = A.
Soluzione. Ortogonalizzando i vettori v1 , v2 si ottengono
w1 = v1 = (1, 1, 0, 0)
w2 = (1/2, 1/2, 1, 0)
Siano A(1) e A(2) le matrici che rappresentano w1 e w2 rispettivamente. Allora dalla

formula generale
uk,i uk,j
(k)
Aij =
kuk2
si ottiene
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
4.7. PROIEZIONI ORTOGONALI
99
A = A(1) + A(2)
1 0
1 0
2 0
0 0
2 1
1
1
2
=
3 1 1
0 0
4.58 Problema. Sia V = C2 [0, 1] e W = span{x, x3 }. Determinare il nucleo integrale

K(x, y) delloperatore W . Verificare che
Z 1
K(x, y)K(y, z) dy = K(x, z) .
0
2
Calcolare W x e verificare che x2 W (x2 ) è ortogonale a W .

Soluzione. Ortogonalizzo i vettori v1 = x, v2 = x3 , ottenendo
w1 (x) = v1 (x) = x
Z
Z 1
2
2
w1 (y) dy =
kw1 k =
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
K(x, y) = Kw1 (x, y) + Kw2 (x, y)
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 è 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
Il nucleo integrale di W è dato da

w1 (x) w1 (y) w2 (x) w2 (y)
3
175
K(x, y) =
+
= xy +
kw1 k2
kw2 k2
2
8
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 è 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 è 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 ) è
chiuso, si ottiene
W (W ) = (W )
(2). Dimostrazione che W (W ) .
Sia w (W ) . Dato che W è 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 .
Siccome w (W ) , si ha hw, zi = 0, quindi

kzk2 = hz, w vi = hz, wi hz, vi = 0
quindi z = 0. Questo significa che w = v 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
Funzionali lineari continui
5.1 Definizione. Un funzionale lineare F sullo spazio vettoriale L è unapplicazione

F : L R tale che
(1) F (u + v) = F (u) + F (v) per ogni u, v L
(2) F (cu) = cF (u) per ogni c R, u L
5.2 Esempi.
(a) L = R. Dato a R definisco a (x) := ax. a è un funzionale lineare su R. Tutti
i funzionali lineari su R sono di questo tipo (perchè?).
(b) P
In Rn . Se a Rn possiamo costruire il funzionale lineare a definito come a (x) :=
n
i=1 ai xi
(c) Nello spazio `1 : se a = (ai )
i=1 ` , posso definire il funzionale lineare a : `1 R
come
(5.1)
a (x) :=
a i xi
x `1
i=1
Questa sommatoria è finita, infatti

(5.2)
ai xi |
i=1
|ai xi | sup |ai |

i
i=1
|xi | = kak kxk1
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
Osservo che lintegrale è ben definito, infatti

Z
Z
(5.4)
|g (f )|
|g(x)f (x)| dx sup |f (x)|
|g(x)| dx = kgk1 kf ku
R
xR
101
102
CHAPTER 5. FUNZIONALI LINEARI E DISTRIBUZIONI
(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 è detto
spazio duale o coniugato dello spazio L.
5.4 Definizione. Un funzionale lineare F sullo spazio vettoriale L è detto limitato se
la quantit`
a
kF k :=
sup |F (x)|
xL:kxk1
è finita. La quantit`
a kF k è 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
Di conseguenza vale la disuguaglianza

|F (x)| kF k kxk
(5.7)
x L
Dimostrazione. Definisco
A :=
|F (x)|
sup
B := sup
x6=0
xL:kxk1
|F (x)|
kxk
e faccio vedere che A = B.

Dimostrzione che B A. Grazie allomogenità di F , posso scrivere
B = sup
x6=0
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
5.6 Proposizione. (Condizioni equivalenti). Sia F un funzionale lineare sullo spazio

vettoriale normato L. Le seguenti condizioni sono equivalenti
(1) F è continuo
(2) F è continuo nellorigine
(3) F è limitato
1 dimostreremo
fra poco che `

e una vera norma
5.1. FUNZIONALI LINEARI CONTINUI
103
Dimostrazione di (1) (2). Banale

Dimostrazione di (2) (3). Assumo F continuo in 0. Allora, per definizione di
continuiut`
a, dato che F (0) = 0, si ha
(5.8)
per ogni > 0 esiste > 0 tale che se kxk allora |F (x)| <
Ma allora se x è un vettore di L con kxk 1 poniamo

u := x
per cui
kuk = kxk = || kxk
Quindi, sfruttando la (5.8) si ottiene
|F (x)| = |F (u/)| =
1
|F (u)|
x L tali che kxk 1 ,
da cui
kF k =
sup
|F (x)|
xL: kxk1
Quindi F è un funzionale lineare limitato.

Dimostrazione di (3) (1). Assumo F limitato e voglio dimostrare che F è continuo.
Devo dunque far vedere che
(5.9) x L, > 0, esiste > 0 tale che se ky xk < allora |F (y) F (x)| <
Scelgo x L e > 0. Allora, grazie alla (5.7), posso scrivere
|F (y) F (x)| = |F (y x)| kF k ky xk
(5.10)
Scegliamo ora := /kF k. In questo modo si ha che, se ky xk < allora

|F (y) F (x)| kF k =
kF k = .
kF k
Abbiamo quindi dimostrato che F è continuo

5.7 Proposizione.
(1) Se esiste C > 0 tale che
|F (x)| C kxk
(5.11)
x L
allora si ha che F L e kF k C.
(2) Se invece F L e
(5.12)
per ogni > 0 esiste x L tale che |F (x)| (C ) kxk
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) può essere sostituita
da una condizione pi`
u semplice, vale a dire che
(5.13)
esiste x L tale che |F (x)| = C kxk
104
Dimostrazione. Se vale la (5.11), allora

kF k :=
|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 è un assurdo perchè vale sempre |F (x)| kF k kxk.
5.9 Problema. Nei casi seguenti dire se F è 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 ) =
Soluzione. (a) No. Si prenda xi = 1/i. Allora x `2 , ma

(b) S`. Infatti, per la disuguaglianza di CauchySchwarz,
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 è 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 è 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 è 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 è
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 ), è
un funzionale lineare non limitato.
5.12 Problema. Nello spazio `p consideriamo il funzionale lineare a definito come
a (x) :=
ai xi .
i=1
Sia q := p/(p 1), in modo tale che
1
p
1
q
= 1, e sia a `q .
(1) Dimostrare che il funzionale lineare a è ben definito su `p , vale a dire la sommatoria è convergente per ogni x `p
(2) Dimostrare che il funzionale lineare a è 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
Questa disuguaglianza dimostra che la sommatoria è finita e al tempo stesso che ka k

kakq .
Punto 3. Sapendo gi`
a che ka k kakq , mi basta dimostrare che vale la disuguaglianza
opposta ka k kakq . A questo scopo, dato a `q , cerco un particolare vettore x `p
tale che valga
|a (x)| = kakq kxkp
(5.15)
Non sempre è possibile trovarlo (vedi il Problema 5.18 in cui è necessario usare un
metodo pi`
u complicato). In questo caso però con la scelta
xi = sgn(ai ) |ai |q1
la (5.15) è soddisfatta. La verifica è 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) .
Dimostrare che kg k = kgk1 .

Soluzione. Dimostro prima che kg k kgk1 e poi che kg k kgk1 . Osservo che per
ogni f Cb (R) si ha
Z
Z
|g (f )|
|g(x)f (x)| dx sup |f (x)|
|g(x)| dx = kgk1 kf ku
R
xR
e questo implica, come osservato nella Proposizione 5.7, che kg k kgk1 .
106
Passiamo a dimostrare la disuguaglianza opposta. Questo è un po pi`

u complicato
perchè, dato un > 0, devo trovare funzione f Cb (R) (che in generale dipende dal
valore di ) tale che
Z

|g (f )| := g(x) f (x) dx > (kgk1 ) kf ku .
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 .
Il motivo di questa scelta di f è che posso scrivere

f (x) g(x) = |g(x)|
x R
e a questo punto ho svoltato. Infatti ottengo

Z
Z
Z

|g (f )| := g(x) f (x) dx = |g(x)| dx =
|g(x)| dx =: kgk1 ,
R
che mi dice che la () è soddisfatta, dato che kf ku = 1. Purtroppo questa funzione f

non è continua. Fine Divagazione. J
La divagazione prcedente ci ha fatto perdere del tempo ma non è stata completamente
inutile, perchè lidea () è pi`
u o meno quella giusta. Siccome però f deve essere
continua non pu`
o saltare istantaneamente da 1 a +1 e viceversa, quindi dovremo
creare dei raccordi obliqui fra i tratti nei quali f vale +1 e quelli in cui vale 1. Per
di pi`
u2 il numero di questi raccordi può essere infinito. Infatti la funzione continua
g potrebbe cambiare segno un numero infinito di volte. Fortunatamente si tratta di
un infinitit`
a numerabile, perchè ogni volta che g assume un valore (diciamo) positivo,
allora sar`
a positiva in tutto un intervallino che contiene sicuramente un razionale. Un
altro modo di dirlo è che, siccome g è continua, gli insiemi
A+ := { x R : g(x) > 0 }
A := { x R : g(x) < 0 }
sono entrambi aperti. Ma è noto [KF p.64] che ogni insieme aperto di R si può
rappresentare come unione finita o numerabile di intervalli aperti disgiunti. Quindi3
+
esistono 4 successioni di numeri reali a+

n , bn , an , bn tali che
+
+
A+ :=
n=1 (an , bn )
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
se non avessimo di meglio da fare che creare raccordi obliqui

il caso in cui il numero di questi intervalli `
e infinito numerabile
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 )
La definizione di f sugli intervalli (a

e analoga, con il segno cambiato. Infine
n , bn ) `
definisco f (x) = 0 se g(x) = 0. Non ho ancora detto come devo scegliere le quantità
d
e la definizione della funzione f sia
n . Per il momento osservo soltanto che, affinch`
univoca deve essere
d
n |bn an |/2 .
+
+
d+
n |bn an |/2
Una scelta precisa per queste quantità la farò pi`

u tardi. Ricordiamoci che il nostro
scopo è dimostrare la (). Osservo che con la scelta fatta di f , le due funzioni f e
g hanno sempre lo stesso segno, quindi il prodotto f g è sempre non negativo. Allora
posso scrivere
Z
Z
Z

g(x) f (x) dx +
g(x) f (x) dx
g(x) f (x) dx =
A+
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
Sommando su tutti gli n ottengo

Z
Z
Z
X
g(x) f (x) dx
g(x) dx
A+
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
che, poichè su questi intervalli g è negativa, si può riscrivere come

Z
Z
Z
Z
X
g(x) f (x) dx
|g(x)| dx
|g(x)| dx +
|g(x)| dx .
A
n=1
L
n
Rn
108
Mettendo tutto insieme ho

Z
Z
|g (f )| =
g(x) f (x) dx
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 ciò che manca è 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] è un qualsiasi intervallo di
Rb
lunghezza non superiore a allora a |g(x)| dx < .
Nel mio caso devo stare leggermente pi`
u attento perchè 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 quantità corrispondenti
n tali che
Z
|g(x)| dx <
se [a, b] è un intervallo di lunghezza non superiore a n allora

a
.
4 2n
Una volta che ho i n posso finalmente scegliere la larghezza d

n degli intervallini sui
o essere
quali f è obliqua, larghezza che avevo lasciato in sospeso. Mi ricordo che d
n pu`
+
al massimo uguale a |b+
n an |/2, dunque pongo
+
+
d+
n := min{ n , |bn an |/2 }
d
n := min{ n , |bn an |/2 } .
A questo punto ho ottenuto

Z
X
n=1
<
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
che è esattamente ci`

o che dovevo dimostrare
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
5.2. LO SPAZIO DUALE
109
(1) somma fra due funzionali lineari come

(F + G)(x) := F (x) + G(x)
xL
(2) prodotto di un funzionale lineare per un numero come

(cF )(x) := cF (x)
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, è uno spazio vettoriale. La
quantit`
a
kF k :=
sup
|F (x)|
xL: kxk1
è una norma su L .
Dimostrazione. Vanno dimostrate le proprietà (A), (B), (SV1), . . . , (SV8) che definiscono uno spazio vettoriale (Definizione 3.1). Tutte queste proprietà si dimostrano
in modo completamente meccanico, non è richiesta attività cerebrale oltre a quella
necessaria per luso della penna. Ad esempio, per quanto riguarda la proprietà (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 è un funzionale lineare su L
e che H è limitato. Vediamo che H è 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 è 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
Ho quindi dimostrato non solo che H è limitato, ma anche che

kF + Gk kF k + kGk
F, G L ,
che ci torna utile per affermare che k k è una norma su L .

In modo pressochè identico si dimostra che se F L e c R allora cF L (proprietà
(B)).
Cos`, tanto per evidenziare la banalità della cosa, dimostro una delle altre proprietà
degli spazi vettoriali, diciamo la (SV4) che afferma
per ogni F L esiste G L tale che F + G = 0.
Sia dunque F L . Allora definisco unapplicazione G : L R come
G(x) := F (x)
x L.
` immediato verificare che G è lineare e che G è limitato con kGk = kF k. Quindi

E
G L e, ovviamente F + G = 0.
Le altre propriet`
a sono altrettanto ovvie.
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 è una funzione continua su [0, ] si ha

Z

cos x f (x) dx k cos xku kf k1 .
|F (f )| =
0
Questa disuguaglianza ci dice che

kF k k cos xku = 1 .
Daltra parte consideriamo una successioni di funzioni continue fn che hanno un picco
sempre pi`
u stretto in corrispondenza di uno dei massimi del | cos x|, ad esempio in
x = 0. Scegliamo, ad esempio,
(
1 nx se x [0, 1/n]
fn (x) :=
0
se x (1/n, ]
In questo modo si ottiene
R 1/n
R1
| 0 cos x fn (x) dx|
cos x fn (x) dx
|F (fn )|
R(fn ) :=
= 0 R 1/n
= R1
.
kfn k1
|fn (x)| dx|
fn (x) dx
0
0
Poichè il coseno è decrescente nellintervallo [0, 1/n] si avrà
Z 1/n
Z 1/n
cos x fn (x) dx cos(1/n)
fn (x) dx .
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
Poichè 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
è limitato e vale kg k = kgkq . Nel caso considerato ottengo:

Z
Z
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
Identificazione di alcuni spazi duali importanti
5.18 Problema. Nello spazio `1 consideriamo il funzionale lineare a definito come

a (x) :=
ai xi .
i=1
Allora
(1) Dimostrare che se a ` , il funzionale lineare a è ben definito su `1 , vale a dire
la sommatoria è convergente per ogni x `1
(2) Dimostrare che se a ` , il funzionale lineare a è limitato su `1
(3) Dimostrare che vale ka k = kak .
(4) Dimostrare inoltre che è un isomorfismo di ` su `1 , vale a dire far vedere
che ogni funzionale lineare continuo F su `1 si può 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
Questa disuguaglianza dimostra che la sommatoria è finita e al tempo stesso che ka k

kak .
Punto 3. Sappiamo che ka k kak . Per dimostrare che ka k kak , usiamo la
condizione (5.12). Sia dunque > 0. Voglio trovare x `1 tale che
|a (x)| (kak ) kxk1
(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
Con questa scelta di x ottengo.

|a (x)| = |
ai xi | = |aj xj | = |aj | > kak = (kak ) kxk1
i=1
e la (5.17) è dimostrata. Quindi ka k = kak

Punto 4. Ora voglio far vedere che se F è un funzionale lineare continuo su `1 allora
esiste a ` tale che F = a . Sia dunque F `1 e x `1 . Se (e(n) )
e la base
n=1 `
canonica di `1 si ha
lim kx
n
X
i=1
xi e(i) k1 = lim
X
i=n+1
|xi | = 0 ,
112
quindi posso scrivere

x = lim
n
X
xi e
(i)
i=1
xi e(i)
i=1
Dato che F è continuo si avr`

a
F (x) = lim
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 ` ,
cioè che a è una successione limitata. Ma dato che F è 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 è un funzionale lineare continuo su `0 .
P
(2) ka k = kak1 := k=1 |ak |
(3) Se F è 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
|ai xi | sup |xi |

i
i=1
|ai | = kak1 kxk
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)
per ogni > 0 esiste x `0 tale che |a (x)| (kak1 ) kxk
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 è positivo
o nullo e 1 se ai è negativo. Quindi la successione x può essere scritta come

an
a1 a2
,
, ...,
, 0, 0, 0, . . .
x=
|a1 | |a2 |
|an |
113
in cui, convenzionalmente, se ai = 0, intendiamo ai /|ai | = 0. Chiaramente x `0 e la

sua norma è
kxk := sup |xi | = 1 .
i
Il valore di a su questo vettore x allora si può 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
Dato che kxk1 = 1 si ha dunque

|a (x)| (ka1 k ) kxk1 .
Abbiamo dimostrato in questo modo la (5.20), quindi ka k kak1 . Insieme alla
disuguaglianza inversa che gi`
a conoscevamo grazie alla (5.19) questo ci permette di
concludere che ka k = kak1 .
Dimostrazione di (3). Sia F un funzionale lineare continuo su `0 . Voglio far vedere
che esiste a `1 tale che F = a . Sia quindi x `0 , cioè x = (xi )
i=1 e vale
(5.22)
lim xi = 0 .
Poniamo, come al solito,

e(i) := ( 0 , 0 , . . . , 0 , 1 , 0 , 0 , . . . )
(i)
Affermo che
(5.23)
n
X
x = lim
Infatti
Dn := kx
n
X
xi e(i) .
i=1
xi e(i) k = sup |xk |

kn
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 è 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
Resta da verificare che a `1 , vale a dire che

(5.24)
|ai | < .
i=1
Dimostreremo unaffermazione pi`

u forte della (5.24), vale a dire che
per ogni n si ha
n
X
i=1
|ai | kF k .
114
A questo scopo poniamo

X
n
a1 a2
an
ai (i)
(n)
x =
,
, ...,
, 0, 0, 0, . . . =
e
|a1 | |a2 |
|an |
|a
i|
i=1
Ovviamente abbiamo che
x(n) `0 e kx(n) k = 1
di conseguenza si ha
|F (x(n) )| kF k kxk = kF k .
Ma, daltra parte,
|F (x
(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
Di conseguenza a `1 e la proposizione è dimostrata

5.20 Problema. Per a R, calcolare la norma di a che agisce sullo spazio (Cc (R), k
ku ).
Soluzione. Possiamo scrivere
|a (f )| = |f (a)| sup |f (y)| kf ku
yR
f Cc (R)
Questo ci dice che ka k 1. Per dimostrare che ka k = 1 è quindi sufficiente trovare

una funzione particolare h Cc (R) tale che
|a (h)| = khku
Sia dunque h una funzione C a supporto compatto il cui modulo abbia il massimo
assoluto nel punto x = a, ad esempio
(
1
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
Lo spazio duale di uno spazio di Hilbert
Uno spazio di Hilbert è un caso particolare di uno spazio di Banach in cui abbiamo, in
pi`
u, un prodotto scalare. Se (L, h, i) è 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 cè 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.
` facile vedere che v è un funzionale lineare continuo.

E
5.22 Domanda. Tutti i funzionali lineari continui su L sono della forma (5.25)?
La risposta è affermativa. In altre parole il duale di uno spazio di Hilbert è isomorfo
a se stesso L
= L.
5.23 Teorema. Sia (L, h, i) uno spazio di Hilbert reale e definiamo per ogni v L,
la funzione v : L R come
v (z) := hz, vi
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 è un funzionale lineare continuo su L, allora esiste v L tale che F = v .
Dimostrazione di (1). Faccio vedere innanzi tutto che v è un funzionale lineare. Siano
w, z L e sia c R. Allora, grazie alle proprietà 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 è 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 bilinearità
del prodotto scalare. Infatti, poichè L è 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 è continuo NF è un sottospazio chiuso di L. Se NF = L, allora si ha
F (u) = 0
u L ,
116
vale a dire F è il funzionale nullo, F = 0. In questo caso scelgo v = 0 e ottengo

hv, ui = h0, ui = 0 = F (u)
u L ,
per cui abbiamo F = v e laffermazione (3), in questo caso banale, è dimostrata.

Consideriamo dunque laltro caso in cui NF 6= L. Per il teorema 4.46 sulle proiezioni
ortogonali il complemento ortogonale NF contiene almeno un elemento w 6= 0. Scegliamo ora
F (w)
v=
w
kwk2
e dimostriamo che
F = v
vale a dire che F (u) = v (u) = hv, ui u L .
Sia quindi u un qualsiasi vettore in L. Siccome w

/ NF , F (w) 6= 0, quindi u può
essere scritto come

F (u)
F (u)
u = u1 +
w
in cui u1 := u
w
F (w)
F (w)
Notare che

F (u)
w = F (u) F (u) = 0 ,
F (u1 ) = F u
F (w)
per cui u1 NF . Poichè w NF avremo
hu1 , wi = 0 .
Di conseguenza
F (u)
F (w)
F (w)
F (u)
wi = h
w, u1 i + h
w,
wi
F (w)
kwk2
kwk2
F (w)
F (w)
F (w) F (u)
=
hw, u1 i +
hw, wi = 0 + F (u) = F (u)
2
kwk
kwk2 F (w)
v (u) = hv, u1 i + hv,
Abbiamo quindi mostrato che

F (u) = v (u)
u L
il che significa che F = v che è esattamente ciò che affermava il punto (3).
5.24 Osservazione. Se L è 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
5.25 Definizione. (Convergenza debole). Una successione (vk )

k=1 in uno spazio
vettoriale normato (L, k k) si dice debolmente convergente al vettore v L e si scrive
w
vk v se
per ogni F L si ha lim F (vk ) = F (v).
k
5.3. CONVERGENZA DEBOLE
117
Il concetto di convergenza debole è pi`

u debole4 della convergenza usuale che si esprime
tramite la norma come
lim kv vk k = 0 ,
k
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]
Questa successione è chiaramente non convergente in norma. Infatti si ha
ke(i) e(j) k = 2
i 6= j
che implica che la successione (5.26) non può essere di Cauchy. Di conseguenza non è
nenache convergente. Per`
o la (5.26) è 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 è 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 è
per ogni a `2 si ha lim he(n) , ai = 0.
n
Ma, daltra parte, se a `2 si ha

he(n) , ai =
(n)
ai ei
= an
i=1
e, dato che a `2 , abbiamo
|ai |2 < ,
i=1
per cui
lim an = 0 .
Abbiamo quindi fatto vedere che

lim he(n) , ai = 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
che invece la convergenza in norma k ku `

e equivalente alla convergenza uniforme
118

w
Infatti supponiamo fn f . Ciò significa, ricordiamo, che

per ogni F Cn (R) si ha lim F (fn ) = F (f ).
n
In particolare, dato che le delta di Dirac sono funzionali lineari continui su Cb (R) dovrà
valere
per ogni x R si ha lim x (fn ) = x (f ).
n
che, per definizione di x , è 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
5.29 Definizione. Una funzione f : R R è detta avere discontinuit`

a isolate se
linsieme
Df := {x R : f non è continua in x}
non ha punti di accumulazione.
In altre parole una funzione f ha discontinuità isolate se e solo se, comunque si scelga
un intervallo finito [a, b], il numero dei punti di discontinuità di f nellintervallo [a, b]
è finito. Si osservi che linsieme Df di tutti i punti di discontinuità è un insieme finito
o numerabile. Infatti

Df = nZ Df [n, n + 1) .
Poichè ciascuno degli insiemi Df [n, n + 1) ha cardinalità finita, Df essendo unione
numerabile di insiemi di cardinalità finita è numerabile.
5.30 Definizione. Una funzione f : R R si dice localmente integrabile se:
(a) f ha discontinuit`
a isolate.
(b) per ogni a, b R con a < b, si ha che lintegrale (possibilmente improprio)
Rb
|f (x)| dx è finito.
a
5.31 Definizione. Una funzione f : R R si dice continua a tratti se
(a) f ha discontinuit`
a isolate
(b) per ogni punto di discontinuità u Df , esistono e sono finiti i limiti
(5.28)
f (u ) := lim f (x)
xu
f (u+ ) := lim+ f (x)

xu
5.32 Proposizione. Se f : R R è continua a tratti allora è localmente integrabile.

Dimostrazione. Sia f continua a tratti e siano a, b R con a < b. La funzione f
possiede un numero finito (potrebbe essere nullo) di punti di discontinuità che cadono
nellintervallo [a, b]. Siano dunque
a u0 < u1 < < un1 < un b
5.4. DISTRIBUZIONI
119
` facile mostrare che, grazie alla (5.28), la funzione

i punti di discontinuit`
a di f in [a, b]. E
f è limitata in [a, b], quindi esiste M > 0 tale che |f (x)| M per ogni x [a, b]. Di
conseguenza
Z b
|f (x)| dx M (b a) < ,
a
vale a dire f è localmente integrabile.
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, cioè esiste un intervallo finito al di fuori del quale f è
nulla
(2) f ha derivate continue di tutti gli ordini
Le spazio Cc (R) è 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 è 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 ).
Le distribuzioni generalizzano in un certo senso il concetto di funzione. Come vedremo

ad ogni funzione buona è sempre possibile associare una distribuzione, mentre esistono distribuzioni che non provengono da nessuna funzione. Lidea è quella di costruire
degli oggetti pi`
u generali delle funzioni, ma tali che su di essi si possa operare con molte
delle operazioni permesse per le funzioni ordinarie, come somma, prodotto per un
numero, derivata ecc. Anticipiamo che fra le operazioni permesse per le funzioni
ordinarie che non sono estendibili alle distribuzioni cè il prodotto fra distribuzioni.
Iniziamo a far vedere che a ogni funzione g appartenente ad una classe molto ampia
corrisponde sempre una distribuzione.
5.36 Proposizione. Sia g : R R localmente integrabile e sia g : K R definita
come
Z
(5.30)
g (f ) :=
g(x)f (x) dx
f K.
R
Allora g è una distribuzione.

7 per
definizione poniamo f (0) := f
120
Dimostrazione.
Lapplicazione g è ben definita sullo spazio K.
Infatti se f K allora esiste a > 0 tale che f è nulla al di fuori dellintervallo [a, a].
Siccome f è 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
Poichè g è localmente integrabile lultimo integrale è finito. Abbiamo cos` mostrato

che lintegrale che definisce g (f ) è assolutamente convergente.
Lapplicazione g è un funzionale lineare.
Infatti, se , R e f, h K, si ha
Z
g (f + h) =
g(x) [f (x) + h(x)] dx = g (f ) + g (h) .
R
Lapplicazione g è 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, cioè limn kf fn ku = 0.
Poichè g è 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
Quindi, grazie alla propriet`

a (b) citata in precedenza,
lim |g (f ) g (fn )| = 0 .
Abbiamo dunque dimostrato che se fn f , allora si ha g (fn ) g (f ), vale a dire

g è continua.
5.37 Esempi.
(1) Se g è una funzione continua su R allora è automaticamente localmente integrabile
e quindi g è una distribuzione. Infatti se a < b, allora |g| ha un massimo assoluto
Rb
M nellintervallo [a, b], quindi a |g(x)| dx M (b a) < . Notare che g può
100
dà
divergere con velocit`
a arbitraria quando x 8 . Ad esempio g(x) = ex
luogo ad una buona distribuzione g su K.
8 ovviamente
questo dipende da come abbiamo scelto lo spazio K delle funzioni di prova
5.4. DISTRIBUZIONI
121
(2) Analogamente, se g è una funzione continua a tratti, g è una distribuzione. Esempio: g(x) := bxc (la parte intera di x). Un altro esempio semplice ma importante
è quello della funzione a gradino di Heavyside
(
1 se x 0
H(x) :=
0 se x < 0
H è 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
(3) Se invece g ha dei punti y1 , y2 , . . . in cui diverge

lim g(x) =
xyi
allora g è localmente integrabile se ciascuna di queste divergenze è assolutamente

integrabile. Ad esempio
1
p
log |x|
|x|
danno luogo a distribuzioni, ma 1/x no.9
5.4.3
La delta di Dirac
Se ad ogni funzione localmente integrabile g corrisponde una distribuzione g , linsieme

delle distribuzioni è per`
o molto pi`
u ampio. Un esempio di una distribuzione che non
pu`
o essere scritta come g è costituito dalla delta di Dirac. Infatti supponiamo che
esista una funzione, che indichiamo con il simbolo (x), tale che valga
Z
(5.32)
0 (f ) = f (0) =
(x)f (x) dx
R
Allora è 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 . . . è chiaro che è 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 è chiaro che la delta di
Dirac non pu`
o essere scritta nella forma (5.32), tuttavia è vero che
Rla delta di Dirac è 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 è nulla al di fuori dellintervallo [an , an ], in cui (an ) è 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 )
Dimostrazione. Dato che
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
gn (x)|f (x) f (0)| dx

an
Z
sup |f (x) f (0)| gn (x) dx = sup |f (x) f (0)|
|x|an
|x|an
Ma se f K, f è continua in 0, quindi, poichè an 0 si ha

lim
sup |f (x) f (0)| = 0 ,
n |x|a
Il che dimostra la (5.33)

Nella precedente proposizione abbiamo visto come la delta di Dirac si possa approssimare con funzioni non negative gn il cui integrale è uguale a uno e il cui supporto
` anche possibile approssimare la delta con funzioni
tende a concentrarsi nellorigine. E
a supporto illimitato. Una ricetta utile è la seguente.
.
R
5.39 Proposizione. Sia h C1 (R) non negativa, tale che R h = 1. Poniamo
gn (x) := n h(nx)
xR
Allora
Z
(5.34)
lim gn (f ) := lim
gn (x)f (x) dx = 0 (f )
f K .
Dimostrazione. Notiamo innanzi tutto che ciascuna gn ha integrale uguale ad 1. Infatti,

ponendo y = nx, si ha
Z
Z
Z
gn (x) dx =
nh(nx) dx =
h(y) dy = 1 .
R
5.4. DISTRIBUZIONI
123
Possiamo quindi procedere nel modo seguente:

Z
Z
Z

gn (x)f (x) dx 0 (f ) = gn (x)f (x) dx gn (x)f (0) dx

R
R

ZR

= nh(nx)[f (x) f (0)] dx
(5.35)
ZR
nh(nx)|f (x) f (0)| dx

ZR
h(y)|f (y/n) f (0)| dy

R
Dato che h 0 e
che
R
R
h = 1, fissato un > 0 arbitrario è possibile trovare L > 0 tale

L
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 +
h(y) |f (y/n) f (0)| dy
(5.36)
|y|L
sup |f (y/n) f (0)| 1 + sup |f (y/n) f (0)|

|y|L
|y|L

sup |f (x) f (0)| + sup |f (y/n)| + |f (0)|
yR
|x|L/n
sup |f (x) f (0)| + 2kf ku

|x|L/n
Ma dato che f è continua in 0 si ha

sup |f (x) f (0)| = 0 .
lim
n |x|L/n
Quindi dalla (5.36) ricaviamo

Z
lim
h(y) |f (y/n) f (0)| dy 2kf ku ,
n
che, insieme alle (5.35) ci dice che

Z

lim gn (x)f (x) dx 0 (f ) 2kf ku .
n
R
Ma è arbitrario, quindi
Z

lim
gn (x)f (x) dx 0 (f ) = 0 ,
n
R
e la (5.33) è dimostrata
5.40 Esempio. Possiamo scegliere ad esempio
1
h(x) :=
oppure
(1 + x2 )
2
1
h(x) := ex
da cui si ottengono 2 successioni che tendono a 0 , vale a dire

2 2
n
n
gn (x) =
e
gn (x) := en x
2
2
(1 + n x )
124
5.4.4
La parte principale di 1/x
Unaltra distribuzione famosa che non può essere associata ad una funzione ordinaria
è 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) è 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 ) è
ben definito, vale a dire lintegrale nella (5.37) è convergente. Sia [a, a] un intervallo
finito che contiene il supporto di f . Poichè f è derivabile si ha
f (x) = f (0) + xR(x) ,
in cui
|R(x)| sup |f 0 (x)| =: D .
xR
Scegliamo ora < a e K > a. Allora

Z
Z
f (x)
f (x)
dx =
dx
x
x
|x|K
|x|
Z
Z
Z
f (0)
dx +
R(x) dx =
R(x) dx .
=
|x|K
|x|K
|x|K x
Dato che R(x) è una funzione continua e limitata su R, possiamo fare il limite 0+ ,
ottenendo
Z
Z
Z K
f (x)
(5.39)
lim
dx = lim
R(x) dx =
R(x) dx .
0+ |x| x
0+ |x|K
K
Questo dimostra che P (1/x)(f ) è ben definito. Poichè la (5.39) vale per ogni K > a
possiamo a questo punto far tendere K a +. Quindi
Z
Z K
f (x)
(5.40)
lim
dx = lim
R(x) dx .
K+ K
0+ |x| x
che dimostra luguaglianza (5.38).
` banale dimostrare che P (1/x) è un funzionale lineare su K. Dimostriamo quindi che
E
è continuo. Supponiamo che (fn ) sia una succesione di elementi di K tale che
K
fn f .
K
Dobbiamo far vedere che P (1/x)(fn ) P (1/x)(f ). Siccome fn f sappiamo che

esiste a > 0 tale che se |x| > a fn (x) = f (x) = 0 per ogni n. Allora, ponendo
hn = fn f , possiamo scrivere
Z

K h (x) h (0)

n
n
|P (1/x)(f ) P (1/x)(fn )| = |P (1/x)(hn )| = lim
dx
K K

x
Z a

hn (x) hn (0)
=
dx 2 a sup |h0n (x)| = 2 a kh0n ku
x
xR
a
K
Siccome fn f si ha che fn0 tende a f 0 uniformemente, quindi kh0n ku tende a zero.
5.4. DISTRIBUZIONI
5.4.5
125
Operazioni sulle distribuzioni
Indico con K linsieme di tutte le distribuzioni. Nello spazio K posso introdurre le

seguenti operazioni
(1) somma fra due distribuzioni: (F + G)(f ) := F (f ) + G(f )
(2) prodotto di una distribuzione per uno scalare: (cF )(f ) := cF (f )
(3) prodotto di una distribuzione F per una funzione h C (R): (hF )(f ) := F (hf ).
Osservo che il prodotto fra una distribuzione e una funzione C è ben definito, perchè
se f K e h C (R) il prodotto f h è a supporto compatto, quindi appartiene allo
spazio K. Per cui ha senso calcolare F (f h).
5.42 Definizione. Una successione (Fn )
n=1 di distribuzioni si dice convergente alla
K
distribuzione F K e si scrive Fn F se si ha Fn (f ) F (f ) per ogni f K.

5.43 Definizione. Se F K si definisce derivata di F la distribuzione
DF (f ) = F 0 (f ) := F (f 0 )
(5.41)
Il motivo di questa definizione è 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 è 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 )
La definizione di derivata viene cos` estesa dalle funzioni alle distribuzioni.

` una prassi
5.44 Attenzione!. Sia g la distribuzione associata alla funzione g. E
comune quella di usare il simbolo g per denotare indifferentemente la funzione g oppure
la distribuzione g . In molti testi,10 se g è una funzione (ad esempio localmente
integrabile) si trovano cose come
Z
g(f ) :=
g(x)f (x) dx
oppure
g 0 (f ) := g(f 0 ) .
R
Il lettore sapr`
a evitare di farsi confondere da questa ambiguità.
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
accadere anche in questo
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 ,
vale a dire che

Z
(5.43)
lim
Z
gn (x)f (x) dx =
g(x)f (x) dx
f K .
Sia f K e sia a > 0 tale che supp f [a, a]. Allora

Z
Z
Z

|g(x) gn (x)| |f (x)| dx
gn (x)f (x) dx g(x)f (x) dx
R
R
R
Z a
(5.44)
=
|g(x) gn (x)| |f (x)| dx 2a kg gn ku kf ku ,
a
da cui la (5.43) segue.

K
0
0
5.49 Proposizione. Siano (Fn )
n=1 e F distribuzioni. Se Fn F allora Fn F .
K
Dimostrazione. Se f K allora f 0 K. Quindi, se Fn F , si ha

lim Fn0 (f ) = lim Fn (f 0 ) = F (f 0 ) = F 0 (f ) .
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
La funzione |x| non è derivabile nellorigine in senso ordinario. Tuttavia la distribuzione

associata |x| è perfettamente derivabile e vale, cos` come uno si aspetta
(5.45)
D|x| = sgn(x) .
5.4. DISTRIBUZIONI
127
A volte questa identit`

a viene scritta come identità fra funzioni
|x|0 = sgn(x)
con laggiunta della postilla in senso debole o nel senso delle distribuzioni. La
dimostrazione della (5.45) è immediata:
Z
D|x| (f ) := |x| (f 0 ) = |x| f 0 (x) dx
R
x f 0 (x) dx
x f 0 (x) dx .
Integrando per parti e tenendo conto del fatto che f è 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
Mettendo insieme i due pezzi ottengo

Z
D|x| (f ) =
Z
f (x) dx +
Z
f (x) dx =
sgn(x) f (x) dx = sgn(x) (f ) .

R
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|) è 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
Dimostrazione. Considero il caso in cui ci sia un solo punto di discontinuità u. Abbiamo

dunque
lim g(x) = a
lim g(x) = a+
h := a+ a .
xu
xu+
Posso scrivere, per ogni f K,

Z
Z u
Z
0
0
0
0
g (f ) = g (f ) = g(x)f (x) dx =
g(x)f (x) dx
g(x)f 0 (x) dx
R
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 è 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)
0 (f ) = (1)n f (n) (0) .

Ad esempio

(n)
0 (ex ) = (1)n Dn (ex )x=0 = (1)n
(

0
(n)
n
n
0 (sin x) = (1) D (sin x)x=0 =
(1)n+(n1)/2
se n è pari
se n è dispari.
5.55 Esempio. Voglio dimostrare lidentità fra distribuzioni x00 = 0 . Introduco

quindi una funzione di prova arbitraria f K e ottengo
(x00 )(f ) = 00 (xf ) = 0 ((xf )0 ) = 0 (xf 0 + f )
= 0 f 0 (0) f (0) = f (0) = 0 (f ) .
5.56 Problema. Sia h C (R). Dimostrare le seguenti identità
h0 = h(0)0
h00 = h(0)00 h0 (0)0
h000 = h(0)000 2h0 (0)00 + h00 (0)0
Generalizzare:
(n)
h0
=?
Applicare le formule precedenti per calcolare

(3)
x2 0
5.57 Problema. Dimostrare che

(n)
(1) xn 0
= (1)n n! 0
x3 000
x2 000
ex 000
5.4. DISTRIBUZIONI
129
(n)
(2) se p > n allora xp 0
= 0.
5.58 Problema. Sia f K (K è lo spazio delle funzioni infinitamente differenziabili

su R a supporto compatto). Calcolare
(50)
(a) (x100 0
)(f )
(c) (x2 50 )(f )
(b) (sin x 0 )(f )
(d) (cos x 000 )(f )
(e) (x P (1/x))(f )
Soluzione. Si ricordi la formula

ha(n) =
n
X
(1)k
k=0

n (k)
h (a) a(nk)
k
(50)
(a) x100 0 = 0 perchè 100 > 50

(b) sin x 0 = sin(0) 0 = 0.
(c)
(x2 50 )(f ) = (52 50 105 )(f ) = 25f 0 (5) 10f (5)
(d)
(cos x 000 )(f ) = [ cos(0) 000 + 2 sin(0) 00 cos(0) 0 ](f ) = f 00 (0) f (0)
(e)
Z
(x P (1/x))(f ) = P (1/x)(xf ) = lim
0+
|x|
xf (x)
dx =
x
Z
f (x) dx
R
5.59 Problema. Calcolare le distribuzioni

(a) D[ sgn(x) e|x| ]
(d) x (sgn(x + 2))
(b) D[ sgn(x) sgn(x 1) ]

(e)
sin(x) |x|
00
(c) x (sgn x)0

(f ) Dbxc
Soluzione. (a) Questa è una funzione differenziabile in x 6= 0 con un salto pari a +2

in x = 0. Quindi la sua derivata debole sarà uguale alla derivata ordinaria sommata a
20 . Daltra parte si ha
(
ex se x < 0
sgn(x) e|x| =
ex se x > 0
per cui la derivata ordinaria è uguale a e|x| . Quindi
D[ sgn(x) e|x| ] = e|x| + 20
(b) Analogamente al caso precedente si ottiene
D[ sgn(x) sgn(x 1) ] = 20 + 21 .
(c)
x (sgn x)0 = x 20 = 0 .
(d)
x (sgn(x + 2))0 = x 2 2 = (2) 2 2 = 42 .
(e)
sin x |x|00 = sin x sgn(x)0 = 2 sin x 0 = 2 sin(0) 0 = 0 .
(f) La funzione bxc è la parte intera di x, cioè il pi`
u grande numero intero che sia
minore od uguale ad x. La derivata ordinaria di bxc è sempre uguale a zero, ma la
funzione presenta dei salti di entit`
a +1 ad ogni valore intero delle x, quindi
X
Dbxc =
k .
kZ
130
5.60 Problema. Calcolare le seguenti distribuzioni (bxc è la parte intera di x, cioè il

pi`
u grande numero intero minore od uguale ad x).

(a) e3x 000
(b) sin x |x|000
(c) D xP (1/x)
(d) D xbxc
Soluzione.
Mi ricordo che
(n)
f 0
(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) Poichè xP (1/x) = 1 (dimostralo se non lo sai, è facile), si ha che D[xP (1/x)] = 0.
(d) La funzione xbxc è 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 lentità del salto. I punti di discontinuità in questo
caso sono i valori interi di x. Lentità della discontinuità nel punto k Z è data da
lim (k + )bk + c (k )bk c = k 2 k(k 1) = k .
0+
Nei punti in cui la funzione è differenziabile la sua derivata vale bxc. Per cui
X
D[xbxc] = bxc +
k k
kZ
Alternativamente si osserva che se h è una funzione C e F è una distribuzione, allora

D(hF ) = h0 F + hF 0 . In questo modo, ricordando che xk = kk , si ottiene
X
X
D[xbxc] = bxc + x
k = bxc +
kk .
kZ
kZ
5.61 Esempio. (Derivata di log |x|). Data la funzione localmente integrabile x

log |x|, consideriamo la distribuzione associata log || . Ora la derivata di log | | non è
localmente integrabile, quindi non è possibile usare la formula (5.42). Per capire chi è
0log |x| partiamo perci`
o dalla definizione di derivata di una distribuzione
Z
0log |x| (f ) = log |x| (f 0 ) = log |x| f 0 (x) dx
R
Z
= lim+
0
f (x)
dx = log f () +
x
Analogamente si ottiene
Z
Z
log(x) f 0 (x) dx = log f () +

log x f (x) dx .
0
log(x) f (x) dx +
Integrando per parti si trova

Z
Z

0
log x f (x) dx = log x f (x) +
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
Poichè f è 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 può 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+
f (x) f (0) xf 0 (0)

dx .
x2
La distribuzione [b(x)] (da non confondere con 0 (b)!)
La Proposizione 5.39 ci dice che la distribuzione 0 può essere ottenuta in molti modi
come limite di una distribuzione regolare. Ad esempio possiamo usare una funzione
gaussiana
2
1
(x) := ex
ed ottenere la delta come limite della funzione oppurtunamente riscalata. Vale a

dire, se definisco
2 2
n
n (x) := n(nx) = en x
allora si ha
n (x) (x) .
(5.48)
La (5.48) è una notazione (impropriamente) simbolica che significa

K
n 0 ,
o, equivalentemente,
Z
lim
n (x)f (x) dx = f (0)
f K .
Risulta utile a volte attribuire un significato matematico allespressione simbolica

[b(x)]
132
in cui b è una funzione reale. Generalizzando in modo ovvio la (5.48) si può pensare
di definire [b(x)] come limite debole
[b(x)] = lim n (b(x)) .
n
Detto in modo pi`

u preciso voglio definire una distribuzione 0 [b()] come
Z
(5.49)
0 [b()](f ) := lim
n (b(x))f (x) dx = lim n b (f ) .

n
Nella seguente Proposizione facciamo vedere che, se b soddisfa certe condizioni, allora
la (5.49) è 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] =
[x2 a2 ] = ((x + a)(x a)) =

[ex ] = 0

X
[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
5.65 Problema. Sia
1
x(x0 i0)
la distribuzione definita come

Z
1
f (x)
(f ) = lim+
dx
x (x0 i0)
0
R x (x0 i)
Dimostrare che
1
=P
x (x0 i0)
1
x x0
ix0
` sufficiente considerare il caso x0 = 0. Dato > 0, posso scrivere

Soluzione. E
Z
Z
Z
f (x)
f (x)
f (x)
dx =
dx +
dx
x
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|
dove, nellultima disuguaglianza, abbiamo usato il fatto che |x i| = x2 + 2 |x|.

Di conseguenza, ponendo
Z
:= 1/3 ,
I :=
|f (x)| dx
R
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+
Passiamo ad occuparci del termine B. Sviluppando f al primordine,

f (x) = f (0) + xf 0 (x)
(0, 1)
e ricordando che |x i| |x|, si ottiene

Z 1/3
Z 1/3
|f (x) f (0)|
|f (x) f (0)|
dx
dx
|B(1/3 )|
|x
i|
|x|
1/3
1/3
Z 1/3
kf 0 ku
1 dx = 2 kf 0 ku 1/3 .
1/3
11 uno
di quei casi in cui gli ultimi saranno i primi
134
Di conseguenza
lim B(1/3 ) = 0 .
(5.54)
0+
Per quanto riguarda il termine C(1/3 ), si ottiene, ricordando che () = 1/3 ,

Z
Z
f (x)
f (x)
lim C(1/3 ) = lim
dx = lim
dx = P (1/x)(f ) .
x
0+
0+ |x| x
0+ |x|1/3
Infine
A(1/3 ) =
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+
Mettendo tutti i pezzi insieme ottengo

Z

f (x)
lim
dx = lim+ A(1/3 ) + B(1/3 ) + C(1/3 ) + D(1/3 )
0+ R x i
0
= P (1/x)(f ) + if (0) = [P (1/x) + i0 ](f ) ,
che è esattamente quello che dovevo dimostrare.
5.66 Proposizione. Sia
h(x) :=
sin x
x
gn (x) := nh(nx) =
Allora
sin(nx)
x
gn 0 .
Prima di dimostrare questo risultato, osserviamo che non può essere considerato un
caso particolare della Proposizione 5.39. Infatti
R si può far vedere che la funzione h
non appartiene a C1 (R) vale a dire lintegrale R |h(x)| dx è 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
Dimostrazione. Devo mostrare che

gn (f ) 0 (f )
f K
ovvero che
Z
(5.57)
lim
gn (x)f (x) dx = f (0) .

R
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) .
Voglio far vedere che

I1 (n) f (0)
I2 (n) 0
da cui segue la (5.57). Il secondo limite è banale. Infatti, dato che f K, esiste a > 0
tale che supp f [a, a]. Quindi abbiamo
se n > a allora I2 (n) = 0

per cui I2 (n) 0.
Rimane dunque da dimostrare che I1 (n) converge a f (0). Osserviamo innanzitutto che
Z
Z
Z
sin y
sin(nx)
lim
dx
=
lim
dy
g
(x)
dx
=
lim
n
n |x|n
n |x|n3/2 y
n |x|n
x
Daltra parte è noto che
+K
Z
lim
sin y
dy = 1
y
quindi possiamo scrivere

Z
f (0) = lim
gn (x)f (0) dx
|x| n
Per dimostrare la Proposizione, è quindi sufficiente far vedere che

Z
gn (x)[f (x) f (0)] dx = 0 .
(5.58)
lim
|x| n
perchè questo è equivalente a dire che I1 (n) f (0). Se poniamo

h(x) :=
f (x) f (0)
x
la (5.58) (moltiplicata per ) si pu`

o riscrivere come
Z
(5.59)
lim
sin(nx)h(x) dx = 0 .
|x| n
Per dimostrare questo limite integriamo per parti

+n
Z

cos(nx)
cos(nx) 0

h(x)
h (x) dx ,
sin(nx)h(x)
dx
=
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 quantità 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
Abbiamo quindi dimostrato la (5.58) e, di conseguenza, la Proposizione

Dalla Proposizione 5.66, mediante una traslazione, si ottiene che se
gn (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)
` bene ricordare che il significato dellidentità simbolica

E
Z
1
(x y) =
dk eik(yx)
2
è il seguente:
1
n 2
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 può 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
5.67 Proposizione. Per ogni x R, x 6= 0 si ha

Z +n ikx
1
e
lim lim
dk = (x) .
0+ n 2i n k i
Dimostrazione.
Caso 1. x > 0. Se x > 0 allora lintegrale può essere chiuso nel semipiano complesso
superiore. In altre parole, sia n+ la curva nel piano complesso formata dal segmento
[n, n] e dalla semicirconferenza {neit : t [0, ]}. Allora, grazie al Lemma di Jordan,
il contributo allintegrale dovuto alla semicirconferenza tende a zero quando n ,
per cui
Z +n ikx
Z
e
1
eizx
1
dk = lim
dz
lim
n 2i + z i
n 2i n k i
n
Daltra parte12 se > 0 allora la funzione integranda ha un polo semplice allinterno
della curva, quindi
Z
h eizx
i
eizx
1
1
dz =
2i Res
, i = ei(i)x = ex .
2i n+ z i
2i
z i
Otteniamo in questo modo
1
n 2i
lim+ lim
+n
1
eikx
dk = lim+ lim
k i
0 n 2i
Z
+
n
eizx
dz
z i
= lim+ ex = 1 = (x) ,
0
in cui, nellultima uguaglianza, abbiamo usato acora il fatto che x > 0.

Caso 2. x < 0. Si procede analogamente al caso 1, con la differenza che, poichè
x < 0, lintegrale pu`
o essere chiuso nel semipiano complesso inferiore. Di conseguenza,
siccome la singolarit`
a dellintegrando si trova nel punto z = i, succede che non ci
stanno singolarit`
a allinterno della curva n . Conseguentemente si avrà
Z
eizx
dz = 0
se x < 0 ,
z i
n
per cui
1
lim
0+ 2i
n
+n
eikx
dk = 0
k i
in accordo col fatto che, se x < 0, (x) = 0
5.4.8
Il potenziale elettrostatico
5.68 Problema. Verificare che in R3 vale la seguente identità 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
che vogliamo calcolare il limite 0+
f K(R3 ) .
138
(Sugg: Sia R > 0 tale che il supporto

di f sia contenuto allinterno della palla BR (0). Si
R
1
scriva lintegrale come lim0+ |x|R |x|
f (x) dx. Questo integrale può essere calcolato in coordinate sferiche usando la formula di Green e osservando che il laplaciano
di 1/|x| è nullo se x 6= 0).
5.69 Problema. Verificare che in R2 vale la seguente identità nel senso delle distribuzioni
log |x| = 2(x) .
5.70 Problema. (Potenziali ritardati). Sia K(R3 ) e sia
Z
(u, t |x u|)
f (x, t) :=
du
x R3 , t R
|x u|
R3
P3
in cui |x u| è la usuale distanza in R3 data da |x u| :=

Dimostrare che f soddisfa lequazione
2
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
Schema di soluzione. Si pu`

o scrivere

Z
(u, t |x u|)
f (x, t) =
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|
soddisfa (in 3 dimensioni!) la seguente identità in senso debole

1
= 4(x u)
|x u|
(2) Dalle regole di derivazione delle funzioni composte segue che

i (u, t |x u|) = t (u, t |x u|) i |x u|
(3) Dalla definizione di |x u| e dalle usuali regole del calcolo si ottiene
i |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
Nel caso in cui i due spazi V e Z coincidano T è detto un operatore lineare su V .

6.2 Definizione. Loperatore lineare T da V in Z è detto continuo nel punto x V
se per ogni > 0 esiste > 0 tale che se kx ykV < allora kT x T ykZ < .
6.3 Definizione. Loperatore lineare T da V in Z è detto limitato se
kT xkZ < .
sup
xV :kxkV 1
La norma di T è definita come2

(6.1)
kT k :=
sup
kT xkZ = sup
xV :kxkV 1
x6=0
kT xkZ
.
kxkV
6.4 Proposizione. (Condizioni equivalenti). Sia T un operatore lineare limitato da

V in Z. Le seguenti condizioni sono equivalenti
(1) T è continuo
(2) T è continuo nellorigine
(3) T è limitato
Dimostrazione. Dimostrazione identica al caso dei funzionali lineari (rimpiazzare |F (x)|
con kT xkZ ).
1 spesso `
e utile considerare operatori definiti non in tutto lo spazio V , ma in un sottospazio DT
detto dominio di T
2 dimostreremo fra poco che `
e una vera norma
139
140
CHAPTER 6. OPERATORI LINEARI
6.5 Definizione. Linsieme di tutti gli operatori limitati da V in Z si denota con

L(V, Z). Linsieme di tutti gli operatori limitati su V si denota con L(V ).
6.6 Definizione. Sia T L(V, Z). Linsieme di tutti i vettori v V tali che T v = 0
si chiama nucleo di T e si denota con Ker T . Linsieme di tutti i vettori z Z che si
possono esprimere come z = T v per un qualche v V si chiama immagine di T e si
denota con Ran T .
6.7 Proposizione. Sia T L(V, Z). Allora
(1) Il nucleo di T è un sottospazio chiuso di V .
(2) Limmagine di T è un sottospazio di Z.
Dimostrazione. (Molto facile)
6.8 Problema. Consideriamo loperatore lineare continuo T sullo spazio (`2 , k k2 ),
definito come

x2 x3
T (x1 , x2 , x3 , . . .) := x1 , , , . . . .
2 3
Dimostrare che Ran T non è chiuso in `2 .
Soluzione. Per dimostrare che Ran T non è chiuso in `2 troverò una successione (y (n) )
di elementi di `2 tale che
(a) y (n) Ran T , vale a dire per ogni n esiste x(n) `2 tale che T x(n) = y (n)
(b) (y (n) ) converge, nella norma k k2 , ad un elemento y di `2 che non appartiene a
Ran T .
Definisco dunque
y
(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) ) è una successione convergente in `2 ,
infatti è 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 , perchè se si potesse
scrivere y = T x, allora dovrebbe essere
x = (1, 1, 1, 1, . . .)
che non appartiene a `2 .
6.1.1
Esempi
(1) Loperatore indentit`

a Ix = x. kIk = 1. Ker T = {0}, Ran T = V .
141
(2) Se V e W sono spazi vettoriali finito dimensionali tutti gli operatori lineari sono
limitati. Inoltre se T è un operatore lineare da V in W , T è rappresentato da una
matrice. Pi`
u precisamente se (vi )ni=1 è 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
Ricordo che vale luguaglianza

dim V = dim Ker T + dim Ran T
(3) Proiezioni ortogonali. Se W è un sottospazio chiuso di V possiamo definire loperatore lineare T = W che rappresenta la proiezione ortogonale su W . T è univocamente definito dalle due condizioni
v Tv W .
Tv W
` facile far vedere che kW k = 1, Ker T = W , Ran T = W .

E
(4) Dato uno spazio vettoriale normato di successioni (es: `p , `0 , . . . ) possiamo definire
gli operatori di traslazione verso destra + e verso sinistra come
+ (x1 , x2 , x3 , . . .) := (0, x1 , x2 , x3 , x4 , . . .)
(x1 , x2 , x3 , . . .) := (x2 , x3 , x4 , . . .)
e, pi`
u in generale, se n è un intero positivo
n (x1 , x2 , x3 , . . .) := (0, . . . , 0, x1 , x2 , x3 , . . .)
n (x1 , x2 , x3 , . . .) := (xn+1 , xn+2 , xn+3 , . . .)
Notare che valgono le identit`
a
(
xi1
(+ x)i =
0
se i > 1
se i = 1
( x)i = xi+1
` immediato mostrare che sono operatori limitati con norma uguale ad 1

E
(5) Operatori integrali. Se K C([a, b] [a, b]), possiamo considerare loperatore T ,
che agisce su (C[a, b] , k ku ), definito come
Z b
(T f )(x) :=
K(x, y)f (y) dy .
a
Bisogna far vedere che T f appartiene a C[a, b] e che T è limitato. Dato che K è
continua su un compatto, è 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)|
|K(x, y) K(z, y)| f (y) dy

a
Z
sup |K(x, y) K(z, y)|
y[a,b]
|f (x)| dx (b a) kf ku
a
142

che implica la continuit`
a di T f . Per far vedere che T è limitato dobbiamo dimostrare che kT f ku Ckf ku per una qualche costante C. E infatti si ha per ogni
x [a, b]
Z

|T f (x)| =
Z

K(x, y) f (y) dx
|K(x, y)| |f (y)| dy
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
Abbiamo quindi dimostrato che T è limitato e abbiamo trovato anche un limite

superiore esplicito per la sua norma
Z b
|K(x, y)| dy .
kT k sup
x[a,b]
(6) Operatori differenziali. Sia D loperatore derivata che agisce su (C[a, b], k ku ).
Osserviamo che:
(a) D non è definito su tutto C[a, b]. Il suo dominio è costituito dalle funzioni
f C[a, b] che sono differenziabili
(b) D non è 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)
Dimostrare che, scegliendo ad esempio la norma uniforme k ku , loperatore X non

è limitato. Pi`
u in generale se P è un polinomio possiamo considerare loperatore
P (X)(f ) := P (x) f (x)
f S(R) .
Loperatore P (X) viene generalmente denotato con P (x) confondendolo con la

funzione ad esso associata.
(8) Operatori di Schr
odinger. In meccanica quantistica si studiano operatori del tipo
H :=
~2
+ V (x)
2
che agiscono nello spazio (C2 (Rn ) , k k2 )3 come

(Hf )(x) =
~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
precisamente nel suo completamento L2 (Rn )
143
Dimostrare che T è limitato e trovare un limite superiore alla norma di T .

Soluzione. Devo dimostrare che esiste una costante C > 0 tale che
kT f k2 C kf k2 .
Questo mi dice che T è limitato e che kT k C. Per stimare la quantità kT f k2 procedo
nel modo seguente
Z b Z b
Z b
2

K(x, y) f (y) dy dx
|T f (x)|2 dx =
kT f k22 :=

a
Per un dato valore di x definisco la funzione

gx (y) := K(x, y) .
Grazie alla disuguaglianza di CauchySchwarz posso scrivere
2
2 Z b
Z b

gx (y) f (y) dy = |hgx , f i|2
K(x, y) f (y) dy =

a
a
Z b
kgx k22 kf k22 = kf k22
K(x, y)2 dy .
Dalla e dalla ottengo

Z b"
Z
2
kT f k2
kf k22
a
b
2
K(x, y) dy dx = kf k22
K(x, y)2 dx dy .
Abbiamo cos` ricavato la disuguaglianza

kT f k2 C kf k2 ,
in cui
C :=
hZ
K(x, y)2 dx dy
i1/2
Di conseguenza T è limitato e vale

hZ b Z
kT k
a
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 è 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
il che implica che T è illimitato. Definisco dunque fn nel modo seguente
se x [n 1, n]
x n + 1
fn (x) := x + n + 1 se x [n, n + 1]
0
altrimenti
144
Si vede allora che kfn ku = 1, e che

kT fn ku = sup |xfn (x)| |nfn (n)| = |n 1| = n ,
xR
da cui segue la e il fatto che T è illimitato.

(b). Supponiamo che sia T f = 0. Allora, per definizione, si ha
xf (x) = 0
x R ,
il che implica che f (x) è uguale a zero per tutti gli x 6= 0. Ma f èuna funzione continua,
quindi se è nulla per tutti gli x 6= 0 è necessariamente nulla anche per x = 0, vale a
dire f è la funzione identicamente nulla. Per cui Ker T = {0}.
Per determinare Ran T bisogna capire come deve essere fatta una funzione g Cc (R)
affinchè 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
` chiaro che, affinchè valga la , deve essere

e cerchiamo di risolverla per f . E
f (x) =
g(x)
x
x 6= 0 .
Ma f deve essere continua su tutto lasse reale, in particolare in x = 0, quindi g deve

essere tale che
il limite lim f (x) = lim g(x)/x esiste ed è finito.

x0
x0
Poichè g è continua la implica che g(0) = 0. Di coseguenza

lim
x0
g(x) g(0)
g(x)
= lim
= g 0 (0) .
x0
x
x
La condizione equivale quindi ad affermare che

g(0) = 0 e g è derivabile nellorigine.
Se questa condizione è soddisfatta possiamo definire f Cc (R) come
(
g(x)/x se x 6= 0
f (x) :=
g 0 (0)
se x = 0 .
La f cos` definita risolve lequazione T f = g. Abbiamo quindi dimostrato che
Ran T := {g Cc (R) : g(0) = 0 e g è derivabile nellorigine}.
6.2
Somme e prodotti di operatori lineari
6.11 Definizione. Dati S, T L(V, Z) e dato R definisco gli operatori S + T e

T da V in Z come
(S + T )(u) := Su + T u
(T )(u) := (T u)
uV
uV .
6.2. SOMME E PRODOTTI DI OPERATORI LINEARI
145
6.12 Proposizione. Linsieme L(V, Z) è uno spazio vettoriale. Inoltre la funzione

k k : L(V, Z) R introdotta nella (6.1) è una norma su L(V, Z).
` banale
Dimostrazione. La prima affermazione è ovvia. Passiamo alla seconda. E
mostrare che kT k 0, che kT k = 0 se e solo se T = 0 e che kT k = || kT k per ogni
R. Infine mostriamo che vale la disuguaglianza triangolare:
kS + T k := sup
x6=0
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 è un operatore lineare
continuo da V in Z. Inoltre
kT Sk kT k kSk
(6.2)
` sufficiente far vedere che vale la (6.2).

Dimostrazione. E
kT Sk := sup
x6=0
kT SxkZ
kT SxkZ
kT SxkZ
sup
+ sup
.
kxkV
kxkV
kxkV
x6=0
x6=0
Sx6=0
Sx=0
Il secondo termine nella precedente somma è nullo, perchè se Sx = allora T Sx = 0.

kT Sk :=
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
6.15 Proposizione. Se Z è completo allora (L(V, Z), k k) è completo.

Dimostrazione. Sia (Tk )
k=1 una successione di Cauchy in L(V, Z) allora, per definizione
per ogni > 0 esiste N > 0 tale che se n, m N si ha kTn Tm k < .
Dato x V , otteniamo
(6.3)
kTn x Tm xkZ kTn Tm k kxkV kxkV
n, m N
quindi, per ogni x V , la successione (Tn x) è una successione di Cauchy di elementi

di Z. Poichè Z è completo Tn x è convergente. Poniamo
T (x) := lim Tn (x)
n
146
T è lineare, infatti
T (x + y) = lim Tn (x + y) = lim Tn (x) + lim Tn (y) = T x + T y .
n
Per dimostrare che T è limitato, passiamo al limite m nella (6.3) ottenendo

(6.4)
k(Tn T )xkZ = kTn x T xkZ kxkV
n N
Quindi T Tn è un operatore limitato. Ma allora T = Tn + (T Tn ) è anchesso

limitato.
6.16 Proposizione. Sia V uno spazio di Banach, T L(V ) e sia (ck )
k=0 una successione di numeri reali (o complessi) tale che
(6.5)
|ck | kT kk < .
=0
Allora esiste S L(V ) tale che
(6.6)
ck T k = S
k=1
Dimostrazione. Consideriamo le somme parziali

Sn :=
n
X
ck T k
k=1
La successione Sn è di Cauchy, infatti, se n < m, si ha
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
Grazie alla (6.5) sappiamo che

lim
|ck | kT kk = 0 ,
k=n+1
quindi (Sn ) è di Cauchy. Poichè L(V ) è completo esiste un operatore S L(V ) tale
che Sn S.
6.3
Operatore inverso
6.17 Definizione. Un operatore lineare T da V in Z è detto invertibile se T è un

applicazione biunivoca da V su Z, vale a dire se
(6.7)
per ogni y Z esiste un unico elemento x V tale che y = T x.
Equivalentemente T è invertibile se Ran T = Z e Ker T = {0}. Se T è invertibile

possiamo definire quindi loperatore inverso T 1 : Z V . Se y Z, T 1 y è definito
univocamente dalla propriet`
a
(6.8)
T 1 y = x
Tx = y .
6.3. OPERATORE INVERSO
147
6.18 Proposizione. Se T è un operatore lineare invertibile da V in Z allora T 1 è

un operatore lineare invertibile da Z in V .
Dimostrazione. Facciamo vedere che T 1 è lineare, vale a dire che
(6.9)
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 è lineare
T (u0 + v 0 ) = T u0 + T v 0
che implica
u0 + v 0 = T 1 (T u0 + T v 0 )
che è 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 è linverso di A).
` vero che se T
6.20 Problema. Sia T è un operatore lineare invertibile da V in Z. E
1
è limitato allora T
è limitato?
Soluzione. La risposta è 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 è chiaramente lineare. Inoltre T è limitato, perchè kT xk kxk , quindi kT k 1.
Infine T è biunivoco, quindi invertibile e si ha
T 1 x = (x1 , 2x2 , 3x3 , 4x4 , . . .)
è ovvio che T 1 non è 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 è in generale limitato . . . però, 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 è limitato, cioè T 1
L(Z, V ).
148
(senza dimostrazione . . . richiede Baire cat thm).

6.22 Proposizione. Sia (V, k k) uno spazio di Banach e sia A L(V ) con kAk < 1.
Allora (I A)1 esiste, è limitato e si pu`
o scrivere come
(I A)1 =
Ak
k=0
Dimostrazione. Poichè kAk =: < 1 si ha
(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
Per dimostrare che B è linverso di I A devo far vedere che

B (I A) = (I A) B = I .
A questo scopo osservo che
B = lim
n
X
Ak ,
k=0
quindi
(6.11)
B (I A) = lim
n
X
(Ak Ak+1 ) = lim (I An+1 ) = I lim An+1

n
k=0
Lultimo limite nella precedente equazione è nullo, infatti

kAn k kAkn = n ,
per cui
lim kAn k lim n = 0 .
(6.12)
Dalle (6.11), (6.12) ottengo

B (I A) = I .
In modo analogo si dimostra che (I A) B = I, da cui segue che (I A) è invertibile
e che B = (I A)1 .
6.4
Operatore aggiunto (di Hilbert)
In questa sottosezione V è uno spazio euclideo con prodotto scalare h , i.

6.23 Definizione. Dato un operatore lineare T L(V ), loperatore aggiunto 4 T è
definito dalle identit`
a
hT u, vi = hu, T vi
u, v V .
4 detto a volte hermitiano coniugato. Questo `
e laggiunto di Hilbert. C`
e anche laggiunto di
Banach che `
e una cosa leggermente diversa
6.4. OPERATORE AGGIUNTO (DI HILBERT)
149
6.24 Definizione. Un operatore lineare limitato T su V è detto autoaggiunto 5 se

T = T , vale a dire se
hT u, vi = hu, T vi
u, v V .
6.25 Esempio. Sia M la matrice (finita o infinita) associata alloperatore T rispetto
ad una base ortonormale (ek )

k=1 di uno spazio euclideo complesso V , e sia M la
matrice associata alloperatore aggiunto T . Allora si ha

T ei =
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
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 è 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
qualcuno che dice hermitiano
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 ) è linverso di T
6.29 Proposizione. Sia T L(V ). Allora
Ker T = (Ran T )
Ran T = (Ker T )
Dimostrazione. Sia v Ker T . Allora T v = 0, per cui

hT v, ui = 0
u V ,
hv, T ui = 0
u V ,
per cui
che è equivalente a dire
hv, zi = 0
z Ran T .
Ma questo significa appunto che v Ran T . Abbiamo quindi mostrato che se v

Ker T allora v (Ran T ) , vale a dire che Ker T (Ran T ) . Linclusione inversa
si dimostra facendo la stessa strada al contrario.
La seconda identit`
a segue dalla prima. Infatti
Ran T = ((Ran T ) ) = (Ker T ) = (Ker T )
6.30 Problema. Sia T loperatore lineare su `2 definito come

x2
x4
x6
T x := x1 + , x3 + , x5 + , . . . .
2
4
6
Determinare: (a) T , (b) Ker T , (c) Ran T .
6.4. OPERATORE AGGIUNTO (DI HILBERT)
151
Soluzione. (a). Per determinare laggiunto T partiamo dalla definizione

hT x, yi = hx, T yi
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
Poichè 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 è quello di scrivere la matrice infinita A associata
alloperatore T . La matrice associata a T sarà A , lhermitiana coniugata (vale a dire
la trasposta della complessa coniugata) di A. Dalla definizione di T si legge che la
matrice A è 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
..
.
In questo modo otteniamo nuovamente T x come nella .

(b). Per determinare il nucleo di T dobbiamo trovare la soluzione generale dellequazione T x = 0, che scritta esplicitamente diventa un sistema di infinite equazioni:
x1 + x2 /2 = 0
x3 + x4 /4 = 0
x5 + x6 /6 = 0
Queste equazioni sono fortunatamente (o per esagerata magnanimità 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
(c). Limmagine di T è costituita da tutti quelle successioni y `2 tali che si possono

ottenere come y = T x per un qualche x `2 . Affermo che Ran T = `2 . Infatti data
una y `2 arbitraria, posso sempre scrivere y = T x, ponendo, ad esempio
x2k = 0
x2k1 = yk
k = 1, 2, 3, . . .
Lultima cosa da verificare è che la x appartiene ad `2 . A questo proposito osservo che
x2k =
k=1
x22k1 =
k=1
yk2 ,
k=1
quindi, poichè y `2 , si ha che anche x `2 . Abbiamo dimostrato dunque che

Ran T = `2 .
6.31 Problema. Sia T loperatore lineare su `2 definito come
T x := (0, x1 , 0, x2 , 0, x3 , 0, . . .) .
(a) Determinare T , vale a dire scrivere esplicitamente T x = (?, ?, . . . )
(b) Determinare kT k, Ker T e Ran T .
Soluzione. (a)
hT x, yi = hx, T yi =
xk (T y)k =
k=1
x2k yk
k=1
= x2 y1 + x4 y2 + x6 y3 + .
Quindi
T x = (x2 , x4 , x6 , . . .) .
(b) Poichè kT xk2 = kxk2 per ogni x `2 , T è 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
6.32 Definizione. P L(V ) è detto una proiezione ortogonale se P è autoaggiunto

e se P 2 = P .
6.33 Problema. Sia (V, h, i) uno spazio di Hilbert. Dimostrare che se P è una
proiezione ortogonale in V allora,
(a) (I P )v è ortogonale a P v
(b) kP vk kvk
(c) Ran P = Ker(I P )
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 possibilità
6.5. SPETTRO
153
(1) se det(zI A) = 0, allora zI A non è iniettiva, vale a dire lequazione

Ax = zx
x = (x1 , . . . , xn ) Cn
ammette una soluzione x non banale (x 6= 0). In questo caso z è detto autovalore
di A e x è il corrispondente autovettore
(2) se det(zI A) 6= 0 allora zI A è invertibile, quindi è 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 è pi`
u complicata, perchè è 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 è iniettivo, ossia se lequazione
Tx = z x
xV
ammette una soluzione x 6= 0, allora z è un autovalore di T . Linsieme degli

autovalori di T è detto spettro puntuale e si indica con p (T )
(2) se (zI T ) è iniettivo ma non surgettivo, allora si dice che z appartiene allo spettro
continuo di T e si indica con c (T )
(3) se (zI T ) è un operatore biunivoco su V (quindi con inverso limitato) allora z si
dice appartenere allinsieme risolvente di T , che si denota con (T ). Loperatore
Rz (T ) := (zI T )1 è detto il risolvente di T in z.
Lo spettro di T è definito come
spec T = (T ) = C\(T ) := p (T ) c (T )
6.35 Proposizione. (T ) è aperto in C, quindi (T ) è chiuso.
(senza dimostrazione?)
6.36 Proposizione. Sia (V, k k) uno spazio di Banach. Se T L(V ), allora lo
spettro di T è contenuto nel disco chiuso di centro 0 e raggio kT k.
Dimostrazione. Sia z C tale che |z| > kT k. Allora
zI T = z(I z 1 T ) .
Ma dato che kz 1 T k = |z 1 | kT k < 1, grazie alla Proposizione 6.22, loperatore I
z 1 T è invertibile con inverso limitato, quindi anche zI T è invertibile con inverso
limitato e si ha
Rz (T ) = (zI T )1 = z 1 (I z 1 T )1
Abbiamo quindi fatto vedere che se |z| > kT k allora z (T ) che è equivalente
allaffermazione della Proposizione da dimostrare
154
6.37 Problema. In (C([a, b]; C), k ku ) consideriamo loperatore

(T f )(x) := x f (x)
Dimostrare che T non ha autovalori e che (T ) = [a, b].
6.38 Problema. Sia T loperatore lineare sullo spazio C2 ([1, 1]; C) definito come
T f (x) = x2 f (x). Calcolare kT k, gli autovalori e lo spettro continuo di T .
6.39 Problema. Nello spazio (C([0, 2]; C), k ku ) consideriamo loperatore
(
x se x [0, 1]
(T f )(x) := g(x) f (x)
in cui
g(x) :=
1 se x (1, 2]
Determinare gli autovalori e lo spettro continuo di T .
6.40 Problema. Sia + loperatore di traslazione a destra che agisce in `2 (C). Dimostrare che
(1) + non ha autovalori
(2) (+ ) = B1 := {z C : |z| 1}
6.41 Problema. Sia loperatore di traslazione a sinistra che agisce in `2 (C). Determinare gli autovalori e lo spettro continuo di .
6.6
Operatori autoaggiunti
6.42 Teorema. Se (V, h, i) è uno spazio di Hilbert complesso e T L(V ) è 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
è 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 .
Poichè 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 .
6.6. OPERATORI AUTOAGGIUNTI
155
Di conseguenza
(6.13)
k(zI T )vk |b| kvk .
Con lo stesso procedimento si ottiene che

(6.14)
k(zI T ) vk = k(
z I T )vk |b| kvk .
Questo implica che zI T e (zI T ) sono iniettivi.6 Infatti se (zI T )v = 0 allora

k(zI T )vk = 0 e, grazie alla (6.13), kvk = 0, per cui v = 0. Liniettività di zI T è
dimostrata, mentre quella di (zI T ) segue dalla (6.14).
Ora faccio vedere che zI T è surgettivo, cioè che Ran(zI T ) = V . Poichè (zI T )
è iniettivo si ha
Ker(zI T ) = {0} ,
quindi, grazie alla Proposizione 6.29 abbiamo
(6.15)
Ran(zI T ) = (Ker(zI T ) ) = {0} = V .
Questa identit`
a è quasi quello che dobbiamo dimostrare, a parte per loperazione di
chiusura. Per completare largomento faremo vedere che Ran(zI T ) è chiuso. Sia
(vn ) una successione di elementi di Ran(zI T ) tale che vn v V . Devo far vedere
che anche v è 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 ) è convergente quindi è di
Cauchy. In virt`
u della (6.13)
kun um k |b|1 kvn vm k
per cui la successione (un ) è anchessa di Cauchy. Ma V è completo per ipotesi, quindi
esiste u V tale che un u
Infine, poichè (zI T ) è 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 ) è chiuso.
Da questo fatto e dalla (6.15) segue che
Ran(zI T ) = V .
Loperatore zI T è quindi biunivoco. Per il teorema sulloperatore inverso, dato
che V è completo, il suo inverso è limitato. Questo implica z (T ), per cui z non
appartiene allo spettro di T .
Osservo che la limitatezza di (zI T )1 è 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 è un operatore limitato autoaggiunto su V , non è 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 è 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
6.44 Definizione. Un operatore lineare limitato T su uno spazio di Banach (L, k k)

si dice compatto se vale limplicazione
se A L è limitato, allora T A è compatto
o, equivalentemente, se per ogni successione limitata (xn )

n=1 , la successione (T xn )n=1
ammette una sottosuccessione convergente.
6.45 Esempio. Loperatore identico I in uno spazio infinito dimensionale non è compatto. Infatti se B1 è la palla unitaria, si ha T B1 = B1 . Ma la palla unitaria chiusa
in infinite dimensioni non è 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
` possibile far vedere che S e T sono compatti.

E
Un criterio utile a volte a determinare la compattezza di un operatore è il seguente
6.47 Proposizione. Sia V uno spazio di Hibert separabile e sia T L(V ). Allora T
è compatto se e solo se esiste una successione di operatori Tn L(V ) tali che
(a) Lo spazio Ran Tn ha dimensione finita
(b) limn kT Tn k = 0.
6.48 Osservazione. Nelle ipotesi del risultato precedente, se Ran T ha dimensione
finita, T è compatto
6.49 Esempio. Ad esempio siano (uk )nk=1 e (wk )nk=1 2 ennuple ortonormali in V e
siano c1 , . . . , cn > 0 Allora loperatore
T v :=
n
X
ck hv, uk i wk
k=1
è compatto. Infatti Ran T = span{w1 , . . . , wn }. Chi è il nucleo di T ?

6.50 Teorema. (Fredholm). Se T è un operatore compatto nello spazio di Hilbert V
allora
(a) Se z (T ) e z 6= 0 allora z è un autovalore di molteplicit`
a finita, cioè lo spazio
degli autovettori corrispondenti è finito dimensionale
(b) Linsieme degli autovalori pu`
o essere finito o infinito (o vuoto). Nel secondo caso
lorigine è lunico punto di accumulazione degli autovalori.
Limportanza di questo risultato si può vedere nel seguente esempio. Supponiamo di
voler risolvere lequazione integrale
Z b
(6.18)
K(x, y) f (y) dy cf (x) = g(x)
c 6= 0
a
6.7. OPERATORI COMPATTI
157
in cui g è data e f è la funzione lincognita. Allora ci sono due problemi da risolvere:

il problema dellesistenza di una soluzione e il problema dellunicit`
a della soluzione.
Accade spesso che il problema di esistenza sia (molto) pi`
u difficile del problema di
unicit`
a. Ma in questo caso unicit`
a implica esistenza, quindi basta dimostrare lunicità.
Infatti la (6.18) pu`
o essere scritta, usando la (6.16) come
(S cI)f = g .
(6.19)
Ma se sappiamo per qualche motivo che la soluzione è unica, allora sappiamo che
S cI è iniettivo, quindi c non è un autovalore. Siccome c 6= 0, grazie al Teorema
di Fredholm possiamo affermare che (S cI) ha inverso limitato, quindi la (6.19) può
essere risolta esplicitamente come
f = (S cI)1 g
6.51 Teorema. (Teorema di Hilbert-Schmidt). Se T è 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 possibiltà
p (T )
c (T )
Esempio banale in `2
{0, 1 , 2 , . . . , n }
T x = (x1 , x22 , . . . , xnn , 0, 0, . . .)
{0, 1 , 2 , 3 , . . .}
con n 6= 0 e n 0
T x = (0, x22 , x33 , x44 , . . .)
{1 , 2 , 3 , . . .}
con n 6= 0 e n 0
{0}
T x = (x1 , x22 , x33 , x44 , . . .)
6.52 Problema. Sia (an )

n=1 una successione di numeri reali convergente a 0. Dimostrare che loperatore T su `2 definito come
T x = (a1 x1 , a2 x2 , a3 x3 , . . .)
è compatto.
6.53 Problema. Sia T loperatore che agisce in `2 come
x x x

1
2
3
T x = 0, , , , . . .
2 3 4
(a) Determinare kT k
(b) Dimostrare che T è compatto
(c) Trovare gli autovalori e lo spettro continuo di T
6.54 Problema. Sia T loperatore su `2 definito come

x2 x2 x3 x3 x4 x4
T x = x1 , x1 , , , , , , , . . .
2 2 3 3 4 4
158
(a)
(b)
(c)
(d)
Determinare kT k
Determinare T . T x = (?, ?, ?, ?, . . .)
Dimostrare che T è compatto
Trovare gli autovalori e lo spettro continuo di T (sugg: ricorda il teorema di
Fredholm)

x

x4
x6
x8
2
Tx =
, 0, , 0, , 0, , 0, . . .
2
4
6
8
(b) Determinare T . T x = (?, ?, ?, ?, . . .)
(c) Trovare gli autovalori e lo spettro continuo di T (sugg: dato che T è compatto si
pu`
o utilizzare il teorema di Fredholm)
` facile mostrare che kT k = 1/2.
Soluzione. (a) E
(b) Per determinare T procediamo come segue
hT x, yi = hx, T yi
D
E
y2
y4
y6
y8
x1 , x2 , x3 , . . . ,
=
, 0, , 0, , 0, , 0, . . .
2
4
6
8
x1 y2
x3 y4
x5 y6
x7 y8
=
+
+
+
+
4
6
8
E
D 2 x
x3
x5
x7
1
=
0, , 0, , 0, , 0, , . . . , y1 , y2 , y3 , . . .
2
4
6
8
= hT x, yi ,
per cui si ha
x

x3
x5
1
T x = 0, , 0, , 0, , . . . .
2
4
6
(c) Per trovare gli autovalori di T scrivo lequazione T x = x che diventa

x2
= x1
2
x4
= x3
4
..
.
x2n
= x2n1
2n
..
.
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, cioè x = 0. Quindi se 6= 0 lunica soluzione dellequazione
agli autovalori T x = x è la soluzione nulla, vale a dire non è 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 è un autovalore di T . Dunque si ha
p (T ) = {0} .
Spettro continuo. Poichè T è compatto (verificare) sappiamo che lo spettro continuo
è vuoto o al massimo consiste solo del punto = 0. Ma sappiamo gia che 0 è un
autovalore, dunque c (T ) = .
6.7. OPERATORI COMPATTI
159

x3 x3 x5 x5
T x = x1 , x1 , , , , , . . .
3 3 5 5
(b) Determinare T . T x = (?, ?, ?, ?, . . .)
(c) Trovare gli autovalori e lo spettro continuo di T (sugg: dato che T è compatto si
pu`
o utilizzare il teorema di Fredholm)
Soluzione.
(a)
kT xk2 = 2
X
X
|x2k+1 |2
2
|x2k+1 |2 2kxk2 ,
(2k + 1)2
k=0
da cui si ha kT k
quindi
k=0
2. Daltra parte se y = (1, 0, 0, . . .) si ottiene T y = (1, 1, 0, 0, . . .),

kT yk
= 2.
kyk
Quindi kT k =
2.
(b) Per determinare T procediamo come segue

E
D

y3 y3 y5 y5
x1 , x2 , x3 , . . . , y1 , y1 , , , , , . . .
hT x, yi = hx, T yi =
3 3 5 5
x3 y3
x4 y3
x5 y5
x6 y5
= x1 y1 + x2 y1 +
+
+
+
+
3
3
5
5
x3 + x4
x5 + x6
= (x1 + x2 ) y1 +
y3 +
y5 + = hT x, yi ,
3
5
per cui si ha
T x=

x5 + x6
x3 + x4
, 0,
, 0, . . . .
x1 + x2 , 0,
3
5
(c) Scrivo lequazione agli autovalori T x = x

x1 = x1
x3
= x3
3
x5
= x5
5
..
.
x1 = x2
x3
= x4
3
x5
= x6
5
Se = 0 allora x = (0, 1, 0, 0, 0, . . .) è chiaramente un autovettore, quindi 0 è un

autovalore di T .
Se 6= 0 non è della forma 1/(2k 1) con k intero positivo, allora, dalla colonna di
sinistra si ottiene che tutte le componenti dispari di x sono nulle. Sostituendo nella
colonna di destra si vede che anche le componenti pari sono nulle, cioè x = 0. In questo
caso dunque non ci sono autovettori e non è un autovalore.
Se invece = 1/(2k 1) con k intero positivo allora cè una soluzione non nulla data
(ad esempio) da
x = (0, 0, 0, . . . , 0, 0, 1, 1, 0, 0, . . .)
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} .
Poichè lo zero è una autovalore di T per il teorema di Fredholm T non ha spettro
continuo.
7. Bagliori di teoria della

misura
BC: Wait a minute - you didnt see LaForce out there
did you?
SK: LaForce? No, why?
BC: Thank God for that. For a moment there I
thought we were in trouble.
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 è un insieme del tipo
(a, b) (c, d)
oppure
(a, b] (c, d)
oppure
oppure
[a, b] [c, d]
mentre in un rettangolo infinito a e/o c possono essere uguali a e c e/o d

` chiaro che la condizione (a) è soddisfatta perchè
possono essere uguali a +. E
2
R = (, +) (, +) è un rettangolo infinito e quindi appartiene ad F. La
condizione (b) è per`
o violata perchè il complemento del rettangolo [0, 1]2 non è un
rettangolo. Quindi R non è un algebra. Se vogliamo definire unalgebra che contenga
tutti i rettangoli serve una classe pi`
u ampia di insiemi.
7.3 Esempio. Considerate di nuovo il piano reale X = R2 . Sia F linsieme di tutti i
sottoinsiemi A di R2 che si possono scrivere come
A = R1 . . . Rn
Ri R .
In altre parole A appartiene ad F se A si può scrivere come unione finita di rettangoli.

` facile convincersi che A è unalgebra.
E
161
162
CHAPTER 7. BAGLIORI DI TEORIA DELLA MISURA
7.4 Definizione. Dato un insieme non vuoto X, si definisce algebra su X una

collezione F di sottoinsiemi di X tale che valgono le proprietà (a), (b) e inoltre valga
(c0 ) se A1 , A2 , A3 , . . . è una collezione infinita numerabile di elementi di F allora
i=1 Ai F.
La coppia (X, F) si chiama spazio misurabile.
La differenza, in apparenza minuscola, che intercorre fra le proprietà (c) e (c0 ) è 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 è 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)
in cui ogni Ri è un rettangolo, per cui A deve necessariamente appartenere ad F. Per

dimostrare la (7.1) sia B la collezione di tutti i rettangoli R tali che R A e tali che
` chiaro allora che RB R A
le coordinate dei quattro vertici di R sono razionali. E
in quanto ogni R B è contenuto in A. Voglio far vedere che A RB R. A questo
`
proposito, sia x A. Dato che A è aperto esiste > 0 tale che B (x) A. E
chiaro che esister`
a dunque un quadratino R con vertici razionali contenuto nel cerchio
B (x), quindi contenuto in A. Di conseguenza x è contenuto in un rettangolo della
collezione B, e poichè questo vale per ogni x A si ottiene A RB R. Dunque
deve valere luguaglianza A = RB R. Ma linsieme B è chiaramente numerabile,
per cui, una volta numerato, possiamo scrivere A nella forma (7.1). Abbiamo quindi
dimostrato che F contiene tutti gli insiemi aperti, e, grazie alla proprietà (b) tutti gli
insiemi chiusi. F in realt`
a contiene una enorme quantità di insiemi molto di pi`
u che
non semplicemente gli insiemi aperti e chiusi. Addirittura non è facile dimostrare che
esistono sottoinsiemi di R2 che non sono elementi di F.
7.5 Definizione. Dato uno spazio misurabile (X, F), si definisce misura 1 su (X, F)
unapplicazione : F R+ 2 tale che
(a) se (Ai )
e una collezione di elementi di F tali che An Ak = se n 6= k, allora
i=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
La misura di Lebesgue si definisce nel modo seguente: innanzitutto si definisce la

misura di un rettangolo3 come base per altezza, cioè
se R = [a, b] [c, d] si definisce Leb (R) := (b a) (d c) .
(7.2)
1 ci
restringiamo al caso di misure finite

:= R+ {+}
3 e fin qui sono capaci tutti
2R
7.3. LINTEGRALE DI LEBESGUE E GLI SPAZI LP (RN , DX)
163
Dopodichè si dimostra che se F(R) è la pi`

u piccola algebra che contiene tutti i
rettangoli esiste ed è unica una misura su (R2 , F(R)) che per i rettangoli coincide con
la (7.2). Questa si chiama misura di Lebesgue del piano e verrà indicata con Leb .
La potenza di questo metodo sta nel fatto che, partendo dalla semplice misura dei
rettangoli, è possibile attibuire una misura (cioè un area) a tutti gli elementi della
algebra F(R), che, come abbiamo gi`
a detto contiene unincredibile quantità di insiemi.
Gli insiemi appartenenti a F(R) per i quali dunque esiste il concetto di misura vengono
anche detti insiemi misurabili (secondo Lebesgue).
Quanto detto per R2 si pu`
o estendere agli spazi Rn .
7.7 Definizione. Dato uno spazio misurabile (X, F), la funzione f : X R si dice
misurabile se per ogni t R si ha che linsieme {x X : f (x) < t} è misurabile (cioè
appartiene a F).
7.8 Problema. Sia
A := {x = (x1 , x2 ) R2 : x1 , x2 Q}
Quanto vale Leb (A)?
7.3
Lintegrale di Lebesgue e gli spazi Lp (Rn , dx)
Una volta costruita la misura di Lebesgue, è facile4 costruire il corrispondente integrale

di Lebesgue.
Sia 1IA è la funzione caratteristica dellinsieme A
(
1 se x A
1IA (x) =
0 se x 6= A
Si inizia col definire lintegrale per le funzioni semplici vale a dire per le funzioni
f : R R che si possono scrivere come
f = c1 1IA1 + + cn 1IAn
(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 può essere opportunamente
approssimata con funzioni semplici. In questo modo è 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 è che però, 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.
Poichè 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, è
possibile definire gli spazi Lp .
4 almeno
a chiacchiere
164
CHAPTER 7. BAGLIORI DI TEORIA DELLA MISURA
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
Su questo spazio è possibile introdurre la norma

hZ
i1/p
kf kp :=
|f (x)|p dx
Rn
Una propriet`
a fondamentale degli spazi Lp è la seguente
7.10 Teorema. Lo spazio (Lp (Rn , dxn ), k kp ) è il completamento dello spazio
(Cp (Rn ), k kp ). Di conseguenza Cp è denso in Lp . Gli spazi Lp sono spazi di Banach
e L2 è 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
Gli spazi Lp (R) o Lp [a, b] se vogliamo considerare funzioni su un intervallo finito, in

cui p 1, sono il completamento rispettivamente degli spazi Cp (R) e Cp [a, b]. Essi
sono dunque spazi di Banach, in cui la norma è data da
i1/p
hZ
.
|f (x)|p dx
kf kp :=
Lintegrale va inteso, in generale, come integrale di Lebesgue e, nel caso in cui f sia
una funzione continua, coincide con lintegrale di Riemann. Ricordo inoltre che Cp è
denso in Lp , cioè se f Lp , allora per ogni > 0 esiste g Cp tale che kf gkp < .
Alternativamente per ogni f Lp posso trovare una successione (gn )
n=1 di funzioni
che appartengono a Cp tale che
lim kf gn kp = 0 .
Nel caso particolare in cui p = 2 si ha che L2 (R) (o L2 [a, b]) è 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 , . . .
è possibile esprimere un qualsiasi vettore di L2 come combinazione lineare (a priori
infinita) degli elementi della base. Se f L2 si può quindi scrivere
f=
ck uk ,
k=1
in cui la sommatoria è intesa nel senso della norma k k2 , vale a dire

n

X

lim f
ck uk = 0 ,
k=1
165
166
CHAPTER 8. SPAZI L2
e i coefficienti ck sono i coefficienti di Fourier associati alla funzione f , dati dalla

formula
R
f (x) u
k (x) dx
hf, uk i
ck :=
= R
.
kuk k22
|uk (x)|2 dx
Un problema pi`
u difficile che va discusso separatemente è quello della convergenga
` interessante studiare sotto quali condizioni si ha
puntuale o uniforme della (8.1). E
f (x) =
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
Data una qualsiasi base ortogonale (uk )

k=1 nello spazio (L2 [, ], k k2 ) possiamo
rappresentare una funzione arbitraria f L2 [, ] come
(9.1)
f=
ck uk .
k=1
in cui i coefficienti ck sono dati da

(9.2)
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) è una scrittura simbolica che sta a significare
(9.3)
n

X

lim f
ck uk = 0 .
k=1
Nel seguito, per brevit`

a, indicheremo la convergenza rispetto alla norma k k2 con la
notazione
(9.4)
f (x)
ck uk (x)
k=1
per distinguerla dalla scrittura

(9.5)
f (x) =
ck uk (x)
k=1
che denota la usuale convergenza puntuale. Ripeto che mentre la convergenza in norma
k k2 è assicurata una volta dimostrato il fatto che (uk ) è una base ortogonale, sulla
convergenza puntuale (9.5) a priori non si può dire nulla ed è un problema che va
affrontato separatamente.
Per quanto riguarda la scelta della base ortogonale (uk ) cè ovviamente una arbitrarietà
enorme. La base dei polinomi trigonometrici, associata alla serie di Fourier classica,
che appare nella proposizione seguente si dimostra però particolarmente conveniente
nellanalisi di molti problemi.
167
168
CHAPTER 9. SERIE DI FOURIER
9.1 Teorema. Nello spazio L2 [, ] consideriamo la seguente collezione di funzioni

(9.6) u0 (x) := 1,
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:
(1) Il sistema {(un )

e ortogonale e completo (quindi una base ortogonale)
n=0 , (vn )n=1 } `
e vale:
(9.8)
ku0 k = k1k = 2
kun k = kvn k = n 1 .
(2) per ogni f L2 [, ] si ha
f (x)
(9.9)
a0 X
+
2
k=1
in cui
(9.10)
ak =
f (x) cos(kx) dx
bk =
f (x) sin(kx) dx
(3) per ogni f L2 [, ] si ha

1
|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) =
Ad esempio per dimostrare che hun , vk i = 0 basta osservare che

Z
hun , vk i =
cos(nx) sin(kx) dx = 0
perchè la funzione integranda è dispari (prodotto di una funzione pari per una funzione
dispari) e lintervallo di integrazione è 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 .
9.1. L2 [, ] E I POLINOMI TRIGONOMETRICI
169
Inoltre n 6= k, per cui n k 6= 0, e dunque otteniamo

hun , uk i =

1
1
sin[(n k)x] +
sin[(n + k)x] = 0 .
2(n k)
2(n + k)
La dimostrazione della completezza è (parecchio) pi`

u complicata e rimandata alla
Sezione 9.1.1.
(2). Una volta dimostrato che linsieme delle funzioni (9.6), (9.7) è ortogonale e completo, il punto (2) non è altro che un caso particolare delle uguaglianze (9.1) e (9.2).
(3). Luguaglianza (3), infine, è un caso particolare delluguaglianza di Parseval
X
kf k22 =
|ck |2 kuk k2 .
k
9.1.1
Completezza dei polinomi trigonometrici (schema di dimostrazione)
Voglio far vedere che la collezione di funzioni

(9.11)
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 può 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), . . .} ,
o, equivalentemente, un polinomio trigonometrico è una funzione della forma

N
0 X
[k cos(kx) + k sin(kx)]
+
p(x) =
2
k=1
in cui la sommatoria contiene un numero finito di termini. Ricordando la definizione

di completezza per un sistema di vettori (Sezione 3.8) devo far vedere che
f L2 [, ], > 0 esiste un polinomio trigonometrico p tale che kf pk2 < .
Per dimostrare questa affermazione servono due risultati che non dimostriamo
(1) C[, ] è denso in L2 [, ]1
(2) un noto teorema di Weierstrass afferma: se g è una funzione continua di periodo
2, allora pu`
o essere scritta come il limite uniforme di una successione di polinomi
trigonometrici.
A questo punto procediamo. Sia f una funzione arbitraria in L2 [, ] e sia > 0.
Grazie al punto (1) esiste una funzione g C[, ] tale che
(9.12)
kf gk2 < /3 .
A questo punto cè un piccolo problemino perchè il teorema di Weierstrass si applica

giustamente a funzioni continue e periodiche, mentre la nostra g potrebbe risultare
discontinua quando la prolunghiamo periodicamente nel caso in cui sia g() 6= g().
1 se L [, ] viene definito come il completamento di C [, ] questa affermazione `
e nientaltro
2
2
che la definizione
170
Ma, come gi`

a detto, si tratta solo di una fastidiosa distrazione. Infatti non è difficile
far vedere che posso trovare unaltra funzione continua g che è identica a g tranne
nelle immediate vicinanze degli estremi dellintervallo [, ]. In queste due regioni
la g viene modificata in modo tale da avere, ad esempio, g() = g() = 0, ma senza
rovinare la continuit`
a. Si vede che se questoperazione di modifica viene fatta con
opportuna delicatezza si ottiene
kg gk2 < /3 .
(9.13)
A questo punto possiamo applicare il teorema di Weierstrass alla funzione g (o meglio

al suo prolungamento periodico) e troviamo un polinomio trigonometrico p tale che
(9.14)
kp gku < /(3 2) .
Il fattore 3 2 al denominatore è stato introdotto, col senno di poi, per motivi estetici,
ma se ne pu`
o fare a meno. Notare che qui compare la norma uniforme perchè questo è
esattamente quanto afferma W. Fortunatamente passare dalla norma uniforme a quella
L2 (su un intervallo finito!) è 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 è quello che volevamo dimostrare.
9.1.2
Relazione fra la serie di Fourier di f e quella di f 0
` 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 è: in generale no. Vediamo subito un esempio in cui la cosa non funziona.
La serie di Fourier della funzione f (x) = x su [, ] è 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 è
data da
X
12
(1)k+1 cos(kx) ,
k=1
risultato palesemente falso perchè la serie di Fourier di 1 è la funzione stessa

1 1.
Se invece integro la (9.39) ottengo
X (1)k+1
x2
2
cos(kx) + C .
2
k2
k=1
La costante additiva C non è 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
Questo sviluppo è giusto? Per verificare basta calcolare direttamente i coefficienti di

Fourier della funzione x2 tramite la (9.10). Si ottiene che lo sviluppo (9.17) è corretto!
Osservo anche che se parto dalla (9.17) e derivo termine a termine ottengo la (9.39)
che è giusta. Quindi loperazione di derivazione termine a termine appare corretta se
applicata alla (9.17), sbagliata se applicata alla (9.39).
Provo a vedere cosa succede se integro nuovamente la (9.17). Ottengo
(9.18)
X (1)k+1
2
x3
sin(kx) + C .
x4
3
3
k3
k=1
Disastro! Che ci fa la funzione x nello sviluppo di Fourier? Chi lha invitata? La

funzione x non fa parte della nostra base, quindi non può comparire in uno sviluppo
di Fourier. Solo seni, coseni e costante. Però. . . forse si può sostituire la x che appare
nella (9.18) con il suo sviluppo dato dalla (9.39). Provo.
x3 2 x 12
X
(1)k+1
k3
k=1
=2
(1)k+1
k=1
sin(kx) + 3C
(k)2 6
sin(kx) + 3C .
k3
La costante additiva come al solito va calcolata a parte.

Z
a0
1
3C =
=
x3 dx = 0 ,
2
2
da cui concludo che lo sviluppo di x3 ottenuto in questo modo poco ortodosso (integro
termine a termine e sostituisco x con il suo sviluppo) verrebbe
(9.19)
x3 2
(1)k+1
k=1
(k)2 6
sin(kx) .
k3
Di nuovo, vado a verificare questa formula calcolandomi direttamente gli ak e i bk

della funzione x3 e trovo che la (9.19) è corretta. Attenzione per`
o: se provo a tornare
indietro derivando la (9.19) termine a termine trovo
(9.20)
3x2 2
(1)k+1
k=1
(k)2 6
cos(kx) .
k2
che NON è lo sviluppo corretto di 3x2 , come si vede confrontando con la (9.17).
Ok, è 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
bk = (a0k + (1)k+1 a00 )/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
Dimostrazione. La (9.21) si ottiene facilmente integrando per parti. Se f () = f ()

allora
Z
1 0
1
a00 =
f (x) dx = (f () f ()) = 0 ,

e quindi la (9.22) segue dalla (9.21).

9.4 Osservazione. Le relazioni (9.21) ci dicono che se f è continua a tratti e F è una
primitiva di f allora la serie di Fourier di F può essere ottenuta integrando formalmente
la serie di Fourier di f , a patto di espandere, nella serie integrata, leventuale fattore
lineare nuovamente in serie di Fourier. Pi`
u esplicitamente, sia
f (x)
a0 X
+
2
k=1
A0 X
+
F (x)
[Ak cos(kx) + Ak sin(kx)] .
2
k=1
Integrando formalmente otterremmo

(9.23)
F (x)

X
ak
bk
a0
x+
sin(kx)
cos(kx) + C ,
2
k
k
k=1
in cui C = A0 /2 è una costante da determinare tramite la relazione

Z
1
A0 =
F (x) dx .

Il termine lineare nella (9.23) va espanso in serie di Fourier. Sapendo che
x2
(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
Possiamo a questo punto scrivere la relazione fra i coefficienti di Fourier di F e quelli

di f
Ak = bk /k
Bk = (ak + (1)k+1 a0 )/k .
Ritroviamo in questo modo la (9.21) applicata alla coppia di funzioni f e F .
Se invece vogliamo derivare uno sviluppo di Fourier termine a termine, la condizione
per poterlo fare è che la funzione f da derivare sia continua su [, ], con derivata f 0
CAT e inoltre deve valere f () = f (). In questo caso, infatti, valgono le relazioni
(9.22) che dicono proprio che lo sviluppo di Fourier può essere derivato termine a
termine. Negli esempi fatti in precedenza loperazione di derivazione porta ad un
risultato corretto nel caso di f (x) = x2 che verifica la condizione f () = f (), ma
non nel caso di x o di x3 .
9.5 Morale. Riassumo:
per poter integrare lo sviluppo di Fourier di f termine a termine:
173
(1) f deve essere continua a tratti

(2) se il termine costante della f è non nullo, integrando compare la funzione
x, che va sostituita con il suo sviluppo di Fourier
(3) la costante additiva di integrazione va calcolata esplicitamente
per poter derivare lo sviluppo di Fourier di f termine a termine:
(1) f deve essere continua con derivata CAT
(2) deve valere f () = f ().
Nel dubbio calcolare i coefficienti di Fourier usando le formule (9.10).
9.1.3
Serie di Fourier sullintervallo [a, b]
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 è 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 è 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
Di conseguenza possiamo scrivere lo sviluppo di Fourier

a0 X
k(2x a b)
k(2x a b)
(9.25)
f (x)
+
+ bk sin
ak cos
2
ba
ba
k=1
in cui i coefficienti sono dati da

Z b
k(2x a b)
2
f (x) cos
ak =
dx
ba a
ba
(9.26)

Z b
k(2x a b)
2
f (x) sin
bk =
dx .
ba a
ba
9.1.4
Serie di Fourier sullintervallo [l, l]
Questo è 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 .
Serie di Fourier complessa
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), . . .
quella costituita dagli esponenziali con esponente immaginario di periodo sottomultiplo

di 2
. . . , ei2x , eix , 1, eix , ei2x , ei3x , . . .
legata alla base precedente dalla relazione
eikx = cos(kx) + i sin(kx) .
9.6 Proposizione. Linsieme di vettori
ek (x) = eikx
kZ
è una base ortogonale in L2 [, ]. Inoltre kek k2 = 2.

(9.28)
Dimostrazione. Lortogonalit`
a è 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, poichè 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) è completo, anche il sistema (9.28) è 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 .
Nel caso in cui f sia una funzione reale si ha

ck
1
:=
2
f (x) e
ikx
1
dx =
2
f (x) eikx dx = ck ,
quindi possiamo scrivere

f (x) c0 +
(9.29)
= c0 +
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
9.7 Problema. Sviluppare in serie trigonometrica di Fourier nellintervallo [, ] la

funzione f (x) = ex . Dimostrare che

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)
Poichè f è reale il suo sviluppo di Fourier può 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
"
#
cos(kx) + i sin(kx)(1 + ik)

X
sinh
k
1+2
(1) Re
=
1 + k2
k=1
"
#

X
sinh
(1)k
cos(kx) k sin(kx)
=
1+2
1 + k2
k=1
Per dimostrare lindentit`

a richiesta dal problema uso lidentità di Parseval
X
X
kf k22 =
|ck |2 kuk k22 = 2
|ck |2 .
kZ
kZ
Per quanto riguarda la norma di f ottengo

Z

1
kf k22 =
e2x dx = e2 e2 = sinh(2) .
2
Per il modulo quadro di ck uso lespressione

|ck |2 =
1
(sinh )2
sinh 2
= 2
.
2
2
|1 ik|
(1 + k 2 )
Dalla ottengo quindi
sinh(2) = 2
X 1 i
(sinh )2 h
1
+
2
,
2
1 + k2
k=1
da cui, siccome sinh(2) = 2 sinh() cosh(),
X
k=1
9.1.6

1
1 sinh(2)
1
=
1 = [ coth 1] .
1 + k2
2 2(sinh )2
2
Problemi
9.8 Problema. Sviluppare in serie trigonometrica di Fourier nellintervallo [, ] le

funzioni
(a)
f (x) = sgn(x)
(b)
f (x) = x
Usando luguaglianza di Parseval, dimostrare che
9.2
f (x) = |x|
(c)
1
k=0 (2k+1)2
2
8
1
k=1 k2
2
6 .
Convergenza puntuale della serie di Fourier
Abbiamo visto che se f è una qualsiasi funzione appartenente ad L2 [, ] allora

possiamo scrivere
(9.30)
f (x)
a0 X
+
2
k=1
9.2. CONVERGENZA PUNTUALE DELLA SERIE DI FOURIER
177
in cui
(9.31)
ak =
f (x) cos(kx) dx
bk =
f (x) sin(kx) dx .
Ricordo che la (9.30) è 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 cioè sotto quali condizioni è possibile scrivere
(9.32)
f (x) =
a0 X
+
[ak cos(kx) + bk sin(kx)] .
2
k=1
Non è difficile vedere con un controesempio che, in generale, la convergenza rispetto

alla norma k k2 non implica la convergenza puntuale, per cui è ragionevole aspettarsi
che la validit`
a della (9.32) è subordinata ad ipotesi supplementari sulla funzione f .
9.2.1
Funzioni continue o differenziabili a tratti
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 discontinuità u esistono e sono
finiti il limite destro e sinistro di f
f (u ) := lim f (x)
xu
f (u+ ) := lim+ f (x)

xu
9.9 Definizione. Una funzione f : [a, b] R è detta differenziabile a tratti (DAT) se

f ed f 0 sono continue a tratti in [a, b].
In altre parole f è differenziabile a tratti in [a, b] se esiste un insieme finito di punti
i [a, b], i = 0, . . . , n tali che
(a) a = 0 < 1 < 2 < < n = b.
(b) f è differenziabile con derivata continua in ciascun intervallo aperto (ii , i ).
(c) Esistono e sono finiti i limiti
lim f (x),
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
9.10 Definizione. Una funzione f : R R è detta differenziabile a tratti (DAT) se

la restrizione di f ad un qualsiasi intervallo chiuso e limitato [a, b] è differenziabile a
tratti.
9.11 Esempio. (Una funzione DAT). Consideriamo la funzione
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
Figure 9.1: Esempio di funzione DAT

La funzione f ha un solo punto di discontinuità in x = 1. In questo punto abbiamo
f (1 ) = 1
f (1+ ) = f (1) = 2 ,
Quindi f è continua a tratti. Per quanto riguarda la derivata di f osserviamo subito

che ci sono due punti, x = 1 e x = 2 in cui la derivata non esiste. Nonostante ciò la
derivata ha limite sia destro che sinistro finito in ciscun punto di discontinuità
f 0 (1 ) = 2
f 0 (1+ ) = 1
f 0 (2 ) = 1
f 0 (2+ ) = 0 ,
quindi f 0 è continua a tratti e, di coseguenza, f è differenziabile a tratti.

9.12 Esempio. (Una funzione CAT ma non DAT). Consideriamo adesso la funzione
p
f (x) = |x| .
Questa funzione è addirittura continua, quindi, a maggior ragione continua a tratti,
ma la sua derivata, per x 6= 0, è data da
sgn x
f 0 (x) = p .
2 |x|
Sia il limite destro che quello sinistro di f 0 (x) sono infiniti, quando x tende a zero,
quindi f 0 non è continua a tratti, di conseguenza f non è differenziabile a tratti.
9.13 Definizione. Sia f : [a, b] R una funzione continua a tratti e sia x [a, b). f
è detta derivabile da destra nel punto x se il limite
(9.33)
0
f+
(x) := lim+
0
f (x + ) f (x+ )
0
f+
(x)
esiste ed è finito. La quantit`

a
è detta derivata destra della funzione f nel punto
x. Se x (a, b] si definisce, analogamente, la derivata sinistra di f in x come
(9.34)
0
f
(x) := lim+
0
f (x ) f (x )
Si noti che la derivata destra (sinistra) è stata definita usando il valore f (x+ ) (f (x ))
nel rapporto incrementale e non il valore f (x). Il motivo è che in questo modo è
0
possibile definire f
(x) anche in casi in cui f non è continua in x.

9.14 Esempio. Consideriamo la funzione
0
f (x) = 1/2
1x
179
se x < 0
se x = 0
se x > 0
f(x)
1
-1
In questo caso, usando le definizioni (9.33) e (9.34), otteniamo

f (0 + ) f (0+ )
11
= lim
= 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 è 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
f 0 (0+ ) = lim+ f 0 (x) = 1 .

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 è: quasi sempre. Nel senso che,
come spiegato nella Proposizione 9.16 e nellosservazione 9.17, se la funzione f è differenziabile a tratti allora la risposta è affermativa, però può 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 è 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
Dimostrazione. Dimostriamo solo laffermazione riguardante la derivata destra, in

quanto quella sulla derivata sinistra di dimostra in modo identico.
Se f è differenziabile a tratti in [a, b] esiste > 0 tale che f è differenziabile nellintervallo (x, x + ). Inoltre sappiamo che esiste il limite
f 0 (x+ ) :=
(9.35)
lim f 0 (y) .
yx+
Per definizione di limite destro la (9.35) ci dice che

(9.36)
> 0 1 > 0 tale che se y (x, x + 1 ) si ha |f 0 (y) f 0 (x+ )| < .
Per il Teorema di Lagrange (giusto?) sappiamo che, se 0 < < ,

(9.37)
f (x + ) f (x + )
= f 0 ()
in cui (x + , x + ).
Dalla (9.36) e (9.37) segue che, se 0 < < 1 si ha

f (x + ) f (x + )

f 0 (x+ ) < .

Di conseguenza
f (x + ) f (x + )

lim+ lim+
f 0 (x+ ) ,
0 0
ovvero
f (x + ) f (x+ )

lim
f 0 (x+ ) .
0+
Poichè è 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
f 0 (x) = 2x sin(1/x) cos(1/x) ,

per cui il limite
f 0 (0+ ) := lim+ f 0 ()
0
non esiste a causa del termine cos(1/x).
181
Integrazione per parti di funzioni continue con derivata CAT

` nota la formula di integrazione per parti
E
Z b
Z

b
(9.38)
f (x) g(x) dx = f G a
a
f 0 (x) G(x) dx
in cui G è una primitiva di g

Z
G(x) =
g(u) du + C
a
e [ f G]ba = f (b)G(b) f (a)G(a) è lincremento del prodotto f G lungo lintervallo

[a, b]. La formula (9.38) viene usualmente dimostrata sotto le ipotesi f C 1 [a, b] e
g C[a, b].
Vogliamo far vedere che la formula di integrazione per parti è valida sotto le seguenti
ipotesi pi`
u generali:
(1) f continua con derivata CAT
(2) g CAT.
In altre parole la funzione f che volete derivare deve essere continua, ma la sua derivata
basta che sia continua a tratti, mentre la funzione g da integrare è sufficiente che
sia continua a tratti. Per dimostrarlo iniziamo a dare un risultato pi`
u generale.
9.18 Proposizione. Siano F e G due funzioni reali, definite sullintervallo [a, b]
differenziabili a tratti. Allora vale la seguente identit`
a
Z
b

b

F G a+ =
F 0 (x) G(x) + F (x) G0 (x) dx
a
(9.39)
X

+
F (x ) G(x) + G(x ) F (x) + F (x) G(x) ,
x(a,b)
in cui la sommatoria è estesa a tutti i punti di discontinuit`

a di F e di G e F (x) :=
F (x+ ) F (x ) rappresenta il valore del salto di F nel punto x (analogamente per G).
Osserviamo che la prima riga della (9.39) è lusuale formula di integrazione per parti,
a parte il fatto che, poichè F e G non sono continue, nel fattore che tiene conto
dellincremento del prodotto F G è necessario specificare che i valori di F G vanno
calcolati dalla parte interna dellintervallo [a, b], per cui in a+ e in b . La seconda riga
invece tiene conto del fatto che F e G possono avere dei salti allinterno dellintervallo
(a, b) e questi salti vanno conteggiati secondo la (9.39).
Nel caso in cui F e G siano entrambe continue (con derivata CAT) tutti i termini F e
G sono nulli, di conseguenza ritroviamo la formula usuale. Possiamo a questo punto
dimostrare il risultato che abbiamo annunciato in precedenza.
9.19 Corollario. Siano f , g due funzioni reali, definite sullintervallo [a, b]. Se f è
continua con derivata CAT e g è continua a tratti, allora vale la formula di integrazione
per parti classica (9.38).
Dimostrazione. Poniamo F = f e sia inoltre G una primitiva di g. La Proposizione
9.18 ci dice che vale luguaglianza (9.39). Poichè la primitiva di una funzione CAT è
continua, si ha che F e G sono entrambe continue, di conseguenza tutti i termini di
salto contenenti F o G sono nulli. Otteniamo quindi
Z b

b
0

(9.40)
FG a=
F (x) G(x) + F (x) G0 (x) dx ,
a
182
che, sostituendo F = f , diventa proprio la (9.38).

Rimane quindi da dimostrare la (9.39).
Dimostrazione della Proposizione 9.18 Se H : [a, b] R è una funzione DAT allora il
teorema fondamentale del calcolo integrale va riscritto sotto la forma
H(b ) H(a+ ) =
H 0 (x) dx +
H(x) ,
x(a,b)
in cui la sommatoria tiene conto dei salti di H. Applicando questa identità 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)
A questo punto scriviamo il salto (F G)(x) nel modo seguente

(F G)(x) = F (x+ ) G(x+ ) F (x ) G(x )
= F (x+ ) G(x+ ) F (x+ ) G(x ) + F (x+ ) G(x ) F (x ) G(x )
= F (x+ ) G(x) + F (x) G(x )

= F (x ) + F (x) G(x) + F (x) G(x )
= F (x ) G(x) + F (x) G(x ) + F (x) G(x) .
La proposizione è cos` dimostrata.
9.2.2
Convergenza puntuale
9.20 Definizione. Data una funzione f : [, ] R, definiamo il prolungamento

periodico di f la funzione f : R R definita come
f(x) = f (x + 2k)
in cui k Z è univocamente determinato dalla condizione x + 2k (, ].
9.21 Osservazione. Sia f : [, ] R. Per come labbiamo definita, la funzione f
coincide con f nellintevallo (, ], quindi se f () 6= f (), allora f ha discontinuità
di prima specie nei punti (2k + 1) con k Z.
9.22 Esempio. Consideriamo la funzione f (x) = x definita sullintervallo [, ]. Il
suo prolungamento periodico appare come in figura
f(x)
-3
-2
183
9.23 Lemma. (RiemannLebesgue). Se f L1 [a, b] allora per ogni a, b R con a < b

si ha
Z b
f (x) sin(sx) dx = 0 .
(9.41)
lim
s
Dimostrazione. Dimostriamo questo Lemma nel caso particolare in cui f è continua

con derivata continua a tratti. Per estendere il risultato a tutte le funzioni f L1 [a, b]
si usa il fatto che che le funzioni continue con derivata CAT sono dense in L1 [a, b] (in
realt`
a anche le funzioni C 1 [a, b] sono dense in L1 [a, b]).
Sia quindi f continua con derivata CAT. Il Corollario 9.19 ci dice che possiamo integrare per parti, per cui
Z
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
Poichè f è continua e f 0 è 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
Facendo tendere s a otteniamo la (9.41).

9.24 Lemma. Sia f : R R una funzione continua a tratti e sia x R tale che la
0
(x) esiste. Definiamo la funzione
derivata destra di f nel punto x, f+
(9.42)

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 è 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 è continua in x
(9.45)
lim Sn (x) =
n
1 [f (x+ ) + f (x )] nel caso generale.
2
184
Dimostrazione. Iniziamo a scrivere esplicitamente la somma parziale nsima di Fourier

associata ad f
n
a0 X
+
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 è difficile far vedere che vale lidentità

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 può
essere scritta come
Z
Sn (x) =
f (t) Dn (t x) dt .
A questo punto possiamo cambiare variabile di integrazione, ponendo z = t x,

Z
Sn (x) =
f (x + z) Dn (z) dz .
x
Sfruttando il fatto che f e Dn sono entrambi funzioni 2periodiche lintervallo di

integrazione, che equivale ad un periodo completo, può essere traslato di una quantità
arbitraria, per cui
Z
Sn (x) =
f (x + z) Dn (z) dz .
Per concludere la dimostrazione ed ottenere la (9.45) è sufficiente spezzare in due parti

lintervallo di integrazione [, ] e ricordare quanto afferma il Lemma 9.24
Z
lim Sn (x) = lim
Z
f (x + z) Dn (z) dz +

f (x + z) Dn (z) dz

1
f (x+ ) + f (x ) .
2
Dimostrazione del Lemma 9.24. Sia f : R R una funzione continua a tratti e

0
supponiamo che nel punto x esista la derivata destra f+
(x) della funzione f . Devo far
vedere che si ha
Z
f (x+ )
(9.46)
lim
f (x + z) Dn (z) dz =
.
n 0
2
185
La dimostrazione della seconda affermazione (9.44) è identica. Inizio con losservare

che, lintegrale di Dn esteso allintervallo [0, ] è uguale ad 1/2. Infatti
Z
Z
n
i
1 h 1 X
Dn (z) dz =
+
cos(kz) dz .
(9.47)
0 2
0
k=1
Poichè 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 quantità 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 =
A questo punto se riesco a dimostrare che

Z

(9.49)
lim
f (x + z) f (x+ ) Dn (z) dz = 0
n
avrei ottenuto proprio la (9.46) che è 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 è limitata in [0, ] che implica g L1 [0, ]. Per dimostrare
che g è limitata osservo che g è continua a tratti in (0, ] poichè il numeratore è CAT
e il denominatore è continuo e non nullo. Se riesco a far vedere inoltre che il limite
(9.52)
lim g(z)
z0+
186
esiste ed è finito, allora avr`

o dimostrato che g è CAT, e quindi limitata, su [0, ]. Ma
il limite (9.52) si pu`
o calcolare esplicitamente. Infatti
f (x + z) f (x+ )
sin(z/2)
z0
z
f (x + z) f (x+ )
0
= 2f+
= lim+
(x) .
z
sin(z/2)
z0
lim+ g(z) = lim+
z0
Ricapitolando: g è una funzione CAT in (0, ], inoltre ho fatto vedere che il limite
quando z tende a 0 da destra esiste ed è finito, quindi g è CAT su [0, ]. Di conseguenza
g è 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 è una funzione 2periodica e differenziabile a tratti
allora
f (x)
se f è 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 è 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 è continua in [, ], il suo prolungamento periodico è continuo
nei punti interni allintervallo, cioè è 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() =
9.3. SERIE DI FOURIER CON SOLO COSENI O SENI
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 =
Serie di Fourier con solo coseni o seni
.
9.29 Proposizione. Ciascuno dei seguenti due insiemi di vettori
(a) cos(nx) n = 0, 1, 2, . . .
(b) sin(nx) n = 1, 2, . . .
è una base ortogonale in L2 [0, ]. Inoltre, se f L2 [0, ], si ha:
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
e quindi, le (9.57), (9.58) diventano
(9.59)
fp (x)
a
0 X
+
a
k cos(kx)
2
fd (x)
k=1
bk sin(kx)
k=1
La prima uguaglianza significa

lim kfp Sn k2 = 0 ,
(9.60)
in cui abbiamo posto

n
Sn (x) :=
a
0 X
+
a
k cos(kx) .
2
k=1
Poichè la differenza fp Sn è una funzione pari, abbiamo

Z
|fp (x) Sn (x)|2 dx
kfp Sn k22 =
(9.61)
Z
=2
|fp (x) Sn (x)|2 dx = 2kf Sn k2L2 [0,] .
0
Dalla (9.60) e (9.61) segue la (9.54). La (9.55) si dimostra in modo analogo.
9.3.1
Quale sviluppo scegliere?
In generale è possibile sviluppare una funzione f in serie di Fourier in pi`

u di un
modo. La scelta dello sviluppo da adottare va fatta in base alle esigenze o alla richiesta esplicita del problema che si sta risolvendo. Consideriamo il problema seguente:
sviluppare in serie di Fourier nellintervallo [0, ] la funzione
f (x) =
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, ] è prolungarla periodicamente a tutto lasse reale, come si vede nella
figura 9.2.
f(x)
-3
-2
Figure 9.2: Svilippo n.1
Sviluppo n.2. Un secondo sviluppo possibile è 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.
9.4. EQUAZIONE DEL CALORE SU UN INTERVALLO FINITO
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 può 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
Equazione del calore su un intervallo finito

Condizioni al bordo di Neumann
Voglio risolvere la seguente equazione differenziale a derivate parziali (equazione del

calore) utilizzando il metodo dello sviluppo in serie di Fourier:
ut (x, t) = uxx (x, t)
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
in cui è un nmero reale positivo e le lettere x e t usate come pedici denotano, al

solito, loperazione di derivata rispetto a quel simbolo, cioè
ut :=
u
t
ux :=
u
.
x
La funzione u(x, t) è 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 è 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 è nulla, vale a dire la temperatura è costante nel
tempo perchè la barra non conduce calore. La funzione f che appare nella (9.63) è 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 perchè 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 cioè scambio di calore ai due estremi.
Bene, dobbiamo quindi trovare u(x, t) che soddisfi le (9.62), (9.63), (9.64). Lidea è
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,
perchè abbiamo visto che cè pi`
u di una modalità 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
oppure potremmo usare la serie di Fourier dei seni

u(x, t) =
bk (t) sin(kx/`)
k=1
o magari quella dei coseni. Lelemento del problema che ci indica la via giusta da
seguire è la condizione al bordo (9.64). Poichè le quantità 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 è
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
Assumendo di poter derivare la serie termine a termine otteniamo
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
`
che una barra unidimensionale sia esattamente una cosa concreta
9.4. EQUAZIONE DEL CALORE SU UN INTERVALLO FINITO
191
Sostituendo queste espressioni nellequazione ut = uxx si ottiene un numero infinito

di equazioni differenziali ordinarie per i coefficienti di Fourier
(9.66)
a k (t) =
a 0 (t) = 0
k 2
`
ak (t) k = 1, 2, . . .
che si risolvono facilmente

h k 2 i
ak (t) = ak exp
t ,
`
a0 (t) = a0
in cui, per semplicit`
a, abbiamo posto
an := an (0)
n = 0, 1, 2, . . . .
Sostituendo nella (9.65) otteniamo infine la funzione incognita u(x, t)

(9.67)
u(x, t) =
h kx i
h k 2 i
a0 X
t cos
.
+
ak exp
2
`
`
k=1
Rimangono da determinare i coefficienti ak . A questo scopo usiamo la condizione

iniziale del problema (9.63)
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 .
`
La (9.67) insieme alla (9.68) risolve il problema posto

Comportamento della soluzione quando t
Qual è il comportamento della soluzione trovata quando il tempo tende allinfinito?
Senza bisogno di essere dei grandi geni di equazioni differenziali a derivate parziali si
intuisce che, se è vero che questa equazione rappresenta levoluzione della distribuzione
della temperatura in una barra isolata termicamente, allora, per t , la temperatura dovr`
a essere uniforme (indipendente da x) e (probabilmente) assumerà il valore
medio della distribuzione iniziale della temperatura.
Verifico. Facendo tendere t allinfinito nella (9.67) tutti i termini tranne il primo
tendono a zero. Inoltre la (9.68) ci dice che
a0 =
2
`
f (y) dy .
0
Quindi abbiamo
lim u(x, t) =
a0
1
=
2
`
f (y) dy ,
0
che è proprio il valor medio della temperatura inziale.
192
9.4.2
Condizioni al bordo di Dirichlet
Consideriamo ora lo stesso problema con diverse condizioni al bordo:

(9.69)
ut (x, t) = uxx (x, t)
x [0, `]
(9.70)
u(x, 0) = f (x)
x [0, `]
(9.71)
u(0, t) = u(`, t) = 0
t > 0.
t>0
La condizione (9.71) ci dice che la barra non è pi`

u isolata termicamente, come nel caso
precedente, ma i suoi estremi vengono costantemente mantenuti a temperatura zero.
...
9.5
Convergenza uniforme della serie di Fourier
Il Corollario 9.26 ci dice che se f è periodica, differenziabile a tratti, allora la serie di

Fourier di f converge puntualmente ad f in tutti i punti in cui f è continua. Sorge
dunque spontanea la
9.30 Domanda. Non sar`
a che, niente niente, la convergenza della serie di Fourier è
uniforme?
Senza qualche ipotesi addizionale la risposta è necessariamente negativa. Infatti la
successione di funzioni Sn (x), in cui, come al solito, abbiamo posto
n
Sn (x) =
a0 X
+
[ak cos(kx) + bk sin(kx)] ,
2
k=1
è una successione di funzioni continue. Ora sappiamo che se una successione di funzioni
continue converge uniformemente, il suo limite è una funzione continua, quindi affinchè
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
+
f (x) =
2
x R.
k=1
Rimane da dimostrare che la serie di funzioni che appare al secondo membro converge
uniformemente. Lidea è quella di usare il criterio di Weierstrass per la convergenza
uniforme di una serie di funzioni. Devo cioè 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 < .
9.5. CONVERGENZA UNIFORME DELLA SERIE DI FOURIER
193
Una possibilit`
a che non richiede particolari doti di immaginazione3 è quella di scrivere
(9.73)
|ak cos(kx) + bk sin(kx)| |ak cos(kx)| + |bk sin(kx)| |ak | + |bk | .
Il problema è che i coefficienti di Fourier ak e bk sono, a priori, in `2 e non in `1 , per cui

possiamo affermare che la sommatoria dei quadrati è convergente, ma non sappiamo
dire nulla sulla convergenza di
[ |ak | + |bk | ] .
k=1
Fra le ipotesi del Teorema cè per`

o anche il fatto che f 0 è continua a tratti. Di
0
0
conseguenza f è limitata, quindi f L2 [, ]. Questo implica che f 0 ha una serie
di Fourier convergente in L2 .
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
è importante. Quello che ci interessa è il fatto che i coefficienti della serie di Fourier
di f 0 sono in `2 , cioè
(9.74)
|a0k |2 <
k=1
|b0k |2 < .
k=1
Poichè f è continua e f 0 è continua a tratti e poichè f è periodica possiamo usare le

relazioni (9.22) che legano i coefficienti di Fourier di f a quelli di f 0 . Abbiamo dunque
(9.75)
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
Dalla disuguaglianza ab (|a|2 + |b2 |)/2 otteniamo

(9.77)
X

k=1
0 2

1X
|ak | + 1/k 2 + |b0k |2 + 1/k 2
|a0k |/k + |b0k |/k
2
k=1
Dalle relazioni (9.76), (9.77) e (9.74) si ottiene infine che la sommatoria
X
|ak | + |bk |
k=1
è convergente. Questo fatto, insieme alla disuguaglianza (9.73) ci permette di usare il

criterio di Weierstrass e di concludere che la serie (9.72) è uniformemente convergente.
3 seguendo
il vecchio adagio romano che consiglia in questi casi Nun te nvent`

a gnente.
194
10. Trasformata di Fourier

V: Also, you know what they call a Quarter Pounder
with Cheese in Paris?
J: They dont call it a Quarter Pounder with Cheese?
V: No, they got the metric system there, they wouldnt
know what the fuck a Quarter Pounder is.
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 è
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
Dunque possiamo usare lo sviluppo di Fourier, ad esempio quello in termini degli

esponenziali immaginari. Si ottiene cos`
(10.1)
fL (x)
ck eikx/L
ck =
kZ
1
2L
fL (x) eikx/L dx .
Lidea della trasformata di Fourier a questo punto è 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 è continua) il risultato seguente:
Z
Z
1
(10.2)
f (x) =
g() eix d
g() =
f (x) eix dx .
2 R
R
195
196
CHAPTER 10. TRASFORMATA DI FOURIER
La formula a sinistra ci dice che, nel caso di una funzione non periodica, è 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 è detta trasformata di Fourier di f .
10.2
Definizione e propriet`
a elementari
10.2 Definizione. Se f L1 (R; C) si definisce trasformata di Fourier di f e si indica

con F(f ) oppure con f, la funzione
Z
F(f )() = f () :=
f (x) eix dx
R.
R
Osservo che, poichè |f (x) eix | = |f (x)|, se f L1 (R), anche la funzione f (x) eix
appartiene a L1 (R), quindi lintegrale è ben definito.
10.3 Proposizione. Sia f L1 (R; C). Allora
(1) F[f]() = F[f ]().
(2) Se f è reale F[f ]() = F[f ]().
(3) Se f è reale pari F[f ] è reale e pari.
(4) Se f è reale dispari F[f ] è 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 identità:
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
10.5 Proposizione. Se f L1 (R) allora F(f ) C0 (R).

Dimostrazione.
Dimostrazione della continuità. Poniamo g() := F(f )(). Allora
Z

|g( + ) g()| = f (x) eix eix 1 dx
ZR
|f (x)| |eix 1| dx
R
Z
Z
|f (x)| |eix 1| dx + 2
|f (x)| dx
|x|a
|x|>a
Siccome
(10.3)
|eix 1|2 = (1 cos(x))2 + sin(x)2

= 2(1 cos(x)) = 4 sin2 (x/2) (x)2 ,
` E ANDAMENTO ALLINFINITO
10.3. REGOLARITA
197
nellintervallo |x| a vale la disuguaglianza

|eix 1| |x| || a
Otteniamo dunque
Z
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 .
Poichè a è arbitrario possiamo porre a := 1/

(10.4)
|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 ,
che equivale a dire che g è continua nel punto (arbitrario) .

Dimostrazione che lim g() = 0. Analogamente a quanto fatto in precedenza
scriviamo lintegrale come somma di 2 pezzi.
Z
Z

ix
|g()|
f (x) e
dx +
f (x) eix dx
|x|a
|x|>a
Z
Z

f (x) eix dx +
|f (x)| dx
|x|a
|x|>a
Poichè 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
Grazie al lemma di RiemannLebesgue, lintegrale va a zero quando , quindi

lim |g()| .
Siccome è arbitrario ottengo che lim g() = 0.

10.6 Proposizione. Sia f C p1 (R) con f (p) continua a tratti e assumiamo che le
funzioni f, f 0 , f 00 , . . . , f (p) appartengano tutte a L1 (R). Allora
(1) per ogni k = 1, . . . , p si ha F(f (k) )() = (i)k F(f ).
198
(2) F(f )() tende a zero, quando pi`

u velocemente di 1/p , vale a dire
lim p F(f )() = 0 .
Dimostrazione. Integrando per parti si ottiene

F[f 0 ]() =
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) dallintegrabilità assoluta di f non
discende necessariamente che f tende a zero allinfinito. In questo caso però si può
usare lipotesi che f 0 L1 (R). Possiamo scrivere infatti
x
f 0 (u) du .
f (x) = f (0) +
0
Poichè f 0 L1 (R) esistono i limiti

x
f 0 (u) du ,
lim
di conseguenza esistono i limiti limx f (x). Ma se f ha un limite quando x tende a

e a +, il valore di entrambi i limiti deve essere necessariamente zero, altrimenti

+
f non sarebbe integrabile. Abbiamo quindi dimostrato che f (x) eix = 0. Dalla
(10.6) segue che
F[f 0 ]() = i F[f ]() ,
che, iterata, dimostra il punto (1) della proposizione. Per dimostrare il punto (2)
usiamo il punto (1) con k = p e la Proposizione 10.5, ottenendo
lim |p F[f ]()| = lim |F[f (p) ]()| = 0 .
10.7 Proposizione. Sia f L1 (R) tale che le funzioni xf, x2 f, . . . , xp f appartengano

tutte ad L1 (R). Allora F(f ) C p (R). Inoltre, ponendo g = F(f ), si ha
g (k) = F[(ix)k f ]
k = 1, . . . , p .
Dimostrazione. Sia
Z
g() :=
f (x) eix dx .
Voglio far vedere che g 0 () = F[(ix)f ](), vale a dire che

(10.7)
g( + ) g()
=
0
lim
(ix) f (x) eix dx .
` 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
è 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 può affermare, nei casi seguenti, sul grado di derivabilità 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) Poichè xn f L1 (R) per ogni n N, g è 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 è
di classe C 1 .
10.9 Problema. Sia g la trasformata di Fourier della funzione f . Senza dover calcolare g, è possibile affermare che g è 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) Poichè xk f L1 , per k = 0, 1, 2, 3, 4 g C 4 .
Poichè 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 è 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. Poichè f è simmetrica rispetto al punto x = è 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
lim f 0 (x) = sin(0) = 0
x0
x0+
lim f 00 (x) = 0
lim f 00 (x) = 2 cos(0) = 2 .
x0
x0+
Quindi la funzione f è di classe C 1 con f 00 continua a tratti. Di conseguenza g tende

a zero quando pi`
u velocemente di 2 .
10.10 Definizione. Definiamo lo spazio vettoriale S(R; C) come linsieme delle funzioni f C (R; C) tali che, per ogni n, k N si ha
kf kn,k := sup |xn f (k) (x)| < .
xR
S(R; C) è detto spazio delle funzioni rapidamente decrescenti.

10.11 Proposizione. Lo spazio S(R; C) è invariante sotto lazione della trasformata
di Fourier F, vale a dire se f S(R; C) allora F[f ] S(R; C).
Dimostrazione. Discende immediatamente dalle Proposizioni 10.6, 10.7.
10.4. FORMULA DI INVERSIONE E TEOREMA DI PLANCHEREL
10.4
201
Formula di inversione e Teorema di Plancherel
Dimostriamo ora la formula annunciata allinizio del capitolo che afferma che se g è la
trasformata di Fourier di f
Z
(10.13)
g() =
f (x) eix dx ,
R
allora è possibile invertire la trasformazione e ritrovare f a partire da g tramite la

formula
Z
1
(10.14)
f (x) =
g() eix d .
2 R
Inizialmente ci restringiamo alla classe delle funzioni rapidamente decrescenti. Che
una qualche forma di restrizione sia necessaria è chiaro per il motivo seguente. Se
f L1 (R) possiamo calcolarne la sua trasformata di Fourier g tramite la (10.13). Fin
qui nessun intralcio. Il problema nasce nel caso in cui la funzione g non appartenga
ad L1 (R). Prendiamo, per dire,
(
1 se |x| 1
f (x) =
0 se |x| > 1.
La trasformata di Fourier g in questo caso è
2 sin
,
che non è una funzione in L1 (R). Di conseguenza la formula di inversione (10.14),

cos` comè scritta non pu`
o essere valida semplicemente perchè lintegrale non è ben
definito. Queste complicazioni non esistono nel caso in cui f sia una funzione rapidamente decrescente, perchè in quel caso anche g è rapidamente decrescente e dunque
gli integrali che appaiono nelle formule (10.13) e (10.14) sono entrambi ben definiti.
Una volta stabilita la formula di inversione nel caso di f rapidamente decrescente,
spiegheremo come si pu`
o estendere ad una classe pi`
u ampia di funzioni.
g() =
10.12 Definizione. Se g L1 (R; C) si definisce trasformata di Fourier inversa 1 di g

e si indica con F 1 (g) oppure con g, la funzione
Z
1
1
F (g)(x) = g(x) :=
g() eix d
x R.
2 R
Si vede che la trasformata di Fourier inversa assomiglia molto alla trasformata di
Fourier, le uniche differenze sono il fattore 1/(2) e il segno dellesponente nellesponenziale. Se chiamo P loperatore di di inversione spaziale (o operatore di parità),
definito come
P f (x) = f (x)
posso scrivere, usando il cambio di variabile u = ,
Z
Z
1
1
1
F 1 (f )(x) =
f () eix d =
f (u) eiux du =
F(P f )(x) ,
2 R
2 R
2
per cui abbiamo lidentit`
a operatoriale
F 1 =
1
F P .
2
Facciamo dunque vedere che F 1 è proprio linverso di F.

1a
rigore non avremmo ancora il diritto di chiamarla trasformata di Fourier inversa
202
10.13 Teorema. Sia f S(R; C) e sia g := F[f ]. Allora

Z
1
f (x) =
g() eix d =: F 1 [g](x)
(10.15)
(Formula di inversione)
2 R
(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

f (x) =
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
Poichè questa identit`

a vale per ogni < 1/a posso fare il limite per 0+ . Osservo
()
che la somma su k è una somma di Riemann fatta sulla partizione k di modulo .
+
Quindi, quando 0 , la somma tende allintegrale di Riemann
Z
()
1 X
1
()
()
ik x
f
(x)
=
lim
g(
)
e
=
g() eix d ,
(10.19)
k
k
2
0+ 2
R
kZ
che è proprio la (10.15).

Per dimostrare la (10.16) partiamo dalluguaglianza di Parseval. Usando la (10.17)
otteniamo
Z
2X
X
1 X
()
()
|f (x)|2 dx =
|ck |2 =
|g(k)|2 =
|g(k )|2 k .
2
2
R
kZ
kZ
kZ
Facendo tendere nuovamente a zero da destra si ha

Z
Z
1
|f (x)|2 dx =
|g()|2 d ,
2 R
R
che è appunto la (10.16).
Estensione per continuit`
a. Senza fornire una vera dimostrazione voglio dare unidea
di come si pu`
o estendere, senza troppo sforzo, la formula di inversione (10.15) a tutte
le funzioni rapidamente decrescenti, avendolo dimostrato per le funzioni C a supporto compatto. Si tratta di un trucco molto utile che si usa spesso in matematica
chiamato estensione per continuit`
a. Faccio unanalogia: siano p e q due funzioni reali
e supponiamo di sapere che
10.4. FORMULA DI INVERSIONE E TEOREMA DI PLANCHEREL
203
(1) p e q sono entrambi continue

(2) p(x) = q(x) per ogni x razionale.
Allora segue immediatamente che le due funzioni coincidono su tutto lasse reale.
Infatti se x non è razionale trovo una successione (xn ) di razionali che converge ad x
e, usando la continuit`
a di p e q, ottengo

p(x) = p lim xn = lim p(xn ) = lim q(xn ) = q lim xn = q(x) .
n
In questo modo abbiamo esteso per continuità la formula

p(x) = q(x)
x Q
` chiaro che al posto di Q può esserci un qualsiasi sottoinsieme

a tutto lasse reale. E
denso di R.
Torniamo ora al teorema di inversione. Abbiamo fin qui dimostrato che
F 1 F(f ) = f = I(f )
f Cc (R; C) .
Per poter estendere quest`

a identit`
a a tutto lo spazio S(R; C) quello che bisogna fare
è introdurre una norma oppurtuna su S(R; C) e fare vedere che, rispetto alla norma
introdotta,
(a) gli operatori F e F 1 sono continui (loperatore identità è sempre continuo)
(b) Cc (R; C) è denso in S(R; C),
e a questo punto si procede come nel caso delle due funzioni p e q. Lunico motivo che
mi trattiene dal dimostrare queste due affermazioni e concludere cos` la dimostrazione
del Teorema è il fatto che la norma opportuna da introdurre nello spazio S è un
po pi`
u complicata delle norme usuali. Si capisce facilmente che se usassi, ad esempio,
la norma k ku la trasformata di Fourier non sarebbe un operatore continuo. Infatti
poniamo
(
1 se |x| n
fn (x) =
0 se |x| > n.
A questo punto smusso gli spigoli di fn in modo tale che la funzione risultante sia
C (giuro che si pu`
o fare!) e chiamo gn questa funzione che assomiglia ad fn ma ha
gli spigoli smussati. Ottengo in questo modo
Z
F(gn )(0) =
gn (x) dx 2n ,
R
per cui
kF(gn )ku = sup |F(gn )()| |F(gn )(0)| 2n .
R
Daltra parte kgn ku = 1, per cui

lim
kF(gn )ku
= + ,
kgn ku
di conseguenza F non è un operatore limitato rispetto alla norma k ku .

La formula di inversione è valida per una classe molto pi`
u ampia di funzioni rispetto
alle funzioni rapidamente decrescenti. Il teorema seguente fornisce un risultato simile
al Corollario 9.26 che riguarda la convergenza della serie di Fourier.
204
10.14 Teorema. Sia f L1 (R) differenziabile a tratti e sia g := F(f ) la trasformata

di Fourier di f . Allora abbiamo
f (x ) + f (x+ )
1
=
2
2
g() eix d
x R .
Di conseguenza, se f è continua in x, si ottiene

1
f (x) =
2
g() eix d .
Nel caso in cui g non appartenga ad L1 (R) lintegrale

Z
g() e
ix
Z
d =
va inteso come
lim
K+
g() eix d .
Dimostrazione. (Senza dimostrazione?)
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 è 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.
10.16 Osservazione. Come al solito quando in una definizione appare un integrale

bisogna cautelarsi che lintegrale esista e sia finito. Nel caso della (10.20) non ci sono
problemi in quanto
(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
10.17 Proposizione. Siano f, g L1 (R) limitate. Allora anche la convoluzione f g

è un elemento di L1 (R) ed è limitato.
Dimostrazione. La disuguaglianza (10.21) ci dice che |(f g)(x)| kf ku kgk1 , per cui
f g è limitata e vale
kf gku kf ku kgk1 .
10.5. CONVOLUZIONE
205
Inoltre, scambiando lordine degli integrali e cambiando variabile otteniamo

Z

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
Nella precedente disuguaglianza possiamo far tendere a a e b a +. In questo

modo si ha
kf gk1 kf k1 kgk1 .
Quindi f g L1 (R).
10.18 Proposizione. Il prodotto di convoluzione è commutativo, vale a dire
f g =gf.
Dimostrazione. Ponendo u = xy nellintegrale che definisce la convoluzione si ottiene
Z
Z
(g f )(x) :=
g(y) f (x y) dy =
g(x u) f (u) du = (f g)(x) .
R
Veniamo ora al risultato pi`

u importante che riguarda il prodotto di convoluzione che
afferma che nello spazio di Fourier il prodotto di convoluzione diventa un prodotto
semplice.
10.19 Proposizione. Siano f, g L1 (R) limitate. Allora
F(f g) = F(f ) F(g) .
Dimostrazione. Siano f e g due funzioni limitate nello spazio L1 (R). Allora
Z
F(f g)() := (f g)(x) eix dx
Z RhZ
i
=
f (y) g(x y) dy eix dx
R
Le ipotesi su f e g ci consentono di scambiare lordine di integrazione, dunque

Z
hZ
i
F(f g)() =
f (y)
g(x y) eix dx dy
R
ZR
hZ
i
iy
=
f (y) e
g(x y) ei(xy) dx dy
R
ZR
hZ
i
iy
=
f (y) e
g(u) eiu du dy
R
ZR
iy
=
f (y) e
F(g)() dy = F(f )() F(g)() .
R
206
10.6
Equazione del calore su un intervallo infinito
Consideriamo nuovamente lequazione del calore già incontrata nella Sezione 9.4, ma
questa volta su tutto lasse reale.
(10.22)
ut (x, t) = K uxx (x, t)
x R,
(10.23)
u(x, 0) = u0 (x)
x R.
t>0
Immaginiamo quindi una barra infinita fatta di un qualche materiale conduttore di

conducibilit`
a termica K > 0, che inizialmente ha un profilo di temperatura dato dalla
funzione u0 (x) 0. La soluzione u(x, t) di questa equazione fornisce la temperatura
della barra nel punto x ad un tempo qualsiasi t > 0, successivo allistante iniziale.
Sia v(, t) la trasformata di Fourier nella variabile x della funzione u(x, t)
Z
(10.24)
v(, t) = F(u(x, t)) =
u(x, t) eix dx .
R
La Proposizione 10.6 ci dice che

(i)2 v(, t) = F(uxx (x, t)) .
(10.25)
Daltra parte, supponendo di poter scambiare la derivata rispetto a t con lintegrale

nella (10.24), possiamo scrivere
Z
vt (, t) =
ut (x, t) eix dx ,
R
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 è trasformata in una collezione infinita di equazioni differenziali
ordinarie, una per ogni, valore di la cui soluzione è data da
(10.26)
v(, t) = v(, 0) eK
= F(u0 )() eK t .
A questo punto conviene scrivere il fattore esponenziale come la trasformata di Fourier

di qualcosaltro. Trattandosi di una gaussiana si ottiene, come è noto
h 1
i
2
2
eK t = F
ex /(4Kt) .
2 Kt
La (10.26) diventa dunque
(10.27)
v(, t) = F(u0 )() F
i
2
1
ex /(4Kt) .
2 Kt
La Proposizione 10.19 ci dice che il prodotto delle trasformate di Fourier può 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
10.6. EQUAZIONE DEL CALORE SU UN INTERVALLO INFINITO
207
Applicando ad ambo i membri la trasformata di Fourier inversa2 possiamo finalmente

scrivere la soluzione dellequazione del calore esplicitamente in termini del dato iniziale
u0 come
Z
2
2
1
1
(10.28) u(x, t) = u0 (x)
ex /(4Kt) =
e(xy) /(4Kt) u0 (y) dy .
2 Kt
2 Kt R
10.20 Osservazione. (Loperatore di evoluzione temporale Pt ). Definiamo
2
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) può essere riscritta come
Z
u(x, t) =
Kt (x, y) u0 (y) dy ,
R
o, equivalentemente, in forma simbolica

u(, t) = Pt u0 .
Loperatore Pt determina quindi levoluzione temporale del profilo di temperatura.
10.21 Osservazione. La quantit`
a
Z
u(x, t) dx
R
è 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 velocità 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
affinchè leffetto arrivi nel punto x. Poniamo ad esempio
(
1 se |x|
u0 (x) :=
0 se |x| >
in cui è 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 è diversa da zero soltanto
in un intervallo di larghezza 2 centrato sullorigine. Nonostante ciò, comunque si
scelga un valore di t positivo piccolo a piacere e un valore di x grande a piacere, la
2 stiamo
3 quanto
assumendo di poter usare il teorema di inversione

piccolo lo dir`
o pi`
u in l`
a
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, cè un effetto di propagazione a velocit`
a infinita, ma non è interessante, proprio perchè questeffetto è molto piccolo a
2
causa del fattore ex , e allora perchè dargli tutta questa importanza? Limportanza
sta nel comportamento qualitativo della soluzione dellequazione del calore che per
questa (e mille altre) ragioni è 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 velocità 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 è ragionevole definire consistente. Un modo per stabilirlo è il seguente:
fissiamo lattenzione sulla temperatura in x = L. Al tempo zero la temperatura è 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 avrà in corrispondenza di un certo valore del tempo t = (L). Dopodichè scenderà di nuovo tendendo
a zero quando t . Potremmo quindi (forse) definire velocità 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)
è 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 è dato da
L2
.
(L) =
2K
Conclusione: il tempo neccessario per la per progagazione del calore fino al punto L
non è proporzionale ad L, ma ad L2 ! In questo senso possiamo dire che la velocità di
propagazione del calore non esiste. Un comportamento di questo tipo in cui il tempo
necessario a percorrere una certa distanza è porporzionale al quadrato della distanza
è chiamato comportamento diffusivo e si verifica, ad esempio, nel moto browniano che
(non a caso) è matematicamente intimamente legato allequazione del calore. Osserviamo infine che il tempo (L) è inversamente proporzionale alla conducibilità termica
K, come è giusto che sia.
4 si
pu`
o usare lespressione esatta se non ci si fida di quella approssimata

Outline S PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Outline S PDF

Uploaded by

Copyright:

Available Formats

Filippo Cesi

Rudimenti di analisi infinito dimensionale

(a planet dust diversion)

Precisazione. Tranttandosi di una versione alpha, questa

3 Spazi vettoriali e di Banach

Insiemi completi di vettori e basi . . . . . . . . . . . . . . . . . . . . .

5 Funzionali lineari e distribuzioni

7 Bagliori di teoria della misura

Elenco dei simboli usati

Convergenza nello spazio K [5.34]

Convergenza nello spazio K

Ker A Nucleo delloperatore lineare A

(xn + y n ) = (x + y) xn1 xn2 y + xn3 y 2 + x y n2 + y n1

1.2 Problema. Siano

P (x) = A(x) Q(x) + B(x) .

Risoluzione di equazioni di grado superiore al secondo

Le soluzioni di unequazione di terzo grado

Vediamo invece un caso il cui il metodo del tirare a indovinare ha successo.

Stupendo, una delle radici `e x = 1. A questo punto possiamo

coefficiente del termine di grado massimo si pu`

1.2. ALGEBRA LINEARE

(1) o dividere p(x) per x 1 ottenendo un polinomio di terzo grado,

q(1) = (1) 10 (1) + 32 (1) 32 = 75 6= 0

Ottimo, unaltra radice `e x = 2. Divido di nuovo q(x) per x 2 e ottengo

risolvere un sistema di equazioni lineari

che agisce come moltiplicazione, cio`e, se x = (x1 , x2 , . . . , x7 ), allora

Gli elementi che caratterizzano la forma ridotta sono:

1.2. ALGEBRA LINEARE

E la prima colonna sta a posto. Ora elimino il 2 e

il 3 in fondo alla seconda colonna

Sistemo la quarta colonna eliminando il 4 in fondo

3 = numero di righe linearmente indipendenti =

Daltra parte sappiamo che

Base del nucleo di A (ovvero, come risolvere un sistema omogeneo).

e, a partire da queste, ottengo le xi :

1.2. ALGEBRA LINEARE

Riordino, metto tutto insieme e scrivo la

sistema lineare omogeneo Ax = 0

la versione completamente ridotta di questa matrice `e

a11 x1 + a12 x2 + + a1n xn

a21 x1 + a22 x2 + + a2n xn

am1 x1 + am2 x2 + + amn xn = bm

Operiamo con la riduzione

delle righe e otteniamo6

un programma di manipolazione simbolica come Maple o Mathematica

1.2. ALGEBRA LINEARE

ha ununica soluzione, perch`e non ci sono righe impossibili ne parametri liberi. Il

Autovalori, autovettori e diagonalizzazione di una matrice

1.5 Problema. Trovare autovalori e autovettori

della matrice A e diagonalizzare A

e se ne calcola il determinante, detto anche polinomio caratteristico

Prendiamo il primo autovalore 1 = 1. Ponendo

1.2. ALGEBRA LINEARE

Ponendo quindi s = 3 otteniamo un autovettore corrispondente allautovalore = 1,

Eseguendo la riduzione delle righe sulla matrice 2 I A si ottiene ad esempio

Ponendo quindi s = 1 otteniamo lautovettore corrispondente a = 2 = 2

Eseguendo la riduzione delle righe sulla matrice 3 I A si ottiene ad esempio

Ponendo prima s = 1 e t = 0 e poi s = 0 e t = 1 otteniamo due autovettori linearmente

Elenco gli autovalori di A con i corrispondenti autovettori

e U `e la matrice le cui colonne sono costituite dai corrispondenti autovettori:

1.6 Problema. Sia

Calcolare det(A10 ), tr(A10 ), det(eA ).

1.4. FUNZIONI CONTINUE E UNIFORMEMENTE CONTINUE