Sei sulla pagina 1di 93

ANALISI DI FOURIER

FILIPPO DE MARI
Corso di dottorato in Ingegneria Elettronica e Informatica
Universit` a di GenovaAnni Accademici 2002-2003 e 2003-2004
Date: maggio 2004.
Indice degli argomenti
1. Introduzione 1
2. Serie di Fourier 5
2.1. Proiezioni ortogonali 13
2.2. Convergenze 15
2.3. Una applicazione 22
3. Misura e integrale di Lebesgue 25
3.1. Convergenza e completezza 25
3.2. Lintegrale di Lebesgue 27
3.3. Gli spazi di Lebesgue 34
3.4. Serie di Fourier in L
2
38
4. La trasformata di Fourier 43
4.1. Espansioni e integrali di Fourier 43
4.2. Convoluzioni 44
4.3. La trasformata di Fourier in L
1
48
4.4. La formula di inversione e la teoria L
2
51
5. Distribuzioni 55
5.1. Funzioni test 57
5.2. Denizione di distribuzione 60
5.3. Operazioni sulle distribuzioni 65
5.4. Lo spazio di Schwartz 69
5.5. Distribuzioni temperate e trasformata di Fourier 72
6. Analisi in tempo-frequenza e wavelets 74
6.1. Atomi in tempo-frequenza 74
6.2. Trasformata di Fourier a nestra mobile 77
6.3. Trasformata wavelet 81
6.4. La distribuzione di Wigner. 86
Bibliograa 91
Introduzione 1
1. Introduzione
Lanalisi di Fourier `e uno strumento potente per risolvere unampia classe di problemi
matematici, come ad esempio molte equazioni dierenziali alle derivate parziali di in-
teresse in ingegneria. Lidea fondamentale consiste nel tentare di scrivere gli oggetti
in esame, tipicamente funzioni, come combinazioni dei pi` u semplici oggetti dello stesso
tipo, e di ricostruire poi le propriet` a delloggetto composito a partire dalla conoscenza
delle propriet` a degli oggetti semplici e di come essi siano stati messi insieme. Uno dei
problemi centrali dellanalisi di Fourier, storicamente il primo, `e quello di determinare
sotto quali condizioni una funzione periodica possa essere espressa come la somma
(eventualmente innita) di seni e coseni, le funzioni periodiche per antonomasia, ed in
quale senso la somma rappresenti la funzione. Ci riferiamo al tipo di convergenza della
serie alla funzione data, ammesso che vi sia.
Consideriamo subito un esempio concreto, il problema del usso di calore monodi-
mensionale: possiamo pensare ad un lo metallico di lunghezza L, isolato lungo la
sua supercie laterale in modo tale che il calore possa entrare od uscire solo ai due
estremi. In questo contesto non ci preoccupiamo di derivare lequazione dierenziale
corretta ma rimandiamo il lettore alla letteratura sica, secondo la quale levoluzione
della temperatura `e descritta da una funzione u = u(x, t) con x [0, L] e t [0, +)
che risolve il sistema
(P)
_

_
u
t
a
2
u
xx
= f(x, t) x (0, L), t (0, +)
u(x, 0) = (x) x [0, L]
u(0, t) =
0
(t) t (0, +)
u(L, t) =
L
(t) t (0, +).
Gracamente, possiamo rappresentare il problema come segue:

0
(x)
L x

t

0
(t)
.
.
.

L
(t)
Dal momento che le eventuali soluzioni si presumono continue, i dati dovranno sod-
disfare le seguenti condizioni di compatibilit` a:
(0) =
0
(0), (L) =
L
(0)
2 Analisi di Fourier
dove naturalmente e
0
,
L
sono continue. Il problema (P) pu` o essere decomposto
in quattro problemi pi` u semplici, nel senso che la somma (o quasi) delle soluzioni dei
nuovi problemi dar` a luogo ad una soluzione del problema originario. Si considerino
(P1)
_

_
u
t
a
2
u
xx
= 0 x (0, L), t (0, +)
u(x, 0) = (x) x [0, L], (0) = (L) = 0
u(0, t) = u(L, t) = 0 t (0, +)
(P2)
_

_
u
t
a
2
u
xx
= 0 x (0, L), t (0, +)
u(x, 0) = 0 x [0, L]
u(0, t) =
0
(t) t (0, +),
0
(0) = 0
u(L, t) = 0 t (0, +)
(P3)
_

_
u
t
a
2
u
xx
= 0 x (0, L), t (0, +)
u(x, 0) = 0 x [0, L]
u(0, t) = 0 t (0, +)
u(L, t) =
L
(t) t (0, +),
L
(0) = 0
(P4)
_

_
u
t
a
2
u
xx
= f(x, t) x (0, L), t (0, +)
u(x, 0) = 0 x [0, L]
u(0, t) = 0 t (0, +)
u(L, t) = 0 t (0, +).
Se poniamo:
(x) = (x)
_

0
(0) +
x
L
(
L
(0)
0
(0))
_

0
(t) =
0
(t)
0
(0)

L
(t) =
L
(t)
L
(0),
le condizioni (0) = (L) = 0,
0
(0) = 0 e
L
(0) = 0 sono soddisfatte, cosicche se u
j
`e una soluzione di (PJ), con J = 1, 2, 3, 4, allora
u = u
1
+u
2
+u
3
+u
4
+
_

0
(0) +
x
L
(
L
(0)
0
(0))
_
risolve il problema (P); esso pu` o quindi dirsi risolto se lo sono i problemi (PJ). Operiamo
il cambio di variabili
_

_
x

=
x
L
t

=
a
2

2
t
L
2
,
Introduzione 3
per modo che si pu` o assumere a = 1 e L = , come si verica subito.
La soluzione completa dei problemi (P2), (P3) e (P4) sar` a presentata pi` u avanti,
nella Sezione 2.3. Ci limitiamo per ora ad arontare (P1), che riscriviamo
_

_
u
t
= u
xx
x (0, ), t (0, +)
u(x, 0) = (x) x [0, ], (0) = () = 0
u(0, t) = u(, t) = 0 t (0, +)
(1.1)
con continua, liscia a tratti su [0, ]
1
e tale che (0) = () = 0. Proveremo
lesistenza di una soluzione di (1.1) mediante il cosiddetto metodo della separazione
delle variabili. Esso conduce in modo naturale a considerare sviluppi in serie di soli
seni di sullintervallo [, ] , un prototipo importantissimo di serie di Fourier (ossia
di serie dispari). Separare le variabili signica cercare soluzioni del tipo
u(x, t) = f(x)g(t),
con f e g non identicamente nulle. Poiche in tal caso
u
t
= fg

, u
xx
= f

g,
u soddisfa lequazione del calore se e solo se fg

= f

g. In ogni punto (x, t) dove


f(x)g(t) ,= 0 lequazione appena scritta diviene
g

(t)
g(t)
=
f

(x)
f(x)
= costante,
in quanto il primo rapporto `e funzione della sola t ed il secondo della sola x. Vediamo
ora che la costante in esame pu` o essere scritta come
2
. In eetti, dal momento che
le condizioni
u(0, t) = f(0)g(t) = 0, u(, t) = f()g(t) = 0
con g non identicamente nulla implicano f(0) = f() = 0, abbiamo
costante
__

0
f(x)
2
dx
_
=
_

0
f(x)f

(x) dx
= f

(x)f(x)

_

0
f

(x)f

(x) dx
= f

()f() f

(0)f(0)
_

0
(f

(x))
2
dx
=
_

0
(f

(x))
2
dx < 0.
Consideriamo allora il problema
_
_
_
f

(x) =
2
f(x), x [0, ]
f(0) = f() = 0.
Esso ha soluzione non banale solo per
2
= n
2
, con n intero. Infatti, lintegrale generale
di f

= f `e
k
1
cos(x) +k
2
sin(x) : k
1
, k
2
R
1
Per la nozione precisa di funzione liscia a tratti si veda la Denizione 2.8. Si pensi ad una funzione
il cui graco `e quello di una funzione derivabile tranne al pi` u un numero nito di spigoli.
4 Analisi di Fourier
e le condizioni al bordo implicano 0 = f(0) = k
1
, 0 = f() = k
2
sin(). Siccome k
2
non pu` o essere zero perche altrimenti si avrebbe f 0, necessariamente Z. In
ultima analisi
f(x) = k sin(nx), k R, n Z.
Posto quindi = n, lequazione dierenziale per g diviene
g

(t) = n
2
g(t).
Ignorando per il momento le condizioni iniziali u(x, 0) = f(x)g(0) = (x), scriviamo
g(t) = he
n
2
t
, h R.
Ricostruendo il prodotto, abbiamo quindi per ogni intero n Z una soluzione del tipo
c
n
e
n
2
t
sin(nx)
che soddisfa le condizioni al bordo u(0, t) = u(, t) = 0 per ogni t (0, +). Per
sovrapposizione (lequazione del calore `e lineare) possiamo dire che ogni somma nita
di soluzioni del tipo trovato sar` a ancora una soluzione. Ci` o conduce a considerare,
almeno formalmente, la serie
u(x, t) =

nZ
c
n
e
n
2
t
sin(nx)
=
+

n=1
(c
n
c
n
)e
n
2
t
sin(nx)
=
+

n=1
b
n
e
n
2
t
sin(nx)
=:
+

n=1
u
n
(x, t).
A questo punto teniamo conto del dato iniziale. Imponendo u(x, 0) = (x) otteniamo
(x) =
+

n=1
b
n
sin(nx),
ossia uno sviluppo in serie di seni per il dato (x). Come vedremo tra breve, b
n
`e il
coeciente di Fourier di estesa in modo dispari allintervallo [, ] , ossia
b
n
=
2

_

0
(s) sin(ns) ds.
Il ragionamento formale svolto sin qui andr` a confortato da una dimostrazione sulle
convergenze implicite nei passaggi precedenti.
Serie di Fourier 5
2. Serie di Fourier
Una serie di Fourier `e unespressione del tpo
1
2
a
0
+
+

n=1
(a
n
cos(nx) +b
n
sin(nx)) (2.1)
oppure del tipo

nZ
c
n
e
inx
. (2.2)
Le due serie sono in eetti la medesima serie scrittta in due modi diversi, come si evince
dalle ben note formule:
cos =
1
2
_
e
i
+e
i
_
sin =
1
2i
_
e
i
e
i
_
(2.3)
e
i
= cos +i sin . (2.4)
Se convergenti puntualmente, le serie (2.1) e (2.2) rappresentano evidentemente fun-
zioni periodiche di periodo 2. La domanda cui la teoria delle serie di Fourier vuole
rispondere `e la seguente: sotto quali ipotesi una funzione f periodica di periodo 2
`e rappresentabile mediante una serie del tipo (2.1) oppure (2.2) e in quale senso tale
serie rappresenta f ? La prima risposta `e fornita dalla seguente condizione necessaria.
Teorema 2.1. Sia f : R C una funzione periodica di periodo 2 e supponiamo che
f(x) =

nZ
c
n
e
inx
=
1
2
a
0
+
+

n=1
(a
n
cos(nx) +b
n
sin(nx))
dove le serie convergono uniformemente.
2
Allora
a
n
=
1

_
2
0
f(x) cos(nx) dx, b
n
=
1

_
2
0
f(x) sin(nx) dx, (2.5)
c
n
=
1
2
_
2
0
f(x)e
inx
dx. (2.6)
Dimostrazione. Poiche le funzioni x c
n
e
i(nk)x
sono continue per ogni coppia
di interi non-negativi n e k, e poiche per ipotesi la serie
e
ikx

nZ
c
n
e
inx
=

nZ
c
n
e
i(nk)x
converge uniformemente, allora `e lecito integrare termine a termine, ossia
_
2
0
f(x)e
ikx
dx =
_
2
0

nZ
c
n
e
inx
e
ikx
dx =

nZ
c
n
_
2
0
e
i(nk)x
dx.
Daltra parte, se n k ,= 0
_
2
0
e
i(nk)x
dx =
1
i(n k)
e
i(nk)x

2
0
=
1
i(n k)
_
e
i(nk)2
1
_
= 0,
2
La convergenza di una serie del tipo

+
k=
a
k
`e da intendersi come il limite delle somme parziali
simmetriche, cio`e S
N
=

+N
k=N
a
k
.
6 Analisi di Fourier
mentre se n k = 0
_
2
0
e
i(nk)x
dx =
_
2
0
1 dx = 2.
Quindi
_
2
0
f(x)e
ikx
dx = 2c
k
,
ossia la (2.6). Inne, dallipotesi e da (2.3) otteniamo luguaglianza

nZ
c
n
e
inx
=
1
2
a
0
+
+

n=1
(a
n
cos(nx) +b
n
sin(nx))
=
1
2
a
0
+
+

n=1
_
a
n
1
2
_
e
inx
+e
inx
_
+b
n
1
2i
_
e
inx
e
inx
_
_
=
1
2
a
0
+
+

n=1
_
e
inx
1
2
(a
n
ib
n
) +e
inx
1
2
(a
n
+ib
n
)
_
Ne seguono le formule c
0
=
1
2
a
0
, c
n
=
1
2
(a
n
ib
n
), c
n
=
1
2
(a
n
+ib
n
) per n = 1, 2, 3, . . . ,
da cui si ricava
_
_
_
a
0
= 2c
0
a
n
= c
n
+c
n
se n = 1, 2, 3, . . .
_
_
_
b
0
= 0
b
n
= i(c
n
c
n
) se n = 1, 2, 3, . . .
ossia (2.5). .
Nella dimostrazione precedente, lipotesi di convergenza uniforme `e sostituibile da
qualunque altra ipotesi che garantisca di poter integrare per serie.
I numeri deniti da (2.5) ovvero da (2.6) si chiamano i coecienti di Fourier di
f e la serie corrispondente (2.1), ovvero (2.2), si chiama la serie di Fourier di f .
I coecienti di Fourier sono ben deniti ogniqualvolta f `e una funzione periodica di
periodo 2 e integrabile secondo Riemann su [0, 2] . In tal caso possiamo considerare
la serie di Fourier di f , indipendentemente dal fatto che essa converga o meno. Sar` a
un problema della teoria stabilire se ed in che modo la serie di Fourier di f converge.
Lemma 2.2. Se f `e periodica di periodo p, allora
_
a+p
a
f(x) dx `e indipendente da a.
Dimostrazione. Sia
g(a) =
_
a+p
a
f(x) dx =
_
a+p
0
f(x) dx
_
a
0
f(x) dx.
Per il teorema fondamentale del calcolo si ha g

(a) = f(p + a) f(a) e poiche f `e


periodica di periodo p, g

`e identicamente nulla e quindi g `e costante su R, come


volevasi. .
In virt` u del lemma precedente, dora in avanti considereremo funzioni denite su
intervalli di lunghezza 2 e prolungate periodicamente sullasse reale, senza ulteriori
commenti riguardanti gli intervalli di integrazione. Adotteremo inoltre la convenzione,
gi` a implicitamente adottata sinora, che le funzioni considerate saranno tutte funzioni
a valori complessi.
Unaltra conseguenza del Lemma 2.2 consiste in una interpretazione importante del
termine costante della serie di Fourier:
Serie di Fourier 7
Lemma 2.3. Il termine costante della serie di Fourier di una funzione f periodica di
periodo 2 `e la media di f su un qualunque intervallo di lunghezza 2.
Dimostrazione. In eetti il termine costante `e c
0
=
1
2
_
2
0
f(x) dx =
1
2
_
a+2
a
f(x) dx.
.
La serie di Fourier rispetta la parit` a di una funzione, nel senso del lemma che segue.
Lemma 2.4. Sia f periodica di periodo 2.
(i) Se f `e pari allora b
n
= 0, mentre a
n
=
2

_

0
f(x) cos(nx) dx per ogni n;
(ii) Se f `e dipari allora a
n
= 0, mentre b
n
=
2

_

0
f(x) sin(nx) dx per ogni n.
Dimostrazione. Lasserto segue dalla seguente semplice applicazione del Lemma 2.2:
_
2
0
F(x) dx =
_

F(x) dx =
_
_
_
2
_

0
F(x) dx se F `e pari
0 se F `e dispari.
Perci`o, se f `e pari tale `e f(x) cos(nx), mentre f(x) sin(nx) `e dispari, e se viceversa f
`e dispari tale `e f(x) cos(nx), mentre f(x) sin(nx) `e pari. .
In particolare, la serie di Fourier di una funzione pari sar` a una serie di soli coseni
mentre quella di una funzione dispari sar` a una serie di soli seni.
Esempio 2.5.
Consideriamo la funzione 2-periodica denita da f(x) = [x[ per x [, ] , ed
estesa poi per periodicit` a. Siccome f `e pari, la sua serie di Fourier sar` a una serie di
soli coseni, con coecienti:
a
n
=
2

_

0
f(x) cos(nx) dx =
2

_

0
x cos(nx) dx.
Quindi,
a
0
=
2

_

0
x dx =
1

x
2

0
= ,
e per ogni n > 0 unintegrazione per parti fornisce
a
n
=
2

x sin(nx)
n

_

0
sin(nx)
n
dx =
2

cos(nx)
n
2

0
=
2

(1)
n
1
n
2
,
ossia
a
n
=
_
_
_
4/n
2
se n `e dispari
0 se n `e pari.
In conclusione, la serie di Fourier di f `e

2

4

n=1,3,5,...
1
n
2
cos(nx) =

2

4

k=1
cos ((2k 1)x)
(2k 1)
2
.
`
E immediato vericare che la serie converge, utilizzando il criterio del confronto: la
serie `e dominata dalla serie convergente

1/n
2
.
8 Analisi di Fourier

N = 1

N = 2

N = 4

N = 20
In gura sono ragurate le somme parziali S
N
=
N

k=1
a
k
cos(kx) di f(x) = [x[, per N = 1, 2, 4, 20.
Serie di Fourier 9
Esempio 2.6.
Consideriamo ora la funzione 2-periodica denita da f(x) = x per x [, ] ,
estesa per periodicit` a. Potremmo argomentare come nel caso precedente e calcolarci lo
sviluppo in serie di soli seni, visto che f `e una funzione dispari. Per mostrare lutilizzo
degli esponenziali complessi, calcoliamo invece i coecienti c
n
. Per n = 0 abbiamo
c
0
=
1
2
_

x dx = 0,
mentre per n ,= 0 integriamo per parti, ottenendo
c
n
=
1
2
_

xe
inx
dx
=
1
2
xe
inx
(in)

1
2
_

e
inx
(in)
dx
=
1
2
1
(in)
_
(1)
n
()(1)
n
_

1
2
e
inx
(n
2
)

=
(1)
n+1
in
,
siccome e
in
= e
in
= (1)
n
. Pertanto la serie di Fourier di f `e

n=0
(1)
n+1
in
e
inx
.
Sommando i termini corrispondenti a n e n, otteniamo
(1)
n+1
_
e
inx
in
+
e
inx
(in)
_
= 2
(1)
n+1
n
sin(nx),
cosicche la serie di soli seni di f diviene
2
+

n=1
(1)
n+1
n
sin(nx).
I graci delle somme parziali S
N
sono mostrati nella pagina seguente per N = 2, 4, 20, 50.
Si vede che lapprossimazione `e buona lontano dai punti di discontinuit` a (2k 1) :
k Z, ma in corrispondenza di essi si verica un fenomeno noto come il fenomeno di
Gibbs: aggiungendo termini si creano picchi che non tendono a scomparire in altezza.
Per una approfondita discussione si veda ad esempio [EP].
10 Analisi di Fourier

N = 2

N = 4

N = 20

N = 50
Serie di Fourier 11
Esercizi.
1. Provare che valgono i seguenti sviluppi in serie di Fourier. A sinistra `e indicata la
funzione, a destra lo sviluppo.
f(x) = x, x [0, 2], 2
+

n=1
sin(nx)
n
f(x) = (sin x)
2
, x [, ],
1
2

1
2
cos(2x)
f(x) =
_
_
_
1 x 0
1 0 < x ,
4

n=1
sin((2n 1)x)
2n 1
f(x) = [ sin x[, x [, ],
2

n=1
cos(2nx)
4n
2
1
f(x) = [ cos x[, x [, ],
2

n=1
(1)
n
cos(2nx)
4n
2
1
f(x) =
_
_
_
(2a)
1
[x[ < a <
0 a < [x[ ,
1
2

4

n=1
sin(na)
na
cos(nx)
f(x) = x
2
, x [, ],

2
3
+ 4
+

n=1
(1)
n
n
2
cos(nx)
f(x) = e
bx
, x [, ],
sinh b

n=
(1)
n
b in
e
inx
Teorema 2.7 (Diseguaglianza di Bessel I). Sia f integrabile secondo Riemann in [, ]
e periodica di periodo 2. Vale allora la seguente diseguaglianza:
+

n=
[c
n
[
2

1
2
_

[f(x)[
2
dx. (2.7)
Dimostrazione. Poiche [z[
2
= z z per ogni numero complesso z, abbiamo

f(x)
N

n=N
c
n
e
inx

2
=
_
f(x)
N

n=N
c
n
e
inx
__
f(x)
N

n=N
c
n
e
inx
_
= [f(x)[
2

n=N
_
c
n
f(x)e
inx
+c
n
f(x)e
inx
_
+
N

m,n=N
c
m
c
n
e
i(mn)x
.
Dividiamo entrambi i membri per 2, integriamo tra e , utilizziamo la formula
1
2
_

e
i(mn)x
dx =
m,n
, (2.8)
12 Analisi di Fourier
e la denizione dei coecienti di Fourier, ottenendo
1
2
_

f(x)
N

n=N
c
n
e
inx

2
dx =
1
2
_

[f(x)[
2
dx
N

n=N
_
c
n
c
n
+c
n
c
n
_
+
N

n=N
c
n
c
n
=
1
2
_

[f(x)[
2
dx
N

n=N
[c
n
[
2
.
Poiche il membro sinistro di questa uguaglianza `e non-negativo, avremo
N

n=N
[c
n
[
2

1
2
_

[f(x)[
2
dx
per ogni intero positivo N. Passando al limite per N + la diseguaglianza si
conserva, come volevasi. .
Naturalmente esiste una versione di (2.7) per i coecienti a
n
e b
n
. In eetti si
dimostra immediatamente che
[a
0
[
2
= 4[c
0
[
2
, [a
n
[
2
+[b
n
[
2
= 2
_
[c
n
[
2
+[c
n
[
2
_
,
cosicche
1
4
[a
0
[
2
+
1
2

n=1
_
[a
n
[
2
+[b
n
[
2
_
=

n=
[c
n
[
2

1
2
_

[f(x)[
2
dx. (2.9)
Concludiamo questa sezione introducendo e alcuni spazi di funzioni a cui faremo
riferimento in seguito.
Denizione 2.8. (i) Se I `e un intervallo chiuso I = [a, b] , indicheremo con C(I)
lo spazio delle funzioni continue su I .
(ii) Sia f : [a, b] C. Diremo che f `e continua a tratti su [a, b] se essa `e continua
in tutti i punti di [a, b] tranne al pi` u un numero nito di essi in cui esistono niti
il limite sinistro e il limite destro. Si richiede in particolare che esistano niti i
limiti
f(a
+
) = lim
xa
+
f(x), f(b

) = lim
xb

f(x).
In pratica, f `e continua tranne al pi` u per un numero nito di discontinuit` a a
salto. Lo spazio di tutte le funzioni continue a tratti su [a, b] si denota PC([a, b]).
(iii) Diremo che una funzione f : [a, b] C `e liscia a tratti su [a, b] se f e f

sono
entrambe in PC([a, b]), ossia se f

esiste ed `e continua in ogni punto di (a, b)


tranne al pi` u un numero nito di punti (ove essa non esiste oppure esiste e non `e
continua) nei quali ammette in ogni caso limiti destro e sinistro niti. Si intende
inoltre che
f

(a) = lim
h0
+
f(a +h) f(a)
h
, f

(b) = lim
h0

f(b +h) f(b)


h
esistano entrambe in R. Lo spazio di tutte le funzioni lisce a tratti su [a, b] si
denota PS([a, b]).
Serie di Fourier 13
(iv) Diremo che f `e liscia a tratti su R se lo `e su ogni intervallo [a, b] . Lo spazio
delle funzioni lisce a tratti verr` a indicato semplicemente con PS(R). Quindi una
funzione in PS(R) pu`o avere inniti punti di discontinuit` a (a salto), ma ne ha
per` o un numero nito in ogni intervallo limitato.
Alle volte pu` o essere utile considerare spazi di funzioni regolarizzate. Diremo che
f : [a, b] C `e regolarizzata in x
0
(a, b) se esistono
f(x

0
) = lim
xx

0
f(x), f(x
+
0
) = lim
xx
+
0
f(x)
e se si ha
f(x
0
) =
1
2
_
f(x

0
) +f(x
+
0
)
_
. (2.10)
Solitamente denoteremo con

V linsieme di funzioni che si ottiene dallinsieme V re-
golarizzandone gli elementi, qualora ci` o sia possibile.
Esercizi.
2. Per ciascuna delle seguenti funzioni stabilire se esse appartengono a C([a, b]),
PC([a, b]), PS([a, b]) oppure a nessuno di essi.
(i) f(x) = csc(x);
(ii) f(x) = (sin x)
1/3
;
(iii) f(x) = (sin x)
4/3
;
(iv) f(x) =
_
_
_
cos x x > 0
cos x x 0
;
(v) f(x) =
_
_
_
sin x x > 0
sin 2x x 0
;
(vi) f(x) =
_
_
_
(sin x)
1/5
x <

2
cos x x

2
.
2.1. Proiezioni ortogonali.
`
E facile provare che lintegrale
f, g) =
_
2
0
f(x)g(x) dx
denisce un prodotto scalare (Hermitiano) su

PC([0, 2]), ossia lo spazio che si ottiene
regolarizzando le funzioni continue a tratti, nel senso discusso dopo la Denizione (2.10).
Lunico punto non banale da vericare `e che se f, f) = 0 allora f = 0. Scriveremo
|f|
2
=
_
f, f) =
__
2
0
[f(x)[
2
dx
_
1/2
, f

PC([0, 2]) (2.11)
detta la norma quadratica di f . Ricordiamo che se V `e uno spazio vettoriale
dotato di prodotto scalare Hermitiano , ), un insieme e
0
, e
1
, e
2
, . . . si dice sistema
14 Analisi di Fourier
ortonormale se
e
i
, e
j
) =
ij
.
Ricordiamo inoltre che se W `e un sottospazio di dimensione nita di V e se x V ,
esiste allora un unico elemento p
W
(x) W, detto la proiezione ortogonale di x su
W, tale che x p
W
(x) `e ortogonale ad ogni elemento di W. Se e
1
, . . . , e
n
`e una
base ortonormale di W allora
p
W
(x) =
n

j=1
x, e
j
)e
j
. (2.12)
Inne, p
W
(x) `e lunico elemento di W avente distanza minima da x e
|p
W
(x) x|
2
= |x|
2

j=1
x, e
j
)
2
. (2.13)
La teoria delle serie di Fourier ammette una concettualizzzazione di tipo geometrico che
fa uso delle nozioni appena ricordate: essa consente di vedere le ridotte di una serie di
Fourier come le proiezioni su sottospazi di dimensione via via crescente, costituiti cio`e
da sovrapposizioni di seni e coseni con frequenze via via maggiori. Una sovrapposizione
di questo tipo, ossia una somma
P(x) =
1
2
a
0
+
N

n=1
(a
n
cos(nx) +b
n
sin(nx)) (2.14)
si chiama polinomio trigonometrico. Il pi` u grande intero N per il quale uno tra
a
N
e b
N
non `e zero si chiama il grado di P . Il motivo per introdurre i polinomi
trigonometrici `e evidente: denotato con T
N
lo spazio vettoriale di tutti i polinomi
trigonometrici, la ridotta N-esima di una serie di Fourier appartiene a T
N
. Per una
opportuna classe di funzioni, essa `e proprio la proiezione ortogonale su T
N
.
Proposizione 2.9. Le funzioni
1

2
,
1

cos(nx),
1

sin(nx), n = 1, 2, 3, . . .
formano un sistema ortonormale in

PC([0, 2]). La proiezione ortogonale su T
N
di
f

PC([0, 2]) `e il polinomio trigonometrico
S
N
(f; x) =
1
2
a
0
+
N

n=1
(a
n
cos(nx) +b
n
sin(nx))
dove a
n
: n = 0, 1, 2, . . . , b
n
: n = 1, 2, . . . sono i coecienti di Fourier di f .
Inoltre
|f S
N
(f; )|
2
2
=
_
2
0
[f(x)[
2
dx
_
_
1
2
[a
0
[
2
+
N

j=1
([a
j
[
2
+[b
j
[
2
)
_
_
. (2.15)
Serie di Fourier 15
Dimostrazione. Il fatto che le funzioni in esame formino un sistema ortonormale `e
conseguenza di un facile esercizio sullintegrazione per parti (si veda lEsercizio (5) che
segue). Ponendo W = T
N
e utilizzando la formula (2.12) per la proiezione, otteniamo
p
W
(f) = f,
1

2
)
1

2
+
N

n=1
_
f,
1

cos(n))
1

cos(nx) +f,
1

sin(n))
1

sin(nx)
_
=
1
2
_
2
0
f(x) dx
+
N

n=1
_
1

__
2
0
f(x) cos(nx) dx
_
cos(nx) +
1

__
2
0
f(x) sin(nx) dx
_
sin(nx)
_
=
1
2
a
0
+
N

n=1
(a
n
cos(nx) +b
n
sin(nx)) .
Inne, la (2.15) `e immediata conseguenza di (2.13) e del calcolo appena fatto, in quanto
f,
1

2
) =
_

2
a
0
, f,
1

cos(n)) =

a
n
, f,
1

sin(n)) =

b
n
.
Questo conclude la dimostrazione. .
Naturalmente, (2.9) `e una conseguenza diretta di (2.15).
Esercizi.
3. Provare che lintegrale f, g) =
_
2
0
f(x)g(x) dx denisce un prodotto scalare Her-
mitiano su

PC([0, 2]).
`
E vero che se f PC([a, b]) `e tale che f, f) = 0 allora
f = 0?
4. Provare le formule (2.12) e (2.13).
5. Provare le seguenti formule:
_
2
0
sin(nx) dx =
_
2
0
cos(nx) dx = 0, n = 1, 2, 3, . . .
_
2
0
sin
2
(nx) dx =
_
2
0
cos
2
(nx) dx = , n = 1, 2, 3, . . .
_
2
0
sin(nx) sin(mx) dx =
_
2
0
cos(nx) cos(mx) dx = 0, n ,= m
_
2
0
sin(nx) cos(mx) dx = 0, n, m = 1, 2, 3, . . .
2.2. Convergenze. Ci preoccupiamo ora di stabilire a quali condizioni ed in che senso
le somme parziali
S
N
(f; x) =
1
2
a
0
+
N

n=1
(a
n
cos(nx) +b
n
sin(nx)) =
N

n=N
c
n
e
inx
(2.16)
16 Analisi di Fourier
convergano. Osserviamo preliminarmente che inserendo la denizione dei coecienti
di Fourier in (2.16) si ottiene
S
N
(f; x) =
1
2
N

n=N
_

f(y)e
in(xy)
dy
=
1
2
N

k=N
_

f(y)e
ik(yx)
dy
=
1
2
N

k=N
_
x
x
f(t +x)e
ikt
dt
=
1
2
N

k=N
_

f(t +x)e
ikt
dt
=
_

f(t +x)D
N
(t) dt,
ove evidentemente
D
N
(x) =
1
2
N

n=N
e
inx
. (2.17)
La funzione D
N
(x) si chiama lennesimo nucleo di Dirichlet. La formula appena
trovata pu` o essere espressa in un modo leggermente diverso, tenendo conto della parit` a
di D
N
, della periodicit` a sia di f sia di D
N
e del Lemma 2.2:
S
N
(f; x) =
_

f(t +x)D
N
(t) dt =
_

f(t)D
N
(x t) dt (2.18)

In gura `e indicato il nucleo di Dirichlet D


8
(x) insieme agli inviluppi
1
2
csc
_
1
2
x
_
.
Serie di Fourier 17
Lemma 2.10. Per ogni intero non-negativo N vale la formula
D
N
(x) =
1
2
sin ((N +
1
2
)x)
sin (
1
2
x)
. (2.19)
Dimostrazione. Osserviamo innanzitutto che
D
N
(x) =
1
2
e
iNx
_
1 +e
ix
+e
i2x
+ +e
i2Nx
_
=
1
2
e
iNx
2N

k=0
_
e
ix
_
k
=
1
2
e
iNx
e
i(2N+1)x
1
e
ix
1
=
1
2
e
i(N+1)x
e
iNx
e
ix
1
. (2.20)
Moltiplicando numeratore e denominatore per e
ix/2
otteniamo inne
D
N
(x) =
1
2
e
i(N+
1
2
)x
e
i(N+
1
2
)x
e
ix/2
e
ix/2
=
1
2
sin ((N +
1
2
)x)
sin (
1
2
x)
,
come volevasi. .
Teorema 2.11 (Convergenza puntuale). Se f PS(R) `e periodica di periodo 2,
lim
N+
S
N
(f; x) =
1
2
_
f(x

) +f(x
+
)
_
per ogni x R. In particolare la serie di Fourier di f converge puntualmente ad f in
ogni punto di continuit`a di f .
Dimostrazione. Non `e dicile provare che per ogni intero N
_
0

D
N
(y) dy =
_

0
D
N
(y) dy =
1
2
(si veda lesercizio (7) in fondo a questa sezione). Da essa segue
1
2
f(x

) = f(x

)
_
0

D
N
(y) dy,
1
2
f(x
+
) = f(x
+
)
_

0
D
N
(y) dy
e quindi, in virt` u della prima eguaglianza in (2.18) otteniamo
S
N
(f; x)
1
2
_
f(x

) +f(x
+
)
_
=
_
0

_
f(y +x) f(x

)
_
D
N
(y) dy +
_

0
_
f(y +x) f(x
+
)
_
D
N
(y) dy. (2.21)
Proveremo ora che questa dierenza tende a zero per N +. Sia
g(y) =
_

_
f(y +x) f(x

)
e
iy
1
x [, 0)
f(y +x) f(x
+
)
e
iy
1
x [0, ].
18 Analisi di Fourier
Si osservi che g `e denita in [, ] 0. Daltra parte, anche se il denominatore tende
a zero per y 0

, dal teorema di LH opital abbiamo


lim
y0
+
g(y) = lim
y0
+
f(y +x) f(x

)
e
iy
1
= lim
y0
+
f

(y +x)
ie
iy
=
f

(x
+
)
i
e similmente g(y) f

(x

)/i per y 0

. Quindi g `e continua a tratti su [, ]


e in particolare `e integrabile secondo Riemann in [, ] . Vale allora per essa la dis-
eguaglianza di Bessel (2.7), cosicche i coecienti di Fourier (2.6) di g, che denoteremo
g(N), tendono a zero per N : infatti, [ g(N)[
2
+[ g(N)[
2
`e il termine generale
di una serie convergente. Utilizzando la formula chiusa (2.20) per il nucleo di Dirichlet,
il membro destro di (2.21) soddisfa
1
2
_

g(y)
_
e
i(N+1)y
e
iNy
_
dy = g(N 1) g(N) 0 per N +,
che `e quanto si voleva provare. .
Corollario 2.12. Se f, g

PS(R) sono periodiche di periodo 2 ed hanno gli stessi
coecienti di Fourier, allora f = g.
Dimostrazione. Sia f sia g coincidono con la somma della stessa serie di Fourier.
.
Esercizi.
6. Provare che:
(i)

2

4

k=1
cos ((2k 1)x)
(2k 1)
2
= [x[ per x [, ] e quindi
(ii)
+

k=1
1
(2k 1)
2
=

2
8
(iii)
+

n=1
(1)
n+1
n
sin(nx) =
x
2
per x (, ) e quindi
(iv)
+

n=1
(1)
n+1
2n 1
=

4
7. Provare che:
_
0

D
N
(y) dy =
_

0
D
N
(y) dy =
1
2
per ogni intero N.
8. Con riferimento allesercizio (1), provare che:
(i)
+

n=1
1
4n
2
1
=
1
2
;
(ii)
+

n=1
(1)
n+1
4n
2
1
=
2
4
;
(iii)
+

n=1
1
n
2
=

2
6
;
Serie di Fourier 19
(iv)
+

n=1
(1)
n+1
n
2
=

2
12
;
9. Provare che per ogni intero non-negativo N e per x (0, ) valgono le dis-
eguaglianze

1
2
csc
_
1
2
x
_
D
N
(x)
1
2
csc
_
1
2
x
_
.
Ci occupiamo ora di provare le relazioni tra le derivate e gli integrali di una funzione e
le corrispettive serie di Fourier. Lo strumento essenziale a questo riguardo `e il teorema
fondamentale del calcolo, che vale per le funzioni continue e lisce a tratti.
Teorema 2.13 (Teorema fondamentale del calcolo). Sia f C([a, b]) PS([a, b]).
Allora
f(b) f(a) =
_
b
a
f

(t) dt.
Dimostrazione. Poiche f PS([a, b]), esister`a al pi` u un numero nito di punti
di (a, b) in cui f non `e derivabile: siano essi c
1
, . . . , c
n
e siano inoltre a = c
0
e
b = c
n+1
. Poiche in ogni intervallo (c
j
, c
j+1
) con j = 0, . . . , n la derivata f

`e continua
ed ammette limiti niti ai bordi, e poiche f `e continua in [a, b] , abbiamo
_
b
a
f

(t) dt =
n

j=0
_
c
j+1
c
j
f

(t) dt =
n

j=0
(f(c
j+1
) f(c
j
)) = f(b) f(a),
come volevasi. .
Si osservi che dal teorema precedente seguono, per le funzioni continue e lisce a tratti,
tutti i risultati che seguono per le funzioni derivabili dal teorema fondamentale del
calcolo. In particolare, la formula di integrazione per parti resta valida per questa classe
di funzioni. Il teorema fondamentale del calcolo vale per una classe ancora pi` u ampia di
funzioni, le funzioni assolutamente continue con derivata integrabile secondo Lebesgue
(si veda [R1]). Alcuni dei teoremi che seguono possono pertanto essere generalizzati a
tale classe di funzioni.
Teorema 2.14. Sia f C(R) PS(R) periodica di periodo 2 e siano a
n
, b
n
e c
n
i suoi coecienti di Fourier. Siano inoltre a

n
, b

n
e c

n
i coecienti di Fourier di f

.
Allora:
a

n
= nb
n
, b

n
= na
n
, c

n
= inc
n
.
Dimostrazione. Consideriamo la terza relazione. Una semplice integrazione per
parti fornisce
c

n
=
1
2
_

(t)e
int
dt =
1
2
f(t)e
int

1
2
_

f(t)
_
ine
int
_
dt
e siccome sia t f(t) sia t e
int
sono periodiche di periodo 2, il termine di bordo
si annulla e lintegrale rimasto `e precisamente inc
n
. Le formule relative a a
n
e b
n
si
provano in modo analogo. .
20 Analisi di Fourier
Teorema 2.15 (Serie di Fourier della derivata). Sia f C(R) PS(R) periodica di
periodo 2 e supponiamo anche che f

PS(R). Se a
n
, b
n
e c
n
sono i coecienti di
Fourier di f , allora la serie
+

n=
inc
n
e
inx
=
+

n=1
(nb
n
cos(nx) na
n
sin(nx))
converge a f

(x) in tutti i punti di continuit`a di f

e alla media
1
2
[f

(x
+
) +f

(x

)]
nei punti (al pi` u in numero nito) in cui f

ha discontinuit` a (a salto).
Dimostrazione. Il risultato segue dal Teorema 2.11 di convergenza puntuale ap-
plicato alla derivata f

e dalle formule per i coecienti trovate nel Teorema 2.15. .


Teorema 2.16 (Serie di Fourier della primitiva). Sia f PC(R) periodica di periodo
2, siano a
n
, b
n
e c
n
i suoi coecienti di Fourier e sia F(x) =
_
x
0
f(t) dt. Allora
F(x) c
0
x = C
0
+

n=0
c
n
in
e
inx
=
1
2
A
0
+
+

n=1
_
a
n
n
sin(nx)
b
n
n
cos(nx)
_
, (2.22)
dove il termine costante `e
C
0
=
1
2
A
0
=
1
2
_

F(t) dt. (2.23)


Dimostrazione. Essendo la funzione integrale di una funzione continua a tratti, F
`e continua e liscia a tratti. La funzione G(x) = F(x) c
0
x ha le stesse propriet` a ed
inoltre `e periodica di periodo 2, in quanto
G(x + 2) G(x) = F(x + 2) F(x) (2c
0
) =
_
x+2
x
f(t) dt (2c
0
) = 0.
Dal Teorema 2.11 di convergenza puntuale, F `e la somma della sua serie di Fourier in
ogni punto. Inne, il Teorema 2.14 applicato ad F mostra che i coecienti di Fourier
A
n
, B
n
e C
n
di F sono legati a quelli di f dalle formule
A
n
=
b
n
n
, B
n
=
a
n
n
, C
n
=
c
n
in
per n ,= 0. La formula (2.23) `e la solita formula per il termine costante di una serie di
Fourier, in quanto la media di c
0
x sullintervallo [, ] `e nulla. .
Osserviamo che dalle eguaglianze che legano i coecienti di Fourier a
n
, b
n
e c
n
segue
[c
n
[ [a
n
[ +[b
n
[, [a
n
[ [c
n
[ +[c
n
[, [b
n
[ [c
n
[ +[c
n
[
e dunque sussiste lequivalenza:
+

n=0
[a
n
[ < + e
+

n=1
[b
n
[ < +
+

n=
[c
n
[ < +. (2.24)
Teorema 2.17 (Convergenza assoluta e uniforme). Sia f C(R) PS(R) e perio-
dica di periodo 2. Allora la serie di Fourier di f converge ad f assolutamente e
uniformemente.
Serie di Fourier 21
Dimostrazione.
`
E suciente provare che

+
n=
[c
n
[ < +, in quanto allora
la serie di Fourier di f , certamente convergente ad f per il Teorema di convergenza
puntuale, converge totalmente e quindi assolutamente e uniformemente. Infatti, le
stime
[a
n
cos(nx)[ [a
n
[, [b
n
sin(nx)[ [b
n
[, [c
n
e
inx
[ [c
n
[
sono ovvie e dallequivalenza (2.24) segue lasserto. Sia c

n
il coeciente di Fourier
n-esimo di f

. Dal Teorema 2.14 sappiamo che c


n
= c

n
/(in) per n ,= 0, mentre la
diseguaglianza di Bessel applicata a f

implica
+

n=
[c

n
[
2

1
2
_

[f

(x)[
2
dx < +
Quindi, dalla diseguaglianza di Cauchy-Schwartz si ha
+

n=
[c
n
[ = [c
0
[ +

n=0

n
n

[c
0
[ +
_
_

n=0
1
n
2
_
_
1/2
_
_

n=0
[c

n
[
2
_
_
1/2
< +,
che `e quanto si voleva dimostrare. .
Abbiamo visto nel Teorema 2.15 che la serie di Fourier di f

si ottiene da quella di f
derivando termine a termine. Derivando, il coeciente di Fourier viene moltiplicato per
n, cosicche la serie di Fourier di f

converge pi` u lentamente di quella di f . Lo stesso


ragionamento varr` a a fortiori per le derivate successive di f , se esistono. Rovesciando
il punto di vista, se la serie di Fourier della derivata di un certo ordine converge, la
serie di Fourier di f converger` a pi` u rapidamente. Quindi c`e un legame tra la classe di
dierenziabilit` a di una funzione e la rapidit` a di convergenza della sua serie di Fourier.
Eccone una versione quantitativa.
Teorema 2.18. Sia f periodica di periodo 2 e supponiamo che f C
(k1)
(R) con
f
(k1)
PS(R). Allora
+

n=0
[n
k
a
n
[
2
< +,
+

n=1
[n
k
b
n
[
2
< +,
+

n=
[n
k
c
n
[
2
< +.
In particolare
n
k
a
n
0, n
k
b
n
0, n
k
c
n
0 per n
Viceversa, se i coecienti di Fourier soddisfano [c
n
[ C[n[
(k+)
per qualche C > 0 e
qualche > 1, allora f C
(k)
(R). La stessa conclusione vale se contemporaneamente
valgono le diseguaglianze [a
n
[ C[n[
(k+)
e [b
n
[ C[n[
(k+)
.
Dimostrazione. Per la prima parte, basta applicare il Teorema 2.14 k-volte per
dedurne che il coeciente di Fourier n-esimo di f
(k)
`e (in)
k
c
n
, e poi applicare la
diseguaglianza di Bessel a f
(k)
. Per la seconda parte, siccome > 1 si ha

n=0
[n
j
c
n
[ C

n=0
[n[
(kj+)
2C
+

n=1
n

< + per j k.
22 Analisi di Fourier
Quindi tutte le serie

+
n=
(in)
j
c
n
e
inx
sono assolutamente uniformemente convergenti
per j = 1, . . . , k. Esse deniscono pertanto funzioni continue, che altro non sono che
le derivate f
(j)
di f(x) =

+
n=
c
n
e
inx
. .
2.3. Una applicazione. Abbiamo nalmente il modo di analizzare in modo rigoroso
lesempio discusso nellIntroduzione. Ricordiamo che avevamo arontato il problema
_

_
u
t
= u
xx
x (0, ), t (0, +)
u(x, 0) = (x) x [0, ], (0) = () = 0
u(0, t) = u(, t) = 0 t (0, +)
con continua, liscia a tratti su [0, ] e tale che (0) = () = 0. Utilizzando la
separazione delle variabili, eravamo giunti alle seguenti considerazioni: se
(x) =
+

n=1
b
n
sin(nx),
converge, allora la serie
u(x, t) =
+

n=1
b
n
e
n
2
t
sin(nx) =:
+

n=1
u
n
(x, t)
denisce formalmente una soluzione.
Daltra parte, poiche stiamo assumendo che sia continua, liscia a tratti su [, 0]
e (0) = () = 0, possiamo prolungare in modo dispari allintervallo [, ] e poi
ancora a tutto lasse reeae per periodicit` a, ottenendo una funzione in C(R) PS(R)
e periodica di periodo 2. Pertanto la sua serie di Fourier `e una serie di soli seni e
converge totalmente, ossia

+
n=1
[b
n
[ < +. Dalla diseguaglianza ovvia [u
n
(x, t)[
[b
n
[ abbiamo la convergenza uniforme della serie

u
n
, ergo la continuit` a di u.
Fissiamo ora > 0. Siccome inoltre
[(u
n
)
t
(x, t)[ = [b
n
n
2
e
n
2
t
sin(nx)[ [b
n
[n
2
e
n
2

la cui serie `e convergente, la serie di termine generale (u


n
)
t
(x, t) converge totalmente,
quindi uniformemente in [0, ] [, +). Un discorso analogo vale per le serie di
termine generale (u
n
)
x
e (u
n
)
xx
, che risultano quindi tutte continue in [0, ] [, +)
per ogni > 0, quindi in [0, ] (0, +). Abbiamo provato che la serie
u(x, t) =
+

n=1
b
n
e
n
2
t
sin(nx)
denisce eettivamente una soluzione.
Concludiamo la sezione risolvendo il problema generale presentato dellIntroduzione,
che `e stato ricondotto al problema(P2)+(P3). Con le normalizzazioni fatte, esso `e
_

_
u
t
= u
xx
x (0, ), t (0, +)
u(x, 0) = 0 x [0, ]
u(0, t) =
0
(t) t (0, +),
0
(0) = 0
u(, t) =

(t) t (0, +)
Serie di Fourier 23
dove
0
,

C([0, +)). Supponiamo per semplicit` a che in


0
,

C
1
([0, +)).
Sia = (x, t) una funzione su [0, ] (0, +) tale che (0, t) =
0
(t) e (, t) =

(t), ad esempio (x, t) =


x

(t) +
x


0
(t). Poniamo inoltre
(x, t) =
t
(x, t)
xx
(x, t).
Se w `e una soluzione del problema di tipo (P4)
_

_
w
t
w
xx
= x (0, ), t (0, +)
w(x, 0) = (x, 0) = 0 x [0, ]
w(0, t) = 0 t (0, +)
w(, t) = 0 t (0, +),
allora u = w + `e soluzione di (P2)+(P3). Infatti
(w +)
t
(w +)
xx
= (w
t
w
xx
) + (
t

xx
) = + = 0,
(w +)(x, 0) = w(x, 0) +(x, 0) = 0
(w +)(0, t) = w(0, t) +(0, t) =
0
(t)
(w +)(, t) = w(, t) +(, t) =

(t).
Non ci resta quindi che risolvere (P4), che riscriviamo
_

_
u
t
u
xx
= f x (0, ), t (0, +)
u(0, t) = u(, t) = 0 t (0, +)
u(x, 0) = 0 x [0, ]
con f C((0, ) (0, +)). Aggiungiamo dapprima le ipotesi che esistano e siano
continue (oppure limitate) le derivate f
x
e f
xx
e che f(0, t) = f(, t) = 0. Questultima
ipotesi `e in eetti rimovibile, ma `e per esempio soddisfatta nel caso appena trattato
per risolvere (P2)+(P3), dove f(x, t) = (x, t). Cerchiamo una soluzione della forma
u(x, t) =
+

k=1
b
k
(t) sin(kx)
dove
b
k
(t) =
2

_

0
u(x, t) sin(kx) dx.
Posto
B
k
(t) =
2

_

0
f(x, t) sin(kx) dx
otteniamo lequazione ordinaria
_

_
d
dt
b
k
(t) +k
2
b
k
(t) = B
k
(t)
b
k
(0) = 0,
la cui soluzione `e
b
k
(t) =
_
t
0
e
k
2
(ts)
B
k
(s) ds,
24 Analisi di Fourier
cosicche
u(x, t) =
+

k=1
_
t
0
e
k
2
(ts)
B
k
(s) ds sin(kx).
Dobbiamo naturalmente controllare che la serie e quella delle derivate convergano uni-
formemente. Per quanto riguarda la serie

u
k
che denisce u abbiamo
[u
k
(x, t)[
_

0
e
k
2
(ts)
[B
k
(s)[ ds
c
k
2
perche f
xx
`e continua e quindi limitata. Infatti, dallipotesi f(0, t) = f(, t) = 0 segue
[B
k
(s)[ =

_

0
f(x, t) sin(kx) dx

_

0
f(x, t)
1
k
d
dt
cos(kx) dx

2
k
_

0
f
x
(x, t) cos(kx) dx

=
2
k
2

_

0
[f
xx
(x, t) dx[

c
k
2
in quanto f
xx
`e per ipotesi limitata in t. Perci`o u `e continua. Inoltre, se (x, t) varia
in un compatto K contenuto in (0, ) (0, +), allora dalla formula generale
d
dt
_
t
0
g(s, t) ds = g(t, t) +
_
t
0
g
t
(s, t) ds
otteniamo
[
t
u
k
(x, t)[ =

B
k
(t) sin(kx) k
2
_
t
0
e
k
2
(ts)
B
k
(s) ds sin(kx)

c
k
2
+k
2
c
k
2
_
t
0
e
k
2
(ts)
ds
=
c
k
2
+c
e
k
2
(ts)
k
2

t
0
=
c
k
2
+
c
k
2
c
e
k
2
t
k
2
=
c
k
2
(2 e
k
2
t
)

c
k
2
M
dove M `e il massimo di (2 e
k
2
t
) al variare di t nei valori per i quali (x, t) K:
sicuramente 1 < M < 2. Analogamente, per le derivate seconde rispetto ad x, si
ottiene la convergenza uniforme delle serie e quindi il risultato cercato.
Misura e integrale 25
3. Misura e integrale di Lebesgue
3.1. Convergenza e completezza. Consideriamo lo spazio vettoriale PC([a, b]) delle
funzioni continue a tratti sullintervallo [a, b] nel senso della Denizione (2.8): una fun-
zione di PC([a, b]) `e continua in tutti i punti di [a, b] tranne al pi` u un numero nito di
essi, in cui esistono tuttavia il limite sinistro e il limite destro. Per tali funzioni possia-
mo naturalmente denire la norma quadratica come in (2.11). La norma | |
2
d`a luogo
a una nozione di convergenza per funzioni di PC([a, b]). In pratica, se (f
n
)
n0
`e una
successione di funzioni in PC([a, b]), diremo che (f
n
)
n0
converge ad f PC([a, b])
in norma quadratica se |f
n
f|
2
0, cio`e:
f
n
f in norma quadratica
_
b
a
[f
n
(x) f(x)[
2
dx 0.
La convergenza in norma quadratica non implica e non `e implicata dalla convergenza
puntuale su [a, b] .
Esempio 3.1.
Sia [a, b] = [0, 1] e sia
f
n
(x) =
_
_
_
1 se 0 x 1/n
0 se 1/n < x 1.
Siccome
|f
n
|
2
2
=
_
1
0
[f
n
(x)[
2
dx =
_
1/n
0
dx =
1
n
,
`e chiaro che f
n
0 in norma quadratica ma poiche f
n
(0) = 1 per ogni n, la successione
non converge puntualmente alla funzione nulla. Daltra parte, se
g
n
(x) =
_

_
0 se x = 0
n se 0 x < 1/n
0 se 1/n < x 1,
allora g
n
0 puntualmente, ma
|g
n
|
2
2
=
_
1
0
[g
n
(x)[
2
dx =
_
1/n
0
n
2
dx = n
ed `e ovvio che non c`e convergenza in norma quadratica. Il seguente risultato, di sem-
plice dimostrazione, mette in relazione convergenza uniforme ed in media quadratica.
Teorema 3.2. Se la successione (f
n
)
n0
di funzioni integrabili secondo Riemann su
[a, b] converge uniformemente ad f in [a, b] , allora converge ad f in norma quadratica.
Altrettanto facilmente si dimostra il seguente risultato di continuit` a.
Proposizione 3.3. Se la successione (f
n
)
n0
di funzioni integrabili secondo Riemann
su [a, b] converge ad f in norma quadratica, allora
(i) |f
n
|
2
|f|
2
;
(ii) f
n
, g) f, g) per ogni g integrabile secondo Riemann su [a, b] .
26 Analisi di Fourier
I due risultati precedenti, valgono evidentemente in PC([a, b]), i cui elementi sono
funzioni integrabili secondo Riemann su [a, b] . Lo spazio PC([a, b]) non soddisfa peral-
tro una propriet` a di cruciale importanza: esso non `e completo. La denizione formale
di spazio completo richiede il concetto di successione di Cauchy, che pu` o essere data in
un contesto pi` u generale, quello degli spazi metrici. Si dice spazio metrico un insieme
M su cui sia denita una distanza, ossia una funzione d : M M [0, +) tale che
(1) d(x, y) = d(y, x);
(2) d(x, y) 0 e d(x, y) = 0 x = y;
(3) d(x, z) d(x, y) +d(y, z).
Lo spazio PC([a, b]) non `e uno spazio metrico rispetto alla distanza d(f, g) = |f g|
2
,
ma lo `e

PC([a, b]) (si veda lEsercizio 3 della Sezione 2.1). Una successione (x
n
)
n0
di
elementi di uno spazio metrico M si dice successione di Cauchy se
per ogni > 0 esiste N N tale che se n, m > N allora d(x
n
, x
m
) < ,
ossia se i termini della successione diventano arbitrariamente vicini luno allaltro.
Esempi di successioni di Cauchy sono tutte le successioni convergenti. Non `e per`o
vero il viceversa: come vedremo sotto, non sempre una successione di Cauchy in M
converge ad un elemento di M. Nel caso di PC([a, b]) avremo che la successione
(f
n
)
n0
di funzioni in

PC([a, b]) `e una successione di Cauchy rispetto alla distanza
d(f, g) = |f g|
2
se
per ogni > 0 esiste N N tale che se n, m > N allora |f
n
f
m
|
2
< .
Uno spazio metrico si dice completo se ogni successione di Cauchy `e convergente ad
un elemento dello spazio. Esempi di spazi completi sono R oppure lo spazio vettoriale
C([a, b]) delle funzioni continue in [a, b] rispetto alla distanza
d(f, g) = max
x[a,b]
[f(x) g(x)[. (3.1)
Un esempio di spazio non completo `e il corpo dei numeri razionali Q. Un altro `e lo
spazio

PC([a, b]), come andiamo a vericare.
Esempio 3.4.
Se [a, b] = [0, 1] e se deniamo
f
n
(x) =
_
_
_
0 se 0 x 1/n
x
1/4
se 1/n < x 1,
e poi indichiamo con

f la regolarizzata di f nel senso discusso a seguito della Deni-
zione 2.8, allora se ad esempio m > n > N con N 4/
2
, si ha
|

f
n


f
m
|
2
2
=
_
1/n
1/m
x
1/2
dx = 2

1/n
1/m
= 2
_
1

n

1

m
_
<
2

n
< ,
Misura e integrale 27
cosicche (

f
n
)
n0
`e di Cauchy. Daltra parte il limite (puntuale e in norma quadratica)
`e la funzione
f(x) =
_
_
_
0 se x = 0
x
1/4
se 0 < x 1,
che non sta in

PC([a, b]), ne in PC([a, b]), perche non ammette limite destro nito
nellorigine.
Si potrebbe ovviare a questo problema consentendo agli elementi di un nuovo spazio
di divergere in un numero nito di punti purche i corrispondenti integrali impropri
continuino ad esistere. Ma neppure ci` o sarebbe suciente per ottenere uno spazio
completo.
`
E infatti possibile costruire successioni di Cauchy i cui elementi diventano
sempre pi` u singolari ed in modo che la funzione limite diviene non-integrabile secondo
Riemann in alcun sottointervallo. Questo serio problema strutturale `e, a ben vedere,
dovuto ad una inadeguata nozione di integrale, cio`e dellintegrale di Riemann. Esso
pu` o essere superato mediante una nozione pi` u sosticata (ma non pi` u dicile) di
integrale, cio`e lintegrale secondo Lebesgue in R
n
. Nella prossima sezione percorriamo
in modo estremamente sintetico le tappe principali di questa teoria dellintegrazione,
rimandando il lettore ad esempio a [F3] oppure [R1] per i dettagli.
Esercizi.
1. Provare il Teorema 3.2.
2. Provare la Proposizione 3.3.
3. Provare che C([a, b]) `e completo nella distanza (3.1).
3.2. Lintegrale di Lebesgue. La nozione di integrale di Lebesgue in R
n
`e fondata
sul concetto di misura e di misurabilit` a.
(i) Si considerano gli intervalli n-dimensionali I = [a
1
, b
1
] [a
n
, b
n
] , cui si associa
la misura
m(I) =
n

i=1
(b
i
a
i
).
Ogni famiglia nita di iperpiani paralleli agli assi di R
n
denisce un reticolato,
ossia suddivide R
n
in un numero nito di intervalli (quasi disgiunti) e di un
numero nito di insiemi illimitati. Si chiama pluri-intervallo una unione nita
di intervalli di un reticolato. Se Y = I
1
I
N
`e un pluri-intervallo, si pone
m(Y ) = m(I
1
) + +m(I
N
),
la misura di Y .
(ii) Introduciamo la notazione [0, +] per linsieme [0, +)+, dove + rap-
presenta lestremo superiore degli insiemi non limitati superiormente. Si denisce
la misura di un qualunque insieme aperto A di R
n
mediante
m(A) = supm(Y ) : Y `e un pluri-intervallo, Y A [0, +]
28 Analisi di Fourier
e di un qualunque insieme compatto K mediante
m(K) = infm(Z) : Z `e un pluri-intervallo, Z K [0, +).
(iii) Dato un qualunque insieme E R
n
, si chiama misura esterna di E
m
est
(E) = infm(A) : A `e un aperto, A E [0, +],
e si chiama misura interna
m
int
(E) = supm(K) : K `e un compatto, K E [0, +],
Si dice poi che un insieme limitato E R
n
`e misurabile secondo Lebesgue se
m
est
(E) = m
int
(E) < +
ed in tal caso il valore comune della misura interna ed esterna si dice la misura
di E. Se E `e invece illimitato, diremo che esso `e misurabile secondo Lebesgue se
per ogni r > 0 `e misurabile linsieme limitato E B(0, r) ed in tal caso poniamo
m(E) = lim
r+
m(E B(0, r)) [0, +].
(iv) Si provano le propriet` a principali della misura, ossia le cosiddette sub-additivit`a
e additivit`a numerabili: se E
1
, E
2
, . . . `e una famiglia numerabile di insiemi
misurabili e si pone
E =
+
_
k=1
E
k
,
allora E `e misurabile e risulta
m(E)
+

k=1
m(E
k
).
Se poi gli E
k
sono a due a due disgiunti, risulta
m(E) =
+

k=1
m(E
k
).
mentre se E
1
E
2
E
3
. . . allora
m(E) = lim
k+
m(E
k
).
Per quanto riguarda le intersezioni, possiamo solo dire che rimangono misurabili
le intersezioni nite di insiemi misurabili. La classe di tutti gli insiemi misurabili
secondo Lebesgue costituisce ci` o che si chiama una -algebra.
(v) A questo punto si selezionano le funzioni per le quali si potr` a parlare di integrale,
cio`e le funzioni misurabili: esse sono quelle funzioni, inizialmente scelte a valori
reali, per le quali risulta misurabile
x R
n
: f(x) > a
per ogni numero reale a. Esse godono di una propriet` a cruciale, cio`e la possibilit` a
di essere ben approssimate dalle cosiddette funzioni semplici. Questultime
Misura e integrale 29
sono le funzioni del tipo
s(x) =
N

i=1
c
i

E
i
(x), (3.2)
dove le
E
i
sono le funzioni caratteristiche degli insiemi misurabili E
1
, . . . , E
N
e
c
1
, . . . , c
N
C. Si osservi che ogni insieme E
i
devessere misurabile, ma non si
richiede che abbia misura nita. Lapprossimazione `e come segue. Se f `e una
funzione misurabile, allora esiste una successione di funzioni semplici (s
k
)
k0
che
converge puntualmente ad f . Se f 0, la successione pu` o essere scelta in modo
da essere monotona crescente.
Le funzioni misurabili si comportano bene rispetto a molte operazioni. Sono
ad esempio misurabili somme, prodotti e limiti puntuali di funzioni misurabili,
cos` come estremi superiore e inferiore di successioni di funzioni misurabili. Se
f `e misurabile, allora lo sono anche [f[ e sgnf , la funzione che vale 1 dove f `e
positiva, 1 dove f `e negativa e zero dove `e zero f ; ovviamente vale luguaglianza
f = [f[(sgnf),
detta anche la decomposizione polare di f . Ogni funzione si scrive come somma
f = f
+
f

,
ove
f
+
(x) = max(f(x), 0), f

(x) = max(f(x), 0)
sono, rispettivamente, la parte positiva e la parte negativa di f . Esse sono en-
trambe misurabili se e solo se lo `e f .
(vi) Sia E un insieme misurabile. Per ogni s semplice e non-negativa come in (3.2)
deniamo
I
E
(s) =
N

i=1
c
i
m(E E
i
),
il suo integrale su E. Si stabilisce che I
E
(s) = + se uno o pi` u degli insiemi
E E
i
ha misura innita. Sia ora f una funzione misurabile e non-negativa.
Lintegrale secondo Lebesgue di f su E `e denito come lestremo superiore degli
integrali delle funzioni semplici e non-negative che approssimano f da sotto:
_
E
f dm = supI
E
(s) : s `e semplice e 0 s f, f non-negativa.
Si noti che lintegrale pu` o benissimo valere + e che comunque le denizioni
sono compatibili, nel senso che per le funzioni semplici si ha I
E
(s) =
_
E
s dm.
Se f `e una funzione misurabile a valori reali e se almeno uno degli integrali
_
E
f
+
dm oppure
_
E
f

dm `e nito, deniamo
_
E
f dm =
_
E
f
+
dm
_
E
f

dm, f reale. (3.3)


Se entrambi gli integrali in (3.3) sono niti, allora lespressione (3.3) `e nita e
diciamo che f `e integrabile secondo Lebesgue su E rispetto alla misura di
Lebesgue e che (3.3) `e lintegrale secondo Lebesgue di f . Siccome [f[ =
f
+
+f

`e chiaro che f `e integrabile se e solo se lo `e [f[. Linsieme delle funzioni


30 Analisi di Fourier
integrabili su E a valori reali `e uno spazio vettoriale reale e lintegrale `e un
funzionale R-lineare su di esso.
Inne, lintegrale di Lebesgue si estende facilmente alle funzioni a valori com-
plessi. Se f = u + iv, diciamo che f `e misurabile se e solo se lo sono sia u che
v e che f `e integrabile su E se
_
E
[f[ < +. Siccome [f[ [u[ + [v[ 2[f[,
risulter` a che f `e integrabile se e solo se lo sono sia u che v. In tal caso deniamo
_
E
f dm =
_
E
udm +i
_
E
v dm, f complessa.
Quindi, lo spazio delle funzioni integrabili su E a valori complessi `e uno spazio
vettoriale su C e lintegrale `e un funzionale C-lineare su di esso. Questo spazio
viene denotato con L
1
(E).
3
Uno spazio di grande rilevanza `e lo spazio L
1
(R
n
)
delle funzioni integrabili su tutto R
n
, spesso abbreviato in L
1
.
Dal punto di vista operativo `e importante osservare che se f L
1
(E), allora

_
E
f dm


_
E
[f[ dm.
Pi` u in generale, se f `e misurabile, se g L
1
(E) e [f[ g, allora f L
1
(E) e

_
E
f dm


_
E
g dm.
(vii) Una propriet` a molto importante dellintegrale secondo Lebesgue `e che gli insiemi
di misura zero possono essere trascurati nellintegrazione. Se f e g sono due
funzioni misurabili e linsieme A su cui f(x) ,= g(x) `e tale che m(A) = 0, allora
_
E
f dm =
_
E
g dm
ogniqualvolta gli integrali esistono. Diremo in tal caso che f e g coincidono quasi
ovunque oppure che f(x) = g(x) per quasi ogni x, abbreviato in q.o. x.
Nel caso unidimensionale, un insieme A avr` a misura nulla se per ogni > 0
esso pu`o essere ricoperto da una successione di intervalli aperti (I
n
)
n0
tali che

n
m(I
n
) < . Per esempio, le famiglie numerabili di punti hanno misura nulla.
La propriet` a di coincidere quasi ovunque in R
n
caratterizza le funzioni che
hanno integrale uguale su ogni insieme misurabile. Si ha infatti che se f, g
L
1
(R
n
), allora le seguenti propriet` a sono equivalenti:
(a)
_
E
f dm =
_
E
g dm per ogni insieme misurabile E R
n
;
(b)
_
R
n
[f g[ dm = 0;
(c) f = g quasi ovunque.
Questo cruciale ancorche semplice risultato suggerisce di modicare la deni-
zione di L
1
(R
n
), riguardandolo come linsieme delle classi di equivalenza delle
funzioni integrabili che coincidono quasi ovunque. Un elemento di L
1
(R
n
) sar` a
quindi non una funzione ma linsieme di tutte le funzioni che sono quasi ovunque
uguali ad una funzione data. Riterremo peraltro la notazione f L
1
(R
n
) per
3
Il signicato del simbolo L
1
sar`a chiarito nella Sezione 3.3. Si veda il successivo punto (vii) per
una denizione formalmente pi` u corretta.
Misura e integrale 31
intendere che f `e una funzione integrabile denita quasi ovunque. Il vantaggio
primario di introdurre le classi di equivalenza consiste nel fatto che d(f, g) =
_
E
[f g[ dm denisce una metrica su L
1
(E) rispetto alla quale esso `e uno spazio
metrico completo (si veda il Teorema 3.12).
(viii) Per quanto riguarda le convergenze degli integrali di successioni di funzioni, enun-
ciamo due importantissimi teoremi.
Teorema 3.5 (Convergenza monotona di Lebesgue). Sia (f
n
)
n0
una successione
di funzioni misurabili su R
n
e supponiamo che
(a) 0 f
0
(x) f
1
(x) . . . per quasi ogni x E;
(b) f
n
(x) f(x) per n + per quasi ogni x E.
Allora si ha
lim
n+
_
E
f
n
dm =
_
E
f dm.
Teorema 3.6 (Convergenza dominata di Lebesgue). Sia (f
n
)
n0
una successione
di funzioni misurabili su R
n
e supponiamo che
(a) esiste una funzione g L
1
(E) tale che [f
n
(x)[ g(x) per quasi ogni x E e
per ogni n = 0, 1, 2, . . . ;
(b) f
n
(x) f(x) per n + per quasi ogni x E. Allora si ha
lim
n+
_
E
f
n
dm =
_
E
f dm.
(ix) Lintegrale di Lebesgue estende lintegrale di Riemann. Nel caso unidimendionale
si ha infatti che se una funzione limitata f `e integrabile secondo Riemann su [a, b] ,
allora essa `e integrabile secondo Lebesgue su [a, b] e i due integrali coincidono.
Inoltre, se f `e limitata su [a, b] , allora essa `e integrabile secondo Riemann se e
solo se essa `e continua quasi ovunque rispetto alla misura di Lebesgue.
Naturalmente, lintegrale di Lebesgue `e una estensione propria di quello di
Riemann, perche ad esempio la funzione di Dirichlet
D(x) =
_
_
_
1 x Q [0, 1]
0 x (R Q) [0, 1]
`e integrabile secondo Lebesgue ma non secondo Riemann in [0, 1] , in quanto `e
ovunque discontinua. Poiche lintegrale di Lebesgue sugli intervalli `e una esten-
sione dellintegrale denito di Riemann, non c`e una buona ragione per modicare
le solite notazioni, cosicche scriveremo spesso, ad esempio
_
E
f(x) dx,
_
1
0
f(x) dx
in luogo, rispettivamente, di
_
E
f dm,
_
[0,1]
f dm.
Per quanto riguarda gli integrali impropri secondo Riemann, risulta che se f `e
assolutamente integrabile secondo Riemann in senso improprio, allora f L
1
(R)
e nuovamente lintegrale (improprio) di Riemann e di Lebesgue coincidono. Per
32 Analisi di Fourier
contro, vi sono casi in cui certi integrali impropri sono ancora riconducibili ad
integrali di Lebesgue ma `e necessario un ulteriore procedimento di limite. Se ad
esempio f `e integrabile secondo Riemann in ogni intervallo [0, b] e integrabile
secondo Lebesgue in [0, +), allora
_
[0,+)
f dm = lim
b+
_
b
0
f(x) dx :=
_
+
0
f(x) dx,
ma il imite sulla destra pu` o esistere anche se f non `e integrabile secondo Lebesgue.
Ad esempio la funzione
f(x) =
+

n=1
(1)
n
n

(n,n+1]
non `e in L
1
(R) ma lim
b+
_
b
0
f(x) dx converge.
(x) Il celebrato Teorema di Fubini-Tonelli mette in relazione lintegrale di Lebesgue
(n+m)-dimensionale di una funzione denita in R
n
R
m
con gli integrali iterati,
fatti prima in R
n
e poi in R
m
, o viceversa. Scriviamo i punti di R
n+m
nella forma
(x, y), con x R
n
e y R
m
e indichiamo con dx, dy e dm le misure di Lebesgue
rispettivamente in R
n
, R
m
e R
n+m
. Se f : R
n+m
C, allora per ogni ssato
x R
n
possiamo considerare la funzione
f
x
: R
m
C, f
x
(y) = f(x, y)
e quindi lintegrale iterato
_
R
n
__
R
m
f
x
dy
_
dx.
Analogamente, ssato y R
m
potremo considerare la funzione f
y
: R
n
C
denita da f
y
(x) = f(x, y) e quindi lintegrale iterato nellordine corrispondente.
Teorema 3.7 (Teorema di Fubini-Tonelli).
(a) (Tonelli) Se f : R
n+m
[0, +] `e misurabile, allora g(x) =
_
R
m f
x
dy e
h(y) =
_
R
n f
y
dx sono entrambe misurabili e vale la formula
_
R
n+m
f dm =
_
R
n
__
R
m
f
x
dy
_
dx =
_
R
m
__
R
n
f
y
dx
_
dy. (3.4)
(b) (Fubini) Se f L
1
(R
n+m
), allora f
x
L
1
(R
m
) per quasi ogni x, f
y
L
1
(R
n
)
per quasi ogni y, le funzioni g(x) =
_
R
m f
x
dy e h(y) =
_
R
n f
y
dx sono,
rispettivamente, in L
1
(R
n
) e in L
1
(R
m
) e vale la formula (3.4).
Il Teorema di Fubini-Tonelli si usa solitamente per provare che lordine di inte-
grazione in un integrale iterato pu` o essere scambiato, cio`e per provare che
_
A
__
B
f(x, y) dy
_
dx =
_
B
__
A
f(x, y) dx
_
dy.
Si procede come segue: si verica dapprima che uno dei due integrali iterati di [f[
`e nito, cosicche, applicando Tonelli, si ha f L
1
(A B). Poi si applica Fubini
per scambiare lordine.
Misura e integrale 33
(xi) Chiudiamo questa sezione con alcuni fatti molto utili dal punto di vista del calcolo.
Innanzitutto osserviamo che la misura di Lebesgue `e invariante per traslazioni.
Ci`o signica che se a R
n
e E R
n
`e un insieme misurabile, allora tale `e
anche il traslato
a
(E) = E + a = e + a : e E. Inoltre, se [E[ < , allora
[
a
(E)[ = [E[. Analogo discorso vale per le funzioni misurabili: se f `e misurabile,
allora tali sono anche x f
a
(x) = f(x +a) e x f
a
(x) = f(x a), e se
f 0 oppure f L
1
(R
n
) allora
_
R
n
f(x a) dm(x) =
_
R
n
f(x) dm(x) =
_
R
n
f(x +a) dm(x).
Per quanto riguarda le regole del cambio di variabili, ricordiamo che una mappa
G = (g
1
, . . . , g
n
) denita su un aperto R
n
a valori in R
n
si dice un dif-
feomorsmo di classe C
1
se essa `e iniettiva, se ogni componente `e di classe C
1
e se la mappa lineare D
x
G che nella base canonica `e rappresentata dalla ma-
trice quadrata (g
i
/x
j
)
ij
delle derivate parziali di G, `e invertibile in ogni punto
x . In particolare, sono dieomorsmi di classe C
1
le mappe lineari, quelle
cio`e date da matrici T GL(n, R), per le quali risulta D
x
T = T per ogni x.
Teorema 3.8. Sia R
n
un aperto e sia G : R
n
un dieomorsmo di
classe C
1
.
(a) Se f `e una funzione misurabile secondo Lebesgue su G(), allora f G `e
misurabile su . Se f 0 oppure f L
1
(G()), allora
_
G()
f(x) dx =
_

f G(x) [ det D
x
G[ dx.
(b) Se E `e misurabile secondo Lebesgue, allora G(E) `e anchesso misura-
bile e [G(E)[ =
_
E
[ det D
x
G[ dx. In particolare, se T GL(n, R), allora
[T(E)[ = [ det T[ [E[
Terminiamo con il teorema di derivazione sotto il segno di integrale.
Teorema 3.9. Sia f : R
n
[a, b] C e sia f(, t) : R
n
C integrabile per ogni
t [a, b] . Si ponga F(t) =
_
R
n
f(x, t)dm(x).
(a) Supponiamo che esista g L
1
(R
n
) tale che [f(x, t)[ g(x) per ogni x e t.
Se lim
tt
0
f(x, t) = f(x, t
0
) per ogni x, allora lim
tt
0
F(t) = F(t
0
).
(b) Supponiamo che esista la derivata parziale f/t e che esista g L
1
(R
n
)
tale che [(f/t)(x, t)[ g(x) per ogni x e t. Allora F `e derivabile e
F

(t) =
_
R
n
f
t
(x, t) dm(x).
Esercizi.
4. Sia f : R
n
[0, +] misurabile. Per j = 0, 1, . . . e 0 k 2
2j
1 siano
E
k
j
= f
1
_
[k2
j
, (k + 1)2
j
]
_
, F
j
= f
1
_
(2
j
, +]
_
34 Analisi di Fourier
e sia quindi

j
=
2
2j
1

k=0
k2
j

E
k
j
+ 2
j

f
n
.
Provare che (
j
)
j0
`e una successione di funzioni semplici e non-negative tali che

0

1
< f , che converge puntualmente ad f e uniformemente in ogni insieme
in cui f `e limitata.
5. Provare che per ogni funzione semplice s si ha I
E
(s) =
_
E
s dm.
6. Provare che lo spazio delle funzioni integrabili su E R
n
a valori complessi `e uno
spazio vettoriale su C e lintegrale `e un funzionale C-lineare su di esso.
7. Provare che la funzione di Dirichlet `e integrabile secondo Lebesgue ma non secondo
Riemann in [0, 1] .
8. Provare che la funzione f(x) =
+

n=1
(1)
n
n

(n,n+1]
non `e in L
1
(R) ma lim
b+
_
b
0
f(x) dx
converge.
3.3. Gli spazi di Lebesgue. Siamo nalmente in grado di introdurre gli spazi L
p
,
detti gli spazi di Lebesgue. Essi sono spazi di grandissima importanza in analisi. Se
1 p < +, e f `e una funzione misurabile su E R
n
, poniamo
|f|
p
=
__
E
[f[
p
dm
_
1/p
(3.5)
e deamo
L
p
(E) = f : E C : f `e misurabile e |f|
p
< + . (3.6)
Come nel caso di L
1
(E), che `e naturalmente il caso che corrisponde a p = 1, iden-
tichiamo funzioni che coincidono quasi ovunque, cosicche L
p
(E) `e di fatto lo spazio
quoziente di quello denito in (3.6) modulo la relazione di uguaglianza quasi ovunque.
Si osservi che da
[f +g[
p
[2 max([f[, [g[)]
p
2
p
([f[
p
+[g[
p
)
segue che L
p
(E) `e uno spazio vettoriale.
Uno spazio vettoriale X si dice normato se esiste una funzione x |x| a valori
in [0, +), detta norma, che soddisfa le seguenti propriet` a
(1) |x| = 0 x = 0;
(2) |x| = [[ |x| per ogni scalare ;
(3) |x +y| |x| +|y| per ogni x, y X.
Se X `e uno spazio normato, la funzione d(x, y) = |x y| denisce una metrica, nel
senso visto nella Sezione 3.1. Nel nostro caso, la (3.5) soddisfa (1), perche |f|
p
= 0
se e solo se f = 0 quasi ovunque per via della equivalenza discussa al punto (vii)
della sezione precedente. Quindi `e lelemento nullo in L
p
(E). Inoltre, essa soddisfa
banalmente (2). La ragione per cui si considerano gli spazi L
p
solamente per p 1 `e
che solo per tali valori di p vale (3), nota anche come la diseguaglianza triangolare,
per provare la quale `e necessaria qualche ulteriore considerazione.
Misura e integrale 35
Se p e q sono numeri reali positivi tali che p +q = pq, ossia
1
p
+
1
q
= 1,
diremo che p e q sono esponenti coniugati. Il caso pi` u importante `e il caso p = q = 2.
`
E chiaro che se p e q sono coniugati, allora 1 < p < + e 1 < q < +. Poiche
per`o se p 1 si ha q +, si considerano anche 1 e come esponenti coniugati.
Per dare signicato allespressione |f|
p
anche nel caso p = si introduce la nozione
di estremo superiore essenziale di una funzione misurabile f . Diremo che M 0
`e un maggiorante essenziale per f se f(x) M per quasi ogni x e denoteremo con
/(f) linsieme dei maggioranti essenziali di f . Inne scriveremo
|f|

=
_
_
_
inf /([f[) se /([f[) ,=
+ se /([f[) =
e diremo che f `e essenzialmente limitata se |f|

< +. La denizione di L

(E) `e a
questo punto ovvia: esso `e lo spazio vettoriale delle classi di equivalenza delle funzioni
essenzialmente limitate, modulo la relazione di eguaglianza quasi ovunque.
Lemma 3.10. Se a, b 0 e 0 < < 1, allora a

b
1
a + (1 )b e luguaglianza
vale se e solo se a = b.
Dimostrazione. Il risultato `e ovvio se b = 0. Altrimenti, dividendo entrambi i
membri per b e ponendo t = a/b, ci si riduce a provare che t

t + (1 ) e che
luguaglianza vale solo per t = 1. Daltra parte, la funzione t

t `e crescente per
t (0, 1] e decrescente per t [1, +) ed ha quindi un massimo assoluto per t = 1,
che vale 1 . .
Teorema 3.11. Sia E un insieme misurabile.
(a) Siano p e q esponenti coniugati con 1 p . Se f L
p
(E) e g L
q
(E) allora
fg L
1
(E) e
|fg|
1
|f|
p
|g|
q
. (3.7)
Luguaglianza vale se e solo se [f[
p
= [g[
q
quasi ovunque per due costanti non nulle
e . Questa diseguaglianza si dice di H older, e nel caso particolare p = q = 2 si
dice di Cauchy-Schwartz.
(b) Sia 1 p . Se f, g L
p
(E) allora f +g L
p
(E) e
|f +g|
p
|f|
p
+|g|
p
. (3.8)
Questa diseguaglianza si dice di Minkowski
4
, ed `e la diseguaglianza triangolare per
la norma L
p
.
Dimostrazione. (a) Ci limitiamo al caso 1 < p < +. Il caso p = 1 e q = `e
lasciato per esercizio (si veda lEsercizio 10). Inoltre il risultato `e banale se |f|
p
= 0
oppure |g|
q
= 0 perche allora f = 0 q.o. oppure g = 0 q.o. e allora fg = 0 q.o.
Osserviamo che se (3.7) vale per una coppia di funzioni f e g, allora essa vale per tutti
4
Si veda lEsercizio 11 per una versione integrale di questa diseguaglianza, dove cio`e le somme sono
rimpiazzate da integrali.
36 Analisi di Fourier
i loro multipli scalari. Possiamo pertanto assumere che |f|
p
= |g|
q
= 1 e cercare di
dimostrare (3.7) con uguaglianza solo se [f[
p
= [g[
q
quasi ovunque. A questo scopo,
applichiamo il Lemma 3.10 ad a = [f(x)[
p
e b = [g(x)[
q
e = 1/p, ottenendo:
[f(x)g(x)[
1
p
[f(x)[
p
+
1
q
[g(x)[
q
. (3.9)
Integrando entrambi i membri si perviene a
|fg|
1

1
p
|f|
p
p
+
1
q
|g|
q
q
=
1
p
+
1
q
= 1 = |f|
p
|g|
q
.
Luguaglianza qui vale solo se vale in (3.9), e per il Lemma 3.10, ci` o avviene solo se
[f[
p
= [g[
q
quasi ovunque.
(b) Il risultato `e ovvio per p = 1 oppure se f + g = 0 quasi ovunque. Altrimenti
osserviamo che, per 1 < p <
[f +g[
p
([f[ +[g[)[f +g[
p1
e applichiamo H older ai prodotti [f[ [f +g[
p1
e [g[ [f +g[
p1
tenendo conto del fatto
che q = p/(p 1) `e lesponente coniugato di p:
_
E
[f +g[
p
dm |f|
p
|[f +g[
p1
|
q
+|g|
p
|[f +g[
p1
|
q
= (|f|
p
+|g|
p
)
__
E
[f +g[
p
dm
_
1/q
.
In conclusione,
|f +g|
p
=
__
E
[f +g[
p
dm
_
11/q
|f|
p
+|g|
p
come volevasi. Il caso p = `e lasciato per esercizio. .
Possiamo perci` o concludere che gli spazi L
p
sono tutti spazi normati e, in quanto
tali, sono spazi metrici. Tutta la costruzione di Lebesgue `e giusticata dal seguente
fondamentale
Teorema 3.12. Per ogni insieme misurabile E e per ogni 1 p lo spazio L
p
(E)
`e uno spazio metrico completo.
Di particolare importanza sono gli spazi L
2
(E), i quali godono di una propriet` a in
pi` u: essi sono muniti di un naturale prodotto scalare Hermitiano, ossia
f, g) =
_
E
f g dm.
La norma L
2
`e legata al prodotto scalare dallovvia relazione
|f|
2
= f, f)
1/2
.
Gli spazi L
2
(E) sono gli esempi prototipici dei cosiddetti spazi di Hilbert, ossia
spazi vettoriali complessi su cui sia denito un prodotto scalare Hermitiano , ) e che
risultino completi nella metrica
d(x, y) := x y, x y)
1/2
= |x y|.
In particolare a noi interesseranno gli spazi L
2
([a, b]) e L
2
(R).
Misura e integrale 37
Per concludere la discussione iniziata nella Sezione (3.1), enunciamo il risultato che
mostra come L
2
([a, b]) non sia altro che il completamento
5
di

PC([a, b]) rispetto alla
norma quadratica.
Teorema 3.13. Per ogni f L
2
([a, b]) esiste una successione (f
n
)
n0
di funzioni
continue su [a, b] che convergono ad f in norma L
2
. Di fatto, le funzioni f
n
possono
essere scelte come restrizioni allintervallo [a, b] di funzioni che sulla retta sono di
classe C

; si pu`o inoltre supporre che esse siano periodiche di periodo b a oppure


ancora che si annullino al di fuori di un intervallo sucientemente ampio.
Terminiamo questa sezione con una osservazione. Gli spazi di Lebesgue nei quali
siamo interessati sono L
1
(R) e L
2
(R), che denoteremo semplicemente L
1
e L
2
.
`
E im-
portante sapere che non vi sono relazioni insiemistiche tra questi due spazi: le inclusioni
L
1
L
2
e L
1
L
2
sono entrambe false, come mostrano i seguenti esempi.
f(x) =
_
_
_
x
2/3
se 0 < x < 1,
o altrimenti
g(x) =
_
_
_
x
2/3
se x > 1,
o altrimenti.
`
E facile vericare che f L
1
L
2
e g L
2
L
1
. Viceversa, valgono i seguenti fatti:
(i) Se f L
1
`e limitata, allora f L
2
. Infatti:
[f(x)[ M =
_
R
[f(x)[
2
dx
_
R
M[f(x)[ dx = M|f|
1
.
(ii) Se f L
2
`e nulla fuori da un intervallo, allora f L
1
. Infatti per Cauchy-
Schwartz
_
R
[f(x)[ dx =
_
[a,b]
[f(x)[ dx =
_
[a,b]
1 [f(x)[ dx
(b a)
1/2
_
_
[a,b]
[f(x)[
2
dx
_
1/2
= (b a)
1/2
|f|
2
.
Esercizi.
9. Si completi la dimostrazione del punto (a) del Teorema 3.11, cio`e il caso p = 1 e
q = .
10. Si completi la dimostrazione del punto (b) del Teorema 3.11, cio`e il caso p = .
11. Sia f denita su R
n
R
m
. Si supponga che per quasi ogni y R
m
la funzione
x f(x, y) sia in L
p
(R
n
), con 1 p , e che la funzione y |f(, y)|
p
sia in
L
1
(R
m
) per quasi ogni x R
n
. Allora la funzione x
_
R
m f(x, y) dy sta in L
p
(R
n
) e
vale la seguente diseguaglianza integrale di Minkowski:
_
_
_
_
_
R
m
f(, y) dy
_
_
_
_
p

_
R
m
|f(, y)|
p
dy. (3.10)
5
Il completamento di uno spazio metrico `e il pi` u piccolo spazio metrico completo che lo contiene.
Esso esiste sempre.
38 Analisi di Fourier
12. Provare che se 1 p < , le traslazioni sono continue in L
p
, ossia: se f L
p
(R
n
)
e z R
n
, allora |
y+z
f
y
f|
p
0 per z 0, per ogni y R
n
. La notazione `e

y
f(x) = f(x y).
13. Provare che se f
n
L
2
([a, b]) e se la successione (f
n
)
n0
converge ad f in norma
L
2
, allora anche f
n
, g) f, g) per ogni g L
2
([a, b]).
14. Si provi che

|f|
2
|g|
2

|f g|
2
per ogni f, g L
2
([a, b]). Se ne deduca che
se la successione (f
n
)
n0
converge ad f in norma L
2
, allora anche |f
n
|
2
|f|
2
.
3.4. Serie di Fourier in L
2
. Possiamo ora riprendere il tema del capitolo prece-
dente, in particolare il punto di vista sviluppato nella Sezione 2.1, ed analizzarlo con
gli strumenti di cui siamo ora in possesso. Il primo passo consiste nellestendere la
diseguaglianza di Bessel (2.7).
Teorema 3.14 (Diseguaglianza di Bessel II). Sia
n
: n = 1, 2, . . . un sistema
ortonormale in L
2
([a, b]) e sia f L
2
([a, b]). Vale allora la seguente diseguaglianza:
+

n=1
[f,
n
)[
2
|f|
2
2
. (3.11)
Dimostrazione. Osserviamo che
_
f, f,
n
)
n
_
= f,
n
)f,
n
) = [f,
n
)[
2
e che per ogni N lortonormalit` a di
n
: n = 1, 2, . . . implica il Teorema di Pitagora
nella forma
_
_
_
_
N

n=1
f,
n
)
n
_
_
_
_
2
2
=
N

n=1
[f,
n
)[
2
. (3.12)
Ma allora
0
_
_
_
_
f
N

n=1
f,
n
)
n
_
_
_
_
2
2
= |f|
2
2
2'
_
f,
N

n=1
f,
n
)
n
_
+
_
_
_
_
N

n=1
f,
n
)
n
_
_
_
_
2
2
= |f|
2
2
2'
N

n=1
f,
n
)f,
n
) +
N

n=1
[f,
n
)[
2
= |f|
2
2

n=1
[f,
n
)[
2
.
Passando al limite per N + si ottiene il risultato. .
Il problema che stiamo cercando di risolvere `e se dato un sistema ortonormale
n
:
n = 1, 2, . . . in L
2
([a, b]) e data f L
2
([a, b]) risulti
f =
+

n=1
f,
n
)
n
(3.13)
Misura e integrale 39
in qualche senso. Stabiliamo subito che una serie di Fourier generalizzata quale
quella al membro destro di (3.13) converge nel senso pi` u naturale. Useremo in modo
cruciale la completezza di L
2
([a, b]).
Lemma 3.15. Se f L
2
([a, b]) e
n
: n = 1, 2, . . . `e un qualunque sistema ortonor-
male in L
2
([a, b]), allora la serie

+
n=1
f,
n
)
n
converge nella norma di L
2
([a, b]) ed
inoltre
_
_
_
+

n=1
f,
n
)
n
_
_
_
2
|f|
2
.
Dimostrazione. La diseguaglianza di Bessel (3.11) garantisce che la serie

N
n=1
[f,
n
)[
2
converge e quindi il Teorema di Pitagora 3.12 mostra che siccome
_
_
_
_
N+k

n=N
f,
n
)
n
_
_
_
_
2
2
=
N+k

n=N
[f,
n
)[
2
,
le somme parziali della serie

+
n=1
f,
n
)
n
costituiscono una successione di Cauchy in
L
2
([a, b]). Siccome L
2
([a, b]) `e completo per il Teorema 3.12, sappiamo che tali ridotte
convergono e che quindi la serie in questione converge ad un elemento di L
2
([a, b]).
Inne, una ulteriore applicazione del Teorema di Pitagora e della diseguaglianza di
Bessel forniscono
_
_
_
_
+

n=1
f,
n
)
n
_
_
_
_
2
2
= lim
N+
_
_
_
_
N

n=1
f,
n
)
n
_
_
_
_
2
2
= lim
N+
N

n=1
[f,
n
)[
2
=
+

n=1
[f,
n
)[
2
|f|
2
2
.
Estraendo la radice quadrata si ha lasserto. .
Una condizione palesemente necessaria anche (3.13) sia vera per ogni f L
2
`e
che il sistema ortonormale sia il pi` u grande possibile, nel senso che non ci deve essere
alcuna f L
2
che sia diversa da zero e ortogonale a tutte le
n
, altrimenti il membro
destro `e nullo e quello sinistro no. Inoltre, se (3.13) vale e se il Teorema di Pitagora
si estende alle somme innite, allora la diseguaglianza di Bessel dovrebbe essere una
uguaglianza. Abbiamo in eetti il seguente risultato centrale della teoria L
2
delle serie
di Fourier.
Teorema 3.16. Sia
n
: n = 1, 2, . . . un sistema ortonormale in L
2
([a, b]). Le
condizioni seguenti sono equivalenti:
(a) se f,
n
) = 0 per ogni n, allora f = 0;
(b) per ogni f L
2
([a, b]) si ha f =
+

n=1
f,
n
)
n
, serie convergente in norma L
2
;
40 Analisi di Fourier
(c) per ogni f L
2
([a, b]) si ha leguaglianza di Parseval:
|f|
2
2
=
+

n=1
[f,
n
)[
2
. (3.14)
Dimostrazione. Proveremo che (a)(b)(c)(a).
(a)(b) Data f L
2
([a, b]), la sua serie di Fourier converge in norma L
2
per
il Lemma 3.15. Mostriamo che la somma della serie `e f provando che la dierenza `e
nulla. Ma
_
f
+

n=1
f,
n
)
n
,
m
_
= f,
m
)
+

n=1
f,
n
)
n
,
m
) = f,
m
) f,
m
) = 0
per ogni m e quindi, per ipotesi, la dierenza f

+
n=1
f,
n
)
n
`e nulla.
(b)(c) Se vale la (3.13), allora, detta S
N
(f) la somma parziale della serie di
Fourier, abbiamo S
N
(f) f . Quindi, per la continuit` a della norma in L
2
(si confronti
con la Proposizione 3.3 e con lEsercizio 3.15), si ha |S
N
(f)|
2
|f|
2
e dal Teorema
di Pitagora segue
|f|
2
2
= lim
N+
_
_
_
_
N

n=1
f,
n
)
n
_
_
_
_
2
2
= lim
N+
N

n=1
[f,
n
)[
2
=
+

n=1
[f,
n
)[
2
.
(c)(a) Se f,
n
) = 0 per ogni n, allora (3.14) implica |f|
2
2
= 0 e quindi f = 0.
.
Un sistema ortonormale che soddisfa le propriet` a (a), (b) e (c) si dice sistema ortonor-
male completo oppure base ortonormale. In questo caso i numeri f,
n
) si chiamano
i coecienti di Fourier di f rispetto alla base data. Alle volte `e conveniente con-
siderare sistemi
n
: n = 1, 2, . . . di vettori ortogonali che non sono per` o di norma
unitaria in L
2
([a, b]). In tale caso parleremo di base ortogonale se i vettori rinorma-
lizzati
n
=
n
/|
n
| formano una base ortonormale, e via discorrendo. Il sistema
trigonometrico considerato nel Capitolo 2 `e evidentemente completo:
Teorema 3.17. I sistemi
e
inx
: n Z e cos(nx) : n = 0, 1, 2, . . . sin(nx) : n = 1, 2, . . .
sono basi ortogonali in L
2
([, ]). I sistemi
cos(nx) : n = 0, 1, 2, . . . e sin(nx) : n = 1, 2, . . .
sono basi ortogonali in L
2
([0, ]).
Dimostrazione. Consideriamo le funzioni
n
(x) = e
inx
. Sia f L
2
([, ]).
Vogliamo provare che la serie di Fourier di f rispetto a questo sistema converge ad f .
Sia allora > 0 ssato. Per il Teorema 3.13 possiamo trovare una funzione

f di classe
C

e 2-periodica tale che |f



f|
2
< /3. Siano
c
n
=
1
2
f,
n
), c
n
=
1
2

f,
n
)
i coecienti di Fourier di f e

f (nel senso del Capitolo 2, ossia della formula (2.6)). Per
il Teorema 2.17 di convergenza uniforme, la serie

c
n

n
converge uniformemente a

f ,
Misura e integrale 41
quindi anche in L
2
([, ]) in virt` u del Teorema 3.2. Pertanto, per N sucientemente
grande avremo
_
_
_
_

f
N

n=N
c
n

n
_
_
_
_
2
<

3
.
Daltra parte, dal Teorema di Pitagora e la diseguaglianza di Bessel risulter` a
_
_
_
_
N

n=N
c
n

n=N
c
n

n
_
_
_
_
2
2

n=N
[ c
n
c
n
[
2

n=
[ c
n
c
n
[
2
|

f f|
2
2
<
_

3
_
2
.
Quindi, dal momento che
f
N

n=N
c
n

n
=
_
f

f
_
+
_

f
N

n=N
c
n

n
_
+
_
N

n=N
c
n

n=N
c
n

n
_
,
avremo
_
_
_
_
f
N

n=N
c
n

n
_
_
_
_
2
<

3
+

3
+

3
= ,
il che prova la completezza di e
inx
: n Z in L
2
([, ]). La completezza di
cos(nx) : n = 0, 1, 2, . . . sin(nx) : n = 1, 2, . . . ne `e una riformulazione, mentre
la completezza di cos(nx) : n = 0, 1, 2, . . . e sin(nx) : n = 1, 2, . . . in L
2
([0, ]) si
ottiene considerando estensioni pari o dispari di f L
2
([0, ]) a [, ] . .
Tenendo conto delle rinormalizzazioni necessarie, leguaglianza di Parseval (3.14)
prende la forma
_

[f(x)[
2
dx = 2
+

n=
[c
n
[
2
=
_
1
2
[a
0
[
2
+
+

n=1
([a
n
[
2
+[b
n
[
2
)
_
(3.15)
per f L
2
([, ]), dove i coecienti di Fourier a
n
, b
n
e c
n
sono deniti da (2.5) e
(2.6). Se invece f L
2
([0, ]), avremo
_

0
[f(x)[
2
dx =

2
_
1
2
[a
0
[
2
+
+

n=1
[a
n
[
2
_
=

2
_
+

n=1
[b
n
[
2
)
_
(3.16)
dove i coecienti di Fourier a
n
, b
n
sono deniti nel Lemma 2.4.
Riassumiamo i principali risultati ottenuti sulla convergenza delle serie di Fourier.
La serie di Fourier di una funzione periodica f converge ad f :
(T) assolutamente, uniformemente ed in norma L
2
se f C(R) PS(R);
(P) puntualmente ed in norma L
2
se f PS(R);
(N) in norma L
2
se f L
2
([a, b]).
42 Analisi di Fourier
Esercizi.
15. Provare che se
n
: n = 1, 2, . . . `e un sistema ortonormale in L
2
([a, b]) e c > 0,
d R, allora le funzioni
n
=

c
n
(cx + d) formano un sistema ortonormale in
L
2
_
[
ad
c
,
bd
c
]
_
.
16. Provare che se
n
: n = 1, 2, . . . `e un sistema ortonormale in L
2
([a, b]), allora
f, g) =
+

n=
f,
n
)g,
n
)
per ogni f, g L
2
([a, b]). Si noti che per f = g questa `e luguaglianza di Parseval.
17. Provare che se f C
1
(R) `e periodica di periodo 2 e a valori reali, allora f e f

sono ortogonali in L
2
([, ]).
Trasformata di Fourier 43
4. La trasformata di Fourier
4.1. Espansioni e integrali di Fourier. Supponiamo che f sia una funzione su R.
Per ogni L > 0 possiamo espandere f in serie di Fourier nellintervallo [L, L] . Ci
chiediamo che cosa succede quando L +. A questo scopo, estendiamo f per
periodicit` a ottenendo una funzione 2Lperiodica e poniamo
g(y) = 2L f(yL/),
cosicche g `e 2periodica. Posto quindi come in (2.2) e (2.6 )
g(y) =

nZ
c
n
e
iny
, c
n
=
1
2
_
2
0
g(y)e
iny
dy.
ed eettuato il cambio di variabile x = (L/)y otteniamo
f(x) =
1
2L
+

n=
c
n,L
e
inx/L
, c
n,L
=
_
L
L
f(x)e
inx/L
dx.
Posto ancora = /L e
n
= n , abbiamo
f(x) =
1
2
+

n=
c
n,L
e
i
n
x
, c
n,L
=
_
L
L
f(x)e
i
n
x
dx.
Supponiamo ora che la funzione originaria f tenda a zero molto rapidamente per
x , per modo che i coecienti c
n,L
non cambieranno molto se estendiamo
lintervallo di integrazione, cio`e
c
n,L

_
+

f(x)e
i
n
x
dx :=

f(
n
).
Pertanto
f(x)
1
2
+

n=

f(
n
)e
i
n
x
, per [x[ < L.
Questultima espressione `e formalmente una somma di Riemann: se adesso consideria-
mo il limite per L + dovremmo ottenere le formule
f(x) =
1
2
_
+

f()e
ix
d, con

f() =
_
+

f(x)e
ix
dx. (4.1)
Gli argomenti utilizzati sono assolutamente non rigorosi, ma conducono alla giusta
formalizzazione. La funzione

f si chiama la trasformata di Fourier di f e la formula
(4.1) si chiama la formula di inversione di Fourier.
Convenzioni. In questo capitolo consideremo primariamente funzioni denite in
R
n
. Scriveremo quindi L
p
in luogo di L
p
(R
n
); analogamente, gli integrali
_
f(x) dx
andranno intesi come integrali di Lebesgue
_
R
n f dm. Introduciamo inoltre le seguenti
notazioni. Un multi-indice `e una n-upla di interi non-negativi (
1
, . . . ,
n
), la cui
lunghezza `e lintero non-negativo [[ =
1
+ +
n
. Se x R
n
, scriveremo
x

= x

1
1
x

2
2
. . . x

n
n
,
44 Analisi di Fourier
e, per quanto riguarda le derivate parziali, adotteremo le notazioni

j
=

x
j
,

1
1

2
2
. . .

n
n
.
Se n = 1 allora useremo indici latini, ossia

sar` a piuttosto d
j
/dx
j
con j 0 intero.
4.2. Convoluzioni. Se f e g sono funzioni denite in R
n
il loro prodotto di con-
voluzione, o pi` u brevemente la loro convoluzione, `e la funzione denita da
f g(x) =
_
f(x y)g(y) dy,
ogniqualvolta lintegrale (di Lebesgue) esista. La convoluzione `e assolutamente conver-
gente sotto ipotesi di varia natura, come ora andiamo ad illustrare.
(i) Se f L
1
e g L

, allora
_
[f(x y)g(y)[ dy |g|

_
[f(x y)[ dy = |g|

|f|
1
;
(ii) se g L
1
e f L

si ragiona in modo analogo


(iii) se f e g sono entrambe in L
2
, allora per Cauchy-Schwartz
_
[f(x y)g(y)[ dy
__
[f(x y)[
2
dy
_
1/2
__
[g(y)[
2
dy
_
1/2
= |f|
2
|g|
2
;
(iv) se f PC(R) e g `e limitata e a supporto in [a, b] , allora f g(x) esiste per ogni
x poiche la funzione y f(x y) `e anchessa limitata in [a, b] per ogni x;
(v) si pu` o provare che se f e g sono entrambe in L
1
, allora f g(x) esiste per quasi
ogni x ed inoltre f g L
1
. Per una dimostrazione si veda ad esempio [F3]
oppure lEsercizio 1.
La lista precedente potrebbe essere estesa, ma nel presente contesto `e pi` u che suciente.
Non `e dicile vericare i fatti seguenti:
Proposizione 4.1. La convoluzione soddisfa le usuali regole algebriche del prodotto:
(i) f (g +h) = (f g) +(f h);
(ii) f g = g f ;
(iii) f (g h) = (f g) h.
Una propriet` a cruciale della convoluzione nelle applicazioni alla teoria delle equazioni
dierenziali `e la possibilit` a di far cadere la derivata di una convoluzione su uno dei
due fattori a scelta:
Proposizione 4.2. Si supponga f di classe C
1
con derivate parziali limitate e g L
1
.
Allora f g `e di classe C
1
e
k
(f g) = (
k
f) g. Analogamente, se g `e di classe C
1
con derivate parziali limitate e f L
1
, allora
k
(f g) = f (
k
g).
Dimostrazione. Derivando sotto il segno di integrale, ossia usando il Teorema 3.9:

x
k
_
f(x y)g(y) dy =
_

x
k
_
f(x y)g(y)
_
dy =
_

k
f(x y)g(y) dy.
Poiche la convoluzione `e commutativa, lo stesso argomento vale nel caso in cui si
scambino i ruoli di f e g. .
Trasformata di Fourier 45
Un aspetto nel quale la convoluzione `e diversa dallusuale moltiplicazione `e lassenza
di una funzione che svolga il ruolo di 1, cio`e tale che 1 f = f per ogni f . Questo
ruolo `e in realt` a svolto dalla di Dirac,
6
che per`o non `e propriamente una funzione. A
questa dicolt` a si pu` o ovviare mediante le cosiddette identit`a approssimate, ossia
successioni (g
n
) tali che f g
n
f quando n +, in un senso che ora rendiamo
preciso. Sia g L
1
e sia t > 0. Poniamo
g
t
(x) = t
n
g
_
t
1
x
_
. (4.2)
Al tendere di t a zero, il graco di g diviene sempre pi` u compresso orizzontalmente e
dilatato verticalmente. Tuttavia, il suo integrale resta costante:
_
g
t
dx =
_
t
1
g(x/t) dx =
_
g(y) dy.

In gura sono indicate G


1
, G
1/2
, G
1/4
e G
1/5
per la funzione G denita in (4.4).
Teorema 4.3. Sia g L
1
tale che
_
g(y) dy = 1.
(i) Se f L
p
con 1 p < , allora f g
t
f in L
p
per t 0;
(ii) se f `e limitata e uniformemente continua, allora f g
t
f uniformemente per
t 0;
(iii) se f L

`e continua nellaperto |, allora f g


t
f per t 0 uniformemente
sui sottoinsiemi compatti di |.
6
Si veda a questo riguardo la Sezione 5.3
46 Analisi di Fourier
Dimostrazione. Ponendo y = tz, abbiamo
f g
t
(x) f(x) =
_
[f(x y) f(x)] g
t
(y) dy
=
_
[f(x tz) f(x)] g(z) dz
=
_
[
tz
f(x) f(x)] g(z) dz,
ove
a
f(t) = f(t a). Applichiamo ora la diseguaglianza integrale di Minkowski (si
veda lEsercizio 11 della Sezione 3.3) e otteniamo
|f g
t
f|
p

_
|
tz
f f|
p
[g(z)[ dz.
Ora, |
tz
f f|
p
2|f|
p
per linvarianza dellintegrale di Lebesgue rispetto alle
traslazioni ed inoltre |
tz
f f|
p
0 per ogni ssato z, per la continuit` a delle
traslazioni in L
p
(si veda lEsercizio 12 della Sezione 3.3). Per convergenza dominata
segue lasserto (i).
La dimostrazione di (ii) `e esattamente la stessa, purche si sostituisca la norma L
p
con la norma sup [ [: la stima sup [f g
t
f[ |g|
1
sup [f[ `e chiara, ed inoltre
sup [f g
t
f[ 0 per luniforme continuit` a di f .
Per quanto riguarda (iii), si ssi > 0 e poi un compatto E R
n
in modo che
_
R
n
\E
[g[ < . Sia K | un compatto ssato. Per t sucientemente piccolo avremo
x tz | per ogni x K ed ogni z E, cosicche dalla compattezza di K si avr` a
sup
xK, zE
[f(x tz) f(x)[ < (4.3)
per ogni t abbastanza piccolo. Ma allora
sup
xK
[f g
t
(x) f(x)[ = sup
xK
_
_
E
+
_
R
n
\E
_
[f(x tz) f(x)[ [g(z)[ dz

_
[g(z)[ dz + 2|f|

,
da cui segue (iii). .
Un classico esempio di funzione g che soddisfa le ipotesi del teorema precedente `e la
funzione Gaussiana normalizzata
G(x) =
1

e
x
2
. (4.4)
Altri classici esempi sono il nucleo di Poisson
P(x) =
1
(1 +x
2
)
e la funzione a campana normalizzata
K(x) =
_
_
_
C
1
exp(1/(1 x
2
)) se [x[ < 1,
0 se [x[ 1
, C =
_
1
1
e
1/(1x
2
)
dx. (4.5)
Trasformata di Fourier 47
Possiamo enunciare un risultato di grande utilit` a in analisi: la cosiddetta densit`a
di C

c
in tutti gli spazi di Lebesgue L
p
con 1 p < . Gli elementi di C

c
sono le
funzioni indenitamente dierenziabili a supporto compatto. Nonostante abbiamo
gi` a fatto riferimento a questa nozione, `e bene chiarire che il supporto di una funzione
f : A R
n
C `e la chiusura di x A : f(x) ,= 0, ossia il pi` u piccolo chiuso di R
n
che lo contiene:
supp(f) := x A : f(x) ,= 0.
Evidentemente, le funzioni a supporto compatto sono nulle al di fuori di una palla di
raggio sucientemente grande.
Corollario 4.4. Sia f L
p
con 1 p < . Allora, per ogni ssato > 0 esiste una
funzione g C

c
(R
n
) tale che |f g|
p
< .
Dimostrazione. Sia f L
p
e sia > 0 ssato. Possiamo scrivere f = g + h,
dove g ha supporto compatto e |h|
p
< /2: basta prendere come g = f
n
con n
abbastanza grande, dove
n
`e la funzione caratteristica della palla di centro lorigine
e raggio n e applicare la convergenza dominata alla successione di funzioni [f[
p

n
.
Sia K come in (4.5), e si ponga g
t
= g K
t
.
`
E chiaro che g
t
C

c
(R
n
) e, in
virt` u del punto (i) del Teorema 4.3, abbiamo |g g
t
|
p
0 per t 0. Inoltre
|f g
t
|
p
|g g
t
|
p
+ |h|
p
< |g g
t
|
p
+ /2, e quindi se si sceglie t in modo che
|g g
t
|
p
< /2 si ha lasserto. .
Esercizi.
1. Si supponga noto che se f : R C `e misurabile, allora anche (x, t) f(x t) `e
misurabile come funzione denita su R
2
(si veda il punto (xi) della Sezione 3.2).
(i) Provare che se f e g sono funzioni non-negative in L
1
(R), allora la loro con-
voluzione `e denita quasi ovunque e si ha
_
R
(f g)(x) dx =
__
R
f(x) dx
_ __
R
g(x) dx
_
;
(ii) Provare che se f e g sono in L
1
(R), allora la loro convoluzione `e denita quasi
ovunque, soddisfa [f g[ [f[ [g[ e si ha:
|f g|
1
|f|
1
|g|
1
(4.6)
2. Provare, utilizzando (3.10) che per ogni p [1, ] si ha L
1
(R
n
) L
p
(R
n
) L
p
(R
n
),
ossia che date f L
1
(R
n
) e g L
p
(R
n
) allora f g L
p
(R
n
).
3. Provare la Proposizione 4.1.
4. Provare la stima (4.3).
5. Provare che se f L
p
con 1 p < e se > 0 `e ssato, possiamo scrivere
f = g +h, dove g ha supporto compatto e |h|
p
< /2. (Si veda il Corollario 4.4).
6. Provare che la convoluzione g K
t
denita nella dimostrazione del Corollario 4.4 `e
eettivamente in C

c
(R
n
).
48 Analisi di Fourier
7. Provare che se 1 p < q < r , allora L
q
L
p
+ L
r
, ossia: ogni f L
q
`e
la somma di una funzione in L
p
ed una funzione in L
r
. (Questo fatto `e nello spirito
dellEsercizio (5); si ponga E = x : [f(x)[ > 1 e g = f
E
...)
8. Provare che se 1 p < q < r , allora L
p
L
r
L
q
e pi` u precisamente
|f|
q
|f|

p
|f|
1
r
dove (0, 1) `e denita da
q
1
= p
1
+ (1 )r
1
, ossia = (q
1
r
1
)/(p
1
r
1
).
(Se r = si osservi che [f[
q
|f|
qp

[f[
p
e che = p/q; se invece r < si usi
Holder con esponenti coniugati p/q e r/(1 )q, scrivendo [f[
q
= [f[
q
[f[
(1)q
...)
4.3. La trasformata di Fourier in L
1
. Supponiamo f L
1
= L
1
(R
n
). Deniamo
la sua trasformata di Fourier mediante

f() =
_
f(x)e
i x
dx, (4.7)
dove x = x = , x) `e il prodotto scalare in R
n
. Naturalmente, continua a valere
la convenzione stabilita subito prima della Sezione 4.2.
`
E chiaro che
[

f()[
_
[f(x)e
i x
[ dx =
_
[f(x)[ dx = |f|
1
,
cosicche lintegrale (4.7) `e assolutamente convergente per ogni . Inoltre, poiche
[f(x)e
ix
f(x)e
ix
[ 2[f(x)[,
il teorema di convergenza dominata ci assicura che

f() `e una funzione con-
tinua. Per praticit` a, denoteremo alle volte con T la trasformata di Fourier, ossia
Tf =

f (4.8)
Inne, ci sar` a utile lo spazio C
0
= C
0
(R
n
) delle funzioni continue che tendono a zero
allinnito.
7
Naturalmente, si intende che f : R
n
C tende a zero allinnito se
per ogni K > 0 esiste R > 0 tale che se |x| > R, allora [f(x)[ K.
Il teorema che segue riassume le principali propriet` a della trasformata di Fourier in L
1
.
Teorema 4.5. Sia f L
1
.
(i) Per ogni a R
n
sia al solito
a
f(x) = f(x a). Allora

(
a
f)() = e
ia

f() e T(e
ia()
f)() =
a

f() = (Tf)( a).
(ii) Se > 0 e f

(x) =
n
f(x/) come in (4.2), allora

() =

f().
Pi` u in generale, se A GL(n, R), allora
T(f A) = [ det A[
1
_
Tf
t
A
1
_
.
7
Lo spazio C
0
pu` o essere anche denito come lo spazio delle funzioni continue f per le quali
linsieme f
1
([, +)) `e compatto per ogni .
Trasformata di Fourier 49
(iii) Se f `e di classe C
k
e se

f L
1
per [[ k e se

f C
0
per [[ k 1
allora
T (

f) () = (i)

(Tf)().
Se invece x (x

f)(x) L
1
per [[ k, allora

f C
k
e

(Tf) = T [(i())

f] .
(iv) Se anche g L
1
, allora
T(f g) =

f g.
Dimostrazione. (i) Mediante il cambio di variabili y = x a si ottiene:

(
a
f)() =
_
R
f(x a)e
ix
dx
=
_
f(y)e
i(y+a)
dy
= e
ia
_
f(y)e
iy
dy
= e
ia

f().
Laltra uguaglianza in (i) e (ii) sono anchesse ottenute mediante cambio di variabili.
(iii) Per le ipotesi fatte, `e possibile integrare sotto il segno di integrale (Teorema 3.9):

j

f() =

j
__
f(x)e
ix
dx
_
=
_
f(x)(ix
j
)e
ix
dx,
e per induzione su [[ anche


f() =
_
f(x)(ix)

e
ix
dx.
Questo prova la seconda formula in (iii). Per quanto riguarda la prima, nel caso n = 1,
possiamo integrare per parti e poiche f tende a zero allinnito

(f

)() =
_
f

(x)e
ix
dx = f(x)e
ix

_
f(x)(i)e
ix
dx = i

f().
Il caso generale `e lasciato per esercizio. Inne, per la (iv), applichiamo il Teorema di
Fubini, ottenendo

(f g)() =
_ _
f(x y)g(y)dy e
ix
dx
=
_ _
f(x y)e
i(xy)
g(y)e
iy
dxdy
=
_ _
f(z)e
iz
g(y)e
iy
dzdy
=

f() g().
.
Calcoliamo la trasformata di Fourier di alcune funzioni importanti.
50 Analisi di Fourier
Esempio 4.6.
Consideriamo la funzione caratteristica
a
dellintervallo [x[ < a in R. Calcolando:

a
() =
_
a
a
e
ix
dx =
e
ix
i

a
a
=
e
ia
e
ia
i
= 2
_
sin a

_
.
Esempio 4.7.
Sia f(x) = e
ax
2
/2
, una Gaussiana non-normalizzata, dove a > 0 ed x R. Osservia-
mo che f soddisfa lequazione dierenziale f

+ axf = 0. Applicando la trasformata


di Fourier a questa uguaglianza e il Teorema 4.5, otteniamo i

f() + ia(

f)

() = 0.
Risolvendo questa equazione si ottiene
(

f)

()

f()
=

a
= log

f() =

2
2a
+ log C =

f() = Ce

2
/2a
.
Per valutare la costante C, poniamo = 0 e calcoliamo:
C =

f(0) =
_
R
f(x) dx =
_
R
e
ax
2
/2
dx =

2
a
_
R
e
y
2
dy =

2
a
.
Ne segue che
T
_
e
a()
2
/2
_
() =

2
a
e

2
/2a
.
Per n > 1 si applica il teorema di Fubini per concludere che:
Proposizione 4.8. Se G(x) = e
ax
2
/2
con a > 0, allora

G() = (2/a)
n/2
e

2
/2a
.
Abbiamo gi` a osservato che la trasformata di Fourier di una funzione in L
1
`e una
funzione continua e limitata. In realt` a si pu` o dire qualcosa di pi` u, ossia che una
trasformata di Fourier tende a zero allinnito.
Lemma 4.9 (Riemann-Lebesgue). T (L
1
) C
0
.
Dimostrazione. Supponiamo dapprima n = 1 e f(x) =

N
1
c
j

j
(x) dove le
j
sono funzioni caratteristiche di intervalli limitati del tipo [xx
0
j
[ < a
j
. In questo caso,
utilizzando il Teorema (4.5) parte (i), ed il calcolo svolto nellesempio (4.6), otteniamo

j
() = 2e
ix
0
j

_
sin(a
j
)

_
ed il risultato `e ovvio. Nel caso di una funzione in L
1
(R) qualunque, approssimiamo
dapprima f L
1
in norma L
1
mediante una funzione g del tipo precedente, ossia
in modo che, ssato > 0, si abbia |f g|
1
< /2 (questo `e possibile attraverso
un ranamento dellapprossimazione considerata al punto (v) della Sezione 3.2). Ma
allora si ha lasserto per n = 1 perche se per [[ > M risulta [ g()[ < /2, allora per
le stesse si ha pure
[

f()[
_
sup
R
[

f() g()[
_
+[ g()[ |f g|
1
+[ g()[ <

2
+

2
.
La dimostrazione del caso generale si pu` o trovare nel Teorema (8.22) in [F3]. .
Trasformata di Fourier 51
Esercizi.
9. Provare che se f `e a valori reali allora

f() =

f() e che se f `e pari allora

f `e
pari. Quindi, se f `e reale e pari tale `e anche

f .
10. Provare che se

f() = 2/i , allora f(t) = t/[t[. Si supponga che f L
1
(R) sia
nulla per t < 0. Si provi che 'Tf = H(Tf) e Tf = H('Tf), dove H `e la
trasformata di Hilbert:
Hg(x) =
1

lim
0
_
|x|
g(s)
x s
ds.
11. Provare la formula T(f A) = [ det A[
1
(Tf
t
A
1
), valida per ogni trasfor-
mazione lineare A GL(n, R).
12. Terminare la dimostrazione del punto (iii) del Teorema 4.5, inserendo i dettagli.
13. Provare la Proposizione 4.8.
14. Provare che se f : R C ammette derivata seconda e se f

e f

sono integrabilii,
allora f

`e limitata e [Tf[ C/(1 +


2
), cosicche T L
1
.
15. Provare che se f(x
1
, . . . , x
n
) =

n
j=1
f
j
(x
j
) allora

f(
1
, . . . ,
n
) =

n
j=1

f
j
(
j
).
4.4. La formula di inversione e la teoria L
2
. Ci proponiamo ora di ottenere la
formula
f(x) =
1
(2)
n
_

f()e
ix
d, (4.9)
che gi`a avevamo visto in modo del tutto informale per n = 1. Si osservi che, a parte il
segno allesponente, questa formula `e identica a quella che denisce

f . Per provare la
(4.9) bisogna aggirare essenzialmente due dicolt` a. La prima consiste nel fatto che

f
non `e necessariamente L
1
, come mostra il calcolo svolto nellesempio (4.6). La seconda
`e che quandanche

f fosse in L
1
, la sostituzione
_

f()e
ix
d =
_ _
e
i(xy)
f(y) dyd
non `e lecita perche lintegrale
_
e
i(xy)
d `e divergente. Un rimedio semplice consiste
nel moltiplicare

f per una funzione di tipo cut-o per rendere i vari integrali convergenti
e poi passare ad un limite opportuno che rimuove il cut-o. La funzione cut-o pi` u
usata (anche se non la sola!) `e la Gaussiana
G
t
() = e
t
2

2
/2
.
Abbiamo in eetti il seguente:
Teorema 4.10 (Inversione di Fourier). Se f,

f L
1
, allora f `e continua e
f(x) =
1
(2)
n
_

f()e
ix
d =
1
(2)
n
(TTf) (x)
52 Analisi di Fourier
vale per quasi
8
ogni x.
Dimostrazione. Consideriamo lintegrale
1
(2)
n
_

f()e
ix
e
t
2

2
/2
d =
1
(2)
n
_ _
e
i(xy)
e
t
2

2
/2
f(y) dyd.
La presenza della Gaussiana rapidamente decrescente rende assolutamente convergente
questo integrale iterato e in particolare `e lecito scambiare lordine di integrazione.
Lintegrale in d `e gi` a stato calcolato nellesempio (4.7):
_
e
i(xy)
e
t
2

2
/2
d = T
_
e
t
2

2
/2
_
(y x) =
_
(2)
n
t
n
e
xy
2
/2t
2
e dunque arriviamo a
1
(2)
n
_

f()e
ix
e
t
2

2
/2
d =
1
t
n
_
(2)
n
_
f(y)e
xy
2
/2t
2
dy = f
t
(x),
dove
(x) =
1
_
(2)
n
e
x
2
/2
,
t
(x) =
1
t

_
x
t
_
=
1
t
n
_
(2)
n
e
x
2
/2t
2
.
Vogliamo calcolare il limite per t 0 sia a sinistra sia a destra delluguaglianza
(2)
n
_

f()e
ix
e
t
2

2
/2
d = f
t
(x)
appena provata. Siccome
_
= 1, per il Teorema (4.3) sappiamo che f
t
f in
norma L
1
per t 0. Daltra parte

f()e
ix
e
t
2

2
/2

f()[
e quindi se

f L
1
possiamo applicare la convergenza dominata per valutare il limite
a sinistra:
f(x) =lim
t0
1
(2)
n
_

f()e
ix
e
t
2

2
/2
d
=
1
(2)
n
_
lim
t0
_

f()e
ix
e
t
2

2
/2
_
d
=
1
(2)
n
_

f()e
ix
d.
Abbiamo perci` o uguaglianza quasi ovunque (2)
n
f(x) = T (Tf) (x). La continuit` a
di f segue dal fatto che la precedente formula esibisce f come (la riessa della) trasfor-
mata di Fourier di una funzione L
1
. .
Proposizione 4.11. Se f, g L
1
, allora
_
(Tf)g =
_
f(Tg).
8
Sappiamo che entrambi i membri delluguaglianza sono funzioni continue. Quindi, modicando f
in un insieme di misura nulla possiamo assumere che luguaglianza valga per ogni x R
n
.
Trasformata di Fourier 53
Dimostrazione. Entrambi gli integrali sono uguali a
__
f(x)g()e
ix
dxd . .
Abbiamo nora sviluppato la teoria L
1
della trasformata di Fourier, ma lesperienza
maturata con le serie di Fourier suggerisce che lo spazio L
2
dovrebbe giocare anchesso
un ruolo importante, e cos` `e. Vi `e una dicolt` a iniziale che deve essere superata:
lintegrale
_
f(x)e
ix
dx pu` o non convergere se f L
2
ma f , L
1
. Losservazione
chiave `e che lanalogo della formula di Parseval (3.14) vale nel contesto della trasformata
di Fourier.
Teorema 4.12 (Plancherel). La trasformata di Fourier denita in L
1
L
2
dallin-
tegrale (4.7) si estende in modo unico ad una mappa lineare e bigettiva di L
2
in L
2
che soddisfa le identit`a di Parseval:
Tf, Tg) = (2)
n
f, g), |Tf|
2
= (2)
n/2
|f|
2
per ogni f, g L
2
.
Dimostrazione. Se f, g e le loro trasformate di Fourier sono tutte in L
1
, allora f
e g sono continue, limitate e integrabili, e quindi appartengono anche a L
2
(si veda
lEsercizio 8 della Sezione 4.2). Possiamo perci` o applicare il Teorema 4.10 e ottenere
f, g) =
_
f(x)g(x) dx
= (2)
n
_ _
f(x)e
ix
Tg() ddx
= (2)
n
_ _
f(x)e
ix
Tg() dxd
= (2)
n
_
Tf()Tg() d
= (2)
n
Tf, Tg).
Naturalmente questo implica entrambe le formule dellenunciato per tutte le funzioni
che stanno in X = f L
1
: Tf L
1
L
2
. Ora, se f L
2
`e arbitraria, possiamo
trovare una successione (f
n
)
n0
di elementi di X che converge ad f in L
2
. Questo `e
vero perch`e C

c
X e lesistenza di una successione di elementi di C

c
che converge
ad f in L
2
`e garantita dal Corollario 4.4. Ma allora, per quanto appena visto
|Tf
n
Tf
m
|
2
= (2)
n/2
|f
n
f
m
|
2
,
cosicche la successione (Tf
n
)
n0
`e di Cauchy in L
2
. Poiche L
2
`e completo, essa am-
mette un (unico) limite, che deniamo come Tf . In tal modo il dominio di T `e esteso
a tutto L
2
. Si verica facilmente che le formule continuano a valere per lestensione
denita. Resta solo da provare la surgettivit` a. Ma questa segue dallosservazione che
il teorema Teorema 4.10 implica T(X) = X. .
Esercizi.
16. Provare che se R `e una rotazione di R
n
, allora la trasformata di Fourier commuta
con R, cio`e T [f(Rx)] = (Tf)(Rx).
17. Provare che T
_
e
a|x|
_
= 2a(
2
+a
2
)
1
.
54 Analisi di Fourier
18. Siano a e b numeri positivi. Provare le formule
_
sin(at) sin(bt)
t
2
dt = min(a, b),
_
t
2
(t
2
+a
2
)(t
2
+b
2
)
dt =

a +b
usando il Teorema di Plancherel.
Distribuzioni 55
5. Distribuzioni
Il concetto di funzione ha visto trasformazioni profonde nel corso dei secoli. Dallidea
che una funzione sia denita attraverso formule algebriche si `e giunti a quella del tardo
secolo XIX, in cui una funzione `e una regola pi` u o meno arbitraria che assegna ad
una variabile x un valore f(x), sia esso numerico o meno. Persino questultima
nozione inizi` o a dimostrarsi limitativa allinizio del secolo XX, epoca nella quale si rese
necessario manipolare oggetti che si comportano come funzioni, ma sono assai pi` u
singolari delle funzioni. Lesempio p` u noto di un siatto oggetto `e la delta di Dirac,
denotata improriamente (x). Essa si comporta come una funzione sulla retta reale,
nel senso che siamo portati a scrivere (x), con x R, ma `e assai pi` u singolare di una
funzione perche `e individuata dalle seguenti propriet` a: (x) = 0 per ogni x ,= 0, ma
_
a
a
(x) dx = 1 per ogni a > 0. Si pu` o pensare che c(x) rappresenti la densit` a di
carica di una particella di carica c posizionata nellorigine dellasse reale, un modello
(sicuramente rozzo) di elettrone. Questa concettualizzazione pu` o esere peraltro di
grande aiuto, perche consente di esprimere la seconda propriet` a: la carica globale di
una regione che contiene lorigine `e c mentre `e nulla se non contiene c. Daltra parte,
nessuna funzione : R R propriamente detta pu` o godere delle propriet` a precedenti:
lintegrale (di Lebesgue) di una funzione che `e sempre nulla tranne che nellorigine `e
zero, indipendentemente dal valore assegnato a (0).
Fu Laurent Schwartz [Sch] ad introdurre in modo rigoroso il concetto di distribuzione
(o funzione generalizzata), nonostante esistano in letteratura approcci diversi dal suo.
Lidea fondamentale di Schwartz consiste nel considerare funzionali lineari continui
su funzioni test. Prima di passare ad una trattazione formale e rigorosa, presentiamo
il cuore dellidea di Schwartz. Se f `e una funzione continua su R, essa identica un
funzionale lineare sullo spazio C

c
(R) mediante la semplice regola:
T
f
() :=
_
R
f(x)(x) dx, C

c
(R). (5.1)
Il funzionale lineare cui facciamo riferimento `e la mappa T
f
: C

c
(R) C. Esso `e
lineare nel senso che T
f
( + ) = T
f
() + T
f
(). La locuzione funzioni test
si riferisce evidentemente allo spazio C

c
(R) ed il senso da attribuirvi sar` a chiaro tra
breve. Unosservazione importante `e che la mappa T
f
individua f completamente. Se
infatti g `e unaltra funzione continua tale che T
f
= T
g
, ossia tale che T
f
() = T
g
()
per ogni funzione C

c
(R), allora 0 = T
f
() T
g
() = T
fg
(). Sar` a pertanto
suciente mostrare che se h `e continua e T
h
() = 0 per ogni funzione C

c
(R),
allora h(x) = 0 per ogni x R. Se cos` non fosse, si avrebbe ad esempio h(x
0
) > 0 per
un certo x
0
e, per permanenza del segno, h(x) > 0 in un intervallo I

= (x
0
, x
0
+).
Selezioniamo allora una funzione C

c
(R) che sia positiva in (x
0
/2, x
0
+ /2)
e sia nulla fuori da I

. In questo modo, il prodotto h(x)(x) risulter` a ovunque non


negativo, e in particolare sar` a positivo in (x
0
/2, x
0
+/2) e nullo fuori da I

. Quindi
T
h
() =
_
R
h(x)(x) dx =
_
I

h(x)(x) dx > 0,
contro lipotesi che T
h
= 0. Perci` o necessariamente h = 0. Discorso analogo potrebbe
farsi se h(x
0
) < 0. In conclusione, se T
f
= T
g
con f e g continue, allora f = g. In
56 Analisi di Fourier
altri termini, la mappa f T
f
`e iniettiva sullo spazio delle funzioni continue; quindi
possiamo riguardare una funzione continua come il funzionale ad essa associato senza
confondere funzioni continue diverse
9
. Ma si pu` o dire molto di pi` u. Mostriamo
infatti che se si conosce il funzionale T
f
, si possono recuperare i valori puntuali di f .
Per provare questo, utilizziamo ancora (come abbiamo fatto nel paragrafo precedente)
la possibilit` a di trovare funzioni C

c
(R) che si comportino come in gura.


Questo tipo di funzioni, note anche come bump functions o funzioni a campana sono
pervasive nella teoria delle distribuzioni, e in realt` a in tutta lanalisi. Nella prossima
sezione procederemo alla costruzione esplicita di queste funzioni. Le propriet` a che
caratterizzano una funzione a campana sono solitamente la positivit` a su un intervallo
ed il fatto di avere supporto compatto, oltre naturalmente ad essere di classe C

. Sia
ora una siatta funzione, ovviamente integrabile. Possiamo assumere
_
= 1, in
quanto `e sempre possibile eventualmente dividere per il valore (positivo) del suo
integrale. Si consideri ora la traslata e dilatata di , ovvero, per t > 0 e per x, y R

x,t
(y) = t
n

_
t
1
(x y)
_
.
Naturalmente,
x,t
C

c
(R), e il supporto di
x,t
`e contenuto in (x , x + ). Se
supponiamo di conoscere lintegrale (5.1) per ogni funzione in C

c
(R), conosciamo in
particolare lintegrale
_
f(y)
x,t
(y) dy per ogni t > 0 e per ogni x R. Applichiamo
ora (iii) del Teorema 4.3, ponendo
t
(x) =
x,t
(0) in coerenza con (4.2); abbiamo
dunque
lim
t0
_
f(y)
x,t
(y) dy = lim
t0
_
f(y)t
n

_
t
1
(x y)
_
dy = lim
t0
f
t
(x) = f(x)
per ogni x R. Perci`o, se si conosce il valore di ogni test di f contro una funzione
C

c
(R), denito dallintegrale (5.1), si conosce il valore di f in ogni punto.
Lidea che ci apprestiamo a sviluppare pu` o essere sinteticamente espressa dicendo
che andremo a selezionare uno spazio di funzioni test e poi considereremo i funzionali
9
Per ragioni di semplicit` a abbiamo qui sopra tacitamente assunto che le funzioni continue in esame
abbiano valori reali. Discorsi completamente analoghi valgono per funzioni a valori complessi.
Distribuzioni 57
lineari su di esso. Due ulteriori chiarimenti preliminari sono necessari. Innanzitutto,
non vi `e ununica scelta naturale per quanto riguarda lo spazio di funzioni test. Come
vedremo, vi sono almeno tre spazi fondamentali: lo spazio c delle funzioni C

, lo
spazio T delle funzioni C

c
e lo spazio di Schwartz o delle funzioni a decrescenza
rapida. Corrispondentemente, saranno denite diverse classi di funzionali. Inne, i
funzionali lineari che considereremo dovranno soddisfare un requisito di continuit`a.
Questo `e un punto tecnicamente delicato che va trattato con cura. In estrema sintesi,
dovremo specicare dapprima che cosa si intenda dire aermando che una successione
di funzioni test (
n
)
n0
converge ad una funzione test , e poi richiedere al funzionale T
la seguente propriet` a di continuit` a: se
n
nel senso chiarito, allora T(
n
) T()
in C. Solo i funzionali lineari continui saranno distribuzioni. Per quanto la maggior
parte dei funzionali che si considerano in analisi la soddisfano in modo quasi ovvio,
lipotesi di continuit` a svolge un ruolo di una certa rilevanza dal punto di vista teorico;
in assenza di essa alcuni dei teoremi cessano di valere.
5.1. Funzioni test. Lo spazio delle funzioni test per antonomasia `e lo spazio soli-
tamente denotato T(R
n
) ( o semplicemente T se la dimensione `e ovvia dal contesto).
Esso `e il pi` u piccolo spazio di funzioni tra quelli che possono svolgere il ruolo di spazio
test; i suoi elementi sono in un certo senso i migliori, che cio`e godono delle pro-
priet` a pi` u forti. Per questa ragione, T `e lo spazio di funzioni test, ed `e ad esso che
ci riferiremo come tale. Insiemisticamente esso coincide con lo spazio C

c
(R
n
) delle
funzioni indenitamente dierenziabili in R
n
e a supporto compatto. La notazione
T(R
n
) si riferisce allo spazio topologico
10
che si ottiene a partire da C

c
(R
n
) mediante
la seguente nozione di convergenza.
Denizione 5.1. Una successione (
n
)
n0
di elementi di C

c
(R
n
) converge in T(R
n
)
alla funzione C

c
(R
n
) se e solo se le due seguenti propriet` a sono soddisfatte:
(i) esiste un compatto K R
n
tale che supp() K ed inoltre supp(
n
) K per
ogni n 0 ;
(ii) per ogni multi-indice risulta
lim
n
sup
xK
[

n
(x)

(x)[ = 0,
ossia (
n
)
n0
converge uniformemente a assieme a tutte le sue derivate.
La condizione (i) della denizione precedente `e importante e pu` o naturalmente non
essere soddisfattta. Si consideri ad esempio la successione denita a partire da una
funzione a campana su R mediante la formula
n
(x) = (x n)/n.
`
E chiaro che
(
n
)
n0
converge uniformemente a zero assieme a tutte le sue derivate, ma il supporto
trasla a destra al crescere di n, e pertanto non esiste un compatto K che li contenga
tutti. Invece

n
(x) = (x)/n converge in T(R
n
) alla funzione zero.
10
Una discussione generale del concetto di spazio topologico esula dai nostri scopi. Il lettore pu` o
consultare [R1] oppure [F3] per le nozioni elementari, e [R2] per gli aspetti pi` u profondi legati allanalisi.
Possiamo dire con un po di imprecisione che uno spazio topologico `e un insieme X su cui sia denita
una nozione di convergenza per le successioni (x
n
)
n0
con x
n
X.
58 Analisi di Fourier
Costruiamo esplicitamente alcune funzioni di utilit` a pratica. Si consideri innanzi-
tutto la funzione : R [0, 1) denita da
(t) =
_
_
_
e
1/t
2
t ,= 0
0 t = 0.
(5.2)
Lasciamo al lettore la facile verica che risulta di classe C

in quanto
(n)
(0) = 0
per ogni n. Il graco di `e naturalmente:

Consideriamo ora le due funzioni ausiliarie

: R [0, 1) denite da

+
(t) =
_
_
_
e
1/t
2
t > 0
0 t 0

(t) =
_
_
_
e
1/t
2
t < 0
0 t 0.
Evidentemente, esse sono entrambe di classe C

ed hanno graci rispettivamente

Distribuzioni 59
Queste due funzioni vengono poi traslate e moltiplicate, dando luogo ad una tipica
funzione a campana. Si scelgano a questo scopo a < b e si ponga

a,b
(x) =
(
x b)
+
(x a). (5.3)
Il graco che si ottiene `e

a b
Per costruire funzioni a campana in pi` u dimensioni si procede semplicemente molti-
plicando varie funzioni del tipo precedente. Ad esempio, la funzione

a,b
(x)
c,d
(y)
denita nel piano sar` a positiva nel rettangolo [a, b] [c, d] ed avr` a graco
Mediante le funzioni ora costruite, si pu` o dimostrare il seguente classico risultato,
noto come il Lemma di Urysohn (versione C

).
Teorema 5.2. Siano K R
n
un compatto e U R
n
un aperto tali che K U.
Allora esiste f : R
n
[0, 1] di classe C

tale che f[
K
1 e supp(f) U.
60 Analisi di Fourier
Esercizi.
1. Provare che la funzione denita in (5.2) `e indenitamente dierenziabile nellorigine
e
(n)
(0) = 0 per ogni n.
2. Si consideri la funzione denita in (5.3), e la si denoti in luogo di
a,b
per
semplicit`a. Si ponga:
(t) =
_
t
a
(x) dx
_
b
a
(x) dx
.
Si provi che `e monotona non decrescente, che essa `e nulla per t a e vale 1 per
t b. Inne, se ne disegni il graco.
3. Dimostrare il Lemma di Urysohn 5.2.
5.2. Denizione di distribuzione. Siamo nalmente pronti per denire il concetto
di distribuzione.
Denizione 5.3. Una distribuzione `e una mappa T : T(R
n
) C che soddisfa le due
seguenti propriet` a:
(i) T( + ) = T() + T() per ogni , C e per ogni , T(R
n
),
ossia T `e lineare.;
(ii) se (
n
)
n0
`e una successione di elementi di T(R
n
) che converge a in T(R
n
),
allora T(
n
) T() in C, ossia T `e continua.
In altre parole, una distribuzione `e un funzionale lineare continuo su T(R
n
). Lo spazio
di tutte le distribuzioni si denota T

(R
n
), o pi` u semplicemente T

.
Proviamo subito che ogni funzione localmente integrabile denisce una distri-
buzione. Una funzione misurabile f denita in R
n
si dice localmente integrabile se per
ogni insieme compatto K risulta
_
K
[f[ < +. Lo spazio vettoriale di tutte le funzioni
localmente integrabili (modulo uguaglianza quasi ovunque) si denota L
1
loc
(R
n
).
Esempio 5.4.
Sia f L
1
loc
(R
n
) e consideriamo il funzionale T
f
: T(R
n
) C denito al solito da
T
f
() =
_
R
n
f(x)(x) dx.
Ovviamente esso `e ben denito in quanto se T(R
n
) il supporto di `e compatto e
quindi, se M = max
xR
n
[(x)[ (certo esistente), si ha

_
R
n
f(x)(x) dx

_
supp()
f(x)(x) dx


_
supp()
M [f(x)[ dx < +.
Proviamo ora la continuit` a. Sia
n
in T, e sia K il compatto che ne contiene
tutti i supporti. Fissiamo > 0. Siccome
n
, in corrispondenza del multi-indice
= (0, . . . , 0) abbiamo
lim
n
sup
xK
[

n
(x)

(x)[ = lim
n
sup
xK
[
n
(x) (x)[ = 0,
Distribuzioni 61
cosicche sicuramente per n sucientemente grande risulta
sup
xK
[
n
(x) (x)[ <

_
K
[f[
.
Ma allora per n sucientemente grande
[T
f
(
n
)[ =

_
K
f(x) (
n
(x) (x)) dx

_
K
[f(x)[ [
n
(x) (x)[ dx

_
K
[f(x)[ sup
xK
[
n
(x) (x)[ dx
<
_
K
[f(x)[
_

_
K
[f[
_
dx = ,
il che prova che T
f
(
n
) 0 ossia che T
f
(
n
) T
f
(). La linearit` a di T
f
`e
del tutto ovvia. Abbiamo per scrupolo incluso tutti i dettagli della verica che le
funzioni in L
1
loc
(R
n
) sono distribuzioni. Nel seguito lasceremo per lo pi` u al lettore
questo tipo di verica. Facciamo notare che L
1
loc
(R
n
) include moltissime delle funzioni
che si considerano in pratica, anche se non tutte. Ad esempio, la funzione f(x) = 1/x
non `e in L
1
loc
(R). Inne, se modichiamo f L
1
loc
(R) sui punti di un insieme di misura
nulla, la distribuzione associata non cambia. Ci` o `e coerente col fatto che gli elementi
di L
1
loc
(R) sono identicati se coincidono a meno di insiemi di misura nulla.
Esempio 5.5.
Consideriamo ora la delta di Dirac. A questo scopo, sia x R
n
un punto ssato, e
deniamo per ogni T

x
() = (x).
La linearit` a di
x
`e ovvia. Se poi
n
in T, allora in particolare
n
pun-
tualmente, e quindi
n
(x) (x) in C, ossia
x
(
n
)
x
(). Quindi
x
`e una
distribuzione. Il caso di pi` u comune utilizzo `e quello in cui x = 0; in tal caso, scrive-
remo per semplicit` a in luogo di
0
.
Dora in avanti, dato un sottoinsieme compatto K R
n
, denoteremo con T
K
lo
spazio di tutte le funzioni T il cui supporto `e contenuto in K. Inoltre, porremo
||
,K
:= sup
xK
[

(x)[ . (5.4)
Vale la pena notare che (
n
)
n0
converge a in T se e solo se
n
, T
K
per qualche
sottoinsieme compatto K di R
n
, ed inoltre
lim
n
|
n
|
,K
= 0
per ogni multi-indice .
Diamo ora una caratterizzazione della continuit` a dei funzionali lineari su T che pu`o
essere di maggiore maneggevolezza in diverse circostanze.
62 Analisi di Fourier
Proposizione 5.6. Sia T : T(R
n
) C una mappa lineare. Sono fatti equivalenti:
(i) T `e una distribuzione;
(ii) per ogni compatto K R
n
esistono una costante positiva C ed un intero n 0
tali che
[T()[ C sup
||n
||
,K
(5.5)
per ogni T
K
;
(iii) per ogni compatto K R
n
esistono una costante positiva C ed un intero n 0
tali che
[T()[ C

||n
||
,K
(5.6)
per ogni T
K
.
Dimostrazione. Dimostriamo lequivalenza di (i) e (ii). Lequivalenza di (ii) e (iii)
`e facile ed `e lasciata per esercizio.
(ii) (i). Se vale (ii) e se
n
in T
K
, allora in particolare
[T(
n
)[ C sup
||n
|
n
|
,K
e poiche il membro destro tende a zero per ipotesi, anche T(
n
) T().
(i) (ii). Sia T una distribuzione e sia K R
n
un compatto. Per ogni intero non
negativo n sia
A
n
= sup
_
[T()[ : T
K
, sup
||n
||
,K
1
_
.
Supponiamo di provare che A
n
< + per qualche n. Allora se T
K
`e diversa da
zero si ha che = /(sup
||n
||
,K
) soddisfa sup
||n
||
,K
1 e quindi
[T()[ A
n
[T
_
/( sup
||n
||
,K
)
_
[ A
n
= [T()[ A
n
sup
||n
||
,K
,
che `e proprio (5.5). Quindi non resta che provare che eettivamente esiste n tale che
A
n
< +. Supponiamo per assurdo che ci` o sia falso. Allora per ogni n esiste
n
T
K
tale che
sup
||n
|
n
|
,K
1, [T(
n
)[ n.
Sia allora
n
=
n
/n; essa `e ancora un elemento di T
K
per il quale
sup
||n
|
n
|
,K
1/n.
Quindi, se j n si ha
sup
||j
|
n
|
,K
sup
||n
|
n
|
,K
1/n,
Distribuzioni 63
cosicche
lim
n+
|
n
|
,K
lim
n+
sup
||j
|
n
|
,K
= 0.
Questo prova che
n
0 in T. Siccome T `e una distribuzione per ipotesi, si ha
T
n
0. Abbiamo perci` o una contraddizione in quanto
[T
n
[ =
[T
n
[
n

n
n
= 1.
.
Esempio 5.7.
Utilizziamo la proposizione appena vista per provare che il funzionale lineare
lim
0
_
|x|1
(x)
dx
x
(5.7)
denisce una distribuzione. Come si vede, la denizione in (5.7) `e un sostituto di (5.1)
per la funzione x 1/x (per 0 < [x[ 1) che non `e localmente integrabile. Si osservi
che siccome essa `e dispari in < [x[ 1, per ogni > 0 si avr` a che
_
|x|1
dx
x
= 0.
Sia ora T(R). Lo sviluppo di McLaurin al primordine di fornisce

(x) (0)
x

= [

()[ sup
x[0,1]
[

(x)[ ,
cosicche

_
|x|1
(x)
dx
x

_
|x|1
((x) (0))
dx
x

sup
x[0,1]
[

(x)[
_
|x|1
dx
2 sup
x[0,1]
[

(x)[ .
Questo mostra innanzitutto che il limite (5.7) esiste e denisce un funzionale lineare.
Inoltre, dato un qualunque compatto K di R la stima precedente mostra che, indicato
con T il funzionale in esame ed utilizzando la notazione introdotta in(5.4), si ha
[T()[ =

lim
0
_
|x|1
(x)
dx
x

2 sup
x[0,1]K
[

(x)[ 2||
1,K
2 sup
j=0,1
||
j,K
.
Pertanto, in virt` u della Proposizione 5.6, T `e una distribuzione. Solitamente il limi-
te (5.7) denisce il cosiddetto integrale valor principale, che si scrive
PV
_
1
1
(x)
dx
x
.
64 Analisi di Fourier
Cos` come abbiamo munito le spazio C

c
di una topologia (ossia di una nozione di
convergenza) per poter poi denire lopportuna nozione di continuit` a per i funzionali
lineari, muniamo ora T

di una topologia.
Denizione 5.8. Diremo che la successione di distribuzioni (T
n
)
n0
, T
n
T

(R
n
),
converge a T T

(R
n
) se per ogni T(R
n
) risulta T
n
() T() in C.
Naturalmente si pu` o dare senso anche a limiti del tipo T
t
T se T
t
`e una famiglia
di distribuzioni dove t `e un parametro reale. Ad esempio:
lim
t0
+
T
t
= T in T

lim
t0
+
T
t
() = T() per ogni T.
Una convenzione. In virt` u dellEsempio 5.4, sappiamo che ogni funzione f L
1
loc
indi-
vidua un distribuzione T
f
denita mediante (5.1). Alle volte scriveremo semplicemente
f in luogo di T
f
, ossia f() =
_
f(x)(x) dx.
Proposizione 5.9. Sia f L
1
(R
n
) e sia
_
f = 1. Sia f
t
come in (4.2). Allora
f
t
in T

(R
n
) per t 0.
Dimostrazione. Sia T. Poniamo

(x) = (x). Per il Teorema 4.3, si ha
f
t
() =
_
f
t
(x)(x) dx =
_
f
t
(x)

(0 x) dx = (f
t


)(0)

(0) = (0) = ().
.

Esercizi.
4. Provare che la funzione f(x) = 1/x non `e in L
1
loc
(R).
5. Provare lequivalenza (ii) (iii) della Proposizione 5.6.
Distribuzioni 65
5.3. Operazioni sulle distribuzioni. Una delle raisons detre delle distribuzioni `e
che ad esse si possono applicare le operazioni dellanalisi restando allinteno della
classe delle distribuzioni. Ad esempio, data una distribuzione qualsiasi in T

esiste
sempre unaltra distribuzione in T

che ne `e la derivata. Come vedremo, se inoltre


f C
1
allora (T
f
)

= T
f
. Le denizioni che daremo in questa sezione sono tutte
fondate sul medesimo concetto di trasposizione: in parole povere, si tratta di scari-
care loperazione sulla funzione test su cui la distribuzione opera, sfruttando lestrema
regolarit` a degli elementi in T.
5.3.1. Derivazione. Sia f una funzione di classe C
1
in R. Quindi f

`e una fun-
zione continua e in particolare `e localmente integrabile; essa denisce pertanto una
distribuzione. Utilizzando integrazione per parti ed il fatto cruciale che le funzioni test
hanno supporto compatto (cosicche sicuramente (x) = 0 per [x[ grande), si ha:
f

() =
_
f

(x)(x) dx
= f(x)(x)

_
f(x)

(x) dx
=
_
f(x)

(x) dx
= f(

).
Questo argomento pu` o essere ripetuto k volte se f `e di classe C
k
. Inoltre, se siamo in
R
n
con n > 1 la procedura pu` o essere svolta in diverse direzioni e fornisce luguaglianza

f() = (1)
||
f(

).
per ogni f C
||
(R
n
) e per ogni T(R
n
). Guardiamo bene questa semplice
relazione. Il membro destro ha senso anche se f non `e derivabile, e pu` o quindi essere
utilizzata per denire il membro sinistro. In altri termini, se T T

(R
n
) si pone

T() := (1)
||
T(

), per ogni T(R


n
). (5.8)
Quindi, come osservato allinizio di questa sezione, vale la formula

(T
f
) = T

f
ogniqualvolta f `e di classe C
||
.
Si osservi che dalla Proposizione 5.6 segue che se T T

(R) e se K `e un compatto
di R, allora esistono C ed m tali che
[T

()[ = [ T(

)[ C sup
jm
|
d
j
dx
j

|
j,K
C sup
jm
|
d
j+1
dx
j+1
|
j,K
C sup
km+1
|
d
k
dx
k
|
j,K
per ogni T(R). Quindi T

`e una distribuzione
11
. Analoghi discorsi valgono per
ogni e per ogni n nel caso generale della denizione (5.8) (cfr. lEsercizio 6).
Esempio 5.10.
Calcoliamo le derivate della delta di Dirac:

() = (1)
||
(

) = (1)
||
(

)(0).
Per n = 1 si ha perci` o

() =

(0),

() =

(0),

() =

(0), e cos` via.


11
Ricordiamo en passant che se n = 1, allora

sar`a piuttosto d
j
/dx
j
con j 0 intero.
66 Analisi di Fourier
Esempio 5.11.
Consideriamo il gradino di Heaviside, ossia la funzione H denita da
H(t) =
_
_
_
1 se t 0
0 se t < 0.
Per denizione, se T(R) si ha
H

() = H(

) =
_
H(t)

(t) dt =
_
+
0

(t) dt = (t)

+
0
= (0).
Quindi H

= . Questo esempio si pu` o generalizzare al caso di funzioni lisce a tratti


(cfr. lEsercizio 7).
5.3.2. Moltiplicazione per funzioni lisce. Se f `e localmente integrabile e `e una fun-
zione di classe C

si ha
(T
f
)() =
_
_
(x)f(x)
_
(x) dx =
_
f(x)
_
(x)(x)
_
dx = T
f
().
Deniamo quindi per ogni T T

(R
n
) ed ogni C

(R
n
) il prodotto di e di T
mediante la formula
(T)() = T() per ogni T(R
n
). (5.9)
`
E molto facile vericare che T T

(cfr. lEsercizio 8).


5.3.3. Traslazione e dilatazione. Per y R
n
ssato, sia al solito
y
lopratore di
traslazione sulle funzioni:
y
f(x) = f(x y). Se f L
1
loc
si avr` a per ogni T
_

y
f(x)(x) dx =
_
f(x y)(x) dx =
_
f(z)(z +y) dz =
_
f(z)
y
(z) dz,
il che naturalmente suggerisce di denire per ogni T T

(R
n
) ed ogni y R
n
la
traslata
y
T di T mediante la formula
(
y
T)() = T(
y
) per ogni T(R
n
). (5.10)
Siano ora a > 0, f L
1
loc
(R
n
) e sia f
a
(x) = a
n
f(x/a) come in (4.2). Per ogni
T(R
n
) risulter` a
_
f
a
(x)(x) dx =
_
a
n
f
_
x
a
_
(x) dx = a
n
_
f(z)(az) a
n
dz =
_
f(z)(az) dz
e poiche evidentemente (az) = a
n

a
1(z), per ogni T T

(R
n
) si porr` a:
T
a
() = T(a
n

a
1) per ogni T(R
n
). (5.11)
La verica che (5.10) e (5.11) deniscono eettivamente delle distribuzioni `e lasciata
per esercizio (cfr.lEsercizio 9).
Distribuzioni 67
5.3.4. Composizione con mappe lineari. Sia A : R
n
R
n
una trasformazione lineare
invertibile. Se f L
1
loc
(R
n
) , allora la composizione f A : x f(Ax) soddisfa
_
f A(x)(x) dx =
_
f(Ax)(x) dx =
_
f(z)(A
1
x) [ det A
1
[ dz
per ogni T(R
n
). Quindi per ogni T T

(R
n
) poniamo
T A() = T
_
[ det A
1
[ A
1
_
per ogni T(R
n
). (5.12)
Al solito, adiamo al lettore la verica che (5.12) denisce una distribuzione (cfr.lEser-
cizio 9).
5.3.5. Convoluzioni. Siano f L
1
loc
e T. Per la commutativit` a della convoluzione
f (x) = f(x) =
_
f(y)(x y) dx =
_
f(y)

(y x) dy =
_
f(y)(
x

)(y) dy
ove si `e posto, al solito

(x) = (x).
Si osservi che tutti gli integrali precedenti convergono perche il supporto della funzione
y (x y) = (
x

)(y) `e evidentemente compatto; pi` u esattamente
supp(
x

) = y : R
n
: x y = z con z supp() = x supp().
Quindi, per ogni x R
n
si ha
x

T e si pu`o pertanto formare il numero complesso
T(
x

). Per ogni T T

ed ogni T, la convoluzione di T e `e la funzione


T (x) = T(
x

). (5.13)
Si osservi che se T, allora
x

x
0
in T se x x
0
in R
n
(cfr. la di-
mostrazione della Proposizione 5.12 e lEsercizio 10). Quindi se T `e una distribuzione
si ha T(
x

) T(
x
0

), cosicche T `e una funzione continua. Come vedremo nella


Proposizione 5.12, la convoluzione `e in realt` a di classe C

. Prima per` o, un paio di


osservazioni. Innanzitutto, se T = allora dalla (5.13) si ha subito
(x) = (
x

) =
x

(0) =

(0 x) = (x),
e quindi la delta di Dirac `e lidentit`a per la convoluzione. In secondo luogo,
osserviamo che avremmo potito seguire una strada leggermente diversa per denire la
convoluzione T , sempre a partire dal caso T = T
f
con f L
1
loc
. In eetti, per ogni
funzione test , in virt` u del Teorema di Tonelli-Fubini si ha
_
(f )(y)(y) dy =
_ _
f(z)(y z) dz(y) dy
=
_ _

(z y)(y) dyf(z) dz
=
_
(

)(z)f(z) dz.
Quindi siamo portati a denire
T () = T(

) per ogni T(R
n
). (5.14)
68 Analisi di Fourier
Si pu` o dimostrare che le due denizioni sono equivalenti, ossia che vale (5.14) se il
membro sinistro `e interpretato come la distribuzione associata alla funzione T che
`e denita mediante (5.13) e di cui ora proviamo le propriet` a.
Proposizione 5.12. Siano T T

e T, e si ponga T (x) = T(
x

). Allora
(i) T C

(R
n
);
(ii)

(T ) =

T = T (

) per ogni multi-indice .


Dimostrazione. Si ssino x R
n
e w R
n
. Siccome T, esister`a r tale che
supp() B(0, r). Perci`o se |x| C e |w| < 1, la funzione
y
x+w

(y) = (x +w y)
`e di classe C

e ha supporto in B(0, R) con R = r +C + 1. Inoltre la funzione


y
x+w

(y)
x

(y) = (x +w y) (x y)
`e anchessa di classe C

e supportata in B(0, R), e quindi uniformemente continua


12
al pari di tutte le sue derivate. Quindi converge uniformemente a zero assieme alle sue
derivate per w 0 in R
n
. Ci`o signica
x+w


x

in T. Siccome T T

, si ha
T(
x+w

) T(
x

), ossia T (x + w) T (x). Abbiamo provato la continuit` a
di T .
Sia ora e
1
, . . . , e
n
la base standard di R
n
. Lo stesso argomento visto sopra mostra
che per [h[ < 1 e per ogni j = 1, . . . , n la funzione
y

x+he
j

(y)
x

(y)
h

x

j

(y) =
(x +he
j
y) (x y)
h

j
(x y)
`e in T e converge uniformemente a zero insieme a tutte le sue derivate per h 0.
Quindi, siccome T T

,
T (x +he
j
) T (x)
h
=
T(
x+he
j

) T(
x

)
h
T(
x

j

) = T (
j
)(x),
il che dimostra
j
(T ) = T (
j
). Induttivamente, risulta

(T ) = T (

),
e quindi T C

(R
n
). Perci`o (i) `e dimostrato. Ora, per ogni funzione test

(
x
) =
x
(

),

= (1)
||
(

),
da cui segue
(

T) (x) = (

T)(
x

)
= T
_
(1)
||

(
x

)
_
= (1)
||
T
_

x
(


)
_
= T (
x
(

))
= T (

)(x)
ossia la (ii). .
12
Ricordiamo che una funzione f : U R
n
C si dice uniformemente continua se per ogni
> 0 esiste > 0 tale che sup
xy<
[f(x) f(y)[ < . Una funzione continua su un compatto `e
automaticamente uniformemente continua. Si veda ad esempio [R1].
Distribuzioni 69
Ricordiamo che assumiamo nota leguaglianza (5.14).
Corollario 5.13. Sia T(R
n
) con
_
= 1 e sia al solito
t
(x) = t
n
(x/t).
Allora, per ogni T T

(R
n
) si ha T
t
T in T

.
Dimostrazione. Applichiamo ancora una volta il Teorema 4.3. Per ogni funzione
test si ha

t
) =

t
(

uniformemente, al tendere di t a zero. Inoltre, tutti i supporti coinvolti sono contenuti


in uno stesso insieme compatto e quindi

t
in T. Ma allora, da (5.14)
(T
t
)() = T(

t
) T(),
come volevasi. .
Il corollario precedente mostra che una distribuzione pu` o essere approssimata medi-
ante funzioni molto regolari. Lapprossimazione `e, come si sul dire, nel senso debole,
cio`e quello chiarito dalla denizione 5.8.
Esercizi.
6. Far vedere che (5.8) denisce un elemento di T

(R
n
) per ogni e per ogni n.
7. Sia f denita su R, di classe C
1
(R 0) e tale che esistano niti i limiti destro
f
+
(0) e sinistro f

(0) nellorigine. Provare che se f

denota la derivata ordinaria di


f allora si ha
(T
f
)

= (f
+
(0) f

(0)) +T
f
in T

.
Si generalizzi questa formula ad una arbitrario elemento f PS(R) che, come noto,
pu` o avere innite discontinuit` a.
8. Provare che (5.9) denisce un elemento di T

(R
n
) per ogni e per ogni T .
9. Provare che (5.10) e (5.11) deniscono eettivamente delle distribuzioni. Provare
che anche (5.12) denisce una distribuzione e che inoltre (5.11) `e un caso particolare
di (5.12).
10. Completare largomento visto nella dimostrazione della Proposizione 5.12 per
provare che se T, allora
x

x
0
in T se x x
0
in R
n
. Si utilizzi luniforme
continuit` a delle funzioni continue a supporto compatto.
11. Si provi che per ogni funzione test

(
x
) =
x
(

) e

= (1)
||
(

).
5.4. Lo spazio di Schwartz. Uno degli strumenti pi` u potenti dellanalisi `e senzaltro
la trasformata di Fourier. Nel tentativo di estenderla alle distribuzioni, si `e tentati
di procedere come al solito, usando la formula di moltiplicazione, ossia la Propo-
sizione 4.11. In estrema sintesi, essa asserisce che
_

f =
_
f

e si sarebbe quindi tentati di porre



T() = T(

) per una distribuzione T . Il problema


`e che se `e una funzione test, allora

non `e una funzione test, a meno che non sia
70 Analisi di Fourier
0. La dimostrazione di questo fatto non `e dicile (si veda [F3], pag. 293). Un modo
per aggirare questo problema fu inventato da L. Schwartz, e consiste nellampliare la
classe delle funzioni test ad una classe o che sia stabile rispetto alla trasformata di
Fourier, ossia tale che se f o allora anche

f o. Denendo poi opportunamente
una topologia in o si potranno considerare i funzionali lineari continui su o, che
risulteranno quindi una classe pi` u piccola di T

. Per tali distribuzioni (le distribuzioni


temperate) risulter` a pertanto denita la trasformata di Fourier.
In termini semplici, una funzione nella classe di Schwartz o(R
n
) `e una funzione tale
che e tutte le sue derivate tendono a zero allinnito pi` u rapidamente di ogni potenza
negativa di |x|. Per esprimere questa idea con precisione introduciamo le cosiddette
seminorme
13
di Schwartz
,
. Se e sono multi-indici e se f C

(R
n
), poniamo

,
(f) = sup
xR
n
[x

f)(x)[. (5.15)
Naturalmente, `e facile trovare f C

(R
n
) tale che
,
(f) = + per qualche e .
Denizione 5.14. Una funzione f C

(R
n
) si dice una funzione di Schwartz se per
ogni coppia di multi-indici e risulta

,
(f) < +.
Lo spazio di tutte le funzioni di Schwartz si denota o(R
n
). Gli elementi di o(R
n
) si
dicono funzioni di Schwartz oppure funzioni a decrescenza rapida.
Evidentemente T o. Un esempio di funzione che sta in o T `e e
x
2
, oppure
P(x)e
x
2
dove P `e un polinomio. Esistono vari modi per esprimere la decrescenza
pi` u che polinomiale delle funzioni di Schwartz. La dimostrazione del lemma seguente
si trova in [F3], Proposizione 8.3.
Lemma 5.15. Sia f C

(R
n
). Sono fatti equivalenti
(i) f o(R
n
)
(ii) per ogni coppia di multi-indici e risulta
sup
xR
n
[

(x

f)(x)[ < +;
(iii) per ogni multi-indice e per ogni intero non negativo N risulta
sup
xR
n
(1 +|x|)
N
[

f(x)[ < +.
Si noti che la (iii) del lemma precedente implica in particolare che o(R
n
) L
p
(R
n
),
in quanto per N sucientemente elevato la funzione x (1 + |x|)
N
`e in L
p
(R
n
).
Inoltre, da (iii) segue anche che se f o(R
n
) e `e un multi-indice, allora

f o(R
n
).
Da (ii) segue il fatto (peraltro piuttosto ovvio) che se f o(R
n
) e `e un multi-indice,
allora x

f o(R
n
), e quindi se P `e un polinomio Pf o(R
n
).
`
E inne del tutto
ovvio che f o se e solo se

f o.
Teorema 5.16. La trasformata di Fourier manda o(R
n
) bigettivamente su o(R
n
).
13
La nozione di seminorma si riferisce al fatto che le propriet` a (2) e (3) di una norma (viste allinizio
della Sezione 3.3) sono vericate, ma non la (1). Si veda a questo proposito lEsercizio 14.
Distribuzioni 71
Dimostrazione. Per quanto appena detto, se f o(R
n
) e e sono multi-indici,
allora x

f) o(R
n
) e in particolare x

f) L
1
(R
n
). Per il Teorema 4.5 si ha:
T
_
x

f)
_
() = i
||+||

Tf)().
Ne segue che
sup
R
n

Tf)()

= sup
R
n

T
_
x

f)
_
()

|x

f)|
1
< +
per ogni e . Questo prova che
,
(Tf) < + per ogni e e che perci`o
Tf o(R
n
). Dalla formula di inversione si ha inne che se Tf o(R
n
), allora
TTf =

f o(R
n
) e quindi f o(R
n
). .
Dal risultato precedente segue anche che la convoluzione tra funzioni di Schwartz `e
una funzione di Schwartz (cfr. lEsercizio16).
Come nel caso delle funzioni test, introduciamo una nozione di convergenza per le
funzioni a decrescenza rapida.
Denizione 5.17. Una successione (
n
)
n0
di elementi di o(R
n
) converge in o(R
n
)
alla funzione o(R
n
) se e solo se
lim
n

,
(
n
) = 0
per ogni coppia di multi-indici e .
Come sappiamo, le funzioni di o sono anche in L
p
. Si pou` o dimostrare che se

n
in o, allora
n
in L
p
per ogni p. Una dimostrazione di questo fatto si
trova ad esempio in [Gra].
`
E facile vedere inoltre che se
n
in T, allora
n

in o (cfr. lEsercizio 17).
Esercizi.
12. Trovare f C

(R
n
) tale che
,
(f) = + per qualche e .
13. Provare che per ogni polinomio P (incluso P 1) la funzione P(x)e
x
2
`e nello
spazio di Schwartz o e non `e in T.
14. Provare che le seminorme di Schwartz soddisfano:
(2)
,
() = [[
,
();
(3)
,
( +)
,
() +
,
()
ma che
,
() = 0 non implica necessariamente = 0.
15. Provare che per N > n/p la funzione x (1 +|x|)
N
`e in L
p
(R
n
).
16. Provare che se f, g o allora f g o.
17. Provare che se
n
in T, allora
n
in o.
72 Analisi di Fourier
5.5. Distribuzioni temperate e trasformata di Fourier. La classe di distribuzioni
che introduciamo ora `e denita partire da o, cos` come T

`e denita a partire da T.
Denizione 5.18. Una distribuzione temperata `e una mappa T : o(R
n
) C che
soddisfa le due seguenti propriet` a:
(i) T(+) = T() +T() per ogni , C e per ogni , o(R
n
), ossia
T `e lineare.;
(ii) se (
n
)
n0
`e una successione di elementi di o(R
n
) che converge a in o(R
n
),
allora T(
n
) T() in C, ossia T `e continua.
In altre parole, una distribuzione temperata `e un funzionale lineare continuo su o(R
n
).
Lo spazio di tutte le distribuzioni temperate si denota o

(R
n
), o pi` u semplicemente o

.
Osserviamo innanzitutto che una distribuzione temperata `e una distribuzione, ossia
che in eetti o

. Infatti, se T o

allora T `e lineare sulle funzioni a decrescenza


rapida e quindi in particolare sulle funzioni test. Inotre, come visto nellEsercizio 17,
se
n
in T, allora
n
in o e quindi T(
n
) T() in C, ossia T T

.
Linclusione `e propria: ad esempio la funzione e
x
2
denisce una distribuzione che non
`e temperata.
La continuit` a di un funzionale lineare su o pu` o essere testata mediante controlli
sulle seminorme. La dimostrazione della proposizione che segue `e del tutto analoga a
quella della Proposizione 5.6, ed `e lasciata per esercizio.
Proposizione 5.19. Sia T : o(R
n
) C una mappa lineare. Sono fatti equivalenti:
(i) T `e una distribuzione temperata;
(ii) esistono una costante positiva C ed interi n, m 0 tali che
[T()[ C sup
||n,||m

,
()
per ogni o;
(iii) esistono una costante positiva C ed interi n, m 0 tali che
[T()[ C

||n,||m

,
()
per ogni o.
La tecnica generale utilizzata nella Sezione 5.3 per trasferire le operazioni dellanalisi
sulle distribuzione pu` o essere ripetuta per le distribuzioni temperate. Derivate, trasla-
zioni e composizione con mappe lineari mandano o

in o

(cfr. lEsercizio 20). Lo


stesso non pu` o dirsi per loperazione di moltiplicazione per funzioni C

. Anche
T o

se T o

bisogna che sia a crescita lenta. Ci`o signica che per ogni
multi-indice devono esistere una costante positiva C ed un intero N tali che
[

[ C(1 +|x|)
N
.
Evidentemente, i polinomi sono a crescita lenta. Per quanto riguarda le convoluzioni,
possiamo denire come nella sezione precedente
T (x) = T(
x

)
Distribuzioni 73
ogniqualvolta o e T o

. Leggermente pi` u complicata dellanalogo in T

`e la
dimostrazione del fatto che segue, per il quale rimandiamo il lettore a [F3], pag. 294.
Proposizione 5.20. Se o e T o

allora T `e una funzione C

a crescita
lenta, ed inoltre per ogni o risulta T () = T(

).
Inne, possiamo denire la trasformata di Fourier in o

. Se T o

(R
n
)
(TT)() = T(T) per ogni o(R
n
). (5.16)
Osserviamo che la delta di Dirac `e una distribuzione temperata. In eetti
() = (0)
0,0
().
Ma allora possiamo considerare T:
T() = (T) = T(0) =
_
(x) dx = T
1
().
In poche parole,

= 1, ossia la trasformata di Fourier di `e la (distribuzione associata
alla) funzione identicamente uguale a 1.
Tutte le principali propriet` a della trasformata di Fourier viste nella Sezione 4.3 con-
tinuano a valere nel contesto delle distribuzioni temperate, se opportunamente inter-
pretate. Le riassumiamo nella proposizione che segue, la cui dimostrazione `e lasciata
per esercizio.
Proposizione 5.21. Valgono le seguenti propriet` a
(i) Per ogni a R
n
e T o

(R
n
) si ha T(
a
T) = e
ia
TT , e T(e
ia()
T) =
a
TT .
(ii) Se A GL(n, R) e T o

(R
n
) si ha T(T A) = [ det A[
1
(TT
t
A
1
).
(iii) Se T o

(R
n
), allora per ogni multi-indice si ha T (

T) = (i)

(TT) e

(TT) = T [(i())

T] .
(iv) Se T o

(R
n
) e o(R
n
) si ha T(T ) = (TT)(T).
Esercizi.
18. Provare che la funzione e
x
2
denisce una distribuzione che non `e temperata.
19. Dimostrare la Proposizione 5.19.
20. Provare che derivate, traslazioni e composizione con mappe lineari invertibili man-
dano o

in o

.
21. Provare che se `e a crescita lenta e T o

, allora T o

.
22. Provare la Proposizione 5.21.
74 Analisi di Fourier
6. Analisi in tempo-frequenza e wavelets
Questo capitolo `e una rilettura del Capitolo IV di [M], cui rimandiamo per appro-
fondimenti.
Lesempio pi` u tipico cui ci si riferisce nel parlare di analisi in tempo-frequenza `e
quello della musica. Nellascoltare un brano musicale, si percepiscono frequenze diverse
in istanti diversi. Un compositore si serve del pentagramma per rappresentare in modo
eciente i valori delle frequenze al variare del tempo. Una nota `e la pi` u piccola parte
di musica, nel senso che `e indivisibile: possiamo pensarla come un atomo. Lidea
dellanalisi in tempo-frequenza `e quella di decomporre un segnale in funzioni elementari
che rappresentino pacchetti di frequenze vicine, ossia funzioni ben localizzate sia in
tempo, sia in frequenza, per quanto possibile. Come vedremo, vi sono limitazioni
naturali alla localizzazione simultanea in tempo e frequenza, espresse dal celebrato
principio di indeterminazione di Heisenberg.

frequenza
tempo
Una precisazione `e dobbligo: la terminologia tempo-frequenza `e naturalmente ispi-
rata ai modelli sici in cui le funzioni descrivono quantit` a dipendenti dal tempo, ossia
t f(t) con t R. La maggior parte di quanto verr` a discusso in questo capitolo
verr` a formulato in R
d
con d qualunque. Se d > 1, lo spazio R
2d
viene denominato
nella letteratura di Fisica spazio delle fasi.
6.1. Atomi in tempo-frequenza. Una funzione ben localizzata in tempo e in fre-
quenza si chiama un atomo in tempo-frequenza, anche se questo concetto non `e pre-
ciso dal punto di vista matematico. In generale, considereremo famiglie di atomi

g
: g G indicizzate in un qualche insieme G di parametri
14
. Supponiamo per il
momento che per ogni g G si abbia
g
L
2
(R) e |
g
|
2
= 1. Siamo interessati alla
trasformata T

denita dalloperatore lineare che ad ogni f L


2
(R) associa il numero
14
Di particolare rilevanza in Analisi Armonica e nelle sue applicazioni `e il caso in cui G `e un
gruppo, ovvero un suo sottoinsieme discreto.
Analisi in tempo-frequenza 75
complesso
T

f(g) =
_
f(t)
g
(t) dt = f,
g
).
La formula di Parseval mostra che
T

f(g) =
_
f(t)
g
(t) dt =
1
2
_

f()

g
() d,
evidenziando una propriet` a di localizzazione che `e utile tenere a mente: se
g
`e nulla
al di fuori di un piccolo intervallo, allora T

f terr` a conto solo dei valori di f in tale


intervallo temporale e, similmente, se

g
`e nulla al di fuori di un piccolo intervallo,
allora T

f terr` a conto solo dei valori di



f in tale intervallo di frequenze.
Esempio 6.1.
I pi` u tipici e studiati esempi di atomi in tempo-frequenza sono associati alle cosid-
dette analisi a nestra mobile (o short time) e analisi in ondine. Un atomo in
tempo-frequenza di quelli considerati nella teoria (continua) delle ondine, si ottiene a
partire da una ondina madre L
2
(R) mediante una dilatazione di a > 0 e una
traslazione di b R:

g
(t) =
(a,b)
(t) =
1

_
t b
a
_
. (6.1)
In questo esempio, linsieme dei parametri G `e il prodotto cartesiano
G = (a, b) : a > 0, b R = R
+
R.
`
E importante notare che se si denisce su G la moltiplicazione
(a, b) (a

, b

) = (aa

, ab

+b)
allora G diviene un gruppo, noto come il gruppo ane della retta o brevemente
ax + b. In eetti, lelemento neutro `e (1, 0) e linverso di (a, b) `e (1/a, b/a). La
ragione per cui la struttura di gruppo svolge un ruolo rilevante `e perche se per ogni
(a, b) G consideriamo loperatore
(a, b) : L
2
(R) L
2
(R), (a, b) =
(a,b)
,
allora risulta
(a, b) (a

, b

) =
_
(a, b) (a

, b

)
_
, (6.2)
come il lettore `e invitato a vericare. In altre parole, la struttura del gruppo dei
parametri riette il modo in cui si compongono gli operatori da essi ottenuti.
Gli atomi considerati nella teoria della trasformata di Fourier a nestra mobile si
costruiscono a partire da una nestra L
2
(R) mediante traslazione x R e
modulazione R, ossia

g
(t) =
(x,)
(t) = e
it
(t x) . (6.3)
76 Analisi di Fourier
In questo caso, linsieme dei parametri G `e il piano R
2
. Se su R
2
si denisce la
struttura naturale additiva (x, ) (y, ) = (x + y, + ), per la famiglia di operatori
(x, )(t) =
(x,)
(t) non vale lanalogo di (6.2):
(x, ) (y, )(t) = (x, )
_
(y, )
_
(t)
= e
it
_
(y, )
_
(t x)
= e
it
e
i(tx)
(t x y)
= e
ix
(x +y, +)(t).
Per fare in modo che (x, ) (y, ) = (x +y, +), bisogna considerare un gruppo
pi` u grande di R
2
, il famoso gruppo di Heisenberg, e usare questultimo come gruppo
di parametri. Una discussione dettagliata di questi aspetti elude tuttavia gli scopi di
questi appunti.
Linformazione fornita dal prodotto scalare f,
g
) viene rappresentata nel piano
tempo-frequenza mediante una regione rettangolare, per descrivere la quale ricor-
diamo i concetti di media e di varianza. Se f L
2
(R), allora
(f) =
1
|f|
2
2
__
R
x[f(x)[
2
dx
_
,
`e la media di f rispetto alla distribuzione di probabilit` a normalizzata ottenuta da
[f(x)[
2
dx, e la sua varianza `e denita da
(f) =
1
|f|
2
__
R
(x (f))
2
[f(x)[
2
dx
_
1/2
.
Lintervallo [(f) (f), (f) +(f)] da una indicazione qualitativa dellinsieme sul
quale f assume la maggior parte dei suoi valori.
`
E opportuno citare a questo punto
il famoso principio di indeterminazione cui abbiamo gi` a fatto riferimento. Una di-
mostrazione si pu` o trovare ad esempio in [M] oppure in [Gro].
Teorema 6.2 (Principio di indeterminazione di Heisenberg). Per ogni f L
2
(R) si
ha
(f)(

f)
1
2
.
Leguaglianza vale se e solo se esistono due numeri reali e e due numeri complessi
a e b tali che
f(t) = ae
it
e
b(t)
2
.
Torniamo alla discussione sugli atomi in tempo-frequenza. Si assuma che gli atomi
siano normalizzati, ossia |
g
|
2
= 1. Latomo
g
`e rappresentato dal rettangolo cen-
trato nel punto
_
(
g
), (

g
)
_
nel piano R
2
= (t, ) di ampiezza (
g
) nella di-
rezione dei tempi e (

g
) nella direzione delle frequenze. Tale rettangolo prende alle
volte il nome di rettangolo di Heisenberg.
Analisi in tempo-frequenza 77

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
(f)
(f)
. . . . . . . . . . . . . . . . . .
(

f) (

f)
Rappresentazione graca di un atomo in tempo-frequenza.
Il principio di indeterminazione aerma pertanto che larea del rettangolo di Heisen-
berg `e sempre maggiore o uguale a 1/2. Esso fornisce pertanto una prima e decisiva
indicazione del fatto che il piano tempo-frequenza va riguardato con estrema atten-
zione, nel senso che non esiste una funzione che sia perfettamente localizzata in alcuno
dei suoi punti.
6.2. Trasformata di Fourier a nestra mobile. Atomi del tipo (6.3) furono in-
trodotti da Gabor nel 1946 per misurare frequenze ben localizzate nei segnali sonori.
La trasformata di Fourier a nestra mobile, a volte detta trasformata di Fourier in
tempo breve (in inglese short-time Fourier transform, spesso abbreviata in STFT) `e
la trasformata di Fourier di una funzione f che sia stata preventivamente localizzata
in un certo intervallo temporale, da pensarsi breve. In altre parole, la funzione viene
prima moltiplicata per una nestra , idealmente la funzione caratteristica di un
intervallo, e poi trasformata. Per evitare di introdurre discontinuit` a in modo articiale,
la nestra viene normalmente scelta liscia.
Denizione 6.3. Sia ,= 0 una funzione ssata (detta nestra) denita in R
d
. La
trasformata di Fourier a nestra mobile di una funzione, f : R
d
C, rispetto a `e
denita da
S

f(x, ) =
_
R
d
f(y)(y x)e
iy
dy, x, R
d
(6.4)
Il suo modulo al quadrato
Spec

f(x, ) = [S

f(x, )[
2
(6.5)
viene detto lo spettrogramma di f rispetto a .
Per poter descrivere con linguaggio proprio le propriet` a della trasformata di Fourier
a nestra mobile, dora in poi abbreviata in STFT, `e utile introdurre le notazioni
78 Analisi di Fourier
tipiche dellanalisi in tempo-frequenza. Le due operazioni fondamentali di questo set-
tore dellanalisi di Fourier sono certamente le traslazioni e le modulazioni. Con
lieve modica di quanto visto Sezione 4.3, ove avevamo adottato le notazioni pi` u co-
muni nella comunit` a matematica, scriviamo
T
x
f(t) = f(t x), x, t R
d
e
M

f() = e
i
f(), , R
d
.
Abbiamo allora le relazioni canoniche di commutazione
T
x
M

= e
ix
M

T
x
, (6.6)
che sono di semplicissima dimostrazione. In particolare ne segue che T
x
e M

commu-
tano se e solo se x 2Z. Inoltre valgono le formule
(T
x
f)= M
x

f, (M

f)= T


f, (6.7)
che altro non sono che una riscrittura di (i) del Teorema 4.5. Da quanto precede
discende la pi` u importante formula in analisi tempo-frequenza:
(T
x
M

f)= e
ix
T

M
x

f, (6.8)
che si dimostra in modo immediato a partire da (6.6), (6.7) e (6.8).
Proposizione 6.4. Se f, L
2
(R
d
), allora S

f `e uniformemente continua in R
2d
e valgono le formule
S

f(x, ) = T(f T
x
)() (6.9)
= f, M

T
x
) (6.10)
= (2)
d

f, T

M
x

) (6.11)
= (2)
d
e
ix
S

f(, x). (6.12)


Dimostrazione. Le formule (6.9), (6.10),(6.11) e (6.12) sono una conseguenza di-
retta della discussione precedente e della denizione (6.4), e vengono lasciate per eser-
cizio. La continuit` a uniforme discende invece dalla continuit` a delle traslazioni in L
2
,
vista nellEsercizio 12 della Sezione 3.3, ossia:
lim
x0
|T
x
f f|
2
= 0
e
lim
0
|M

f f|
2
= (2)
d/2
lim
0
|T


f

f|
2
= 0,
questultima dovuta al Teorema di Plancherel. .
Da quanto visto in (6.10) abbiamo quindi ritrovato la forma generale T

f(g) =
f,
g
) discussa allinizio del capitolo; in eetti, ricordando la (6.3) abbiamo
S

f(x, ) = f, M

T
x
) = f,
(x,)
) (6.13)
con (x, ) R
2d
. La formula (6.12), ossia
S

f(x, ) = (2)
d
e
ix
S

f(, x)
Analisi in tempo-frequenza 79
`e da alcuni considerata la formula fondamentale dellanalisi in tempo-frequenza: essa
mostra che se riguardiamo S

f come una rappresentazione in tempo-frequenza di f ,


allora la trasformata di Fourier corrisponde ad una trasformazione di /2 nel piano.
Dal punto di vista degli spazi funzionali in cui la STFT `e denita, si osservi che se
f, g L
2
(R
d
), allora il prodotto fT
x

sta in L
1
(R
d
) e di conseguenza S

f = T(fT
x

)
`e ben denita puntualmente. Similmente, se L
p
(R
d
) e f L
p

(R
d
) con p e p

esponenti coniugati, allora per H older abbiamo la stessa conclusione. La relazione


(6.10) consente di estendere la STFT al contesto delle distribuzioni temperate. Il
riferimento dobbligo `e [Gro].
Proposizione 6.5. Ogniqualvolta S

f `e denita, si ha:
S

(T
y
M

f)(x, ) = e
iy
S

f(x y, ) (6.14)
per x, y, , R
d
. In particolare
[S

(T
y
M

f)(x, )[ = [S

f(x y, )[.
Dimostrazione. Utilizziamo la relazione di commutazione
M

T
y
M

T
x
= M

_
e
iy
M

T
y
_
T
x
= e
iy
M

T
xy
,
ottenendo
S

(T
y
M

f)(x, ) = T
y
M

f, M

T
x
)
= f, M

T
y
M

T
x
)
= f, e
iy
M

T
xy
)
= e
iy
S

f(x y, ).
.
La STFT soddisfa propriet` a simili a quelle godute dalla trasformata di Fourier. La
prima che enunciamo ha a che fare con i prodotti scalari.
Teorema 6.6 (Relazioni di ortogonalit` a per la STFT). Siano f
1
, f
2
,
1
,
2
L
2
(R
d
).
Allora S

j
f
j
L
2
(R
2d
) e
S

1
f
1
, S

2
f
2
) = (2)
d
f
1
, f
2
)
1
,
2
).
Dimostrazione. Supponiamo le nestre
j
L
1
L

(R
d
) L
2
(R
d
), cosicche
f
j
T
x

j
L
2
(R
d
) per ogni x R
d
. Possiamo allora applicare (6.9) e poi Parseval
allintegrale in d e otteniamo
_ __
S

1
f
1
(x, )S

2
f
2
(x, ) d
_
dx
=
_ __
T(f
1
T
x

1
)()T(f
2
T
x

2
)() d
_
dx
= (2)
d
_ __
f
1
(t)f
2
(t)
1
(t x)
2
(t x) dt
_
dx.
80 Analisi di Fourier
Siccome f
1
f
2
L
1
(R
d
.dt) e
1

2
L
1
(R
d
, dx), possiamo applicare Fubini e continuare
come segue:
S

1
f
1
, S

2
f
2
) = (2)
d
_
f
1
(t)f
2
(t)
__

1
(t x)
2
(t x) dx
_
dt
= (2)
d
f
1
, f
2
)
1
,
2
).
Lestensione a f
1
, f
2
,
1
,
2
L
2
(R
d
) delluguaglianza trovata avviene mediante un
argomento di densit` a standard, che omettiamo. Il lettore interessato pu` o vedere [Gro]
per i dettagli. .
Corollario 6.7. Se f, L
2
(R
d
), allora
|S

f|
2
= (2)
d/2
|f|
2
||
2
.
In particolare, se ||
2
= 1, allora
|S

f|
2
= (2)
d/2
|f|
2
per ogni f L
2
(R
d
), (6.15)
ed in questo caso la STFT `e multiplo di una isometria di L
2
(R
d
) in L
2
(R
d
).
Osserviamo che dalla (6.15) segue in particolare, utilizzando la (6.10), che se per
ogni x, R
d
risulta 0 = S

f(x, ) = f, M

T
x
), allora f = 0 quasi ovunque. Ci` o
equivale a dire che per ogni ssata L
2
(R
d
) linsieme M

T
x
: x, R
d
genera
un sottospazio denso di L
2
(R
d
).
Teorema 6.8 (Inversione della STFT). Siano , L
2
(R
d
) tali che , ) , = 0. Al-
lora per ogni f L
2
(R
d
) si ha
f =
1
(2)
d
, )
__
S

f(x, )M

T
x
dxd, (6.16)
ove luguaglianza vale in senso debole, ossia, per ogni h L
2
(R
d
)
f, h) =
1
(2)
d
, )
__
S

f(x, )M

T
x
, h) dxd. (6.17)
Dimostrazione. Sia h L
2
(R
d
). Utilizzando le relazioni di ortogonalit` a abbiamo
(2)
d
f, h) =
1
, )
S

f, S

h)
=
1
, )
__
S

f(x, )h, M

T
x
) dxd,
come volevasi. .
Concludiamo questa sezione con qualche commento circa i rettangoli di Heisenberg
associati alla STFT nel caso unidimensionale. Supponiamo di scegliere una nestra
che sia reale e pari, ossia : R R e (t) = (t). Sappiamo allora (esercizio 4.3
della Sezione 4.3) che tale `e anche

. Calcoliamo ora (
x,
) e (

x,
) nellipotesi
ulteriore che ||
2
= 1, ricordando che

x,
(t) = e
it
(t x).
Analisi in tempo-frequenza 81
Innanzitutto, per la media abbiamo:
(
x,
) =
_
t[
x,
(t)[
2
dt =
_
t[(t x)[
2
dt =
_
(x +y)[(y)[
2
dy = x +
_
y[(y)[
2
dy,
e quindi (
x,
) = x in quanto y y[(y)[
2
`e dispari perche `e pari. Quindi la
varianza (
x,
) soddisfa

2
(
x,
) =
_
(t (
x,
))
2
[
x,
(t)[
2
dt =
_
(t x)
2
[(t x)[
2
dt =
_
t
2
[(t)[
2
dt
ed `e pertanto indipendente da x e . Siccome

x,
() = e
ix()

( ),
otteniamo in modo del tutto analogo (

x,
) = e quindi

2
(

x,
) =
1
2
_
( )
2
[

x,
()[
2
d =
1
2
_

2
[

()[
2
d =
2
(

).
Ne segue che a
x,
corrisponde un rettangolo di Heisenberg centrato nel punto (x, )
esattamente uguale al rettangolo che corrisponde a , che `e naturalmente centrato
nellorigine. Ci` o signica che la STFT ha la stessa risoluzione in ogni punto.
6.3. Trasformata wavelet. Mentre i parametri dellanalisi in tempo-frequenza sono,
ovviamente, il tempo x e la frequenza , i parametri che si utilizzano nellanalisi
in ondine (wavelets) sono tipicamente il tempo x e la scala s. Anche se dal punto
di vista matematico non vi sono problemi signicativi nel trattare il caso x R
d
e
s R, noi ci limiteremo al caso naturale in cui il tempo `e eettivamente un numero
reale, ossia x R, e le scale sono positive, ossia s > 0. Il ruolo svolto nellanalisi in
tempo-frequenza dalle modulazioni M

`e ora svolto dalle dilatazioni


D
s
f(x) =
1

s
f
_
x
s
_
. (6.18)
Con riferimento al gruppo ane, cio`e a (6.1), avremo D
s
f = f
(s,0)
. Osserviamo che la
normalizzazione scelta, ossia la moltplicazione per 1/

s `e diversa da quella utilizzata


in (4.2) e poi nel Teorema 4.5. A noi ora interessa una normalizzazione in L
2
(R) e non
in L
1
(R). In eetti, con il cambio di variabile y = x/s abbiamo
|D
s
f|
2
2
=
_

s
f
_
x
s
_

2
dx =
_

f
_
x
s
_

2
dx
s
=
_
[f(y)[
2
dy = |f|
2
2
.
In analogia formale con la STFT diamo la seguente:
Denizione 6.9. Sia ,= 0 una funzione ssata (detta ondina analizzante) denita
in R. La trasformata wavelet di una funzione f : R C rispetto a `e denita da
W

f(x, s) =
_
f(y)
1

_
y x
s
_
dy = f, T
x
D
s
) x R, s > 0. (6.19)
Spesso scriveremo WT (wavelet transform) per la trasformata wavelet.
82 Analisi di Fourier

Ondina analizzante

Ondina dilatata D
2

Ondina compressa D
1/2

Analisi in tempo-frequenza 83
In molte applicazioni, londina analizzante `e presa di media nulla, ossia
_
= 0 e
normalizzata in L
2
, ossia in modo che ||
2
= 1. Osserviamo che se il supporto di `e
un intervallo I del tipo I = [, ] , allora il supporto di T
x
D
s
`e contenuto nellinsieme
x + sI , che `e un intorno del punto x di semi-ampiezza s. Quindi W

f(x, s) codi-
ca in qualche modo informazione su f localizzata in x ad una scala che dipende
da s, nel senso che s rappresenta la risoluzione locale alla quale i dettagli vengono
osservati. Per un s > 0 ssato, la trasformata wavelet pu` o essere interpretata come
una approssimazione di f che vede solo i dettagli alla scala s e confonde dettagli pi` u
ni. Viceversa, se ssiamo x e consideriamo s 0, la funzione W

f(x, ) si comporta
come un microscopio puntato su x che evidenzia dettagli via via pi` u ni.
Riprendiamo per un attimo il linguaggio del gruppo ane. Con riferimento alla
formula (6.3), la trasformata wavelet pu` o essere scritta nella forma W

f(x, s) =
f, (s, x)), in analogia formale con la formula (6.13) per la STFT. Una notazione
unicata per le trasformate STFT e WT `e proprio quella suggerita allinizio del capi-
tolo: T

f(g) = f,
g
). Nel caso della WT, g G dove G `e il gruppo ane ax +b
e
g
= (g) con denita da (6.1). In eetti : G |(L
2
) `e una mappa a valori
nello spazio |(L
2
) degli operatori unitari
15
su L
2
. Una siatta mappa si chiama una
rappresentazione unitaria di G se soddisfa (gh) = (g)(h) e se `e continua in un
senso opportuno.
Teorema 6.10 (Relazioni di ortogonalit` a per la WT). Se
1
,
2
L
2
(R) soddisfano
le condizioni di ammissibilit`a
_
+
0

1
()

2
()

=< +. (6.20)
_
+
0

1
()

2
()
d

=
_
+
0

1
()

2
()
d

:= C

1
,
2
, (6.21)
allora per ogni f
1
, f
2
L
2
(R) si ha
_
+
0
_
R
W

1
f
1
(x, s)W

2
f
2
(x, s)
dxds
s
2
= C

1
,
2
f
1
, f
2
).
Dimostrazione. Proveremo le relazioni di ortogonalit` a per f
j
L
1
L
2
. Il caso
generale segue applicando argomenti di densit` a. Osserviamo che se poniamo
h

(x) = h(x),
allora in generale
f g(x) =
_
f(y)g(x y) dy =
_
f(y)T
x
(g

)(y) dy = f, T
x
(g

)).
Quindi
W

f(x, s) = f, T
x
D
s
) = (f D
s

)(x).
15
Non `e necessario in questo contesto denire nei dettagli il concetto di operatore unitario U . In
pratica si deve pensare che U `e una mappa lineare U : L
2
L
2
che preserva il prodotto scalare di
L
2
, cio`e Uf, Ug) = f, g).
84 Analisi di Fourier
Questo mostra che per ogni ssato s la funzione x W

f(x, s) `e in L
2
, in quanto
f L
1
, D
s

L
2
e, come conseguenza della diseguaglianza integrale di Minkowski,
L
1
L
2
L
2
(si veda lEsercizio 2 della Sezione 4.2). La trasformata di D
s

`e
T(D
s

)() =
_
1

s
(x/s)e
ix
dx
=
_
1

s
(y)e
isy
s dy
=

s

(s).
Applicando Parseval-Plancherel allintegrale in dx abbiamo
_
+
0
__
R
W

1
f
1
(x, s)W

2
f
2
(x, s) dx
_
ds
s
2
=
_
+
0
(2)
1
__
R
s

f
1
()

f
2
()

1
(s)

2
(s) d
_
ds
s
2
= (2)
1
_
R

f
1
()

f
2
()
_
_
+
0

1
(s)

2
(s)
ds
s
_
d
= (2)
1
Tf
1
, Tf
2
)C

1
,
2
= C

1
,
2
f
1
, f
2
).
In eetti, Fubini `e stato applicato perche [

f
1

f
2
[ L
1
e s
1

2
L
1
per ipotesi. Per
quanto riguarda lintegrale interno in ds, si scrive = [[ dove = 1 e si eettua
il cambio di variabile t = s[[: poiche
_
+
0

1
(t)

2
(t)
dt
t
= C

1
,
2
, = 1
si ha la tesi. .
Corollario 6.11 (Calderon, Grossmann, Morlet). Se
1
e
2
soddisfano le condizioni
di ammissibilit`a (6.20) e (6.21), allora per ogni f L
2
(R) si ha
f =
1
C

1
,
2
_
+
0
_
R
W

1
f(x, )T
x
D
s

2
dx
ds
s
2
, (6.22)
ove luguaglianza vale in senso debole, ossia, per ogni h L
2
(R)
f, h) =
1
C

1
,
2
_
+
0
_
R
W

1
f(x, )T
x
D
s

2
, h) dx
ds
s
2
. (6.23)
Contrariamente al caso della STFT per la quale le relazioni di ortogonalit` a sono
vere per ogni
j
, le ondine devono soddisfare delle condizioni di ammissibilit`a,
quelle cio`e espresse da (6.20) e (6.21). La (6.20) vale ogniqualvolta una tra

1
e

2
si
annulla in un intorno dellorigine, e (6.21) vale per tutte le funzioni pari. Se

1
,

2

L
1
L
2
, allora (6.20) di fatto implica che

1
(0) =
_

1
= 0 oppure

2
(0) =
_

2
= 0.
In particolare se
1
=
2
, ossia se londina di analisi
1
`e la stessa dellondina di
sintesi
2
, questa condizione `e ovviamente soddisfatta. Perci` o molti autori chiamano
wavelet una funzione di L
2
che soddis la condizione di media nulla.
Analisi in tempo-frequenza 85
Se allora
_
= 0, la trasformata W

f(x, s) misura quanto cambia f in un intorno


di x di ampiezza s. Se per esempio il supporto di `e lintervallo I e f `e costante
nellinsieme x + sI , cio`e sul supporto di T
x
D
s
, allora W

f(x, s) = 0. Siccome una


funzione liscia cambia di poco intorno ad x, la sua WT dovrebbe essere piccola in x.
Viceversa, una singolarit` a di f in x signica che f cambia molto intorno ad x e quindi
la sua WT dovrebbe essere grande in x. Queste osservazioni danno una spiegazione
intuitiva del fatto che la WT `e un ottimo strumento per misurare la regolarit` a locale
delle funzioni.
Concludiamo anche questa sezione con il calcolo dei rettangoli di Heisenberg associati
alla WT. Supponiamo di scegliere unondina analizzante che sia reale e pari, cosicche
tale `e anche

. Calcoliamo (
x,s
) e (

x,s
) nellipotesi ||
2
= 1, dove

x,s
(t) =
1

_
t x
s
_
.
Per la media abbiamo:
(
x,s
) =
_
t[
x,s
(t)[
2
dt
=
_
t
s

_
t x
s
_

2
dt
=
_
(x +y)
s

_
y
s
_

2
dy
= x
_

_
y
s
_

2
dy
s
+
_
y

_
y
s
_

2
dy
s
= x||
2
2
+s
_
z[(z)[
2
dz
= x.
Quindi

2
(
x,s
) =
_
(t (
x,s
))
2
[
x,s
(t)[
2
dt
=
_
(t x)
2
s

_
t x
s
_

2
dt
=
_
y
2

_
y
s
_

2
dy
s
= s
2
_
z
2
[(z)[
2
dz.
= s
2

2
()
Siccome
T(
x,s
)() =

(s)e
ix
,
otteniamo in modo del tutto analogo
(

x,s
) =
1
s
(

),

2
(

x,s
) =
1
s
2

2
(

).
86 Analisi di Fourier
In conclusione, il rettangolo di Heisenberg associato a
x,s
`e centrato in (x, (

)) ed
ha lati di lunghezze s() e (

)/s nelle direzioni rispettivamente dei tempi e delle
frequenze.

.
.
.
.
.
.
.
.
.
(
1
)
(

1
) = (

0
)/s
1
(
1
) = s
1
(
0
)
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
(

0
) = (

1
)
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
(
0
) = (
2
)
. . .. . . . . .
(

2
) (
2
) = s
2
(
0
)
(

2
) = (

0
)/s
2
Rettangoli di Heisenberg associati a s
1
= 1/4 e s
2
= 4.
6.4. La distribuzione di Wigner. Sia la trasformata di Fourier a nestra mobile,
sia la trasformata wavelet sono date dalle proiezioni del segnale lungo famiglie di atomi
in tempo-frequenza. Quindi la risoluzione sia in tempo sia in frequenza di entrambe
le trasformate `e vincolata dalla risoluzione in tempo-frequenza degli atomi considerati.
Idealmente si vorrebbe denire una densit` a di energia nel piano che non disperda
lenergia del segnale ne in tempo ne in frequenza. La distribuzione di Wigner `e
una densit` a di energia nel piano tempo-frequenza che risulta dalle proiezioni del
segnale lungo gli atomi che si ottengono a partire dal segnale stesso considerandone le
traslazioni in tempo-frequenza.
Il termine densit` a di energia non `e tuttavia appropriato perche la distribuzione
di Wigner non `e quasi mai positiva. Il termine rappresentazione quadratica in tempo-
frequenza `e pi` u appropriato, ma `e solo un modo pi` u suggestivo di esprimere lo stesso
concetto: lo scopo `e quello di misurare quanta dellenergia del segnale in un certo
Analisi in tempo-frequenza 87
intervallo temporale `e concentrata in un certo intervallo di frequenze. Per Plancherel
|f|
2
2
=
_
[f(t)[
2
dt =
1
2
_
[

f()[
2
d, (n = 1).
Le quantit` a [f(t)[
2
e [

f()[
2
/2 possono quindi essere interpretate rispettivamente
come densit`a di energia in tempo ed in frequenza. Quindi, se vogliamo trovare una
densit`a di energia congiunta P(t, ), essa dovr` a necessariamente soddisfare le cosiddette
propriet` a marginali:
_
P(t, ) dt = [

f()[
2
/2,
_
P(t, ) d = [f(t)[
2
.
Prima di passare allo studio della distribuzione di Wigner, osserviamo che lo spettro-
gramma Spec

f(x, ) di f rispetto ad una nestra , denito in (6.5), soddisfa per-


lomeno tre propriet` a che ci si aspetta da una densit` a di energia: esso `e non-negativo,
covariante e preserva lenergia (a meno di un fattore):
Spec

f(x, ) 0 per denizione;


Spec

(T
y
M

f)(x, ) = Spec

f(x y, ) per la Proposizione 6.5;


|Spec

f|
1
= (2)
1/2
|f|
2
per (6.15).
Si osservi che comunque Spec

f(x, ) dipende dalla scelta della nestra e quindi


non `e intrinseco al segnale f come invece si desidererebbe.
Denizione 6.12. La distribuzione di Wigner Wf di una funzione f L
2
(R
d
) `e
denita da
Wf(x, ) =
_
f
_
x +
t
2
_
f
_
x
t
2
_
e
it
dt.
Polarizzando questa espressione quadratica si ottiene la cosiddetta cross-Wigner per
due funzioni f, g L
2
(R
d
):
W(f, g)(x, ) =
_
f
_
x +
t
2
_
g
_
x
t
2
_
e
it
dt.
Osserviamo subito che la distribuzione di Wigner Wf `e a valori reali in quanto essa `e,
per ogni ssato x la trasformata di Fourier della funzione t h
x
(t) = f(x+
t
2
)f(x
t
2
)
che soddisfa h(t) =

h(t). La distribuazione di Wigner `e legata molto strettamente
alla STFT, come andiamo a vericare.
Lemma 6.13. Per ogni f, g L
2
(R
d
) si ha
W(f, g)(x, ) = 2
d
e
2ix
S
g
f(2x, 2),
dove g(x) = g(x) `e la riessa di g.
88 Analisi di Fourier
Dimostrazione. Mediante il cambio di variabile u = x +t/2 otteniamo
W(f, g)(x, ) =
_
f
_
x +
t
2
_
g
_
x
t
2
_
e
it
dt
=
_
f (u) g ((u 2x))e
i2(ux)
2
d
du
= 2
d
e
i2x
_
f (u) g (u 2x)e
iu(2)
du
= 2
d
e
i2x
f, M
2
T
2x
g)
= 2
d
e
2ix
S
g
f(2x, 2).
.
Mediante il risultato precedente possiamo trasferire sulla distribuzione di Wigner
tutte le propriet` a che gi` a conosciamo della STFT.
Proposizione 6.14. Siano f, g L
2
(R
d
). La loro cross-Wigner soddisfa le seguenti
propriet` a:
(a) W(f, g) `e uniformemente continua e
|W(f, g)|

2
d
|f|
2
|g|
2
.
(b) Per x, y, , R
d
si ha
W(T
y
M

f, T
z
M

g)(x, )
= e
i
2
(y+z)()
e
ix()
e
i(yz)
W(f, g)
_
x
y +z
2
,
+
2
_
.
In particolare, Wf `e covariante, cio`e
W(T
y
M

f)(x, ) = Wf(x y, ).
(c) W(

f, g)(x, ) = (2)
d
W(f, g)(, x).
(d) Vale la formula di Moyal:
W(f
1
, g
1
), W(f
2
, g
2
)) = (2)
d
f
1
, f
2
)g
1
, g
2
).
Dimostrazione. (a) Luniforme continuit` a segue dalla Proposizione 6.4, mentre la
stima sulla norma si ottiene da Cauchy-Schwartz, tenendo conto di quanto visto nella
dimostrazione del Lemma 6.13
[W(f, g)(x, )[ = [2
d
e
i2x
f, M
2
T
2x
g)[ 2
d
|f|
2
|g|
2
.
(b) Preliminarmente si osserva che
(T
z
M

g) = e
i(x+z)
g(x +z)
S
(
T
z
M

g
)

(q, p) = e
i(zq)
S
g
(q z, p x),
Analisi in tempo-frequenza 89
come si dimostra con semplici passaggi a partire dalla denizione. Quindi, applicando
il Lemma 6.13, (6.14) e le formule appena scritte si ottiene
W(T
y
M

f, T
z
M

g)(x, ) = 2
d
e
2ix
S
(
T
z
M

g
)

(T
y
M

f)(2x, 2)
= 2
d
e
2ix
e
iy(2)
S
(
T
z
M

g
)

f(2x y, 2 )
= 2
d
e
2ix
e
iy(2)
e
i(z2x+y)
S
g
f(2x y z, 2 )
= e
i(2x2y+(z2x+y))
e
2i
(
x
y+z
2
)(

+
2
)

2
d
e
2i
(
x
y+z
2
)(

+
2
)
S
g
f
_
2
_
x
y +z
2
_
, 2
_

+
2
__
.
Utilizzando ancora il Lemma 6.13 per il termine che compare nel secondo rigo e
riscrivendo lesponente al primo rigo si perviene alla formula desiderata.
(c) Innanzitutto osserviamo che ( g) = ( g). Dal Lemma 6.13 e dalla formula di
Parseval si ha quindi
W(

f, g)(x, ) = 2
d
e
2ix

f, M
2
T
2x
( g))
= 2
d
e
2ix

f, M
2
T
2x
( g))
= 2
d
e
2ix

f, (T
2
M
2x
g))
= 2
d
e
2ix
(2)
d
f, T
2
M
2x
g)
= 2
d
e
2ix
(2)
d
f, e
4ix
M
2x
T
2
g)
= (2)
d
2
d
e
2ix
f, M
2x
T
2
g)
= (2)
d
W(f, g)(, x),
avendo anche tenuto conto delle relazioni di commutazione T
2
M
2x
= e
4x
M
2x
T
2
.
(d) La formula di Moyal `e una conseguenza delle relazioni di ortogonalit` a per la
STFT. Infatti, riconducendoci ancora alla STFT per mezzo del Lemma 6.13, otteniamo
W(f
1
, g
1
), W(f
2
, g
2
)) =
__
W(f
1
, g
1
)(x, )W(f
2
, g
2
)(x, ) ddx
= 2
4d
__
S
g
1
f
1
(2x, 2)S
g
2
f
2
(2x, 2) ddx
=
__
S
g
1
f
1
(x, )S
g
2
f
2
(x, ) ddx
= S
g
1
f
1
, S
g
2
f
2
)
= (2)
d
f
1
, f
2
) g
1
, g
2
)
= (2)
d
f
1
, f
2
)g
1
, g
2
).
.
Possiamo ora provare che Wf soddisfa le propriet` a marginali, a meno di una costante
moltiplicativa.
90 Analisi di Fourier
Proposizione 6.15. Se f,

f L
1
L
2
(R
d
), allora
_
Wf(x, ) dx = [

f()[
2
(6.24)
_
Wf(x, ) d = (2)
d
[f(x)[
2
. (6.25)
In particolare,
__
Wf(x, ) dxd = (2)
d
|f|
2
2
. (6.26)
Dimostrazione. Riscriviamo la (c) della Proposizione 6.14 per f = g
Wf(x, ) = (2)
d
W

f(, x) = (2)
d
__

f( +
t
2
)

f(
t
2
)e
itx
dt.
La formula di inversione dice quindi che per ogni ssato la trasformata di Fourier
della funzione x Wf(x, ) nel punto t `e

f( +
t
2
)

f(
t
2
).
Siccome lintegrale di una funzione non `e altro che il valore della sua trasformata di
Fourier nellorigine, lintegrale di Wf(x, ) rispetto a dx `e il valore della funzione
precedente per t = 0, cio`e [

f()[
2
.
Similmente, la formula che denisce la Wigner, cio`e
Wf(x, ) =
_
f
_
x +
t
2
_
f
_
x
t
2
_
e
it
dt
mostra che per ogni ssato x, la trasformata di Fourier della funzione
t f(x +
t
2
)f(x
t
2
)
nel punto `e necessariamente Wf(x, ). Siccome, per la formula di inversione,
lintegrale della trasformata di Fourier `e uguale a (2)
d
volte il valore della funzione
nellorigine, lintegrale Wf(x, ) rispetto a d `e esattamente (2)
d
[f(x)[
2
. .
Come gi` a accennato in precedenza, la distribuzione di Wigner non soddisfa una
propriet` a chiave delle funzioni che possano svolgere il ruolo di densit` a di probabiilit` a:
lessere positive. In eetti per la funzione caratteristica
[a,a]
risulta
W
[a,a]
(x, ) =
2 sin
_
2(a [x[)
_


[a,a]
(x),
una funzione oscillante che assume inniti valori negativi.
Lungi dallessere un caso eccezionale, lesempio precedente `e piuttosto la regola. Citi-
amo, senza dimostrazione, il seguente risultato di Hudson di natura del tutto generale.
Teorema 6.16 (Hudson[H]). Sia f L
2
(R
d
). Allora Wf(x, ) > 0 per ogni (x, )
R
2d
se e solo se f `e una Gaussiana generalizzata della forma
f(x) = e
xAx+2bx+c
,
dove A GL(d, C) con parte reale denita positiva, b C
d
e c C .
Bibliograa 91
Bibliografia
[C] L. Cohen, Time-frequency Analysis. Prentice Hall, New Jersey, 1995.
[D] I. Daubechies, Ten lectures on wavelets. SIAM, Philadelphia, 1992.
[EP] C. Epstein, The Mathematics of Medical Imaging. Prentice Hall 2001 (in stampa).
[F1] G. Folland, Introduction to Partial Dierential Equations. Princeton University Press, Princeton,
New Jersey, 1976.
[F2] G. Folland, Fourier Analysis and its Applications. Brooks/Cole Publishing Company, Pacic
Grove, California, 1992.
[F3] G. Folland, Real Analysis. John Wiley & Sons, New York, 1999.
[H] R. L. Hudson, When is the Wigner quasi-probability density non-negative? Rep. Mathematical
Phys., 6(2), 249-252, 1974.
[M] S. Mallat, A wavelet tour of signal processing. Academic Press, San Diego, 1998.
[Gra] L. Grafakos, Classical and modern Fourier Analysis. Pearson Prentice Hall, New Jersey, 2003.
[Gro] K. Gr ochenig, Foundations of Time-Frequency Analysis. Birkh auser, Boston, 2001.
[R1] W. Rudin, Principles of Mathematical Analysis. McGraw-Hill, New York, 1976.
[R2] W. Rudin, Functional Analysis. McGraw-Hill, New York, 1973.
[Sch] L. Schwartz, Theorie des Distributions (2nd ed.), Hermann, Paris (1966).
[SS] E. M. Stein and R. Shakarchi, Fourier Analysis, an introduction. Princeton University Presss,
Princeton, 2003.
[SW] E. M. Stein and G. Weiss, Introduction to Fourier Analysis on Euclidean Spaces. Princeton
University Presss, Princeton, 1971.
Filippo De Mari, DIPEM, Universit` a di Genova
E-mail address: demari@dima.unige.it