Sei sulla pagina 1di 39

Introduzione alla teoria degli spazi di Hilbert per il Corso di Metodi Matematici per líIngegneria

Marco Bramanti Politecnico di Milano

4 maggio 2012

Indice

1 Cenni su operatori e funzionali lineari continui

 

1

1.1 Operatori lineari continui

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

1

1.2 Funzionali lineari continui

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

4

2 Geometria negli spazi di Hilbert

 

6

2.1 Spazi vettoriali con prodotto interno

 

7

2.2 Spazi di Hilbert

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

13

3 Funzionali lineari continui su uno spazio di Hilbert

 

17

4 Analisi di Fourier in spazi di Hilbert

 

22

5 Applicazioni allíanalisi armonica

 

29

5.1 Il sistema trigonometrico. Serie di Fourier in una o due variabili

 

29

5.2 Base di Haar e wavelets

 

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

.

34

1 Cenni su operatori e funzionali lineari continui

Prima di introdurre líargomento degli spazi di Hilbert, dobbiamo rapidamente introdurre alcuni concetti riguardanti le funzioni lineari deÖnite su spazi vetto- riali normati qualsiasi.

1.1 Operatori lineari continui

DeÖnizione 1.1 Siano X; Y due spazi vettoriali normati sul campo K (= R o C ). Una funzione T : X ! Y si dice operatore lineare se

T ( x + y ) = T (x) + T (y ) 8x; y 2 X; 8 ; 2 K.

1

Solitamente quando un operatore Ë lineare si omette la parentesi nellíar- gomento, e si scrive T x invece che T (x) (ma naturalmente bisogna comunque scrivere T (x + y ) se líargomento Ë una somma!).

Teorema 1.2 Siano X; Y due spazi vettoriali normati e T : X ! Y un opera- tore lineare. Sono equivalenti le seguenti tre condizioni:

(a)

T (vista come funzione tra due spazi metrici) Ë continua in 0.

(b)

T Ë continua in ogni punto.

(c)

vale la seguente condizione di limitatezza:

sup

x2X;x 6=0

kTxk Y

k xk X

< 1 :

Dimostrazione. Proviamo che (a)=) (b). Questo Ë vero per linearit‡. Provi-

amo che T Ë continua in x sapendo che Ë continua in 0: Occorre mostrare che

x n ! x =) Tx n ! T x:

Ma per linearit‡:

Tx n Tx = T (x n x) ! 0 perchÈ (x n x) ! 0

e T Ë continua in 0.

Proviamo che (b)=) (c). Per assurdo, sia

sup

x2X;x 6=0

k Txk Y

kxk X

= + 1;

1

allora esiste una successione fx n g =1 X tale che

n

Poniamo y n = si ha

k Tx

n k Y

kx n k X

n:

(1.1)

1

k X . Allora k y n k X = n ! 0 perciÚ essendo T continua in 0

x

n

n

k x

n

Ty n ! 0. Ma:

Ty n =

Tx n

n k x n k X

perciÚ k T y n k Y = kTx n k Y 1 per (1.1),

n k x n k X

assurdo. Proviamo che (c)=) (a). Per ipotesi esiste K > 0 tale che

kTxk Y

kxk X

< K per ogni x 2 X; x 6= 0:

Allora se x n ! 0;

kTx n k Y <K kx n k X ! 0

perciÚ T x n ! 0 ; e T Ë continua in 0. Líequivalenza delle tre condizioni Ë quindi

provata.

X ! 0 perciÚ T x n ! 0 ; e T Ë continua in 0

2

DeÖnizione 1.3 Un operatore lineare T : X ! Y tra due spazi vettoriali nor- mati X; Y si dice continuo se vale una delle tre condizioni equivalenti espresse dal teorema precedente. In tal caso si deÖnisce norma dellíoperatore il numero

Risulta, per deÖnizione

k T k =

sup

x2X;x 6=0

k Txk Y

kxk X

.

k Txk Y kT k kxk X

8x 2 X:

Esempio 1.4 1. Sia k 2 L 1 (R n ). Allora

T

: L p (R n ) ! L p (R n )

T f

= kf

Ë lineare continuo su L p (R n ) ; per ogni p 2 [1; 1] ; con kT k = kk k L 1 ( R n ) . T si dice (ovviamente) operatore di moltiplicazione.

2. Sia k 2 L 1 (R n ) : Allora

T : L p (R n ) ! L p (R n )

Tf = k f

Ë lineare continuo su L p (R n ) ; per ogni p 2 [1; 1] ; con k T k = kk k L 1 ( R n ) , in base alla disuguaglianza di Young. T si dice (ovviamente) operatore di convoluzione.

2. Sia

T : C 0 [0; 1] ! C 0 [0; 1]

Tf (x) = Z x f (t ) dt:

0

Líoperatore integrale T Ë lineare continuo,

3. Sia

jTf (x)j Z x jf (t )j dt kf k 1 Z x dt = x k f k 1

0

0

k Tf k 1 k f k 1 :

T : C 2 [a; b ] ! C 0 [a; b ]

Tf (x) = (x) f 00 (x) + (x) f 0 (x) + (x) f (x)

con ; ; 2 C 0 [a; b ] : Líoperatore di§erenziale T Ë lineare e continuo perchÈ

kTf k C 2 [ a;b ] c kf

k C 0 [ a;b ]

con c dipendente da k k C 0 [ a;b ] ; k k C 0 [ a;b ] ; k k C 0 [ a;b ] :

3

Si veriÖca facilmente che ogni combinazione lineare di operatori lineari con- tinui tra X e Y Ë a sua volta un operatore lineare continuo. Si puÚ considerare quindi lo spazio L (X; Y ) di tutti gli operatori lineari continui tra gli spazi vettoriali normati X e Y , che risulta uno spazio vettoriale. Anzi, la norma operatoriale

k T k =

sup

x2X;x 6=0

k Txk Y

kxk X

risulta e§ettivamente una norma in questo spazio, quindi: L (X; Y ) Ë uno spazio vettoriale normato . Si puÚ dimostrare che, inoltre, se Y Ë di Banach anche L (X; Y ) Ë di Banach.

1.2 Funzionali lineari continui

Un caso particolare di operatore lineare si ha quando Y coincide con il campo degli scalari. Un operatore lineare continuo T : X ! R (dove X Ë uno spazio vettoriale normato reale) si dice funzionale lineare continuo su X . Lo spazio L (X; R ) si dice spazio duale di X e si indica con X o X 0 : sempre uno spazio di Banach (perchÈ il secondo spazio, Y = R , lo Ë). Quindi il duale di uno spazio vettoriale normato X Ë lo spazio (vettoriale normato) dei funzionali lineari continui su X . La norma di un funzionale lineare continuo Ë deÖnita da

kT k =

sup

x2X;x 6=0

jTxj

kxk X

.

Esempio 1.5 1. Sia X = C 0 [a; b ]. Fissato un punto x 0 2 [a; b ], il funzionale

Tf = f (x 0 )

Ë ovviamente lineare, ed Ë continuo perchÈ

jTf j = jf (x 0 )j k f k C 0 [ a;b ] , da cui

k T k 1:

T si dice funzionale di valutazione (valuta le funzioni nel punto x 0 ). 2. Sia X = C 0 [a; b ]. Líintegrale deÖnito Ë un funzionale lineare continuo:

b

Tf = Z f (t ) dt

a

b

jTf j Z a jf (t )j dt k f k C 0 [ a;b ] (b a)

kT k (b a) :

Confrontando gli esempi 1 e 2 vediamo che esistono funzionali lineari con- tinui di tipo molto diverso, sullo spazio C 0 [a; b ] :

3. Sia X = L p ( ), e Össiamo una funzione g 2 L q ( ) con q esponente coniugato a p . Allora:

Tf = Z f (x) g (x) dx

4

Ë un funzionale lineare continuo su L p ( ) ; per la disuguaglianza di Hˆlder:

jTf j Z jf (x) g (x)j dx kf k L p ( ) kg k L q ( ) ; perciÚ

kT k k g k L q ( ) .

Mostriamo che Ë, pi˘ precisamente, kT k = k g k L q ( ) . Eí su¢ ciente per questo

trovare una speciÖca f per cui risulti Si ha f 2 L p perchÈ

p = kg k q : Poniamo: f = jg j q 1 sgn(g ) :

j T f j k f k

jf j p = jg j ( q 1) p = jg j q ; quindi kf k p = kg k q=p e

q

Tf

= Z f (t ) g (t ) dt = Z jg j q dt = kg k q

a

a

q

b

b

Tf kf k p

kg k q

q

k

g k q=p

q

=

= kg k q q=p

q

= k g k q ;

quindi k T k = k g k L q ( ) .

Líultimo esempio si puÚ rileggere cosÏ: ogni funzione g 2 L q ( ) induce in modo naturale un funzionale lineare continuo su L p ( ) per p; q coniugati. Potremmo indicare questo funzionale con

T g : L p ( ) ! R

b

T g : f 7 ! Z fg:

a

Chiediamoci ora: esistono funzionali lineari continui su L p ( ) di tipo diverso da questo, cioË che non si rappresentino come integrali contro una funzione L q ? La risposta Ë negativa, e questo signiÖca che conosciamo una caratterizzazione completa dei funzionali lineari continui su L p ( ):

Teorema 1.6 (di rappresentazione di Riesz) Sia 1 p < 1 . Per ogni funzionale lineare continuo T su L p ( ) esiste una funzione g 2 L q ( ) (con q esponente coniugato di p ) tale che

Inoltre kT k = k g k q .

b

T : f 7 ! Z fg:

a

Possiamo anche leggere questo teorema dicendo: lo spazio duale di L p ( ) si puÚ identiÖcare con L q ( ) ; per 1 p < 1. Invece, il duale di L 1 ( ) non

Ë L 1 ( ). Si osservi che, in particolare, il duale di L 2 ( ) Ë L 2 ( ) stesso (essendo líesponente 2 il coniugato di se stesso). Questo fatto Ë un caso particolare di un

5

teorema molto pi˘ generale, di rappresentazione dei funzionali lineari continui

su uno spazio di Hilbert, di cui parleremo fra non molto. Si osservi anche che tutto ciÚ che abbiamo detto vale per gli spazi L p su qualsiasi spazio di misura astratto ( ; M; ). Se in particolare consideriamo lo spazio (N ; P (N ) ; m ) dove m Ë la misura del conteggio, otteniamo gli spazi L p

di successioni, indicati col simbolo ` p :

8
<

` p = : x = f x n g =1 R : kxk ` p =

n

1

=1 jx n j p ! 1 =p

1

X

n

` 1 = x = fx n g =1 R : k xk ` 1 = sup jx n j < 1 :

1

n

n

< 1

9

=

;

; per 1 p < 1 ;

In particolare i funzionali lineari continui su ` p sono tutti e soli quelli del tipo:

e si ha:

T y : f x n g

1

n =1 7!

1

X

n

=1

x

n y n

1

X

n =1

1

x n y n con f y n g =1 2 ` q Össato,

n

=1 jx n j p ! 1 =p

1

X

n

1 =1 jy n j q ! 1 =q

X

n

(disuguaglianza di Holder in spazi ` p ). Eíinteressante, in particolare, il caso p = q = 2 , per cui la disuguaglianza precedente risulta una generalizzazione inÖnito dimensionale della disuguaglianza (di Cauchy-Schwarz) elementare che vale per il prodotto scalare in R n :

1

X

n

=1

x

n y n

=1 jx n j 2 ! 1 = 2

1

X

n

1 =1 jy n j 2 ! 1 = 2

X

n

:

Questa relazione tra spazi inÖnito dimensionali, prodotto scalare e funzionali lineari continui avr‡ la sua piena chiariÖcazione e il suo sviluppo naturale nella teoria degli spazi di Hilbert, di cui ora ci occupiamo.

2 Geometria negli spazi di Hilbert

Gli spazi vettoriali dotati di un prodotto scalare sono ambienti astratti in cui si puÚ deÖnire un concetto di ortogonalit‡ analogo a quello euclideo in R n . Questo mette a disposizione un sistema di riferimento privilegiato in cui i calcoli sono particolarmente comodi e semplici, un concetto di proiezione ortogonale che diventa strumento per approssimare un elemento generico di uno spazio vet- toriale (che nelle applicazioni allíanalisi Ë una funzione) mediante elementi di un particolare sottospazio (che nelle applicazioni sono funzioni di qualche tipo particolarmente semplice). In dimensione inÖnita, come abitualmente si Ë in analisi, líortogonalit‡ da sola non basterebbe perÚ a garantire il ìbuon funzion- amentoîdi questo tipo di teoria: la validit‡ della propriet‡ di completezza (nel

6

senso degli spazi di Banach) Ë essenziale a¢ nchÈ si possano dimostrare teore-

mi signiÖcativamente simili a quelli che valgono in R n . Da questa sintesi di

idee nasce il concetto di spazio di Hilbert, uno spazio di Banach in cui cíË un

prodotto scalare e quindi un concetto di ortogonalit‡. Líesempio pi˘ naturale

di spazio di Hilbert utile in analisi, in un certo senso prototipo di tutti gli altri,

Ë lo spazio L 2 ( ) delle funzioni a quadrato sommabile in qualche dominio

di R n . PerciÚ la teoria degli spazi di Hilbert, pur essendo di per sÈ una teoria

astratta che utilizza solo i concetti propri degli spazi vettoriali normati, nelle sue

applicazioni interessanti ha bisogno della teoria della misura e dellíintegrazione

di Lebesgue. Eí una teoria che nasce quindi dallíincontro tra gli sviluppi del-

líanalisi funzionale astratta con la teoria della misura moderna. A sua volta,

líapplicazione della teoria astratta degli spazi di Hilbert al contesto concreto dello spazio L 2 ( ) richiede, come vedremo, la conoscenza di particolari ìsiste-

mi ortonormali completiîdi funzioni. Il sistema trigonometrico fsin nx; cos nxg

comunemente usato nellíanalisi di Fourier Ë il primo fondamentale esempio di sistemi di questo tipo. A seconda del problema in esame (problemi di approssi- mazione di funzioni in analisi armonica, problemi ai limiti per equazioni dif- ferenziali ordinarie o alle derivate parziali), occorre a volte cercare altri tipi di sistemi ortonormali completi di funzioni speciali, adattati in qualche senso al problema in esame.

2.1 Spazi vettoriali con prodotto interno

DeÖnizione 2.1 Sia V uno spazio vettoriale sul campo K (= R o C ). Si. dice che V Ë uno spazio vettoriale dotato di prodotto interno, o di prodotto scalare, o anche che V Ë uno spazio pre-Hilbertiano, se (oltre alle due operazioni proprie dello spazio vettoriale, cioË la somma di vettori e il prodotto tra un vettore e uno scalare) Ë deÖnita una (terza) operazione, che chiamiamo prodotto scalare o prodotto interno,

( ; ) : V V ! K

con le seguenti propriet‡:

1. lineare sulla prima componente:

( x + y; z ) = (x; z ) + (y; z )

8x; y; z 2 V; ; 2 K;

2.a. se K = R (caso che maggiormente considereremo in seguito): commu- tativo

(x; y ) = ( y; x)

8x; y 2 V ;

2.b. se K = C :

(x; y ) = (y; x) 8x; y 2 V

dove indica il coniugato nel campo complesso. Si noti che se K = R dalla commutativit‡ segue anche la linearit‡ sulla seconda componente, per cui in tal caso diciamo semplicemente che il prodotto scalare Ë bilineare; se invece K = C da 1 e 2.b segue

(z; x + y ) = (z; x) + (z; y )

8x; y; z 2 V; ; 2 C

7

e si dice che il prodotto scalare complesso Ë sesquilineare. Notiamo anche che

nel caso complesso essendo (x; x) = (x; x), risulta (x; x) reale per ogni x 2 V ,

il che d‡ senso alla prossima richiesta.

3. Positivit‡:

(x; x) 0 8x 2 V e (x; x) = 0 () x = 0 :

Esempio 2.2 1. Lo spazio R n col prodotto scalare

(x; y ) =

n

X

j =1

x j y j :

2. Lo spazio C n (su C ) col prodotto scalare

(x; y ) =

n

X

j =1

x j y j :

3. Lo spazio R n col prodotto scalare

(x; y ) =

n

X

i;j =1

a ij x j y j

dove A = (a ij ) i;j n =1 Ë una qualsiasi matrice simmetrica e deÖnita positiva.

4. Lo spazio C [a; b ] (funzioni a valori reali) con

b

(f; g ) = Z f (t ) g (t ) dt:

a

5. Lo spazio C [a; b ] (funzioni a valori complessi) con

b

(f; g ) = Z f (t ) g (t )dt:

a

6. Lo spazio L 2 ( ) (funzioni a valori reali o complessi), sottoinsieme misurabile di R n con

(f; g ) = Z f (x) g (x)dx:

Questo sar‡ líesempio pi˘ importante nel seguito. Se le funzioni hanno valori reali ovviamente non cíË bisogno di mettere il coniugato sopra g .

Lo spazio ` 2 delle successioni x = f x n g =1 a valori reali o complessi per

le quali si abbia

X jx j j 2 < 1 ;

7.

1

n

1

j =1

col prodotto scalare

(x; y ) =

1

X

j =1

x j y j .

Questo Ë in un certo senso líanalogo discreto dellíesempio precedente. Si noti líanalogia con il prodotto scalare usuale di R n .

8

In tutto il seguito, per sempliÖcare le notazioni e le dimostrazioni, tratteremo sempre spazi vettoriali su R . Quello che diremo vale comunque anche per spazi complessi, con qualche modiÖca di notazione o nelle dimostrazioni.

Teorema 2.3 Sia V uno spazio pre-Hilbertiano. Allora:

1. Vale la disuguaglianza di Cauchy-Schwarz:

j(x; y )j p (x; x) p (y; y ) 8x; y 2 V:

2. Ponendo

k xk = p (x; x)

si ottiene che k k Ë una norma, che si dice ìnorma del prodotto internoî. Si noti che la disuguaglianza di Cauchy-Schwarz si riscrive quindi

j(x; y )j k xk k y k 8x; y 2 V:

(2.1)

3. La norma del prodotto interno soddisfa líuguaglianza del parallelogram-

ma :

kx + y k 2 + kx y k 2 = 2 k xk 2 + ky k 2 8x; y

2 V:

Dimostrazione. Dimostriamo il teorema lavorando per semplicit‡ con uno

spazio pre-Hilbertiano reale. La dimostrazione di tutti i punti si basa sulle propriet‡ assiomatiche del prodotto interno.

1. Per ogni 2 R possiamo scrivere: per la positivit‡ del prodotto scalare:

0 ( x + y; x + y ) =

per la bilinearit‡ del prodotto scalare

= 2 (x; x) + 2 (x; y ) + (y; y ) =

per deÖnizione di norma del prodotto scalare

=

2 k xk 2 + 2 (x; y ) + ky k 2 :

Dunque abbiamo

2 k xk 2

+ 2 (x; y ) + ky k 2 0 8 2 R ,

il che implica che il discriminante del trinomio di secondo grado in sia 0 , ossia

(x; y ) 2 kxk 2 ky k 2 0

da cui (2.1).

2. Ponendo kxk = p (x; x) si ha, per la positivit‡ del prodotto scalare, la

propriet‡ di positivit‡ della norma. Vale líomogeneit‡ perchÈ

k xk = p ( x; x) = p 2 (x; x) = j j p (x; x) = j j k xk :

9

Vale la disuguaglianza triangolare perchÈ per deÖnizione di norma e bilinearit‡ del prodotto scalare

k x + y k 2 =

(x + y; x + y ) = ( x; x) + 2 (x; y ) + (y; y ) = k xk 2

+ 2 (x; y ) + k y k 2

per la (2.1)

k xk 2 + 2 kxk k y k + ky k 2 = (kxk + ky k) 2

da cui kx + y k k xk + ky k. 3. Per deÖnizione di norma e bilinearit‡ del prodotto scalare si ha:

kx + y k 2 + kx y k 2 =

(x + y; x + y ) + (x y; x y )

= (x; x) + 2 (x; y ) + (y; y ) + (x; x) 2 (x; y ) + 2 (y; y )

= 2 [(x; x)

+ (y; y )] = 2 k xk 2 + ky k 2 :

x; x ) + ( y; y )] = 2 k x k 2 + k

Ogni spazio pre-Hilbertiano Ë dunque uno spazio vettoriale normato, la cui norma ìproviene da un prodotto scalareî e soddisfa líuguaglianza del parallel- ogramma. Viceversa, potremmo avere uno spazio vettoriale normato (qualsiasi) e chieder- ci se esista un prodotto scalare che induca quella norma. Da questo punto di vista, il fatto che valga líuguaglianza del parallelogramma risulta una condizione necessaria, come mostra il prossimo

Esempio 2.4 Dimostriamo che la norma di L 1 [a; b ] non proviene da un prodot- to scalare. Si faccia attenzione: Ë chiaro che il prodotto scalare

b

(f; g ) = Z f (t ) g (t ) dt

a

non induce la norma L 1 (perchÈ induce la norma L 2 ); noi stiamo a§ermando perÚ che non esiste alcun prodotto scalare (f; g ) per cui si abbia

(f; f ) = Z jf (t )j dt ! 2 :

a

b

Se un tale prodotto scalare esistesse, la norma L 1 dovrebbe soddisfare líuguaglian- za del parallelogramma, cosa che non accade, come ora mostriamo. Consideri- amo, in L 1 [0; 2]:

f (t ) = [0 ; 1] (t ) ;

g (t ) = [1 ; 2] (t ) :

PoichÈ j(f g ) (t )j = 1 in [0; 2], si ha:

kf + g k L 2 1 + kf g k 2 L 1 = Z 2

0

dt 2 + Z 2 dt 2 = 4 + 4 = 8;

0

2 kf k 2 L 1 + kg k L 2 1 = 2 (1 + 1) = 4

e líuguaglianza non vale. Pertanto L 1 non Ë uno spazio pre-Hilbertiano.

10

Si puÚ dimostrare (non lo facciamo) che se V Ë uno spazio vettoriale normato

la cui norma soddisfa líuguaglianza del parallelogramma, allora il prodotto

1

(x; y ) = 2 h kx + y k 2 kxk 2 ky k 2 i

Ë e§ettivamente un prodotto scalare, che induce la norma k k. Di conseguenza líuguaglianza del parallelogramma caratterizza le norme degli spazi pre-hilbertiani. Questo fa capire che tutta la geometria dellíortogonalit‡ Ë scritta, implici- tamente, nella semplice uguaglianza del parallelogramma. Difatti, come ve- dremo presto, questíuguaglianza giocher‡ un ruolo centrale nella dimostrazione

di teoremi importanti.

Il prodotto scalare soddisfa una propriet‡ di continuit‡ rispetto alla norma che esso stesso induce:

Teorema 2.5 Sia V uno spazio vettoriale pre-hilbertiano. Per un x 2 H Össato, si consideri il funzionale:

T

: H ! R

T

:

y 7! (x; y ) :

Allora T Ë un funzionale lineare continuo su X (rispetto alla norma indotta dal prodotto scalare). Inoltre la norma di T come funzionale Ë uguale alla norma dellíelemento x.

Dimostrazione. La linearit‡ di T segue dalla bilinearit‡ del prodotto scalare;

la continuit‡ di T segue dalla disuguaglianza di Cauchy-Schwarz:

jT y j = j(x; y )j k xk ky k

da cui T Ë continuo con

k T k V 0 kxk .

Di pi˘, risulta k T k V 0 = k xk perchÈ

jT xj = j(x; x)j = kxk 2

da

che

cui jT xj = k xk = k xk e kT k V 0 kxk . La continuit‡ del prodotto scalare rispetto alla norma signiÖca in particolare

scalare rispetto alla norma signiÖca in particolare y n ! y = ) ( x; y

y n ! y =) (x; y n ) ! (x; y ) .

Si puÚ dimostrare anche:

x n ! x; y n ! y =) (x n ;y n ) ! (x; y ) ,

relazione che ci sar‡ utile in seguito. In uno spazio vettoriale con prodotto interno si puÚ deÖnire in maniera naturale un concetto di ortogonalit‡ :

11

DeÖnizione 2.6 Si dice che x; y 2 V sono ortogonali tra loro, e si scrive x ? y , se (x; y ) = 0 :

Vale allora il seguente

Teorema 2.7 (di Pitagora) Siano x 1 ;x 2 ; :::; x n 2 V elementi a due a due ortogonali. Allora


n

X

j

=1

x

j

2

=

n

X kx j k 2 :

j =1

Dimostrazione. Si ha, per deÖnizione di norma e bilinearit‡ del prodotto scalare:

n

X

j

=1

x j

@

2 = 0

j

n

X x j ;

=1

n

X

i =1

x i A 1 =

n

X

i;j =1

(x i ;x j )

poichÈ i vettori sono a due a due ortogonali (x i ;x j ) = 0 per i 6= j , perciÚ

( x i ;x j ) = 0 per i 6 = j , perciÚ =

=

n

X

j

=1

(x j ;x j ) =

n

X

j

=1

kx j k 2 :

DeÖnizione 2.8 Sia S V un insieme qualsiasi di vettori. Si dice comple- mento ortogonale di S , e si indica con S ? , líinsieme

S ? = fx 2 V : ( x; s) = 0 8s 2 S g :

Teorema 2.9 Líinsieme S ? Ë un sottospazio vettoriale chiuso di V (anche se S non Ë un sottospazio).

Dimostrazione. Che sia un sottospazio segue dalla bilinearit‡ del prodotto

scalare: se x; y 2 S ? e ; 2 R si

ha, per ogni s 2 S;

( x + y; s) = (x; s) + (y; s) = 0 + 0 = 0 :

Che sia chiuso segue dalla continuit‡ del prodotto scalare. Infatti sia fx n g

S ? tale che x n ! x 2 V; e proviamo che x 2 S ? . Infatti per ogni s 2 S si ha

1 n =1

(x; s) = lim

n

!1 (x n ; s ) = lim

n

!1 0 = 0 ;

quindi x 2 S ? e S ? Ë chiuso.

1 n =1 ( x; s ) = lim n ! 1 ( x n ;

12

2.2 Spazi di Hilbert

DeÖnizione 2.10 Si dice spazio di Hilbert uno spazio pre-Hilbertiano completo.

Quindi uno spazio di Hilbert Ë uno spazio di Banach la cui norma proviene da un prodotto interno.

Esempio 2.11 Passiamo in rassegna agli Esempi 2.2 di spazi vettoriali con prodotto interno e vediamo quali di essi sono spazi di Hilbert. Gli esempi 1, 2, 3, 4 sono Önito dimensionali. Questi sono tutti spazi di Hilbert, per la completezza di R n . Gli esempi 4-5 (funzioni continue, prodotto scalare integrale) danno spazi non completi (sappiamo gi‡ che le norme integrali non rendono completo uno spazio di funzioni continue), quindi non di Hilbert. Líesempio 6 Ë L 2 ( ), con il prodotto scalare integrale. Questo Ë di Hilbert (completezza degli spazi L p ), ed Ë líesempio pi˘ importante per il seguito del discorso. Si noti che stiamo parlando di L 2 su un qualsiasi spazio di misura astratto ( ; M; ), non solo un dominio di R n con la misura di Lebesgue. Líesempio 7 Ë un caso particolare del precedente quando la misura Ë quella del conteggio su N . Si ottiene lo spazio ` 2 di successioni, col prodotto scalare che generalizza quello usuale di R n al caso inÖnito dimensionale. In un certo senso lo spazio ` 2 si puÚ pensare come una sorta di ìspazio R 1 î, dove perÚ la successione delle coordinate Ë soggetta a un vincolo preciso, la convergenza della serie P jx n j 2 .

Nota storica. La teoria astratta degli spazi di Hilbert fu formulata da von Neumann alla Öne degli anni 1920, come strumentazione matematica per la mec- canica quantistica. In questa sua applicazione, Ë la teoria degli spazi di Hilbert complessi quella che serve; questo Ë il motivo per cui abbiamo dato almeno le deÖnizioni iniziali nel caso complesso. Nel seguito del discorso, per semplicit‡, considereremo quasi sempre spazi reali, soprattutto nelle dimostrazioni. Hilbert fu il primo a introdurre lo spazio ` 2 , nei primi anni del 1900, e a gettare le basi per líinteresse per questi tipi di spazi vettoriali inÖnito dimensionali. Ricordiamo che la teoria degli spazi di Banach (di cui quelli di Hilbert sono un caso partico- lare) ebbe il suo importante avvio con il lavoro di Banach del 1932 ìTeoria degli operatori lineariî, quindi fu successiva alla teoria degli spazi di Hilbert. Seg- naliamo anche che, mentre nella nostra trattazione introduttiva ci occuperemo principalmente della geometria degli spazi di Hilbert e di alcune propriet‡ dei funzionali lineari continui su spazi di Hilbert, gli sviluppi pi˘ signiÖcativi della teoria degli spazi di Hilbert (cosÏ come quella degli spazi di Banach, che non trattiamo) riguardano la teoria degli operatori lineari deÖniti su questi spazi.

Negli spazi di Hilbert il teorema di Pitagora dimostrato in precedenza si estende a somme inÖnite, al modo seguente:

13

1

Teorema 2.12 (di Pitagora, 2 a versione) Se fx j g =1 Ë una successione di elementi di uno spazio di Hilbert H a due a due ortogonali e tali che la serie numerica P =1 k x j k 2 converge, allora la serie P =1 x j converge in H e vale la

1

j

1

j

j

1

X

j

=1

x

j

2

=

1

X

j

=1

kx j k 2 :

Dimostrazione. Possiamo anzitutto applicare il teorema di Pitagora in ver- sione Önita ad ogni somma parziale della serie, e scrivere


m

X

j

=n

x j

2

=

m

X kx j k 2 :

j =n

(2.2)

PoichÈ la serie numerica P =1 kx j k 2 converge, le sue somme parziali sono una successione di Cauchy, quindi P =n kx j k 2 ! 0 per n; m ! 1: Per líuguaglianza (2.2) le somme parziali di P =n x j sono allora una successione di Cauchy in H , ed essendo lo spazio completo la serie converge. Dunque esiste x 2 H tale che

1

j

m

j

m

j

Díaltro canto P

n

j =1 x j

n

X

j =1

x j ! x; perciÚ

2 = P =1 kx j k 2 ; perciÚ

2

! kxk 2 :

X

j

=1

n

j

x

j

n

n

X k x j k 2 ! kxk 2 .

j

=1

(2.3)

(2.4)

Da (2.3) e (2.4) segue

2 ! k x k 2 . j =1 (2.3) (2.4) Da (2.3) e (2.4) segue

1

X

j

=1

kx j k 2 =

X

1

j

=1

x

j

2

:

Il risultato fondamentale sulla geometria degli spazi di Hilbert Ë il seguente:

Teorema 2.13 (Distanza da un sottospazio chiuso, o Teorema della proiezione). Sia H uno spazio di Hilbert e V un suo sottospazio vettoriale

chiuso. Allora per ogni x 2 H esiste un unico v 2 V di minima distanza da x, ossia tale che

k x v k = inf 2V kx v k :

v

Inoltre x v Ë ortogonale a V . Líelemento v si dice proiezione di x su V .

14

Dimostrazione. Proviamo líesistenza. Se x 2 V basta porre v = x, perciÚ

supponiamo x 2= V . Sia d = inf v 2V kx v k . (Questo inf esiste perchÈ V non

vuoto e k x v k 0). Sia f x n g =1 V una successione minimizzante, ossia tale che

kx x n k ! d:

(Tale successione esiste per deÖnizione di estremo inferiore). Proviamo che questa successione Ë di Cauchy. Si utilizza a questo scopo líuguaglianza del parallelogramma:

Ë

1

n

kx n x m k 2 =

k(x n x) + (x x m )k 2

= k (x n x) (x x m )k 2 + 2 kx n xk 2 + kx x m k 2 :

Ora, per n; m ! 1 si ha:

kx n xk 2 ! d 2 ;

k(x n x) (x x m )k 2 = kx n

kx x m k 2 ! d 2 ;

+ x m 2xk 2 = 4

x n + x m

2

x

2

4d 2

perchÈ, essendo V un sottospazio vettoriale, x n ;x m 2 V =) x n +x m 2 V: Ne segue che

2

lim !1 kx n x m k 2 4d 2 + 2 d 2 + d 2 = 0;

n;m

1

cioË kx n x m k ! 0, ossia fx n g =1 Ë di Cauchy. PoichÈ H Ë completo, esiste

n

allora v 2 H tale che x n ! v ; inoltre, poichÈ V Ë un sottospazio chiuso di H ,

v 2 V . InÖne, poichÈ

kx n xk ! kv xk e

kx n xk ! d;

si

ha k v xk = d . Questo completa la dimostrazione dellíesistenza dellíelemento

di

V di minima distanza da x. Proviamo ora líunicit‡. Siano dunque v 1 ;v 2 due elementi di V tali che

kv i xk = d per i = 1; 2

e proviamo che allora v 1 = v 2 . Si usa ancora líuguaglianza del parallelogramma,

in modo simile a quello gi‡ visto:

kv 1 v 2 k 2 =

k(v 1 x) + (x v 2 )k 2

= k (v 1 x) (x v 2 )k 2

+ 2 kv 1 xk 2 + kx v 2 k 2

= 4

4 d 2 + 4d 2 = 0

v 1 + v 2

2

x

2

+ 2 d 2 + d 2

15

x d: Dunque kv 1 v 2 k = 0,

ossia v 1 = v 2 :

Prima di dimostrare líultimo punto del teorema (ortogonalit‡ di x v a V ) ragioniamo sul signiÖcato geometrico di questa propriet‡, lasciandoci guidare dallíanalogia con il caso Önito dimensionale. Se V Ë un sottospazio (chiuso) di H e x Ë un elemento di H che non appartiene a V , dal punto di vista geometrico

chi sar‡ líelemento v 2 V di minima distanza da x? Sar‡ la proiezione ortogonale

in quanto v 1 ;v 2 2 V ) v 1 +v 2 2 V )

v 1 +v 2

2

2

di

x su V . Questo signiÖca appunto che x v Ë ortogonale a tutti gli elementi

di

V .

x v Ë ortogonale a tutti gli elementi di V . Dimostriamolo. Sia w = x

Dimostriamolo. Sia w = x v , v 2 V qualsiasi, e proviamo che (w; v ) = 0.

Per ogni 2 R , scriviamo (essendo v + v 2 V e k w k = d )

kw k 2 k x (v + v )k 2 = k (x v ) v k 2 = kw v k 2

= ( w v; w v ) = ( w; w ) 2 (v; w ) + 2 (v; v )

= kw k 2

2 (v; w ) + 2 k v k 2

da cui

2 (v; w ) 2 k v k 2

8 2 R :

Ponendo = t sgn (v; w ) con t > 0 la precedente si riscrive cosÏ

2t j(v; w )j t 2 k v k 2

8t> 0;

da cui dividendo per t e facendo tendere t a zero si ottiene (v; w ) = 0, che Ë la

tesi.

t a zero si ottiene ( v; w ) = 0 , che Ë la tesi.

Corollario 2.14 (Decomposizione ortogonale di H rispetto a un suo sottospazio chiuso). Se H Ë uno spazio di Hilbert e V un suo sottospazio chiuso si ha:

H = V V ? ;

16

dove si legge somma diretta e signiÖca quanto segue:

ogni elemento x 2 H si puÚ scrivere come somma di un elemento v 2 V e un elemento v 0