Guilherme Saroka

Guilherme Ramalho Saroka
Aplicações da Análise Funcional no Estudo de

Equações Diferenciais Parciais
Volta Redonda, RJ
2021
Aplicações da Análise Funcional no Estudo de Equações

Diferenciais Parciais
Trabalho de Conclusão de Curso submetido

ao Curso de Matemática com ênfase em
Matemática Computacional da Universidade
Federal Fluminense como requisito parcial
para a obtenção do título de Bacharel em
Matemática.
Universidade Federal Fluminense

Instituto de Ciências Exatas
Curso de Matemática
Orientador: Alan Prata de Paula

Coorientadores: Alessandro Gaio Chimenton
Honório Joaquim Fernando
Volta Redonda, RJ
2021
Ficha catalográfica automática - SDC/BAVR
Gerada com informações fornecidas pelo autor
S243a Saroka, Guilherme Ramalho

Diferenciais Parciais / Guilherme Ramalho Saroka ; Alan Prata
de Paula, orientador ; Honório Joaquim ; Chimenton,
Alessandro Gaio Fernando, coorientador. Volta Redonda, 2021.
66 f. : il.
Trabalho de Conclusão de Curso (Graduação em Matemática)-

Universidade Federal Fluminense, Instituto de Ciências
Exatas, Volta Redonda, 2021.
1. Equações Diferenciais Parciais Lineares Elípticas. 2.

Teorema de Lax-Milgram. 3. Espaços de Sobolev. 4. Espaços de
Hilbert. 5. Produção intelectual. I. Paula, Alan Prata de,
orientador. II. Fernando, Honório Joaquim ; Chimenton,
Alessandro Gaio, coorientador. III. Universidade Federal
Fluminense. Instituto de Ciências Exatas. IV. Título.
CDD -
Bibliotecário responsável: Debora do Nascimento - CRB7/6368


Diferenciais Parciais
Trabalho de Conclusão de Curso submetido

ao Curso de Matemática com ênfase em
Matemática Computacional da Universidade
Federal Fluminense como requisito parcial
para a obtenção do título de Bacharel em
Matemática.
Trabalho aprovado. Volta Redonda, RJ, 05 de maio de 2021:
Prof. Dr. Alan Prata de Paula – UFF

Orientador
Prof. Dr. Alessandro Gaio Chimenton – UFF

Coorientador
Prof. Dr. Honório Joaquim Fernando – UFF

Coorientador
Prof. Dr. Luiz Felipe Nobili França – ITA
Prof. Dr. Gustavo Benítez Alvarez – UFF
Volta Redonda, RJ
2021
Dedico esta conquista à memória das minhas queridas avós Luzia e Catharina.
Agradecimentos
Ao findar este ciclo da minha vida, o que tenho a dizer é que sou extremamente
grato a todos que de uma maneira ou de outra fizeram parte dessa trajetória.
À minha família, meu pai Altair e minha mãe Sandra por todos os conselhos, apoio,
suporte e aos cafés da manhã enviados nos meus aniversários, ao meu irmão Leandro pelas
horas de chamadas quando estava com saudade de casa e à minha namorada Nedly por
sempre fazer parte de cada conquista, e ser meu maior incentivo para nunca desistir de
lutar.
Nesses anos fui presenteado com muitos amigos. Então aos que caminharam ao
meu lado em cada momento de estudo e descontração na biblioteca, laboratório e Discord.
Ao Grupinho da Matemática.
Aos meus queridos amigos Hermes Neto, Natália Pedroso, Mariana Macedo e
William Shigueru, com os quais compartilhei momentos inesquecíveis e que levarei cada
um no coração para sempre. Dois amigos, em especial, eu tive não apenas a oportunidade
de conhecer, como de morar juntos. Ao João Pedro e ao Marcos Paulo, por todos os
ensinamentos e principalmente os risos de cada dia, vocês contribuíram muito à pessoa
que sou hoje.
Aos meus orientadores Alan Prata, Alessandro Gaio e Honório Joaquim, que com
prontidão aceitaram este projeto de pesquisa e foram extremamente presentes em meus
estudos, mesmo remotamente. Por contribuírem de forma efetiva com minha escalada até
a conclusão do curso, por me mostrarem os melhores caminhos a trilhar, me fortalecendo e
incentivando no decorrer desse processo rumo a minha formação. Vocês três são grande fonte
de inspiração, e levarei todos seus ensinamentos para minha vida e trajetória profissional.
À Universidade por ter me proporcionado aprendizado, crescimento profissional e
pessoal. Por ter ofertado recursos, ferramentas e por reunir num mesmo lugar um time
de professores, que além de extremamente qualificados, conseguem fomentar o desejo de
saber de cada aluno.
Por fim, aos ilustres componentes da banca examinadora Felipe Nobili e Gustavo
Benítez pelas contribuições para com meu trabalho.
“E quem se deixou levar, fraquejou, essa é a verdade
Aprenda com os erros, não se sinta um covarde.”
(Ainda Há Tempo, Criolo)
Resumo
Neste trabalho, faremos o estudo de temas da Análise Funcional e suas implicações na
Teoria das Equações Diferenciais Parciais.
Nosso objetivo principal é demonstrar o Teorema de Lax-Milgram, que é um importante

resultado da análise funcional aplicada. Contudo, para maior clareza desta demonstração,
será necessário o estudo das propriedades gerais dos espaços de Hilbert, o Teorema da
Projeção Ortogonal e o importante Teorema da Representação de Riesz.
Por fim, mostraremos que o Teorema de Lax-Milgram nos direciona a um arcabouço

matemático que garante a existência e unicidade da solução fraca dos problemas gerais
de Equações Diferenciais Parciais Uniformemente Elípticas em espaços de Sobolev, como
exemplo, trataremos do problema modelo motivador deste projeto: a equação de Poisson
com condições de contorno de Dirichlet homogênea.
Palavras-chave: Equação Diferencial Parcial Linear Elíptica. Espaços de Hilbert. Teorema

de Lax-Milgram. Espaços de Sobolev.
Abstract
In this project, we will study the themes of Functional Analysis and its implications in
the Theory of Partial Differential Equations.
Our main objective is to demonstrate the Lax-Milgram Theorem, which is an important

result of the applied functional analysis. However, for greater clarity of this demonstration,
it will be necessary to study the general properties of Hilbert spaces, the Orthogonal
Projection Theorem and the important Riesz Representation Theorem.
Finally, we will show that the Lax-Milgram Theorem directs us to a mathematical frame-
work that guarantees the existence and uniqueness of the weak solution of the general
problems of Uniformly Elliptical Partial Differential Equations in Sobolev spaces, as an
example, we will address the model problem motivating this project : the Poisson equation
with homogeneous Dirichlet boundary conditions.
Keywords: Elliptical Linear Partial Differential Equation. Hilbert Spaces. Lax-Milgram

Theorem. Sobolev Spaces.
Lista de ilustrações
Figura 1 – Fluxograma de organização do trabalho. . . . . . . . . . . . . . . . . . 5

Figura 2 – Soma Direta . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
Figura 3 – Interpretação dos Operadores. . . . . . . . . . . . . . . . . . . . . . . . 37
Figura 4 – Gráfico de χ[0, 2]. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Figura 5 – Gráfico de g. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
Figura 6 – Gráfico da convolução de χ[0, 2] com g. . . . . . . . . . . . . . . . . . . 43
Figura 7 – Gráfico de ρ. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
Figura 8 – Gráfico de ρh para h = 1; h = 0, 75; h = 0, 5; h = 0, 3. . . . . . . . . . . 45
Figura 9 – Interpretação do item iv. . . . . . . . . . . . . . . . . . . . . . . . . . . 47
Figura 10 – Função módulo na reta. . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Figura 11 – Função sgn(x), derivada fraca da função módulo na reta. . . . . . . . . 50
Lista de abreviaturas e siglas
EDO Equação Diferencial Ordinária
EDP Equação Diferencial Parcial
µ-q.t.p µ-quase todo ponto

Lista de símbolos
Rn Espaço euclidiano de dimensão n
H Espaço de Hilbert
Ω Região do espaço euclidiano R d , d = 1, · · · , n
∂Ω Fronteira da região Ω
µ Medida de Lebesgue
C 0 (Ω) Espaço das funções continuas definidas de Ω para R
C ∞ (Ω) Espaço das funções definidas de Ω para R continuamente deriváveis em

todas as ordens
Lp (Ω) Espaço das funções definidas de Ω para R Lesbesgue-mensuráveis
W k,p (Ω) Espaço das funções em Lp (Ω) k-vezes fracamente diferenciáveis
Hk (Ω) Espaço de Hilbert das funções em W k,1 (Ω)

Sumário
1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Motivação Holística . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3 Organização do Trabalho . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 CONCEITOS INICIAIS . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1 Espaços Métricos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Espaços Normados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.3 Espaços com Produto Interno . . . . . . . . . . . . . . . . . . . . . . 10
3 ESPAÇOS NORMADOS COMPLETOS . . . . . . . . . . . . . . . . 13

3.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.2 Convergência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.3 Espaços de Banach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.4 Espaços de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.5 Projeção Ortogonal . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
4 OPERADORES LINEARES . . . . . . . . . . . . . . . . . . . . . . . 21
4.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
4.2 Operadores Lineares em Espaços Normados . . . . . . . . . . . . . . 21
4.3 Operadores Lineares Contínuos e Limitados . . . . . . . . . . . . . . 22
4.4 Funcionais Lineares e Espaço Dual . . . . . . . . . . . . . . . . . . . . 29
5 TEOREMAS DE RIESZ E DE LAX-MILGRAM . . . . . . . . . . . 31

5.1 Teorema da Representação de Riesz . . . . . . . . . . . . . . . . . . . 31
5.2 Teorema de Lax-Milgram . . . . . . . . . . . . . . . . . . . . . . . . . 33
6 FUNÇÕES LOCALMENTE INTEGRÁVEIS . . . . . . . . . . . . . . 39

6.1 Espaço Lp (Ω) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
6.2 Convolução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
6.3 Suavização . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
7 ESPAÇOS DE SOBOLEV . . . . . . . . . . . . . . . . . . . . . . . . 48
7.1 Derivadas fracas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
7.2 Espaços de Sobolev . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
7.3 Espaço W0k,p (Ω) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
8 EQUAÇÕES DIFERENCIAIS PARCIAIS ELÍPTICAS . . . . . . . . 56
8.1 Introdução . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
8.2 Solução Fraca de Equações Diferenciais Parciais . . . . . . . . . . . . 56
8.3 Existência de Soluções Fracas para Equações Lineares Elípticas na
Forma Divergente . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
9 CONSIDERAÇÕES FINAIS . . . . . . . . . . . . . . . . . . . . . . . 63
9.1 Conclusão . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
9.2 Projetos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
1
1 Introdução
1.1 Introdução
Em muitos fenômenos naturais a necessidade de predição e compreensão adequada
surge naturalmente. Fenômenos físicos, biológicos, químicos e a formulação de modelos
matemáticos, como probabilísticos, podem ser descritos via Equações Diferenciais. Temos
como exemplos modelos atmosféricos, de escoamento de fluídos, de problemas de elastici-
dade, de reações químicas, de eletromagnetismo, entre outros. As Equações Diferenciais
são divididas entre Ordinárias (EDO) e Parciais (EDP). Nosso objeto de estudo será uma
família de EDPs classificada como Elíptica.
Para boa parte das EDOs não é possível explicitar uma solução. Logo, pela genera-
lidade das EDPs torna-se uma tarefa ainda mais difícil. Desse modo, não existem métodos
de resoluções para a maioria das EDPs. Seguiremos as referências [1], [2] e [3], a fim de
apresentar um arcabouço matemático que nos garante a existência e unicidade de solução
para EDPs Lineares Elípticas.
1.2 Motivação Holística

Considere o problema de Poisson, com as condições de contorno do tipo Dirichlet
homogêneo, cuja formulação lê-se: dados Ω ⊂ R n um aberto limitado de fronteira ∂Ω, e
f : Ω −→ R, encontrar a função escalar u : Ω −→ R satisfazendo:

−∆u = f, x ∈ Ω
(1.1)
 u = 0, x ∈ ∂Ω
onde Ω := Ω ∪ ∂Ω.
A fim de encontrar uma solução u ∈ C 2 (Ω)∩C 0 (Ω) para o problema (8.2), considere
uma função ϕ de classe C ∞ tal que ϕ(x) = 0 para todo x ∈ ∂Ω. Multiplicando a equação
(8.2) por ϕ(x) e integrando sobre Ω, temos que:
Z Z
−∆u(x)ϕ(x) = f (x)ϕ(x) =⇒ − ∆u(x)ϕ(x) dx = f (x)ϕ(x) dx. (1.2)
Ω Ω
Considerando a identidade de Green dada por

Z Z Z
− ϕ∆u dx = ∇ϕ · ∇u dx − ϕ∇u · ~n dx,
Ω Ω ∂Ω
com ~n denotando o vetor normal unitário exterior a Ω em cada ponto de ∂Ω. Visto
que ϕ(x) = 0 para todo x ∈ ∂Ω, da indentidade de Green e da Equação (1.2) somos
Capítulo 1. Introdução 2
conduzidos a
 Z Z

 ∇ϕ · ∇u dx = f ϕ dx, ϕ ∈ C ∞ e ϕ|∂Ω = 0
Ω Ω (1.3)

 u = 0, x ∈ ∂Ω
Perceba que ao invés de resolver o problema (8.2) podemos resolver (1.3), visto que são
problemas equivalentes quando buscamos u ∈ C 2 (Ω) ∩ C 0 (Ω). Com o objetivo de resolver
esse novo problema, devemos buscar um espaço em que a equação (1.3) esteja bem definida.
Considere o espaço das funções suaves de quadrado integrável, denotado por Le 2 (Ω)
Z
e 2 (Ω)
L = f ∈ C (Ω) | ∞
|f (x)| < ∞ ,
2
(1.4)
Ω
onde | · | denota o módulo em R. Definimos o produto interno h·, ·i2 por

Z
hf, gi2 = f (x)g(x)dx,
Ω
e a norma k · k2 , proveniente do produto interno h·, ·i2 , é definida por

q Z 1
2
kf k2 = hf, f i2 = |f (x)|2 dx .
Ω
Por mais que em L e 2 (Ω) tenhamos o lado direito da Equação (1.3) bem definido
em consequência da desigualdade de Cauchy-Schwarz (2.1), ainda precisamos que o lado

esquerdo seja finito. Para isso considere o espaço H
f1 (Ω) definido por
0
Z
f1 (Ω)
H = {f ∈ C (Ω) | f |∂Ω = 0,
∞
|f (x)|2 + |∇f (x)|2 dx < ∞} (1.5)
0
Ω
e defina a norma de f em H
f1 (Ω) como
0
Z
kf k2H1 = |f (x)|2 + |∇f (x)|2 dx = kf k22 + k∇f k22 ,
Ω
induzida pelo produto interno definido por

n
hf, giH1 = hf, gi2 + h∂j f, ∂j gi2 = hf, gi2 + h∂f, ∂gi2 .
X
j=1
Assim podemos reescrever a equação (1.3) como
h∇u, ∇ϕi2 = hf, ϕi2 . (1.6)
Fixado f ∈ H
f1 (Ω). Temos para todo ϕ ∈ H
0
f1 (Ω) o seguinte operador linear:
0
L:H
f1 (Ω) −→ R
0
ϕ 7−→ L(ϕ) = hf, ϕi2 .

f1 (Ω) podemos definir, também, a forma bilinear

Dados u, ϕ ∈ H0
B:H
f1 (Ω) × H
0
f1 (Ω) −→ R
0
(u, ϕ) 7−→ B(u, ϕ) = h∇u, ∇ϕi2 .
Consequentemente, (1.6) pode ser escrito como
B(u, ϕ) = L(ϕ) , ∀ϕ ∈ H
f1 .
0 (1.7)
A partir deste momento, precisamos encontrar u que satisfaça o problema (1.7).

Com esta finalidade, recorreremos ao uso imediato de um teorema presente na teoria de
Análise Funcional.
Teorema 1.2.1. (Teorema de Lax-Milgram) Sejam H um espaço de Hilbert, H∗ seu

dual e B : H × H −→ R uma forma bilinear limitada e coerciva. Então, para todo f ∈ H∗ ,
existe único u ∈ H, tal que
B(u, ϕ) = f (ϕ), ∀ϕ ∈ H.
Gostaríamos de usar o Teorema de Lax-Milgram 1.2.1 em (1.7), pois, como con-

sequência estaríamos provando a existência e unicidade de uma solução com relação ao
Problema (1.3). Para tal feito, precisamos verificar que (1.7) satisfaz as hipóteses do
Teorema de Lax-Milgram. De fato, L é um funcional linear em H f1 (Ω) ⊂ L
0
e 2 (Ω) pela
linearidade do produto interno. Além disso, a Desigualdade de Cauchy-Schwarz em L e 2 (Ω)
e a definição da norma de H1 implicam que L é limitado:
|L(u)| = |hu, ϕi2 | ≤ kuk2 kϕk2 ≤ kuk2 (kϕk2 + k∇ϕk2 ) = kuk2 kϕkH1 .
Quanto à forma bilinear B temos que
i) B(u, v) é limitada:
Segue de modo análogo à demonstração feita para verificar que o funcional linear L
é limitado
|B(u, v)| = |h∇u, ∇vi2 | ≤ k∇uk2 k∇vk2 ≤ kukH1 kvkH1 .
ii) B(u, v) é coerciva:

No intuito de mostrar a coercividade de B em H f1 (Ω) precisamos recorrer a um
0
resultado que será formalizado na Seção 7.3. Se Ω ⊂ R n for aberto e limitado, então
podemos fazer uso da Desigualdade de Poincaré 7.3.1. E assim obtemos que:
1
B(u, u) = k∇uk22 ≥ 2
kuk2H1 ,
C
onde C é uma constante positiva que depende apenas do domínio Ω.

Portanto, se pudermos usar Teorema de Lax-Milgram, garantimos a existência
e unicidade da solução u ∈ H
f1 (Ω) para o Problema (1.7) e consequentemente para o
0
Problema (1.3).
Observação 1.2.1. Será dedicada uma seção exclusiva ao enunciado e à demonstração do

Teorema de Lax-Milgram (Seção 5.2). Além disso, na Seção 8.2 mostraremos que, devido
a generalidade deste teorema, podemos não só buscar a solução do Problema (1.3), como
também de EDPs lineares elípticas mais gerais.
Observação 1.2.2. Na verdade existem inconsistências na construção feita acima e

que ainda não foram apresentadas. Alguns destes furos desencadeiam outros problemas
quando resolvidos. Mais à frente os justificaremos com maior atenção. Por ora, apenas
apresentaremos algumas ideias.
i) Problemas com os espaços.

Os espaços L e 2 (Ω) e H
f1 (Ω) não são completos nas normas apresentadas, o que
0
impede o uso dos Teoremas de Riesz e Lax-Milgram. Apresentaremos na seção 6.1 o
espaço L2 (Ω) das funções mensuráveis de quadrado Lebesgue integrável, e o espaço
de Sobolev H01 (Ω) na seção 7.2. Estes são os espaços de Hilbert com que iremos
trabalhar.
ii) Derivada clássica.

Em L e 2 (Ω) ⊂ C ∞ (Ω) não temos problemas com a derivada clássica, porém esse
espaço não é Hilbert, e ao trabalharmos com L2 (Ω) perdemos a noção convencional

de derivada, como será visto no Exemplo 7.1.1. A equação (1.3) motiva a definição
de derivada em um sentido mais abrangente denominado Derivada Fraca (Definição
7.1.2). Além disso, o Teorema 7.1.1 nos garante a unicidade da Derivada Fraca, caso
exista.
iii) A fronteira.
Outro problema que surge é que duas funções u, v ∈ L2 (Ω) são iguais se forem iguais
com propriedade µ-q.t.p. Como a fronteira ∂Ω possui medida nula em R n , como
ficaria a restrição u = 0 em ∂Ω trabalhando com o espaço L2 (Ω)?
A verdade é que em L2 (Ω) não temos como exigir u = 0 em ∂Ω. Para resolver este
problema definiremos os espaços de Sobolev W01,2 (Ω) = H01 (Ω) como o fecho das
funções infinitamente diferenciáveis com suporte compacto em Ω. Informalmente,
dizemos que H01 (Ω) ⊂ L2 (Ω) é o espaço das funções f ∈ H1 (Ω) que se anulam em
∂Ω, isto é,
H01 (Ω) = {f ∈ L2 (Ω) | ∂f ∈ L2 (Ω), e f = 0 em ∂Ω}.

iv) Solução fraca.

Este método nos garante a existência e unicidade de u ∈ H01 como solução do problema
(8.2) através da Derivada Fraca. Tal solução pode ser chamada de Solução Fraca.
Será que existe alguma forma de obter uma solução suave? Ou seja, conseguimos
encontrar u ∈ C 2 (Ω) ∩ C 0 (Ω) como solução? Conseguimos, contudo apenas para
uma particularidade de soluções, ditas regulares. Este resultado será tratado na
Proposição 8.2.1.
1.3 Organização do Trabalho

Inicialmente, a Figura 1 traz um fluxograma que ilustra a organização do trabalho.
Figura 1 – Fluxograma de organização do trabalho.
As principais referências que nos motivaram a estruturação deste trabalho foram

[1], [2] e [3] utilizados para introduzir os conceitos necessários. Ao longo do trabalho foram
utilizadas as referências [4] e [5] como suporte para colocar o assunto que representa o
cerne do trabalho.
Assumiremos certos conteúdos como ferramentas base para o nosso trabalho.
Indicamos para o estudo de temas voltados a análise real as referências [6] e [7]. Para
cálculo vetorial [8]. Para álgebra linear [9] e [10]. Para topologia [11], [12] e [13]. Por fim,
para teoria da medida [14] [15] e [16].
A disposição dos capítulos estão da seguinte forma: no Capítulo 2 seremos breves,
porém pontuais quanto as definições e resultados com respeito aos espaços métricos,
normados e com produto interno. O Capítulo 3 é naturalmente uma extensão de seu

antecessor. Nesse contexto, resultados previamente estabelecidos por [6] serão revisitados,
em particular, direcionado às sequências de Cauchy. Nossos objetos de estudo são os
espaços normados completos, conhecidos como espaços de Banach. E quando a norma
for proveniente de um produto interno, tal espaço é chamado de espaço de Hilbert, que,
basicamente, generaliza a ideia de ortogonalidade em R n que conhecemos, nos dando
ferramentas o suficiente para enunciar e demonstrar o teorema da projeção ortogonal.
Além das referências citadas anteriormente, utilizamos [17], [18] e [19], para estruturação
e organização das ideias.
No Capítulo 4, será necessário formalizar resultados de álgebra linear, com maior
ênfase à teoria das transformações lineares contínuas e limitadas, dos funcionais lineares
limitados e espaços duais. Utilizamos [20] como referência auxiliar.
Dada a relevância do teorema da representação de Riesz e do teorema de Lax-
Milgram para o nosso trabalho e consequentemente constituir o cerne do mesmo, dedicamos
o Capítulo 5 para suas formulações e demonstrações. Devido a generalidade destes teoremas,
nos motivamos a buscar problemas que possam ser descritos pelos mesmos, tais como as
equações diferenciais parciais lineares elípticas.
No capítulo 6 formalizaremos a teoria dos espaços de todas as classes de equivalência
das funções Lebesgue-Mensuráveis de ordem p, com 1 ≤ p < ∞. Generalizaremos alguns
de seus resultados. Além disso estudaremos a técnica de convolução e suavização para
funções nestes espaços.
O Capítulo 7 será destinado à apresentação dos espaços de Sobolev a partir de um
conceito mais abrangente de derivada, que será apresentado como derivada fraca.
Por fim, no Capítulo 8, uma vez fornecido o arsenal matemático abordado até aqui,
estudaremos como aplicar o mesmo no contexto das equações diferenciais parciais lineares
elípticas por meio de exemplos e como resultado final trataremos este estudo de modo
mais geral para equações diferenciais parciais lineares elípticas na forma divergente. Para
os últimos capítulos, além das referências citadas no início desta seção foram de suma
importância o estudo em paralelo com as referências [21] e [22].
7
2 Conceitos Iniciais
2.1 Espaços Métricos

Neste capítulo traremos de modo sucinto os conceitos básicos de Espaços Métricos,
Espaços Normados e Espaços com Produto Interno. Nossos resultados teóricos serão
estudados sobre espaços vetoriais definidos no corpo dos Reais (R). É possível estender
todos resultados para o corpo dos Complexos (C).
Definição 2.1.1. Dizemos que o conjunto não-vazio V é um Espaço Vetorial se em V

está definida uma operação interna de soma (+) : V × V −→ V e uma multiplicação por
escalares (·) : R × V −→ V tais que, para quaisquer u, v, w ∈ V e α, β ∈ R as operações
(+) e (·) satisfazem as seguintes propriedades:
• (u + v) + w = u + (v + w) (Associatividade da soma em V ).
• u + v = v + u (Comutatividade da soma em V ).
• ∃!0 ∈ V tal que u + 0 = u (Existência do elemento neutro na soma em V ).
• ∃! − u ∈ V tal que u + (−u) = 0 (Existência do elemento simétrico em V ).
• α · (u + v) = α · u + α · v (Distributividade com respeito a soma em V ).
• (α + β) · u = α · u + β · u (Distributividade com respeito a soma em R).
• (α · β) · v = α · (β · v) (Associatividade com respeito a multiplicação por escalares

em R).
• ∃!1 ∈ R tal que 1 · u = u (Existência do elemento neutro na multiplicação em V ).
Exemplo 2.1.1. R n = {x = (x1 , · · · , xn ) | x1 , · · · , xn ∈ R} é um Espaço Vetorial, quando

equipado com as operações usuais de soma e de multiplicação por escalar definidas por
+ : R n × R n −→ R n
x + y 7−→ (x1 + y1 , · · · , xn + yn )
· : R × R n −→ R n
α · x 7−→ (α · x1 , · · · , α · xn )
Definição 2.1.2. Seja V um espaço vetorial. Chamamos de Espaço Métrico um par

(V, d) de um Espaço Vetorial e uma Métrica em V , isto é, uma função d : V × V −→ R
que satisfaz, para todo x, y, z ∈ V , as condições:
Capítulo 2. Conceitos Iniciais 8
• d(x, x) = 0 ⇐⇒ x = 0 e d(x, y) > 0 se x 6= y (Positividade).
• d(x, y) = d(y, x) (Simetria).
• d(x, z) ≤ d(x, y) + d(y, z) (Desigualdade triangular).
Exemplo 2.1.2. Alguns exemplos de espaços métricos são:
i) R munido da métrica d(x, y) = |x − y|.
ii) R n com n ∈ N munido da métrica

v
q u n
d(x, y) = (x1 − y1 )2 + · · · + (xn − yn )2 = t (x − yi )2 .
uX
i
i=1
2.2 Espaços Normados

Como podemos notar a partir da Definição 2.1.1, o espaço vetorial representa um
importante sistema matemático abstrato que incorpora a generalização do conceito familiar
de um vetor no espaço euclidiano, como mostra o Exemplo 2.1.1. Assim, designando um
espaço vetorial por V , vemos que a Definição 2.1.1 dota V de apenas uma estrutura
algébrica. Nesta seção, dedicamos uma certa atenção a estrutura topológica dos espaços.
Em análise numérica, necessitamos frequentemente de examinar o quão próximo uma
solução numérica encontra-se da solução exata. Para responder quantitativamente a essa
questão, precisamos ter uma medida da magnitude da diferença entre a solução numérica
e a solução exata. A norma de um vetor em um espaço vetorial fornece uma tal medida.
Definição 2.2.1. Seja V um espaço vetorial. Chamamos de Espaço Normado um par

(V, k · k) de um espaço vetorial e uma Norma em V , isto é, uma função k · k : V −→ R
que satisfaz, para todo x, y ∈ V , às condições:
• kxk ≥ 0 e kxk = 0 ⇐⇒ x = 0 (Positividade).
• kλxk = |λ|kxk, ∀λ ∈ R (Dilatação).
• kx + yk ≤ kxk + kyk (Desigualdade triangular).
Portanto, a norma em um espaço vetorial abstrato, é uma generalização do módulo

em R.
Exemplo 2.2.1. Todo espaço normado é um espaço métrico.

Com efeito, uma norma nos induz à uma métrica, e a função métrica é definida por
d(u, v) = ku − vk, ∀u, v ∈ V.
Alguns exemplos em R n são:

qP qP
i) kxk = (xi )2 =⇒ d(x, y) = (xi − yi )2 .
ii) kxk0 = |x1 | + · · · + |xn | =⇒ d0 (x, y) = |x1 − y1 | + · · · + |xn − yn |.
iii) kxk00 = max{|x1 |, · · · , |xn |} =⇒ d00 (x, y) = max{|x1 − y1 |, · · · , |xn − yn |}.
Exemplo 2.2.2. Considere o Espaço Vetorial de Sequências em R definido por
`∞ = {(xn )n∈N , xn ∈ R | sup(|xn |) < ∞}.
Se V = `∞ , então
k(xn )k := sup(|xn |)
define uma Norma em `∞ .
• k(xn )k ≥ 0 e k(xn )k = 0 ⇐⇒ x = 0.
Como |xn | ≥ 0, ∀xn ∈ R e n ∈ N, então temos que
k(xn )k = sup(|xn |) ≥ |xn | ≥ 0, além de que k(xn )k = sup(|xn |) = 0 ⇐⇒ xn = 0.
• kλ(xn )k = |λ|k(xn )k, ∀λ ∈ R.
kλ(xn )k = sup(|λxn |) = sup(|λ||xn |) = |λ| sup(|xn |) = |λ|k(xn )k.
• k(xn ) + (yn )k ≤ k(xn )k + k(yn )k.

Sendo k(xn + yn )k = sup(|xn + yn |), pela definição de Supremo, sabemos que
xn + yn ≤ sup(|xn |) + sup(|yn |),
logo sup(|xn |) + sup(|yn |) é cota superior de xn + yn . Contudo sup(|xn + yn |) é a

menor das cotas superiores de xn + yn , então
sup(|xn + yn |) ≤ sup(|xn |) + sup(|yn |).
Portanto k(xn ) + (yn )k ≤ k(xn )k + k(yn )k.
Exemplo 2.2.3. Sejam I = [a, b] ⊂ R e V = C 0 (I) = {ϕ : I −→ R contínua}. Pelo

Teorema de Weierstrass, presente na referência [6], temos que ϕ possui máximo e mínimo
global, então
sup |ϕ(x)| < ∞, ∀x ∈ I e ∀ϕ ∈ V.
Com isso, podemos estabelecer a Norma da Convergência Uniforme, definida

por
kϕk = sup |ϕ(x)|, ∀x ∈ I.
2.3 Espaços com Produto Interno

No estudo de problemas lineares, espaços vetoriais com produto interno são fre-
quentemente usados. Nesses espaços, a norma pode ser definida através do produto interno,
e a noção de ortogonalidade de dois elementos pode ser introduzida. O produto interno
em um espaço vetorial abstrato é uma generalização do produto escalar usual no plano R 2
ou no espaço euclidiano R 3 .
Definição 2.3.1. Seja V um espaço vetorial. Chamamos de Espaço com Produto

Interno um par (V, h·, ·i) de um espaço vetorial e um Produto Interno em V , isto é,
uma função h·, ·i : V × V −→ R que satisfaz, para todo x, y, z ∈ V , as condições:
• hx, xi ≥ 0, ∀x ∈ V , hx, xi = 0 ⇐⇒ x = 0 (Positividade).
• hx, yi = hy, xi (Simetria).
• hαx, yi = αhx, yi, ∀α ∈ R (Homogeneidade).
• hx + y, zi = hx, zi + hy, zi (Bilinearidade).
Exemplo 2.3.1. Todo espaço com produto interno gera um espaço normado.
Com efeito, um produto interno induz uma norma definida por
1
kuk = hu, ui 2 , ∀u ∈ V.
Mostraremos um exemplo considerando o espaço das matrizes reais de dimensão 2 × 2

(M2 (R)).
Sejam A, B ∈ M2 (R), dados por
   
a11 a12  b11 b12 
A= eB= , ∀aij , bij ∈ R.
a21 a22 b21 b22
Definimos o Traço de uma matriz em M2 (R) como a função
tr : M2 (R) −→ R
tr(A) −→ a11 + a22
e o produto interno h·, ·i : M2 (R) × M2 (R) −→ R é definido por
hA, Bi = tr(At B) = tr(B t A) = a11 b11 + a12 b12 + a21 b21 + a22 b22 ,
por fim a norma em M2 (R) proveniente deste produto interno é:

1
q
kAk = hA, Ai 2 = a211 + a212 + a221 + a222 .
Observação 2.3.1. O Exemplo 2.3.1 está diretamente ligado ao Exemplo 2.2.1. Tal
conexão, permite concluir que dado um espaço com produto interno, é possível extrair
de modo natural um espaço normado. Que deste, por sua vez, será possível extrair um
espaço métrico. Contudo a recíproca não é necessariamente verdade, como visto em [11].
Todo espaço vetorial com produto interno, possui uma propriedade importante
chamada desigualdade de Cauchy-Schwarz, que é objeto do lema seguinte.
Lema 2.3.1. (Desigualdade de Cauchy-Schwarz) Seja h·, ·i um produto interno em

V com a norma kxk2 = hx, xi. Então,
|hx, yi| ≤ kxkkyk, ∀x, y ∈ V. (2.1)
Demonstração. Pela Definição 2.3.1, para todo λ ∈ R temos que kx − λyk2 ≥ 0. Por
outro lado, da Definição 2.2.1:
kx − λyk2 = hx − λy, x − λyi
= hx, x − λyi − λhy, x − λyi
= kxk2 − λhx, yi − λhy, xi + |λ|2 kyk2 ≥ 0.
hx,yi
Fazendo a substituição λ = kyk2
, obtemos:
! !
hx, yi hx, yi hx, yi 2
kx − λyk = kxk −
2 2
hx, yi − hy, xi + | | kyk2
kyk 2 kyk 2 kyk 2
2 2
|hx, yi| |hx, yi|
= kxk2 − 2 +
kyk 2 kyk2
|hx, yi|2
= kxk2 − ≥ 0.
kyk2
|hx, yi|2
Assim, segue que kxk2 ≥ =⇒ kxk2 kyk2 ≥ |hx, yi|2 . Portanto, vale a desigualdade
kyk2
de Cauchy-Schwarz.
Vimos acima que um produto interno induz uma norma, que é sempre a norma
que usamos no espaço com produto interno, a menos que seja declarado o contrário. A
proposição seguinte fornece uma caracterização de uma tal norma.
Proposição 2.3.1. Todo espaço normado com norma k·k induzida por um produto interno
h·, ·i satisfaz a Lei do Paralelogramo:
kx + yk2 + kx − yk2 = 2(kxk2 + kyk2 ), ∀x, y ∈ V. (2.2)
Demonstração.
kx + yk2 + kx − yk2 = hx + y, x + yi + hx − y, x − yi
= kxk2 + hx, yi + hy, xi + kyk2 + kxk2 − hx, yi − hy, xi + kyk2
= 2kxk2 + 2kyk2 = 2(kxk2 + kyk2 ).

Observação 2.3.2. Se uma norma for proveniente de um produto interno, podemos

recuperar o produto interno através da Identidade de Polarização:
4hx, yi = kx + yk2 − kx − yk2 . (2.3)
Logo, em qualquer espaço vetorial normado, pode existir no máximo um produto interno
que gera a norma.
A desigualdade de Cauchy-Schwarz (2.1) e a lei do Paralelogramo (2.2) são ferra-

mentas que serão frequentemente utilizadas ao decorrer deste trabalho. Como exemplo, a
desigualdade de Cauchy-Schwarz nos possibilita provar que o produto interno preserva a
continuidade.
Proposição 2.3.2. Sejam U um espaço com produto interno e (xn ) e (yn ) duas sequências
em U . Se n→∞
lim xn = x ∈ U e n→∞
lim xn = y ∈ U , então n→∞
lim hxn , yn i = hx, yi.
Demonstração. Note que a desigualdade triangular nos dá que
|hxn , yn i−hx, yi| = |hxn , yn i−hxn , yi+hxn , yi−hx, yi| ≤ |hxn , yn i−hxn , yi|+|hxn , yi−hx, yi|,
e a desigualdade de Cauchy-Schwarz (2.1) nos dá que
0 ≤ |hxn , yn i − hx, yi| ≤ kxn k.kyn − yk + kxn − xk.kyk.
Agora, como n→∞

lim xn = x e n→∞
lim yn = y, então n→∞
lim (xn − x) = 0 e n→∞
lim (yn − y) = 0.
Portanto pelo Teorema do Confronto,
lim |hxn , yn i − hx, yi| = 0.

n→∞
Definição 2.3.2. Dizemos que dois elementos x e y de um espaço com produto interno
(V, h·, ·i) são Ortogonais, indicado por x ⊥ y, se hx, yi = 0.
Definição 2.3.3. Seja U um subconjunto de um espaço com produto interno V . Definimos

o Complemento Ortogonal de U em V como sendo o conjunto
U ⊥ := {v ∈ V | hv, ui = 0, ∀ u ∈ U } (2.4)
13
3 Espaços Normados Completos
3.1 Introdução
Neste capítulo atingiremos alguns dos principais objetos de estudo deste trabalho,
os espaços de Banach e de Hilbert. Adicionalmente, discutiremos a Projeção Ortogonal
definida em 3.5.1 através do Teorema 3.5.1.
3.2 Convergência
Em espaços vetoriais normados, é bastante usual caracterizarmos muitas noções de
topologia por meio de sequências. Com essa finalidade, apresentamos preliminarmente as
três definições seguintes.
Definição 3.2.1. Uma sequência (xn ) em um espaço normado M é dita Convergente

se:
∃u ∈ M , ∀ε > 0, ∃N tal que, ∀n ≥ N implica que kxn − uk < ε
Definição 3.2.2. Uma sequência (xn ) em um espaço normado M é dita de Cauchy se:
∀ε > 0, ∃N tal que, ∀m, n ≥ N implica que kxm − xn k < ε
Definição 3.2.3. Dizemos que um espaço normado é Completo se toda sequência (xn )
de Cauchy no espaço é convergente.
Importa ressaltar que na Definição 3.2.2 a noção de convergência é estabelecida

usando somente elementos da própria sequência (xn ) isto é, sem a necessidade de fazer
menção a um elemento externo a sequência (xn ) como acontece na Definição 3.2.1 que
envolve o elemento u ∈
/ (xn ) necessariamente.
3.3 Espaços de Banach

O conceito de espaço vetorial normado é bastante amplo, de modo que uma atenção
especial é dada a um tipo particular de espaço normado denominado espaço de Banach.
Definição 3.3.1. Um espaço normado X é chamado de Espaço de Banach se toda

sequência de Cauchy em X converge.
Observação 3.3.1. Podemos dizer também que um espaço de Banach é um espaço vetorial
munido de uma norma que o torna completo.
Capítulo 3. Espaços Normados Completos 14
Exemplo 3.3.1. O espaço R munido da norma kxk = |x|, ∀x ∈ R é um espaço de Banach,

pois sabemos que toda sequência de Cauchy de números reais converge.
Exemplo 3.3.2. O espaço R p = {x = (x1 , ..., xp ) | x1 , ..., xp ∈ R} munido da norma

q
kxk = x21 + x22 + ... + x2p , ∀x ∈ R p é um espaço de Banach.
De fato, ao pegarmos (xn ) uma sequência de Cauchy em R p com n ∈ N temos que
cada xn é uma p-upla de números reais, isto é, xn = (x(1)
n , xn , ..., xn ). Como (xn ) é uma
(2) (p)
sequência de Cauchy, então para todo ε > 0 existe algum n0 ∈ N tal que
q
(1) (1) (2) (2) (p) (p)
n, m > n0 =⇒ kxn − xm k = (xn − xm )2 + (xn − xm )2 + ... + (xn − xm )2 < ε
Em particular, para cada i = 1, 2, ..., p, temos que n, m > n0 implica que |x(i) n −xm | < ε. Isso
(i)
nos mostra que cada sequência (x(i)n ) é uma sequência de Cauchy em R e portanto converge,
pelo exemplo anterior. Podemos então definir x(i) = lim x(i) n com x = (x , x , ..., x ).
(1) (2) (p)
Claro que x ∈ R p , agora nos resta mostrar apenas que este é o limite da sequência (xn ).
Para isso, tome ε > 0. Como x(i) = lim x(i) n , então para cada i = 1, 2, ..., p, existe algum
ni ∈ N tal que
ε ε2
n > ni =⇒ |x(i)n − x (i)
| < √ ⇒ |x (i)
n − x (i) 2
| <
p p
Tome nmax = max{ni }, com i = 1, 2, ..., p, então
s
pε2
q
(1) (2) (p)
n > nmax =⇒ kxn − xk = (xn − x(1) )2 + (xn − x(2) )2 + ... + (xn − x(p) )2 < =ε
p
Portanto (xn ) converge para x em R p .
Observação 3.3.2. Como o espaço normado C é idêntico ao R 2 , segue então pelo exemplo
anterior que C é um espaço de Banach. Consequentemente, C p também é um espaço de
Banach.
Exemplo 3.3.3. O espaço vetorial das sequências de escalares absolutamente p-somáveis

é denotado por `p . Ou seja,
∞
( )
`p = x = (x1 , x2 , ...) | |xi |p < ∞
X
i=1
∞
!1
p
Tal espaço é munido de uma norma natural, dada por kxkp = p
. Além de que
X
|xi |
i=1
para 1 ≤ p < ∞, `p é um espaço de Banach.
Exemplo 3.3.4. Seja X ⊂ Ω um espaço de medida. Denotamos por Lp (X, µ) o espaço

vetorial das classes de equivalências das funções escalares Lesbesgue-mensuráveis tais que
Z
L (Ω) = ϕ : X −→ R|
p
|ϕ| dµ < ∞, 1 ≤ p < ∞
p
onde µ denota a medida de Lebesgue em um espaço mensurável. Aqui duas funções estão
na mesma classe se são iguais em quase todo ponto (µ − q.t.p). Este espaço é munido de
Z 1
p
uma norma natural, dada por kf kp = p
|ϕ| dµ . Este também é um espaço de Banach.
Daremos maior ênfase ao espaço Lp (Ω) na Seção 6.1.
3.4 Espaços de Hilbert

Dentre os espaços com produto interno, os de particular importância são os chama-
dos espaços de Hilbert cuja definição apresentamos em seguida.
Definição 3.4.1. Todo espaço completo equipado com um produto interno é chamado de
espaço de Hilbert.
Observação 3.4.1. Definição alternativa: um espaço de Hilbert é um espaço com pro-

duto interno que é completo com respeito a norma definida pelo produto interno (e é
consequentemente um espaço de Banach).
Exemplo 3.4.1. O caso particular do Exemplo 3.3.3 com p = 2

∞
( )
` = x = (x1 , x2 , ...) |
2
x2i
X
<∞
i=1
é um espaço de Hilbert com o produto interno

∞
hx, yi =
X
xi y i .
i=1
De fato, primeiro mostraremos que `2 é um Espaço Vetorial relativamente às

operações x + y = (xn + yn ) e λx = (λxn ). Observe primeiro que caso x = (xn ) e y = (yn )
∞
pertençam a `2 então a série xi yi é convergente e que a convergência de uma série é
X
i=1
simplesmente a convergência de uma sequência de somas parciais. Pela desigualdade de
Cauchy-Schwarz (2.1), temos que
!2 v v
∞ ∞ ∞ ∞ u∞ u∞
x2i yi2 =⇒
X X X X uX uX
xi y i ≤ xi y i ≤ t x2 t y 2i i < ∞.
i=1 i=1 i=1 i=1 i=1 i=1
∞
Portanto a série xi yi é convergente.
X
i=1
Além disso, temos que (x + y) ∈ `2 , pois

∞ ∞
(xi + yi )2 = x2i + 2xi yi + yi2
X X
i=1 i=1
∞ ∞ ∞
= x2i +2 x i yi + yi2
X X X
i=1 i=1 i=1

∞
= kxk2 + kyk2 + 2
X
xi y i
i=1
≤ kxk2 + kyk2 + 2kxkkyk < ∞.
Agora, para λ ∈ R e x ∈ `2 temos

∞ ∞
(λxi ) = λ
2 2
(xi )2 = λ2 kxk2 < ∞.
X X
i=1 i=1
Assim, λx ∈ `2 . Consequentemente `2 é um espaço vetorial.

Para mostrar que `2 é um espaço de Hilbert basta mostrar que `2 é um espaço
normado completo, isto é, que toda sequência de Cauchy em `2 é convergente em `2 .
Seja (xn ) uma sequência de Cauchy em `2 , então fixado i ∈ N temos para cada
m, n ∈ N que
v
q u∞
(i) (i) uX (i) (i)
m − xn | =
|x(i) (xm − xn )2 ≤ (xm − xn )2 = kxm − xn k < ε. (3.1)
(i) t
i=1
Logo (x(i)
n ) é de Cauchy. Consequentemente para cada i ∈ N, existe um número real
li = n→∞
lim xn(i) . Defina l = (l1 , l2 , ..., li , ...). Pela última desigualdade de (3.1), para todo ε > 0,
∞
existe n0 ∈ N tal que m, n > n0 implica que kxm − xn k < ε, ou seja, (x(i)
m − xn ) < ε .
(i) 2 2
X
i=1
∞
Ao tomarmos m −→ ∞, obtemos que para todo n > n0 implica que (li − x(i)
n ) < ε ,
2 2
X
i=1
isto mostra que (l − xn ) ∈ `2 . Mais ainda, l = (l − xn ) + xn ∈ `2 , pois `2 é espaço vetorial,
e l = n→∞
lim xn . Portanto, toda sequência de Cauchy em `2 é convergente, isto é, `2 é um
espaço de Hilbert.
Exemplo 3.4.2. O espaço `p com p 6= 2 não é um espaço de Hilbert. Suponha, por

absurdo, que `p seja um espaço de Hilbert para todo p =
6 2 natural. Considere as seguintes
sequências xn , yn ∈ ` :
p
• x = (xn ) = (1, 1, 0, 0, 0, ...)
• y = (yn ) = (1, −1, 0, 0, 0, ...)
Pela definição de `p dizemos que a norma de (xn ) é dada por

1 1 1
kxk = (|1|p + |1|p + |0|p + ...) p = (1 + 1) p = 2 p , para qualquer 1 ≤ p < ∞.
E a norma de (yn )
1 1
kyk = (|1|p + | − 1|p + |0|p + ...) p = 2 p , para qualquer 1 ≤ p < ∞.
Além disso temos que

1
(x + y) = (2, 0, 0, 0, ...) =⇒ kx + yk = (2p ) p = 2
1
(x − y) = (0, 2, 0, 0, ...) =⇒ kx − yk = (2p ) p = 2
=⇒ kx + yk2 + kx − yk2 = 4 + 4 = 8
E estas sequências devem satisfazer a Lei do Paralelogramo (2.2)
8 = kx + yk2 + kx − yk2 = 2(kxk2 + kyk2 ) =⇒ 2(kxk2 + kyk2 ) = 8
Então para todo p temos:

1 1
2(kxk2 + kyk2 ) =2((2 p )2 + (2 p )2 ) = 8 =⇒ p = 2.
Contradição. Concluindo que caso p 6= 2 o conjunto `p não será um Espaço de Hilbert.
3.5 Projeção Ortogonal

O próximo teorema nos mostra que dados um subespaço vetorial fechado de um
espaço de Hilbert, e x ∈ H, sempre há um ponto deste subespaço que minimiza a distância
deste subespaço com o ponto x. O resultado segue diretamente da Lei do Paralelogramo
2.2.
Teorema 3.5.1. Sejam U ⊂ H um subespaço vetorial fechado e x ∈ H. Então existe

único ab ∈ U , tal que:
kx − abk = inf{kx − ak | a ∈ U }.
Além disso, x − ab ∈ U ⊥ , onde U ⊥ = {u ∈ H | hu, xi = 0, ∀x ∈ U }.
Demonstração. Organizamos a prova em duas partes. Na primeira provamos a existência

de ab em U , e na segunda a sua unicidade. Portanto, na primeira parte mostraremos que
para todo x ∈ H, existe ab tal que
d(x, ab) = kx − abk = inf {kx − ak | a ∈ U } .

Seja δ = inf {kx − ak | a ∈ U } e (an ) em U ⊂ H, tal que kx − an k2 ≤ δ 2 + n1 . Pela

lei do Paralelogramo 2.2, temos que:
k(x − an ) + (x − am )k2 + k(x − an ) − (x − am )k2 = 2(kx − an k2 + kx − am k2 )
=⇒ k2x − (an + am )k2 + kan − am k2 = 2kx − an k2 + 2kx − am k2
2 2
=⇒ k2x − (an + am )k2 + kan − am k2 ≤ 2δ 2 + + 2δ 2 +
n m
2 2
=⇒ k2x − (an + am )k + kan − am k ≤ 4δ + +
2 2 2
n m
2 2 1
2
=⇒ kan − am k ≤ 4δ + +
2 2
− 4 x − (an + am ) (3.2)

n m 2
Vamos usar nessa demonstração o fato de que sempre existe um ponto mais próximo
de um subconjunto convexo fechado de H. Lembramos que um conjunto U é convexo se
para todo u, v ∈ U temos λu + (1 − λ)v ∈ U , para todo λ ∈ [0, 1]. Já que U é um subespaço
vetorial fechado, temos que λu + (1 − λ)v ∈ U , ∀u, v ∈ U e λ ∈ [0, 1], satisfazendo
2
a
definição de conjunto convexo. Logo, an + am ∈ U e então x − 12 (an + am ) ≥ δ 2 . Isso

se dá pelo fato de U ser um espaço vetorial e assim ub = 12 (an + am ) =⇒ ub ∈ U , além de

kx − ubk ser a distância entre x e ub, e δ ser o ínfimo das distâncias possíveis.
Pela equação 3.2 temos que:
2 2 1 2

kan − am k2 ≤ 4δ 2 + + − 4 x − (an + am )

n m 2
2 2 2 2
≤ 4δ 2 + + − 4δ 2 = +
m n m n
2 2
=⇒ kan − am k2 ≤ + .
m n
Portanto (an ) é uma sequência de Cauchy em U , logo converge para ab ∈ H. Como U é
fechado ab ∈ U .
Tendo mostrado que ab ∈ U , devemos verificar a unicidade de ab. Suponha que exista
a∗ ∈ U tal que kx − a∗ k = δ, com a∗ 6= ab. Então
1

u − (a∗ + a b )

≥ δ,

2
pela equação (3.2), temos que
ka∗ − abk2 ≤ 4δ 2 − 4δ 2 = 0 =⇒ a∗ = ab.
Portanto, vale a unicidade de ab.
Agora, defina v = x − ab com x ∈ H, mostraremos que v ∈ U ⊥ , ou seja hv, yi = 0,
∀y ∈ U . Considere kx − (ab − ty)k = kv + tyk, com t ∈ R, podemos desenvolver a partir da
Definição 2.2.1. Seja ∆(t) = kv + tyk2 , temos que
∆(t) = kv + tyk2 = hv + ty, v + tyi
= kvk2 + hv, tyi + hty, vi + ktyk2
= kvk2 + 2thy, vi + t2 kyk2 .
Por construção temos que ∆(t) = kv + tyk2 admite valor mínimo quando t = 0, afinal
kx − abk é o ínfimo das distâncias e ∆(0) = kx − abk.
Agora, para qualquer t ∈ R podemos derivar e obter que a função admite valor

mínimo apenas quando t = 0 dtd ∆(0) = 0 e hy, vi = 0, afinal
d d
∆(t) = 2hy, vi + 2tkyk2 ⇒ ∆(0) = 2hy, vi = 0.
dt dt
Logo hy, vi = 0, ∀y ∈ U , concluindo assim que v = x − ab ∈ U ⊥ .
O Teorema 3.5.1 nos motiva naturalmente ao conceito de Projeção Ortogonal, isto

é, a função P : H −→ U dada por x 7−→ ab (obtido através do Teorema 3.5.1) é a Projeção
Ortogonal de x sobre U , e P satisfaz P 2 = P e kP (x)k ≤ kxk.
De fato P 2 = P , afinal
P (P (x)) = P (ab) = ab.
Além disso, como kxk2 = kabk2 + 2hab, x − abi + kx − abk2 = kabk2 + kx − abk2 , segue-se que
kP (x)k2 = kabk2 ≤ kabk2 + kx − abk2 = kxk2 =⇒ kP (x)k ≤ kxk.
Definição 3.5.1. Se existe único ab ∈ U que minimiza a distância de x ∈ H a U , dizemos

que ab é a Projeção Ortogonal de x sobre U dada pela função
P : H −→ U
x 7−→ ab.
A projeção P tem as propriedades
• P2 = P.
• kP (x)k ≤ kxk, para todo x ∈ U .
Definição 3.5.2. Se U = V + W e V ∩ W = ∅, dizemos que U é Soma Direta de V e

V , e é denotada por
U = V ⊕ W.
Se ab é a projeção ortogonal de x sobre U ⊂ H fechado, então a Figura 2 representa

a ilustração da decomposição H = U ⊕ U ⊥ em R 3 .
Figura 2 – Soma Direta

21
4 Operadores Lineares
4.1 Introdução
Muitos dos problemas básicos em matemática aplicada compartilham a propriedade
da linearidade, de forma que espaços vetoriais e operadores lineares fornecem uma estrutura
matemática geral para análise de tais problemas. Aplicações mais complexas, normalmente
envolvem operadores não lineares, e um estudo de operadores lineares também oferece
algumas ferramentas úteis para análise de operadores não lineares. Neste capítulo, dis-
cutimos alguns tópicos sobre operadores lineares como: o espaço dos operadores lineares
contínuos, L(X, Y ), Funcionais lineares e espaços duais.
4.2 Operadores Lineares em Espaços Normados

Sejam (X, k · kX ) e (Y, k · kY ) espaços vetoriais normados. Uma aplicação é um
operador linear quando preserva as operações de adição vetorial e multiplicação de vetor
por escalar, como segue na definição abaixo.
Definição 4.2.1. A aplicação T : X −→ Y é uma Transformação Linear se para

quaisquer x1 , x2 ∈ X e α ∈ R vale
T (αx1 + x2 ) = αT (x1 ) + T (x2 ).
O Núcleo de T ou Kernel de T , denotado por Ker(T ), é o conjunto
Ker(T ) = {x ∈ X | L(x) = 0} .
A Imagem de T , denotada por Im(T ) , é o conjunto
Im(T ) = {y ∈ Y | y = T (x), para algum x ∈ X}
Observação 4.2.1. Na definição 4.2.1, se Y = R, então T é chamado de Funcional

Linear.
Exemplo 4.2.1. A aplicação L : X −→ X definida por L(x) = x para todo x ∈ X é uma

transformação linear.
De fato, dados x1 , x2 ∈ X e α ∈ R então,
L(αx1 + x2 ) = αx1 + x2 = αL(x1 ) + L(x2 ).
Chamamos L de Transformação Identidade.

Capítulo 4. Operadores Lineares 22
Exemplo 4.2.2. A aplicação L : X −→ Y definida por L(x) = 0 para todo x ∈ X é um

transformação linear.
De fato, para todo x1 , x2 ∈ V e α ∈ R tem-se
L(αx1 + x2 ) = 0 = α0 + 0 = αL(x1 ) + L(x2 ).
Chamamos L de Transformação Nula.
Exemplo 4.2.3. Considere o espaço X = C 0 (R) = {ϕ : R −→ R continua }. Seja L :

X −→ X definida por Z x
L(ϕ(x)) = ϕ(t)dt.
0
Então L é um transformação linear.
Com efeito, considere f, g ∈ X e α ∈ R. Então para todo x ∈ R segue-se que,
Z x
L((αf + g)(x)) = (αf + g)(t)dt
0
Z x
= [αf (t) + g(t)]dt
Z0x Z x
= αf (t)dt + g(t)dt
0
Z x Z0 x
=α f (t)dt + g(t)dt
0 0
= αL(f (x)) + L(g(x)).
Portanto, L(αf + g) = αL(f ) + L(g).
4.3 Operadores Lineares Contínuos e Limitados

Uma importante propriedade de um operador linear é que continuidade e limititude
são equivalentes. Declaramos e provamos este resultado na forma de uma proposição logo
após a apresentação da definição abaixo de operador linear limitado.
Definição 4.3.1. Um operador linear L : X −→ Y é dito Limitado se existe uma

constante M > 0 tal que para todo x ∈ X vale
kL(x)kY ≤ M kxkX .
Proposição 4.3.1. Sejam (X, k·kX ) e (Y, k·kY ) espaços vetoriais normados e L : X −→ Y
uma aplicação linear. As seguintes afirmações são equivalentes:
i) L é contínua
ii) L é contínua na origem

iii) L é limitada
Demonstração. A demonstração será feita em três etapas de implicações.
(i) =⇒ (ii) Como a aplicação linear L é contínua, temos obviamente que L é contínua na
origem.
(ii) =⇒ (iii) Assumindo a continuidade de L na origem, queremos mostrar que L é

limitado.

Com efeito, se kxkX ≤ δ =⇒ kL(x)kY ≤ ε, para x qualquer aplique L em

δ kxk ≤ δ que implica em kL(x)kY ≤ δε kxkX . Fazendo M = δε , completamos a
x
X
prova.
(iii) =⇒ (i) A aplicação linear L é limitada se ∃M > 0 tal que kL(x)kY ≤ M kxkX , para
qualquer x ∈ X. Consequentemente para todo x, y ∈ X temos que x − y ∈ X e
novamente, kL(x)−L(y)kY = kL(x−y)kY ≤ M kx−ykX . Portanto L é uma aplicação
linear Lipschitziana, e uma aplicação linear limitada Lipschitziana é uniformemente
contínua, afinal, dado ε > 0, tome δ = Mε , então
ε
kx − ykX < δ =⇒ kL(x − y)kY < M kx − ykX < M = ε.
M
Logo L é (uniformemente) contínua.
Definição 4.3.2. O Espaço de Todos Operadores Lineares de X para Y limitados

será denotado por L(X, Y ).
Perceba que a Definição 4.3.2 nos induz a uma norma natural do operador linear L
como sendo número real dado por
kLkL(X,Y ) = inf {M | kL(x)kY ≤ M kxkX } . (4.1)
Por outro lado, da Definição 4.3.1 temos que se x 6= 0, então existe M > 0 tal que
kL(x)kY
≤ M.
kxkX
Considerando o supremo do conjunto
( )
kL(x)kY
| ∀x ∈ X − {0}
kxkX
podemos definir a norma de L no espaço L(X, Y ) como sendo o número real
kL(x)kY
kLkL(X,Y ) = sup .
x∈X kxkX
x6=0
Mostraremos agora que kLkL(X,Y ) = sup kL(x)k

kxkX
Y
representa uma norma no espaço
x∈X
x6=0
L(X, Y ) e no lema 4.3.2 apresentaremos algumas identidades envolvendo essa norma.

Lema 4.3.1. k · kL(X,Y ) é uma norma para o espaço L(X, Y ).
Demonstração. A demonstração de que k · kL(X,Y ) satisfaz cada axioma de norma é dada

em três itens.
i) kLkL(X,Y ) ≥ 0 para todo x ∈ X pela construção da norma em L(X, Y ) e ainda,

kL(x)kY
kLkL(X,Y ) = 0 ⇐⇒ sup = 0 ⇐⇒ L(x) = 0, ∀x ∈ X ⇐⇒ L = 0.
x∈X kxkX
x6=0
ii) Primeiro, note que pela linearidade de L temos que para todo x ∈ X vale
1
!
kL(x)kY x
sup = sup kL(x)kY = sup L
.
x∈X kxkX x∈X kxkX kxkX

x∈X
Y
x6=0 x6=0 x6=0
Logo, dado α ∈ R, temos que

!
x
kαLkL(X,Y ) = sup αL

kxkX

x∈X
Y
x6=0
!
x
= sup|α| L
kxkX

x∈X
Y
x6=0
!
x
= |α|sup L = |α|kLkL(X,Y )

kxkX

x∈X Y
x6=0
iii) Suponha L1 , L2 ∈ L(X, Y ). Então

!
x
kL1 + L2 kL(X,Y ) = sup (L1 + L2 )
kxkX

x∈X
Y
x6=0
! !
x x
= sup L1 + L2
kxkX kxkX

x∈X
Y
x6=0
! !
x x
≤ sup L1 + sup L2

kxkX kxkX

x∈X Y x∈X
Y
x6=0 x6=0
= kL1 kL(X,Y ) + kL2 kL(X,Y )
Observação 4.3.1. Podemos observar que se M = kLkL(X,Y ) , vale
kL(x)kY ≤ kLkL(X,Y ) kxkX . (4.2)
Lema 4.3.2. Sejam (X, k · kX ) e (Y, k · kY ) e L ∈ L(X, Y ) com a norma
kLkL(X,Y ) = inf {M | kL(x)kY ≤ M kxkX } .
Então podemos escrever a norma do operador L das seguintes maneiras:

kL(x)kY
kLkL(X,Y ) = sup = sup kL(x)kY = sup kL(x)kY .
x∈X kxkX kxkX ≤1 kxkX =1
x6=0
Demonstração. Denote M = sup kL(x)k

kxkX
Y
, então
x∈X
x6=0
kL(x)kY
M≥ =⇒ kL(x)kY ≤ M kxkX
kxkX
para todo x ∈ X, logo M ≥ kLkL(X,Y ) .

Por outro lado, temos por definição que kL(x)kY ≤ kLkL(X,Y ) kxkX para todo
x ∈ X, logo
kL(x)kY
kLkL(X,Y ) ≥
kxkX
para todo x ∈ X − {0}. Ou seja, obtemos que kLkL(X,Y ) é cota superior de kL(x)k
kxkX
Y
, para
todo x ∈ X. Porém, temos inicialmente que M ≥ kLkL(X,Y ) , sendo M a menor das cotas
superiores de kL(x)k
kxkX
Y
, para todo x ∈ X. Portanto
kL(x)kY
kLkL(X,Y ) = sup
x∈X kxkX
x6=0
provando a primeira identidade.

Para provarmos que
kL(x)kY
sup = sup kL(x)kY = sup kL(x)kY
x∈X kxkX kxkX ≤1 kxkX =1
x6=0
basta observar que

!
x
kLkL(X,Y ) = sup L = sup kL(y)kY

kxkX

x∈X
Y kykX=1
x6=0
com y = x
kxkX
.
Exemplo 4.3.1. A aplicação linear L : X −→ X dada por L(x) = x é contínua. De fato,

para todo x ∈ X
kL(x)k = kxk = 1kxk = kLkkxk.
Exemplo 4.3.2. A aplicação linear L : X −→ X dada por L(x) = 0 é contínua. De fato,

para todo x ∈ X
kL(x)k = k0k = 0kxk = kLkkxk.
Exemplo 4.3.3. Considere o espaço X = C 0 ([0, 1]) = {ϕ : [0, 1] −→ R continua}. Seja

L : X −→ X definida por Z 1
L(ϕ) = k(x, s)ϕ(s)ds
0
onde a função k : [0, 1] × [0, 1] chamada de núcleo de L (cabe observar que k não é o Kernel
de L), é uma função contínua sobre o quadrado fechado G = [0, 1] × [0, 1]. Então L é uma
transformação linear e limitada. De fato, sejam f, g ∈ X e α ∈ R. Então

Z 1
L(αf + g) = k(x, s)(αf + g)(s)ds
0
Z 1
= (k(x, s)αf (s) + k(x, s)g(s))ds
0
Z 1 Z 1
=α k(x, s)f (s)ds + k(x, s)g(s))ds
0 0
= αL(f ) + L(g)
Agora, visto que k é contínuo sobre o quadrado fechado G, então pelo Teorema de
Weierstrass temos que k é limitada, ou seja, existe k0 ∈ R tal que
|k(x, s)| ≤ k0 , ∀(x, s) ∈ G.
Além disso, como |f (x)| ≤ kf k, temos que:

Z 1 Z 1
kL(f )k = sup k(x, s)f (s)ds ≤ sup |k(x, s)||f (s)|ds

x∈[0,1] 0 x∈[0,1] 0
Z 1
≤ k0 |f (s)|ds
0
Z 1
= k0 |f (s)|ds
0
Z 1
≤ k0 sup f (x)ds
0 x∈[0,1]
Z 1
= k0 kf k ds = k0 kf k
0
Portanto, kL(f )k ≤ k0 kf k, logo L é uma aplicação linear limitada.
Algumas demonstrações dos resultados a seguir serão omitidas. Contudo encontram-

se nas referências [1], [4], [5] e [19].
Lema 4.3.3. Seja {u1 , u2 , ..., un } um conjunto de vetores linearmente independentes

em um espaço normado X. Então existe único k > 0 tal que para quaisquer escalares
α1 , α2 , ..., αn ∈ R, tem-se
kα1 u1 + α2 u2 + ... + αn un k ≥ k(|α1 | + |α2 | + ... + |αn |)
Teorema 4.3.1. Seja (X, k · kX ) um espaço vetorial normado de dimensão finita. Então
toda transformação linear T : X −→ X é limitada.
Observação 4.3.2. Uma consequência deste teorema é que toda transformação linear
T : R n −→ R m é limitada.
Teorema 4.3.2. Sejam (X, k · kX ), (Y, k · kY ) espaços vetoriais normados, L : X −→ Y

uma aplicação linear limitada, (xn ) uma sequência em X e x0 ∈ X. Então:
i) Se n→∞
lim xn = x0 então n→∞
lim L(xn ) = L(x0 ).
ii) Ker(L) é um subespaço fechado de X.
Demonstração. i) Pela Proposição 4.3.1, L é contínua, isto é, para todo x ∈ X e

dado ε > 0 existe δ > 0 tal que
kx − x0 k < δ =⇒ kL(x) − L(x0 )k < ε.
Logo, como lim xn = x0 , então existe N ∈ N, tal que para todo n > N temos
n→∞
que kxn − x0 k < δ. Logo, para todo n > N , tem-se kL(xn ) − L(x0 )k < ε. Portanto
lim L(xn ) = L(x0 ).
n→∞
ii) Seja x ∈ Ker(L). Então existe (xn ) com xn ∈ Ker(L) tal que xn −→ x. Pelo item
anterior temos que n→∞
lim L(xn ) = L(x). Contudo L(xn ) = 0 para todo n ∈ N. Da
unicidade do limite resulta que L(x) = 0, isto é, x ∈ Ker(L). Portanto, Ker(L) =
Ker(L). Podemos verificar essa propriedade de outra maneira. Como L é contínua,
então L−1 (0) = Ker(L) é fechado, pois pré-imagem de fechado é fechado.
Note que Ker(L) é um subespaço vetorial de X. De fato, para quaisquer vetores x1 ,
x2 em Ker(L) e α ∈ R, se L(x1 ) = L(x2 ) = 0 então,
L(αx1 + x2 ) = αL(x1 ) + L(x2 ) = α0 + 0 = 0.
Logo αx1 + x2 ∈ Ker(L). Além disso, L(0) = L(0.0) = 0L(0) = 0. Portanto, todo
operador linear de X em Y , leva o elemento nulo de X no elemento nulo de Y .
Lema 4.3.4. Dadas L, T ∈ L(X, Y ), tais que, kLkL(X,Y ) = A e kT kL(X,Y ) = B tem-se
k(L + T )(x)kY ≤ (A + B)kxkX , para todo x ∈ X.
Demonstração. Como L e T são transformações lineares limitadas, então
kL(x)kY
kL(x)kY ≤ AkxkX =⇒ A ≥
kxkX
kT (x)kY
kT (x)kY ≤ BkxkX =⇒ B ≥ ,
kxkX
para todo x ∈ X com kxkX 6= 0. Somando as duas equações
kL(x)kY kT (x)kY
+ ≤ A + B =⇒ kL(x)kY + kT (x)kY ≤ (A + B)kxkX .
kxkX kxkX
Por outro lado, sabemos que
k(L + T )(x)kY = kL(x) + T (x)kY ≤ kL(x)kY + kT (x)kY
Portanto k(L + T )(x)kY ≤ (A + B)kxkX .

Teorema 4.3.3. Seja X um espaço normado e Y um espaço de Banach, então L(X, Y )

também é um espaço de Banach.
Demonstração. Seja (Ln ) uma sequência de Cauchy em L(X, Y ), pela Definição 3.2.2,
temos que:
∀ε > 0, ∃N ∈ N, tal que n, m ≥ N =⇒ kLn − Lm kL(X,Y ) < ε
Fixado x ∈ X, obtemos que:
kLn (x) − Lm (x)kY = k(Ln − Lm )(x)kY

≤ kLn − Lm kL(X,Y ) kxkX ≤ εkxkX
Assim, (Ln (x)) é Cauchy em Y . Podemos então definir L : X −→ Y por L(x) = lim Ln (x),
n→∞
para cada x ∈ X. Note que este operador é linear: sejam x1 , x2 ∈ X e α, β ∈ R. Pela
Definição 4.2.1:
L(αx1 + βx2 ) = lim Ln (αx1 + βx2 )

n→∞
= lim (αLn (x1 ) + βLn (x2 ))

n→∞
= α lim Ln (x1 ) + β n→∞

lim Ln (x2 )
= αL(x1 ) + βL(x2 )
Afirmação. L ∈ L(X, Y ) e lim Ln = L na norma k · kL(X,Y ) .

n→∞
Fixe ε > 0. Tome n0 ∈ N tal que se n, m ≥ n0 então kLn − Lm kL(X,Y ) < ε

2
.
Consequentemente
ε
kLn (x) − Lm (x)kY ≤ kLn − Lm kL(X,Y ) kxkX ≤ kxkX , para todo x ∈ X.
2
Por outro lado, fixado x, como n→∞
lim Ln (x) = L(x), podemos considerar m ≥ n0 tal que
kLn (x) − Lm (x)kY < 2 kxkX . Assim se n ≥ n0 :
ε
ε ε
kLn (x) − L(x)kY ≤ kLn (x) − Lm (x)kY + kLm (x) − L(x)kY < kxkX + kxkX = εkxkX .
2 2
Pela generalidade de x ∈ X, mostramos que Ln − L é limitado para n ≥ n0 e que
lim Ln = L. Agora, como L = L − Ln0 + Ln0 temos que
n→∞
kL(x)kY ≤ kL(x) − Ln0 (x)kY + kLn0 (x)kY < (ε + C(n0 ))kxkX ,
onde C(n0 ) = kLn0 kL(X,Y ) . Portanto segue que L(X, Y ) é completo.

4.4 Funcionais Lineares e Espaço Dual

Lembremos que para X e Y espaços vetoriais normados, denotamos por L(X, Y )
o espaço de todos os operadores lineares limitados. No entanto, um caso especialmente
importante ocorre quando Y = R. Os elementos em L(X, R) são chamados funcionais
lineares. Como R é completo, L(X, R) é um espaço de Banach. Este espaço é usualmente
denotado por X ∗ e é chamado de espaço dual de X. Iniciamos nosso estudo sobre funcionais
lineares e espaços duais com a definição abaixo.
Definição 4.4.1. Seja X um espaço vetorial normado sobre R. Um Funcional Linear

em X é uma aplicação linear f : X −→ R contínua. O conjunto de todos os funcionais
lineares será denotado por X ∗ . A norma de f é
|f (x)|
kf k := sup = sup |f (x)|.
x∈X kxk kxkX =1
x6=0
Definição 4.4.2. Dizemos que f ∈ L(X, R) é Limitado se existe M > 0 tal que
|f (x)| ≤ M kxk, para todo x ∈ X.
Corolário 4.4.1. Como consequência imediata da Proposição 4.3.1 temos que um funcio-
nal linear f : X → R é contínuo se, e somente se, f é limitado.
Exemplo 4.4.1. Seja X = R n e fixe v0 ∈ R n com v0 = 6 0. Temos que a aplicação

f : R −→ R tal que f (v) = hv, v0 i é um funcional linear. De fato, considere v1 , v2 ∈ R n e
n
α ∈ R. Então
f (αv1 + v2 ) = hαv1 + v2 , v0 i
= hαv1 , v0 i + hv2 , v0 i
= αhv1 , v0 i + hv2 , v0 i
= αf (v1 ) + f (v2 ).
Exemplo 4.4.2. Seja X = C 0 ([a, b]) = {f : [a, b] −→ R continua }. Considere f : X −→

R dada por, Z b
f (ϕ) = ϕ(t)dt
a
onde ϕ ∈ X. Então f é um funcional linear. De fato, dados ϕ, ψ ∈ X e α ∈ R tem-se
Z b
f (αϕ + ψ) = (αϕ + ψ)(t)dt
a
Z b
= αϕ(t) + ψ(t)dt
a
Z b Z b
=α ϕ(t)dt + ψ(t)dt
a a
= αf (ϕ) + f (ψ)
Exemplo 4.4.3. O funcional linear do Exemplo 4.4.2 satisfaz kf k = b − a. De fato, dada

ϕ ∈ X = C 0 ([a, b]), então kϕk = sup |ϕ(t)|. Consequentemente
t∈[a,b]
Z
b
|f (ϕ)| = ϕ(t)dt ≤ (b − a) sup |ϕ(t)| = (b − a)kϕk,

a t∈[a,b]
ou seja,
|f (ϕ)| ≤ (b − a)kϕk.
Então o supremo deve satisfazer:
sup |f (ϕ)| ≤ (b − a) sup kϕk =⇒ kf k ≤ b − a.

kϕk=1 kϕk=1
Por outro lado, se ϕ0 = 1, então kϕ0 k = 1 e |f (ϕ0 )| ≤ kf kkϕ0 k. Portanto
|f (ϕ0 )| Z b
kf k ≥ = |f (ϕ0 )| = dt = b − a.
kϕ0 k a
Corolário 4.4.2. Como consequência imediata do Teorema 4.3.3 temos que se X é um

espaço vetorial normado, então X ∗ = L(X, R) é um espaço de Banach.
31
5 Teoremas de Riesz e de Lax-Milgram
Sobre espaços de Hilbert, funcionais lineares apresentam limitações quanto a forma

que eles podem assumir. O teorema seguinte, Teorema da Representação de Riesz, torna
esta ideia mais precisa, sendo seu resultado um dos que são usados no desenvolvimento da
teoria sobre a boa colocação da classe de EDPs tratadas neste trabalho. Adicionalmente,
visando contornar algumas limitações do Teorema da Representação de Riesz, em especial
nos casos em que o operador diferencial perde simetria, consideramos o estudo do Teorema
de Lax-Milgram.
5.1 Teorema da Representação de Riesz

Neste capítulo temos de modo central as demonstrações dos Teoremas de Riesz
5.1.1 e de Lax-Milgram 5.2.2. Antes de enunciarmos o Teorema da Representação de Riesz,
daremos uma motivação para a formulação do mesmo.
Exemplo 5.1.1. Sendo H um espaço de Hilbert, fixado y ∈ H temos que para todo x ∈ H
podemos definir:
`y (x) = hx, yi
Que pelas propriedades de produto interno listadas em 2.3.1 podemos perceber facilmente
que `y é linear. Basta supor α, β ∈ R e x1 , x2 ∈ H, que pela Definição 4.2.1 obtemos que:
`y (αx1 + βx2 ) = h(αx1 + βx2 ), yi

= αhx1 , yi + βhx2 , yi
= α`y (x1 ) + β`y (x2 ).
Agora, pela Desigualdade de Cauchy-Schwarz 2.1:
|`y (x)| = |hx, yi| ≤ kxkkyk.
Logo `y ∈ H∗ , além de que:

|`y (x)|
|`y (x)| = |hx, yi| ≤ kxkkyk =⇒ ≤ kyk =⇒ k`y k ≤ kyk,
kxk
supondo x = y, temos que |`y (y)| = hy, yi = kyk2 e portanto k`y k = kyk.
Dado y ∈ H, construímos de maneira natural um funcional `y associado a y,

enquanto o Teorema da Representação de Riesz nos mostra que este exemplo pode ser
“invertido”, ou seja, todo funcional linear limitado f sobre um espaço de Hilbert H pode
ser representado em termos do produto interno em H, como veremos no teorema a seguir.
Capítulo 5. Teoremas de Riesz e de Lax-Milgram 32
Teorema 5.1.1. (Teorema da Representação de Riesz) Sejam H um espaço de

Hilbert, e f funcional linear contínuo sobre H. Então existe um único elemento y ∈ H tal
que f (x) = hx, yi para todo x ∈ H, onde h·, ·i é o produto interno sobre H. Além disso,
kf k∗ = kykH .
Demonstração. Organizamos a prova em 3 passos a saber: passo 1: Unicidade do repre-

sentante, passo 2: Existência do representante e passo 3: Isometria.
Passo 1) Unicidade do representante.

Suponha que além de y ∈ H, w ∈ H também satisfaz
f (x) = hx, yi = hx, wi, para todo x ∈ H.
Então hx, y − wi = 0 para todo x ∈ H. Como a igualdade precedente vale para todo
x ∈ H, podemos tomar em particular x = y − w que nos conduz a ky − wk = 0, a
partir da qual concluímos que y = w. Isto prova a unicidade de y.
Passo 2) Existência do representante.

Queremos mostrar que todo elemento f ∈ H∗ é da forma fy para algum y ∈ H
onde f (x) := fy (x) = hx, yi, para todo x ∈ H. O caso f ≡ 0 é trivial, sendo
suficiente escolher y = 0. Assumiremos que f 6= 0. Como o funcional f é contínuo,
o espaço nulo K = f −1 (0) = Kerf = {w ∈ H | f (w) = 0} é um subespaço vetorial
fechado próprio de H, e consequentemente pelo Teorema da Decomposição Ortogonal
(Teorema 3.5.1), o espaço H pode ser representado na forma de soma direta ortogonal
H = K ⊕ K ⊥ . Portanto, existe v ∈ K ⊥ com kvk = 1 que pode ser um candidato para
representar f , pois é ortogonal ao núcleo desse funcional. Observe que o elemento
(f (u)v − f (v)u) ∈ K para todo u ∈ H, afinal:
f (f (u)v − f (v)u) = f (u)f (v) − f (v)f (u) = 0 =⇒ (f (u)v − f (v)u) ∈ K.
Podemos concluir que hv, f (u)v − f (v)ui = 0 para todo u ∈ H, e consequentemente:
hv, f (u)vi = hv, f (v)ui =⇒ f (u)hv, vi = hf (v)v, ui =⇒ f (u) = hf (v)v, ui,
para todo u ∈ H. Portanto, temos como representante de f em H, o elemento

y = vf (v).
Passo 3) Isometria.
Se f 6= 0, então y 6= 0. Logo, para x = y temos que
kyk2H = hy, yi = f (y) ≤ kf k∗ kykH .
Dividindo por kykH segue que kykH ≤ kf k∗ .

Por outro lado, pela desigualdade de Cauchy-Schwarz |f (x)| = |hx, yi| ≤ kxkH kykH .
Além disso sup |hx, yi| ≤ kykH . Portanto kf k∗ ≤ kykH . Se kykH ≤ kf k∗ e kf k∗ ≤
kxk=1
kykH segue que kf k∗ = kykH que é o resultado desejado.
Observação 5.1.1. O teorema de Riesz fornece uma aplicação de H∗ para H que associa
a cada f ∈ H∗ o único y ∈ H tal que f (x) = hy, xi para todo x ∈ H. Pelo Teorema da
Representação de Riesz, essa aplicação é uma isometria linear bijetiva.
5.2 Teorema de Lax-Milgram

O Teorema de Lax-Milgram pode ser interpretado como uma forma do Teorema de
Riesz, mas com uma forma bilinear em lugar do produto interno.
Definição 5.2.1. Dizemos que B : H × H −→ R é uma Forma Bilinear se B(·, ·) for

linear nas duas entradas, ou seja, dados u, u1 , u2 , v, v1 , v2 ∈ H, temos:
B(αu1 + βu2 , v) = αB(u1 , v) + βB(u2 , v), ∀α, β ∈ R.

B(u, αv1 + βv2 ) = αB(u, v1 ) + βB(u, v2 ), ∀α, β ∈ R.
Definição 5.2.2. Seja B : H × H −→ R uma forma bilinear. Dizemos que B é Limitada

se
∃α > 0 tal que |B(u, v)| ≤ αkukH kvkH , ∀u, v ∈ H. (5.1)
Dizemos que B é Coerciva se
∃β > 0 tal que B(u, u) ≥ βkuk2H , ∀u ∈ H. (5.2)
Dizemos que B é Simétrica se
B(u, v) = B(v, u), ∀u, v ∈ H. (5.3)
O próximo teorema é um caso “mais forte” do Teorema de Lax-Milgram. Por exigir

mais hipóteses, o chamaremos de Teorema de Lax-Milgram simétrico.
Teorema 5.2.1. (Teorema de Lax-Milgram Simétrico) Seja B : H × H −→ R uma

forma bilinear limitada, coerciva e simétrica. Então, para todo f ∈ H∗ , existe único uf ∈ H,
tal que
B(uf , v) = f (v), ∀v ∈ H. (5.4)
Demonstração. Perceba que por B ser coerciva e simétrica, então B satisfaz os axiomas
de produto interno. Dado u ∈ H, considere
Bu : H −→ R
v 7−→ B(u, v) = Bu (v)
que é um funcional linear limitado. De fato Bu ∈ H∗ , já que dados v1 , v2 ∈ H e α ∈ R
Bu (αv1 + v2 ) = B(u, αv1 + v2 ) = αB(u, v1 ) + B(u, v2 ) = αBu (v1 ) + Bu (v2 ).
E por B(u, v) ser limitada, fixado u ∈ H existe β > 0, tal que
|Bu (v)| = |B(u, v)| ≤ βkukH .kvkH = KkvkH , com K = βkukH .
Então, fixado u ∈ H temos pelo Teorema de Riesz que existe um único wBu ∈ H
tal que Bu (v) = hwBu , vi para todo v ∈ H.
Devemos encontrar uf ∈ H tal que
B(uf , v) = huf , vi = f (v), ∀v ∈ H.
De fato, novamente pelo Teorema de Riesz existe um único Cf ∈ H tal que
f (v) = hCf , vi, ∀v ∈ H.
Assim, das duas últimas expressões acima, segue que uf = Cf . Consequentemente,

B(uf , v) = huf , vi = f (v), ∀v ∈ H.
Observação 5.2.1. A solução u := uf em (5.2), Teorema 5.2.1 satisfaz
kf k∗
kukH ≤ . (5.5)
β
De fato, pela coercividade de B temos que para qualquer u ∈ H
kf k∗
βkuk2H ≤ B(u, u) = f (u) ≤ kf k∗ kukH =⇒ βkuk2H ≤ kf k∗ kukH =⇒ kukH ≤ .
β
Importa ressaltar que a desigualdade em (5.5) representa um resultado de depen-

dência contínua com respeito aos dados para o problema . Realmente, dados f1 , f2 ∈ H∗ ,
denotemos por u1 , u2 ∈ H as correspondentes soluções garantidas pelo Teorema 5.2.1 dos
problemas B(u1 , v) = f1 (v) para todo v ∈ H e B(u2 , v) = f2 (v) para todo v ∈ H. Então,
segue-se que u := u1 − u2 ∈ H é portanto a única solução de B(u, v) = (f1 − f2 )(v) para
todo v ∈ H, de modo que (5.5) implica em
kf1 − f2 k∗
ku1 − u2 k ≤ .
β
A desigualdade precedente mostra que a estabilidade da solução de (5.2) depende fortemente

do recíproco da constante de elipticidade β. Em outras palavras, quanto maior a constante
β, melhor será a estabilidade de (5.2).
O próximo Lema irá nos auxiliar em uma das etapas do Teorema de Lax-Milgram.
Lema 5.2.1. Sejam H um espaço de Hilbert e K = 6 ∅ um subconjunto qualquer de H. O

subespaço vetorial gerado por K é denso em H se, e somente se, K ⊥ = {0}.
Demonstração. (=⇒) Suponha que o subespaço gerado por K é denso em H e x ∈ K ⊥ .

É preciso mostrar que x = 0. De fato, se x ∈ K ⊥ então x ∈ H = K. Logo, existe uma
sequência (xn ) em K tal que n→∞
lim xn = x. Agora, como x ∈ K ⊥ , segue que hxn , xi = 0,
para todo n ∈ N. Pela Proposição 2.3.2, resulta que lim hxn , xi = hx, xi. Pela unicidade
n→∞
do limite, segue que hx, xi = kxk2 = 0, ou seja, x = 0. Portanto, K ⊥ = {0}.
(⇐=) Reciprocamente, suponha que K ⊥ = {0}. Então, conforme a observação 3.5.2
podemos escrever
H = K ⊕ K ⊥.
Como K ⊥ = {0}, segue que H = K.
Finalmente podemos enunciar o Teorema de Lax-Milgram
Teorema 5.2.2. (Teorema de Lax-Milgram) Seja B : H × H −→ R uma forma

bilinear limitada e coerciva. Então, para todo f ∈ H∗ , existe único uf ∈ H, tal que
B(uf , v) = f (v), ∀v ∈ H.
Demonstração. Inicialmente faremos uma construção análoga a feita na demonstração

do Teorema 5.2.1. Contudo, pelo fato da forma bilinear não poder mais ser representada di-
retamente por um produto interno, precisaremos de um resultado omitido na demonstração
de sua “versão simétrica”.
• Uma maneira de representar a forma bilinear como produto interno.

Fixado u ∈ H, Bu (v) = B(u, v) define um funcional de H∗ . Pelo Teorema de Riesz,
existe único wBu ∈ H tal que
Bu (v) = hwBu , vi, ∀v ∈ H.
Isto define um operador A dado por
A : H −→ H
u 7−→ wBu = A(u)
Então
B(u, v) = hA(u), vi, ∀v ∈ H.
• O que sabemos do operador A?

i) A é um operador linear limitado.

De fato A é linear já que dados α ∈ R e u1 , u2 ∈ H temos
hA(αu1 + u2 ), vi = B(αu1 + u2 , v)
= αB(u1 , v) + B(u2 , v)
= αhA(u1 ), vi + hA(u2 ), vi
= hαA(u1 ) + A(u2 ), vi.
A é limitada, afinal, dado u ∈ H
kA(u)k2H = hA(u), A(u)i = B(u, A(u)) ≤ αkukH kA(u)kH .
Então kA(u)kH ≤ αkukH .

ii) A é uma bijeção.
Pela desigualdade de Cauchy-Schwarz e por B ser coerciva:
kA(u)kH .kukH ≥ |hA(u), ui| = |B(u, u)| ≥ βkuk2H

=⇒ kA(u)kH ≥ βkukH .
Logo, A é injetiva, pois Ker(A) = {0}.

A é sobrejetiva: agora veremos que Im(A) = H. Essa demonstração consiste
em dois passos
• Im(A) = Im(A).
• H ⊂ Im(A) (H = Im(A)).
Denote wBu = w. Para mostrarmos que Im(A) = Im(A), basta supormos uma
sequência de Cauchy wn ∈ Im(A) com wn −→ w. Por definição de imagem,
existe uma sequência de pontos un ∈ H tal que A(un ) = wn , para todo n ∈ N.
Dados n, m ∈ N, tem-se
1 1
kun − um kH ≤ kA(un ) − A(um )kH = kwn − wm kH .
β β
Como (wn ) é uma sequência de Cauchy, segue que (un ) também será uma
sequência de Cauchy e devido a completude de H, existe u ∈ H tal que
un −→ u.
Por outro lado, temos que se A é um operador linear e limitado. Pela Proposição
4.3.1 segue que A é contínua, logo
wn = A(un ) −→ A(u) = w.
Portanto w ∈ Im(A). Assim Im(A) = Im(A).

Agora, mostraremos que Im(A) é denso em H. Como Im(A) é um subespaço

vetorial fechado de H o Teorema 3.5.1 nos garante a existência de v ∈ H
ortogonal a Im(A), isto é
0 = hA(u), vi = B(u, v)
para todo u ∈ H.
Em particular considerando u = v, obtemos
B(v, v) = 0
e pela coercividade de B
βkvk2 ≤ B(v, v) = 0,
segue que v = 0. Assim pelo lema 5.2.1 temos que o conjunto Im(A) é denso
em H. Logo Im(A) = H, ou seja, A é sobrejetiva. Portanto A é bijetiva.
• Consequência
A : H −→ H e o mapeamento de Riesz C : H −→ H∗ são isomorfismos, como sugere
a Figura 3.
Figura 3 – Interpretação dos Operadores.
Fixado f ∈ H∗ , o candidato a solução é uf = A−1 (C −1 (f )).
B(uf , v) = hA(uf ), vi = hA(A−1 (C −1 (f ))), vi = hC −1 (f ), vi = f (v).
• Existência da Solução
Fixado u ∈ H, Bu (v) = B(u, v) define um funcional linear em H∗ . Pelo Teorema de
Riesz
B(u, v) = hA(u), vi, ∀v ∈ H,
e A é um operador linear, limitado e bijetivo.
Então, para todo f ∈ H∗ , o Teorema de Riesz garante a existência e unicidade de
um y ∈ H tal que f (v) = hy, vi.
Finalmente, considere uf = A−1 (y). Concluímos que
B(uf , v) = hA(A−1 (y)), vi = hy, vi = f (v).
• Unicidade da Solução
Suponha que existam u1 , u2 ∈ H tais que para todo f ∈ H∗ temos
B(u1 , v) = f (v) = B(u2 , v), ∀v ∈ H.
=⇒ B(u1 − u2 , v) = 0.
Substituindo v = u1 − u2 , segue pela coercividade de B que
βku1 − u2 k2H ≤ B(u1 − u2 , u1 − u2 ) = 0

=⇒ βku1 − u2 k2H ≤ 0
=⇒ u1 − u2 = 0
=⇒ u1 = u2 .

39
6 Funções Localmente Integráveis
6.1 Espaço Lp(Ω)

Neste capítulo, apresentaremos brevemente resultados e definições sobre teoria
da medida e integração que serão importantes para o desenvolvimento desse trabalho.
Consideraremos estes tópicos como previamente conhecidos e sugerimos as referências [14],
[15] e [16] para o estudo dos mesmos.
Vamos introduzir a teoria dos espaços das funções Lebesgue-Mensuráveis de ordem
p, denotado por Lp (Ω). Generalizaremos alguns resultados para estes espaços, contudo
nosso maior objetivo é apresentarmos o caso particular p = 2, o qual podemos extrair boas
aplicações, principalmente por L2 (Ω) ser um espaço de Hilbert.
Seja (X, Ω, µ) um espaço de medida.
Definição 6.1.1. Uma função f em X com valores nos números reais é Mensurável se
{x ∈ X | f (x) < a ∈ R} ∈ Ω.
Com essa definição, a coleção de funções mensuráveis é fechada sob as manipulações

algébricas básicas. Além disso, os limites pontuais de funções mensuráveis são mensuráveis.
Definição 6.1.2. Se f e g são funções mensuráveis, dizemos que f = g em µ-quase todo

ponto (µ-q.t.p) se
µ ({x ∈ X | f (x) 6= g(x)}) = 0.
Seja 1 ≤ p < ∞, definimos

Z
L (Ω) = ϕ : X −→ R mensurável |
p
|ϕ| dµ < ∞, 1 ≤ p < ∞ .
p
Para p = ∞ definimos
L∞ (Ω) = {ϕ : X −→ R mensurável | |ϕ| ≤ M µ − q.t.p.} .
Funções em Lp com 1 ≤ p < ∞ são denominadas p-integráveis e funções em L∞ por

essencialmente limitadas.
Observe que este espaço não tem estrutura de espaço vetorial, pois se tomarmos
f, g ∈ Lp com 1 ≤ p < ∞ onde ambas tem o mesmo valor, exceto em um conjunto de
medida nula, então Z
|f − g|p dµ = 0 ; f = g.
Ω
Afim de dar uma estrutura de espaço vetorial, consideramos a seguinte Relação de
Equivalência definida por: duas funções são µ equivalentes se são iguais em µ-q.t.p.
Capítulo 6. Funções Localmente Integráveis 40
Definição 6.1.3. Seja 1 ≤ p < ∞. Dizemos que Lp (Ω) é o Espaço de Todas as Classes
de Equivalência das Funções Lebesgue-mensuráveis.
Lp (Ω) é munido de uma norma natural k · kLp dada por
Z 1
p
kf kLp := |f |p dµ , para qualquer f ∈ Lp (Ω).
Para o espaço L∞ (Ω) das funções mensuráveis em Ω e que são limitadas em Ω,definimos a
norma
kgkL∞ := inf{M | |f (x)| ≤ M , para qualquer M ∈ Ω}.
Observação 6.1.1. Vale observar que o Teorema de Riesz-Fischer (vide [15]) nos dá que
k · kLp é uma norma completa em Lp (Ω), portanto é um espaço de Banach.
Podemos ressaltar algumas desigualdades válidas em Lp (Ω) que serão de suma

importância para resultados futuros deste trabalho.
Lema 6.1.1. Sejam p, q ∈ [1, ∞) expoentes conjugados, isto é p1 + 1q = 1, considere também

A, B ∈ R constantes positivas e por fim f, f1 , f2 ∈ Lp e g ∈ Lq . Então valem as seguintes
desigualdades
i) Desigualdade de Young:
Ap B q
AB ≤ + . (6.1)
p q
ii) Desigualdade de Holder:
f · g ∈ L1 e kf · gkL1 ≤ kf kLp · kgkLq . (6.2)
iii) Desigualdade de Minkowski:
kf1 + f2 kLp ≤ kf1 kLp + kf2 kLp (6.3)
Teorema 6.1.1. Os espaços C 0 (Ω) e C ∞ (Ω) são Densos em Lp (Ω), simbolicamente:
i) Lp (Ω) ⊂ C 0 (Ω), para todo 1 ≤ p < ∞.
ii) Lp (Ω) ⊂ C ∞ (Ω), para todo 1 ≤ p < ∞.
Neste trabalho, daremos atenção especial ao espaço L2 (Ω). Para toda f, g ∈ L2 (Ω)
temos que k · kL2 dada por
Z 1
2
kf kL2 = f 2 dµ (6.4)
é uma norma proveniente do produto interno h·, ·iL2 definido por

Z
hf, giL2 = f g dµ. (6.5)
Ω
Vimos anteriormente que o espaço Lp (Ω) munido da norma k · kLp é um espaço

de Banach para p ∈ [1, ∞), logo L2 (Ω) munido k · kL2 também o é. Contudo, como esta
norma é derivada do produto interno h·, ·iL2 , segue que L2 (Ω) é um espaço de Hilbert.
Em diversos momentos deste trabalho precisaremos recorrer ao Teorema da Con-
vergência Dominada que pode ser melhor aprofundado em [14] ou [15].
Teorema 6.1.2. Teorema da Convergência Dominada Sejam fn , f e g funções

mensuráveis, com g integrável (a integral do módulo de g é finita). Se fn −→ f (µ − q.t.p)
e |fn | ≤ g, então Z Z
f dµ = lim fn dµ. (6.6)
6.2 Convolução
Convolução é um operador linear que a partir de duas funções dadas, resulta numa
terceira. Na física dizemos que dado um sinal qualquer (função inicial), ao passar por um
dispositivo, o sinal inicial vai certamente sofrer alterações (resultado da convolução). Essa
transformação é o que intuitivamente chamamos convolução.
Definição 6.2.1. Sejam f, g e h funções definidas de Ω para R. Dizemos que h(x) é

Convolução de f com g se:
Z
h(x) = f (τ )g(x − τ )dτ. (6.7)
Ω
Denotamos a convolução de f com g por (f Fg)(x).
Exemplo 6.2.1. Considere χ[0, 2] a função característica para todo 0 ≤ x ≤ 2, isto é,


 1, se 0 ≤ x ≤ 2
χ[0, 2](x) =
 0, c.c.
Graficamente é representada como
Figura 4 – Gráfico de χ[0, 2].

Agora, considere g : Ω −→ R
 
1 − x, se 0 < x < 1
  1 − (x − τ ), se 0 < x < 1
g(x) = =⇒ g(x − τ ) =
 0, c.c.  0, c.c.
Graficamente representada por
Figura 5 – Gráfico de g.
Assim a convolução de χ por g é dada por

Z +∞
(χFg)(x) = χ(τ )g(x − τ )dτ
−∞
i) χ(τ )g(x − τ )dτ , 0 < x < 1.

Rx
0
ii) χ(τ )g(x − τ )dτ , 1 < x < 2.

Rx
x−1
iii) χ(τ )g(x − τ )dτ , 2 < x < 3.

R2
x−1
Nos três casos temos a mesma integral apenas, variando seus limites de integração,
então
" #b
Z b Z b
τ2
χ(τ )g(x − τ )dτ = −x + τ + 1dτ = −xτ + +τ
a a 2 a
i) 0 < x < 1: " #x

τ2 x2 x2
−xτ + +τ = −x2 + + x − 0 = − + x.
2 0
2 2
ii) 1 < x < 2:
#x
(x − 1)2 1
"
τ2 x2
−xτ + +τ = (−x2 + + x) − [−x(x − 1) + + (x − 1)] =
2 x−1
2 2 2
iii) 2 < x < 3:

#2
(x − 1)2
"
τ2 x2
−xτ + +τ = (−2x + 2 + 2) − [−x(x − 1) + + (x − 1)] = − 3x + 4.
2 x−1
2 2
Graficamente podemos visualizar o que ocorre quando convoluímos χ com g
Figura 6 – Gráfico da convolução de χ[0, 2] com g.
6.3 Suavização
Definição 6.3.1. Dizemos que f está Localmente em Lp (Ω), ou f ∈ Lploc (Ω), se f ∈

Lp (K) para todo K ⊂ Ω compacto.
Definição 6.3.2. Dizemos que a sequência (fn ) Converge Localmente para f em Lp (Ω)
se fn −→ f em Lp (K) para todo K ⊂ Ω compacto.
Definição 6.3.3. Considere ρ ∈ C ∞ (Ω) uma função não negativa, o Conjunto Suporte
de ρ é o conjunto fechado
supp(ρ) = {x ∈ Ω | ρ(x) 6= 0}.
Valem também os resultados do Teorema 6.1.1 para os espaços das funções em

C (Ω) e C ∞ (Ω) com suporte compacto denotados por Cc0 (Ω) e Cc∞ (Ω).
0
Teorema 6.3.1. Os espaços Cc0 (Ω) e Cc∞ (Ω) são densos em Lp (Ω).
Exemplo 6.3.1. Mostraremos um exemplo clássico de uma função em Cc∞ (Ω).

Considere ρ : R −→ R definida por
1

e x2 −1 , |x| < 1

ρ(x) = .
 0, |x| ≥ 1
Graficamente representamos ρ como

Figura 7 – Gráfico de ρ.
Note que o conjunto suporte de ρ é
supp(ρ) = {x ∈ Ω | ρ(x) 6= 0} = [−1, 1].
Esta seção consiste em buscar uma maneira de obter uma função “mais suave”
de uma função “menos suave”, ou seja, se tivermos f ∈ C n (Ω) tal que fh ∈ C m (Ω) com
n < m ∈ N.
Considere ρ ∈ C ∞ (Ω) uma função não negativa, cujo suporte
supp(ρ) = {x ∈ Ω : ρ(x) 6= 0}
está contido na bola unitária
B(0, 1) = {x ∈ Ω : |x| ≤ 1}
tal que ρ = 1.
R
Ω
Assim, escrevendo ρh (x) = h1n ρ( hx ) (o suporte de ρh está contido em uma bola sobre
a origem de raio h, e temos que a integral de ρh vale 1).
O exemplo a seguir nos dá uma melhor interpretação da função ρh .
Exemplo 6.3.2. Seja ρ : R −→ R tal que

1

e x2 −1 , |x| < 1

ρ(x) =
 0, |x| ≥ 1
Vimos no exemplo anterior que ρ ∈ Cc∞ (Ω).

Agora, o caso particular de ρh : R −→ R para n = 4 é dado por
h2

 1
e x2 −h2 , |x| < 1
ρh (x) =  h4
0, |x| ≥ 1
A função ρh é representada graficamente na Figura abaixo com diferentes valores de h.
Figura 8 – Gráfico de ρh para h = 1; h = 0, 75; h = 0, 5; h = 0, 3.
Definição 6.3.4. A Suavização de f é a convolução de ρh com f e será denotada por

fh e é dada pela integral
1 Z x−y
Z
fh (x) = (ρh Ff )(x) = ρh (x − y)f (y)dy = n ρ f (y)dy.
Ω h Ω h
Teorema 6.3.2. Seja f ∈ Lploc (Ω) para 1 ≤ p < ∞. Então
i) fh ∈ Lploc (Ω).
ii) fh −→ f em Lploc (Ω) quando h −→ 0.
iii) fh ∈ C ∞ (Ω).
iv) Se f possui suporte compacto em Ω e h < dist(supp(f ), ∂Ω) então fh ∈ Cc∞ (Ω).
Demonstração. i) Mostraremos que para todo K ⊂ Ω existe K 0 ⊂ Ω tal que
kfh kLp (K) ≤ kf kLp (K 0 ) .
Em outras palavras, mostrar isso é mostrar que

Z Z
|fh (x)| dx ≤
p
|f (x)|p dx.
K K0
Como f ∈ Lploc a integral |f (x)|p dx < ∞, logo |fh (x)|p dx < ∞, ou seja,
R R
K0 K
fh ∈ Lploc .
De fato, considere h < 21 dist(K, ∂Ω). Pela Definição 6.3.4 temos que fh (x) é dada
por Z
fh (x) = ρh (x − y)f (y)dy
K
Fazendo a substituição z = x − y
Z
fh (x) = ρh (z)f (x − z)dz
|z|≤h
Logo, o módulo |fh (x)|p pode ser escrito como

Z !p
|fh (x)|p = ρh (z)f (x − z)dz
|z|≤h
!p
[ρh (z)]1/p
Z !
= ρh (z)f (x − z) dz
|z|≤h [ρh (z)]1/p
Z !p
= [ρh (z)] 1−1/p
[ρh (z)] 1/p
f (x − z)dz
|z|≤h
Pela desigualdade de Holder (6.2)

Z !p/q Z !
|fh (x)| ≤
p
[ρh (z)] q(1−1/p)
dz ρh (z)|f (x − z)| dz p
|z|≤h |z|≤h
Como ρh = 1
R
Z
|fh (x)| ≤ p
ρh (z)|f (x − z)|p dz
|z|≤h
Agora, como a bola |z| ≤ h e o espaço K são epaços de medida completos e a

função g(x, z) = ρx (z)|f (x − z)|p é mensurável por ser o produto de duas funções
mensuráveis, podemos integrar e aplicar o Teorema de Fubini, presente em [14] ou
[15]:
Z Z Z
|fh (x)|p dx ≤ ρh (z)|f (x − z)|p dzdx
K K |z|≤h
Z Z
= ρh (z) |f (x − z)|p dxdz
|z|≤h K
Por fim, considere K 0 = {y = x + z : x ∈ K, |z| ≤ h} e usando novamente o fato de

que ρh = 1 podemos concluir que
R
Z Z Z
|fh (x)|p dx ≤ ρh (z) |f (x − z)|p dxdz
K |z|≤h K
Z Z Z
≤ ρh (z) |f (x)| dxdz =
p
|f (x)|p dx.
|z|≤h K0 K0
ii) Como Cc0 (Ω) é denso em Lp (Ω), então Lp (Ω) ⊂ Cc0 (Ω), isto é, dado ε > 0 conseguimos
ϕ ∈ Cc0 (Ω) tal que kf − ϕkLp (Ω) < 3ε .
Por outro lado, a suavização de ϕ nos garante a existência de ϕh ∈ Cc0 (Ω) de modo
que kϕ − ϕh kLp (K 0 ) < 3ε quando h −→ 0. Então temos que
kf − fh kLp (K) ≤ kf − ϕkLp (K) + kϕ − ϕh kLp (K) + kϕh − fh kLp (K)

ε ε
≤ + + kϕ − f kLp (K 0 ) < ε.
3 3
iii) Mostraremos que a ordem de derivação de fh depende apenas de ρh que é de classe

C ∞.
Sendo Z
fh (x) = ρh (x − y)f (y) dy
Ω
Então
Z Z
fh (x + ε) − fh (x) = ρh (x + ε − y)f (y) dy − ρh (x − y)f (y) dy
ZΩ Ω
= f (y)(ρh ((x − y) + ε) − ρh (x − y)) dy

Ω
Dividindo ambos os lados da equação por ε e passando o limite com ε −→ 0 segue

que
fh (x + ε) − fh (x) 1Z
lim = lim f (y)(ρh ((x − y) + ε) − ρh (x − y)) dy
ε→0 ε ε→0 ε Ω
ρh ((x − y) + ε) − ρh (x − y)
Z !
= lim f (y) dy.
ε→0 Ω ε
Como as condições do Teorema da Convergência Dominada em Lp (Ω) são satisfeitas

vale (6.6), isto é, podemos “trocar” o limite com a integral:
fh (x + ε) − fh (x) Z ρh ((x − y) + ε) − ρh (x − y)
!
lim = f (y) lim dy.
ε→0 ε Ω ε→0 ε
Portanto, fh é de classe C 1 e, usando um argumento de indução, obtemos que

ρh ∈ C ∞ (Ω).
iv) Não apresentaremos a prova desse item, mas sua ideia fica clara quando vista a
Figura 9.
Figura 9 – Interpretação do item iv.

48
7 Espaços de Sobolev
7.1 Derivadas fracas

Sejam Ω ⊂ R n e f : Ω −→ R uma função diferenciável. Então para toda função
teste ϕ ∈ Cc∞ (Ω), podemos integrar por partes e obter que
Z
∂f Z Z
∂ϕ
ϕ dx = fϕ − f dx.
Ω ∂xj ∂Ω Ω ∂xj
Porém, como ϕ possui suporte compacto contido em Ω, segue que ϕ(x) = 0 para todo x
na fronteira de Ω, ou seja
Z
∂f Z
∂ϕ
ϕ dx = − f dx. (7.1)
Ω ∂xj Ω ∂xj
Definição 7.1.1. Seja α = (α1 , · · · , αn ) ∈ N n um multi-índice. Definimos o Operador

Diferencial de ordem |α| := α1 + · · · + αn por:
∂ |α|
∂ :=
α
∂xα1 1 · · · ∂xαnn
Agora, repetindo o processo gerador da Equação (7.1) |α| vezes, obtemos:

Z Z
(∂ f )ϕ dx = (−1)
α |α|
f (∂ α ϕ)dx. (7.2)
Ω Ω
Note que o lado esquerdo da equação (7.1) faz sentido apenas se garantirmos a existência da
∂f ∂ϕ
derivada , enquanto o lado direito só precisamos que f ∈ L1 (Ω), afinal ∈ Cc∞ (Ω).
∂xj ∂xj
Definição 7.1.2. Dada f ∈ L1loc (Ω), dizemos que g ∈ L1loc (Ω) é a α-ésima Derivada
Fraca de f se
Z Z
gϕ dx = (−1)α f (∂ α ϕ) dx, para toda ϕ ∈ Cc∞ (Ω), (7.3)
Ω Ω
denotamos g = ∂ α f .
Proposição 7.1.1. Linearidade para Derivadas Fracas

Suponhamos que ∂ α f1 = g1 e ∂ α f2 = g2 . Então vale a identidade ∂ α (λ1 f1 + λ2 f2 ) =
λ1 g1 + λ2 g2 , para quaisquer escalares λ1 e λ2 .
Demonstração. A demonstração decorre da Equação (7.3) e da linearidade da integral.

Capítulo 7. Espaços de Sobolev 49
O conceito derivada fraca estende o conceito clássico de derivada, com a particula-

ridade de preservar a fórmula de integração por partes. Além disso, exigindo apenas que a
função pertença a L1loc (Ω), podemos calcular derivadas que não são calculadas no sentido
clássico.
Exemplo 7.1.1. Seja f : R −→ R a função x 7−→ |x| a função módulo na reta.
Figura 10 – Função módulo na reta.
Podemos listar algumas particularidades de f que serão demonstradas em sequência
i) f não é derivável em Ω = R.
ii) f ∈
/ L1 (Ω).
iii) f ∈ L1loc (Ω).
iv) f admite derivada fraca.
i) De fato f não é derivável em Ω = R, o Quociente de Newton nos dá que:
f (0+ + h) − f (0+ ) f (0− + h) − f (0− )

lim = 1 6= −1 = lim .
h→0 h h→0 h
ii) A Figura 10 gera uma boa interpretação geométrica do porquê f ∈

/ L1 (Ω). O fato
decorre pela área abaixo da curva não convergir:
Z ∞ Z k Z 0 Z k
|x| dx = lim |x| dx = lim −x dx + lim x dx = lim k 2 = ∞.
−∞ k→∞ −k k→∞ −k k→∞ 0 k→∞
iii) Como |f (x)| = |x| é contínua para todo x no compacto K ⊂ Ω, existe M =

max{|f (x)| | ∀x ∈ K}. Consequentemente:
Z Z
|f (x)| dx ≤ M dx = M µ(K) < ∞.
K K
Portanto f ∈ L1loc (Ω).

iv) Por fim, mostraremos que a derivada fraca de f é:


1, se x > 0




sgn(x) = 0, se x = 0

 −1, se x < 0


Figura 11 – Função sgn(x), derivada fraca da função módulo na reta.
Seja ϕ ∈ Cc∞ (R). Então

Z Z 0 Z ∞
sgn(x)ϕ(x) dx = − ϕ(x) dx + ϕ(x) dx
Ω −∞ 0
Z 0 Z ∞
=− xϕ(x)|0−∞ − xϕ (x) dx +
0
xϕ(x)|∞
0 − xϕ0 (x) dx
−∞ 0
Z
= |x|ϕ0 (x) dx.
Ω
Observação 7.1.1. A escolha de f no Exemplo 7.1.1 não foi por acaso. Este é um
importante exemplo que nos ajuda ter melhor compreensão dos objetos apresentados.
Além de que, em particular nos itens ii) e iii), estamos explicitando um exemplo em
que L1 (Ω) ⊂ L1loc (Ω), mas L1loc (Ω) 6⊂ L1 (Ω) (L1loc (Ω) ⊂ L1 (Ω) só ocorre quando Ω for
compacto). O que mostra a maior generalidade do espaço L1loc (Ω), e por isso exigimos
f ∈ L1loc (Ω) em 7.1.2.
Exemplo 7.1.2. Sejam Ω = (0, 2) e


 x, se 0 < x ≤ 1
u(x) = 
1, se 1 < x < 2
Dada ϕ ∈ Cc∞ (0, 2)

Z 2 Z 1 Z 2
− u(x)ϕ (x) dx = −
0
xϕ (x) dx −
0
ϕ0 (x) dx
0 0 1
Z 1
= −[xϕ(x)]10 + ϕ(x) dx − ϕ(2) + ϕ(1)
0
Z 1
= −ϕ(1) + ϕ(1) − ϕ(2) + ϕ(x) dx,
0
sendo que ϕ(2) = 0 pois o suporte de ϕ está contido em (0, 2). Logo
Z 2 Z 1
− u(x)ϕ (x)dx =
0
ϕ(x) dx
0 0
Portanto a derivada fraca de u(x) é dada por


 1, se 0 < x ≤ 1
v(x) =
 0, se 1 < x < 2
Lema 7.1.1. Seja f ∈ L1loc (Ω) tal que

Z
f (x)ϕ(x) dx = 0, para toda ϕ ∈ Cc∞ (Ω).
Ω
Então, f = 0, µ − q.t.p.
Demonstração. Dado K compacto em Ω, a suavização de f dada por

Z
fh (x) = (f Fρh )(x) = f (y)ρh (xy) dy = 0, para quaisquer x ∈ K e h < dist(K, ∂Ω).
K
Pelo Teorema 6.3.2 sabemos que fh −→ f em L1loc (Ω) quando h −→ 0. Logo, f = 0 em K.

Como K ⊂ Ω é arbitrário, f = 0 µ − q.t.p em Ω.
O próximo teorema nos garante que se f admite derivada fraca, então a derivada
fraca de f é única.
Teorema 7.1.1. Unicidade da Derivada Fraca Sejam f ∈ L1loc (Ω) e α ∈ N. Se g e h,

ambas em L1loc (Ω), são as α-ésimas derivadas fracas de f . Então, g = h µ − q.t.p.
Demonstração. Dada ϕ ∈ Cc∞ (Ω). Pelas hipóteses do teorema, se g e h são ambas

α-ésimas derivadas fracas de f , então
Z Z Z
gϕ dx = (−1)α f ∂ α ϕ dx = hϕ dx.
Ω Ω Ω
Então Z Z Z
gϕ dx − hϕ dx = (g − h)ϕ dx = 0, para toda ϕ ∈ Cc∞ (Ω).
Ω Ω Ω
Portanto, pelo Lema 7.1.1, temos que g − h = 0 µ − q.t.p, logo g = h.
Outras propriedades podem ser melhor estudadas nas referências [1], [4] e [5]. Por
ora precisamos apenas destas no intuito de definirmos os espaços de Sobolev.
Definição 7.1.3. Seja f ∈ L1loc (Ω):
i) Dizemos que f é Fracamente Diferenciável se suas derivadas fracas de primeira

ordem existem.
ii) Dizemos que f é k-vezes Fracamente Diferenciável se suas derivadas fracas de

ordem 1, · · · , k existem.
iii) O espaço (linear) das funções k-vezes fracamente diferenciáveis é o espaço W k (Ω),
definido pelo conjunto:
W k (Ω) = {f ∈ L1loc (Ω) | ∂ α f ∈ L1loc (Ω), com |α| ≤ k}.
7.2 Espaços de Sobolev

Definição 7.2.1. Dados p ∈ [1, ∞) e k ∈ N, o espaço das funções que possuem derivadas
fracas de ordem até k é denominado Espaço de Sobolev, e denotado por W k,p (Ω) definido
pelo conjunto
W k,p (Ω) = {f ∈ Lp (Ω) | ∂ α f ∈ Lp (Ω), com 0 ≤ |α| ≤ k}.
O Espaço de Sobolev W k,p (Ω) admite a norma k · kW k,p

 1  1
p Z p
kf kW k,p =  k∂ α f kpLp  = ( |∂ α f |p ) dx .

X X

α≤k Ω α≤k
Com efeito, dados f, g ∈ W k,p as propriedades kf kW k,p (Ω) ≥ 0 com kf kW k,p = 0 ⇐⇒ f = 0

e kλf kW k,p = |λ|kf kW k,p para qualquer λ ∈ R ocorrem naturalmente, afinal a norma
k · kW k,p é definida à partir da norma k · kLp .
Quanto à desigualdade triangular
 1
p
kf + gkW k,p = k∂ f + ∂
α α
gkpLp 
X

α≤k
 1
p
[(k∂ α
f kpLp ) + (k∂ α
gkpLp ))]
X
≤ 
α≤k
 1  1
p p
α
f kpLp  + α
gkpLp  = kf kW k,p + kgkW k,p .
X X
≤  k∂ k∂
α≤k α≤k
Observação 7.2.1. Vale notar que, diferentemente dos espaços W k (Ω), cuja definição
usa integração local em Ω, os de Sobolev W k,p (Ω) são definidos com o conceito integração
em todo o Ω.
Lema 7.2.1. W k,p (Ω) é um espaço de Banach para todo 1 ≤ p < ∞.
Demonstração. Seja (fn ) uma sequência de Cauchy em W k,p (Ω), com fn −→ f em

Lp (Ω).
Mostraremos que f ∈ W k,p (Ω), ou seja, que ∂ α f ∈ Lp (Ω). Como (fn ) é Cauchy
em W k,p (Ω), então (∂ α fn ) é Cauchy no espaço Lp (Ω), que é Banach, para qualquer α
com α ≤ k. Então para cada α, existe fα ∈ Lp (Ω) tal que ∂ α fn −→ fα em Lp (Ω). Basta
mostrarmos que ∂ α f = fα .
Seja ϕ ∈ Cc∞ (Ω), então
Z Z Z Z
f (∂ ϕ) = lim
α
fn (∂ ϕ) = (−1) lim
α α
(∂ fn )ϕ = (−1)
α α
fα ϕ.
Ω n→∞ Ω n→∞ Ω Ω
Logo Z Z
fα ϕ = lim (∂ α fn )ϕ.
Ω n→∞ Ω
Integrando por partes, α vezes, e usando o fato de que ϕ ∈ Cc∞ (Ω), obtemos que
Z Z Z Z
fα ϕ = lim fn ϕ − lim fn (∂ α ϕ) = − lim fn (∂ α ϕ).
Ω n→∞ ∂Ω n→∞ Ω n→∞ Ω
Como fn −→ f e pela equação (7.2) concluímos que

Z Z Z
fα ϕ = − f (∂ ϕ) =
α
(∂ α f )ϕ.
Ω Ω Ω
Logo fα = ∂ α f . Portanto W k,p (Ω) é um espaço de Banach.
Observação 7.2.2. Na demonstração acima, o Teorema da Convergência Dominada nos

garante a troca do limite com a integral.
Em particular, o espaço de Sobolev
W k,2 (Ω) = {f ∈ L2 (Ω) | ∂ α f ∈ L2 (Ω), 0 ≤ |α| ≤ k},
é um espaço de Hilbert que é denotado por Hk (Ω), cujo produto interno h·, ·iHk é definido
por
hf, giHk = h∂ α f, ∂ α giL2 .
X
|α|≤k
E norma k · kHk , proveniente do produto interno h·, ·iHk é definida por
kf k2Hk = k∂ α f k2L2 .
X
|α|≤k
7.3 Espaço W0k,p(Ω)

Definição 7.3.1. Definimos o espaço W0k,p (Ω) como fecho de Cc∞ (Ω) em W k,p (Ω).
W0k,p (Ω) = Cc∞ (Ω). (7.4)
Observação 7.3.1. Informalmente, W0k,p (Ω) é o espaço das funções f ∈ W k,p (Ω) que se
anulam na fronteira:
W0k,p (Ω) = {f ∈ Lp (Ω) | ∂ α f ∈ Lp (Ω), |α| ≤ k e f = 0 em ∂Ω}.

Em particular, denotaremos por H01 (Ω) o espaço (de Hilbert) W01,2 (Ω). Para toda
f, g ∈ H01 (Ω) definimos o produto interno h·, ·iH1 por
hf, giH1 = h∇f, ∇giL2 + hf, giL2 (7.5)
e k · kH1 , definida como

kf k2H1 = k∇f k2L2 + kf k2L2 (7.6)
é uma norma proveniente de h·, ·iH1 .
O Teorema 6.1.1 pode ser estendido para o espaço H01 (Ω).
Teorema 7.3.1. Os espaços C 0 (Ω) e C ∞ (Ω) são densos em H01 (Ω).
Teorema 7.3.2. Os espaços Cc0 (Ω) e Cc∞ (Ω) são densos em H01 (Ω).
Teorema 7.3.3. Desigualdade de Poincaré

Seja Ω um aberto limitado de R n . Então existe uma constante positiva C = C(n, Ω)
tal que para todo u ∈ H01 (Ω) nós temos
kukL2 ≤ Ck∇ukL2 . (7.7)
Demonstração. Pelo Teorema 7.3.2, H01 (Ω) ⊂ Cc∞ (Ω). Isso significa que podemos provar
para u ∈ Cc∞ (Ω) que, por densidade, o mesmo resultado valerá para u ∈ H01 .
Sem perda de generalidade como Ω é limitado, suponha que supp(u) esteja “exclu-
sivamente no primeiro quadrante”, isto é
u(x1 , · · · , xn ) = 0 caso ao menos um xi ≤ 0, ∀i = 1, · · · , n
em particular utilizaremos que u(x1 , · · · , 0, · · · , xn ) = 0.

Como u ∈ Cc∞ (Ω), podemos utilizar do Teorema Fundamental do Cálculo vide [7]
Z x
i
|u(x1 , x2 , · · · , xi−1 , xi , xi+1 , · · · , xn )| = , xn ) dt

∂i u(x1 , x2 , · · · , xi−1 , t, xi+1 , · · ·
Z 0xi
≤ |∂i u(x1 , x2 , · · · , xi−1 , t, xi+1 , · · · , xn )| dt.
0
Sendo f (t) = 1, g(t) = |∂i u(x1 , x2 , · · · , t, xn )| na Desigualdade de Cauchy-Schwarz e

a = sup{|xi | ∈ Ω | i = 1, · · · , n}. Então,
Z a Z a 1 Z a 1
2 2
|∂i u(x1 , x2 , · · · , t, xn )| dt ≤ 1 dt
2
|∂i u(x1 , x2 , · · · , t, xn )| dt 2
0 0 0
Z a 1
1 2
=a 2 |∂i u(x1 , x2 , · · · , t, xn )| dt
2
.
0
Consequentemente:
Z a
|u(x1 , x2 , · · · , t, xn )|2 ≤ a |∂i u(x1 , x2 , · · · , t, xn )|2 dt.
0
Integrando novamente
Z a Z a
|u(x1 , x2 , · · · , t, xn )|2 dt ≤ a2 |∂i u(x1 , x2 , · · · , t, xn )|2 dt. (7.8)
0 0
Ao integrarmos sobre as demais variáveis, obtemos

Z Z
|u(x)|2 dx ≤ an+1 |∇u|2 dx.
Ω Ω
Portanto
kukL2 ≤ Ck∇ukL2 .
Observação 7.3.2. No passo onde obtemos a Equação (7.8) temos do lado direito uma
integral dupla Z a Z a
a |∂i u(x1 , x2 , · · · , t, xn )| dt dt.
2
0 0
Contudo, a integral de dentro será constante ao substituirmos os limites de integra-

ção, obtendo assim que se
Z a
|∂i u(x1 , x2 , · · · , t, xn )|2 dt = K
0
então
Z a Z a Z a Z a
a |∂i u(x1 , x2 , · · · , t, xn )|2 dt dt = a K dt = a2 K = a2 |∂i u(x1 , x2 , · · · , t, xn )|2 dt.
0 0 0 0
Corolário 7.3.1. Seja Ω um aberto limitado de R n . Então existe uma constante positiva
C = C(n, Ω) tal que para todo u ∈ H01 (Ω) nós temos
kukH1 ≤ Ck∇ukL2 . (7.9)
Demonstração. De fato, pela Desigualdade de Poincaré existe C = C(n, Ω) constante,

tal que:
kukL2 ≤ Ck∇ukL2 =⇒ kukL2 +k∇ukL2 ≤ Ck∇ukL2 +k∇ukL2 =⇒ kukH1 ≤ (C+1)k∇ukL2 .

56
8 Equações Diferenciais Parciais Elípticas
8.1 Introdução
Neste trabalho faremos o estudo de uma família de EDPs de segunda ordem,
chamadas EDPs Lineares Elípticas. Seja Ω ⊂ R n aberto, um tipo especial de EDP Elíptica
é a Equação de Poisson:
n
∂ 2u
−∆u(x) = − (x) = f (x), ∀x ∈ Ω. (8.1)
X
2
i=1 ∂xi
O problema de Poisson com condições de contorno Dirichlet Homogênea é:


 −∆u = f, se x ∈ Ω
(8.2)
 u = 0, se x ∈ ∂Ω
Definição 8.1.1. Uma função u ∈ C 2 (Ω)∩C 0 (Ω) que satisfaz (8.2) é chamada de Solução
Clássica do problema de Dirichlet.
8.2 Solução Fraca de Equações Diferenciais Parciais

Definição 8.2.1. Seja f ∈ L2 (Ω). Dizemos que u ∈ H01 (Ω) ⊂ H1 (Ω) é uma Solução
Fraca para o problema de Dirichlet (8.2), se:
Z Z
∇u · ∇v dx = f v dx, para todo v ∈ H01 (Ω).
Ω Ω
Exemplo 8.2.1. Seja f ∈ L2 (Ω) com Ω ⊂ R n aberto. Mostraremos que existe uma única
u ∈ H01 (Ω) solução fraca para o problema

 −∆u + u = f , x ∈ Ω
, (8.3)
 u = 0 , x ∈ ∂Ω
isto é, existe uma única u ∈ H01 (Ω) que satisfaz

Z Z Z
∇u · ∇v dx + uv dx = f v dx, para todo v ∈ H01 (Ω).
Ω Ω Ω
Com efeito, seja v ∈ H01 (Ω) uma função teste. Multiplicando a Equação (8.3) por v
e integrando em Ω segue que
Z Z Z Z Z
(−v∆u + vu) dx = f v dx =⇒ − v∆u dx + vu dx = f v dx.
Ω Ω Ω Ω Ω
Considerando a identidade de Green dada por

Z Z Z
− v∆u dx = ∇u · ∇v dx − v∇u · ~n dx,
Ω Ω ∂Ω
Capítulo 8. Equações Diferenciais Parciais Elípticas 57
e lembrando que v ∈ H01 (Ω), da expressão precedente somos conduzidos a

Z Z Z
∇u · ∇v dx + uv dx = − f v dx, ∀v ∈ H01 . (8.4)
Ω Ω Ω
Reescrevendo a Equação (8.4) em termos do produto interno de H1 (Ω), temos que
hu, viH1 := h∇u, ∇viL2 + hu, viL2 = hf, viL2 .
Agora, defina uma forma bilinear B : H01 (Ω) × H01 (Ω) −→ R por
B(u, v) = h∇u, ∇viL2 + hu, viL2 .
Defina, também, um funcional F : H01 (Ω) −→ R por
F (v) = hf, viL2 .
No intuito de aplicarmos o Teorema de Lax-Milgram mostraremos que F ∈ (H01 )∗

e que B é uma forma bilinear limitada e coerciva.
Afirmação. F é limitado em H01 (Ω).
Sejam f ∈ L2 (Ω) e v ∈ L2 (Ω)∩H01 (Ω). Então, pela Desigualdade de Cauchy-Schwarz

e por (7.6):
|F (v)| = |hf, viL2 | ≤ kf kL2 kvkL2 ≤ kf kL2 kvkH1 = KkvkH1 .
Afirmação. B é limitada em H01 (Ω).
De modo análogo ao item anterior. Dados u, v ∈ H01 (Ω) temos que:
|B(u, v)| = |h∇u, ∇viL2 + hu, viL2 | ≤ |h∇u, ∇viL2 | + |hu, viL2 |
≤ k∇ukL2 k∇vkL2 + kukL2 kvkL2
≤ (k∇ukL2 + kukL2 )(k∇vkL2 + kvkL2 )
= kukH1 kvkH1
Afirmação. B é coerciva em H01 (Ω).
Com efeito, dado u ∈ H01 (Ω) temos que:
B(u, u) = h∇u, ∇uiL2 + hu, uiL2 = hu, uiH1 ≥ kuk2H1 .
Consequentemente, o teorema de Lax-Milgram garante a existência e unicidade de solução

do problema que consiste em encontrar u ∈ H01 (Ω) tal que
B(u, v) = F (v), para todo v ∈ H01 (Ω).

Exemplo 8.2.2. Problema de Dirichlet Homogêneo

Seja f ∈ L2 (Ω) com Ω ⊂ R n aberto limitado. Mostraremos que existe uma única
u ∈ H01 (Ω) solução fraca para o problema de Dirichlet homogêneo

−∆u = f , x ∈ Ω
(8.5)
 u = 0 , x ∈ ∂Ω
isto é, existe uma única u ∈ H01 (Ω) que satisfaz

Z Z
∇u · ∇v dx = f v dx, para todo v ∈ H01 (Ω).
Ω Ω
De modo análogo ao exemplo anterior. Defina B : H01 (Ω) × H01 (Ω) −→ R por
B(u, v) = h∇u, ∇viL2 , ∀u, v ∈ H01 (Ω).
Defina, também, o funcional F : H01 (Ω) −→ R por
F (v) = hf, viL2
A fim de mostrar que F ∈ (H01 )∗ e que B é uma forma bilinear limitada, argumenta-se da
mesma forma.
Quanto a coercividade de B, este resultado decorre da aplicação da Desigualdade
de Poincaré 7.3.1.
Afirmação. B é coerciva em H01 (Ω)
Este resultado ocorre naturalmente, afinal

1
B(u, u) = h∇u, ∇uiL2 = k∇uk2L2 ≥ kukH1 .
C
Portanto, mais uma vez, segue do Teorema de Lax-Milgram a existência e unicidade

da solução u ∈ H01 (Ω) para o problema
B(u, v) = F (v).
Se os dados do problema de Dirichlet (8.5) são suficientemente regulares e a solução

fraca também é suficientemente regular, então ela é uma solução clássica.
Proposição 8.2.1. Soluções Fracas Regulares são Soluções Clássicas

Seja f ∈ C 0 (Ω). Se existir uma solução fraca u ∈ C 2 (Ω) ∩ C 0 (Ω) para o problema

 −∆u = f, x ∈ Ω
(8.6)
 u = 0, x ∈ ∂Ω
então u é uma solução clássica.
Demonstração. Seja v ∈ Cc∞ (Ω). Pela Identidade de Green, temos:

Z Z
∇u · ∇v = − (∆u)v.
Ω Ω
Da Definição 8.2.1 segue que Z Z

− (∆u)v = fv
Ω Ω
para todo v ∈ Cc∞ (Ω), ou seja,
−∆u = f em Ω
Além disso, como u ∈ C 2 (Ω) ∩ H01 (Ω), segue que u = 0 em ∂Ω.
8.3 Existência de Soluções Fracas para Equações Lineares Elípticas

na Forma Divergente
Definição 8.3.1. Seja Ω ⊂ R n aberto. Dizemos que os operadores elípticos cuja parte
principal está na forma Divergente são operadores da forma:
n n
!
∂ ∂u ∂u
Lu := − aij (x) + bi (x) + c(x)u. (8.7)
X X
i,j=1 ∂xi ∂xj i=1 ∂xi
Vamos admitir que os coeficientes aij (x), bi (x) e c(x) sejam de classe C ∞ (Ω). Assumiremos,
também, a hipótese de simetria aij (x) = aji (x) para todo x ∈ Ω.
A equação (8.7) pode ser reescrita de forma compacta como
Lu := −div(A∇u) + ~b · ∇u + cu,
" #
∂u
onde A = [aij (x)] ∈ R n×n
, ~b = [bi (x)] ∈ R n e ∇u = ∈ Rn.
∂xi
Definição 8.3.2. Dizemos que L é Uniformemente Elíptico em Ω se existe θ positivo
tal que
n
aij (x)ξi ξj ≥ θkξk2 , para todo ξ = (ξ1 , · · · , ξn ) ∈ R n − {0}. (8.8)
X
i,j=1
Em notação compacta ficaria

ξ T Aξ ≥ θkξk2 .
Seja L um operador elíptico na forma divergente 8.3.1 com coeficientes aij , bi ,

c ∈ L (Ω), cujas normas kaij kL∞ , kbi kL∞ e kckL∞ sejam finitas. Gostaríamos de generalizar
∞
a existência e unicidade da solução para a formulação fraca do problema elíptico homogêneo

geral 
 Lu = f , x ∈ Ω
. (8.9)
 u = 0 , x ∈ ∂Ω
Contudo, nem sempre a forma bilinear obtida a partir do Problema (8.9) é coerciva. Então
mostraremos que existe λ0 > 0 tal que para todo λ > λ0 existe uma única solução fraca
u ∈ H01 (Ω) para o problema

 Lu + λu = f , x ∈ Ω
. (8.10)
 u = 0 , x ∈ ∂Ω
Similar à Equação (8.3), reformularemos à Equação (8.10) para uma forma fraca.
Multiplicando a equação por ϕ ∈ Cc∞ (Ω) e integrando sobre Ω obtemos
n Z n Z
!
Z
∂ ∂u ∂u Z Z Z
(Lu + λu)ϕ := − ϕ+ ϕ + cuϕ + λuϕ = f ϕ,
X X
aij bi
Ω i,j=1 Ω ∂xi ∂xj i=1 Ω ∂xi Ω Ω Ω
ou equivalentemente
Z Z Z Z Z
(Lu + λu)ϕ := − div(A∇u)ϕ + (~b · ∇u)ϕ + (c(x) + λ)uϕ = f ϕ. (8.11)
Ω Ω Ω Ω Ω
Observe que podemos reescrever o primeiro termo da Equação (8.11) usando a identidade
de Green
Z Z Z Z
− div(A∇u)ϕ = A∇u · ∇ϕ − ϕA∇u · ~n = A∇u · ∇ϕ.
Ω Ω ∂Ω Ω
Como consequência, obtemos:

Z Z Z Z
A∇u · ∇ϕ + (~b · ∇u)ϕ + (c(x) + λ)uϕ = f ϕ. (8.12)
Ω Ω Ω Ω
Defina o funcional linear F : H01 (Ω) −→ R por

Z
F (ϕ) := f ϕ,
Ω
e a forma bilinear B : H01 (Ω) × H01 (Ω) −→ R por

Z Z Z
B(u, ϕ) := A∇u · ∇ϕ + (~b · ∇u)ϕ + c(x)uϕ.
Ω Ω Ω
Finalmente, a forma bilinear Bλ : H01 (Ω) × H01 (Ω) −→ R é definida por

Z
Bλ (u, ϕ) := B(u, ϕ) + λuϕ.
Ω
Resolver o problema dado pela equação (8.12) se reduz a encontrar um único

u∈ H01 (Ω) tal que
Bλ (u, ϕ) = F (ϕ) para toda ϕ ∈ Cc∞ (Ω).
Contudo, este problema é equivalente a: existe único u ∈ H01 (Ω) tal que
Bλ (u, ϕ) = F (ϕ) para toda ϕ ∈ H01 (Ω),
pois Cc∞ (Ω) é denso em H01 (Ω) (Teorema 7.3.2).

Mostraremos que F é um funcional linear limitado e que B é limitada e coerciva
para aplicarmos o Teorema de Lax-Milgram.
Afirmação. F ∈ (H01 )∗ .
De fato, para todo g ∈ H01 (Ω)

Z
|F (g)| = = |hf, ϕiL2 | ≤ kf kL2 kgkL2 ≤ kf kL2 kgkH1 .

f g
Ω
Perceba que, para mostrarmos que Bλ é limitada em H01 (Ω) é suficiente mostrar
que B é limitada em H01 (Ω). Afinal, se para quaisquer f, g ∈ H01 (Ω), existe K > 0, tal que
|B(f, g)| ≤ Kkf kH1 kgkH1 .
Consequentemente:
Z Z
B(f, g) + |B(f, g)| + ≤ (K + λ)kf kH1 kgkH1 .

λf g ≤ λf g
Ω Ω
Afirmação. B é limitada em H01 (Ω).
Dados u, ϕ ∈ H01 (Ω), então

Z Z Z
|B(u, ϕ)| = A∇u · ∇ϕ + (~b · ∇u)ϕ +

cuϕ
ZΩ ΩZ ΩZ
A∇u · ∇ϕ + (~b · ∇u)ϕ + cuϕ

≤
Ω Ω Ω
Z Z Z
kAkL∞ ∇u · ∇ϕ + kbi kL∞ ∇uϕ + kckL∞

≤ uϕ
Ω Ω Ω
≤ kAkL∞ k∇ukL2 k∇ϕkL2 + k~bkL∞ k∂i ukL2 kϕkL2 + kckL∞ kukL2 kϕkL2
≤ k∇ukL2 kϕkH1 kAkL∞ + k∇ukL2 kϕkH1 k~bkL∞ + kukL2 kϕkH1 kckL∞
≤ C(A, ~b, c)(kukH1 kϕkH1 + kukH1 kϕkH1 + kukH1 kϕkH1 ).
Portanto |B(u, ϕ)| ≤ 3C(A, ~b, c)kukH1 kϕkH1 , ou seja, B é limitada em H01 (Ω). Consequen-
temente Bλ é limitada.
Agora, mostraremos que Bλ é coerciva. Recorreremos a desigualdade de Young em
termos de ε para essa demonstração.
Lema 8.3.1. (Desigualdade de Young com ε)

Para quaisquer a, b ∈ R e para todo ε > 0 vale
ε 1
ab ≤ a2 + b2 . (8.13)
2 2ε
√
Demonstração. Na desigualdade de Young (6.1), tome p = q = 2, A = εa e B = √b .
ε
Afirmação. Bλ é coerciva em H01 (Ω).

Dado u ∈ H01 (Ω), pela Definição 8.3.2 existe θ > 0 tal que
Z Z Z
B(u, u) = A∇u · ∇u + (~b · ∇u)u + cu2
Ω Z Ω Z Ω
≥ θk∇uk2L2 + (~b · ∇u)u + cu2

Ω Ω
≥ θk∇uk2L2 − k~bkL∞ k∇ukL2 kukL2 + kckL∞ kuk2L2 .
Agora, pela desigualdade de Young (8.13) com ε = θ e denotando por b = k~bkL∞ chegamos
a
θ 1
bk∇ukL2 kukL2 = (k∇ukL2 )(bkukL2 ) ≤ (k∇ukL2 )2 + (bkukL2 )2 .
2 2θ
Consequentemente
1
!
θ
B(u, u) ≥ θk∇uk2L2− (k∇ukL2 )2 + (bkukL2 )2 + kckL∞ kuk2L2
2 2θ
2
θ b
= θk∇uk2L2 − (k∇ukL2 )2 − kuk2L2 − kckL∞ kuk2L2
2 2θ !
θ b2
= θk∇ukL2 − (k∇ukL2 ) − kukL2
2 2 2
+ kckL∞
2 2θ
!
θ b2
= (k∇ukL2 ) − kukL2
2 2
+ kckL∞ .
2 2θ
Denotando por
b2
λ0 = + kckL∞ ,
2θ
tem-se que
θ θ θ θ
B(u, u) ≥ k∇uk2L2 − λ0 kuk2L2 = k∇uk2L2 − λ0 kuk2L2 + kuk2L2 − kuk2L2
2 2 ! 2 2
θ θ
= kuk2H1 − λ0 + kuk2L2
2 2
Então, para λ0 = λ0 + θ
2
e para λ suficientemente grande
θ
B(u, u) ≥ kuk2H1 − λkuk2L2 .
2
Portanto
θ
Bλ (u, u) ≥ kuk2H1 .
2
Segue do Teorema de Lax-Milgram, que existe um único u ∈ H01 (Ω) tal que
Bλ (u, ϕ) = F (ϕ), para todo ϕ ∈ H01 (Ω).

63
9 Considerações finais
9.1 Conclusão
Imersos na teoria da análise funcional linear, e adotando uma abordagem construtiva,
apresentamos neste trabalho resultados que permitiram uma maior compreensão de certas
propriedades de interesse intrínseco aos espaços de Hilbert com o objetivo de formular
adequadamente problemas variacionais associados a EDP’s elípticas, visando a obtenção
de soluções fracas das mesmas. Para tanto, como uma interlocução inicial para fixar ideias,
consideramos o problema de Poisson e tentamos encontrar uma solução desse problema
no espaço Le 2 (Ω), que a primeira vista parece bastante natural de ser feito. Em seguida,
evidenciamos as inconsistências envolvendo tanto o espaço L e 2 (Ω) quanto o problema
formulado. Na sequência, introduzimos as ferramentas matemáticas para contornar tais

inconsistências, e reformulamos o problema de Poisson no espaço adequado, culminando
com a demonstração da boa colocação (existência e unicidade de solução) desse problema
modelo. Estabelecidas as bases para o estudo da boa colocação de problemas variacionais
abstratos, finalizamos este trabalho estendendo a prova da boa colocação do operador
de Laplace no problema de Poisson ao operador elíptico completo escrito na forma de
divergência.
Adicionalmente, como subproduto dessa abordagem, sob determinadas condições
de regularidade das soluções, demonstramos que é possível recuperar soluções clássicas
das EDP’s tratadas neste trabalho.
9.2 Projetos Futuros

Para desenvolvimentos futuros, pretendemos aplicar os conceitos abordados neste
trabalho no estudo de métodos numéricos, especialmente nos métodos de elementos finitos,
essencialmente por duas razões. A primeira é que os métodos de elementos finitos baseiam-
se em problemas variacionais, alguns dos quais foram objeto de estudo deste trabalho. A
segunda razão é que tal família de métodos é a mais amplamente usada na aproximação
numérica de soluções de problemas do mundo real e/ou científicos. Podemos, também,
aplicar toda a teoria em exemplos. Por exemplo, resolver a formulação fraca com o método
de Galerkin, onde é usado uma base global de funções para os espaços definidos. Resolver
o mesmo problema com as duas formulações (clássica e fraca) e fazer comparações. Outra
vertente que pretendemos explorar futuramente, é a extensão do Teorema de Lax-Milgram à
problemas cuja formulação apresenta um espaço das funções tentativas diferente do espaço
das funções testes. Tal extensão é conhecida como Teorema de Lax-Milgram generalizado.
Capítulo 9. Considerações finais 64
Lembramos que o espaço das funções tentativas é o espaço de busca por uma solução
de um problema variacional. No Teorema de Lax-Milgram, temos que ambos os espaços,
tentativa e teste, são exatamente o mesmo.
65
Referências
1 BIEZUNER, R. J. Notas de Aula, Análise Funcional. Minas Gerais: UFMG, 2009.

Citado 4 vezes nas páginas 1, 5, 26 e 51.
2 BIEZUNER, R. J. Equações Diferenciais Parciais I/II. Minas Gerais: UFMG, 2009.

Citado 2 vezes nas páginas 1 e 5.
3 ROBINSON, J. C. Linear Partial Diferential Equations. 2010. Citado 2 vezes nas

páginas 1 e 5.
4 RIVERA, J. E. M. Teoria das Distribuições e Equações Diferenciais Parciais. Rio de

Janeiro: UFRJ, 2004. Citado 3 vezes nas páginas 5, 26 e 51.
5 BOTELHO DANIEL MARINHO PELLEGRINO, E. V. T. Geraldo Márcio de A.

Fundamentos de Análise Funcional, Segunda Edição. Rio de Janeiro: SBM, 2015. Citado
3 vezes nas páginas 5, 26 e 51.
6 LIMA, E. L. Análise Real vol.1, Funções de Uma Variável. Rio de Janeiro: IMPA, 2016.
Citado 3 vezes nas páginas 5, 6 e 9.
7 LIMA, E. L. Análise Real vol.2, Funções de n Variáveis. Rio de Janeiro: IMPA, 2016.
8 PINTO, D.; MORGADO, M. C. F. Cálculo diferencial e integral de funções de várias

variáveis. [S.l.]: UFRJ, 2009. Citado na página 5.
9 CABRAL, P. G. M. Curso de Álgebra Linear, Fundamentos e Aplicações, Terceira

Edição. Rio de Janeiro: UFRJ, 2012. Citado na página 5.
10 AXLER, S. Linear Algebra Done Right, Third Edition. San Francisco: Springer.
Citado na página 5.
11 LIMA, E. L. Elementos de Topologia Geral. Rio de Janeiro: SBM, 2014. Citado 2

vezes nas páginas 5 e 11.
12 LIMA, E. L. Espaços Métricos. Rio de Janeiro: SBM, 2014. Citado na página 5.
13 MUNKRES, J. Topology, 2nd Edition. [S.l.]: Pearson, 2000. Citado na página 5.
14 JUNIOR, A. A. de C. Curso de Teoria da Medida. Rio de Janeiro: IMPA, 2015.

Citado 4 vezes nas páginas 5, 39, 41 e 46.
15 BARTLE, R. G. The Elements of Integration and Lebesgue Measure. New York:

Wiley, 1995. Citado 5 vezes nas páginas 5, 39, 40, 41 e 46.
16 NETO, H. A. TCC, Uma introdução à Teoria Ergódica. Rio de Janeiro: [s.n.], 2019.
17 LIMA, R. F. de. Topologia e Análise no Espaço Rn. Natal: UFPR, 2013. Citado na
página 6.
Referências 66
18 PELLEGRINI, L. Introdução ‘a Análise Funcional. São Paulo: USP. Citado na

página 6.
19 MACHADO, L. B. Dissertação apresentada ao Programa de Pós-Graduação –

Mestrado Profissional em Matemática, Análise Funcional e Aplicações. São Paulo: [s.n.],
2012. Citado 2 vezes nas páginas 6 e 26.
20 SILVA, J. L. da. Teoria espectral de operadores lineares limitados. In: Análise

Funcional 2, 4º Ano, ramo científico-tecnológico. [S.l.: s.n.], 2006. p. 179–199. Citado na
página 6.
21 OLIVEIRA, O. R. B. de. Notas de Aula, EDP’s ELÍPTICAS - MAT5812. São Paulo:

IMEUSP, 2017. Citado na página 6.
22 MEDEIROS, M. A. M. M. Luis Adauto da J. ESPAÇOS DE SOBOLEV - Iniciação

aos Problemas Elíticos não Homogêneos. Rio de Janeiro: UFRJ, 2000. Citado na página 6.

Guilherme Saroka

Enviado por

Dados do documento

Descrição original:

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Guilherme Saroka

Enviado por

Direitos autorais:

Formatos disponíveis

Guilherme Ramalho Saroka

Aplicações da Análise Funcional no Estudo de

Aplicações da Análise Funcional no Estudo de Equações

Trabalho de Conclusão de Curso submetido

Universidade Federal Fluminense

Orientador: Alan Prata de Paula

S243a Saroka, Guilherme Ramalho

Trabalho de Conclusão de Curso (Graduação em Matemática)-

1. Equações Diferenciais Parciais Lineares Elípticas. 2.

Bibliotecário responsável: Debora do Nascimento - CRB7/6368

Aplicações da Análise Funcional no Estudo de Equações

Trabalho de Conclusão de Curso submetido

Trabalho aprovado. Volta Redonda, RJ, 05 de maio de 2021:

Prof. Dr. Alan Prata de Paula – UFF

Prof. Dr. Alessandro Gaio Chimenton – UFF

Prof. Dr. Honório Joaquim Fernando – UFF

Prof. Dr. Luiz Felipe Nobili França – ITA

Prof. Dr. Gustavo Benítez Alvarez – UFF

Nosso objetivo principal é demonstrar o Teorema de Lax-Milgram, que é um importante

Por fim, mostraremos que o Teorema de Lax-Milgram nos direciona a um arcabouço

Palavras-chave: Equação Diferencial Parcial Linear Elíptica. Espaços de Hilbert. Teorema

Our main objective is to demonstrate the Lax-Milgram Theorem, which is an important

Keywords: Elliptical Linear Partial Differential Equation. Hilbert Spaces. Lax-Milgram

Figura 1 – Fluxograma de organização do trabalho. . . . . . . . . . . . . . . . . . 5

EDO Equação Diferencial Ordinária

EDP Equação Diferencial Parcial

µ-q.t.p µ-quase todo ponto

Rn Espaço euclidiano de dimensão n

Ω Região do espaço euclidiano R d , d = 1, · · · , n

C 0 (Ω) Espaço das funções continuas definidas de Ω para R

C ∞ (Ω) Espaço das funções definidas de Ω para R continuamente deriváveis em

Lp (Ω) Espaço das funções definidas de Ω para R Lesbesgue-mensuráveis

W k,p (Ω) Espaço das funções em Lp (Ω) k-vezes fracamente diferenciáveis

Hk (Ω) Espaço de Hilbert das funções em W k,1 (Ω)

3 ESPAÇOS NORMADOS COMPLETOS . . . . . . . . . . . . . . . . 13

5 TEOREMAS DE RIESZ E DE LAX-MILGRAM . . . . . . . . . . . 31

6 FUNÇÕES LOCALMENTE INTEGRÁVEIS . . . . . . . . . . . . . . 39

1.2 Motivação Holística

Considerando a identidade de Green dada por

onde | · | denota o módulo em R. Definimos o produto interno h·, ·i2 por

e a norma k · k2 , proveniente do produto interno h·, ·i2 , é definida por

em consequência da desigualdade de Cauchy-Schwarz (2.1), ainda precisamos que o lado

induzida pelo produto interno definido por

Assim podemos reescrever a equação (1.3) como

h∇u, ∇ϕi2 = hf, ϕi2 . (1.6)

ϕ 7−→ L(ϕ) = hf, ϕi2 .

f1 (Ω) podemos definir, também, a forma bilinear

(u, ϕ) 7−→ B(u, ϕ) = h∇u, ∇ϕi2 .

Consequentemente, (1.6) pode ser escrito como

A partir deste momento, precisamos encontrar u que satisfaça o problema (1.7).

Teorema 1.2.1. (Teorema de Lax-Milgram) Sejam H um espaço de Hilbert, H∗ seu

Gostaríamos de usar o Teorema de Lax-Milgram 1.2.1 em (1.7), pois, como con-

linearidade do produto interno. Além disso, a Desigualdade de Cauchy-Schwarz em L e 2 (Ω)

e a definição da norma de H1 implicam que L é limitado:

Quanto à forma bilinear B temos que

|B(u, v)| = |h∇u, ∇vi2 | ≤ k∇uk2 k∇vk2 ≤ kukH1 kvkH1 .

ii) B(u, v) é coerciva:

onde C é uma constante positiva que depende apenas do domínio Ω.

Observação 1.2.1. Será dedicada uma seção exclusiva ao enunciado e à demonstração do

Observação 1.2.2. Na verdade existem inconsistências na construção feita acima e

i) Problemas com os espaços.

ii) Derivada clássica.

espaço não é Hilbert, e ao trabalharmos com L2 (Ω) perdemos a noção convencional