Escolar Documentos
Profissional Documentos
Cultura Documentos
Teorema Espectral
Volta Redonda, RJ
2021
Patrick dos Santos Alves
Teorema Espectral
Volta Redonda, RJ
2021
Ficha catalográfica automática - SDC/BAVR
Gerada com informações fornecidas pelo autor
CDD -
Teorema Espectral
Volta Redonda, RJ
2021
A minha família.
Agradecimentos
∆ Operador Laplaciano
∂Ω Fronteira de Ω
C0∞ (Ω) Espaço das funções infinitamente diferenciáveis com suporte compacto
definidas de Ω para R
1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2 ESPAÇOS DE HILBERT . . . . . . . . . . . . . . . . . . . . . . . . 2
2.1 Espaços Normados . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2 Espaços com Produto Interno . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Espaços de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
4 TEOREMA ESPECTRAL . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1 Operadores Compactos . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.2 Aplicação do Teorema Espectral . . . . . . . . . . . . . . . . . . . . . 40
6 CONSIDERAÇÕES FINAIS . . . . . . . . . . . . . . . . . . . . . . . 49
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
1
1 Introdução
Uma das formas mais simples de enunciar o Teorema Espectral em dimensão finita
é que toda matriz simétrica com entradas reais é ortogonalmente semelhante a uma matriz
diagonal, ou seja, A = P −1 DP onde D é uma matriz diagonal formada por todos os
autovalores de A, e P é ortogonal, cujas colunas são os autovetores de A. Em termos de
operadores, o Teorema Espectral diz que um operador linear simétrico é diagonalizável e
que o espaço vetorial admite uma base ortonormal de autovetores. O Teorema Espectral
para matrizes simétricas reais foi provado por Cauchy em 1826, e estendido para o caso
complexo por Hermite em 1855. Uma consequência direta do Teorema Espectral é o
Teorema dos Eixos Principais que diz que toda forma quadrática pode ser reescrita sem os
termos mistos. Essa aplicação é importante para classificação de formas quadráticas.
Uma pergunta sobre o estudo da Teoria Espectral é: Um operador linear em espaço
de dimensão infinita também apresenta uma forma “diagonal”?
Neste trabalho nosso objetivo é generalizar o Teorema Espectral para operados em
espaços de dimensão infinita. Para isso iremos trabalhar em espaços de Hilbert e veremos
em que condições é possível obter uma forma “diagonal” para este tipo de operador.
Este trabalho está organizado da seguinte maneira. No Capítulo 2, introduziremos
Espaços Normados e Espaços de Hilbert, com suas propriedades. No Capítulo 3, serão
estudados operadores em espaços de Hilbert, tais como operadores adjuntos e normais. O
Teorema Espectral será apresentado no Capítulo 4, junto com o estudo dos operadores
compactos. No Capítulo 5, trataremos uma Equação Diferencial Parcial (Problema de
Dirichlet) sob o ponto de vista da Teoria Espectral.
2
2 Espaços de Hilbert
Definição 2.1. Seja X um espaço vetorial sobre K. Uma norma em X é uma função
k · k : X → R tal que para todo x, y ∈ X e α ∈ K,
(i) kxk ≥ 0;
(ii) kxk = 0 se e só se x = 0;
é a norma usual de Kn .
Sejam x, y ∈ Kn e α ∈ K,então
n
X 1
2
(i) kxk = 2
|xi | ≥ 0;
i=1
n
X 1
2
(ii) kxk = 0 ⇔ |xi |2
= 0 ⇔ xi = 0 ⇔ x = 0;
i=1
Capítulo 2. Espaços de Hilbert 3
n
X 1 n
X 1
2 2
(iii) kαxk = (|αxi |)2 = |α| |xi |2 = |α|kxk;
i=1 i=1
(iv)
n
kx + yk2 = |xi + yi |2
X
i=1
n
(|xi |2 + |yi |2 + 2|xi yi |)
X
≤
i=1
n
X 1 X
n 1
2 2
2 2 2 2
≤ kxk + kyk + 2 |xi | |yi |
i=1 i=1
2 2
= kxk + kyk + 2kxkkyk
= (kxk + kyk)2 .
Exemplo 2.3. Seja C([0, 1]) o espaço vetorial das funções contínuas definidas no intervalo
[0, 1] com valores em R. Então a função k · k : C([0, 1]) → R definida por:
(iii) kαf k = max{|αf (x)|; x ∈ [0, 1]} = |α| max{|f (x)|; x ∈ [0, 1]} = |α|kf k
Definição 2.5. Sejam (X, k · k) um espaço normado e (xn ) uma sequência em X. Dizemos
que xn converge para x se:
Teorema 2.6. Sejam (X, k · k) um espaço normado, (xn ) e (yn ) sequências em X que
convergem para x, y ∈ X respectivamente e (αn ) uma sequência em K a qual converge para
α ∈ K. Então:
(a) n→∞
lim kxn k = kxk;
(c) Como (αn ) é convergente, ela é limitada. Então existe K > 0 tal que |αn | ≤ K para
todo n ∈ N. Além disso,
Definição 2.7. Sejam (X, k · k) um espaço normado e (xn ) uma sequência em X. Dizemos
que (xn ) é de Cauchy se para todo > 0 existem n0 ∈ N tal que m, n > n0 implica
kxn − xm k < .
n
X 1
2
• kxk = |xi |2 (norma usual);
i=1
n
• kxkS = |xi | (norma da soma);
X
i=1
O Teorema 2.10 nos diz que as normas vistas acima são equivalentes em Rn .
Estes espaços vetoriais são espaços de Banach com a norma p dada por:
Z 1
p
p
kf kp = |f | dµ .
Ω
Seja V o espaço das sequências com valores reais. Temos um outro espaço que
também é de Banach e é dado por:
∞
`2 = {(xn ) ∈ V ; |xn |2 < ∞}.
X
n=1
Lema 2.14 (Desigualdade de Hölder - Lema A.12 [4]). Sejam f, g funções mensuráveis
em Ω para p, q ≥ 1 com 1/p + 1/q = 1,
Definição 2.15. Seja (xn ) uma sequência num espaço vetorial normado (X, k·k). Definimos
∞
X
a série de termos xn sendo xn .
n=1
∞
X
Definição 2.16. Seja (X, k · k) um espaço normado. Uma série xi converge para x se:
i=1
n
X
∀ > 0 ∃n0 ∈ N; n > n0 ⇒
xi − x
< .
i=1
n
X
Denotamos de n-ésima soma parcial a parcela sn = xi e a série é absolutamente
i=1
∞
X
convergente se kxi k converge.
i=1
k=1 k=1
n
Demonstração. Tome > 0. Seja sn =
X
xk a n-ésima soma parcial da sequência. Como
k=1
∞
X n
X
kxk k converge a sequência das somas parciais ||xk || é Cauchy, assim existe n0 ∈ N
k=1 k=1
tal que
m
X
||xk || <
k=n+1
∞
X
Portanto, (sn ) é uma sequência de Cauchy em um espaço de Banach. Assim, xk
k=1
converge.
Capítulo 2. Espaços de Hilbert 7
(a) hx, xi ≥ 0;
(b) hx, xi = 0 ⇔ x = 0;
i=1
interno em Kn . Este produto interno é chamado de produto interno usual de Kn .
De fato,
n n
(a) hx, xi = |xi |2 ≥ 0;
X X
xi xi =
i=1 i=1
n
(b) hx, xi = |xi |2 = 0 ⇔ |xi | = 0 ⇔ xi = 0;
X
i=1
n n n n
(c) hx + y, zi =
X X X X
(xi + yi )zi = (xi zi + yi zi ) = xi zi + yi zi = hx, zi + hy, zi;
i=1 i=1 i=1 i=1
n n
(d) hαx, yi =
X X
(αxi )yi = α xi yi = αhx, yi;
i=1 i=1
n n n
(e) hx, yi =
X X X
xi yi = y i xi = yi xi = hy, xi
i=1 i=1 i=1
Exemplo 2.20. Se f,Zg ∈ L2 (Ω) então f g ∈ L1 (Ω) e a função h·, ·i : L2 (Ω) × L2 (Ω) → K
definida por hf, gi = f gdµ é um produto interno em L2 (Ω). Este produto interno é
Ω
chamado de produto interno usual em L2 (Ω). Sejam f, g ∈ L2 (Ω). Então, pela Desigualdade
de Hölder, com p = q = 2 e a definição de L2 (Ω),
Z Z 1 Z 1
2
|f g|dµ ≤ |f | dµ 2
|g|2 dµ 2
< ∞,
Ω Ω Ω
então f g ∈ L1 (Ω) e a fórmula hf, gi = Ω f gdµ está bem definida. Agora vamos mostrar
R
que a forma acima define um produto interno em L2 (Ω) verificando todas as propriedades.
Usando as propriedades de integral teremos que:
Capítulo 2. Espaços de Hilbert 8
Z
(i) hf, f i = |f |2 dµ ≥ 0;
Ω
Z
(ii) hf, f i = 0 ⇔ |f |2 dµ = 0 ⇔ f ≡ 0;
Ω
Z Z Z
(iii) hf + g, hi = (f + g)hdµ = f hdµ + ghdµ = hf, hi + hg, hi;
Ω Ω Ω
Z Z
(iv) hαf, hi = αf hdµ = α f hdµ = αhf, hi;
Ω Ω
Z Z
(v) hf, gi = f gdµ = gf dµ = hg, f i.
Ω Ω
Lema 2.21. Sejam X um espaço vetorial com produto interno h·, ·i e x, y ∈ X. Então:
0 ≤ hαx + y, αx + yi
= |α|2 hx, xi + αhx, yi + αhy, xi + hy, yi
hx, yi 2 hx, yi hx, yi
= hx, xi − hx, yi − hx, yi + hy, yi
hx, xi
hx, xi hx, xi
|hx, yi|2 |hx, yi|2
= −2 + hy, yi
hx, xi hx, xi
|hx, yi|2
=− + hy, yi
hx, xi
Teorema 2.22. Sejam X um espaço vetorial com produto interno h·, ·i e norma induzida
k · k. Então, para todo x, y ∈ X:
Exemplo 2.23. A norma usual do espaço C([0, 1]) não é induzida por nenhum produto
interno. Considere as funções f, g ∈ C([0, 1]) dadas por f (x) = 1 e g(x) = x, x ∈ [0, 1].
Pela definição da norma em C([0, 1]) temos que:
kf + gk2 + kf − gk2 = 4 + 1 = 5,
2(kf k2 + kgk2 ) = 2(1 + 1) = 4.
Como Teorema 2.22 não é satisfeito temos que a norma não pode ser induzida por um
produto interno.
Definição 2.24. Seja X um espaço vetorial com produto interno h·, ·i. Dizemos que
x, y ∈ X são ortogonais se hx, yi = 0. Um conjunto A ⊂ X é ortogonal se hx, yi = 0
∀x, y ∈ A com x 6= y.
Definição 2.25. Sejam X um espaço vetorial com produto interno h·, ·i e A um subcon-
junto de X. O complemento ortogonal de A é o conjunto
A⊥ = {x ∈ X; hx, yi = 0 ∀y ∈ A}.
Lema 2.26. Sejam X um espaço vetorial com produto interno h·, ·i e A ⊂ X um subcon-
junto. Então:
Capítulo 2. Espaços de Hilbert 10
(b) Se Y ⊂ A então A⊥ ⊂ Y ⊥ ;
(c) A ⊂ (A⊥ )⊥ .
Demonstração.
(c) Seja x ∈ A e y ∈ A⊥ . Por definição temos que 0 = hx, yi = hy, xi, como y ∈ A⊥
segue que x ∈ (A⊥ )⊥ .
Definição 2.27. Um espaço vetorial com produto interno (H, h·, ·i) é de Hilbert se é
completo na norma induzida por h·, ·i.
O seguinte Teorema nos diz sobre quais condições o espaço Lp (Ω) é separável.
Teorema 2.31 (Teorema 4.13 [3]). Seja Ω um espaço de medida separável. Então Lp (Ω)
é separável para 1 ≤ p < ∞.
Lema 2.33 (Lema 3.30 [6]). Seja Y um subespaço de um espaço com produto interno X.
Então,
x ∈ Y ⊥ ⇔ kx − yk ≥ kxk, ∀y ∈ Y.
O resultado acima junto como Teorema 2.35 nos dá mais informações sobre os
subespaços Y e Y ⊥ , desde que estejam contidos em espaço de Hilbert H. Para isso
precisaros da definição de conjunto convexo.
Teorema 2.35 (Teorema 3.32 [6]). Sejam A um subconjunto não vazio, fechado, convexo
de um espaço de Hilbert H e p ∈ H. Então existe um único q ∈ A tal que
kp − qk = inf{kp − ak : a ∈ A}.
Demonstração. Como Y é não vazio, fechado e convexo, pelo Teorema 2.35 existe um
único y ∈ Y tal que para todo u ∈ Y , kx − yk ≤ kx − uk. Tome z = x − y, em particular
x = z + y. Portanto, para todo u ∈ Y ,
kz − uk = kx − (y + u)k ≥ kx − yk = kzk.
Capítulo 2. Espaços de Hilbert 12
Assim, pelo Lema 2.33 z ∈ Y ⊥ . Isso nos mostra que os y, z desejados existem. Para provar
a unicidade suponha que x = y1 + z1 = y2 + z2 , onde y1 , y2 ∈ Y e z1 , z2 ∈ Y ⊥ . Então,
y1 − y2 = z1 − z2 , mas y1 − y2 ∈ Y e z1 − z2 ∈ Y ⊥ . Assim, y1 − y2 ∈ Y ∩ Y ⊥ = {0}. Logo,
y1 = y2 e z1 = z2 e vale a unicidade. Agora, como x = y + z teremos
kxk2 = ky + zk2
= hy + z, y + zi
= kyk2 + hy, zi + hz, yi + kzk2
= kyk2 + kzk2 .
Demonstração. Pelo Lema 2.26 temos que Y ⊂ Y ⊥⊥ . Agora suponha que x ∈ Y ⊥⊥ . Pelo
Teorema 2.36 x = y + z, com y ∈ Y e z ∈ Y ⊥ . Logo,
Definição 2.39. Sejam X um espaço vetorial de dimensão finita e {xi }ni=1 um subconjunto
de X. Dizemos que Sp{x1 , . . . , xn } é o espaço gerado por todas as combinações lineares
dos elementos de {xi }ni=1 .
Esta primeira definição nos diz como denotaremos o espaço gerado por um conjunto
finito de elementos. A próxima definição nos diz como podemos caracterizar uma base em
um espaço de Hilbert com dimensão infinita.
Definição 2.40. Seja (Hn ) uma sequência de subespaços fechados de um espaço de Hilbert
L
H. Dizemos que H é a soma de Hilbert dos En ’s e escrevemos H = En se ocorre:
hu, vi = 0 ∀u ∈ En , ∀v ∈ Em , m 6= n;
Capítulo 2. Espaços de Hilbert 13
S∞
(b) o espaço linear gerado por n=1 En é denso em H.
Dada uma sequência ortonormal {ej }∞j=1 , definimos o operador Pn como a projeção
ortogonal de um vetor sobre o espaço gerado pelos vetores e1 , . . . , en , ou seja, dado v ∈ H,
n
X
Pn (v) = hv, ej iej .
j=1
Uma propriedade particular das projeções ortogonais é que para todo v ∈ H temos
hv − Pn (v), Pn (v)i = 0.
i=1
j=1
Note que
n
|hv, ej i|2 = kvk2 − kv − Pn (v)k2 ≤ kvk2 .
X
0≤
j=1
n
X
2
Isso nos diz que |hv, ej i| é uma sequência de somas parciais crescente e limitada.
j=1
Logo,
∞
kvk2 = n→∞
lim kv − Pn (v)k2 + |hv, ej i|2 ,
X
j=1
O seguinte resultado nos diz sobre quais condições é possível decompor cada
elemento de um espaço de Hilbert como combinação linear de uma base ortonormal.
j=1
Logo (Pn (v)) é de Cauchy. Seja ṽ o limite da sequência (Pn (v)). Para todo j ≤ n, temos
que hej , v − Pn (v)i = 0. Tomando o limite quando n tende a infinito, segue que
Uma transformação linear entre espaços vetoriais é uma função que preserva a
estrutura linear, ou seja, se T é uma função entre os espaços vetoriais X e Y sobre o
corpo K, então T é linear se satisfaz T (αx + y) = αT (x) + T (y), para todo x, y ∈ X e
α ∈ K. O espaço das transformações lineares de X em Y será denotado por L(X, Y ), em
particular, para X = Y denotaremos apenas por L(X). Devido a estrutura adicional que
os espaços de Hilbert possuem, i.e., produto interno, norma, topologia, existem outras
propriedades a considerar além da linearidade. Neste capitulo estudaremos distintos tipos
de transformações lineares em espaços de Hilbert.
Exemplo 3.2. Seja T ∈ L(`2 ) dada por T (x) = (x1 , x22 , x33 , · · · ). Vejamos que T é limitada.
Se x = (x1 , x2 , · · · ) ∈ `2 então
∞ ∞
xn 2
kT (x1 , x2 , · · · )k2 = |xn |2 = kxk2 .
X X
≤
n=1 n n=1
Como um espaço normado tem uma topologia, faz sentido se perguntar qual é a
relação entre uma transformação linear limitada e continuidade.
(b) T é contínua.
(c) T é contínua em 0.
Capítulo 3. Transformações Lineares em Espaços de Hilbert 16
Seja > 0 e tome δ = . Então, kx − ykX < δ implica kT (x) − T (y)kY ≤ kkx − ykX <
k
k = . Portanto T é uniformemente contínua.
k
está em C[a, b]. Tome > 0 e s ∈ [a, b]. Seja ks ∈ C([a, b]) a função ks (t) = k(s, t), t ∈
[a, b]. Onde o quadrado [a, b] × [a, b] é um subconjunto compacto de R2 . A função k é
Capítulo 3. Transformações Lineares em Espaços de Hilbert 17
uniformemente contínua. Então existe δ > 0 tal que |s − s0 | < δ implica |ks (t) − ks0 (t)| <
∀t ∈ [a, b]. Portanto,
Z b
|f (s) − f (s0 )| ≤ |k(s, t) − k(s0 , t)||g(t)|dt ≤ (b − a)kgk.
a
Logo f é contínua.
então k ∈ B(C[a, b]) e kk(g)k ≤ M (b − a)kgk. De fato, para qualquer s ∈ [a, b] temos que
Z b
|(k(g))(s)| ≤ |k(s, t)g(t)|dt ≤ M (b − a)kgk.
a
Exemplo 3.5. Seja P o subespaço vetorial de C([0, 1]) consistindo de todos os polinômios
com coeficientes reais. Seja T : P → P a transformação linear derivada definida por
T (p) = p0 . Então T não é contínua. De fato, se p(t) = tn então
Mas,
kT (pn (t))k = kp0n (t)k = max{|ntn−1 |; t ∈ [0, 1]} = n.
Teorema 3.6. Sejam X um espaço normado de dimensão finita, Y algum espaço vetorial
normado e T ∈ L(X, Y ). Então T é contínua.
Demonstração. Para mostrar isso vamos definir uma nova norma em X. Seja k·k1 : X → R
definida por kxk1 = kxkX + kT (x)kY . Mostraremos que k · k1 é uma norma em X. Sejam
x, y ∈ X.
Reciprocamente, se x = 0, teremos
(iii) Seja λ ∈ K,
(ii) Se λ ∈ K,
O Lema 3.7 nos diz que B(X, Y ) é um espaço vetorial já que o espaço das transfor-
mações lineares limitas é fechado com as operações de soma e multiplicação por escalar.
Em particular B(X, Y ) é subespaço vetorial de L(X, Y ).
(iii) Se α ∈ K,
Definição 3.9. Sejam X um espaço de Banach e (Tn ) ∈ L(X, Y ) uma sequência. Dizemos
que (Tn ) converge uniformemente para T ∈ L(X, Y ) se:
Demonstração. De fato,
Lema 3.11 (Lema 4.32 [6]). Seja (X, k · kX ) um espaço normado. Se (Tn ) e (Sn ) são
sequências em B(X) tais que lim Tn = T e lim Sn = S. Então, lim Sn Tn = ST .
n→∞ n→∞ n→∞
Capítulo 3. Transformações Lineares em Espaços de Hilbert 20
Demonstração. Seja (Tn ) uma sequência de Cauchy em B(X, Y ), isto é, kTn −Tm kL(X,Y ) <
para todo m, n > n0 . Consequentemente,
kTn (x) − Tm (x)kY ≤ kTn − Tm kL(X,Y ) kxkX < kxkX para todo m, n > n0 . (3.1)
Portanto, a sequência (Tn (x)) é de Cauchy. Como Y é um espaço de Banach, (Tn (x)) é
convergente. Defina,
T (x) = lim Tn (x) para todo x ∈ X. (3.2)
n→∞
= n→∞
lim αTn (x) + n→∞
lim Tn (y)
= α n→∞
lim Tn (x) + n→∞
lim Tn (y)
= αT (x) + T (y)
para todo n ≥ n0 () e todo x ∈ X. Consequentemente, kTn − T kL(X,Y ) < para todo
n ≥ n0 (), isto é, Tn → T em B(X, Y ) quando n → ∞. Isto prova que toda sequência de
Cauchy em B(X, Y ) é convergente, isto é, B(X, Y ) é um espaço de Banach.
Lema 3.14. Sejam (X, k · kX ), (Y, k · kY ) espaços normados e T ∈ B(X, Y ). Então, ker(T )
é fechado.
Demonstração. Seja (xn ) ⊂ ker(T ) uma sequência convergente tal que xn → x. Como T é
contínua temos que
0 = n→∞
lim T (xn ) = T (n→∞
lim xn ) = T (x).
Definição 3.15. Sejam (X, k·kX ) e (Y, k·kY ) espaços normados. Um operador T ∈ B(X, Y )
é dito inversível se existe S ∈ B(Y, X) tal que S ◦ T = IX , T ◦ S = IY , onde IX e IY
são respectivamente as transformações lineares identidade nos espaços X e Y . Sendo S a
inversa de T , por convenção denotaremos S por T −1 .
Demonstração. De fato,
Teorema 3.17. Seja X um espaço de Banach. Se T ∈ B(X) é um operador com kT kL(X) <
1. Então I − T é invertível e a inversa é dada por
∞
T n.
X
(I − T )−1 =
n=0
Capítulo 3. Transformações Lineares em Espaços de Hilbert 22
Demonstração. Como X é um espaço de Banach, pelo Teorema 3.12 B(X) também é. Como
∞
kT knL(X) converge. Além disso, como kT n kL(X) ≤ kT knL(X) ∀n ∈ N,
X
kT kL(X) < 1 a série
n=0
∞ ∞
kT n kL(X) também converge. Logo, T n converge pelo Teorema 2.17.
X X
com isso a série
n=0 n=0
∞ k
T n e seja Sk = T m . Então a sequência (Sk ) converge para S em B(X).
X X
Seja S =
n=0 m=0
Agora,
k
T n − IkL(X)
X
k(I − T )Sk − IkL(X) = k(I − T )
n=0
k
(T n − T k+1 ) − IkL(X)
X
=k
n=0
= kI − T n+1 − IkL(X)
= k − T k+1 kL(X) ≤ kT kk+1
L(X) .
(I − T )S = (I − T ) lim Sk = I,
k→∞
pelo Lema 3.11. Por outro lado, S(I −T ) = I. Então (I −T ) é invertível e (I −T )−1 = S.
Demonstração. Seja T ∈ B(X) e λ um escalar não nulo arbitrário. Se kT kL(X) < |λ|, segue
∞
k(T /λ)kkL(X) < ∞. Portanto, já que
X
que
k=0
hx − f (x)z, zi = 0
Logo,
hx, zi − f (x)hz, zi = 0 ⇒ f (x) = hx, z/kzk2H i = hx, yi.
y
Logo, kf kH 0 ≤ kykH . Por outro lado, se x = teremos kxkH = 1 e
kykH
|f (y)| hy, yi
kf kH 0 ≥ |f (x)| = = = kykH .
kykH kykH
ak x k e g = bj xj então
X X
Se f =
X 1
hf, gi = ak b j .
j+k+1
Exemplo 3.21. Seja z um número real e L um funcional linear definido por
L(f ) = f (x).
Vamos mostrar que não existe polinômio g tal que hf, gi = L(f ) ∀f ∈ P.
Suponha que Z 1
f (z) = f (t)g(t)dt
0
para toda f . Seja h(x) = x − z. Então temos que (hf )(z) = 0. Assim,
Z 1
0= h(t)f (t)g(t)dt
0
Logo, hg ≡ 0. Como h 6= 0, segue que g ≡ 0. Mas isso implica que L é o funcional nulo.
Assim, g não existe.
Teorema 3.22. Sejam H e K espaços de Hilbert e T ∈ B(H, K). Existe uma única
transformação T ∗ ∈ B(K, H) tal que
hT x, yi = hx, T ∗ yi
para todo x ∈ H e y ∈ K.
Capítulo 3. Transformações Lineares em Espaços de Hilbert 25
Exemplo 3.25. Sejam D o operador derivada e P o espaço vetorial dos polinômios com
coeficientes reais. Considere o produto interno usual em C([0, 1]). Veremos que D∗ não
existe. Note que
Z 1
hD(f ), gi = f 0 (t)g(t)dt
0
Z 1
= f (t)g(t)|10 − f (t)g 0 (t)dt
0
ou
hf, D∗ (g)i = f (1)g(1) − f (0)g(0).
(b) (T R)∗ = R∗ T ∗
Capítulo 3. Transformações Lineares em Espaços de Hilbert 27
Demonstração. De fato,
Consequentemente (T R)∗ = R∗ T ∗ .
(i) E 2 = E;
Observação. Projeções ortogonais tem a propriedade de Im(I −E) = ker(E), ker(I −E) =
Im(E) e H = ker(E) ⊕ Im(E). Além disso, se Y ⊂ H é um subespaço vetorial fechado
existe uma projeção E ∈ B(H) tal que Im(E) = Y . O Teorema da Estrutura Ortogonal
(Teorema 2.43) nos diz que se H possui uma base ortonormal então é possível decompor o
operador identidade no espaço H como soma de projeções ortogonais, ou seja, I ∈ B(H),
{ej } uma base ortogonal de H, então
X
I(x) = Ej (x) x ∈ H,
onde Im(Ej ) = Sp{ej }. Estas últimas conclusões são discutidas mais detalhadamente nas
seguintes referências [6], [7] e [4].
x ∈ ker(T ) ⇔ T (x) = 0
⇔ hT (x), yi = 0 ∀y ∈ K
⇔ hx, T ∗ (y)i = 0 ∀y ∈ K
⇔ x ∈ Im(T ∗ )⊥
x ∈ Ker(T ∗ ) ⇔ T ∗ (x) = 0
⇔ hT ∗ (x), yi = 0 ∀y ∈ K
⇔ hx, T (y)i = 0 ∀y ∈ K
⇔ x ∈ Im(T )⊥
T (M ) ⊂ M ⇐⇒ T ∗ (M ⊥ ) ⊂ M ⊥ .
T (M ⊥ ) ⊂ M ⊥ ⇐⇒ T ∗ (M ) ⊂ M.
Portanto, vale
T (M ) ⊂ M e T (M ⊥ ) ⊂ M ⊥ ⇐⇒ T ∗ (M ⊥ ) ⊂ M ⊥ e T ∗ (M ) ⊂ M.
Observação. λ ∈ σ(T ) não significa que ker(T − λI) 6= {0}, isso não acontece necessari-
amente para todo λ em espaços de dimensão infinita pois T pode ser não sobrejetiva. O
exemplo 3.38 mostra que isso pode acontecer. Assim, definimos o espectro pontual por
A sutil diferença entre espectro e espectro pontual é que para o espectro pontual é
necessária a condição do operador T − λI ser não injetivo. A partir disso é simples ver que
σp (T ) ⊂ σ(T ) e quando dim(H) < ∞ podemos concluir σp (T ) = σ(T ) já que o operador é
invertível se e só se for sobrejetivo. O exemplo a seguir nos mostra de forma mais clara a
diferença entre ambos os conjuntos e que eles não são necessariamente iguais.
Exemplo 3.37. Seja T ∈ B(`2 ) dado por T (x) = (0, x1 , x2 , · · · ) com x = (x1 , x2 , · · · ).
É claro que 0 ∈ σ(T ), pois T não é sobrejetiva já que (1, 0, 0, · · · ) ∈
/ Im(`2 ). Note que
Capítulo 3. Transformações Lineares em Espaços de Hilbert 30
Em dimensão finita sabemos que toda transformação sobre o corpo dos complexos
tem ao menos um autovalor, mas em dimensão infinita isso nem sempre acontece, como
mostra o seguinte exemplo.
Exemplo 3.38. Sejam V o espaço das funções analíticas que vão de C em C e T ∈ L(V )
dado por
Z z
T (f )(z) = f (t)dt.
0
Suponha que existe λ ∈ C tal que T − λI seja não invertível. Então existe g ∈ V tal que
T (g) − λg = 0. Isso implica que
Z z
T (g)(z) = g(t)dt = λg(z)
0
g(z) = λg 0 (z).
Demonstração. O item (a) segue direto do Teorema 3.18. Defina F : K → L(H) por
F (λ) = T − λI. Então
O Teorema 3.39 nos mostra que σ(T ) é um conjunto compacto já que é fechado e
limitado em C. Dessa maneira podemos afirmar que se λ ∈ σ(T ) temos |λ| ∈ [−kT k, kT k].
Além disso,
Demonstração. Sejam x ∈ H tal que T (x) = λx então x ∈ ker(T − λI). Note que o
operador (T − λI) também é normal. Logo,
O Teorema 3.39 deixa evidente que o operador RT (λ) existe para todo λ tal que
kT k < λ.
Portanto, RS (µ) − RS (λ) = (λ − µ)RS (µ)RS (λ). Já no segundo item podemos usar (1).
Logo, teremos que
multiplicando a segunda equação por (-1) obteremos (λ−µ)RS (λ)RS (µ) = (λ−µ)RS (µ)RS (λ)
o que implica em RS (λ)RS (µ) = RS (µ)RS (λ).
33
4 Teorema Espectral
Um dos resultados mais importantes da Álgebra Linear é que todo operador auto-
adjunto definido em um espaço com dimensão finita é diagonalizável por uma matriz
ortogonal. Neste capítulo iremos demonstrar uma generalização deste Teorema para
operadores em espaços de Hilbert. Quando o corpo for C consideraremos operadores
compactos e normais, quando for R operadores compactos e auto-adjuntos.
Demonstração. Suponha que T seja ilimitada. Então existe uma sequência (xn ) em X
tal que kT (xn )kY ≥ n. Como T é compacto existe também uma subsequência (T (xnk ))
convergente, mas supusemos kT (xnk )kY ≥ nk e isso contraria a convergência da subsequên-
cia.
d = inf{kx − zk : z ∈ Y } > 0.
Capítulo 4. Teorema Espectral 34
Como α ∈ (0, 1), segue que d < dα−1 . Portanto, existe z ∈ Y tal que kx − zk = dα−1 . Seja
x−z
xα = . Assim, kxα k = 1, e para todo y ∈ Y temos
kx − zk
x−z
kxα − yk =
− y
kx − zk
x z kx − zk
=
− − y
kx − zk kx − zk kx − zk
1
= (x − (z + kx − zky))
kx − zk | {z }
em Y
−1 −1
> (dα ) d
= α.
Demostração do Teorema 4.3. Provemos que existe uma sequência limitada que não tem
uma subsequência convergente. Seja x1 ∈ X unitário. Como o subespaço Sp{x} gerado
por x é fechado e está contido estritamente em X, pelo Lema de Riesz (Teorema 4.4),
existe x2 unitário tal que
3
kx2 − αx1 k ≥
4
para todo α ∈ K. De forma similar, o subespaço Sp{x1 , x2 } gerado por x1 e x2 é fechado e
está contido estritamente em X. Novamente pelo Lema de Riesz, existe x3 unitário tal que
3
kx3 − αx1 − βx2 k ≥
4
para todo α, β ∈ K. Continuando assim, construímos uma sequência (xn ) de vetores
3
unitários tal que, para todo n 6= m, kxn − xm k ≥ . Portanto, a sequência (xn ) não tem
4
uma subsequência convergente. Agora, como I(xn ) = xn para todo n, segue que I não é
compacto.
2. Seja (yn ) uma sequência em Im(T − λI) com lim yn = y. Para cada número n ∈ N,
n→∞
existe xn ∈ X tal que xn = (T − λI)yn . Como o núcleo de T − λI é fechado, temos
que H = ker(T − λI) ⊕ ker(T − λI)⊥ . Assim, existem únicos un ∈ ker(T − λI) e
vn ∈ ker(T − λI)⊥ tal que xn = un + vn . Provemos que a sequência (vn ) é limitada.
Suponha que não é limitada, então lim kvn k = ∞ (tomando uma subsequência
n→∞
vn
caso seja necessário). Considere os vetores unitários wn = . Então, como (yn ) é
kvn k
limitada
yn
(T − λI)wn = → 0.
kvn k
Como T é compacto, temos que a sequência (T (wn )) é convergente (tomando uma
subsequência caso seja necessário). Como λ 6= 0, segue que a sequência (wn ) converge.
Seja w = lim wn . Como T e I são contínuas, segue que w ∈ ker(T − λI). Por outro
n→∞
lado, como wn ∈ ker(T − λI)⊥ , temos que
que contradiz o fato de wn → w. Assim temos que a sequência (vn ) é limitada. Como
T é compacto, segue que (T (vn )) converge (ou uma subsequência). Mais ainda, temos
que a sequência (vn ) também converge pois
Teorema 4.7. Para qualquer real t > 0, o conjunto de todos os autovalores distintos λ de
T com |λ| ≥ t é finito.
Capítulo 4. Teorema Espectral 36
Demonstração. Suponhamos que existe t0 > 0 tal que existe uma sequência de distintos
autovetores (λn ) com kλn k ≥ t0 para todo n. Seja (en ) a respectiva sequência de au-
tovetores unitários. Vamos a construir uma sequência limitada de vetores que não tem
uma subsequência convergente. Seja y1 = e1 . Para cada k ≥ 1, o conjunto {e1 , . . . , ek } é
linearmente independente, e o espaço vetorial Mk = Sp{e1 , . . . , ek } gerado por ele é um
subespaço fechado, e está contido estritamente em Mk+1 . Por outro lado, dado qualquer
x ∈ Mk , existem únicos escalares α1 , . . . , αk ∈ K tal que x = α1 e1 + · · · + αk ek . Logo
e assim temos que (T − λk I)x ∈ Mk−1 . Agora, como Mk 6= Mk+1 , existe um vetor unitário
yk+1 ∈ Mk+1 \ Mk tal que hyk+1 , xi = 0 e kyk+1 − xk ≥ 1. Repetindo esta construção,
temos uma sequência (yn ). Vejamos que não tem uma subsequência convergente. Sejam
n > m dois inteiros positivos, então
Logo temos uma contradição com o fato de T ser compacto. Portanto, temos que o conjunto
de autovalores com módulo maior ou igual a t é finito, para todo t > 0.
Demonstração. Para cada n ∈ N, o conjunto dos autovalores λ com |λ| > n−1 é finito.
Logo o conjunto σp (T ) é enumerável.
Teorema 4.9 (Teorema 6.6 [3]). Seja T ∈ K(H). Então, ker(I −T ) = {0} ⇔ Im(I −T ) =
H.
Corolário 4.10. Seja T ∈ B(H) um operador compacto e λ ∈ K não nulo. Então acontece
só uma das seguintes possibilidades:
1. Ou λ ∈ ρ(T ) e λ ∈ ρ(T ∗ ),
2. Ou λ ∈ σp (T ) e λ ∈ σp (T ∗ ).
Demonstração. Primeiro vamos ver que σ(T )\{0} = σp (T )\{0}. Tome λ ∈ σ(T )\{0}.
Então o operador T − λI é não invertível, em particular, T λ−1 − I também não é invertível.
Como T λ−1 é compacto podemos aplicar o Teorema 4.9 e consequentemente ker(T λ−1 −I) =
{0} ⇔ Im(T λ−1 − I) = H. Porém isso implica que ker(T − λI) = {0} ⇔ Im(T − λI) = H,
ou seja, σ(T )\{0} = σp (T )\{0}. Note que λ ∈ σ(T ) ⇔ λ ∈ σ(T ∗ ). E o mesmo vale para
ρ(T ) e ρ(T ∗ ). Agora falta ver que as condições (1) e (2) não são satisfeitas simultaneamente.
De fato, λ ∈ σ(T ) ⇔ λ ∈ / ρ(T ), o que valida o resultado.
Capítulo 4. Teorema Espectral 37
Teorema 4.11 (Lema 30.8 [2]). Seja T ∈ B(H) compacto, auto-adjunto e não nulo. Então
T possui um autovalor não nulo, pois −kT k ou kT k é um autovalor.
que M reduz T .
Teorema 4.13. (Teorema Espectral - Caso Complexo) Seja H um espaço de Hilbert sobre
o corpo C e T ∈ B(H) um operador normal e compacto. Então existe uma família de
projeções ortogonais {Ek } sobre cada auto-espaço ker(T − λk I) satisfazendo
X
T = λk E k .
k
X
De fato, tome M = ker(T − λI) que é subespaço de H. Suponha M 6= H então
λ∈σp (T )
M ⊥ 6= ∅. Considere T |M ⊥ como a restrição de T sobre M ⊥ . Como T é normal, pelo Teorema
4.12 temos que M reduz T , e assim M ⊥ é T -invariante. Portanto T |M ⊥ ∈ B(M ⊥ ) é normal.
Se T é compacto a restrição também tem que ser compacta. Assim, o operador T |M ⊥ é
normal e compacto em um espaço de Hilbert M ⊥ que é não nulo. Assim, σp (T |M ⊥ ) 6= ∅, ou
seja, ∃λ ∈ C e x ∈ M ⊥ tal que T |M ⊥ (x) = λx. Portanto λ ∈ σp (T ) e x ∈ ker(T − λI) ⊂ M
que é uma contradição, pois M ∩ M ⊥ = {0} e 0 6= x ∈ M ∩ M ⊥ . Logo M = H. Sendo T
compacto o conjunto σp (T ) é enumerável e limitado. Então podemos escrever σp (T ) = {λk }
onde {λk } é o conjunto de todos os autovalores de T . Como T é normal o Teorema 3.42 nos
diz que cada auto-espaço ker(T − λk I) ⊥ ker(T − λj I) para k 6= j e assim (ker(T − λk I))
é uma sequência de subespaços ortogonais que geram H. Portanto cada x ∈ H pode
P
ser escrito da forma x = k Ek (x). Como T é linear e contínua temos também que
T (x) = k T Ek (x) para todo x ∈ H. Mas cada Ek (x) ∈ Im(Ek ) = ker(T − λk I) e então
P
T Ek (x) = λk Ek (x), para cada k e para todo x ∈ H. Portanto, para cada x ∈ H podemos
escrever
X
T (x) = λk Ek (x)
k
Se a soma for finita então acabou. Caso seja infinita, a identidade acima nos diz que
X X
T → λk Ek quando n → ∞. Isto é, a sequência ( λk Ek (x)) converge em B(H). Vamos
k k
verificar que a convergência também é uniforme. De fato,
n
X
2
∞
X
(T
− λk Ek )(x)
=
λk Ek (x)
k=1 H H k=n+1 H
∞
|λk |2 kEk (x)k2H
X
=
k=n+1
∞
≤ sup |λk |2 kEk (x)k2H
X
k≥n+1 k=n+1
para todo n ∈ N. Como T é compacto temos que (λk ) é uma sequência de distintos
lim sup |λk | = 0 o que conclui o resultado final.
autovalores tendendo a zero. Portando n→∞
k≥n
Esta versão do Teorema Espectral não exige que o espaço H seja separável. C seja,
é possível conseguir uma base {ek } ortonormal de autovetores. Se H não for separável
Capítulo 4. Teorema Espectral 39
podemos escrever H = ker(T ) ker(T )⊥ onde ker(T )⊥ é a soma direta de cada autoespaço
L
para os autovalores não nulos e ker(T )⊥ é separável, já que cada ker(T −λk I) tem dimensão
finita, isso nos garante que é possível conseguir uma base αk finita e ortonormal para cada
autoespaço de modo que αk é base para ker(T )⊥ , ou seja, ker(T )⊥ é separável, porém na
S
condição de H não ser separável o espaço ker(T ) também não é e conseguimos apenas uma
base ortonormal para Im(T ) ⊂ H. Se H for separável, então ker(T ) também é. Assim, é
possível obter uma base ortonormal de autovetores para todo o espaço H. Logo em seguida
veremos uma versão do Teorema para operadores auto-adjuntos em um espaço de Hilbert
separável.
Teorema 4.14. (Teorema Espectral - Caso Real) Sejam H um espaço de Hilbert separável
e T ∈ B(H) um operador normal e auto-adjunto. Então, H possui uma base ortonormal
de autovetores de T .
Para o operador normal a condição do espaço vetorial ser sobre um corpo complexo
é necessária. Tome por exemplo, o operador T ∈ B(R2 ) tal que T (x, y) = (y, −x). É fácil
verificar que T ∗ (x, y) = (−y, x). Além disso,
2. A injeção é compacta.
Teorema 4.15. Dadas as condições acima temos que existe uma sequência de vetores
{u1 , u2 , · · · } ∈ K e números
0 < γ1 ≤ γ2 ≤ · · · → ∞
tais que:
Fixe f ∈ H e defina o funcional linear F (v) = hv, f iH , com v ∈ K. Vamos ver que
F é limitado. De fato,
|F (v)| ≤ kvkH kf kH
≤ CkvkK kf kH , →H
pois K ,−
1
≤ Ca(v, v) 2 kf kH , pois Ckvk2K ≤ a(v, v)
1
Logo, |F (v)| ≤ Ca(v, v) 2 . Pelo Teorema de Riesz o funcional F pode ser escrito como
um produto interno em K com respeito a forma bilinear a. Consequentemente, existe um
único u ∈ K tal que
F (v) = a(v, u) ∀v ∈ K.
com λj → 0. Como B é injetiva, já que se para todo v ∈ K tivermos a(v, B(f )) = hv, f iH =
0 então f = 0. Assim λj =6 0 para todo j, assim podemos dividir por λj e B(uj ) = λj uj
nos diz que uj = B(uj /λj ), ou seja, cada autovetor é um elemento da imagem de B, logo
uj ∈ K.
Os autovalores de B são positivos, pois
ou seja,
X √ √
f= a(f, uj / γj )uj / γj
j
n
∂ 2ϕ
X
onde ∆ é o operador de Laplace: ∆ϕ = 2
, e λ um número real. Por sua condição de
i=1 ∂xi
contorno (u = 0), esta EDP é chamada Problema de Dirichlet.
Definição 5.1. Uma função u ∈ C 2 (Ω) que satisfaz (5.1) é chamada de solução clássica
do problema de Dirichlet.
Seja C0∞ (Ω) o espaço das funções diferenciáveis em Ω com suporte compacto, ou
seja, funções f : Ω → R infinitamente diferenciáveis tais que o conjunto
supp(f ) = {x ∈ Ω : f (x) 6= 0}
Definição 5.2. Seja u ∈ L1loc (Ω). Se existe uma função u(α) ∈ L1loc (Ω) tal que
Z Z
|α|
(α)
u ϕ = (−1) uDα ϕ
Ω Ω
para toda função ϕ ∈ Cc∞ (Ω), dizemos que u tem uma derivada parcial fraca de ordem α,
que denotamos Dα u := u(α) .
Assim, u tem derivada fraca se existe uma função Du tal que para toda função v
Z Z
Duv = − uv 0 .
I I
Teorema 5.4. O espaço de Sobolev H 1 (Ω) é um espaço de Hilbert com o produto interno
dado por
hDα u, Dα viL2 (Ω)
X
hu, viH 1 = hu, viL2 (Ω) +
|α|=1
Por convergência no espaço L2 (Ω), podemos tomar o limite quanto n → ∞ a ambos lados,
a assim temos Z Z
ϕuα = (−1)|α| uDα ϕ.
Ω Ω
Note que esta aplicação é isométrica, ou seja, preserva o produto interno, e assim H 1 (Ω)
pode ser considerado um subespaço fechado de n + 1 cópias de L2 (Ω). Como L2 (Ω) é
separável, segue que H 1 (Ω) também é.
Capítulo 5. Aplicação do Teorema Espectral a EDP 46
Teorema 5.6 (Teorema 9.17 [3]). Suponha que Ω é um aberto limitado com fronteira de
classe C 1 1 . Seja u ∈ H 1 (Ω) ∩ C(Ω). Então u = 0 em ∂Ω se e somente se u ∈ H01 (Ω).
Teorema 5.7 (Corolário 6.11 [4]). Seja Ω um aberto limitado de Rn . Então a inclusão
→ L2 (Ω) é compacta.
H01 (Ω) ,−
Definição 5.8. Uma solução fraca do Problema de Dirichlet (5.1) é uma função u ∈ H01 (Ω)
satisfazendo Z Z
∇u · ∇v = λ uv
Ω Ω
para todo v ∈ H01 (Ω).
Proposição 5.9. Se u é uma solução clássica de (5.1) então é uma solução fraca.
Demonstração. Seja u ∈ H 1 (Ω) ∩ C(Ω) tal que u = 0 em ∂Ω. Pelo Teorema 5.6, segue
que u ∈ H01 (Ω). Como u satisfaz (5.1), segue que −∆u = λu. Por outro lado, a Primeira
Identidade de Green implica que
para toda função v ∈ L1loc (Ω) Assim, segue que u é solução fraca do Problema de Dirichlet.
Assim, ∆u + λu = 0 para quase todo ponto em Ω. Como u ∈ C 2 (Ω), segue que −∆u = λu
em Ω, e portanto, u é solução clássica da Equação (5.1).
1
Fronteira de classe C 1 significa que as parametrizações locais dos pontos da fronteira são de classe C 1 .
Capítulo 5. Aplicação do Teorema Espectral a EDP 47
e pelo Teorema 5.7, temos que o mergulho H01 (Ω) em L2 (Ω) é compacto.
A forma bilinear a : H01 (Ω) × H01 (Ω) → R, dada por
Z
a(u, v) = ∇u∇v + uv = hu, viH 1 (Ω)
Ω
é claramente simétrica e elíptica, já que a(u, u) = kuk2H 1 (Ω) (lembremos que a é elíptico
em um espaço de Hilbert K se a(u, u) ≥ CkukK , para algum C > 0).
O Teorema 4.15 nos diz que existe uma base {uj } ortonormal de autofunções em L2 (Ω),
correspondentes a autovalores γj > 0. Colocando γj = λj + 1, o Teorema 4.15 também diz
que, para toda função v ∈ H01 (Ω), vale
Reescrevendo teremos Z Z
∇uj ∇v = λj uj v
Ω Ω
e pela identidade de Green
assim, segue que h∆uj + λj uj , viL2 (Ω) = 0 para todo v ∈ H01 (Ω). Logo ∆uj + λj uj = 0.
Portanto, uj é uma solução clássica para o Problema de Dirichlet. A condição uj = 0 em
∂Ω é satisfeita já que uj ∈ H01 (Ω). Além disso, cada λj é positivo, visto que,
Z Z
λj u2j = |∇uj |2
Ω Ω
com uj 6= 0. Consequentemente,
Z
|∇uj |2
ΩZ
0 ≤ λj = .
u2j
Ω
Capítulo 5. Aplicação do Teorema Espectral a EDP 48
Z
Agora veremos que a desigualdade acima é estrita, ou seja, |∇uj |2 6= 0.
Ω
Seja u ∈ H01 (Ω), então
Z Z
∂u
kuk2L2 (Ω) = u2 = −2 xj u
Ω Ω ∂xj
≤ 2(max |x|)kuk2L2 (Ω) k∂u/∂xj k2L2 (Ω)
x∈Ω
ou seja,
kukL2 (Ω) ≤ Ck∂u/∂xj kL2 (Ω)
logo, se |∇uj |2 = 0 então uj = 0 que implica em λj > 0. Além disso, λj → ∞, uma vez
que j → ∞.
49
6 Considerações finais
Referências
5 LIMA, E. L. Análise Real - Funções de Uma Variável. 12. ed. Rio de Janeiro: IMPA,
2017. Citado na página 6.