Análise Funcional (MAT513)

Introdução, motivação. Normas equivalentes, compacidade e

dimensão. Teorema do Ponto Fixo para Contrações em espaços de

Banach. Completamento de espaços normados.

V. Araújo

Mestrado/Doutorado em Matemática, UFBA, 2016

Conteúdo
1 Introdução 1
1.1 Álgebra Linear em Dimensão Infinita . . . . . . . . . . . . . 1
1.2 Normas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2 Dimensão (In)Finita 4
2.1 Propriedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Normas não equivalentes . . . . . . . . . . . . . . . . . . . . . 6
2.3 Compacidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

3 Completamento 8
3.1 Isomorfismos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2 Existência e Unicidade . . . . . . . . . . . . . . . . . . . . . . 8
3.3 Exemplos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

4 Topologia e Álgebra 18
4.1 Topologias fracas . . . . . . . . . . . . . . . . . . . . . . . . . . 18
4.2 Álgebras de Banach e C∗ . . . . . . . . . . . . . . . . . . . . . 18

1 Introdução
1.1 Álgebra Linear em Dimensão Infinita
O que é Análise Funcional?
Em termos simples, Análise Funcional é uma fusão de conceitos
de Análise, Topologia e Álgebra (mais elementarmente Álgebra Li-
near, mas mais profundamente Álgebra com toda a generalidade)

1
que estuda operadores lineares entre espaços vetoriais de dimensão
infinita.

Esta teoria se configura como uma “teoria de teorias” já que con-

grega campos de estudo que anteriormente estavam separados, mas
que foram unificados graças aos conceitos de espaço de Hilbert e es-
paço de Banach, e à utilização de noções topológicas para estabele-
cer relações gerais válidas para classes de espaços e de operadores
lineares entre eles.

Alguma história
Análise Funcional como a entendemos hoje é essencialmente uma
criação vinda da interação entre a Matemática e a Física na primeira
metade do século XX, especialmente a Física Nuclear, Física Quântica
e mais tarde a Física de Partículas. O formalismo matemático da
Mecânica Quântica, a teoria física que modela os fenômenos à escala
atômica, se exprime hoje com a linguagem da Análise Funcional, que
foi desenvolvida para atender a esta necessidade.

Esta linguagem se revelou integradora e fundamental para traba-

lhos em Probabilidade, Processos Estocásticos, Equações Diferenciais
(em particular Equações às Derivadas Parciais), Geometria Diferen-
cial, Teoria Ergódica e Sistemas Dinâmicos etc.

Exemplo: o problema de Dirichlet

Seja V : [0, 1] → R função real e procuremos funções  : [0, 1] → R
de classe C2 que satisfaçam a equação diferencial

d2
− () + V()() = λ()
d2
onde λ é alguma constante, ou seja, queremos saber quais λ podem
ser usados para obter soluções não nulas ( ≡ 0 é sempre solução
para todo λ ∈ R dado...).

Quais são os possíveis valores de λ com soluções não nulas? Quais

são essas funções?
Este problema tem que ver com os “modos de oscilação no inte-
valo” e é fundamental em Mecânica Quântica (por exemplo).

Veremos que existe sequência infinita λn ∈ R de valores para os

quais existem soluções “independentes” j .
Podemos saber muito mais do que isto, mas um dos objetivos do
curso é pelo menos chegar neste resultado.

2
 Note que se escrevermos a equação diferencial como
d2
‚ Œ
− + V() () = λ()
d2
d2
 
vemos  como autofunção de uma transformação  7→ − d 2 + V 
linear definida em C2 ([0, 1], R), associada ao autovalor λ, e começa-
mos a perceber uma ligação com Álgebra Linear no espaço C2 ([ 0, 1], R).

Matrizes infinitas?
Como C2 ([0, 1], R) claramente é um espaço vetorial real com as
operações usuais de soma de funções e multiplicação de função por
escalar, mas não tem dimensão finita, poderíamos pensar em usar
uma “matriz infinita” para representar este operador, se tivêssemos
uma base!
Esta não é a melhor maneira de tratar o problema (isto de fato foi
tentado inicialmente pelos físicos, a Mecânica Quântica foi conhecida
como “Mecânica de Matrizes” até que Von Neumann mostrou aos físi-
cos que seria muito mais poderoso usar a linguagem dos operadores
lineares em espaços de Hilbert, e aí nasceu essencialmente e Análise
Funcional).
Mas num certo sentido estamos trabalhando com uma matriz infi-
nita!

Espaços vetoriais normados

Uma diferença crucial entre operadores lineares em espaços de
dimensão infinita com aqueles conhecidos da Álgebra Linear mais
elementar, é que a topologia do espaço passa a ser importante.
Esta ideia está inserida na Análise Funcional via o conceito de es-
paço (vetorial) normado. Um espaço vetorial E sobre um corpo
K é um conjunto com uma operação de adição + : E × E → E e mul-
tiplicação · : K × E → E que faz de (E, +) um grupo comutativo e ·
é distributiva em relação a +. Usaremos sempre K = R ou C neste
curso (problemas muito interessantes surgem com outros corpos!!).
Vamos agora introduzir uma norma k · k em E, o que fará de E um
espaço (vetorial) normado (E, k · k).

1.2 Normas
Normas e completude: espaços de Banach
Uma norma k · k : E → R num espaço vetorial E é uma função não
negativa que satisfaz

3
 ˆ homogeneidade: kλk = |λ| · kk, λ ∈ K,  ∈ E;

ˆ desigualdade triangular: k + k ≤ kk + kk, ,  ∈ E.

ˆ kk = 0,  ∈ E ⇐⇒  = 0.

Uma norma define naturalmente uma distância associada d(, y) =

k − yk que faz de todo espaço normado um espaço métrico.
Um espaço métrico onde toda sequência de Cauchy (ou sequência
fundamental) é convergente diz-se completo.
Um espaço vetorial normado que, como espaço métrico, é com-
pleto, diz-se espaço de Banach.

Normas em espaços de dimensão finita

A completude de (E, k · k) é essencial para podermos tomar limites
de sequências dentro do espaço, ou seja, para usarmos as ferramen-
tas da Análise.
Uma propriedade muito útil dos espaços vetoriais de dimensão
finita, e que de fato os caracteriza, é dada pelo seguinte resultado.
Lema
Todas as normas em Rm (ou Cm ) são equivalentes para cada m ≥ 1.
Em particular, estes espaços sempre são Banach.
Podemos assim escolher, para estudar convergência de alguma
sequência, a norma mais conveniente para cada situação em todo
espaço vetorial real ou complexo de dimensão finita.
Teorema do Ponto Fixo para Contrações
Seja (X, d) espaço métrico completo e F : X → X transformação que
admite λ ∈ (0, 1) e k ≥ 1 satisfazendo d(F k (), F k (0 )) ≤ λd(, 0 )
para todo , 0 ∈ X (isto é, F k é uma contração com taxa uniforme,
k
onde F k = F◦ · · · ◦F). Então
ˆ existe único ponto p ∈ X que é fixo por F: F(p) = p;

ˆ p é um “atrator”: F n () −−−−→ p para todo  ∈ X.

n→+∞

A prova deste resultado (para uma família parametrizada de cons-

trações em espaços de Banach) faz parte da lista de exercícios. Este
resultado é a ferramenta principal usada nas provas de: Teo-
rema da Função Inversa e Implícita (em Rm ou em espaços mais ge-
rais); Teorema de Existência e Unicidade de Soluções para Equações
Diferenciais Ordinárias e muitos outros resultados fundamentais.

4
2 Dimensão (In)Finita
2.1 Propriedades
Dimensão infinita versus finita
1. Todas as normas em espaços vetoriais de dimensão finita são
equivalentes e todos estes espaços são Banach. Veremos que
isto não é verdade em dimensão infinita.
2. Veremos que o fecho B̄(0, 1) = { ∈ E : kk ≤ 1} da bola B(0, 1) =
{ ∈ E : kk < 1} é compacto se, e só se, E tem dimensão finita.
3. Todo operador linear L : E → E dum espaço normado nele mesmo
é contínuo se, e só se, E tem dimensão finita.
4. Em espaços normados de dimensão infinita há subespaços ve-
toriais densos próprios (é possível que dois destes subespaços
se intersectem apenas no vetor nulo) e aplicações lineares de-
finidas nesses subespaços que não admitem extensões lineares
contínuas ao espaço inteiro.

Equivalência de normas
Dadas duas normas [·] e | · | no espaço vetorial E, dizemos que
elas são equivalentes se existem constantes 0 < c1 ≤ c2 tais que
c1 || ≤ [] ≤ c2 ||, para todo  ∈ E.
É claro que esta é uma relação de equivalência na família das normas
de um dado espaço vetorial.
Se [·] e |·| são normas equivalentes em E, então (E, [·]) e (E, |·|)
como espaços métricos têm a mesma topologia (têm os mesmos
subconjuntos abertos) e também têm as mesmas sequências
de Cauchy e, portanto, as mesmas sequências convergentes, e com
os mesmos limites, seja com respeito a [·], seja com respeito a | · |.
Em particular, se [·] e | · | são normas equivalentes em E, então
(E, [·]) é espaço de Banach se, e só se, (E, | · |) é espaço de Banach.
Vamos denotar para  = (1 , . . . , m ) ∈ Rm

1/ 2
kk2 = 21 + · · · + 2m
a norma euclidiana e para z = (z1 , . . . , zm ) ∈ Cm

1/ 2
1/ 2
kzk2 = |z1 |2 + · · · + |zm |2 = z1 z̄1 + · · · + zm z̄m
Æ
a norma euclidiana em Cm , onde || = R()2 + I()2 é o módulo
de um número (real ou) complexo  = R(e) + I() ∈ C.
É bem conhecido da Análise que (Km , k · k2 ) é um espaço de Ba-
nach, para K = R ou C.

5
Prova: normas em Rm são equivalentes (1/2)
Vamos ver que toda norma [·] em Rm é equivalente à norma k · k2 .

Primeiro notemos que toda norma [·] é uma função contínua [·] :
Rm → R na norma euclidiana. De fato [] = [ − y + y] ≤ [ − y] +
[y] =⇒ [] − [y] ≤ [ − y] e trocando os papeis de  e y obtemos
X X
|[] − [y]| ≤ [ − y] = [ ( − y )e ] ≤ | − y |[e ]
m
X
≤ mM | − y |, M = mx{[e1 ], . . . , [em ]}.
=1

1/ 2
| − y |2
P P
Mas também temos | − y | ≤ m logo

|[] − [y]| ≤ m2 M| − y|2

e obtemos que [·] é Lispchitz em relação à norma | · |2 .

Prova: normas em Rm são equivalentes (2/2)

Agora notamos que Sm = { ∈ Rm : ||2 = 1} é compacto e [·]
em S não se anula, portanto tem mínimo positivo e máximo em S,
digamos  ≤ [] ≤ b para todo  ∈ Sm . Finalmente, para cada  6= 0
temos / ||2 ∈ Sm portanto

1 
 
≤ [] = ≤ b,  6= 0
||2 ||2

logo ||2 ≤ [] ≤ b||2 para  6= 0.

Para  = 0 as desigualdades são trivialmente verdadeiras e isto
mostra que toda norma [·] é equivalente à norma euclidiana em qual-
quer Rm .
Em particular, (Rm , [·]) é Banach para toda norma [·].

2.2 Normas não equivalentes

Normas não equivalentes
Consideremos o espaço vetorial das funções reais de quadrado
integrável à Riemann em [0, 1]
¨ Z1 «
R2 = ƒ : [0, 1] → R : |ƒ ()|2 d < ∞ .
0

6
Pela desigualdade de Cauchy-Schwartz temos
‚Z 1
Œ2 Z 1 Z 1
2
|ƒ ()| d ≤ 1 d · |ƒ ()|2 d < ∞
0 0 0

e assim podemos definir duas normas para ƒ ∈ R2

‚Z 1
Œ1/ 2 Z 1
2
|ƒ |2 = |ƒ ()| d e |ƒ |1 = |ƒ ()| d.
0 0

É fácil ver que | · |1 é uma norma. Que | · |2 é uma norma é um

resultado bem conhecido de Teoria da Medida (Desigualdade de Min-
kowski).
Estas normas não podem ser equivalentes porque para ƒn () = αn
com αn & −1/ 2 vem
1 1
|ƒn |1 = p e |ƒn |2 =
αn + 1 2αn + 1

e portanto

2αn + 1
p
|ƒn |1
= & 0.
|ƒn |2 αn + 1

Temos assim dois espaços normados (R2 , |·|1 ) e (R2 , |·|2 ) com normas
não equivalentes, mas a dimensão não é finita.

2.3 Compacidade
Para obter sequências sem subsequência convergente.
Lema de Riesz
Seja X subespaço vetorial fechado do espaço normado (N, k·k). Então
para 0 < α < 1 existe y ∈ N \ X com kyk = 1 e inf∈X ky − k ≥ α.
Demonstração. Seja z ∈ N \ X e c = inf∈X kz − k. Temos c > 0 porque
X é fechado. Portanto, para cada d > c existe  ∈ X com c ≤ kz− k ≤
z−
d e o vetor y = kz−k está em N \ X e kyk = 1. Mais ainda, para  ∈ X
vale
1 c c
ky − k = z − ( + ky − k · ) ≥ ≥ .
kz − k kz − k d

Ou seja, para 0 < α < 1 tomamos d = c/ α e obtemos inf∈X ky − k ≥

α, como no enunciado.

7
Compacidade da bola fechada e dimensão
Teorema
A bola fechada B̄(0, 1) num espaço normado (N, k · k) é compacta se,
e só se, dim N < ∞.
Demonstração. Se dim N < ∞ já sabemos que B̄(0, 1) é compacta.
Se dim N = ∞, seja y1 ∈ N com ky1 k = 1. Pelo Lema de Riesz existe
y2 ∈ N com ky2 k = 1 e ky1 − y2 k ≥ 1/ 2 (faça α = 1/ 2 e X = K · y1 ).
Agora {y1 , y2 } é fechado pois tem dimensão finita (exercício!). No-
vamente o Lema de Riesz garante que existe y3 com ky3 k = 1 e
ky3 − y2 k ≥ 1/ 2 e ky3 − y1 k ≥ 1/ 2. Sucessivamente construimos
sequência (yk )k≥1 , kyk k = 1, ∀k ≥ 1 e ky − yj k ≥ 1/ 2, ∀ 6= j. Logo
B̄(0, 1) não é compacta pois (yk )k≥1 não tem subsequência conver-
gente.

3 Completamento
3.1 Isomorfismos
Isometrias/Isomorfismos entre espaços métricos/normados
Dois espaços métricos (X, d), (Y, D) são isométricos se existe trans-
formação L : X → Y tal que L é bijetiva e D(L(), L(y)) = d(, y), ∀, y ∈
X
Exercício
Todo espaço métrico isométrico a um espaço métrico completo é
também completo.
Dois espaços normados (N1 , k · k1 ), (N2 , k · k2 ) são isomorfos se
existe isometria linear e bijetiva κ : N1 → N2 (ou seja, κ( + αy) =
κ() + ακ(y) ∀, y ∈ X, ∀α ∈ K, e as distâncias são aquelas induzidas
pelas normas).

3.2 Existência e Unicidade

Existência e Unicidade de Completamento
Teorema
Se (X, d) é espaço métrico, então ele é isométrico a um subconjunto
denso de um espaço métrico completo (X̃, d̃): este é o completa-
mento de X. Dois quaisquer completamentos de X são isométricos.
Vamos construir o completamento como a chamda “construção de
Cantor” dos números reais: cada real se identifica com as sequências
de Cauchy de números racionais que para ele convergem.

8
 Seja X̄ família das sequências de Cauchy (n )n≥1 de elementos de
X com respeito à distância d com a relação
(n )n≥1 ∼ (yn )n≥1 ⇐⇒ lim d(n , yn ) = 0.
n→+∞

É fácil ver que esta é uma relação de equivalência.

Espaço das classes de equivalência

Seja X̃ = X̄/ ∼ o conjunto das classes de equivalência; pela desi-
gualdade triangular temos que
d̃(̃, ỹ) = lim d(n , yn )
n→+∞

está bem definido para ̃, ỹ ∈ X̃, onde escolhemos para (n )n≥1 e
(yn )n≥1 dois quaisquer elementos das classes ̃ e ỹ, respectivamente
(exercício).
Vamos denotar por π : X̄ → X̃ a aplicação canônica tal que π() a
classe  ∈ X̄. Definimos agora κ : X → κ(X) ⊂ X̃ por κ() = π(̄) onde
̄ é a sequência constante (, , , , . . . ) em X̄.
Então d̃(κ(), κ(y)) = d(, y) e temos uma isometria de X com a
imagem κ(X). Mais ainda, κ(X) é subconjunto denso de X̃.

Densidade
De fato, para cada ỹ ∈ X̃ e ϵ > 0, seja (ym )m≥1 um representante
da classe ỹ. Então d(ym , ym+k ) < ϵ para algum m = m(ϵ) ≥ 1 e todo
k ≥ 1. Portanto, ȳm é um representante da classe π(ym ) e vale

d̃(ỹ, π(ym )) = lim d(yk , ym ) ≤ ϵ.

k→+∞

Como ỹ ∈ X̃ e ϵ > 0 são arbitrários, mostramos que κ(X) é denso em

(X̃, d̃).
Usando esta isometria, a densidade e a desigualdade triangular,
mostraremos que (X̃, d̃) é completo.

Completude
De fato, se ỹn ∈ X̃ é uma sequência de Cauchy em (X̃, d̃), para
cada n ≥ 1 escolhamos n ∈ X tal que d̃(ỹn , κ(n )) < 1/ n. Então para
n, m ≥ 1
d(n , m ) = d̃(κ(n ), κ(m ))
≤ d̃(κ(n ), ỹn ) + d̃(ỹn , ỹm ) + d̃(ỹm , κ(m ))
1 1
< + d̃(ỹn , ỹm ) +
n m

9
e portanto, dado ϵ > 0, existe N ≥ 1 tal que para n, m ≥ N vale
d(n , m ) < ϵ.
Então (n )n≥1 ∈ X̄ representa algum ̃ = π (n )n≥1 ∈ X̃ e

1
d̃(ỹn , ̃) ≤ d̃(ỹn , κ(n )) + d̃(κ(n ), ̃) < + lim d(n , m )
n m→+∞

que pode ser feito arbitrariamente pequeno tomando n suficiente-

mente grande, logo ỹn → ̃.

Unicidade
Se existe outra isometria  : (X, d) → (Z, D) com (X) denso no
espaço métrico completo (Z, D), então  ◦ κ −1 : κ(X) → (X) é uma
isometria bijetiva.
Esta isometria se estende de maneira única a uma isome-
tria entre (X̃, d̃) e (Z, D). Tome, para qualquer ̃ ∈ X, sequência
n ∈ X tal que κ(n ) → ̃ em (X̃, d̃), que é uma sequência de Cauchy
em (X, d), e tomando o limite z da sequência de Cauchy (n ) em
(Z, d), definimos aplicação ̃ 7→ z.
Esta aplicação está bem definida (não depende da escolha da
sequência n ∈ X tal que κ(n ) → ̃), é injetiva e sobrejetiva (pode-
mos inverter a construção) e é a identidade restrita a κ(X). Portanto
é uma isometria pela continuidade da função distância. Isto termina
a prova do Teorema de Completamento.

Completamento de espaços normados

Podemos especializar esta construção ao caso de espaços vetorais
normados.
Teorema
Se (X, k · k) é espaço vetorial normado, então ele é isométrico a um
subconjunto denso de um espaço de Banach (X̃, | · |): este é o com-
pletamento de (X, k · k). Dois quaisquer completamentos de (X, k · k)
são isométricos.
A prova é a mesma, com a observação adicional de X̃ é um espaço
vetorial com as operações de soma termo a termo de sequências e
multiplicação por escalar de todos os termos de uma sequência, ou
seja
ˆ π (n )n + π (yn )n = π (n + yn )n , e

ˆ λπ (n )n = π (λn )n , para todo λ ∈ K.

10
3.3 Exemplos
Alguns completamentos
1. Os números reais (R, | · |) são o completamento dos racionais
(Q, | · |) com a norma dada pelo módulo.
2. Seja p ∈ Z+ um número primo e defina o valor absoluto p-ádico
nos números racionais pelas propriedades:
1
ˆ |pn |p = pn
para n ≥ 1;
ˆ |m |
n p
= 1 para todos os m, n ∈ Z, n 6= 0 relativamente primos
com p.
Para este valor absoluto em Q vale a desigualdade triangular
forte: | + b|p ≤ mx(||p , |b|p ), ∀, b ∈ Q.
Obtemos assim o corpo Qp que é o completamento de
(Q, | · |p ).
Por um Teorema de Ostrowski (1916), existem apenas 3 classes
de valores absolutos em Q:
ˆ o valor absoluto trivial: em qualquer corpo podemos definir ||0 =
1 se  6= 0 e |0|0 = 0.
ˆ o valor absoluto real: || =  se  ≥ 0 e || = − se  < 0.
ˆ o valor absoluto p-ádico para um número primo p.
Assim, os racionais podem ser completados usando um valor ab-
soluto de essencialmente três formas diferentes:
1. a trivial: neste caso d0 (, y) = | − y|0 é a métrica discreta e
sequências de Cauchy são finalmente constantes;
2. a usual, levando ao corpo dos números reais;
3. a p-ádica, levando a Qp .
Mostra-se que Qp é um corpo e é possível estudar Análise neste
corpo: continuidade, diferenciabilidade, funçoes analíticas com va-
lores em Qp etc.

Outros completamentos
Podemos obter (Rm , k · k2 ) como o completamento de (Qm , k · k2 ),
onde usamos a distância euclidiana usual.
Podemos construir o integral de Lebesgue num espaço de medida
via a extensão de um funcional linear definido num espaço de fun-
ções simples para seu completamento na norma do integral – veja
por exemplo

11
 ˆ CASTRO, A. A. Curso de Teoria da Medida, Projeto Euclides, IMPA,
Rio de Janeiro, 2004.

Os espaços de Lebesgue
Podemos também mostrar que, para toda medida μ num espaço
de medida (X, A, μ), se tem que
 Z 
Lp (X, μ) = ƒ : X → K : |ƒ |p dμ < ∞

(quocientado pelo subespaço vetorial das funções nulas μ-qtp) é o

completamento do espaço normado (S(X, K), k · kp ) onde
S(X, K) = {ƒ : X → K : ƒ é função simples A-mensurável}

1/ p
e kƒ kp = |ƒ |p dμ para p ≥ 1 é a p-norma, com K = R ou C.
R

É usual substituir S(X, K) por diversos outros espaços mais conve-

nientes para demonstrar certas propriedades da extensão Lp (X, μ).

O espaço L e a seminorma k · k1
Seja (X, A, μ) um espaço de medida. O conjunto
 Z 
L(X, A, μ) = L(μ) = ƒ : (X, A) → R : |ƒ | dμ < ∞

é o espaço vetorial das funções A-mensuráveis que são μ-integráveis.

A função
Z
k · k1 : L(μ) → [0, +∞], ƒ 7→ |ƒ | dμ

é uma seminorma em L(μ).

De fato, é claro que kƒ + gk1 ≤ kƒ k1 + kgk1 e kλƒ k = |λ| · kƒ k1 para
ƒ , g ∈ L(μ), λ ∈ R. Mas kƒ k1 = 0 garante apenas que ƒ = 0 para μ-qtp.,
não sendo necessariamente uma função constante igual a zero.

O espaço L1
Para obtermos uma norma, vamos dizer que ƒ , g ∈ L(μ) são equi-
valentes se μ([ƒ 6= g]) = 0, isto é, se ƒ , g são igual em μ-qtp.. Deno-
tamos por [ƒ ] a classe de equivalência de ƒ por esta relação.
O espaço de Lebesgue L1 (μ) = L1 (X, A, μ) é o conjunto de todas as
classes de equivalência [ƒ ] de elementos de L(μ). Definimos k[ƒ ]k1
por kƒ k1 e obtemos que o espaço (L1 (μ), k · k1 ) é um espaço normado.
De fato, as operações no espaço vetorial são [λƒ ] = λ[ƒ ] e [ƒ +
g] = [ƒ ] + [g] para λ ∈ R, ƒ , g ∈ L(μ), com vetor nulo [0]. Portanto
a desigualdade triangular e a homogeneidade seguem como antes.
Mas agora k[ƒ ]k1 = 0 =⇒ ƒ = 0 , μ−qtp., logo [ƒ ] = [0].

12
O espaço L1 e as classes de equivalência
Nunca devemos esquecer que os elementos de L1 são real-
mente classes de equivalência!

Porém, é usual tratar os elementos de L1 como se fossem funções

e escrever “o elemento ƒ de L1 ” para designar a classe de equivalên-
cia de ƒ , quer para simplificar a notação, quer a linguagem.

Os espaços Lp
Analogamente ao caso L1 (μ), para 1 ≤ p < ∞ escrevemos
 Z 
Lp (μ) = Lp (X, A, μ) = ƒ : (X, A) → R, |ƒ |p dμ < ∞ / ∼

o espaço das classes de equivalência de funções A-mensuráveis e

p-integráveis, em que duas funções são equivalentes se coincidem
μ-qtp.. Neste conjunto definimos
Z 1/ p
p
kƒ kp = |ƒ | dμ .

Claro que se p = 1 voltamos ao caso anterior. Veremos que Lp (μ) é

espaço vetorial, que k · kp é uma norma, e que (Lp (μ), k · kp ) é com-
pleto, ou seja, um espaço de Banach para todo 1 ≤ p < ∞.

Os espaços ℓp
No caso particular X = N e μ = # medida de contagem, escreve-
mos ℓp para os correspondentes espaços que podem ser identificados
com
( )
X
ℓp = (n )n≥1 ⊂ R : |n |p < ∞
n≥1

com a norma k(n )n≥1 kp = p 1/ p .

P

n≥1 |n |

É fácil ver que as classes de equivalência contêm apenas um ele-

mento, já que o único subconjunto com medida de contagem nula é
o vazio.
É muitas vezes instrutivo considerar propriedades e afirmações
em espaços Lp no caso particular de ℓp para ganhar intuição.

13
Desigualdade de Hölder
Lema (Desigualdade de Hölder)
Sejam ƒ ∈ Lp (μ), g ∈ Lq (μ) com p > 1 e p−1 + q−1 = 1. Então ƒ g ∈ L1 (μ)
e kƒ gk1 ≤ kƒ kp kgkq .
Os índices p, q como acima dizem-se “conjugados”.
Para provar, seja 0 < α < 1 fixado e φ(t) = αt − t α . Então φ0 (t) < 0
para 0 < t < 1 e φ0 (t) > 0 para t > 1. Portanto φ(t) ≥ φ(1) e φ(t) =
φ(1) = α − 1 se, e só se, t = 1. Portanto temos
t α ≤ αt + (1 − α), t ≥ 0.
Se , b ≥ 0, fazemos t = / b e multiplicamos por b, vem
α b1−α ≤ α + (1 − α)b
com igualdade se, e só se,  = b.

Prova da desigualdade de Hölder

Agora sejam 1 < p < ∞ e p−1 + q−1 = 1 e α = p−1 . Então segue
que para todos os A, B reais positivos
Ap Bq
AB ≤ +
p q
com igualdade se, e só se, Ap = Bp .
Tomemos agora ƒ ∈ Lp (μ), g ∈ Lq (μ) tais que kƒ kp 6= 0 e kgkq 6= 0.
O produto ƒ g é mensurável e a relação acima com A = |ƒ ()|/ kƒ kp e
B = |g()|/ kgkq garante que
ƒ ()g() |ƒ ()|p |g()|q
≤ p + q .
kƒ kp kgkq pkƒ kp qkgkq

Como os dois termos da direita são integráveis, então ƒ g é integrá-

vel.

Final da prova da desigualdade de Hölder

Integrando ambos os termos, obtemos
kƒ gk1 |ƒ ()|p |g()|q 1 1
Z Z
≤ p dμ() + q dμ() = + =1
kƒ kp kgkq pkƒ kp qkgkq p q

que é a desigualdade que queremos, para funções não nulas.

Se uma das funções for nula, a desigualdade é trivial.
Notemos que p = 2 é o único índice cujo conjugado q = 2 é o
mesmo, portanto o produto de duas funções em L2 (μ) é integrável.

14
Desigualdades de Cauchy-Bunyakovskii-Schwarz e Minkowski

Corolário (desigualdade de Cauchy-Schwarz) R  R

Se ƒ , g ∈ L2 (μ), então ƒ g é integrável e  ƒ g ≤ |ƒ g| ≤ kƒ k2 kgk2 .
Segue agora a desigualdade triangular:
Lema (desigualdade de Minkowski)
Se ƒ , h ∈ Lp (μ), p ≥ 1, então ƒ + h ∈ Lp (μ) e kƒ + hkp ≤ kƒ kp + khkp .
O caso p = 1 já foi feito. Para p > 1, ƒ + h é mensurável e

|ƒ + h|p ≤ (2 mx{|ƒ |, |h|})p ≤ 2p (|ƒ |p + |h|p ),

portanto ƒ + h ∈ Lp (μ).

Prova da desigualdade de Minkowski

Além disto, também vale

|ƒ + h|p = |ƒ + h| · |ƒ + h|p−1 ≤ |ƒ | · |ƒ + h|p−1 + |h| · |ƒ + h|p−1 .

Como |ƒ + h| ∈ Lp e |ƒ + h|p ∈ L1 e p = (p − 1)q, então |ƒ + h|p−1 ∈ Lq .

Aplicando a desigualdade de Hölder
Z Z 1/ q
p−1 (p−1)q
|ƒ | · |ƒ + h| dμ ≤ kƒ kp |ƒ + h| = kƒ kp kƒ + hkp/
p
q

e analogamente com h no lugar de ƒ . Portanto, integrando a primeira

p
desigualdade, kƒ + hkp é majorada por

kƒ kp kƒ + hkp/
p
q
+ khkp kƒ + hkp/
p
q
= (kƒ kp + khkp )kƒ + hkp/
p
q
.

Final da prova da Desigualdade de Minkowski

Se kƒ + hkp 6= 0, então deduzimos

kƒ + hkp−p/
p
q
≤ kƒ kp + khkp e p − p/ q = 1

logo temos a Desigualdade de Minkowski kƒ + hkp ≤ kƒ kp + khkp .

Se kƒ + hkp = 0, então a Desigualdade de Minkowski é trivial.

A desigualdade de Minkowski garante a desigualdade triangular

para a função k · kp e que a soma de funções em Lp (μ) se mantém
no espaço. As restantes propriedades de um espaço vetorial e de
norma são fáceis de verificar. Então (Lp (μ), k·kp ) é um espaço vetorial
normado, para 1 ≤ p < ∞.

15
Completude: Teorema de Riesz-Fischer
Teorema
Se 1 ≤ p < ∞, então (Lp (μ), k · kp ) é espaço normado completo.
Isto nos fornece uma classe de exemplos muito útil.
É muitas vezes mais simples considerar propriedades e afirma-
ções no caso particular de ℓp para ganhar intuição do significado de
muitas noções em Análise Funcional.

Os espaços L∞ (μ) e o supremo essencial

O conjunto L∞ (μ) = L∞ (X, A, μ) é formado pelas classes de equiva-
lência de funções que são “essencialmente limitadas”, ou limitadas
μ-qtp., e duas funções são iguais se coincidem μ-qtp..
Para uma função g : X → [0, +∞] A-mensurável, defina

Sg = {α ∈ R : μ([ g > α]) = μ(g−1 ((α, +∞]) = 0}.

e faça ess sp g = inf Sg (lembre que inf ∅ = +∞), o supremo es-
sencial de g.
Notemos que, por definição, se β = ess sp g, para cada n > 1
temos que μ([g > β + 1/ n]) = 0 e como [g > β] = ∪n [g > β + 1/ n],
então μ([g > β]) = 0, e β ∈ Sg .

Definição de L∞ (μ)
Podemos agora definir, para cada função ƒ : X → [−∞, +∞] A-
mensurável

kƒ k∞ = ess sp(|ƒ |)

(note que esta definição também faz sentido para ƒ : X → C) e

L∞ (μ) = L∞ (X, A, μ) = {ƒ : X → [−∞, +∞] : kƒ k∞ < ∞}.

Nos cursos de Teoria da Medida e Integração se prova o seguinte

Lema
O espaço (L∞ (μ), k · k∞ ) é um espaço vetorial normado completo.

O espaço ℓ∞
Existe um espaço de sequências com esta norma: se (n )n é
sequência em algum espaço normado (X, k · k), então definimos

k(n )n k∞ = sp kn k

n≥1

16
e o espaço das sequências limitadas

ℓ∞ = {(n )n ⊂ X : k(n )n k < ∞}

que, com a norma k · k∞ é um espaço vetorial normado e completo.

Este espaço (ℓ∞ , k · k∞ ) é muito útil para construir explicitamente
exemplos e contra-exemplos para diversos resultados em Análise
Funcional, e assim ganhar intuição sobre diversas noções.

Integral de Lebesgue melhor que Riemann

Dada uma medida m no intervalo [0, 1] o conjunto das funções m-
integráveis L1m ([ 0, 1]) é um espaço métrico completo para a métrica
Z
d(ƒ , g) = kƒ − gk1 = |ƒ − g| dm,

ou seja, sequências de Cauchy nesta métrica convergem para fun-

ções integráveis. (Notemos que a medida m não foi especificada:
este resultado é válido para qualquer uma!)
Mas o análogo não é verdadeiro para a integral de Riemann:R existe
família de funções integráveis à Riemann tal que d(ƒn , ƒm ) = |ƒn () −
ƒm ()| d tende a zero quando n, m → ∞, mas o limite destas funções
não é integrável à Riemann...
Como todas as funções integráveis à Riemann são integrável à
Lebesgue, e com o mesmo integral, então se tomarmos m a medida
de Lebesgue em [0, 1], o espaço

R = {ƒ : [0, 1] → R : ƒ é integrável à Riemann}

é um espaço vetorial que admite as duas normas

Z Z 1
kƒ k1 = |ƒ | dm (Lebesgue) e |ƒ | = |ƒ ()| d (Riemann).
0

Tomemos {qn : n ≥ 1} uma enumeração dos racionais no intervalo

[0, 1] e as funções características ou indicadoras
¨
1 se  = qn
gn () = χqn () = , n ≥ 1,
0 caso contrário
Pn
e a sequência ƒn = k=1
gk .

17
Mau comportamentoR da integral de Riemann
Então, é claro que ƒn () d = 0 para todo n ≥ 1, portanto |ƒn −
ƒm | = |ƒn () − ƒm ()| d = 0, mas o limite
R

¨
1 se  ∈ Q
lim ƒn () = ƒ () =
n→∞ 0 se  ∈ R \ Q

não é integrável à Riemann! Assim (R, | · |) não é Banach, e (R, k · k1 )

também não.
Por outro lado, temos kƒn −ƒm k1 = |ƒn −ƒm | = 0 mas sabemos que ƒ é
Lebesgue integrável e kƒn − ƒ k1 → 0, portanto o espaço L1m ([0, 1]) ⊃ R
mas o integral de Riemann em R não se estende a L1m ([ 0, 1]).

4 Topologia e Álgebra
4.1 Topologias fracas
A topologia fraca. Espaços de Hilbert e operadores auto-
adjuntos.
Para contornar o problema posto pela não compacidade de B̄(0, 1),
redefiniremos a topologia de um espaço normado de maneira que sua
bola unitária no espaço dual seja compacta.
Isso é um dos tópicos principais deste curso, e deduziremos resul-
tados muito gerais para operadores lineares usando esta topologia.
Finalmente especializaremos os resultados nos espaços de Hilbert
(que são espaços de Banach com uma norma induzida por um pro-
duto interno) para operadores compactos e auto-adjuntos, e estuda-
remos seu espectro.

4.2 Álgebras de Banach e C∗

Álgebras Complexas sobre espaços de Banach
Havendo tempo durante o curso, faremos introdução à teoria ob-
tida quando se acrescenta aos espaços de Banach uma operação
interna de multiplicação de elementos de X (sem necessariamente
assumir comutatividade nem existência de unidade) que é associa-
tiva e distributiva em relação à adição de elementos de X e de K:

(yz) = (y)z; (y + z) = y + z, ( + y)z = z + yz

e ainda

λ(y) = (λ)y = (λy),

18
para , y, z ∈ X, λ ∈ K = R ou C.
Se K = C diz-se que X é um álgebra complexa e, se existir uni-
dade  ∈ X para esta multiplicação, então X vira um álgebra com-
plexa unitária.

Álgebras de Banach
Uma Álgebra de Banach é uma álgebra complexa X com norma
k · k tal que (X, k · k) é espaço de Banach e a norma tem uma boa
relação com a multiplicação:

kyk ≤ kk · kyk, ∀, y ∈ X.

Um bom exemplo é o espaço (Cm×m , k · k) das matrizes com entradas

complexas de dimensão m ∈ Z+ com a norma das aplicações lineares
associadas
kAk2
kAk = sp
~ 6=∈Cm
0 kk2
€P Š1/ 2
m
onde kk2 = k(1 , . . . , m )k2 = =1
̄    é a norma euclidiana
usual em Cm . Este espaço é uma Álgebra de Banach.

Álgebras C∗
Existe também uma abstração da operação de conjugação dos
número complexos dentro de uma álgebra de Banach.

Esta teoria é muito elegante e permite classificar certas álgebras.

Objetivamos introduzir alguns conceitos e estudar a transformada

de Gelfand e o Teorema de Gelfand-Mazur: “toda álgebra de Banach
unitária cujos elementos não nulos são invertíveis é isometricamente
isomorfa a C”.

Bibliografia: livros-texto

19
Bibliografia: livros-texto

Bibliografia: livros-texto

20
Lista de referências bibliográficas

ˆ César Oliveira, Introdução à Análise Funcional, IMPA, Colóquio

Brasileiro de Matemática, Rio de Janeiro, 2001.
ˆ Geraldo Botelho, Daniel Pellegrino, Eduardo Teixeira, Fundamen-
tos de Análise Funcional, SBM, Coleção Textos Universitários, Rio
de Janeiro, 2014,
ˆ Brezis, H. Analyse Functionnelle – Théorie et applications. DU-
NOD, 1999. Paris.
ˆ Conway, A Course on Functional Analysis, 2nd. ed. Springer
Verlag. New-York. 1990.
ˆ Kôsaku Yosida, Funcional Analysis. Springer-Verlag. New-York.
1995.

21