• Non ci sono risultati.

Prolungamento di isometrie

Nel documento Moto browniano e analisi stocastica (pagine 87-90)

Capitolo 5. Integrale stocastico

5.1 Prolungamento di isometrie

Si dice spazio pseudometrico un insiemeE munito di una pseudodistanza d(·, ·), ossia di una funzioned : E × E → R tale che per ogni x, y, z ∈ E valgano le seguenti proprietà:

d(x, x) = 0 , d(x, y) = d(y, x) , d(x, y) ≤ d(x, z) + d(z, y) .

Come è ben noto, se si rafforza la prima condizione richiedendo ched(x, y) = 0 se e solo sex = y, la funzione d(·, ·) si dice distanza e lo spazio E si dice spazio metrico. Ciò che differenza uno spazio pseudometrico rispetto a uno spazio metrico è che ci possono essere puntix, y ∈ E distinti (cioè x 6= y) tali che d(x, y) = 0.

Un caso tipico è dato dagli spazi di variabili aleatorie Lp(Ω, F, P): date infatti due variabili aleatorieX, Y ∈ Lp(Ω, F, P) tali che d(X, Y ) := kX −Y kp = (E(|X −Y |))1/p= 0, non si ha necessariamente X = Y (ma solo X = Y q.c.). Come abbiamo già ricordato, se si identificano le variabili aleatorie q.c. uguali, il relativo spazio delle classi di equivalenza (che, con abuso di notazione, si indica ancora conLp(Ω, F, P)) diventa uno spazio metrico.

Data una successione di punti {xn}n∈N in uno spazio pseudometrico E e un punto x ∈ E, si dice che xn converge versox (e si scrive xn→ x) se si ha limn→∞d(xn, x) = 0. A differenza di quanto accade per gli spazi metrici, il limite in generale non è unico: in effetti, sexn→ x, allora xn→ y per ogni y ∈ E con d(x, y) = 0.

Sottolineiamo che la pseudodistanza è una funzione continua, nel senso che sexn→ x e yn→ y si ha d(xn, yn) → d(x, y). Infatti, per la disuguaglianza triangolare,

d(xn, yn) ≤ d(xn, x) + d(x, y) + d(y, yn) , d(x, y) ≤ d(x, xn) + d(xn, yn) + d(yn, y) , dunque |d(xn, yn) − d(x, y)| ≤ d(xn, x) + d(yn, y) → 0.

Un sottoinsiemeS di uno spazio pseudometrico E si dice denso se per ogni x ∈ E esiste una successione di punti xn∈ S tali che xn→ x. Una successione {xn}n∈N in uno spazio pseudometrico E si dice di Cauchy se ∀ε > 0 esiste n0 < ∞ tale che d(xn, xm) < ε per

ognin, m ≥ n0. È facile vedere che in qualunque spazio pseudometrico ogni successione convergente è di Cauchy. Se vale anche il viceversa, ossia se per ogni successione {xn}n∈N di Cauchy inE esiste x ∈ E tale che xn→ x, lo spazio pseudometrico E si dice completo.

Come è noto,Lp(Ω, F, P) come spazio di classi di equivalenza è uno spazio metrico completo; come spazio di variabili aleatorie, è invece uno spazio pseudometrico completo. In effetti, seXn→ X in Lp(Ω, F, P), allora Xn→ X0 per ogni altra variabile aleatoria X0 ∈ Lp(Ω, F, P) tale che X = X0 q.c..

Possiamo finalmente enunciare e dimostrare il risultato principale sull’estensione di isometrie densamente definite.

Teorema 5.1. Siano E uno spazio pseudometrico, F uno spazio pseudometrico completo,S un sottoinsieme denso di E e J : S → F un’isometria:

d(J(x), J(y)) = d(x, y) , ∀x, y ∈ S . (5.1)

Allora esiste un’isometria ¯J : E → F che estende J a tutto E, ossia: ¯

J(x) = J(x) , ∀x ∈ S , d( ¯J(x), ¯J(y)) = d(x, y) , ∀x, y ∈ E . (5.2) Se ˆJ : E → F è un’altra isometria che estende J, si ha d( ˆJ(x), ¯J(x)) = 0 per ogni x ∈ E. In particolare, F è uno spazio metrico (e non solo pseudometrico), l’estensione isometrica ¯J : E → F di J è unica.

Dimostrazione. Cominciamo a verificare l’ultima affermazione. Sia x ∈ E e consideria-mo una successione {xn}n∈NinS convergente a x, cioè d(xn, x) → 0 (una tale successione esiste perché per ipotesi S è denso in E). Per la disuguaglianza triangolare

d( ˆJ(x), ¯J(x)) ≤ d( ˆJ(x), ˆJ(xn)) + d( ˆJ(xn), ¯J(xn)) + d( ¯J(xn), ¯J(x)) .

Per ipotesi ¯J e ˆJ coincidono su S, essendo estensioni di J, quindi ˆJ(xn) = ¯J(xn) e d( ˆJ(xn), ¯J(xn)) = 0. Inoltre d( ¯J(xn), ¯J(x)) = d(xn, x) e d( ˆJ(xn), ˆJ(x)) = d(xn, x), per l’isometria di ¯J e ˆJ. Dato che d(xn, x) → 0, segue che d( ˆJ(x), ¯J(x)) = 0 per ogni x ∈ E. Se lo spazio di arrivo F è metrico, ciò implica che ˆJ(x) = ¯J(x) per ogni x ∈ E.

Mostriamo ora l’esistenza di un operatore ¯J che soddisfa (5.2). Per x ∈ S poniamo ¯

J(x) := J(x). Per x ∈ E \ S, fissiamo un’arbitraria successione {exn}n∈NinS che converge verso x. Essendo convergente, {xen}n∈N è di Cauchy in E e quindi la successione delle immagini {J(exn)}n∈N è di Cauchy inF , poiché d(J(xen), J(exm)) = d(exn,exm), grazie a (5.1). Essendo per ipotesiF completo, esiste almeno un punto limite per la successione {J(xen)}n∈N: indicheremo con ¯J(x) uno di tali punti, scelto arbitrariamente ma fissato una volta per tutte, per cui si ha J(exn) → ¯J(x).

Abbiamo quindi definito un operatore ¯J : E → F che per costruzione soddisfa la prima relazione in (5.2). Per verificare la seconda relazione, sianox, y ∈ E. Se x ∈ E \ S, sia xen∈ S la successione fissata sopra nella definizione di ¯J, mentre se x ∈ S poniamo e

e analogamenteyen→ y, J(eyn) → ¯J(y), quindi per continuità della pseudodistanza si ha d(J(xen), J(yen)) → d( ¯J(x), ¯J(y)) , d(exn,eyn) → d(x, y) .

Dato ched(J(xen), J(eyn)) = d(exn,yen) per ogni n ∈ N, grazie alla relazione (5.1), passando al limiten → ∞ otteniamo d( ¯J(x), ¯J(y)) = d(x, y).

Osservazione 5.2. Abbiamo enunciato il Teorema 5.1 per operatori isometrici perché è il caso che ci interessa per l’integrale stocastico. Sottolineiamo tuttavia che la dimostrazione si estende quasi senza modifiche ad operatori lipschitziani J : S → F : più precisamente, se d(J(x), J(y)) ≤ C d(x, y) per ogni x, y ∈ S, con C ≥ 0, allora esiste un operatore

¯

J : E → F che estende J e tale che d( ¯J(x), ¯J(y)) ≤ C d(x, y) per ogni x, y ∈ E; inoltre, tale operatore è unico se lo spazio d’arrivoF è metrico e completo.

Specializziamo ora il Teorema 5.1 al caso in cui E ed F sono spazi vettoriali e l’operatore J è lineare. L’analogo vettoriale di uno spazio pseudo metrico è dato da uno spazio seminormato: si tratta di uno spazio vettoriale reale E munito di una seminorma, cioè di una funzione k · k: E → R tale che per ogni x, y ∈ E e per ogni λ ∈ R si abbia

k0k = 0 , kλxk = |λ|kxk , kx + yk ≤ kxk + kyk .

Se si impone la condizione più forte che kxk = 0 se e solo se x = 0, la funzione k · k si dice norma e lo spazio vettoriale E si dice spazio normato. Ogni spazio seminormato (risp. normato) E è in particolare uno spazio pseudometrico (risp. metrico), in cui la pseudodistanza (risp. distanza) è definita dad(x, y) := kx − yk, per cui si applicano tutti i concetti definiti in precedenza: convergenza di successioni, densità di un sottoinsieme, completezza dello spazio, . . . Notiamo che le operazioni di somma e di prodotto per scalari sono funzioni continue: più precisamente, sexn→ x e yn→ y si ha αxn+ βyn→ αx + βy per ogni α, β ∈ R, come si verifica facilmente usando le proprietà della seminorma.

Per quanto ci riguarda, l’esempio tipico di spazio seminormato (risp. normato) completo è dato dallo spazio di variabili aleatorie (risp. di classi di equivalenza) Lp(Ω, F, P), in cui X 7→ kXkp := (E(|X|p))1/p è una seminorma.

Veniamo ora al risultato annunciato.

Corollario 5.3. Siano E uno spazio seminormato, F uno spazio seminormato completo,S ⊆ E un sottospazio vettoriale denso e J : S → E un’isometria lineare:

J(αx + βy) = αJ(x) + βJ(y) , ∀α, β ∈ R , ∀x, y ∈ S , (5.3)

kJ(x)k = kxk , ∀x ∈ S . (5.4)

Allora esiste un’isometria lineare ¯J : E → F che estende J a tutto E: ¯

J(x) = J(x) , ∀x ∈ S , ¯

J(αx + βy) = α ¯J(x) + β ¯J(y) , ∀α, β ∈ R , ∀x, y ∈ E , (5.5) k ¯J(x)k = kxk , ∀x ∈ E .

Se ˆJ : E → F è un’altra isometria lineare che estende J, si ha k ˆJ(x) − ¯J(x)k = 0 per ogni x ∈ E. In particolare, F è uno spazio normato (e non solo seminormato), esiste un’unica isometria lineare ¯J : E → F che estende J.

Dimostrazione. Dalle proprietà (5.3), (5.4) segue che d(J (x), J (y)) = kJ (x) − J (y)k = kJ(x − y)k = kx − yk = d(x, y) per ogni x, y ∈ E, dunque l’ipotesi (5.1) è soddisfatta. Il Teorema 5.1 garantisce l’esistenza di un’isometria ¯J : E → F che estende J, cioè tale che

¯

J(x) = J(x) per x ∈ S e k ¯J(y) − ¯J(x)k = ky − xk per ogni x, y ∈ E. Inoltre, se lo spazio F è normato, dunque metrico, tale operatore ¯J è unico.

Resta solo da mostrare che ¯J è lineare, ossia che soddisfa la relazione (5.5). Osserviamo che, essendo isometrico, l’operatore ¯J è continuo: più precisamente, se zn → z si ha

¯

J(zn) → ¯J(z), perché per costruzione k ¯J(zn) − ¯J(z)k = kzn− zk → 0.

Datix, y ∈ E, siano {xn}n∈N e {yn}n∈N due successioni inS che convergono verso x e y rispettivamente. Per ogni α, β ∈ R si ha αxn+ βyn → αx + βy, per continuità della somma e del prodotto per scalari, e per la continuità di ¯J si ottiene

α ¯J(xn) + β ¯J(yn) → α ¯J(x) + β ¯J(y) , J(αx¯ n+ βyn) → ¯J(αx + βy) .

Per la validità della relazione (5.5) è dunque sufficiente mostrare che ¯J(αxn+ βyn) = α ¯J(xn)+β ¯J(yn) per ogni n ∈ N. Per costruzione xn, yn∈ S e quindi anche αxn+βyn∈ S, perchéS è un sottospazio vettoriale. Dato che per costruzione ¯J è un’estensione di J, si ha ¯J(xn) = J(xn), ¯J(yn) = J(yn) e J(αxn+ βyn) = J(αx + βy). La conclusione segue allora dall’ipotesi (5.3).

Osservazione 5.4. Supponiamo che, nelle stesse ipotesi del Teorema 5.3, esista una forma bilineare h·, ·i su E tale che kxk =phx, xi per ogni x ∈ E, e analogamente per F . Allora l’operatore lineare ¯J preserva, oltre alla seminorma, anche la forma bilineare, cioè

h ¯J(x), ¯J(y)i = hx, yi , ∀x, y ∈ E .

Basta infatti notare che la forma bilineare si può ricostruire dalla seminorma grazie alla relazione ha, bi = 1

4(ka + bk2− ka − bk2), nota come identità di polarizzazione.

Nel documento Moto browniano e analisi stocastica (pagine 87-90)