Gli spazi L^p sono spazi di funzioni misurabili in cui la potenza p-esima del modulo è integrabile. Sono una delle strutture fondamentali dell’analisi moderna: permettono di misurare grandezze medie, energia, errore, densità, oscillazioni e regolarità senza richiedere che le funzioni siano continue o ben comportate punto per punto.
Compaiono in serie di Fourier, teoria dei segnali, equazioni differenziali alle derivate parziali, probabilità, meccanica quantistica, metodi variazionali e teoria delle distribuzioni. L’idea di fondo è semplice: invece di controllare il valore massimo puntuale di una funzione, si controlla una quantità integrale.
Definizione
Dato uno spazio misurabile, per esempio un dominio \Omega\subseteq\mathbb R^n con misura di Lebesgue, e un esponente 1\le p<+\infty, si definisce:
La norma associata è:
Più precisamente, gli elementi di L^p non sono singole funzioni puntuali, ma classi di equivalenza di funzioni uguali quasi ovunque. Due funzioni che differiscono solo su un insieme di misura nulla rappresentano lo stesso elemento dello spazio. Questo dettaglio non è una finezza: se si cambia il valore di una funzione in un singolo punto, l’integrale non cambia e quindi non cambia neppure la norma L^p.
Per questo motivo, negli spazi L^p non è naturale chiedere “quanto vale la funzione esattamente in quel punto?” se quel valore non è definito in modo rappresentativo. È più naturale chiedere quanto è grande la funzione in media, in energia o in integrale.
Caso L^\infty
Si definisce anche lo spazio L^\infty(\Omega) delle funzioni essenzialmente limitate:
La norma è
L’estremo superiore essenziale ignora insiemi di misura nulla. Una funzione può avere un picco isolato arbitrariamente alto in un punto e restare essenzialmente limitata, perché quel punto non pesa nella misura di Lebesgue. Questo distingue L^\infty dalla limitatezza puntuale classica.
Interpretazione dei casi principali
Lo spazio L^1 contiene funzioni assolutamente integrabili:
È naturale per densità, masse distribuite, segnali con area assoluta finita e quantità totali. Se f rappresenta una densità di massa, carica o probabilità, l’integrale del modulo misura una quantità complessiva.
Lo spazio L^2 contiene funzioni a energia finita:
Il caso L^2 è speciale perché ammette il prodotto scalare:
nel caso reale, con la variante coniugata nel caso complesso. Per questo L^2 è uno spazio di Hilbert, cioè uno spazio in cui si possono usare ortogonalità, proiezioni, basi ortonormali e decomposizioni spettrali. È lo spazio naturale di segnali a energia finita, metodi di Fourier, minimi quadrati e formulazioni deboli di molte equazioni.
Il caso L^\infty controlla invece il valore essenziale massimo. È utile quando interessa un vincolo uniforme: ampiezza massima di un segnale, errore massimo tollerato quasi ovunque, campo limitato, controllo di saturazione.
Disuguaglianze fondamentali
La struttura degli spazi L^p si basa su due disuguaglianze centrali. La disuguaglianza di Hölder controlla il prodotto di due funzioni:
La disuguaglianza di Minkowski garantisce la disuguaglianza triangolare:
Grazie a Minkowski, \|\cdot\|_p è effettivamente una norma per p\ge1.
Queste disuguaglianze sono strumenti di stima. Hölder dice che un prodotto è controllabile separando i fattori in spazi con esponenti coniugati; Minkowski dice che la norma della somma non supera la somma delle norme. In analisi delle PDE, stima degli errori e segnali, spesso non si calcola una soluzione esplicita: si dimostra che resta controllata proprio tramite disuguaglianze di questo tipo.
Completezza e spazi di Banach
Per 1\le p\le\infty, lo spazio L^p(\Omega) è completo rispetto alla norma \|\cdot\|_p: ogni successione di Cauchy converge a un elemento di L^p. In altre parole, L^p è uno spazio di Banach.
La completezza è importante nei metodi di esistenza. Se si costruisce una soluzione come limite di approssimazioni, serve sapere che il limite resta nello spazio in cui si sta lavorando. Senza completezza, una sequenza di approssimazioni potrebbe “uscire” dallo spazio.
Il caso L^2 è ancora più strutturato: essendo uno spazio di Hilbert, consente anche strumenti geometrici come proiezioni ortogonali e basi complete. Risultati come identità di Parseval e teorema di Plancherel vivono naturalmente in questa cornice.
Collegamento con probabilità
In probabilità, una variabile aleatoria X appartiene a L^p se:
Qui l’integrale è un valore atteso rispetto alla misura di probabilità. Il caso p=1 richiede integrabilità assoluta; il caso p=2 richiede momento quadratico finito e permette di lavorare con varianza, covarianza ed errore quadratico medio.
La convergenza in media L^p usa proprio questa norma per misurare l’errore tra variabili aleatorie:
Questa convergenza è più forte della convergenza in probabilità, ma richiede controllo delle code: eventi rari con valori enormi possono impedire la convergenza in L^p anche quando la probabilità dell’errore sembra piccola.
Inclusioni tra spazi
Su domini di misura finita, gli spazi L^p sono ordinati: se q>p, allora una funzione in L^q appartiene anche a L^p. L’idea è che una potenza più alta controlla meglio i valori grandi e, su un dominio di misura finita, questo controllo basta anche per le potenze più basse.
Su domini di misura infinita, invece, questa inclusione non vale automaticamente. Il comportamento all’infinito diventa decisivo: una funzione può essere quadrato-integrabile ma non integrabile, oppure integrabile ma non quadrato-integrabile, a seconda di come decresce e di come si comporta vicino alle singolarità.
Esempi tipici aiutano a fissare l’idea. Su (0,1), una funzione con singolarità del tipo x^{-\alpha} può appartenere ad alcuni L^p e non ad altri; su (1,+\infty), il decadimento x^{-\alpha} decide invece l’integrabilità all’infinito. In entrambi i casi non basta guardare se la funzione “diverge” o “tende a zero”: bisogna confrontare la potenza integrata con il dominio.
Interpretazione ingegneristica
Negli spazi L^p, l’esponente p decide quanto si penalizzano i valori grandi.
| Spazio | Lettura operativa |
|---|---|
| L^1 | quantità totale, area assoluta, massa o carica distribuita |
| L^2 | energia, errore quadratico, proiezione ortogonale |
| L^\infty | massimo essenziale, vincolo uniforme, saturazione |
In teoria dei segnali, L^2 descrive segnali a energia finita; L^1 è utile per trasformate e convoluzioni ben controllate; L^\infty limita ampiezze. In fluidodinamica e PDE, norme L^p stimano campi, sorgenti, gradienti e soluzioni deboli. In statistica e machine learning, errori L^1 e L^2 corrispondono a criteri diversi: il quadratico penalizza maggiormente gli outlier, mentre l’assoluto è spesso più robusto.
Errori comuni
Un primo errore è confondere appartenenza a L^p con limitatezza puntuale. Una funzione può essere non limitata e appartenere comunque a L^p se la singolarità è integrabile.
Un secondo errore è dimenticare il dominio. La stessa funzione può appartenere a L^p su un intervallo limitato ma non su tutta la retta.
Un terzo errore è trattare i valori puntuali come se fossero sempre significativi. In L^p si lavora quasi ovunque: modifiche su insiemi di misura nulla non cambiano l’elemento dello spazio.
Un quarto errore è applicare automaticamente inclusioni tra spazi senza controllare se il dominio ha misura finita. Su domini infiniti, l’ordinamento tra L^p richiede ipotesi aggiuntive.
Un quinto errore è usare la formula con p<1 chiamandola norma. Per 0<p<1 la quantità corrispondente non soddisfa la disuguaglianza triangolare, quindi non definisce uno spazio normato nel senso ordinario.
Vedi anche: disuguaglianza di Hölder, disuguaglianza di Minkowski, convergenza in media Lp, spazi di Hilbert, norma, norme equivalenti, serie di Fourier, identità di Parseval, teorema di Plancherel, lemma di Riemann-Lebesgue, formulario di Analisi Matematica III e formulario di probabilità.