Metodi Matematici e Probabilistici (9 CFU) Prof. Marco Spadini – UniFi
Università degli Studi di Firenze – Corso di Laurea (9 CFU)
Metodi Matematici e Probabilistici – Blocco 7
Sistemi Non Omogenei, Equazione di Variazione e Teoria della Stabilità (Lez. 28–30 Ottobre)
1 Sistemi Non Omogenei e Lemma di Gronwall (Lez. 28/10/26)
Nelle lezioni precedenti abbiamo visto che la soluzione di un sistema lineare omogeneo () si scrive tramite
¤ =
la come () . Adesso vogliamo risolvere il sistema
) )
Matrice Fondamentale Principale completo
Φ(, = Φ(,
0 0 0
(non omogeneo), in cui è presente un termine noto () che rappresenta fisicamente una forzante esterna.
Consideriamo il problema di Cauchy:
Teorema / Proprietà (Metodo della Variazione delle Costanti per i Sistemi).
{︄ () ()() ()
¤ +
=
(
) =
0 0
⊲ L’intuizione alla base del metodo è geniale: sappiamo che se () fosse
Perché si usa questo metodo e come funziona?:
zero, la soluzione sarebbe () , dove è un vettore costante. Poiché () "forza" il sistema ad allontanarsi
)
= Φ(, 0 0 0
dall’evoluzione naturale, proviamo a cercare una soluzione in cui il vettore viene sostituito da un vettore variabile nel
0
(). Poniamo dunque:
tempo () )().
= Φ(, 0 ¤
Sostituiamo questa forma nell’equazione di partenza. Per la regola di derivazione del prodotto abbiamo ()
¤ )() +
= Φ(, 0
¤
(). Poiché è soluzione dell’omogenea, sappiamo che ()Φ. Quindi:
¤
)
Φ(, Φ Φ =
0 () ()Φ(, ().
¤ ¤
)() + )
= Φ(,
0 0
D’altra parte, l’equazione originale impone che () ()() () ()Φ(, (). Uguagliando le due
¤ + )() +
= = 0
espressioni, il termine ()Φ(, si cancella da ambo i membri! Rimane un’equazione semplicissima per l’incognita ():
¤
)()
0 () ().
¤
)
Φ(, =
0
Poiché è una matrice fondamentale, il suo determinante non è mai nullo, quindi è sempre Moltiplichiamo a
) invertibile.
Φ(, 0
sinistra per l’inversa: −1
() ().
¤ )
= Φ(, 0
Integrando membro a membro tra e (e ponendo ( affinché ( , sia rispettato), otteniamo
) ) )
= = Φ( = =
0 0 0 0 0 0 0 0 0
la formula per ():
∫ −1
() ().
+ )
= Φ(,
0 0
0
Sostituendo l’espressione di () dentro () otteniamo la
)() Formula Risolutiva Generale:
= Φ(, 0
∫ −1
() ().
) + ) )
= Φ(, Φ(, Φ(,
0 0 0 0
0
Nel ( costante), la matrice fondamentale è l’esponenziale di matrice (− )
0
)
caso a coefficienti costanti Φ(, =
0
e la sua inversa è . Poiché non dipende dalla variabile di integrazione , può essere portata fuori
−(− ) (− )
0 0
dall’integrale. Le proprietà degli esponenziali ci regalano la forma definitiva:
∫
(− ) (−)
() ().
0 +
= 0 0
Per analizzare matematicamente i sistemi dinamici (specie quelli non lineari), abbiamo un disperato bisogno di
poter "limitare" la crescita delle soluzioni nel tempo. Questo si fa attraverso un lemma fondamentale che trasforma
una disuguaglianza integrale in una limitazione esponenziale. Siano () e () due funzioni continue e
Teorema / Proprietà (Disuguaglianza (o Lemma) di Gronwall). non
per . Se esiste una costante > 0 tale che, per ogni istante , vale la limitazione integrale:
≥ ≥
negative 0 0
∫
() ()(),
≤ + 0
1
Metodi Matematici e Probabilistici (9 CFU) Prof. Marco Spadini – UniFi
allora la funzione () è limitata superiormente da una curva esponenziale:
)︃
(︃∫ () .
() exp
≤ 0 ∫
⊲ Per risolvere la disuguaglianza () ,
≤ +
Il trucco di Gronwall: perché si aggiunge nella dimostrazione?:
verrebbe spontaneo chiamare il membro di destra (), calcolarne la derivata ()() ()() e dividere per ().
′ () ≤
=
Il problema matematico è che () potrebbe annullarsi, rendendo illegale la divisione per zero! Il trucco è definire una funzione
aggiungendo un piccolo > 0:
()
∫
()().
() + +
=
0
In questo modo siamo certi che > 0 sempre. Essendo l’integrale lo stesso, si ha () < Derivando:
() ().
′
()() ()
() ≤ ().
=
Ora possiamo dividere tranquillamente per ():
′ ()
().
≤
()
Riconosciamo a sinistra la derivata del logaritmo: ln( (). Integrando tra e (ricordando che in l’integrale è
()) ≤
0 0
zero, quindi ):
( ) +
=
0
(︃∫ )︃
∫
ln( ln( ) () ) exp () .
()) − + ≤ () ≤ ( +
=⇒
0 0
Siccome () < la disuguaglianza vale per ogni > 0. Facendo il limite per 0, si ottiene esattamente la tesi.
(), →
■
2 Dipendenza dai Parametri ed Evoluzione del Volume (Lez. 29/10/26)
I modelli differenziali reali spesso dipendono da un piccolo parametro (che può rappresentare un debole attrito,
una piccola anomalia o un errore di misurazione). Consideriamo il sistema:
, ) con ( .
¤ (, )
= =
0 0
Se conosciamo la soluzione "nominale" (ovvero quella ideale calcolata ponendo 0), ci chiediamo: come si
() =
0
deforma la traiettoria per 0?
≠ Poiché le soluzioni dipendono da
Teorema / Proprietà (L’Equazione di Variazione (Sensibilità della soluzione)).
con la stessa regolarità della funzione , possiamo esprimere la soluzione esatta (, ) tramite uno sviluppo di
Taylor al prim’ordine attorno a 0:
= (, ) () ().
() + · +
= 0
La funzione vettoriale () ) rappresenta la "sensibilità" della soluzione al parametro. Per trovarla,
(,
= =0
deriviamo l’equazione differenziale rispetto a :
() .
(, ) (, ), )
¤ ¤ (,
= =
=0 =0
Applicando la regola della derivazione delle funzioni composte al membro di destra (si deriva rispetto a e si
moltiplica per la derivata di rispetto a , e poi si aggiunge la derivata parziale diretta di rispetto a ):
0) 0) 0) .
()
¤ (, (), · (, + (, (),
= 0 0
⏞ ⏟⏟ ⏞ ⏞ ⏟⏟ ⏞ ⏞ ⏟⏟ ⏞
Matrice Jacobiana () () Termine noto ()
Abbiamo appena scoperto che l’errore () è governato da una Equazione Differenziale Lineare Non Omogenea:
() ()() () con ( 0.
¤ + )
= =
0
La condizione iniziale è zero perché in lo stato di partenza è fissato (non dipende da ).
0 Modelliamo la caduta di un grave considerando la
Esempio (Caduta di un grave con debole attrito viscoso).
velocità. Senza attrito, l’equazione è Inserendo una piccola resistenza dell’aria proporzionale alla velocità,
¥ −.
=
abbiamo: .
¥ ¤
− −
= 2
Metodi Matematici e Probabilistici (9 CFU) Prof. Marco Spadini – UniFi
12 2
La soluzione nominale (senza attrito, 0) è la parabola della cinematica: (0) , e la sua velocità
() + −
= =
0 0
è . L’equazione di variazione per l’errore () sarà ( , ). Integrando
¤ ¥ ¤ ¤
() − ) − () −( −
= = = =
0 0 0 0 0 0
questa espressione due volte rispetto al tempo (con (0) 0 e (0) 0), otteniamo la perturbazione:
¤
= =
2 2 3
() .
()
¤ − +
− + =⇒ =
= 0
0 2 2 6
(︂ )︂
3 2
La traiettoria reale approssimata sarà quindi () .
≈ () + −
0 0
6 2 Sia un sistema lineare.
()
¤
Teorema / Proprietà (Evoluzione dei Volumi (Formula di Abel-Liouville)). =
Prendiamo un insieme di punti iniziali che forma un volume nello spazio delle fasi (es. un cubo). Man mano
Ω
0
che il tempo scorre, il campo vettoriale deforma questo volume, facendolo diventare Sappiamo dall’algebra
Ω().
lineare che il volume viene scalato dal della matrice di trasformazione, che in questo caso è la matrice
determinante
fondamentale Quindi l’evoluzione del volume è dettata da det
Φ(). Φ().
Flusso )
Φ(, 0
)
Ω( Ω()
0
Volume iniziale
(es. 1) Volume evoluto:
= det Vol(Ω(
· ))
Φ() 0
Il Professor Spadini ha dimostrato come cambia questo determinante. Partendo dall’espansione del determinante
per una perturbazione infinitesima det( ) 1 tr() (): Sviluppiamo ℎ) in serie di Taylor al
+ + + +
= Φ(
prim’ordine per ℎ 0:
→ ¤
ℎ) ℎ (ℎ) ℎ()Φ() (ℎ) ℎ())Φ() (ℎ).
+ + + + + ( + +
Φ( = Φ() Φ() = Φ() =
Calcoliamo il determinante (usando Binet det() det() det()):
=
det ℎ) det( ℎ()) det ℎtr(())) det (ℎ).
+ + (1 + +
Φ( = Φ() = Φ()
Sottraendo det da ambo i membri e dividendo per ℎ, passiamo al limite per ℎ 0 per trovare la derivata:
→
Φ() det tr(()) det
Φ() = Φ().
Questa è una banalissima equazione differenziale scalare separabile (). La sua soluzione è la celebre
¤ Formula
=
di Abel-Liouville:
(︃∫ )︃
det det exp tr(()) .
)
Φ() = Φ( 0 0
Significato fisico profondo: In un sistema dinamico (es. gas in espansione), la della matrice (la somma degli
Traccia 0
autovalori) misura la divergenza del campo. Se la traccia è costantemente nulla, l’esponenziale fa 1 e il volume
=
det si conserva! È il caso dei sistemi Hamiltoniani classici.
Φ()
3 Teoria della Stabilità (Lez. 30/10/26)
Consideriamo un sistema dinamico (non dipendente esplicitamente dal tempo) e non lineare:
autonomo
() con : .
¤ (()) →
= R R
Un punto è un (o stazionario) se il campo vettoriale vi si annulla: 0. In questo
∈ ( )
punto di equilibrio =
0 0
R
punto il sistema è fermo. La grande domanda è: se perturbo leggermente il sistema (lo "spingo" appena fuori da ),
0
cosa fa?
Definizione (Classificazione della Stabilità (nel senso di Lyapunov)).
• Se parte vicino a , la traiettoria resta "per sempre" vicino a . (Fisicamente: il sistema oscilla nei
Stabile: 0 0
paraggi ma non esplode).
• Se è stabile E IN PIÙ l’attrito disperde l’energia della perturbazione, forzando la
Asintoticamente Stabile:
traiettoria a ricadere asintoticamente in per (È un "pozzo" attrattore).
→ +∞.
0 3
Metodi Matematici e Probabilistici (9 CFU) Prof. Marco Spadini – UniFi
• Se esiste almeno una direzione di fuga per cui, partendo vicinissimo a , il sistema finisce per
Instabile: 0
allontanarsi inesorabilmente. (È una "sorgente" repulsiva). La funzione non lineare si può
()
Teorema / Proprietà (Linearizzazione (Stabilità in Prima Approssimazione)).
approssimare con Taylor al primo ordine attorno all’equilibrio :
0
′
() ( ().
() ( ) + ( )( − ) + − ) +
= =
0 0 0 0
Dove 0 (essendo equilibrio), è la Matrice Jacobiana ( e () è un resto infinitesimo (tale che
( ) )
=
0 0
||()||
lim 0).
=
→ 0 ||− ||
0
Se il sistema fosse puramente lineare ( la stabilità dipenderebbe esclusivamente dagli autovalori di
),
¤ =
(poiché le soluzioni sono esponenziali del tipo ). Il Teorema di Linearizzazione ci assicura che, a meno di casi
particolari, e decide il destino del sistema reale!
la parte lineare domina il resto infinitesimo
Se (Re( < 0), l’equilibrio è
)
1. TUTTI gli autovalori di hanno parte reale strettamente negativa Asintoticamente
Stabile.
Se (Re( > 0), l’equilibrio è
)
2. ALMENO UN autovalore ha parte reale strettamente positiva Instabile.
Se l’autovalore con parte reale massima ha esattamente Re() 0 (es. autovalori nulli o immaginari
3. Caso Critico: =
puri), la linearizzazione Il decadimento o l’esplosione dipenderanno esclusivamente dal
non decide nulla.
termine non lineare ().
< 0 > 0 > 0 < 0
() () () ()
0 0
= =
0 0
Caso Critico INSTABILE Caso Critico STABILE
3 3
′ ′
0 0
¤ ¤
(0) − (0)
= =⇒ = = =⇒ = 3 3
L’esempio in figura dimostra il fallimento della linearizzazione. Entrambe le equazioni e hanno
¤ ¤ −
= =
2 3
Jacobiano nullo (3 0). Ma geometricamente, se perturbo a destra ( > 0), la velocità è positiva e il punto
= 3
"fugge" (Instabile). Se perturbo a destra, la velocità è negativa e il punto torna indietro (Stabile).
−
4 Il Metodo di Lyapunov e Ritratto di Fase 2D (Lez. 30/10/26)
Quando la linearizzazione fallisce, occorre uno strumento globale per studiare le traiettorie senza calcolarle
esplicitamente. Il matematico russo Lyapunov ebbe un’idea brillante: trovare una funzione "energia" (chiamata
()) che abbia un minimo nell’equilibrio, e misurare come essa vari lungo le soluzioni del sistema.
Sia un punto di equilibrio