Sei sulla pagina 1di 137

Appunti di

Analisi II
Dalle lezioni del corso di Francesco Serra Cassano
Matteo Secl`
A.A. 2012/2013
Versione: 20130823-083351
Figura 1: Logo CC BY-SA
Questo documento `e rilasciato in tutte le sue parti sotto licenza Creative Commons CC BY-SA.
Per eventuali le non qui specicati che possiedono una licenza dierente, fai riferimento agli stessi.
CC BY-SA signica che puoi redistribuire o modicare questo testo, a patto che usi la stessa licenza,
che venga riconosciuta la paternit` a dellopera e che eventuali modiche o revisioni non uciali siano
messe in evidenza in modo chiaro, per preservare lidentit` a dellopera originale (per maggiori dettagli,
consultare ad esempio Wikipedia). I metadati sulla licenza sono inoltre incorporati nel documento
stesso.
`
E bene sottolineare che lopera `e protetta dai diritti dautore, sebbene la sua modica sia libera.
Parte del layout e dellorganizzazione `e ispirata a PhDtemplateLaTeX, per cui ringrazio il suo
autore.
Proseguendo nella lettura, accetti automaticamente le condizioni di rilascio.
Contatti: secli.matteo@gmail.com
ii
Indice
1 Calcolo in pi` u variabili 1
1.1 Metrica (euclidea) su R
2
e Topologia . . . . . . . . . . . . . . . . . . . . 1
1.2 Successioni e topologia di R
2
. . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Estensione della metrica e topologia a R
n
con n 2 . . . . . . . . . . . 11
1.4 Funzioni continue di pi` u variabili (a valori reali) . . . . . . . . . . . . . . 13
1.5 Dierenziale di una funzione . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.5.1 Estensione al caso dimensionale n 3 . . . . . . . . . . . . . . . 20
1.5.2 Condizioni sucienti per la dierenziabilit`a . . . . . . . . . . . . 22
1.5.3 Derivate (parziali) successive . . . . . . . . . . . . . . . . . . . . 26
1.6 Regola di derivazione composta (RDC) . . . . . . . . . . . . . . . . . . . 28
1.6.1 Regola di composizione di una funzione composta . . . . . . . . . 28
1.6.2 Funzioni continue e dierenziabili da R
n
a R
m
. . . . . . . . . . 32
1.7 Formula di Taylor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
1.7.1 Applicazione al calcolo dei limiti . . . . . . . . . . . . . . . . . . 43
1.7.2 Caso m = 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
2 Massimi e minimi per funzioni di pi` u variabili 46
2.1 Il Teorema di Fermat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
2.2 Il Teorema di Weierstrass . . . . . . . . . . . . . . . . . . . . . . . . . . 54
2.3 Ricerca di massimi e minimi . . . . . . . . . . . . . . . . . . . . . . . . . 58
2.3.1 Ricerca del massimo e minimo (assoluto) di una funzione continua
denita su un insieme chiuso e limitato . . . . . . . . . . . . . . 58
iii
INDICE
2.3.2 Ricerca dei punti di massimo e minimo nella frontiera di un insieme 59
2.3.2.1 I Metodo: parametrizzazione della frontiera . . . . . . . 59
2.3.2.2 II Metodo: la frontiera di un insieme come vincolo . . . 61
2.3.3 Interpretazione geometrica della condizione di punto stazionario
vincolato . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
3 Teorema delle funzioni implicite ed applicazioni 67
3.1 Caso n = 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.2 Caso n = 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
3.2.1 Applicazione: equazione del piano tangente ad un vincolo V R
3
74
3.3 Caso generale del Teorema delle funzioni implicite . . . . . . . . . . . . 74
3.3.1 Applicazione: regola dei moltiplicatori di Lagrange nel caso generale 77
4 Introduzione alle ODEs (e sistemi di ODEs) non lineari 78
4.1 Cenni sugli spazi metrici . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
4.2 ODEs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
4.2.1 Caso n = 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
4.3 Sistemi di ODEs del primo ordine e ODEs di ordine n . . . . . . . . . . 95
4.3.1 Sistemi di ODEs (del primo ordine) autonomi . . . . . . . . . . . 98
4.3.1.1 Interpretazione cinematica . . . . . . . . . . . . . . . . 101
4.3.1.2 Integrali primi di (S) . . . . . . . . . . . . . . . . . . . 102
5 Serie di Fourier 112
Bibliograa 129
iv
Capitolo 1
Calcolo in pi` u variabili
Versione: 20130823-083351
1.1 Metrica (euclidea) su R
2
e Topologia
Denizione 1.1.1. Si chiama metrica euclidea su R
2
(o anche distanza euclidea su
R
2
) la funzione
d : R
2
R
2
[0, +)
denita da:
d(P, Q)
def
=
_
(x
2
x
1
)
2
+ (y
2
y
1
)
2
se P = (x
1
, y
1
), Q = (x
2
, y
2
) R
2
.
Esercizio. Mostrare che la distanza d verica le seguenti propriet`a:
(d1) d(P, Q) = 0 P = Q
(d2) d(P, Q) = d(Q, P) P, Q R
2
(d3) (Disuguaglianza triangolare) d(P, Q) d(P, R) +d(R, Q) P, Q, R R
2
Pi` u in generale, dato un (qualunque) insieme X, diamo la seguente denizione.
Denizione 1.1.2. Si chiama distanza (o metrica) su X una funzione
d : X X [0, +)
vericante le propriet`a (d1), (d2) e (d3).
1
1. CALCOLO IN PI
`
U VARIABILI
Denizione 1.1.3. Dato P
0
R
2
, P
0
= (x
0
, y
0
) ssato, e dato r > 0 ssato, si chiama
intorno (sferico) di centro P
0
e raggio r > 0 (in R
2
) linsieme:
I(P
0
, r)
. .
(Notazione italiana)
=
(Notazione internazionale, Ball)
..
B(P
0
, r) = P R
2
: d(P, P
0
) < r =
= (x, y) R
2
: (x x
0
)
2
+ (y y
0
)
2
< r
2

Detto in modo spicciolo, `e il cerchio di centro P


0
e raggio r a cui tagliate la buccia
[cit. prof].
P
0
r
= B(P
0
, r)
x
y
Denizione 1.1.4. Sia A R
2
.
(i) Un punto P
0
R
2
si dice punto di accumulazione di A se:
(A P
0
) B(P
0
, r) ,= r > 0
(ii) Un punto P
0
R
2
si dice punto isolato di A se:
r
0
> 0 : A B(P
0
, r
0
) = P
0

(iii) Un punto P
0
R
2
si dice punto di frontiera di A se:
A B(P
0
, r) ,= e (R
2
A) B(P
0
, r) ,= , r > 0
Linsieme dei punti di frontiera di A si chiama frontiera di A e si denota col
simbolo A.
2
1.2 Successioni e topologia di R
2
(iv) Un punto P
0
R
2
si dice punto interno di A se:
r
0
> 0 : B(P
0
, r
0
) A
Linsieme di (tutti) i punti interni di A si chiama parte interna di A e si
denota con

A.
(v) Linsieme A si dice insieme aperto se A =

A.
(vi) Linsieme A si dice insieme chiuso se A A.
(vii) Si dice chiusura di A e si denota con A = A A.
x
y
punti di accumulazione
punti di frontiera
punto isolato
Osservazione 1.1.1. Dato A R
2
, vale che:
A `e aperto
Complementare di A
..
R
2
A `e chiuso
Infatti luguaglianza segue osservando le seguenti due propriet` a:
(1) A = (R
2
A)
(2) A `e aperto A A =
1.2 Successioni e topologia di R
2
Denizione 1.2.1. Si chiama successione di R
2
una funzione:
P : N R
2
3
1. CALCOLO IN PI
`
U VARIABILI
dove
P(h) = P
h
(h = 1, 2, . . .)
e P
h
si chiama termine h-esimo della successione P. Tipicamente una successione di
R
2
si denota con
P
h

hN
o con (P
h
)
hN
Osserviamo che, data
hNsi omette
..
(P
h
)
h
R
2
, allora P
h
= (x
h
, y
h
), con (x
h
)
h
, (y
h
)
h

R successioni di numeri reali.
Denizione 1.2.2 (limite di una successione in R
2
). Siano (P
h
)
h
R
2
e P
0
R
2
. Si
dice che la successione (P
h
)
h
ammette limite P
0
(in R
2
), e si scrive che lim
h+
P
h
= P
0
(in R
2
) se
lim
h+
d(P
h
, P
0
) = 0 (in R)
cio`e
> 0 h = h() N : d(P
h
, P
0
) < , h
()
> h
Ma. . . operativamente? Ricordiamo innanzitutto che, presi P
h
(x
h
, y
h
) e P
0
(x
0
, y
0
),
allora d(P
h
, P
0
) =
_
(x
h
x
0
)
2
+ (y
h
y
0
)
2
. Ci avvaliamo quindi del risultato del
seguente teorema.
Teorema 1.2.1. Siano (P
h
)
h
R
2
e P
0
R
2
.
(i) Se P
h
= (x
h
, y
h
) e P
0
= (x
0
, y
0
), allora vale che:
lim
h+
P
h
= P
0
(in R
2
)
_
_
_
lim
h+
x
h
= x
0
lim
h+
y
h
= y
0
(in R)
(ii) (Criterio di Cauchy)
lim
h+
P
h
= P
0
(in R
2
)

> 0 h = h() N tale che d(P


h
, P
k
) < h, k > h
Dimostrazione:
(i) Ricordiamo che, dati a, b R, allora
4
1.2 Successioni e topologia di R
2
[a[ +[b[

_
a
2
+b
2
[a[ +[b[ (1.1)
Scegliendo come a = x
h
x
0
e b = y
h
y
0
otteniamo che:
[x
h
x
0
[ +[y
h
y
0
[

2
d(P
h
, P
0
) [x
h
x
0
[ +[y
h
y
0
[ (1.2)
Usando il criterio del confronto per successioni di numeri reali su (1.2), segue
la tesi (in tutti e due i versi).
(ii) Il verso () `e banale, perch`e se d(P
h
, P
k
) < , allora anche [x
h
x
k
[ < e
[y
h
y
k
[ < , quindi sono successioni di Cauchy.
() Scegliendo a = x
h
x
k
e b = y
h
y
k
, dalla (1.1) segue che:
[x
h
x
k
[ +[y
h
y
k
[

2
d(P
h
, P
k
) [x
h
x
k
[ +[y
h
y
k
[ h, k N (1.3)
Poich`e (x
h
)
h
, (y
h
)
h
R, applicando la (1.3) e il Criterio di Cauchy per
successioni di numeri reali, segue la tesi.

Osservazione 1.2.1. Dal punto (i) del teorema precedente e dallunicit`a del limite per
successioni di numeri reali, segue lunicit`a del limite per successioni di R
2
.
Proposizione 1.2.1. Sia A R
2
.
(i) P
0
R
2
`e un punto di accumulazione per A se e solo se (P
h
)
h
A P
0

tale che lim


h+
P
h
= P
0
.
(ii) A `e chiuso Per ogni successione (P
h
)
h
A con lim
h+
P
h
= P
0

R
2
P
0
A.
Dimostrazione: (Vedi Esercizio 4 del Foglio 1).

Denizione 1.2.3. Siano A R


2
, P
0
R
2
ssato, con P
0
= (x
0
, y
0
) punto di
accumulazione di A. Sia f : A R, e sia L R. Si dice che
5
1. CALCOLO IN PI
`
U VARIABILI
lim
PP
0
f(P) = L o, equivalentemente, lim
(x, y)(x
0
, y
0
)
f(x, y) = L
se, per denizione, > 0 = (P
0
, ) > 0 tale che
[f(P) L[ < P (A P
0
) B(P
0
, )
Teorema 1.2.2 (Caratterizzazione del limite di una funzione tramite il limite di suc-
cessioni). Siano A R
2
, P
0
R
2
ssato, con P
0
= (x
0
, y
0
) punto di accumulazione di
A. Sia f : A R, e sia L R. Allora
(1) lim
PP
0
f(P) = L

(2) (P
h
)
h
AP
0
con lim
h+
P
h
= P
0
(in R
2
) = lim
h+
f(P
h
) = L (in R)
P
0
A
x
y
P
2
P
1
R
f
L f(P
h
)
Dimostrazione: Il verso () `e ovvio, per la denizione di limite di una successione
reale.
Dimostriamo il verso (). Procediamo per assurdo, ossia supponiamo che
lim
PP
0
f(P)
In altri termini,

0
> 0 : > 0 P

(A P
0
) B(P
0
, ) tale che [f(P

) L[
0
Potendo scegliere in modo arbitrario, scegliamo =
1
h
, dove h N
1
. In corrispon-
denza di tale , esiste un P1
h
P
h
(A P
0
) B(P
0
,
1
h
) tale che
6
1.2 Successioni e topologia di R
2
(3) [f(P
h
) L[
0
> 0
Pertanto, abbiamo costruito una successione (P
h
)
h
tale che 0 d(P
h
, P
0
) <
1
h
e dunque
lim
h+
d(P
h
, P
0
) = 0
def.
(4) lim
h+
P
h
= P
0
(in R
2
)
P
0
x
y
P
h
Per ipotesi, questo signica che
lim
h+
f(P
h
) = L
ossia, utilizzando la denizione,
> 0 h = h() N : [f(P
h
) L[ < , h > h
In particolare, abbiamo che
[f(P
h
) L[ <
0
in contraddizione con (3).

Come corollario di questo teorema, otteniamo il seguente risultato.


Corollario 1.2.1 (Unicit`a del limite). Siano A R
2
, P
0
R
2
ssato, con P
0
=
(x
0
, y
0
) punto di accumulazione di A. Sia f : A R, e siano L
1
, L
2
R tali che
lim
PP
0
f(P) = L
1
e
lim
PP
0
f(P) = L
2
_

_
= L
1
= L
2
7
1. CALCOLO IN PI
`
U VARIABILI
Dimostrazione: La dimostrazione segue dal teorema precedente e dallunicit`a del
limite per successioni di numeri reali.

Teorema 1.2.3 (Operazioni per limiti di funzioni di due variabili). Siano f, g :


A R, dove A R
2
, P
0
R
2
punto di accumulazione per A. Supponiamo che
lim
PP
0
f(P) = L R, e che lim
PP
0
g(P) = M R. Allora:
(i) lim
PP
0
(f +g)(P) = L +M
(ii) lim
PP
0
(f g)(P) = L M
(iii) Se g(P) ,= 0 P A, e M ,= 0, allora lim
PP
0
_
f
g
_
(P) =
L
M
(iv) Supponiamo che f(P) g(P) P A P
0
. Allora L M.
(v) Sia F : R R continua, allora lim
PP
0
(F f)(P) = F(L)
Dimostrazione:
(i) Usando il teorema sulla caratterizzazione del limite tramite successioni, per
ipotesi abbiamo che lim
h+
f(P
h
) = L e lim
h+
g(P
h
) = M. De-
nendo (a
h
)
h
(f(P
h
))
h
e (b
h
)
h
(g(P
h
))
h
, sappiamo che (a
h
)
h
e (b
h
)
h
hanno limite nito rispettivamente L e M se e solo se (rispettivamente)
(a
h
L)
h
e (b
h
M)
h
sono innitesime, che a loro volta sono innitesime se e
solo se ([a
h
L[)
h
e ([b
h
M[)
h
sono innitesime. Poiche una somma di suc-
cessioni innitesime `e ancora innitesima, abbiamo che ([a
h
L[ +[b
h
M[)
h
`e innitesima. Aggiungendo a questo fatto la disuguaglianza
[a
h
+b
h
(L +M)[ [a
h
L[ +[b
h
M[
otteniamo che (a
h
+ b
h
(L + M))
h
`e innitesima, ossia lim
PP
0
(f + g)(P) =
L +M.
8
1.2 Successioni e topologia di R
2
(ii) Si procede come nella dimostrazione (i), utilizzando il fatto che il prodotto di
una successione innitesima per una successione limitata `e ancora innitesima
e le disuguaglianze
[a
h
b
h
LM[ [a
h
b
h
a
h
M[ +[a
h
M LM[ [a
h
[ [b
h
M[ +[M[ [a
h
L[
(iii) Si procede come nella dimostrazione (i), utilizzando il fatto che il prodotto di
una successione innitesima per una successione limitata `e ancora innitesi-
ma, luguaglianza
[
1
b
h

1
M
[ =
1
[Mb
h
[
[b
h
M[
e il fatto che la successione
_
1
|Mb
h
|
_
h
`e limitata.
(iv) Poiche f(P) g(P) P A P
0
, possiamo supporre che
f(P)
=
(f(P)) > 0 tale che f(P) +
f(P)
= g(P) P A P
0
.
Passando a limite e utilizzando (i), otteniamo che
lim
PP
0
(f(P)+
f(P)
) = lim
PP
0
g(P) lim
PP
0
(f(P))+ lim
PP
0
(
f(P)
) = lim
PP
0
g(P)
ossia L M.
(v) Proviamo che, per ogni successione (P
h
)
h
A P
0
con lim
h+
P
h
= P
0
,
vale che
lim
h+
F(f(P
h
)) = F(L) (in R)
Sia (P
h
)
h
A P
0
tale che lim
h+
P
h
= P
0
. Per ipotesi, se denotia-
mo con a
h
f(P
h
) (h N), allora per (1) = (2) del teorema sulla
caratterizzazione del limite, lim
h+
a
h
= L (in R).
Consideriamo la successione (F(a
h
))
h
R. Poiche F `e continua nel punto L,
per denizione di funzione continua su R segue che lim
h+
F(a
h
) = F(L).
La tesi `e dimostrata.

Corollario 1.2.2 (Teorema dei due carabinieri). Siano f, g, h : A R con A


R
2
, P
0
R
2
punto di accumulazione per A. Supponiamo che
9
1. CALCOLO IN PI
`
U VARIABILI
(i) g(P) f(P) h(P) P A P
0

(ii) lim
PP
0
g(P) = lim
PP
0
h(P) = L R
Allora
lim
PP
0
f(P) = L
Esempio (i). Vericare che
lim
(x, y)(0, 0)
sin(x
2
+y
2
)
x
2
+y
2
= 1
Dimostrazione: Deniamo h(x, y) : R
2
(0, 0) R tale che
h(x, y) =
sin(x
2
+y
2
)
x
2
+y
2
Deniamo poi f(x, y) : R
2
(0, 0) R tale che f(x, y) = x
2
+y
2
e F : R R
tale che
F(t)
_
sin(t)
t
t ,= 0
1 t = 0
`
E ovvio che lim
(x, y)(0, 0)
f(x, y) = 0. Daltra parte, F `e continua in R (per denizione).
Applicando il punto (v) del precedente teorema, otteniamo che
lim
(x, y)(0, 0)
h(x, y) = F(0) = 1

Esempio (ii). Calcolare, se esiste,


lim
(x, y)(0, 0)
xy
x
2
+y
2
Dimostrazione: Dimostriamo che tale limite non esiste.
Il limite, se esiste, deve essere uguale da tutte le direzioni. Non solo dalle dire-
zioni formate da rette, ma anche da quelle (ad esempio) formate da parabole. Sce-
gliamo quindi la direzione y = mx e restringiamo f a tale retta, cio`e consideriamo
f(x, mx) =
x(mx)
x
2
+(mx)
2
=
mx
2
x
2
(1+m
2
)
=
m
1+m
2
, x ,= 0. Sulla retta y = x (m = 1)
10
1.3 Estensione della metrica e topologia a R
n
con n 2
scegliamo la successione P
h
= (
1
h
,
1
h
), h N
1
, mentre sulla retta y = 2x (m = 2)
scegliamo la successione Q
h
= (
1
h
,
2
h
), h N
1
.
`
E immediato vericare che
lim
h+
P
h
= lim
h+
Q
h
= (0, 0)
Daltra parte, f(P
h
) =
1
2
h N, e f(Q
h
) =
2
5
h N, da cui
lim
h+
f(P
h
) =
1
2
,=
2
5
= lim
h+
f(Q
h
)

lim
(x, y)(0, 0)
xy
x
2
+y
2

1.3 Estensione della metrica e topologia a R


n
con n 2
Denizione 1.3.1. Si denisce distanza (euclidea) su R
n
la funzione
d : R
n
R
n
[0, +)
denita da:
d(P, Q)
def
=
_
(x
1
y
1
)
2
+ (x
2
y
2
)
2
+. . . + (x
n
y
n
)
2
se P = (x
1
, x
2
, . . . , x
n
), Q = (y
1
, y
2
, . . . , y
n
) R
n
.
Esercizio. Mostrare che la distanza d verica le seguenti propriet`a:
(d1) d(P, Q) = 0 P = Q
(d2) d(P, Q) = d(Q, P) P, Q R
n
(d3) (Disuguaglianza triangolare) d(P, Q) d(P, R) +d(R, Q) P, Q, R R
n
Denizione 1.3.2. Dato P
0
= (x
0
1
, . . . , x
0
n
) R
n
e r > 0, si chiama intorno (sferico)
di centro P
0
e raggio r > 0 linsieme denito da:
B(P
0
, r) = P R
n
: d(P, P
0
) < r = (x
1
, . . . , x
n
) R
n
: (x
1
x
0
1
)
2
+. . .+(x
n
x
0
n
)
2
< r
2

11
1. CALCOLO IN PI
`
U VARIABILI
In generale, possiamo dire che le nozioni topologiche introdotte per n = 2 e la
denizione di limite per funzioni a due variabili si estendono al caso n 3.
Riettiamo ora un momento su unimplicita identicazione che si sta facendo, ossia
quella tra punti e vettori. Ad esempio, P = (x, y) `e un punto di R
2
, ma si scrive spesso
anche P =

P = (x, y), intendendolo come vettore.


Alle luce di questo, diamo la seguente denizione.
Denizione 1.3.3 (di norma in R
n
). Si chiama norma su R
n
una funzione
N : R
n
[0, +)
vericante le seguenti propriet`a:
(N1) N(P) = 0 P = 0 = (0, . . . , 0) R
n
(N2) N(P) = [[N(P) R, P R
n
(N3) (Disuguaglianza triangolare) N(P +Q) N(P) + N(Q) P, Q R
n
0
Q
P
Q+P
Denizione 1.3.4 (di norma euclidea). Si chiama norma (euclidea) in R
n
la funzione
[[ [[ : R
n
[0, +) tale che
[[P[[ =
_
x
2
1
+x
2
2
+. . . +x
2
n
se P = (x
1
, . . . , x
n
) R
n
Osservazione 1.3.1.
(i) d(P, Q) = [[P Q[[ P, Q, R R
n
.
In particolare, da questosservazione discende che:
d(P +R, Q+R) = d(P, Q)
(ii) Notiamo che [[P[[ =

P P dove, per denizione, dati due vettori P, Q R


n
,
P Q = P
T
Q =
n

i=1
x
i
y
i
12
1.4 Funzioni continue di pi` u variabili (a valori reali)
se P = (x
1
, . . . , x
n
) e Q = (y
1
, . . . , y
n
). Poiche questa denizione `e stata data
inizialmente dai sici, ricordiamo che:
P Q = [[P[[ [[Q[[ cos()
dove `e langolo compreso fra i due vettori.
(iii) (disuguaglianza di Cauchy-Schwarz)
[P Q[ [[P[[ [[Q[[ P, Q R
n
(Ex. 11 Foglio 1). Provare che da (C-S) segue la propriet`a (N3), e dunque la
(d3).
Il risultato (ottenuto peraltro da Riemann) `e notevolissimo, poiche ci consente
di aermare che basta un prodotto scalare per indurre una distanza!
1.4 Funzioni continue di pi` u variabili (a valori reali)
Denizione 1.4.1. Siano A R
n
, f : A R, P
0
A.
(i) Si dice che f `e continua nel punto P
0
A se
(1) P
0
`e un punto isolato di A, cio`e, per denizione, r
0
> 0 tale che
A B(P
0
, r
0
) = P
0

oppure
(2) P
0
`e un punto di accumulazione per A e lim
PP
0
f(P) = f(P
0
)
(ii) f si dice continua su A se f `e continua in ogni punto P
0
A
Dalle propriet`a sui limiti di funzioni seguono le seguenti propriet`a per funzioni
continue.
Proposizione 1.4.1. Siano f, g : A R e supponiamo che f e g siano continue in
un punto assegnato P
0
A. Allora
(i) La funzione f +g : A R `e continua nel punto P
0
.
(ii) La funzione f g : A R `e continua nel punto P
0
.
13
1. CALCOLO IN PI
`
U VARIABILI
(iii) Se g(P) ,= 0 P A , la funzione
f
g
: A R `e continua nel punto P
0
.
(iv) Se F : R R `e continua (in realt`a basterebbe richiedere la continuit` a nel
trasformato secondo f di P
0
, ossia f(P
0
)), la funzione

f = F f : A R
`e continua nel punto P
0
.
Osservazione 1.4.1 (importante). Consideriamo il seguente esempio:
f : R
2
R, f(x, y) =
_
_
_
xy
x
2
+y
2
(x, y) ,= (0, 0)
0 (x, y) = (0, 0)
Abbiamo visto che lim
P(0, 0)
f(P), pertanto f non `e continua nel punto P
0
= (0, 0).
Ma se noi ssiamo x R e consideriamo R y f(x, y), tale funzione `e
continua (come funzione di una variabile reale). Analogamente accade ssando laltra
variabile.
Quindi non possiamo vedere la continuit`a congelando ad una ad una le variabili!
Introdotta la continuit`a, a questo punto sorge automaticamente una domanda. . .
Problema: Nozione di derivata/e per una funzione di due variabili.
Il problema di trovare una qualche nozione di derivata si traduce in una prima istanza
nella denizione delle cosiddette derivate parziali.
Denizione 1.4.2 (di derivata parziale). Sia A R
2
aperto
(1)
, e siano f : A R,
P
0
= (x
0
, y
0
) A ssato. Poiche A `e aperto,
0
> 0 tale che:
Q [x
0

0
, x
0
+
0
] [y
0

0
, y
0

0
] A
P
0
A
x
y
x
0

0
x
0
+
0
x
0
Q
y
0

0
y
0
+
0
y
0
(1)
Se prendo un punto isolato, non faccio variare un bel niente!
14
1.4 Funzioni continue di pi` u variabili (a valori reali)
Fissato x
0
, possiamo considerare il rapporto incrementale
([
0
,
0
] 0) h
f(x
0
, y
0
+h) f(x
0
, y
0
)
h
e analogamente, ssato y
0
,
([
0
,
0
] 0) h
f(x
0
+h, y
0
) f(x
0
, y
0
)
h
Queste due funzioni sono ben denite. Allora
(i) f si dice derivabile (parzialmente) rispetto alla direzione x nel punto P
0
se
lim
h0
f(x
0
+h, y
0
) f(x
0
, y
0
)
h
R
def.
=
f
x
(P
0
) = D
1
f(P
0
)
(ii) f si dice derivabile (parzialmente) rispetto alla direzione y nel punto P
0
se
lim
h0
f(x
0
, y
0
+h) f(x
0
, y
0
)
h
R
def.
=
f
y
(P
0
) = D
2
f(P
0
)
(iii) Se
f
x
(P
0
) e
f
y
(P
0
), si dice che esiste il vettore gradiente di f nel
punto P
0
e si denota questo vettore con
f(P
0
)
_
f
x
(P
0
),
f
y
(P
0
)
_
R
2
Osservazione 1.4.2. Se f(P) in ogni punto di A `e denita una funzione vettoriale
f : A P f(P)
_
f
x
(P),
f
y
(P)
_
R
2
che descrive un cosiddetto campo vettore.
Ad esempio, f =

G, dove

G in sica `e il campo di gravit`a, `e un campo vettore.


Problema: La denizione di vettore gradiente di una funzione in un punto rappre-
senta una buona nozione di derivata?
Esempio.
f : R
2
R, f(x, y) =
_
_
_
xy
x
2
+y
2
(x, y) ,= (0, 0)
0 (x, y) = (0, 0)
Si vede (da fare per esercizio) che f(0, 0) = (0, 0), ma f non `e continua in (0, 0)!
Noi, invece, vorremmo che la funzione fosse continua per poter fare la derivata, come
nel caso di una variabile.
Prendiamo ora in considerazione la nozione di punto tangente al graco, e intro-
duciamo la denizione di funzione dierenziabile in un punto e di dierenziale di una
funzione.
15
1. CALCOLO IN PI
`
U VARIABILI
1.5 Dierenziale di una funzione
Ricordiamo cosa accade nel caso n = 1.
Esercizio. Siano A = (a, b), x
0
(a, b), f : (a, b) R, m R.
f `e derivabile nel punto x
0
e f

(x
0
) = m

lim
xx
0
f(x) [m(x x
0
) +f(x
0
)]
[x x
0
[
= 0
dove (lo ricordiamo), m(x x
0
) +f(x
0
) `e lequazione della retta tangente al graco di
f data da y = f(x
0
) +f

(x
0
)(x x
0
) e [x x
0
[ = d(x, x
0
).
Se deniamo lapplicazione lineare L : R R denita da
L(v) = mv, v R
otteniamo che
f `e derivabile nel punto x
0
e vale che f

(x
0
) = m

L : R R lineare tale che lim


xx
0
f(x) [L(x x
0
) +f(x
0
)]
d(x x
0
)
= 0
Vediamo ora cosa succede per n = 2.
Sia A R
2
aperto, f : A R, P
0
= (x
0
, y
0
) A.
16
1.5 Dierenziale di una funzione
P
0
= (x
0
, y
0
)

f
f(x
0
, y
0
)
G
f
B(P
0
,
0
) A
y
x
z
A
Problema: Nozione di piano tangente alla supercie G
f
(che `e una sorta di cupola
3D che rappresenta il graco di f) nel punto (x
0
, y
0
, f(x
0
, y
0
)).
Supponiamo che sia un piano di R
3
non verticale, cio`e non parallelo ai piani
xz e zy (dove z = f(x, y)). Scriviamo innanzitutto lequazione di . La generica retta
passante per (x
0
, y
0
) nel piano xy `e
y y
0
= m
1
(x x
0
)
con m
1
R. Ci serve ora unaltra equazione per il piano zy, e per la precisione
lequazione della retta passante per (f(x
0
, y
0
), y
0
):
z f(x
0
, y
0
) = m
2
(y y
0
)
con m
2
R. Sommando membro a membro le due equazioni, otteniamo che
: z = a
1
(x x
0
) +a
2
(y y
0
) +f(x
0
, y
0
)
con a
1
, a
2
R. Il nostro obiettivo `e determinare a
1
, a
2
tali che sia tangente a G
f
.
Deniamo lapplicazione L : R
2
R, v = (v
1
, v
2
) R, L(v) a
1
v
1
+ a
2
v
2
.
`
E immediato osservare che L `e unapplicazione lineare, cio`e, per denizione
17
1. CALCOLO IN PI
`
U VARIABILI
(Lin1) L(v +w) = L(v) +L(w) v, w R
2
(Lin2) L(v) = L(v) R, v R
2
Esercizio. Mostrare che L : R
n
R `e lineare a = (a
1
, a
2
, . . . , a
n
)
R
2
tale che L(v) = a v
def
=
n

i=1
a
i
v
i
.
Quindi, proseguendo nel nostro ragionamento, possiamo scrivere che
: z = a
1
(x x
0
) +a
2
(y y
0
) +f(x
0
, y
0
) = L(P P
0
) +f(x
0
, y
0
)
dove L `e una (qualunque) applicazione lineare.
Inoltre, A `e aperto, quindi
0
> 0 tale che B(P
0
,
0
) A. Questo ci consente di
dire che `e ben denito il seguente rapporto incrementale globale, denito da
B(P
0
,
0
) P
0
P
f(P) L(P P
0
) f(P
0
)
d(P, P
0
)
dove il numeratore `e del tipo FunzionePiano Tangente. A questo punto, `e
naturale dare la seguente denizione.
Denizione 1.5.1. Siano A R
2
un insieme aperto, P
0
A ssato, f : A R. Si
dice che f `e dierenziabile nel punto P
0
se esiste una applicazione lineare L : R
2
R
tale che
(D) lim
PP
0
f(P) L(P P
0
) f(P
0
)
d(P, P
0
)
=
= lim
(x, y)(0, 0)
f(x, y) a
1
(x x
0
) a
2
(y y
0
) f(x
0
, y
0
)
_
(x x
0
)
2
(y y
0
)
2
= 0
Lapplicazione lineare L, se esiste, si chiama dierenziale di f nel punto P
0
e si
denota con
df(P
0
) L
Teorema 1.5.1. Sia A R
2
aperto, f : A R, P
0
A. Supponiamo che f sia
dierenziabile nel punto P
0
. Allora
(i) f(P
0
)
def
=
_
f
x
(P
0
),
f
y
(P
0
)
_
R
2
Inoltre,
18
1.5 Dierenziale di una funzione
() df(P
0
)(v) = f(P
0
) v =
f
x
(P
0
)v
1
+
f
y
(P
0
)v
2
, v = (v
1
, v
2
) R
2
Da () segue che df(P
0
), se esiste, `e univocamente determinata.
(ii) f `e continua in P
0
.
Dimostrazione:
(i) Sia e
1
= (1, 0) il primo vettore della base canonica di R
2
. Scelgo dunque
P = P
0
+ he
1
con [h[ <
0
, cio`e proseguo partendo da P
0
lungo lasse x
beccando P. Dalla (D), segue che
(1) lim
h0
f(P
0
+he
1
) f(P
0
) L(he
1
)
[h[
= 0
lim
h0
f(P
0
+he
1
) f(P
0
) hL(e
1
)
h
= 0
lim
h0
f(P
0
+he
1
) f(P
0
)
h
= L(e
1
) R
(2)
def

f
x
(P
0
) = L(e
1
)
Analogamente, restringendosi ai punti del tipo P = P
0
+he
2
, con e
2
= (0, 1),
si prova che:
(3)
f
y
(P
0
) = L(e
2
)
Da (2) + (3) segue che f(P
0
).
Daltra parte, poiche (e
1
, e
2
) `e una base, quindi possiamo scrivere che v =
e
1
v
1
+ e
2
v
2
per appropriati v
1
, v
2
R. Usando la linearit`a di L, otteniamo
che L(v) = L(e
1
)v
1
+L(e
2
)v
2
, da cui segue ().
(ii) Dobbiamo provare che
(1) lim
PP
0
f(P) = f(P
0
)

(2) lim
PP
0
(f(P) f(P
0
)) = 0
19
1. CALCOLO IN PI
`
U VARIABILI
Se P ,= P
0
, allora
f(P) f(P
0
) =
f(P) f(P
0
) df(P
0
)(P P
0
)
d(P, P
0
)
d(P, P
0
) +df(P
0
)(P P
0
)
Per la (D), sappiamo che
f(P)f(P
0
)df(P
0
)(PP
0
)
d(P, P
0
)

PP
0
0. Daltra parte, per
denizione, d(P, P
0
)
PP
0
0. Resta da provare che df(P
0
)(P P
0
)
PP
0
0.
Esercizio (Esercizio 5 del Foglio 2). Sia L : R
n
R lineare, allora L `e
continua su R
n
.
Quindi, usando lesercizio, df(P
0
)(P P
0
)
PP
0
df(P
0
)(0) = 0.

Denizione 1.5.2 (di piano tangente al graco). Data f : A R, con A insieme


aperto di R
2
e P
0
A, supponiamo che f sia dierenziabile nel punto P
0
. Si chiama
piano tangente a G
f
(2)
nel punto (x
0
, y
0
, f(x
0
, y
0
)) il piano di R
3
di equazione
: df(P
0
)(P P
0
) +f(P
0
), P = (x, y) R
2
1.5.1 Estensione al caso dimensionale n 3
Siano A R
n
aperto, f : A R, P
0
= (x
0
1
, . . . , x
0
n
) A ssato. Sia (e
1
, . . . , e
n
) la
base canonica di R
n
.
Essendo A aperto,
0
> 0 tale che B(P
0
,
0
) A.
`
E ben denito il rapporto
incrementale rispetto alla direzione i-esima
B(P
0
,
0
) P
0
h
f(P
0
+he
i
) f(P
0
)
h
Denizione 1.5.3. Siano A, f, P
0
e (e
1
, . . . , e
n
) come sopra.
(i) f si dice derivabile (parzialmente) rispetto alla direzione x
i
nel punto P
0
se

f
x
i
(P
0
) = lim
h0
f(P
0
+he
i
) f(P
0
)
h
R
(2)
G
f
indica il graco di f.
20
1.5 Dierenziale di una funzione
(ii) Se
f
x
i
(P
0
) i = 1, . . . , n si dice che esiste il vettore gradiente di f in P
0
e si denota con
f(P
0
) =
_
f
x
1
(P
0
), . . . ,
f
x
n
(P
0
)
_
(iii) f si dice dierenziabile nel punto P
0
se esiste unapplicazione lineare L :
R
n
R per cui vale (D).
Lapplicazione L si chiama dierenziale di F in P
0
e si denota con df(P
0
) :
R
n
R.
Si prova ancora che, se f `e dierenziabile in P
0
, allora:
(i) f(P
0
)
(ii) df(P
0
)(v) = f(P
0
) v =
n

i=1
f
x
i
(P
0
)v
i
, v = (v
1
, . . . , v
n
) R
n
Denizione 1.5.4. Si dice direzione o versore di R
n
un vettore v R
n
tale che
[[v[[ = 1.
Siano A R
n
aperto, f : A R, P
0
= (x
0
1
, . . . , x
0
n
) A, v una direzione di R
n
.
Essendo A aperto,
0
> 0 tale che B(P
0
,
0
) A.
`
E ben denito il rapporto
incrementale rispetto alla direzione v
B(P
0
,
0
) P
0
h
f(P
0
+hv) f(P
0
)
h
Denizione 1.5.5 (derivata direzionale). Si dice che f `e derivabile (parzialmente)
rispetto alla direzione v nel punto P
0
se

f
v
(P
0
) = lim
h0
f(P
0
+hv) f(P
0
)
h
R
Proposizione 1.5.1. Siano A R
n
aperto, f : A R, P
0
A ssato. Supponiamo
che f sia dierenziabile in P
0
. Allora, per ogni direzione v R
n
,

f
v
(P
0
) = f(P
0
) v = df(P
0
)(v)
Dimostrazione: Scegliamo P = P
0
+hv. Dalla (D) segue che
lim
h0
f(P
0
+hv)
hL(v)

L(hv) f(P
0
)
[h[
= 0 lim
h0
f(P
0
+hv) f(P
0
)
h
= L(v)
def

21
1. CALCOLO IN PI
`
U VARIABILI
def
df(P
0
)(v) =
f
v
(P
0
)
Come nel caso bidimensionale, leggendo v sulla base canonica e usando la linearit`a di
L si verica che
df(P
0
)(v) = f(P
0
) v

Osservazione 1.5.1 (n = 1). Siano A R aperto e f : A R.


f `e dierenziabile nel punto x
0
f `e derivabile nel punto x
0
In altri termini, df(x
0
)(v) = f

(x
0
)v.
1.5.2 Condizioni sucienti per la dierenziabilit`a
Abbiamo gi`a visto che, dati A R aperto, f : A R, P
0
A ssato, se f `e
dierenziabile nel punto P
0
allora f `e continua nel punto P
0
.
Ma, viceversa, la continuit`a da sola non basta per garantire la dierenziabilit`a!
Un caso banale (per n = 1 e A = R) `e
f(x) = [x[
f `e continua in x
0
= 0, ma f

(0).
Ottenere una caratterizzazione della dierenziabilit`a, in eetti, `e dicile. . . infatti
non c`e! Nessuno nora ci `e riuscito. Diamo comunque il seguente teorema.
Teorema 1.5.2 (della dierenziabilit`a o del dierenziale totale). Siano A R
n
aperto,
P
0
A ssato, f : A R. Supponiamo che
0
> 0 tale che
P
0
x
y

0
A
x
0
y
0
22
1.5 Dierenziale di una funzione
B(P
0
,
0
) A e valgano:
(i)
f
x
i
: B(P
0
,
0
) R, i = 1, 2, . . . , n
(ii)
f
x
i
: B(P
0
,
0
) R `e continua nel punto P
0
, i = 1, 2, . . . , n
Allora f `e dierenziabile nel punto P
0
.
Dimostrazione: Dimostriamo il teorema nel caso n = 2, tenendo presente che la
dimostrazione si pu`o estendere in modo analogo anche per n 3.
Prendiamo, invece della pallina, un piccolo quadrato inscritto nella circonferenza di
raggio
0
.
P
0
A
x
y
x
0

1
x
0
+
1
x
0
Q
y
0

1
y
0
+
1
y
0
P
0
P = (x, y)
congelo y e considero la direzione rispetto a x
a partire da P
0
, raggiungo P sulla spezzata
(c
x
, y)
y
In altri termini,
0
>
1
> 0 tale che il quadrato Q = [x
0

1
, x
0
+
1
] [y
0

1
, y
0
+

1
] B(P
0
,
0
).
Sia ora P = (x, y) Q, con P ,= P
0
. Fissiamo y [y
0

1
, y
0
+
1
] e consideriamo
la funzione (di una variabile reale)
g : [x
0

1
, x
0
+
1
] R, g(x) =
f congelato
..
f(x, y)
23
1. CALCOLO IN PI
`
U VARIABILI
Da (i) segue che g `e derivabile su [x
0

1
, x
0
+
1
]. Possiamo quindi applicare il Teorema
del valor medio di Lagrange
(3)
a g su (x
0
, x), ottenendo che
g(x) g(x
0
) = g

(c
x
)(x x
0
)
per un opportuno c
x
compreso tra x
0
e x.
In termini di f, possiamo rileggere luguaglianza come
(1) f(x, y) f(x
0
, y) =
f
x
((c
x
, y))(x x
0
) P Q
Analogamente, consideriamo la funzione (di una variabile reale):
h : [y
0

1
, y
0
+
1
] R, h(y) = f(x
0
, y)
Di nuovo, otteniamo da (i) che la funzione h `e derivabile in [y
0

1
, y
0
+
1
] e
possiamo applicare il Teorema del valor medio di Lagrange ottenendo che
h(y) h(y
0
) = h

(c
y
)(y y
0
)
per un opportuno c
y
compreso tra y
0
e y.
In termini di f, possiamo rileggere luguaglianza come
(2) f(x
0
, y) f(x
0
, y
0
) =
f
y
((x
0
, c
y
))(y y
0
) y [y
0

1
, y
0
+
1
]
Proviamo ora che da (1)+(2) segue che f `e dierenziabile in P
0
(utilizzando la (ii)),
cio`e, per denizione, dobbiamo provare che
(D) lim
PP
0
f(P) L(P P
0
) f(P
0
)
d(P, P
0
)
=
lim
PP
0
f(P) df(P
0
)(P P
0
) f(P
0
)
d(P, P
0
)
=
lim
PP
0
f(P) f(P
0
) (P P
0
) f(P
0
)
d(P, P
0
)
=
(3)
[Gre] Sia f una funzione continua su un intervallo chiuso limitato [a, b] di ampiezza non nulla. Se
f ha derivata nita in (a, b), allora

(a, b)
f(b) f(a) = f

()(b a)
24
1.5 Dierenziale di una funzione
lim
(x, y)(x
0
, y
0
)

f(x, y)
f
x
(P
0
)(x x
0
)
f
y
(P
0
)(y y
0
) f(x
0
, y
0
)

d(P, P
0
)
= 0
Osserviamo che da (1) e (2) segue che

(f(x, y) f(x
0
, y)) + (f(x
0
, y) f(x
0
, y
0
))
f
x
(P
0
)(x x
0
)
f
y
(P
0
)(y y
0
)

d(P, P
0
)
=

1
(x, y)
..
_
f
x
(c
x
, y)
f
x
(P
0
)
_
(x x
0
) +

2
(x, y)
..
_
f
y
(x
0
, c
y
)
f
y
(P
0
)
_
(y y
0
)

d(P, P
0
)
PQ\{P
0
}

[
1
(x, y)[
(4)
..
_
[x x
0
[
d(P, P
0
)
_
+[
2
(x, y)[
_
[y y
0
[
d(P, P
0
)
_
[
1
(x, y)[ +[
2
(x, y)[
Osserviamo poi che
1
e
2
vanno a 0 usando la (ii).
Siamo quindi arrivati alla conclusione che
(3) 0

f(x, y) f(x
0
, y
0
)
f
x
(P
0
)(x x
0
)
f
y
(P
0
)(y y
0
)

d(P, P
0
)

[
1
(x, y)[ +[
2
(x, y)[
(ii)

P0
0 P Q P
0

Dalla (3) e dalla (ii), applicando il Teorema dei Carabinieri, segue (D).

Osservazione 1.5.2. Il Teorema del dierenziale totale `e una condizione suciente,


ma non necessaria, per la dierenziabilit`a. Per esempio, si provi che, data
f(x) =
_

_
x
2
sin
_
1
x
_
x ,= 0
0 x = 0
f

(x) per x ,= 0, f

(0) = 0, ma lim
x0
f

(x).
(4)
1 per il Teorema di Pitagora (i cateti sono sempre minori dellipotenusa!)
25
1. CALCOLO IN PI
`
U VARIABILI
Denizione 1.5.6. Dato A R
n
,
(i) si denota con C
0
(A) linsieme delle funzioni f : A R continue in ogni
punto di A;
(ii) se A `e aperto, si denota con C
1
(A) linsieme delle funzioni f C
0
(A) e tali
che
f
x
i
C
0
(A), i = 1, 2, . . . , n.
Corollario 1.5.1. Se f C
1
(A), allora f `e dierenziabile in ogni punto di A.
Osservazione 1.5.3. Gli spazi C
m
(A) (m = 0, 1) sono spazi vettoriali su R. Infatti, la
somma di funzioni continue `e continua, cos` come il prodotto di una funzione continua
per scalari.
Tuttavia, questi spazi hanno dimensione innita! Non possiamo pi` u lavorare come
sugli spazi a dimensione nita. In particolare, crolla il Teorema di Bolzano-Weierstrass.
1.5.3 Derivate (parziali) successive
(n = 2)
Siano A R
2
, f : A R e supponiamo che
f
x
,
f
y
: A R. Sia ora P
0
A
ssato. Se
derivate seconde pure
..


x
_
f
x
_
(P
0
)
def
=

2
f
x
2
(P
0
),

y
_
f
y
_
(P
0
)
def
=

2
f
y
2
(P
0
)
derivate seconde miste
..


y
_
f
x
_
(P
0
)
def
=

2
f
yx
(P
0
),

x
_
f
y
_
(P
0
)
def
=

2
f
xy
(P
0
)
Problema: Se

2
f
yx
(P
0
) e

2
f
xy
(P
0
), vale che

2
f
yx
(P
0
) =

2
f
xy
(P
0
)?
Osservazione 1.5.4. In generale, pu`o accadere che
()

2
f
yx
(P
0
) ,=

2
f
xy
(P
0
)
Ad esempio (Ex. 11 Foglio 2), si prenda
f : R
2
R, f(x, y) =
_

_
2xy(x
2
y
2
)
x
2
+y
2
(x, y) ,= (0, 0)
0 (x, y) = (0, 0)
Si provi che vale () nel punto P
0
= (0, 0)
26
1.5 Dierenziale di una funzione
Teorema 1.5.3. Siano A R
2
aperto, f : A R, P
0
A. Supponiamo che
(i)

2
f
xy
,

2
f
yx
: A R.
(ii)

2
f
xy
,

2
f
yx
sono continue nel punto P
0
.
Allora


2
f
yx
(P
0
) =

2
f
xy
(P
0
)
Dimostrazione: (Si veda [Giu]).

Osserviamo che il caso si estende (banalmente) anche al caso n 3.


Denizione 1.5.7. Sia A R
n
aperto. Fissato un intero m 1, si denota con
C
m
(A) linsieme delle funzioni f : A R tali che f `e continua e, comunque ssato
1 k m,


k
f
x
i
1
. . . x
i
k
: A R continua i
1
, . . . , i
k
1, . . . , n
Osservazione 1.5.5 (importante). Data f C
m
(A), dato 1 k m, e data

k
f
x
i
1
. . . x
i
k
(x)
Teorema di Schwarz
=

k
f
x

1
1
. . . x

n
n
(x)
dove
i
N (eventualmente non nulli), con
1
+. . . +
n
= k.
Denizione 1.5.8. Siano A R
n
aperto, N m 0. Allora, C
m
(A) denota linsieme
delle funzioni f : A R per cui D

f : A R continua = (
1
, . . . ,
n
)
N
n
, [[
1
+. . . +
n
m, dove
D

f(x)
def
=

k
f
x

1
1
. . . x

n
n
(x), x A
27
1. CALCOLO IN PI
`
U VARIABILI
1.6 Regola di derivazione composta (RDC)
1.6.1 Regola di composizione di una funzione composta
Vediamo un caso particolare.
Siano g : [a, b] R
2
, g(t) = (x(t), y(t)) derivabile t, cio`e x

(t), y

(t) t
[a, b], ed f : R
2
R, f C
1
(R
2
).
Consideriamo la funzione h = f g : [a, b] R.
Problema: h

(t)
???
= f(g(t)) g

(t)
Denizione 1.6.1. Sia chiama curva in R
n
una funzione g : [a, b] R R
n
.
= g([a, b]) si chiama supporto della curva.
Proposizione 1.6.1. Sia g : [a, b] R
n
derivabile nel punto t
0
[a, b], cio`e, se
g(t) = (x
1
(t), . . . , x
n
(t)) g

(t
0
) = (x

1
(t
0
), . . . , x

n
(t
0
)) R
n
.
Sia A R
n
aperto e sia f : A R con f C
1
(A) (in eetti, basterebbe che f
fosse dierenziabile nel punto P
0
= g(t
0
)).
Supponiamo inoltre che = g([a, b]) A.
Allora la funzione composta h = f g : [a, b] R `e derivabile nel punto t
0
e
h

(t) = f(g(t
0
)) g

(t
0
)
Dimostrazione: Sia t
0
(a, b). Per denizione, h(t) f(g(t)), t [a, b]. Conside-
riamo, se t [a, b] t
0
, il rapporto:
(1)
h(t) h(t
0
)
t t
0
=
f(g(t)) f(g(t
0
))
t t
0
Per ipotesi, f `e dierenziabile nel punto P
0
g(t
0
), per cui possiamo scrivere
(2) f(P) = f(P
0
) +df(P
0
)(P P
0
) +(P), P A
dove
(3) lim
PP
0
(P)
[[P P
0
[[
= 0
28
1.6 Regola di derivazione composta (RDC)
Quindi, prendendo P = g(t), otteniamo:
(1)
(2)
=
df(P
0
)(g(t) g(t
0
)) +(g(t))
t t
0
=
f(P
0
) (g(t) g(t
0
)) +(g(t))
t t
0
=
= f(P
0
)
(g(t) g(t
0
))
t t
0
+
(g(t))
t t
0
Se mostriamo che, passando a limite, il secondo addendo di questa somma va a 0,
completiamo la dimostrazione. Pertanto, deniamo la funzione

(P) =
_
_
_
(P)
[[P P
0
[[
P ,= P
0
0 P = P
0
che `e continua per la (3). Ricordando che P = g(t), P
0
= g(t
0
) e che poiche g `e
derivabile `e anche continua, consentendoci di passare dal limite per t t
0
a quello per
P P
0
, possiamo scrivere che
lim
tt
0
(g(t))
t t
0
= lim
tt
0

(g(t))
[[P P
0
[[
t t
0
= 0
A questo punto, otteniamo che
lim
tt
0
f(P
0
)
(g(t) g(t
0
))
t t
0
+
(g(t))
t t
0
= f(g(t
0
)) g

(t
0
)

Una prima applicazione della regola di derivazione di una funzione composta `e il


seguente teorema.
Teorema 1.6.1 (del valor medio). Sia A R
2
aperto e sia f C
1
(A). Supponiamo che
A sia convesso, cioe, per denizione, per ogni coppia di punti P
1
, P
2
A, il segmento
P
1
P
2
tP
1
+ (1 t)P
2
: 0 t 1 A
29
1. CALCOLO IN PI
`
U VARIABILI
P
1
x
y
P
2
A
P

= g(t

)
0 1 t

g
Allora, P
1
, P
2
A, f(P
2
) f(P
1
) = f(P

)(P
2
P
1
) per un opportuno punto
P

P
1
P
2
.
Dimostrazione: Deniamo la curva g : [0, 1] R
2
tale che
g(t) = tP
2
+ (1 t)P
1
= P
1
+t(P
2
P
1
), 0 t 1
Abbiamo che g `e derivabile su [0, 1] e
g

(t) = P
2
P
1
t [0, 1]
Consideriamo la funzione composta
h = f g : [0, 1] R tale che h(t) = f(g(t))
Per la proposizione precedente, h `e derivabile su [0, 1] e
h

(t) = f(g(t)) g

(t) = f(g(t)) (P
2
P
1
) t [0, 1]
Applichiamo il Teorema del valor medio di Lagrange in una variabile alla funzione h
ottenendo:
h(1) h(0) = h

(t

)(1 0) = h

(t

)
per un opportuno 0 t

1. Rileggendo in termini di f e di g, possiamo scrivere (ricor-


dando che g(t

) = P

e che g(1) = P
2
, g(0) = P
1
= h(1) = f(P
2
), h(0) =
f(P
1
)):
f(P
2
) f(P
1
) = f(P

) (P
2
P
1
)
30
1.6 Regola di derivazione composta (RDC)

Corollario 1.6.1. Sia A R


2
aperto e convesso, e sia f C
1
(A). Supponiamo che
f(P) = 0 = (0, . . . , 0) P A.
Allora, ssato un P
0
A, f(P) = f(P
0
) P A.
Dimostrazione: Fissiamo P
0
A. Preso P A, per il teorema del valor medio
P

P
0
P tale che
f(P) f(P
0
) = f(P

) (P P
0
)
Ma f(P) = 0 P per ipotesi, quindi sar`a nullo anche in P

. Luguaglianza prece-
dente diventa perci`o
f(P) f(P
0
) = 0 = f(P) = f(P
0
)

Denizione 1.6.2. Sia A R


n
aperto.
(i) A si dice sconnesso se esistono due insiemi B, C aperti, disgiunti e non vuoti
tali che A = B . C.
(ii) A si dice connesso se non `e sconnesso.
Corollario 1.6.2. Sia A R
2
aperto e connesso, e sia f C
1
(A). Supponiamo che
f(P) = 0 = (0, . . . , 0) P A.
Allora, ssato un P
0
A, f(P) = f(P
0
) P A.
Dimostrazione: (Si veda [Giu]).

Esercizio. Sia A R
n
aperto e convesso. Provare che A `e anche connesso (utilizzando
la denizione di connessione).
31
1. CALCOLO IN PI
`
U VARIABILI
Dimostrazione: (Idea)
La dimostrazione procede per assurdo. Supponiamo che A = B.C, con B, C aperti,
disgiunti e non vuoti. Se A `e convesso, c`e lassurdo che devo bucare linterfaccia che
crea lunione disgiunta per poter unire un punto di B e un punto di C, ossia per unire
due particolari punti di A!
A
C
B
P
1
P
2
buco nell interfaccia
Tuttavia, lidea intuitiva di dover bucare linterfaccia non basta. Chi mi assicura
che devo bucarla?
Per rispondere, bisogna far uso dellAssioma di Completezza. Infatti, in Q tale
interfaccia non si bucherebbe.

Problema: Siano g : R
n
R
m
, f : R
m
R
k
di classe C
1
. Denendo
h = f g : R
n
R
k
, h(x
1
, . . . , x
n
)?
1.6.2 Funzioni continue e dierenziabili da R
n
a R
m
Ricordiamo innanzitutto che (R
n
, [[ [[
n
) e (R
m
, [[ [[
m
) sono due spazi metrici (e in
particolare due spazi topologici). Inoltre, R
n
e R
m
possiedono una struttura di spazio
vettoriale lineare su R.
Denizione 1.6.3. Siano A R
n
, f : A R
m
, P
0
A ssato.
(i) Se P
0
`e di accumulazione, allora f si dice continua nel punto P
0
se
lim
PP
0
[[f(P) f(P
0
)[[
m
= 0
Una funzione f si dice continua sullinsieme A se f `e continua in ogni punto
P
0
A.
32
1.6 Regola di derivazione composta (RDC)
(ii) Supponiamo che A R
n
. Si dice che f `e dierenziabile nel punto P
0
se esiste
unapplicazione lineare L = df(P
0
) : R
n
R
m
tale che valga
(D) lim
PP
0
[[f(P) f(P
0
) L(P P
0
)[[
m
[[P P
0
[[
n
= 0
Si dice che f `e dierenziabile sullinsieme A se f `e dierenziabile in ogni
punto P
0
A.
Supponiamo ora di ssare la base canonica di R
m
(e
1
, . . . , e
m
). Allora, data f :
R
n
A R
m
, questultima si pu`o rappresentare come
f(P)

R
m
= f
1
(P)

R
e
1
+f
2
(P)e
2
+. . . +f
m
(P)e
m
(f
1
(P), . . . , f
m
(P))
dove f
i
: A R (i = 1, . . . , m).
Proposizione 1.6.2. Sia A R
n
, f : A R
m
, f = (f
1
, . . . , f
m
). Allora f `e
continua in ogni punto P
0
f
i
: A R `e continua nel punto P
0
per ogni
i = (1, . . . , m).
Dimostrazione: Ricordiamo innanzitutto che (Ex. 1, Foglio 3), per ogni vettore
v R
m
, vale
()
1

m
m

i=1
[v
i
[ [[v[[
m

m

i=1
[v
i
[
Da () segue che, prendendo v = f(P) f(P
0
),
1

m
m

i=1
[f
i
(P) f
i
(P
0
)[ [[f(P) f(P
0
)[[
m

m

i=1
[f
i
(P) f
i
(P
0
)[
Ora, se un vettore va a 0, ciascuna componente va a 0, e viceversa. Quindi, usando
opportunamente in base al verso da dimostrare la prima o la seconda disuguaglianza,
segue banalmente la tesi (applicando la denizione di continuit`a!).

Ricordiamo che, data L : R


n
R
m
lineare, possiamo rappresentarla come
L(v) = (L
1
(v), . . . , L
m
(v)), v R
n
dove L
i
: R
n
R `e lineare i = 1, . . . , m.
33
1. CALCOLO IN PI
`
U VARIABILI
Proposizione 1.6.3. Sia A R
n
aperto, f : A R
m
, f = (f
1
, . . . , f
m
). Allora
f `e dierenziabile in un punto P
0
f
i
: A R `e dierenziabile nel punto
P
0
i = 1, . . . , m.
Inoltre:
(1) df(P
0
)(v) =
_
df
1
(P
0
)(v), df
2
(P
0
)(v), . . . , df
m
(P
0
)(v)
_
T
, v R
n
Dimostrazione: Dalla () della proposizione precedente segue che:
1

m
m

i=1
[f
i
(P) f
i
(P
0
) L
i
(P P
0
)[
[[P P
0
[[
n

[[f(P) f(P
0
) L(P P
0
)[[
m
[[P P
0
[[
n

i=1
[f
i
(P) f
i
(P
0
) L
i
(P P
0
)[
[[P P
0
[[
n
()
i = 1, . . . , m
lim
PP
0
[f
i
(P) f
i
(P
0
) L
i
(P P
0
)[
[[P P
0
[[
n
= 0 =
= f `e dierenziabile nel punto P
0
e df
i
(P
0
) = L
i
, i = 1, . . . , m.
()
Allo stesso modo, procedendo al contrario.

Corollario 1.6.3. Sia A R


n
aperto, P
0
A ssato, f : A R
m
. Supponiamo
inoltre che f sia dierenziabile nel punto P
0
. Allora
(i)
f
i
x
j
(P
0
) i = 1, . . . , m, j = 1, . . . , n
(ii) df(P
0
)(v) =
_
J(f)
_
(P
0
) v, con v = (v
1
, . . . , v
n
)
T
un vettore colonna,
J(f)(P
0
) = [J
ij
]
mn
dove J
ij
=
f
i
x
j
(P
0
)
e J(f)(P
0
) si chiama matrice jacobiana di f nel punto P
0
.
Dimostrazione: Dalla proposizione precedente, segue che f
i
`e derenziabile e
34
1.6 Regola di derivazione composta (RDC)
(2) df
i
(P
0
)(v) = f
i
(P
0
) v, v R
n
In particolare, dalla (2) segue la (i): ssato i, esistono le derivate parziali per ogni j.
Daltra parte, da (1) + (2) segue che
J(f)(P
0
) =
_
_
_
_
_
f
1
(P
0
)
f
2
(P
0
)
.
.
.
f
m
(P
0
)
_
_
_
_
_
(5)
e
df(P
0
)(v) = J(f)(P
0
) v, v R
n

Esempio. m = 1, f : A R
n
R
e
1
. Supponiamo che f sia dierenziabile nel punto
P
0
. Allora
df(P
0
)(v) = J(f)(P
0
) v
dove
J(f)(P
0
) f(P
0
)
_
f
x
1
(P
0
), . . . ,
f
x
n
(P
0
)
_
1n
Poniamoci ora nella seguente situazione:
R
n

x = (x
1
, . . . , x
n
)
R
m

y = (y
1
, . . . , y
m
)
R
k
A
B
g f
y = g(x)
h = f g
Teorema 1.6.2. Siano A R
n
aperto, x
0
A ssato, g : A R
m
, y
0
g(x
0
),
B R
m
aperto e sia f : B R
k
.
Supponiamo che:
(5)
Le righe orizzontali indicano informalmente dei vettori riga.
35
1. CALCOLO IN PI
`
U VARIABILI
(i) g(A) B
(ii) g sia dierenziabile nel punto x
0
(iii) f sia dierenziabile nel punto y
0
= g(x
0
)
Allora lapplicazione composta h = f g : A R
k
`e dierenziabile nel punto x
0
e
(RDC)
rispetto ai dierenziali
dh(x
0
) = df(g(x
0
)) dg(x
0
)
Osservazione 1.6.1 (importante). Operativamente, risulterebbe pi` u semplice avere la
RDC rispetto alle jacobiane. Tale formula si pu`o in eetti ottenere, e risulta:
(RDC)
rispetto alle jacobiane
J(h)(x
0
)
. .
kn
= J(f)(g(x
0
))
. .
k
&
m
J(g)(x
0
)
. .
&
mn
se h = h(x) = (h
1
(x), . . . , h
k
(x)), y = g(x), f = f(y). Quindi,
h
i
x
j
(x
0
) =
m

h=1
f
i
y
h
(g(x
0
))
g
h
x
j
(x
0
), i = 1, . . . , k
j = 1, . . . , n
Esempio (Applicazione importante: derivazione in coordinate polari (nel piano)). Sia
g : (0, +) (0, 2) R
2
tale che:
g(, ) = ( cos(), sin())
Consideriamo lapplicazione composta
u(, ) = (f g)((, )) = f ( cos(), sin())
Problema:
u

=??
u

=??
Diamo ora la dimostrazione della RDC.
Dimostrazione: (RDC rispetto ai dierenziali)
Dobbiamo provare che, denita la funzione lineare L : R
n
R
k
tale che
L(v) =
_
df(g(x
0
)) dg(x
0
)
_
(v) =
_
df(g(x
0
))
_
_
dg(x
0
)(v)
_
=
= df(y
0
)(dg(x
0
)(v)), v R
n
vale:
36
1.6 Regola di derivazione composta (RDC)
(D) lim
PP
0
[[h(P) h(P
0
) L(P P
0
)[[
k
[[P P
0
[[
n
= 0
Osserviamo che, da (ii) e (iii), segue che:
(1) g(x) = g(x
0
) +dg(x
0
)(x x
0
) +(x), x A
(2) f(y) = f(y
0
) +df(y
0
)(y y
0
) +(y), y B
con : A R
m
e : B R
k
vericanti:
(3) lim
xx
0
[[(x)[[
m
[[x x
0
[[
n
= 0
(4) lim
yy
0
[[(y)[[
k
[[y y
0
[[
m
= 0
Volendo riscrivere (D) in termini di f e g, osserviamo che:
(5) h(x) h(x
0
) =
f(g(x)) f(g(x
0
))
(y = g(x), y
0
= g(x
0
)) + (2)
=
df(y
0
)(g(x) g(x
0
)) +(g(x))
(1)
=
df(y
0
)
_
dg(x
0
)(x x
0
) +(x)
_
+(g(x))
il dierenziale
`e lineare!
=
df(y
0
)
_
dg(x
0
)(x x
0
)
_
. .
L(xx
0
)
+df(y
0
)((x)) +(g(x)) =
L(x x
0
) +
(x)
..
df(y
0
)((x)) +(g(x))
Dalla (5) segue che per provare (D), basta mostrare che:
(6) lim
xx
0
[[(x)[[
k
[[x x
0
[[
n
= 0 (P x, P
0
x
0
)
Osserviamo che:
[[(x)[[
k
[[x x
0
[[
n

[[df(y
0
)((x))[[
k
[[x x
0
[[
n
+
[[(g(x))[[
k
[[x x
0
[[
n
x A x
0

e:
[[df(y
0
)((x))[[
k
[[x x
0
[[
n
linearit`a!
=

df(y
0
)
_
(x)
[[x x
0
[[
n
_

k
Ma il dierenziale `e unapplicazione lineare! Quindi il suo valore su un vettore `e sempre
scrivibile come una certa matrice (per la precisione, la jacobiana) per il vettore stesso.
Inoltre (Ex. 2, Foglio 3), se A = (a
ij
)
mn
e v R
n
, vale:
37
1. CALCOLO IN PI
`
U VARIABILI
() [[Av[[
R
m [[A[[ [[v[[
n
dove [[A[[
def
=

_
m

i=1
n

j=1
a
2
ij
. Da (3) + () abbiamo quindi che

df(y
0
)
_
(x)
[[x x
0
[[
n
_

k
=

J(f)(y
0
)
_
(x)
[[x x
0
[[
n
_

k
[[J(f)(y
0
)
km
[[
[[(x)[[
m
[[x x
0
[[
n

xx
0
0
Per concludere e provare la (6), basta ora mostrare che:
(7) lim
xx
0
[[(g(x))[[
k
[[x x
0
[[
n
= 0
Deniamo:

: B R
k
,

(y)
_
_
_
(y)
[[y y
0
[[
m
y ,= y
0
0
R
k y = y
0
Da (4), segue che lim
yy
0
[[

(y)[[
k
= 0. Osserviamo ora che
(8)
[[(g(x))[[
k
[[x x
0
[[
n
= [[

(g(x))[[
k

[[g(x) g(x
0
)[[
m
[[x x
0
[[
n
x A x
0

e
[[

(g(x))[[
xx
0
0
Per quanto riguarda il secondo fattore, usando la dierenziabilit`a di g in x
0
`e facile
osservare che (Ex. 3, Foglio 3) c > 0, R
0
> 0 tale che:
(9)
[[g(x) g(x
0
)[[
m
[[x x
0
[[
n
c x B
n
(x
0
, R
0
) x
0

Da (8) + (9), segue la (6).

1.7 Formula di Taylor


Problema: Sia f C
m
(B(x
0
, r
0
)), dove x
0
= (x
0
1
, . . . , x
0
n
) R
n
, r
0
> 0, m N
1
.
Come si fa ad approssimare f con un polinomio p = p(x
1
, . . . , x
n
) nel modo migliore
possibile?
Ricordiamo a tal proposito la formula di Taylor per n = 1, prendendo x
0
R e di
conseguenza B(x
0
, r
0
) = (x
0
r
0
, x
0
+r
0
).
38
1.7 Formula di Taylor
Teorema 1.7.1 (Formula di Taylor con resto secondo Lagrange (n = 1)). Sia f
C
m+1
((x
0
r
0
, x
0
+r
0
)). Deniamo
P
m
(f, x
0
)(x) =
m

h=0
f
(h)
(x
0
)
h!
(x x
0
)
h
(x R)
Tale P
m
`e detto polinomio m-esimo di Taylor di f. Allora:
(FT
m
) f(x) = P
m
(f, x
0
)(x) +R
m
(x, x
0
)
con
(RL
m
)
(6)
R
m
(x, x
0
) =
f
(m+1)
(x)
(m+ 1)!
(x x
0
)
m+1
dove x `e un punto opportuno tra x
0
e x. In particolare, vale che
(RP
m
)
(7)
lim
xx
0
R
m
(x, x
0
)
[x x
0
[
m
= 0
Ritorniamo ora al caso in n variabili, e prendiamo una funzione f C
m
(B(x
0
, r
0
))
(ossia f : B(x
0
, r
0
) R). Ricordiamo che, se = (
1
, . . . ,
n
) N
n
, allora [[

1
+. . . +
n
. Nel caso [[ m, possiamo denire
D

f(x) =

||
f
x

1
1
. . . x

n
n
(x) x B(x
0
, r
0
)
Deniamo poi
!
def
=
1
!
2
! . . .
n
!
e
(x x
0
)

def
= (x
1
x
0
1
)

1
(x
2
x
0
2
)

2
. . . (x
n
x
0
n
)

n
se x = (x
1
, . . . , x
n
) e x
0
= (x
0
1
, . . . , x
0
n
).
Vale allora il seguente teorema.
Teorema 1.7.2 (Formula di Taylor). Sia f C
m+1
(B(x
0
, r
0
)). Deniamo
P
m
(f, x
0
)(x) =
m

N
n
||m
D

f(x
0
)
!
(x x
0
)

(x R
n
)
Tale P
m
`e detto polinomio m-esimo di Taylor di f. Allora:
(6)
Resto secondo Lagrange
(7)
Resto secondo Peano
39
1. CALCOLO IN PI
`
U VARIABILI
(FT
m
) f(x) = P
m
(f, x
0
)(x) +R
m
(x, x
0
) x B(x
0
, r
0
)
con
(RL
m
) R
m
(x, x
0
) =

N
n
||=m+1
D

f(x)
!
(x x
0
)

dove x `e un punto opportuno nel segmento x


0
x tx + (1 t)x
0
: 0 t 1. In
particolare, vale che
(RP
m
) lim
xx
0
R
m
(x, x
0
)
[[x x
0
[[
m
n
= 0
Osservazione 1.7.1. Supponiamo che valga (RL
m
) per f e proviamo che vale (RP
m
).
[R
m
(x, x
0
)[

||=m+1
[D

f(x)[
!
[(x x
0
)

[ =
=

||=m+1
[D

f(x)[
!
[x
1
x
0
1
[

1
. . . [x
n
x
0
n
[

(8)

||=m+1
[D

f(x)[
!
[[x x
0
[[

1
n
. . . [[x x
0
[[

n
n
=
(9)
=

||=m+1
[D

f(x)[
!
[[x x
0
[[
||
n
=
= [[x x
0
[[
m+1
n
F(x)
dove F(x) =

||=m+1
[D

f(x)[
!
, x B(x
0
, r
0
)

[R
m
(x, x
0
)[
[[x x
0
[[
m
n
[[x x
0
[[
n
F(x)
(8)
In un triangolo rettangolo ogni cateto `e sempre minore dellipotenusa!
(9)
|| =
1
+ . . . +
n
40
1.7 Formula di Taylor
Ora, passando a limite, [[x x
0
[[
n
va a 0, ma cosa accade a F(x)? Poiche le derivate
di f sono continue no a m + 1, la funzione F `e continua, ed `e quindi facile provare
che `e limitata. In particolare, vale che
lim
xx
0
F(x) =

||=m+1
[D

f(x
0
)[
!
Infatti, prendendo x = tx + (1 t)x
0
per un certo 0 t 1, vale:
lim
xx
0
F(x) =
= lim
xx
0

||=m+1
[D

f(x)[
!
= lim
xx
0

||=m+1
[D

f(tx + (1 t)x
0
)[
!
=

||=m+1
[D

f(x
0
)[
!
dove nellultimo passaggio si `e usata la continuit`a delle derivate successive, portando il
limite dentro largomento della funzione.
Dimostrazione: (Formula di Taylor, n = 2)
Fissiamo x = (x
1
, x
2
) B(x
0
, r
0
) e x
0
= (x
0
1
, x
0
2
). Sia F : [1, 1] R, F(t)
f(x
0
+t(x x
0
)). In particolare, dalla regola di derivazione di una funzione composta,
F C
m+1
([1, 1]).
(Idea della dimostrazione: F(1) = f(x))
Applichiamo a F la formula di Taylor (per una variabile) con punto iniziale t
0
= 0:
(1) F(t) =
m

k=0
F
(k)
(0)
k!
t
k
+R
m
(t, 0) t [1, 1]
dove
R
m
(t, 0) =
F
(m+1)
(t)
(m+ 1)!
t
m+1
Calcoliamo le derivate F
(k)
(t) in termini di D

f, tenendo conto che F = f g dove


g(t) = x
0
+t(x x
0
), e quindi F

(t) = f(g(t)) g

(t).
k = 0: F
0
(t) = f(x
0
+t(x x
0
))
k = 1: F

(t) = f(x
0
+t(x x
0
)) (x x
0
) =
2

j=1
f
x
j
(x
0
+t(x x
0
))(x
j
x
0
j
)
41
1. CALCOLO IN PI
`
U VARIABILI
k = 2: Come prima, consideriamo ogni addendo F

j
di F

una funzione F

j
= (x
j

x
0
j
)
f
x
j
g. Di conseguenza:
F

(t) =
2

j=1
_
(x
j
x
0
j
)
_
f
x
j
(x
0
+t(x x
0
))
__
(x x
0
) =
=
2

j=1
(x
j
x
0
j
)
_
2

i=1

2
f
x
i
x
j
(x
0
+t(x x
0
))(x
i
x
0
i
)
_
=
=
2

i=1, j=1

2
f
x
i
x
j
(x
0
+t(x x
0
))(x
j
x
0
j
)(x
i
x
0
i
)
k: (2)
F
(k)
(t) =
2

i
1
=1,...,i
k
=1

k
f
x
i
1
. . . x
i
k
(x
0
+t(x x
0
))(x
i
1
x
0
i
1
) . . . (x
i
k
x
0
i
k
)
t [1, 1]
Fissiamo un multi-indice = (
1
,
2
) tale che [[ =
1
+
2
= k con 0 k m+1,
e determiniamo il numero di volte che
(3) D

f(x
0
+t(x x
0
)) =

k
f
x
i
1
. . . x
i
k
(x
0
+t(x x
0
))
per una opportuna funzione i : 1, . . . , k 1, 2 quando i
j
def
= i(j).
Tenendo presente il teorema di inversione dellordine delle derivate parziali, vale (3)
se e solo se:
(4)
_
i
j
= 1 per un numero di volte
1
i
j
= 2 per un numero di volte
2
(dove ricordiamo che j 1, k).
Andando a contare il numero di volte che si verica (3), si prova per induzione
(esercizio) che tale numero `e pari a
k!

1
!
2
!
. Utilizzando questo risultato insieme a
(2) + (3) + (4), segue che
F
(k)
(t) =
=
2

i
1
=1,...,i
k
=1

k
f
x
i
1
. . . x
i
k
(x
0
+t(x x
0
)) (x
1
x
0
1
)

1
(x
2
x
0
2
)

2
. .
(xx
0
)

=
=

||=k
k!

1
!
2
!
D

f(x
0
+t(x x
0
))(x x
0
)

42
1.7 Formula di Taylor
Applichiamo ora la (1) con t = 1:
f(x) = F(1) =
=
m

k=0

||=k
D

f(x
0
)
!
(x x
0
)

||=m+1
D

f(x
0
+t(x x
0
))
!
(x x
0
)

P
m
(f, x
0
)(x) +R
m
(x, x
0
)

Osservazione 1.7.2. Si pu`o provare che, se f C


m
(B(x
0
, r
0
)), vale ancora (FT
m
)
per una opportuna funzione resto R
m
(x, x
0
) : B(x
0
, r
0
) R tale che:
(RP
m
) lim
xx
0
R
m
(x, x
0
)
[[x x
0
[[
m
n
= 0
Osservazione 1.7.3.
f(x) = o(g(x)) (x x
0
)

(1) lim
xx
0
g(x) = 0
(2) g(x) ,= 0 x (x
0
r
0
, x
0
+r
0
) x
0

(3) lim
xx
0
f(x)
g(x)
= 0
1.7.1 Applicazione al calcolo dei limiti
Esempio (i).
lim
x0
sin(x)
x
= 1
Dimostrazione: La formula di Taylor al II ordine per la funzione sin(x) `e:
sin(x) = x
x
3
6
+R
3
(x, 0) dove R
3
(x, 0) =
f
(h)
(x)
h!
x
h
= o(x
3
)
per un opportuno x tra 0 e x. Quindi:
sin(x)
x
= 1
x
2
6
+o(x
2
)
A questo punto, il limite diventa banale.
43
1. CALCOLO IN PI
`
U VARIABILI

Esempio (ii).
lim
x0
x sin(x)
x
3
=
1
6
Dimostrazione: Se avessi sviluppato allordine I:
sin(x) = x +o(x)
x sin(x)
x
3
=
o(x)
x
3
???

A questo punto, mi devo fermare! Avrei quindi dovuto sviluppare di pi` u. Uno dei
vantaggi della notazione o, a dierenza di quella delle equivalenze asintotiche, `e
proprio il fatto che rende chiaro lordine no al quale sviluppare.

1.7.2 Caso m = 2
Denizione 1.7.1. Sia f C
2
(A), A R
n
aperto. Si chiama matrice hessiana in un
punto x
0
A ssato la matrice quadrata e simmetrica (per Schwarz) di ordine n:
H(f)(x
0
) =
_

2
f
x
i
x
j
_
i, j=1,...,n
Ad esempio, nel caso n = 2,
H(f)(x
0
) =
_
_
_
_

2
f
x
2
1
(x
0
)

2
f
x
1
x
2
(x
0
)

2
f
x
2
x
1
(x
0
)

2
f
x
2
2
(x
0
)
_
_
_
_
22
Osservazione 1.7.4 (importante). Supponiamo che m = 2. Se f C
2
(B(x
0
, r
0
)),
allora vale che:
f(x) = P
2
(f, x
0
)(x) +R
2
(x, 0)
con
44
1.7 Formula di Taylor
P
2
(f, x
0
) =

||<2
D

(f(x
0
))
!
(x x
0
)

=
=

||=0
D

(f(x
0
))
!
(x x
0
)

||=1
D

(f(x
0
))
!
(x x
0
)

||=2
D

(f(x
0
))
!
(x x
0
)

=
f(x
0
) +df(x
0
)(x x
0
) +

||=2
D

(f(x
0
))
!
(x x
0
)

Si pu`o facilmente vericare (basta fare i conti!) che:

||=2
D

(f(x
0
))
!
(x x
0
)

=
1
2
_
H(f)(x
0
)(x x
0
)
T
(x x
0
)
_
Concludendo, se f C
2
(B(x
0
, r
0
)), vale che:
(FT
2
) f(x) = f(x
0
) +df(x
0
)(x x
0
) +
1
2
_
H(f)(x
0
)(x x
0
)
T
(x x
0
)
_
+R
2
(x, x
0
)
con
lim
xx
0
R
2
(x, x
0
)
[[x x
0
[[
2
2
45
1. CALCOLO IN PI
`
U VARIABILI
46
Capitolo 2
Massimi e minimi per funzioni di
pi` u variabili
Versione: 20130823-083351
2.1 Il Teorema di Fermat
Denizione 2.1.1. Siano A R
n
, f : A R.
(i) Un punto P
0
A si dice punto di minimo relativo (o locale) [rispettivamente
punto di massimo relativo (o locale)] se r
0
> 0 tale che
f(P
0
)
[]
f(P) P A B(P
0
, r
0
)
(ii) Un punto P
0
A si dice punto di minimo (assoluto o globale) [rispettivamente
punto di massimo relativo (assoluto o globale)] se
f(P
0
)
[]
f(P) P A
Si deniscono, se esistono,
max
A
f
def
= maxf(P) : P A
min
A
f
def
= minf(P) : P A
47
2. MASSIMI E MINIMI PER FUNZIONI DI PI
`
U VARIABILI
Se esistono, max
A
f e min
A
f sono unici. Si deniscono inoltre
sup
A
f
def
= supf(P) : P A
inf
A
f
def
= inff(P) : P A
sup
A
f e inf
A
f esistono sempre per lAssioma di Completezza dei reali.
Teorema 2.1.1 (di Fermat). Siano A R
n
, f : A R. Supponiamo che, dato
P
0
A,
(i) P
0
sia un punto di massimo o minimo relativo di f su A.
(ii) f(P
0
).
(iii) P
0
sia un punto interno di A, cio`e r
0
> 0 tale che B(P
0
, r
0
) A
(1)
.
Allora
f(P
0
) = 0 = (0, . . . , 0)
Dimostrazione:
x
1
x
2
r
0
P
0
x
0
1
x
0
2
(1)
Se P
0
non fosse interno, si avrebbero dei problemi. Ad esempio (n = 1), se A = [0, 1] e f(x) = x,
allora x
0
= 0 `e un punto di minimo relativo, ma f

(x
0
) = 1 = 0.
48
2.1 Il Teorema di Fermat
Fissato i = 1, . . . , n, poiche P
0
`e interno, P
0
+he
i
B(P
0
, r
0
) se [h[ r
0
. Deniamo
F : (r
0
, r
0
) R, F(h) = f(P
0
+he
i
)
(Per h = 0, F(h) `e interno!)
Applicando il teorema di Fermat in una variabile
(2)
, otteniamo che:
F

(0) = 0

f
x
i
(P
0
) i = 1, 2, . . . , n

Denizione 2.1.2. Dati A R


n
e f : A R, si chiamano punti stazionari (o
critici) liberi di f su A i punti P
0
A tali che:
(S1) f(P)
(S2) f(P) = 0
Esempio. f : R
2
R, f(x, y) = x
2
y
2
. Poniamo il gradiente di f uguale a 0 per
trovare i punti stazionari:
f(x, y) = 2(x, y) = (0, 0) x = y = 0
P
0
= (0, 0) `e quindi un punto di minimo o massimo relativo di f? NO!
Basta studiare il segno di f(x, y) = x
2
y
2
= (xy)(x+y) in un intorno di (0, 0)
per accorgersi che non `e cos`:
(2)
[Gre] Sia f una funzione numerica, e x un punto di massimo locale (o minimo locale) di f. Se x `e
interno al dominio di f ed f `e derivabile in x, allora
f

(x) = 0
49
2. MASSIMI E MINIMI PER FUNZIONI DI PI
`
U VARIABILI
x y = 0
x +y = 0
La funzione non `e denitivamente positiva o negativa, come dovrebbe essere nel caso di
un punto di massimo o di minimo! In particolare, in questo caso si dice che il punto `e
di sella.
Denizione 2.1.3. Sia H = (h
ij
)
nn
a coecienti reali (cio`e h
ij
R i, j =
1, . . . , n).
(i) H si dice denita positiva se (Hv v) > 0 v R
n
0
(ii) H si dice denita negativa se (Hv v) < 0 v R
n
0
(iii) H si dice semidenita positiva se (Hv v) 0 v R
n
0
(iv) H si dice semidenita negativa se (Hv v) 0 v R
n
0
Lemma 2.1.1 (Criterio per i segni di una matrice quadrata simmetrica). Sia H =
(h
ij
)
nn
simmetrica (cio`e, per denizione, h
ij
= h
ji
i, j = 1, . . . , n). Allora de-
niamo come:
m
def
= il pi` u piccolo autovalore di H
M
def
= il pi` u grande autovalore di H
Allora
() m[[v[[
2
n
Hv v M[[v[[
2
n
Da () e dalla denizione, segue che:
(i) H `e denita positiva m > 0
50
2.1 Il Teorema di Fermat
(ii) H `e denita negativa M < 0
(iii) H `e semidenita positiva m 0
(iv) H `e semidenita negativa M 0
Teorema 2.1.2. Siano A R
n
, f : A R, e supponiamo che f C
2
(A). Sia ora
x
0
A un punto stazionario (libero) di f su A, cio`e, per denizione, f(x
0
) = 0.
Prendiamo inoltre la matrice H(f)(x
0
) =
_

2
f
x
i
x
j
(x
0
)
_
nn
, detta matrice hessiana
di f nel punto x
0
. Allora
(i) Se H(f)(x
0
) `e denita positiva = x
0
`e un punto di minimo relativo di
f su A
(ii) Se H(f)(x
0
) `e denita negativa = x
0
`e un punto di massimo relativo
di f su A
(iii) Se x
0
`e un punto di minimo relativo di f su A = H(f)(x
0
) `e semide-
nita positiva
(iv) Se x
0
`e un punto di massimo relativo di f su A = H(f)(x
0
) `e semide-
nita negativa
Dimostrazione:
(i) (n = 2)
P
0
x
y
r
1
r
0
A
51
2. MASSIMI E MINIMI PER FUNZIONI DI PI
`
U VARIABILI
Essendo Aaperto, r
0
> 0 tale che B(x
0
, r
0
) A, e quindi f C
2
_
B(x
0
, r
0
)
_
.
Applicando la formula di Taylor al II ordine, cio`e (FT
2
), otteniamo che:
(1) f(x) = f(x
0
) +df(x
0
)(x x
0
) +
1
2
_
H(f)(x x
0
) (x x
0
)
_
+R
2
(x, x
0
)
tale che
(2) lim
xx
0
R
2
(x, x
0
)
[[x x
0
[[
2
n
= 0
Essendo x
0
un punto stazionario di f, vale:
df(x
0
)(x x
0
) = f(x
0
) (x x
0
) = 0
Dunque possiamo riscrivere la (1) nel modo seguente:
(3) f(x) f(x
0
) =
1
2
_
H(f)(x x
0
) (x x
0
)
_
+R
2
(x, x
0
)
Sia m il pi` u piccolo degli autovalori di H(f)(x
0
). Da (), prendendo H =
H(f)(x
0
), ottengo che:
(4) f(x) f(x
0
)
m
2
[[x x
0
[[
2
n
+R
2
(x, x
0
)
ed m > 0, essendo H(f)(x
0
) denita positiva.
Dalla (2), usando la denizione e scegliendo =
m
2
> 0, 0 < r
1
< r
0
tale
che:
(5)
m
2
<
R
2
(x, x
0
)
[[x x
0
[[
2
n
<
m
2
x B(x
0
, r
1
) x
0

Da (4) + (5) (moltiplicando (5) per [[x x


0
[[
2
n
), segue che
(6)
f(x) f(x
0
)
m
2
[[x x
0
[[
2
n

m
2
[[x x
0
[[
2
n
x B(x
0
, r
1
)

0
d
e
f

x
0
`e un punto stazionario di minimo relativo di f su A
(ii) Si dimostra similmente al punto precedente, denendo M il pi` u grande degli
autovalori di H(f)(x
0
) e applicando poi la ().
52
2.1 Il Teorema di Fermat
(iii) Prendiamo la direzione v R
n
0 (ricordiamo che, poiche v `e una direzione,
[[v[[
n
= 1).
P
0
x
y
A
v
Deniamo
F(t) = f(x
0
+tv) se [t[
(ossia f ristretta ad una direzione).
Osserviamo che, essendo A aperto, F `e ben denita se `e abbastanza piccolo.
Per ipotesi, t = 0 `e un punto di minimo relativo di F : [, ] R con
F = f g
dove g : [, ] A tale che g(t) = x
0
+tv, quindi:
F

(0) 0
Nella dimostrazione del Teorema di Taylor, avevamo gi`a calcolato che:
F
(k)
(t) =
2

i
1
=1,...,i
k
=1

k
f
x
i
1
. . . x
i
k
(x
0
+t(x x
0
))(x
i
1
x
0
i
1
) . . . (x
i
k
x
0
i
k
)
Nel nostro caso, la formula diventa:
F
(2)
(0) =
2

i
1
=1, i
2
=1

2
f
x
i
1
x
i
2
(x
0
)(x
i
1
x
0
i
1
)(x
i
2
x
0
i
2
) = H(f)(x
0
)v v
con v = (x x
0
). Dunque, v R
n
0,
H(f)(x
0
)v v 0
53
2. MASSIMI E MINIMI PER FUNZIONI DI PI
`
U VARIABILI

Esercizio (Ex. 5, Foglio 5). Determinare i massimi e i minimi relativi della funzione
f(x, y) x
2
+ 2kxy +y
2
, (x, y) R
2
al variare del parametro k R.
Dimostrazione: Osserviamo che f C
2
(R
2
) (in eetti, f C

(R
2
)). I punti
stazionari liberi di f sono dati dallequazione:
f(x, y) = (0, 0)
ossia, sviluppando,
(2x + 2ky, 2kx + 2y) = 2(x +ky, kx +y) = (0, 0)

_
x +ky = 0
kx +y = 0
Scriviamo la matrice associata al sistema e risolviamo:
_
1 k 0
k 1 0
_

II kI
_
1 k 0
0 1 k
2
0
_
Discutiamo i casi che ci si presentano:
k ,= 1: Il sistema ammette soluzione unica (0, 0).
k = 1: Il sistema ammette innite soluzioni, generate dai vettori
_
1
1
_
e
_
1
1
_
.
Andiamo ora a calcolare H = H(f)(x, y) =
=
_

2
f
x
2
(x, y)

2
f
xy
(x, y)

2
f
yx
(x, y)

2
f
y
2
(x, y)
_
=
_
2 2k
2k 2
_
Quindi, calcoliamo gli autovalori di H secondo la denizione:
det(H I) = 0 det
_
2 2k
2k 2
_
= 0 (2 )
2
4k
2
= 0
54
2.2 Il Teorema di Weierstrass
(2 2k)(2 + 2k) = 0
e in denitiva:
_

1
= 2 2k

2
= 2 + 2k
Ne deduciamo che:
Se [k[ > 1,
1

2
< 0 e quindi
H non `e ne semidenita positiva ne semidenita negativa
x
0
`e un punto di sella
Se [k[ < 1,
1
> 0,
2
> 0 e quindi
H `e denita positiva e (0, 0) `e punto di minimo relativo di f su R
2
Se [k[ = 1, `e necessaria unanalisi diretta.
Per k = 1,
f(x, y) = x
2
+ 2xy +y
2
= (x +y)
2
I punti tali che (x+y) = 0 sono punti di minimo relativo (e assoluto) su R
2
.
Per k = 1,
f(x, y) = x
2
2xy +y
2
= (x y)
2
I punti tali che (xy) = 0 sono punti di minimo relativo (e assoluto) su R
2
.

2.2 Il Teorema di Weierstrass


Problema: Data f : A R
n
R, min
A
f e/o max
A
f, cio`e P
1
, P
2
A tale che
f(P
2
) f(P) P A
f(P) f(P
1
) P A
dove P
1
`e punto di massimo assoluto di f su A e P
2
punto di minimo relativo di f su
A?
55
2. MASSIMI E MINIMI PER FUNZIONI DI PI
`
U VARIABILI
Denizione 2.2.1. Un insieme A R
n
si dice limitato se R
0
> 0 tale che
A B(0, R
0
) [[P[[
n
R
0
P A
Lemma 2.2.1 (di Bolzano - Weierstrass). Sia A chiuso e limitato e sia (P
h
)
h

A. Allora esiste una sottosuccessione (P

h
)
h
( : N N strettamente crescente)
convergente ad un opportuno punto P

A, cio`e
lim
h+
[[P

h
P

[[
n
= 0
Dimostrazione: (Solo nel caso n = 2)
x
y
P
h
x
h
y
h
buchi
A
R
0
Sia P
h
= (x
h
, y
h
). Dalla limitatezza di A segue che R
0
> 0 tale che A B(0, R
0
).
In particolare,
(1) [[P
h
[[
2
=
_
x
2
h
+y
2
h
R
0
h N
Da (1) segue che
(2) [x
h
[ R
0
h N
(3) [y
h
[ R
0
h N
56
2.2 Il Teorema di Weierstrass
Da (2) segue che
(x
h
)
h
[R
0
, R
0
]
e quindi, per il lemma di Bolzano - Weierstrass in R, esiste una successione (x

1
(h)
)
h
(con
1
: N N strettamente crescente) tale che:
(4) lim
h
x

1
(h)
= x

(in R)
per un opportuno x

[R
0
, R
0
]. Sia
t
h
y

1
(h)
(h N)
(cio`e (y
h
)
h
ristretta agli insiemi di indici dati da
1
). Dalla (3) segue che (t
h
)
h

[R
0
, R
0
], e quindi applicando il lemma di Bolzano - Weierstrass in R otteniamo che
esiste una sottosuccessione
(t

2
(h)
)
h
(con
2
: N N strettamente crescente)
tale che
(5) lim
h
t

2
(h)
= y

(in R)
per un opportuno y

[R
0
, R
0
]. Deniamo
: N N tale che =
2

1
: N N
strettamente crescente. Consideriamo la successione
P
(h)
=
_
x
(h)
, y
(h)
_
estratta dalla successione (P
h
)
h
. Per costruzione, da (4) e (5) segue che
(6) lim
h
P
(h)
= P

(in R
2
)
dove P

= (x

, y

) R
2 (3)
.
In tutto quello che abbiamo ottenuto nora, abbiamo utilizzato solo la limitatezza
di A. Poiche A `e chiuso, P

A.
(3)
x
(h)
`e una successione estratta da x

1
(h)
. Poiche
ogni successione estratta da una successione convergente `e anchessa convergente ed ha per limite
lo stesso limite della successione di partenza
x

1
(h)
converge a x

allora anche x
(h)
converge a x

.
57
2. MASSIMI E MINIMI PER FUNZIONI DI PI
`
U VARIABILI

Teorema 2.2.1 (di Weierstrass). Sia A R


n
, f : A R. Supponiamo che:
(i) A sia chiuso e limitato
(ii) f : A R sia continua
Allora
max
A
f e min
A
f
Dimostrazione: DallAssioma di Completezza dei numeri reali, segue che
(1) inf
A
f inff(P) : P A [, +)
(2) sup
A
f supf(P) : P A (, +]
Deniamo ora
m inf
A
f e M sup
A
f
Per denizione di estremo superiore, vale che > 0, Q

= Q() A tale che


M f(Q

) M
Data larbitrariet`a di , prendiamo =
1
h
, h N
>0
. Dunque, h > 0, Q
h
= Q(h)
A : M
1
h
f(Q
h
) M. Chiaramente,
(3) M = lim
h
f(Q
h
) (in R)
e la successione (Q
h
)
h
A si dice successione massimizzante. Allo stesso modo, esiste
una successione minimizzante (P
h
)
h
A tale che
(4) m = lim
h
f(P
h
) (in R)
Proviamo che P
1
A tale che
(5) f(P
1
) = m
58
2.3 Ricerca di massimi e minimi
da cui seguir`a che
min
A
f = f(P
1
)
o, in altre parole, proviamo che m oltre che estremo inferiore dellinsieme f(P) : O
A `e anche minimo di tale insieme. Analogamente, si potr`a ottenere che
P
2
A tale che f(P
2
) = M
Applichiamo il lemma di Bolzano - Weierstrass alla successione (P
h
): otteniamo che
esiste una sottosuccessione (P
(h)
)
h
ed un punto P
1
A tale che:
(6) lim
h
P
(h)
= P
1
(in R
n
)
Osserviamo che da (4) e (6) segue che
(7) lim
h
f(P
(h)
) = m
Per la (ii), segue che
lim
h
f(P
(h)
) = f(P
1
)

2.3 Ricerca di massimi e minimi


2.3.1 Ricerca del massimo e minimo (assoluto) di una funzione con-
tinua denita su un insieme chiuso e limitato
Siano A R
2
chiuso e limitato, f : A R continua. Applicando il Teorema di
Weierstrass, sappiamo che
min
A
f = f(P
1
) con P
1
A
max
A
f = f(P
2
) con P
2
A
Problema: Come determinare P
i
(i = 1, 2)?
Vi sono tre possibilit`a:
(1) P
i


A, f(P
i
) = 0 (punto stazionario libero)
59
2. MASSIMI E MINIMI PER FUNZIONI DI PI
`
U VARIABILI
(2) f(P
i
) (punto singolare di f)
(3) P
i
A (punto stazionario vincolato)
Esempio. A = (x, y) R
2
: x
2
+y
2
1, f(x, y) = x
2
+y
2
.
A
1
1
1
1
Osserviamo che A `e chiuso e f : A R `e continua. Quindi,
min
A
f = f(P
1
) con P
1
A
max
A
f = f(P
2
) con P
2
A
Inoltre, f C

(R

), quindi f C

(A). I punti in cui si annulla il gradiente sono


dati da
f(x, y) = (2x, 2y) = (0, 0) x = y = 0
`
E chiaro che P
1
= (0, 0) ed `e un punto stazionario libero di f su A. Osserviamo inoltre
che
f(x, y) ,= (0, 0) (x, y) A
Su questi punti non possiamo applicare il Teorema di Fermat!
2.3.2 Ricerca dei punti di massimo e minimo nella frontiera di un
insieme
2.3.2.1 I Metodo: parametrizzazione della frontiera
(n = 2)
Supponiamo che esista una curva : [a, b] R
2
(t) = (
1
(t),
2
(t))
60
2.3 Ricerca di massimi e minimi
con
i
: [a, b] R
2
di classe C
1
(i = 1, 2), tale che
([a, b]) = A
Allora si chiama parametrizzazione di A. Nellesempio precedente avremmo avuto
: [0, 2] R
2
, (t) = (cos(t), sin(t)).
Se f : A R, basta quindi considerare la funzione
F : [a, b] R tale che F(t) = f((t)), t [a, b]
A questo punto,
max
A
f = max
[a, b]
F e min
A
f = min
[a, b]
F
Esempio. A = (x, y) R
2
: x
2
+ 2y
2
1, f(x, y) = x
2
+ 2y
2
.
Una parametrizzazione di A `e
F(t) = cos
2
(t) + 2 sin
2
(t) = 1 + sin
2
(t) (t [0, 2])
La ricerca di massimi e minimi di f sulla frontiera di A si riduce alla ricerca di massimi
e minimi di F sullintervallo [0, 2]. Abbiamo:
F

(t) = 2 sin(t) cos(t) = 2 sin(2t)


I punti di massimo di F su [0, 2] sono quindi

2
,
3
2
.
Di conseguenza, abbiamo che:
P
2
=
_
_
_

2
_
= (0, 1)

_
3
2

_
= (0, 1)
(n = 3)
Supponiamo che esista una curva : B R
3
, B R
2
chiuso e limitato, denita
= (
1
,
2
,
3
)
con
i
: B R
3
C
0
(B) C
1
(B) (i = 1, 2, 3), tale che
(B) = A
Allora si chiama parametrizzazione di A e vale F = f .
61
2. MASSIMI E MINIMI PER FUNZIONI DI PI
`
U VARIABILI
Esempio. Sia A = (x, y, z) : x
2
+ y
2
+ z
2
1, e supponiamo di voler trovare
massimo e minimo di f su A.
Osserviamo innanzitutto che A `e la supercie sferica di raggio unitario, quindi
basta usare la parametrizzazione data dalle coordinate sferiche, come avevamo fatto per
le due dimensioni usando le coordinate polari.
x
y
z
(, , )

s
i
n
(

s
i
n
(

)
c
o
s
(

)
sin()sin()

c
o
s
(

)
Come mostrato nella gura, la parametrizzazione sferica di un punto in R
3
`e
(, ) = (cos() sin(), sin() sin(), cos()) (, ) [0, 2] [0, ]
A questo punto, basta procedere come nellesempio precedente.
2.3.2.2 II Metodo: la frontiera di un insieme come vincolo
Denizione 2.3.1. Un insieme del piano V = (x, y) R
2
: g(x, y) = 0 si chiama
vincolo.
Per trattare i vincoli come funzioni, servir`a il Teorema delle Funzioni Implicite
di Dini. Supponiamo che A R
2
aperto e limitato e che A sia un vincolo, ossia
A(x, y) R
2
: g(x, y) = 0 dove g C
1
(R
2
). Allora, si pu`o usare il seguente
teorema.
Teorema 2.3.1 (dei moltiplicatori di Lagrange). Sia f C
1
(R
2
) (in realt`a non c`e
bisogno su tutto R
2
!) e sia g C
1
(R
2
). Supponiamo che V = (x, y) R
2
: g(x, y) =
0 e sia P
0
= (x
0
, y
0
) V. Se
62
2.3 Ricerca di massimi e minimi
(i) max
V
f = f(P
0
) oppure min
V
f = f(P
0
)
(ii) g(P
0
) ,= (0, 0)
allora esiste un
0
R (detto moltiplicatore di Lagrange) per cui il punto (x
0
, y
0
,
0
)
R
3
`e un punto stazionario libero della funzione L : R
3
R (detta funzione lagrangia-
na) denita
L(x, y, ) = f(x, y) +g(x, y) dove (x, y, ) R
3
cio`e vale che
L(P
0
) =
_
f
x
(P
0
) +
0
g
x
(P
0
),
f
y
(P
0
) +
0
g
y
(P
0
), g(P
0
)
_
= (0, 0, 0)
o, equivalentemente,
() g(P
0
) = 0 e f(P
0
) +
0
g(P
0
) = (0, 0)
Denizione 2.3.2. Si chiama punto stazionario vincolato della funzione f sul vincolo
V un punto P
0
R
2
che verica ().
Premettiamo, prima della dimostrazione del Teorema di moltiplicatori di Lagrange,
il seguente (fondamentale) teorema.
Teorema 2.3.2 (delle funzioni implicite, U. Dini). Siano g C
1
(A), A R
2
aperto,
P
0
= (x
0
, y
0
) A e supponiamo che
(i) g(P
0
) = 0
(ii)
g
y
(P
0
) ,= 0
Allora
(D1) V = (x, y) R
2
: g(x, y) = 0 `e localmente il graco in un intorno di P
0
di
una funzione y = h(x), cio`e esistono > 0, r
0
> 0 ed esiste ununica funzione
h : (x
0
, x
0
+) R tale che
h(x
0
) = y
0
e V B(P
0
, r
0
) = (x, h(x) : x (x
0
, x
0
+)
(D2) h `e di classe C
1
su (x
0
, x
0
+) e
h

(x) =
g
x
(x, h(x))
g
y
(x, h(x))
x (x
0
, x
0
+)
63
2. MASSIMI E MINIMI PER FUNZIONI DI PI
`
U VARIABILI
Dimostrazione: (del Teorema dei moltiplicatori di Lagrange)
Per il Teorema delle funzioni implicite, esistono > 0, r
0
> 0 ed una (unica) funzione
h : (x
0
, x
0
+) R per cui valgono le propriet`a (D1) e (D2) se supponiamo, per
esempio,
g
y
(P
0
) ,= 0.
Consideriamo la funzione F : (x
0
, x
0
+) R tale che
F(x) f(x, h(x)) con x (x
0
, x
0
+)
Valendo (i), x
0
`e un punto di massimo o minimo relativo di F su (x
0
, x
0
+). Per
la (RDC), F `e di classe C
1
su (x
0
, x
0
+) e
F

(x) =
f
x
(x, h(x)) 1 +
f
y
(x, h(x)) h

(x)
(4)
Per il Teorema di Fermat (in una variabile),
0 = F

(x
0
) =
f
x
(P
0
) +
f
y
(P
0
) h

(x
0
)
(D2)
=
f
x
(P
0
) +
f
y
(P
0
)
_
_
_
_

g
x
(P
0
)
g
y
(P
0
)
_
_
_
_
moltiplicando tutto per
g
y
(P
0
), otteniamo
0 =
f
x
(P
0
)
g
y
(P
0
)
f
y
(P
0
)
g
x
(P
0
) = det
_
f
x
(P
0
)
f
y
(P
0
)
g
x
(P
0
)
g
y
(P
0
)
_
ossia
det
_
f(P
0
)
g(P
0
)
_
= 0
In altre parole, f(P
0
) e g(P
0
) sono linearmente dipendenti! Quindi,
0
R tale
che valga ().

(4)
F = f , dove (x) = (x, h(x)). Per la (RDC), vale che
F

(x) = f((x))

(x) = f(x, h(x))

(x)
dove

(x) = (1, h

(x))
64
2.3 Ricerca di massimi e minimi
2.3.3 Interpretazione geometrica della condizione di punto stazionario
vincolato
Dal Teorema di Dini, sappiamo che localmente V `e il graco di una funzione regolare.
Per esempio, nel caso in cui
g
y
(P
0
) ,= 0, conosciamo anche lequazione della retta
tangente a V nel punto P
0
= (x
0
, y
0
). Pi` u precisamente, `e la retta di equazione y =
h

(x
0
)(x x
0
) +y
0
dove, da (D2),
h

(x
0
) =
g
x
(P
0
)
g
y
(P
0
)
La retta tangente `e generata (a meno di traslazione) dal vettore (1, h

(x
0
)). Inoltre,
vale che
g(P
0
)
_
1, h

(x
0
)
_
= 0
Dunque g(P
0
) `e ortogonale alla retta tangente a V nel punto P
0
.
P
0
g(P
0
)
Pertanto i punti P
0
V per cui vale () sono i punti P
0
V dove f(P
0
) (e anche
g(P
0
), poiche sono linearmente dipendenti) `e ortogonale al vincolo V in P
0
.
Esempio. f(x, y) = x
2
+ 2y
2
, V = (x, y) R
2
: x
2
+ y
2
= 1. Determinare max
V
f e
min
V
f.
Dimostrazione: Applichiamo il metodo dei moltiplicatori di Lagrange. Denendo
g(x, y) x
2
+y
2
1, (x, y) R
2
osserviamo che f, g C

(R
2
), e
g(x, y) = (2x, 2y) = 2(x, y) ,= (0, 0) (x, y) V
65
2. MASSIMI E MINIMI PER FUNZIONI DI PI
`
U VARIABILI
Per giungere alla soluzione basta quindi studiare i punti stazionari liberi della funzione
lagrangiana
L(x, y, ) = f(x, y) +g(x, y) = x
2
+ 2y
2
+(x
2
+y
2
1)
cio`e i punti (x, y, ) R
3
tali che
_

_
L
x
(x, y, ) = 2x + 2x = 0
L
y
(x, y, ) = 4y + 2y = 0
L

(x, y, ) = x
2
+y
2
1 = 0

_
x = 1
y = 0
= 1

_
x = 0
y = 1
= 2
Quindi i punti stazionari vincolati di f su V sono (1, 0), (0, 1).

`
E facile generalizzare il metodo dei moltiplicatori di Lagrange ad una funzione di 3
variabili.
Teorema 2.3.3 (dei moltiplicatori di Lagrange). Sia f C
1
(R
3
) e sia g C
1
(R
3
).
Supponiamo che V = (x, y, z) R
3
: g(x, y, z) = 0 e sia P
0
= (x
0
, y
0
, z
0
) V. Se
(i) max
V
f = f(P
0
) oppure min
V
f = f(P
0
)
(ii) g(P
0
) ,= (0, 0, 0)
allora esiste un
0
R (detto moltiplicatore di Lagrange) per cui il punto (x
0
, y
0
, z
0
,
0
)
R
4
`e un punto stazionario libero della funzione L : R
4
R (detta funzione lagrangia-
na) denita
L(x, y, z, ) = f(x, y, z) +g(x, y, z) dove (x, y, z, ) R
4
cio`e vale ().
66
2.3 Ricerca di massimi e minimi
V
P
0
= (x
0
, y
0
, z
0
)
tipicamente, `e una supercie di R
3
y
x
z
R
3
67
2. MASSIMI E MINIMI PER FUNZIONI DI PI
`
U VARIABILI
68
Capitolo 3
Teorema delle funzioni implicite
ed applicazioni
Versione: 20130823-083351
3.1 Caso n = 2
Consideriamo V = (x, y) R
2
: g(x, y) = 0, dove g C
1
(R
2
). Osserviamo che,
cercando il luogo di zeri di una funzione di 2 variabili (due gradi di libert`a), abbiamo
un vincolo che abbassa gradi di libert`a , e quindi ci aspettiamo una curva, che ha solo
1 grado di libert`a.
x
y
V
Problema: Localmente, V `e un graco del piano cartesiano? In generale, non vi `e una
risposta positiva. Per esempio, g 0 su R
2
rappresenta tutto il piano (x, y) R
2
.
69
3. TEOREMA DELLE FUNZIONI IMPLICITE ED APPLICAZIONI
`
E quindi fondamentale il seguente risultato da parte di Dini, gi`a accennato in
precedenza, che enunciamo nuovamente.
Teorema 3.1.1 (delle funzioni implicite, U. Dini). Siano g C
1
(A), A R
2
aperto,
P
0
= (x
0
, y
0
) A e supponiamo che
(i) g(P
0
) = 0
(ii)
g
y
(P
0
) ,= 0
Allora
(D1) esistono > 0, > 0 tali che il rettangolo R = [x
0
, x
0
+][y
0
, y
0
+]
A e x (x
0
, x
0
+ ) ssato, ! y h(x) [y
0
, y
0
+ ] tale che
g(x, y) = 0.
In altre parole, ! una funzione h : (x
0
, x
0
+ ) (y
0
, y
0
+ ) tale
che g(x, h(x)) = 0.
(D2) h `e di classe C
1
su (x
0
, x
0
+) e
() h

(x) =
g
x
(x, h(x))
g
y
(x, h(x))
x (x
0
, x
0
+)
Dimostrazione:
(1)
Supponiamo, per esempio, che
g
y
(P
0
) > 0. Dal fatto che g
C
1
(A), le derivate prime sono continue, quindi vale la permanenza del segno
(2)
.
(1)
Si veda anche [Con]
(2)
Teorema (della permanenza del segno). Siano A R
n
e f : A R continua in un punto
P
0
A con f(P
0
) > 0. Allora r
0
> 0 tale che
f(P) > 0 P B(P
0
, r
0
) A
70
3.1 Caso n = 2
P
0
A
x
y
x
0
x
0
+
x
0
R
y
0

y
0
+
y
0
g = 0 = V
In altre parole, esistono , > 0 tali che
(1) R = [x
0
, x
0
+] [y
0
, y
0
+] A
(linclusione non vale perche A `e aperto!) e
(2)
g
y
(x, y) > 0 (x, y) R
Consideriamo ora la funzione (di una variabile reale) ottenuta congelando x
0
e
muovendoci rispetto a y, ossia la funzione
[y
0
, y
0
+] y g(x
0
, y) R
Per la (2), tale funzione `e strettamente crescente. Daltra parte, per la (i), deve accadere
che
g(x
0
, y
0
) < 0 e g(x
0
, y
0
+) > 0
Applicando ancora il teorema della permanenza del segno otteniamo che, pur di dimi-
nuire , non `e restrittivo supporre che
(3) g(x, y
0
) < 0 e g(x, y
0
+) > 0 x (x
0
, x
0
+)
71
3. TEOREMA DELLE FUNZIONI IMPLICITE ED APPLICAZIONI
Da (2) + (3) segue che, essendo
[y
0
, y
0
+] y g(x, y) R
strettamente crescente x (x
0
, x
0
+ ) ssato, possiamo concludere che, per il
teorema dei valori intermedi, vale (D1).
Proviamo (D2).
Consideriamo due punti P

= (x

, h(x

)) e P = (x, h(x)) con x, x

(x
0
, x
0
+).
In particolare, P, P

R. Poiche

R `e un aperto convesso, possiamo scrivere (per


denizione di h)
(4) 0 = g(P

) g(P) = g(P) (P

P)
per un opportuno P P

P, la cui esistenza `e assicurata dal teorema del valor medio


di Lagrange. Dalla (4) segue che
0 =
g
x
(P)(x x

) +
g
y
(P)(h(x) h(x

)) x, x

(x
0
, x
0
+)
ossia
(5)
h(x) h(x

)
x x

=
g
x
(P)
g
y
(P)
Da (2) + (5), segue che

h(x) h(x

)
x x

max
R
_
g
x
_
min
R
_
g
y
_

= L (0, +)
In altre parole, abbiamo provato che h `e lipschitziana su (x
0
, x
0
+), e poiche una
funzione lipschitziana `e sempre continua, siamo autorizzati a far tendere x

x nella
(5) per ottenere ().

72
3.1 Caso n = 2
Osservazione 3.1.1 (i). Nel caso in cui
g
x
(P
0
) ,= 0, con P
0
= (x
0
, y
0
), g(P
0
) = 0,
allora esistono , > 0 tali che
R = [x
0
, x
0
+] [y
0
, y
0
+] A y (y
0
, y
0
+)
e quindi ! x h(y) (x
0
, x
0
+) tale che g(h(y), y) = 0. Inoltre h : (y
0
, y
0
+
) R `e di classe C
1
e
() h

(y) =
g
y
(h(y), y)
g
x
(h(y), y)
y (y
0
, y
0
+)
Quindi, se g(P
0
) ,= (0, 0) possiamo aermare che il vincolo V = (x, y) A :
g(x, y) = 0 `e localmente il graco di una funzione y = h(x) oppure x = h(y).
Esercizio. Provare che lequazione della retta tangente a V nel punto P
0
`e data da
(RT) g(P
0
) (P P
0
) = 0
Dimostrazione: Supponiamo, ad esempio, che
g
y
(P
0
) ,= 0. Grazie al teorema di Dini,
sappiamo che, localmente, V `e il graco di una certa funzione y = h(x). Quindi, la
retta tangente a V altro non `e che la retta tangente al graco di h. Lequazione della
retta tangente in P
0
`e
y = h

(x
0
)(x x
0
) +y
0
h

(x
0
)(x x
0
) + (y y
0
) = 0
che si pu`o riscrivere in forma vettoriale come
(h

(x
0
), 1) (P P
0
) = 0
Usando (), lequazione diventa
_
_
_
_
g
x
(P
0
)
g
y
(P
0
)
, 1
_
_
_
_
(P P
0
) = 0
_
g
x
(P
0
) ,
g
y
(P
0
)
_
(P P
0
) = 0
ossia
g(P
0
) (P P
0
) = 0
Notiamo che, se avessimo supposto
g
x
(P
0
) ,= 0, lequazione sarebbe diventata
(1, h

(y
0
)) (P P
0
) = 0
ma avremmo ottenuto lo stesso risultato.
73
3. TEOREMA DELLE FUNZIONI IMPLICITE ED APPLICAZIONI

Esempio. V = (x, y) R
2
: x
2
+y
2
= 1
V
1
1
1
1
x
y
Prendendo g(x, y) = x
2
+ y
2
1 e P
0
= (x
0
, y
0
), abbiamo che g(P
0
) = 2(x
0
, y
0
) ,=
(0, 0) P
0
V. Quindi, lequazione della retta tangente `e data da
g(P
0
) (x x
0
, y y
0
) = 0 x
0
(x x
0
) +y
0
(y y
0
) = 0
Osservazione 3.1.2 (ii). Se g(P
0
) = 0 e g(P
0
) = (0, 0) allora non si pu`o concludere
nulla.
Esempio. g(x, y) = x
2
+y
2
= V = (x, y) R
2
: g = 0 = (0, 0), che ovviamente
non `e il graco di una funzione in un intorno.
3.2 Caso n = 3
Consideriamo V = (x, y, z) R
3
: g(x, y, z) = 0, dove g C
1
(R
3
). Localmente, V `e
tipicamente una supercie di R
3
.
V
y
x
z
R
3
74
3.2 Caso n = 3
Si pu`o provare il seguente teorema delle funzioni implicite.
Teorema 3.2.1. Siano g C
1
(A), A R
3
aperto, P
0
= (x
0
, y
0
, z
0
) A e supponiamo
che
(i) g(P
0
) = 0
(ii)
g
z
(P
0
) ,= 0
Allora
(D1) esistono > 0, > 0 tali che il rettangolo (o meglio, il cilindro) B
2
((x
0
, y
0
), )
[z
0
, z
0
+ ] A e (x, y) B
2
((x
0
, y
0
), ) ssata, ! z h(x, y)
(z
0
, z
0
+) tale che g(x, y, h(x, y)) = 0.
(D2) h `e di classe C
1
su B
2
((x
0
, y
0
), ) e
() h(x, y) =
_
h
x
(x, y),
h
y
(x, y)
_
=
=

g
x
(x, y, h(x, y)) ,
g
y
(x, y, h(x, y))

g
z
(x, y, h(x, y))
V
P
0
= (x
0
, y
0
, z
0
)
y
x
z
R
3
75
3. TEOREMA DELLE FUNZIONI IMPLICITE ED APPLICAZIONI
3.2.1 Applicazione: equazione del piano tangente ad un vincolo V R
3
Supponiamo V = (x, y, z) R
3
: g(x, y, z) = 0 e, preso P
0
V, supponiamo che
g(P
0
) ,= (0, 0, 0). Come nel caso della retta tangente per n = 2, si pu`o provare che
lequazione del piano tangente a V nel punto P
0
`e data da
(RT) g(P
0
) (P P
0
) = 0
dove P V R
3
.
Esempio (retta tangente ad una sfera unitaria). V = (x, y, z) R
3
: x
2
+y
2
+z
2
= 1.
Prendendo g(x, y, z) = x
2
+ y
2
+ z
2
1 e P
0
= (x
0
, y
0
, z
0
), abbiamo che g(P
0
) =
2(x
0
, y
0
, z
0
) ,= (0, 0, 0) P
0
V. Quindi, lequazione della retta tangente `e data da
g(P
0
) (x x
0
, y y
0
, z z
0
) = 0 x
0
(x x
0
) +y
0
(y y
0
) +z
0
(z z
0
) = 0
3.3 Caso generale del Teorema delle funzioni implicite
Prima di enunciare il caso generale, vediamo alcune motivazioni che hanno condotto a
tale teorema.
Supponiamo di considerare x
1
, . . . , x
m
, y
1
, . . . , y
k
numeri reali legati tra loro da k
condizioni:
(1)
_

_
g
1
(x
1
, . . . , x
m
, y
1
, . . . , y
k
) = 0
g
2
(x
1
, . . . , x
m
, y
1
, . . . , y
k
) = 0
.
.
.
g
k
(x
1
, . . . , x
m
, y
1
, . . . , y
k
) = 0
x
1
, . . . , x
m
= parametri reali
y
1
, . . . , y
k
= incognite del sistema (1)
Problema: ssati x
1
, . . . , x
m
R, esistono e sono unici y
1
, . . . , y
k
R vericanti (1)?
Prima di rispondere, facciamo la seguente osservazione.
Osservazione 3.3.1. Supponiamo che il sistema (1) sia lineare, cio`e
g
j
(x
1
, . . . , x
m
, y
1
, . . . , y
k
) =
k

h=1
a
jh
(x
1
, . . . , x
m
) y
h
b
j
(x
1
, . . . , x
m
)
dove
a
jh
: R
n
R, h = 1, . . . , k
b
j
: R
m
R, j = 1, . . . , k
76
3.3 Caso generale del Teorema delle funzioni implicite
sono funzioni assegnate. Equivalentemente, utilizzando lalgebra lineare, deniamo
a(x)
_
_
_
_
a
11
(x) a
1k
(x)
.
.
.
.
.
.
a
k1
(x) a
kk
(x)
_
_
_
_
kk
con x R
m
x = (x
1
, . . . , x
m
), b(x) =
_
_
_
_
b
1
(x)
.
.
.
b
k
(x)
_
_
_
_
, y =
_
_
_
_
y
1
.
.
.
y
k
_
_
_
_
Il sistema (1) si trasforma nel seguente sistema (lineare):
(1bis) a(x) y = b(x)
Se det(a(x)) ,= 0, ! y R
k
soluzione del sistema (1bis) e vale
y = a
1
(x) b(x)
Torniamo ora al nostro sistema originario. Denotiamo
x = (x
1
, . . . , x
m
) R
m
, y =
_
_
_
y
1
.
.
.
y
k
_
_
_
R
k
Possiamo vedere
R
m
R
k
R
n
, dove n = m+k
Deniamo
g : R
m
R
k
R
k
tale che g(x, y) = (g
1
(x, y), . . . , g
k
(x, y))
Quindi, il sistema (1) `e equivalente alla condizione
(2) g(x, y) = 0
R
k =
k volte
..
(0, . . . , 0)
Se denotiamo con
g
y
=
_
_
_
_
_
_
g
1
y
1

g
1
y
k
.
.
.
.
.
.
g
k
y
1

g
k
y
k
_
_
_
_
_
_
e
g
x
=
_
_
_
_
_
_
g
1
x
1

g
1
x
m
.
.
.
.
.
.
g
k
x
1

g
k
x
m
_
_
_
_
_
_
77
3. TEOREMA DELLE FUNZIONI IMPLICITE ED APPLICAZIONI
osserviamo che la matrice jacobiana di g sar`a
J(g)(x, y) =
_
g
x
(x, y)
. .
km
,
g
y
(x, y)
. .
kk
_
k(k+m)=kn
Osservazione 3.3.2. Come osservato prima, nel caso lineare avremmo avuto
g(x, y) = a(x) y b(x)
Notiamo che, in particolare, a(x) =
g
y
(x, y).
Nel tentativo di trovare una soluzione y del sistema, si giunge allenunciato generale
del Teorema di Dini.
Teorema 3.3.1. Siano g : A R
k
di classe C
1
, A R
n
aperto, P
0
= (x
0
, y
0
) A.
Denotiamo con
B
m
(x
0
, r) x R
m
: [[x x
0
[[
R
m < r
e con
B
k
(y
0
, r) y R
k
: [[y y
0
[[
R
k < r
Supponiamo inoltre che
(i) g(P
0
) = 0
(ii) det
_
g
y
(P
0
)
_
,= 0
Allora
(D1) esistono > 0, > 0 tali che B
m
(x
0
, ) B
k
(y
0
, ) A e x B
m
(x
0
, )
ssato, ! y h(x) B
k
(y
0
, ) tale che g(x, y) = 0
R
k.
(D2) h : B
m
(x
0
, ) R
m
B
k
(y
0
, ) `e di classe C
1
e
() J(h)(x) =
_
g
y
(x, h(x))
_
1

g
x
(x, h(x))
78
3.3 Caso generale del Teorema delle funzioni implicite
P
0
A
R
m
R
k
B
m
(x
0
, )
x
0
R
B
m
(y
0
, )
g = 0 = V
R
n
= R
m
R
k
3.3.1 Applicazione: regola dei moltiplicatori di Lagrange nel caso
generale
Sia f una funzione da massimizzare/minimizzare su un vincolo V = (x, y) R
m+k
:
g(x, y) = 0
R
k R
n
(detto anche sottovariet`a di R
n
), dove g : R
n
R
m
R
k
R
k
.
Vale allora il seguente teorema.
Teorema 3.3.2 (dei moltiplicatori di Lagrange). Sia f : R
n
R di classe C
1
e sia
g : R
n
R
m
R
k
R
k
di classe C
1
. Supponiamo che V = (x, y) R
n
: g(x, y) = 0
e sia P
0
= (x
0
, y
0
) V. Se
(i) max
V
f = f(P
0
) oppure min
V
f = f(P
0
)
(ii) det
_
g
y
(P
0
)
_
,= 0
allora esiste un
0
= (
0
1
, . . . ,
0
k
) R
k
(detto moltiplicatore di Lagrange) per cui il
punto (P
0
,
0
) R
n+k
`e un punto stazionario libero della funzione L : R
n+k
R
(detta funzione lagrangiana) denita
L(x, y, ) f(x, y) +
1
g
1
(x, y) +
2
g
2
(x, y) +. . . +
k
g
k
(x, y)
dove (x, y, ) R
n+k
.
79
3. TEOREMA DELLE FUNZIONI IMPLICITE ED APPLICAZIONI
80
Capitolo 4
Introduzione alle ODEs (e
sistemi di ODEs) non lineari
Versione: 20130823-083351
4.1 Cenni sugli spazi metrici
Denizione 4.1.1.
(i) Dato un insieme X, si chiama metrica su X una funzione d : X X
[0, +] vericante
(d1) d(x, y) = 0 x = y
(d2) d(x, y) = d(y, x) x, y X
(d3) d(x, y) d(x, z) + d(z, y) x, y, z X
(ii) Una successione (x
n
)
n
X si dice convergente in (X, d) se x X tale che
lim
h
d(x
h
, x) = 0
(iii) Una successione (x
n
)
n
X si dice una successione di Cauchy se >
0 h = h() N tale che
d(x
h
, x
k
) < h, k > h
81
4. INTRODUZIONE ALLE ODES (E SISTEMI DI ODES) NON
LINEARI
(iv) Uno spazio metrico (X, d) si dice completo se ogni successione di Cauchy
(x
n
)
n
X `e convergente, cio`e x X tale che
lim
h
d(x
h
, x) = 0
(v) Siano (X, d) e (Y, p) spazi metrici e sia T : X Y . T si dice continua
(su X) se, data (x
n
)
n
X con lim
h
x
h
= x (in X) = lim
h
T(x
h
) =
T(x) (in Y ).
Teorema 4.1.1 (delle contrazioni o del punto sso, di Banach - Caccioppoli). Sia
(X, d) uno spazio metrico completo e sia T : X X. Supponiamo che T sia una
contrazione, cio`e (0, 1) tale che
(C) d (T(x), T(y)) d(x, y) x, y X
Allora esiste un unico punto sso x X tale che T(x) = x.
Dimostrazione: Dimostriamo prima lunicit`a e poi lesistenza.
Unicit`a
Supponiamo per assurdo che esistano due punti ssi x, x

X tali che x ,= x

e
(1) T(x) = x
(2) T(x

) = x

Dalla (C), abbiamo che


d(x

, x)
(1)+(2)
= d (T(x

), T(x)) d(x

, x)
da cui segue che
(1 ) d(x

, x) 0
Poiche ,= 1 e, in particolare, < 1, possiamo dividere ambo i membri della disugua-
glianza per (1 ) > 0, ottenendo
d(x

, x) 0
Ma d 0 per denizione, quindi in denitiva
d(x

, x) = 0
82
4.1 Cenni sugli spazi metrici
Utilizzando la propriet`a (d1), ne segue che x

= x, assurdo per le ipotesi fatte. Questo


prova la tesi.
Esistenza
Fissiamo x
0
X e deniamo una successione (x
h
)
h
X per ricorrenza nel modo
seguente:
x
0
x
0
per h = 0
x
1
T(x
0
) per h = 1
x
2
T(x
1
) per h = 2
.
.
.
x
h+1
T(x
h
) ()
Proviamo che (x
h
)
h
`e convergente, cio`e x X tale che
(1) lim
h
x
h
= x (in X)
Per provare la (1), basta provare che (x
h
)
h
`e una successione di Cauchy
(1)
in (X, d),
cio`e > 0 h tale che
d(x
h
, x
k
) < h, k > h
Osserviamo che
d(x
h+1
, x
h
)
()
= d (T(x
h
), T(x
h1
))
(C)
d(x
h
, x
h1
) =
= d (T(x
h1
), T(x
h2
))
2
d(x
h1
, x
h2
) =
= . . . // . . .
h
d(x
1
, x
0
)
ossia
(2) d(x
h+1
, x
h
)
h
d(x
1
, x
0
) h N
Siano k, h N, k < h. Vale
d(x
k
, x
h
)
(d3)

h1

i=k
d(x
i+1
, x
i
)
(2)

h1

i=k

i
d(x
1
, x
0
) = d(x
1
, x
0
)
h1

i=k

i
(2)
=
= d(x
1
, x
0
)

h
1
d(x
1
, x
0
)

k
1
Dunque abbiamo provato che
(1)
Infatti, in uno spazio metrico completo, una successione `e convergente se e solo se `e di Cauchy.
(2)
`
E una serie geometrica.
83
4. INTRODUZIONE ALLE ODES (E SISTEMI DI ODES) NON
LINEARI
(3) d(x
k
, x
h
)
d(x
1
, x
0
)
1

k

k
0 h > k
Quindi, > 0 h = h() tale che
(4) d(x
k
, x
h
) < h > k > h
o, in altre parole, > 0 riusciamo sempre a trovare il pi` u piccolo h (perche
d(x
1
, x
0
)
1

k

k
0) per cui
d(x
h
, x
h
)
d(x
1
, x
0
)
1

h
<
e di conseguenza prendendo qualsiasi h > k > h, si verica la (4).
Avendo provato la (1), proviamo che x `e un punto sso di T per completare la
dimostrazione. Da (1) segue che anche la successione (x
h+1
)
h
`e convergente a x X,
poiche `e una successione estratta da (x
h
)
h
. Inoltre, poiche T `e lipschitziana con costante
di Lipschitz < 1 e ogni funzione lipschitziana `e continua, T `e continua. Daltra parte,
dalla () segue che (utilizzando la continuit`a di T):
x
h+1
= T(x
h
)

x = T(x)

Con lidea di applicare il Teorema del punto sso allo spazio di funzioni C
0
([a, b]),
consideriamo il seguente lemma.
Lemma 4.1.1.
(i) Sia f C
0
([a, b]) con a, b R, a < b, e deniamo
[[f[[

max
x[a, b]
[f(x)[ [0, +)
(esiste per il teorema di Weierstrass). Allora [[[[

`e una norma in C
0
([a, b]).
(ii) Siano f, g C
0
([a, b]). Deniamo
d(f, g) [[f g[[

Allora
_
C
0
([a, b]), d
_
`e uno spazio metrico completo.
84
4.1 Cenni sugli spazi metrici
Dimostrazione:
(i) Le propriet`a
(N1) [[f[[

= 0 f 0 su [a, b]
(N2) [[f[[

= [[ [[f[[

f, g C
0
([a, b])
sono banali. La propriet`a
(N3) [[f +g[[

[[f[[

+[[g[[

f, g C
0
([a, b])
discende dalla disuguaglianza triangolare per la norma [ [ in R.
(ii) Dobbiamo provare che, data (f
h
)
h

_
C
0
([a, b]), d

_
successione di Cauchy,
esiste f C
0
([a, b]) tale che
lim
h
d

(f
h
, f) lim
h
[[f
h
f[[

= 0
Per ipotesi (f
h
)
h
`e di Cauchy, cio`e > 0 h = h() N tale che
(1) [[f
h
f
k
[[

< k > h > h


Dalla (1) e dalla denizione di norma a , segue che > 0 h = h() N
tale che
(2) [f
h
(t) f
k
(t)[ < k > h > h, t [a, b]
(3)
Fissiamo t [a, b] e consideriamo la successione (f
h
(t))
h
(R, [ [). Dalla
(2) discende che (f
h
(t))
h
`e una successione di Cauchy in (R, [ [), che sappia-
mo essere uno spazio metrico completo. Dunque (poiche ogni successione di
Cauchy `e convergente in uno spazio metrico completo),
lim
h
f
h
(t) f(t) (in R)
Abbiamo quindi costruito una funzione f : [a, b] R tale che
f(t) lim
h
f
h
(t) (in R)
Per concludere, basta provare che
(3)
Dalla denizione otteniamo in realt` a che max
t[a, b]
|f
h
(t) f
k
(t)| < . Ma se tale propriet` a vale per il
massimo, allora vale anche per ogni t.
85
4. INTRODUZIONE ALLE ODES (E SISTEMI DI ODES) NON
LINEARI
(3) f C
0
([a, b])
(4) [[f
h
f[[


h
0
Fissiamo h nella (2) e facciamo tendere k , ottenendo che > 0 h =
h() N tale che
(5) [f
h
(t) f(t)[ h > h, t [a, b]
In altre parole, f `e uniformemente
(4)
vicina ad una funzione f
h
continua per
ipotesi. Proviamo ora che, ssato t
0
[a, b], f `e continua in t
0
, cio`e
lim
tt
0
f(t) = f(t
0
)
Fissati t, t
0
[a, b], h N vale che
(6) [f(t) f(t
0
)[ =

_
f(t) f
h
(t)
_
+
_
f
h
(t) f
h
(t
0
)
_
+
_
f
h
(t
0
) f(t
0
)
_

[f(t) f
h
(t)[ +[f
h
(t) f
h
(t
0
)[ +[f
h
(t
0
) f(t
0
)[
Dalla (5) e dalla (6) segue che, ssato > 0, h = h() tale che
(7) [f(t) f(t
0
)[ 2 +[f
h
(t) f
h
(t
0
)[ h > h, t, t
0
[a, b]
Scegliendo h

= h+1, dalla continuit`a di f


h
in t
0
segue che, > 0,
0
> 0
tale che
(8) [f
h
(t) f
h
(t
0
)[ < t (t
0

0
, t
0
+
0
) [a, b]
Da (7) + (8), concludiamo che t
0
[a, b], > 0
0
=
0
(, t
0
) > 0 tale
che
[f(t) f(t
0
)[ 3 t (t
0

0
, t
0
+
0
) [a, b]
def

lim
tt
0
f(t) = f(t
0
)
(4)
Nel senso che h non dipende da t.
86
4.2 ODEs
La propriet`a (4) segue banalmente dalla (5).

Osservazione 4.1.1. In
_
C
0
([a, b]), d
_
fallisce la propriet`a che, data (f
h
)
h
una suc-
cessione limitata, esiste una sua sottosuccessione convergente (teorema di Bolzano-
Weierstrass).
4.2 ODEs
Esempio (II Legge della Dinamica di Newton). La II Legge della Dinamica `e spesso
espressa nella forma
(IILN) F = ma
Tuttavia, `e possibile anche una sua formalizzazione tramite le ODEs
(5)
:
x = x(t) =
..
x =

2
x
t
2
= F(t, x,
.
x) = m
..
x
In R
3
, x(t) = (x
1
(t), x
1
(t), x
3
(t)) descrive il vettore posizione di un punto materiale di
massa m, mentre F : R
3
R
3
`e la forza applicata al punto stesso. Se ad un certo
istante t
0
x(t
0
) = P
0
, qual`e lespressione di x(t) (t > t
0
)?
In tal caso, (IILN) `e equivalente al sistema di 3 ODEs in 3 incognite
_

_
m
..
x
1
= F
1
(t, x,
.
x)
m
..
x
2
= F
2
(t, x,
.
x)
m
..
x
3
= F
3
(t, x,
.
x)
Restringiamoci, per il momento, allo studio di unequazione dierenziale ordinaria
di ordine n in forma normale, cio`e
(E) x
(n)
= f
_
t, x, x

, . . . , x
n1
_
dove f : A R
n+1
R continua, A aperto, x : I R, I intervallo di R.
(5)
ODE(s) = Ordinary Dierential Equation(s), abbreviate anche EDO in italiano (Equazioni
Dierenziali Ordinarie)
87
4. INTRODUZIONE ALLE ODES (E SISTEMI DI ODES) NON
LINEARI
Esempio (Equazione del pendolo). Lequazione del pendolo semplice `e unequazione
del secondo ordine non lineare, nella forma
..
=
2
sin()
La sua soluzione - ovviamente - non `e banale a causa della non linearit`a.
Denizione 4.2.1 (di soluzione di (E)). Si chiama soluzione di (E) una funzione
x = x(t) C
n
(I) dove I R `e un intervallo tale che
(S
1
)
_
t, x(t), x

(t), . . . , x
n1
(t)
_
A t I
(S
2
) x
(n)
(t) = f
_
t, x(t), x

(t), . . . , x
n1
(t)
_
t I
Una soluzione di (E) si dice anche curva integrale di (E).
Problema: determinare lintegrale generale di (E), cio`e linsieme delle soluzioni di (E).
4.2.1 Caso n = 1
Restringiamoci per il momento alle ODEs del I ordine, ossia consideriamo il caso n = 1.
Lequazione (E) si riduce a
(E) x

= f (t, x)
Denizione 4.2.2 (di soluzione di (E) per n = 1). Si chiama soluzione di (E) una
funzione x = x(t) C
1
(I) dove I R `e un intervallo tale che
(S
1
) (t, x(t)) A t I
(S
2
) x

(t) = f (t, x(t)) A t I


Una soluzione di (E) si dice anche curva integrale di (E).
Abbiamo gi`a considerato il caso in cui lequazione (E) `e lineare, cio`e
f(t, x) = a(t) x +b(t)
dove a, b C
0
(I) assegnati, I R ssato. a, b sono anche detti coecienti dellequa-
zione. In tal caso, vale il seguente teorema.
88
4.2 ODEs
Teorema 4.2.1. Siano a, b C
0
(I) assegnati su un ssato intervallo I R, e siano
t
0
I, x
0
R tali che (t
0
, x
0
) A. Il Problema di Cauchy (o problema ai valori
iniziali) `e della forma
(PC)
_
_
_
x

= f(t, x) (equazione dierenziale)


x(t
0
) = x
0
(condizione iniziale)
dove f(t, x) = a(t) x +b(t). Allora x : I R `e soluzione di (PC) se e solo se
x(t) = (t) (x
0
+(t)) , t I
dove
(t) e

t
t
0
a(s)ds
(t)
_
t
t
0
b(s)
(s)
ds
Osservazione 4.2.1 (importante). Le soluzioni di (PC) soddisfano le seguenti pro-
priet`a:
(i) assegnati i coecienti a, b ed i dati iniziali, vi `e un unica soluzione globale di
(PC), cio`e la soluzione x : A R `e denita dove sono deniti i coecienti
a, b;
(ii) la soluzione di (PC) pu`o essere rappresentata in modo esplicito rispetto ai
coecienti e ai dati iniziali.
Consideriamo ora il caso pi` u generale
(PC)
_
x

= f(t, x) (equazione (E))


x(t
0
) = x
0
(condizione iniziale (CI))
dove f `e una funzione C
1
generica. La soluzione di (PC) esiste? E se esiste, `e unica
come nel caso lineare?
Per rispondere, enunciamo il seguente (fondamentale) teorema.
Teorema 4.2.2 (di esistenza ed unicit`a locale di (PC), Cauchy - Lipschitz). Siano
A R
2
aperto, f C
1
(A) e (t
0
, x
0
) A assegnato. Allora esiste ununica soluzione
di (PC) denita su un intervallo (t
0

0
, t
0
+
0
)
x : (t
0

0
, t
0
+
0
) R (
0
R)
89
4. INTRODUZIONE ALLE ODES (E SISTEMI DI ODES) NON
LINEARI
Dimostrazione: Dividiamo la dimostrazione del teorema in tre passi.
Passo 1. Sia > 0 (arbitrario). Allora
x : [t
0
, t
0
+] R `e soluzione di (PC)

_
x C
0
([t
0

0
, t
0
+
0
])
G
x
A
(6)
(EqInt) x(t) = x
0
+
_
t
t
0
f(s, x(s))ds t [t
0
, t
0
+]
Dimostrazione:
() Sia x : [t
0
, t
0
+] R soluzione di (PC). Per denizione,
x C
1
([t
0
, t
0
+]) C
0
([t
0
, t
0
+])
G
x
A
Inoltre, sempre per denizione,
(E) x

(s) = f(s, x(s)) s [t


0
, t
0
+]
Integrando lequazione (E) su [t
0
, t], t [t
0
, t
0
+], otteniamo che:
_
t
t
0
x

(s)ds =
_
t
t
0
f(s, x(s))ds
=
x(t) x(t
0
)
(CI)
=
x(t) x
0
cio`e
x(t) = x
0
+
_
t
t
0
f(s, x(s))ds
() Sia x C
0
([t
0
, t
0
+]) e supponiamo che
G
x
A
(6)
Ricordiamo che con la notazione G
x
indichiamo il graco di x.
90
4.2 ODEs
e
x(t) = x
0
+
_
t
t
0
f(s, x(s))ds t [t
0
, t
0
+]
La propriet`a G
x
A, dunque, `e gratis. Anche la (CI) `e banale, poiche
sostituendo t
0
a t, otteniamo
x(t
0
) = x
0
+
$
$
$
$
$
$
$
$
$X0
_
t
0
t
0
f(s, x(s))ds = x
0
Osserviamo che la funzione
[t
0
, t
0
+] s f(s, x(s))
`e continua (perche composizione di funzioni continue). Per il teorema
fondamentale del calcolo, quindi,
x C
1
([t
0
, t
0
+]) e vale (E)

Passo 2. Esistono
1
,
1
> 0 tali che
() R = [t
0

1
, t
0
+
1
] [x
0

1
, x
0
+
1
] A
e L > 0 costante di Lipschitz tale che
[f(t, u) f(t, v)[ L[u v[
_
t [t
0

1
, t
0
+
1
]
u, v [x
0

1
, x
0
+
1
]
Dimostrazione: Essendo A aperto e (t
0
, x
0
) A, esistono
1
,
1
> 0
tali che valga (). Fissando (o congelando) t [t
0

1
, t
0
+
1
], la f
diventa funzione di una sola variabile. Quindi, se u, v [x
0

1
, x
0
+
1
],
vale il teorema del valor medio di Lagrange (in una variabile), cio`e
[f(t, u) f(t, v)[ =
_
f
x
(t, z)
_
(u v)
per un opportuno z compreso tra u e v. Inoltre, possiamo scrivere che
[f(t, u) f(t, v)[ =
_
f
x
(t, z)
_
(u v) max
R

f
x

[u v[
91
4. INTRODUZIONE ALLE ODES (E SISTEMI DI ODES) NON
LINEARI
t [t
0

1
, t
0
+
1
], u, v [x
0

1
, x
0
+
1
]. Denendo
L max
R

f
x

segue la tesi.

Passo 3. Proviamo che, se 0 <


0
< min
_

1
,

1
M
,
1
L
_
con M max
R
[f[, allora
esiste ununica soluzione x : (t
0

0
, t
0
+
0
) R soluzione di (PC).
Dimostrazione: Deniamo
I
0
[t
0

0
, t
0
+
0
] e X
_
x C
0
(I
0
) : [[x x
0
[[


1
_
Ricordiamo che, per denizione, se x C
0
(I
0
),
[[x x
0
[[

max
tI
0
[x(t) x
0
[
Osserviamo inoltre che
x X G
x
R
Notando che
X
_
C
0
(I
0
), d

_
`e un insieme chiuso (per costruzione), proviamo che (X, d

) `e uno spazio
metrico completo. Infatti, sia (x
h
)
h
(X, d

) una successione di Cauchy.


In particolare, (x
h
)
h
`e una successione di Cauchy in
_
C
0
(I
0
), d

_
. Dal
lemma 4.1.1, segue che x C
0
(I
0
) tale che
lim
h
d

(x
h
, x) = 0
Essendo X chiuso in
_
C
0
(I
0
), d

_
, x X. Deniamo lapplicazione
X y T(y)(t) x
0
+
_
t
t
0
f(s, y(s))ds, t I
0
Proviamo che:
92
4.2 ODEs
(1) T : X X
(2) T `e una contrazione, cio`e (0, 1) tale che
d

(T(y), T(z)) d

(y, z) y, z X
Proviamo (1). Sia y X; vale
[T(y)(t) x
0
[ =

x
0
+
_
t
t
0
f(s, y(s))ds

x
0

(7)

_
t
t
0
[f(s, y(s))[ ds

Come osservato prima, poiche y X C


0
(I
0
), vale che
y X G
y
R
Quindi, possiamo scrivere

_
t
t
0
[f(s, y(s))[ ds

M[t t
0
[ M
0

1
Dunque, vale che
[[T(y) x
0
[[


1
ossia, per denizione di X, T(y) X. Da ci`o segue la tesi.
Proviamo (2), cio`e che (0, 1) tale che
d

(T(y), T(z)) d

(y, z) y, z X
Fissiamo y, z X. Allora
[T(y)(t) T(z)(t)[ =

x
0
+
_
t
t
0
f(s, y(s))ds

x
0

_
t
t
0
f(s, z(s))ds

=
=

_
t
t
0
_
f(s, y(s)) f(s, z(s))
_
ds

_
t
t
0

f(s, y(s)) f(s, z(s))

ds

Passo 2

_
t
t
0

L (y(s) z(s))

ds

(8)

L [t t
0
[ d

(y, z) L
0
d

(y, z)
(7)
Sia f una funzione di x. Denendo f
+
= max{f, 0} 0 e f

= min{f, 0} 0, abbiamo che


f = f
+
f

e |f| = f
+
+ f

. Se f `e integrabile, allora (applicando la disuguaglianza triangolare):

f(x)dx

f
+
(x)dx

(x)dx

f
+
(x)dx

(x)dx

f
+
(x)dx +

(x)dx =


f
+
(x) + f

(x)

dx =

|f(x)| dx
93
4. INTRODUZIONE ALLE ODES (E SISTEMI DI ODES) NON
LINEARI
Per ipotesi, abbiamo che 0 < L
0
< 1, quindi deniamo
L
0
da cui segue la tesi. Da (1) + (2), applicando il teorema del punto sso,
! x X tale che
T(x) = x
def
x C
0
(I
0
) tale che
_

_
G
x
R
x
0
+
_
t
t
0
f(s, x(s))ds = x(t)
t I
0
. Dal Passo 1 segue la tesi.

Osservazione 4.2.2 (importante). Abbiamo provato lesistenza e lunicit`a (locale) di


(PC) nellipotesi che f C
1
(A)! Se f fosse soltanto C
0
, troveremmo invece uninnit`a
di soluzioni!
Dalla dimostrazione, per`o, si evince che vi `e ancora lesistenza ed unicit`a locale di
(PC) sotto le seguenti ipotesi:
(i) R = [t
0

1
, t
0
+
1
] [x
0

1
, x
0
+
1
] A e L > 0 tale che
[f(t, u) f(t, v)[ L [u v[
_
_
_
t [t
0

1
, t
0
+
1
]
u, v [x
0

1
, x
0
+
1
]
(ii) f C
0
(R)
ossia f `e lipschitziana.
Esempio.
(PC)
_
_
_
x

= [x[
x(t
0
) = x
0
Lequazione non `e lineare e [x[ / C
1
. Ma [x[ `e lipschitziana, quindi vale ancora il
teorema di esistenza ed unicit` a locale di (PC).
(8)
|y(s) z(s)| d

(y, z) max
X
|y(s) z(s)|
94
4.2 ODEs
Osservazione 4.2.3.
(i) Il teorema aerma lesistenza e lunicit`a di (PC) in un intervallo centrato
in t
0
senza precisare lampiezza di
0
. In questo senso parliamo di soluzione
locale di (PC).
(ii) Si pu`o provare che, anche se
A R
2
, f C
1
(R
2
)
pu`o accadere che la soluzione x non sia denita su tutto R (Ex. 6, Foglio 7).
Inoltre, i dati iniziali inuenzano il tempo di vita di x.
Esempio.
(PC)
_
_
_
x

= x
2
x(0) = x
0
(x
0
R)
x
0
= 0
La soluzione `e banalmente x(t) = 0.
x
0
,= 0
Il problema - in questo caso - si pu`o risolvere col metodo delle variabili separate.
Possiamo infatti vederlo nella forma
(PC)
_
_
_
x

= g(t) f(x)
x(0) = x
0
dove g(t) = 1 e f(x) = x
2
. Separiamo le variabili e integriamo membro a membro,
osservando che, poiche x = x(t) dx = x

dt:
x

f(x)
= g(t) =
_
t
0
x

f(x)
dt =
_
t
0
g(t)dt =
_
x(t)
x
0
dx
f(x)
=
_
t
0
g(t)dt
da cui otteniamo

1
x(t)
+
1
x
0
= t
Risolvendo per x, abbiamo inne
x(t) =
x
0
1 x
0
t
95
4. INTRODUZIONE ALLE ODES (E SISTEMI DI ODES) NON
LINEARI
Esempio (Equazione di Riccati).
(PC)
_
_
_
x

(t) = x
2
+t
2
x(0) = x
0
(x
0
R)
In questo caso, siamo solo in grado di dire (grazie al Teorema di esistenza ed unicit`a
locale) che esiste localmente ununica soluzione di (PC).
Osservazione 4.2.4 (Esercizio 3, Foglio 7). Siano A R
4
, f C
1
(A), x
i
: (a, b)
R (i = 1, . . . , k) soluzioni di (E). Allora vale che
G
x
1
G
x
2
oppure G
x
1
= G
x
2
Teorema 4.2.3 (di esistenza ed unicit`a della soluzione massimale di (PC)). Nelle stesse
ipotesi del Teorema di esistenza ed unicit`a locale di (PC), esiste ununica soluzione
massimale di (PC), ossia esiste ununica x
max
tale che:
(M
1
) I
max
`e un intervallo aperto e x
max
: I
max
R `e soluzione di (PC).
(M
2
) Se v : I R con I intervallo di R `e una qualunque soluzione di (PC), allora
I I
max
e v(t) = x
max
(t) t I.
Dimostrazione: Denoteremo con M linsieme di tutte le soluzioni di (PC) denite
su intervalli aperti. Pi` u precisamente,
v M
def
v : I
v
= (a
v
, b
v
) R `e soluzione di (PC)
dove < a
v
< b
v
< +. Grazie al Teorema di esistenza ed unicit`a locale di (PC),
sappiamo che M ,= . Dallosservazione precedente segue che, se v, w M,
(1) se I
v
I
w
,= = v(t) = w(t) t I
v
I
w
Deniamo
a infa
v
: v M [, +)
b supb
v
: v M (, +]
Deniamo I
max
(a, b). t I
max
ssato, esiste per costruzione v M tale che
t I
v
= (a
v
, b
v
). Deniamo quindi
x
max
(t) v(t) t I
max
96
4.2 ODEs
notando che, per la (1), x
max
: I
max
R `e ben denita
(9)
.
Proviamo che vale (M
1
). Per costruzione, I
max
`e aperto e (t, v(t)) = (t, x
max
(t))
A t I
max
. Inoltre, se t I
v
, x

max
(t) = v

(t) = f(t, v(t)) = f(t, x


max
(t)). Quindi,
x
max
`e banalmente soluzione di (PC).
Proviamo che vale (M
2
). Sia v : I R una soluzione di (PC) con I R intervallo
di estremi , . Per costruzione, I = (, ) (a, b) = I
max
. Per concludere, basta
provare che
(2) , a, b =
Supponiamo per assurdo che b = . Allora, per denizione, (, v()) A. Consideria-
mo il problema di Cauchy
(PC

)
_
x

= f(t, x)
x() = x

Per il teorema di esistenza e unicit`a locale di (PC), esiste un


0
> 0 e ununica soluzione
v

: (
0
, +
0
) R di (PC

). Deniamo v

: (, +
0
) R tale che
v

=
_
v(t) < t
v

(t) < t < +


0
Allora v

`e una soluzione di (PC) denita su un intervallo aperto, ma v

/ M. Poiche
per costruzione M `e linsieme di tutte le soluzioni di (PC) denite su intervalli aperti,
siamo giunti ad un assurdo. Quindi vale (M
2
).

Esempio. Riprendiamo lesempio precedente


(PC)
_
_
_
x

= x
2
x(0) = x
0
(9)
Se t appartiene anche a I
w
, dove w M qualunque, per la (1) v(t) = w(t), e quindi il valore di
x
max
(t) non dipende dalla funzione v scelta.
97
4. INTRODUZIONE ALLE ODES (E SISTEMI DI ODES) NON
LINEARI
Avevamo gi`a calcolato la soluzione al variare della condizione iniziale. Vediamo ora
come varia lintervallo aperto I sul quale `e denita la soluzione al variare di x
0
(10)
:
I =
_

_
R x
0
= 0, x(t) = 0 t R
_
,
1
x
0
_
x
0
> 0, x(t) =
x
0
1 tx
0
_
1
x
0
, +
_
x
0
< 0, x(t) =
x
0
1 tx
0
Chiaramente, in questo caso, I
max
= R e di conseguenza x
max
= 0.
4.3 Sistemi di ODEs del primo ordine e ODEs di ordine
n
Sia A R
n+1
aperto, e consideriamo f
i
: A R continua (i = 1, . . . , n):
(SE)
_

_
x

1
= f
1
(t, x
1
, x
2
, . . . , x
n
)
x

2
= f
2
(t, x
1
, x
2
, . . . , x
n
)
.
.
.
x

n
= f
n
(t, x
1
, x
2
, . . . , x
n
)
dove (x
1
, x
2
, . . . , x
n
) sono le (funzioni) incognite del sistema.
Denizione 4.3.1. Si chiama soluzione di (SE) una famiglia di n funzioni
x
i
: I R (i = 1, . . . , n)
con I R intervallo tale che
(i) x
i
`e derivabile i = 1, . . . , n
(ii) (t, x
1
(t), . . . , x
n
(t)) A t I
(iii)
_

_
x

1
(t) = f
1
(t, x
1
(t), x
2
(t), . . . , x
n
(t))
x

2
(t) = f
2
(t, x
1
(t), x
2
(t), . . . , x
n
(t))
.
.
.
x

n
(t) = f
n
(t, x
1
(t), x
2
(t), . . . , x
n
(t))
t I
(10)
Se denissimo I =

,
1
x
0

per x
0
< 0 e

1
x
0
, +

per x
0
> 0, escluderemmo dal dominio il
valore t = 0, ossia la nostra condizione iniziale.
98
4.3 Sistemi di ODEs del primo ordine e ODEs di ordine n
Se prendiamo X(t) = (x
1
(t), x
2
(t), . . . , x
n
(t)), X : I R
n
, allora
(SE) F(t, X) = (f
1
(t, X), . . . , f
n
(t, X))

= F(t, X)
Dunque F : A R
n+1
R
n
e il sistema (SE) di n ODEs di trasforma nellequazione
(SE

) X

= F(t, X)
Fissato X
0
= (x
0
1
, . . . , x
0
n
) R
n
e preso t
0
R tale che (t
0
, X
0
) A, possiamo
considerare il problema di Cauchy per un sistema di ODEs del primo ordine:
(PCS)
_
X

= F(t, X) (SE)
X(t
0
) = X
0
(CI)
Vale allora il seguente teorema.
Teorema 4.3.1 (di esistenza ed unicit`a locale per sistemi di ODEs del primo ordine).
Siano A R
n+1
un aperto, (t
0
, X
0
) A ssato, e F C
1
(A; R
n
). Allora esiste un
intervallo (t
0

0
, t
0
+
0
) in cui `e denita ununica soluzione (o curva integrale di F)
di (PCS).
Dimostrazione: (Si veda [Giu]).

Ritorniamo ad una ODE di ordine n, in forma normale:


(E) x
(n)
= f(t, x, x

, x

, . . . , x
n1
)
dove f : A R
n+1
R continua. Consideriamo il problema di Cauchy per (E):
(PCE)
_
x
(n)
= f(t, x, x

, x

, . . . , x
n1
) (E)
x(t
0
) = x
0
1
, x

(t
0
) = x
0
2
, . . . , x
(n1)
(t
0
) = x
0
n
(CI)
dove (t
0
, x
0
1
, . . . , x
0
n
) A ssato. Vale il seguente corollario.
99
4. INTRODUZIONE ALLE ODES (E SISTEMI DI ODES) NON
LINEARI
Corollario 4.3.1 (del teorema di esistenza e unicit`a locale per una ODE di ordine n in
forma normale). Siano A R
n+1
un aperto, (t
0
, X
0
) A ssato, e f C
1
(A). Allora
esiste un intervallo (t
0

0
, t
0
+
0
) sul quale `e denita ununica soluzione di (PCE).
Dimostrazione: Consideriamo F : A R
n
denita nel modo seguente:
X = (x
1
, . . . , x
n
)
() F(t, X) =
_
x
2
, x
3
, . . . , x
n
, f(t, X)
_
Osserviamo che:
(i) se x : I R `e una soluzione di (PCE) allora, per la (E) e le (CI) di (PCE),
la curva integrale
X(t) =
_
x(t), x

(t), x

(t), . . . , x
(n1)
(t)
_
, t I
`e una soluzione di (PCS) con F denita da ();
(ii) se X : I R
n
`e una soluzione di (PCS) con F data da (), e X(t) =
_
x
1
(t), . . . , x
n
(t)
_
`e una soluzione di (PCS), allora
x x
1
: I R
`e una soluzione di (PCE).
Dalle osservazioni e dal teorema di esistenza ed unicit`a locale per sistemi di ODEs del
primo ordine, segue la tesi.

Osservazione 4.3.1. Ragionando come nel caso di una ODE del primo ordine, si pu`o
provare un teorema di esistenza ed unicit`a della soluzione massimale di (PCS). In
particolare, si ottiene un teorema di esistenza ed unicit`a della soluzione massimale di
(PCE).
100
4.3 Sistemi di ODEs del primo ordine e ODEs di ordine n
4.3.1 Sistemi di ODEs (del primo ordine) autonomi
Lo spunto sico e il lo conduttore del nostro discorso sar`a da qui in poi lequazione
del pendolo semplice
(EP) x

+
2
sin(x) = 0
_

2
=
g
l
_
di cui vogliamo studiare il problema di Cauchy associato:
(PCEP)
_

_
x

+
2
sin(x) = 0 (EP)
x(t
0
) = x
1
x

(t
0
) = x
2
Osserviamo subito che non esiste un integrale esplicito di (PCEP). Pertanto,
siamo interessati ad uno studio qualitativo globale della soluzione di (PCEP). In base
alla teoria introdotta sulle ODEs possiamo aermare che, comunque dati x
1
, x
2

R, x
max
: I
max
R soluzione di (PCEP).
Problema: tracciare un graco qualitativo di x
max
.
Abbiamo gi`a visto che (PCEP) pu`o essere trasformato in un sistema di ODEs del
primo ordine denotando con y x

, e ottenendo di conseguenza
(SP)
_
x

= y
y

=
2
sin(x)
Con la stessa notazione usata nora, possiamo denire
F(x, y) (y,
2
sin(x))
per scrivere (SP) come
(SP) (x, y)

= F(x, y)
Notiamo che (SP) non dipende dalla variabile t, come era accaduto nora con gli
altri sistemi. In tale senso, si dice autonomo. Pi` u precisamente, diamo la seguente
denizione.
Denizione 4.3.2.
(i) Una ODE di ordine n in forma normale si dice autonoma se `e della forma
101
4. INTRODUZIONE ALLE ODES (E SISTEMI DI ODES) NON
LINEARI
(E) x
(n)
= f(x, x

, . . . , x
(n1)
)
dove f : A R
n
R.
(ii) Un sistema di ODEs (in forma normale) del primo ordine si dice autonomo
se `e della forma
(S) X

= F(X)
dove X = (x
1
, . . . , x
n
) e F : A R
n
R
n
, cio`e F non dipende da t.
Ci limiteremo a trattare nel seguito sistemi di ODEs con n = 1, 2, cio`e
(n = 1)
(E) x

= f(x)
(n = 2)
(S)
_
x

= f(x, y)
y

= g(x, y)
dove f, g : A R
2
R assegnate
Osserviamo che, nel caso n = 2, una soluzione di (S) `e una curva X : I R
2
, con
I R intervallo.
Nel caso del pendolo, abbiamo
(S) = (SP)
_
x

= y = f(x, y)
y

=
2
sin(x) = g(x, y)
Osservazione 4.3.2 (Propriet`a di un sistema autonomo - Esercizio 9, Foglio 7).
(1) Se X = (x, y) : R R
2
`e una soluzione di (S), allora anche la curva X
c
:
R R
2
(con c costante ssata) denita
X
c
(t) = (x(t +c), y(t +c))
`e ancora una soluzione di (S) (grazie allindipendenza da t!).
(2) Se (x
0
, y
0
) R
2
`e una soluzione del sistema algebrico
()
_
_
_
f(x, y) = 0
g(x, y) = 0
102
4.3 Sistemi di ODEs del primo ordine e ODEs di ordine n
allora la curva X : R R
2
denita
X(t) (x
0
, y
0
), t R
`e una soluzione di (S). Infatti, poiche x
0
e y
0
sono costanti, si ha banalmente
X

(t) = (x

(t), y

(t)) = (0, 0), e grazie a () anche F(X) = 0.


Denizione 4.3.3.
(i) Si chiama orbita o traiettoria del sistema (S) il sottoinsieme di R
2
tale che
= X(I)
dove X : I R
2
`e una soluzione di (S).
(ii) Le soluzioni del sistema algebrico () si chiamano punti critici o di equilibrio
del sistema (S). Le orbite del sistema (S) possono essere orientate pensando
di percorrerle nel verso crescente del tempo t.
Osservazione 4.3.3. Unorbita R
2
di una curva potrebbe essere rappresentata (o
indotta) da pi` u di una curva.
Esempio.
_
_
_
x

= y
y

= x
Lorbita = (x, y) R
2
: x
2
+ y
2
= 1 `e rappresentata (o indotta) da tutte le curve
X
c
: R R
2
del tipo
X
c
(t) = (x = sin(t +c), y = cos(t +c)) , t R
con c R costante ssata.
Corollario 4.3.2 (del teorema di esistenza e unicit`a locale di (PC)). Siano A R
2
aperto, f, g C
1
(A). Allora per ogni punto (x
0
, y
0
) A esiste (localmente, in un
intorno) ununica orbita A passante per il punto (x
0
, y
0
).
Dimostrazione:
`
E una immediata conseguenza del teorema di esistenza e unicit`a
locale di (PC) per sistemi di ODEs del primo ordine.

103
4. INTRODUZIONE ALLE ODES (E SISTEMI DI ODES) NON
LINEARI
4.3.1.1 Interpretazione cinematica
Il sistema (S) si pu`o anche interpretare da un punto di vista cinematico.
Nel piano xy, consideriamo il campo di vettori di componenti f(x, y) e g(x, y). Il
sistema (S) descrive il moto di una particella di posizione (x, y) e velocit`a (x

, y

), data
in ogni punto da (f(x, y), g(x, y)). Le orbite di (S) sono le traiettorie descritte dalla
particella, e i punti critici sono i punti di equilibrio (in cui il campo `e nullo!).
15 10 5 0 5 10 15
15
10
5
0
5
10
15
Figura 4.1: Campo di direzioni dato da (SP) con
2
= 1.
Il piano xy `e detto anche piano delle fasi. Nel caso (SP), `e facile vedere che i punti
di equilibrio (o punti critici) sono dati da
(k, 0), k = 0, 1, 2, . . .
Pertanto la funzione x : R R denita da
x(t) k, t R, k ssato in Z
`e una soluzione di (EP).
Osservazione 4.3.4. Pu`o accadere che due soluzioni si incrocino nel piano xt, perche
non `e detto che abbiano la stessa velocit`a (hanno derivata prima di x dierente).
104
4.3 Sistemi di ODEs del primo ordine e ODEs di ordine n
t
x
0
x
3
=
x
1
=
x
2
SI
Non pu`o invece accadere (per il teorema di esistenza e unicit`a) che due soluzioni si
incontrino in un t nito nel piano delle fasi! A parit`a di soluzioni, avremmo la stessa
velocit`a! Possono invece toccarsi in un tempo t innito.
t
x
0
x
3
=
x
1
=
x
2
x
12
x
23
x
y
x
1
x
2
x
3
x
12 x
23
NO!
4.3.1.2 Integrali primi di (S)
Denizione 4.3.4. Dati A R
2
aperto e f, g C
1
(A), una funzione U C
1
(A) si
dice integrale primo di (S) nella regione A se
(i) U(x, y) ,= (0, 0) (x, y) A (x, y) A : f(x, y) = g(x, y) = 0
105
4. INTRODUZIONE ALLE ODES (E SISTEMI DI ODES) NON
LINEARI
(ii) Per ogni curva integrale X : I R
2
di (S), con I R intervallo, vale
U(X(t)) = U(x(t), y(t)) = costante
Se in un sistema sico lenergia si conserva, allora U ha proprio il signicato di
energia. Le curve di livello
c
= (x, y) A : U(x, y) = c dove c R costante ssata,
si chiamano anche curve integrali di (S).
Osservazione 4.3.5 (Esercizio 9e, Foglio 7). Siano A R
2
aperto, f, g C
1
(A), e
U C
1
(A) tale che U ,= (0, 0) (x, y) A(x, y) A : f(x, y) = g(x, y) = 0.
Allora
U `e un integrale primo di (S)

f(P
0
)
U
x
(P
0
) +g(P
0
)
U
y
(P
0
) = 0 P
0
A
Tale relazione `e facilmente ricavabile osservando che, se U ,= (0, 0), la condizione
che denisce un integrale primo `e
(IP) U(x(t), y(t)) = costante
Dierenziando (IP) abbiamo
x

(t
0
)
U
x
(P
0
) +y

(t
0
)
U
y
(P
0
) = 0
e, usando (S),
f(P
0
)
U
x
(P
0
) +g(P
0
)
U
y
(P
0
) = 0
Questa relazione pu`o anche essere vista nella forma
F(P
0
) U(P
0
) = 0
che appare pi` u intuitiva utilizzando linterpretazione cinematica. Lorbita della par-
ticella `e un vincolo dato da U, e quindi dal teorema delle funzioni implicite di Dini
sappiamo che U `e perpendicolare allorbita. Poiche F, daltro canto, `e tangente al-
lorbita (rappresenta la velocit`a!), U e F sono perpendicolari, ossia il loro prodotto
scalare `e nullo.
106
4.3 Sistemi di ODEs del primo ordine e ODEs di ordine n
Teorema 4.3.2. Sia A R
2
e sia U C
1
(A) un integrale primo di (S). Allora
(i) unorbita A di (S) `e contenuta in
c
per unopportuna costante c R;
(ii) linsieme delle curve di livello di U (cio`e la famiglia
c
= (x, y) A :
U(x, y) = c al variare di c R) `e costituito da un unione (disgiunta) di
orbite di (S).
Dimostrazione:
(i) Sia A unorbita di (S) passante per il punto (x
0
, y
0
), cio`e = X(I)
dove X : I R
2
`e una soluzione di (S) e I R un intervallo. Fissando U
integrale primo di (S), per denizione vale che
U(X(t)) = U(X(t
0
)) = U(x
0
, y
0
) c, t I
Quindi
c
.
(ii) Sia c R e
c
,= una curva di livello di U. Deniamo

c
=
c
: `e unorbita di (S)
Dobbiamo provare che

c
=
_

`
E banale provare che

c

c
(gi`a provato al punto (i)). Proviamo
quindi che
c

c
. Per il teorema di esistenza e unicit`a locale di (PC),
otteniamo che (x
0
, y
0
)
c
, esiste ed `e unica unorbita
c
tale che
(x
0
, y
0
) . Lunicit`a ci assicura che lunione sia disgiunta.

Ritorniamo al problema di Cauchy da cui siamo partiti


(PCEP)
_

_
x

+
2
sin(x) = 0 (EP)
x(t
0
) = x
0
1
x

(t
0
) = x
0
2
(CI)
107
4. INTRODUZIONE ALLE ODES (E SISTEMI DI ODES) NON
LINEARI
e al suo sistema associato
(SP)
_
x

= y
y

=
2
sin(x)
_
x(t
0
) = x
0
1
y(t
0
) = x
0
2
_
Con lintento di calcolare lintegrale primo di (SP) o, equivalentemente, di (EP), mol-
tiplichiamo ambo i membri di (EP) per la quantit`a ml
2
x

ottenendo:
(11)
ml
2
x

+ml
e
2
x

g
g
l
sin(x) =
[
=
d
dt
_
1
2
ml
2
(x

)
2
_
mlg
d
dt
(cos(x))
[
=
d
dt
_
1
2
m(lx

)
2
mgl cos(x)
_
= 0
Denendo le quantit`a energia potenziale ed energia cinetica rispettivamente con
E
p
mgl(1 cos(x)), E
c

1
2
m(lx

)
2
e ponendo
E E
p
+E
c
la nostra equazione si riduce a
dE
dt
= 0 = E = costante
Abbiamo appena ottenuto la ben nota legge di conservazione dellenergia. Utilizzando
le (CI), troviamo
()
1
2
m(lx

)
2
mgl cos(x) = c
1
=
1
2
m(lx
0
2
)
2
mgl cos(x
0
1
)
Dividendo () per ml
2
:
1
2
(x

)
2

2
cos(x) = c =
1
2
(x
0
2
)
2

2
cos(x
0
1
)
Possiamo quindi denire (ricordando che y = x

)
U(x, y) =
y
2
2

2
cos(x)
U `e un integrale primo di (SP). Studiamo ora le sue curve di livello nel piano delle fasi.
(11)
Ricordiamo che
2
=
g
l
108
4.3 Sistemi di ODEs del primo ordine e ODEs di ordine n
Siano A = R
2
,
c
= (x, y) R
2
:
y
2
2

2
cos(x) = c. Dalla condizione che
descrive
c
, abbiamo c
2
. Distinguiamo 4 casi.
Caso 1: c =
2
Da U, otteniamo
y
2
= 2
2
(1 +cos(x)) (x, y) = (2n, 0) n Z
Dunque
c
= (2n, 0) : n Z. Nel piano delle fasi:
x
y
(2, 0) (2, 0)
Caso 2:
2
< c <
2
Da U, otteniamo
y
2
= 2(c +
2
cos(x)) = c +
2
cos(x) 0 cos(x)
c

2
Ora, esistono x
1
, x
2
(, ) con < x
1
< 0 < x
1
< tali che
cos(x)
c

2
x
1
x x
2
109
4. INTRODUZIONE ALLE ODES (E SISTEMI DI ODES) NON
LINEARI
x
y


_
2(c +
2
)

_
2(c +
2
)
Caso 3: c =
2
Da U, otteniamo
y
2
= 2
2
(1 + cos(x))
c
= (x,

2
_
1 + cos(x)) : x R
Osserviamo che
((2n + 1), 0)
c
n Z
x
y


2
110
4.3 Sistemi di ODEs del primo ordine e ODEs di ordine n
Caso 4: c >
2
Da U, otteniamo
y
2
= 2
2
(c + cos(x)) = c +
2
cos(x) > 0 x R

c
= (x,

2
_
c +
2
cos(x)) : x R
x
y
_
2(c +
2
)

_
2(c +
2
)
Vediamo ora i possibili graci delle soluzioni nel piano tx per ogni caso.
Caso 1: c =
2
Le soluzioni sono della forma
x(t) = 2n n Z
In questo caso, abbiamo le cosiddette soluzioni di equilibrio:
111
4. INTRODUZIONE ALLE ODES (E SISTEMI DI ODES) NON
LINEARI
t
x
0
x = 2
x = 2
Caso 2:
2
< c <
2
La forma della soluzione `e nella gura sottostante. Ma, a questo punto, sorge spontanea
la domanda: la soluzione `e periodica? Cio`e, R ed esiste x
max
: R R soluzione
di (EP) tale che
x(t +) t R?
Si pu`o provare che, ssate le condizioni iniziali per cui
_
x

+
2
sin(x) = 0
x(t
0
) = x
0
1
, x

(t
0
) = x
0
2
allora I
max
R e x
max
`e periodica.
112
4.3 Sistemi di ODEs del primo ordine e ODEs di ordine n
t
x

x
1
x
2
Caso 3: c =
2
In questo caso, abbiamo soluzioni di equilibrio pi` u soluzioni che connettono stati di
equilibrio.
t
x

Caso 4: c >
2
Questo `e il caso delle cosiddette soluzioni vorticose, che hanno un andamento stretta-
mente crescente o decrescente, in quanto
x

=
_
2(c +
2
cos(x)) > 0
113
4. INTRODUZIONE ALLE ODES (E SISTEMI DI ODES) NON
LINEARI
t
x
Riprendiamo ora il caso 2, in cui ci eravamo chiesti se la soluzione trovata si potesse
estendere ad una soluzione periodica. Ricordiamo innanzitutto la denizione.
Denizione 4.3.5. Una soluzione X = (x, y) : R R
2
di (S) si dice periodica se
R tale che
X(t +) t R
La periodicit`a della soluzione del caso 2 ci `e garantita dal seguente teorema.
Teorema 4.3.3. Sia A R
2
aperto e sia U C
1
(A) un integrale primo di (S).
Deniamo, per un dato c > 0,

c
(x, y) R
2
: U(x, y) = c
e supponiamo che
(i)
c
`e una curva chiusa, regolare e semplice, cio`e, per denizione,
: [a, b] A di classe C
1
(A) e

(s) ,= (0, 0) s [a, b] (regolare)


(a) = (b) (chiusa)
: [a, b] A `e iniettiva (semplice)
(ii)
c
non contiene punti di equilibrio di (S)
Allora
c
`e unorbita periodica, cio`e, per denizione, esiste X : R R
2
soluzione di
(S) periodica e
c
= X(R).
114
Capitolo 5
Serie di Fourier
Le pagine successive sono direttamente a cura del professore. Mi sono solo limitato ad
includerle in questo documento.
Versione: 20130823-083351
115
BREVE INTRODUZIONE SULLE SERIE DI FOURIER (O SERIE
TRIGONOMETRICHE)
1. Serie di Fourier
Si chiama serie di Fourier una serie formale del tipo
(1)
a
0
2
+
+

n=1
(a
n
cos(nx) + b
n
sin(nx)) x R .
I numeri a
0
, a
n
, b
n
R , n N si chiamano i coecienti della serie.
Si chiama polinomio trigonometrico (di ordine n) una funzione P : R R del tipo
P(x) = a
0
+
n

k=1
(a
k
cos(kx) + b
k
sin(kx))
dove a
0
, a
k
, b
k
R, k = 1, . . . , n (a
n
b
n
= 0).
Problema 1. Studiare al variare di x R la convergenza di (1).
1.1. Periodicit`a. Se (1) converge per x = x
0
, allora converge in tutti i punti x
k
=
x
0
+2k , k Z , alla stessa somma; dunque, se deniamo A = {x R | (1) converge}
e f : A R ,
f(x) =
a
0
2
+

n=1
[a
n
cos(nx) + b
n
sin(nx)] x R ,
ne segue che f `e una funzione periodica di periodo 2 , cio`e
f(x) = f(x + 2) x A .
1.2. Una semplice condizione suciente per la convergenza. Una semplice
condizione suciente di convergenza per la (1) `e la seguente.
Proposizione 1.1. Sia data una serie di Fourier di tipo (1) e supponiamo che
+

n=1
(|a
n
| +|b
n
|) < + (come serie di numeri reali) .
Allora la (1) `e (assolutamente) convergente.
Dimostrazione. Dobbiamo studiare la convergenza della serie a termini non negativi
|a
0
|
2
+
+

n=1
|a
n
cos(nx) + b
n
sin(nx)| .
Osserviamo che
|a
n
cos(nx) + b
n
sin(nx)| |a
n
cos(nx)| +|b
n
sin(nx)| |a
n
| +|b
n
| x R .
Dallipotesi segue che la serie converge assolutamente per ogni x R e quindi
converge.
1
116
2 BREVE INTRODUZIONE SULLE SERIE DI FOURIER (O SERIE TRIGONOMETRICHE)
1.3. Relazione tra la somma della serie e i coecienti della serie. Vogliamo
ora determinare una semplice relazione tra i coecienti della serie di Fourier e la sua
somma.
Sia f : [, ] R continua e supponiamo che
(2) f(x) =
a
0
2
+
+

n=1
(a
n
cos(nx) + b
n
sin(nx)) x [, ) .
Moltiplichiamo i membri della (2) per cos(mx) e integriamo sullintervallo [, ] :
_

f(x) cos(mx)dx =
a
0
2
_

cos(mx)dx +
_

_
+

n=1
(a
n
cos(nx) cos(mx) + b
n
sin(nx) cos(mx))
_
dx .
Supponiamo ora che
_

_
+

n=1
(a
n
cos(nx) cos(mx) + b
n
sin(nx) cos(mx))
_
dx =
(3)
+

n=1
_
a
n
_

cos(nx) cos(mx)dx + b
n
_

sin(nx) cos(mx)dx
_
.
Poich`e per ogni m, n N

{0} si ha
_

cos(nx) cos(mx)dx =
_
_
_
0 se m = n
se m = n e n = 0
2 se m = n = 0
,
_

sin(nx) cos(mx)dx = 0 ,
_

sin(nx) sin(mx)dx =
_
0 se m = n, oppure m = n = 0
se m = n
,
(come esercizio si dimostrino le precedenti aermazioni), ne segue che
_

f(x) cos(mx)dx = a
m

(4) a
m
=
1

f(x) cos(mx)dx m N
_
{0} ,
N.B.: La formula vale anche per m = 0 .
Analogamente si pu`o provare che, moltiplicando per sin(mx) la (2) e integrando
sul periodo [, ] , se vale la (3), si ottiene che
(5) b
m
=
1

f(x) sin(mx)dx m N .
117
BREVE INTRODUZIONE SULLE SERIE DI FOURIER (O SERIE TRIGONOMETRICHE) 3
Denizione 1.1. Data f : [, ] R integrabile (secondo Riemann), le succes-
sioni di numeri reali denite da (4) e (5) si chiamano i coecienti di Fourier di f
e la serie (1) cos` denita si chiama serie di Fourier associata a f . Scriveremo che
(6) f(x)
a
0
2
+
+

n=1
(a
n
cos(nx) + b
n
sin(nx)) .
Fissato x R, denotiamo con S
n
(f)(x) S
n
(x) la somma parziale n-esima della
serie di Fourier associata a f (valutata) nel punto x, cio`e
(7) S
n
(x) =
a
0
2
+
n

k=1
[a
k
cos(kx) + b
k
sin(kx)] .
Osservazione 1. Con la scrittura (6) non intendiamo la (2)! Intendiamo solo che ad
una funzione f : [, ] R integrabile (secondo Riemann) associamo la sua serie
di Fourier formale (1), senza assumere nessun tipo di convergenza.
1.4. Convergenza puntuale di una serie di Fourier.
Problema 2. Data f : R R 2-periodica, f : [, ] R integrabile (secondo
Riemann), se
f(x)
a
0
2
+
+

n=1
[a
n
cos(nx) + b
n
sin(nx)]
allora `e vero che
f(x) =
a
0
2
+
+

n=1
[a
n
cos(nx) + b
n
sin(nx)] x [, ] ?
Cio`e , per denizione, esiste lim
n
S
n
(x) = f(x)?
Denizione 1.2.
(i) Una funzione f : [a, b) R ( < a < b < +) si dice C
0
a tratti se f `e
continua in ogni punto x [a, b) eccetto al pi` u un numero nito di punti
a = x
0
< x
1
< x
2
< < x
m1
< x
m
= b
ed esistono niti
lim
xx
+
0
f(x) := f(x
0
+0), lim
xx

i
f(x) := f(x
i
0), lim
xx
+
i
f(x) := f(x
i
+0), lim
xx

m
f(x) := f(x
m
0),
per ogni i = 1, . . . , m1.
(ii) Una funzione f : [a, b) R ( < a < b < +) si dice C
1
a tratti se f `e
derivabile in ogni punto x [a, b) eccetto al pi` u un numero nito di punti
a = y
0
< y
1
< y
2
< < y
k1
< y
k
= b
ed f

: [a, b] \ {y
0
, y
1
, . . . , y
k
} R `e continua e limitata.
(iii) Una funzione f : R R si dice C
0
(C
1
) a tratti se per ogni < a < b < +,
f : [a, b) R `e C
0
(C
1
) a tratti.
Osservazione 2. Ricordiamo che una funzione f : [a, b) R limitata e continua
in eccetto al pi` u un numero nito di punti `e integrabile secondo Riemann (si lascia la
dimostrazione per esercizio). In particolare una funzione f : [a, b) R C
0
a tratti
`e integrabile (secondo Riemann).
118
4 BREVE INTRODUZIONE SULLE SERIE DI FOURIER (O SERIE TRIGONOMETRICHE)
Osservazione 3. Una funzione f : [a, b) R C
1
a tratti `e C
0
a tratti (si lascia la
dimostrazione per esercizio).
Teorema 1.2 (Convergenza puntuale). Sia f : R R 2-periodica e C
1
a tratti.
Deniamo la funzione

f : R R

f(x) =
1
2
_
lim
yx
+
f(y) + lim
yx

f(y)
_
.
Allora per ogni x R la serie di Fourier associata ad f converge e

f(x) =
a
0
2
+
+

n=1
[a
n
cos(nx) + b
n
sin(nx)] x R .
T
E
x

f(x)
q
p
3
q
p

q
p

3
p
Osservazione 4. Data f : R R, se f `e continua in x allora

f(x) =
1
2
_
lim
yx
+
f(y) + lim
yx

f(y)

=
1
2
[f(x) + f(x)] = f(x) .
Osservazione 5. La sola continuit`a di f (anche su tutto R ) non basta ad assicurare
la convergenza della serie di Fourier.
Esempio 1. Sia f : R R la funzione denita da f(x) = x se x [, ) e poi
estesa con periodicit`a 2 a tutto R. La funzione f `e C
1
a tratti (la dimostrazione
`e lasciata per esercizio).
119
BREVE INTRODUZIONE SULLE SERIE DI FOURIER (O SERIE TRIGONOMETRICHE) 5
T
E
x
f(x)

p
3

p
3

p
5
Allora
a
n
=
1

f(x) cos(nx)dx =
1

xcos(nx)dx = 0 , n N
_
{0} ,
b
n
=
1

f(x) sin(nx)dx =
1

xsin(nx)dx =
2
n
cos(n) = (1)
n+1
2
n
, n N
(la dimostrazione `e lasciata per esercizio). Quindi
f(x)
+

n=1
(1)
n+1
2
n
sin(nx) .
Osserviamo che f verica le ipotesi del Teorema 1.2; infatti f : (, ) R
`e continua ed esistono lim
x
+ f(x) = , lim
x
f(x) = , esiste f

(x) =
1 x (, ) ed esistono lim
x
+ f

(x) = lim
x
f

(x) = 1 .
Per il Teorema 1.2 possiamo concludere che

f(x) = f(x) =
+

n=1
(1)
n+1
2
n
sin(nx) x (, )
e

f(k) =
1
2
(f(
+
) + f(

)) = 0 k Z .
Esempio 2. Sia f : R R la funzione denita da f(x) = x
2
se x [, ) e
poi estesa con periodicit`a a tutto R .
120
6 BREVE INTRODUZIONE SULLE SERIE DI FOURIER (O SERIE TRIGONOMETRICHE)
T
E
x
p
3
p

p
3
p
Allora
a
n
=
1

f(x) cos(nx)dx =
1

x
2
cos(nx)dx = 4
(1)
n
n
2
, n N ,
a
0
=
2
3

2
, b
n
= 0 , n N
(la dimostrazione `e lasciata per esercizio). Quindi
f(x)

2
3
+ 4
+

n=1
(1)
n
n
2
cos(nx) .
Osserviamo che f verica le ipotesi del Teorema 1.2; infatti f : R R `e continua
e quindi esistono lim
x
+ f(x) = lim
x
f(x) =
2
; inoltre esiste f

(x) =
2x x (, ) ed esistono lim
x
+ f

(x) = 2 , lim
x
f

(x) = 2 .
Per il Teorema 1.2 possiamo concludere che

f(x) = f(x) =

2
3
+ 4
+

n=1
(1)
n
n
2
cos(nx) x [, ] .
Osserviamo inoltre che
+

n=1
|a
n
|
+

n=1
1
n
2
< +
e quindi la serie converge assolutamente.
Alcune conseguenze dellesempio precedente:
(1) Se x = 0 allora 0 = f(0) =

2
3
+ 4

+
n=1
(1)
n
n
2
e quindi

2
12
=
+

n=1
(1)
n
n
2
=
+

n=1
(1)
n+1
n
2
= 1
1
4
+
1
9

1
16
+ ... .
(2) Se x = ,
2
= f() =

2
3
+4

+
n=1
(1)
n
n
2
(1)
n
=

2
3
+4

+
n=1
1
n
2
e quindi

2
6
=
+

n=1
1
n
2
.
121
BREVE INTRODUZIONE SULLE SERIE DI FOURIER (O SERIE TRIGONOMETRICHE) 7
(3)

2
12
+

2
6
=
+

n=1
(1)
n+1
n
2
+
+

n=1
1
n
2
=
+

n=1
(1)
n+1
+ 1
n
2
= 2
+

n=0
1
(2n + 1)
2
,
da cui

2
8
=
+

n=0
1
(2n + 1)
2
.
(4)

2
24
=

2
6


2
8
=
+

n=1
1
(2n)
2
.
Una nota storica relativa alluguaglianza

2
6
=
+

n=1
1
n
2
. Questa uguaglianza
`e stata ottenuta, per la prima volta, nel 1735 dal grande matematico svizzero Leonhard
Euler (noto in Italia come Eulero), nato a Basilea nel 1707 e morto a S. Pietroburgo
nel 1783. Eulero `e stato, probabilmente, il pi` u grande virtuoso della manipolazione
di serie e il suo primo argomento per la prova delluguaglianza precedente `e stato
uno dei suoi argomenti pi` u audaci, anche se poco rigoroso. In seguito, Eulero seppe
produrre anche un argomento rigoroso per la prova delluguaglianza. Vogliamo qui
riproporre il primo argomento di Eulero per la prova delluguaglianza poich`e , anche
se non rigoroso, conserva ancora una grande ecacia intuitiva ed una intatta bellezza
matematica.
Sappiamo che
sin x = x
x
3
3!
+
x
5
5!
=

n=0
(1)
n
x
2n+1
(2n + 1)!
x R
e consideriamo lequazione
(8)
sin

x
= 1
x
3!
+
x
2
5!

x
3
7!
+ = 0 se x > 0 .
Lequazione (8) ha (innite) radici date da
(9) x
1
=
2
, x
2
= (2 )
2
, x
3
= (3 )
2
, . . . , x
n
= (n)
2
, . . .
ma non x = 0, poich`e lim
x0
sin

x
= 1!
E ben noto che se unequazione algebrica
1 + a
1
x + + a
n
x
n
= 0
ha radici x
1
, x
2
, . . . , x
n
, allora, per il teorema di Runi,
1 + a
1
x + + a
n
x
n
=
_
1
x
x
1
_ _
1
x
x
2
_
. . .
_
1
x
x
n
_
(provarlo per esercizio). Inoltre `e facile vericare che
(10)
1
x
1
+
1
x
2
+ +
1
x
n
= a
1
.
122
8 BREVE INTRODUZIONE SULLE SERIE DI FOURIER (O SERIE TRIGONOMETRICHE)
Assumendo che (10) continui a valere anche per il polinomio innito dellequazione
(8), segue che
1
x
1
+
1
x
2
+
1
x
3
+ +
1
x
n
+ =
_

1
3!
_
=
1
6
.
Sostituendo, nelluguaglianza precedente, ad x
1
, x
2
, . . . . i valori in (9), si ottiene
che
1

2
+
1
(2 )
2
+
1
(3 )
2
+
1
(n)
2
+ =
1
6
.
Dunque abbiamo provato che
1 +
1
2
2
+
1
3
2
+ +
1
n
2
+ =

2
6
.
Ritorniamo alla dimostrazione del Teorema 1.2. Premettiamo, prima della sua
dimostrazione , alcuni importanti risultati preliminari.
Lemma 1.1 (Nucleo di Dirichlet). Vale la seguente formula
(11)
1
2
+ cos y + cos(2y) + + cos(ny) =
sin
_
(n +
1
2
) y
_
2 sin(
y
2
)
:= D
n
(y)
per ogni y [, ] \ {0}, per ogni n N.
Dimostrazione. Per induzione su n. Se n = 0 la (11) si riduce allidentit`a
1
2
=
1
2
.
Supponiamo (11), allora, utilizzano la formula di addizione del seno,
1
2
+ cos y + cos(2y) + . . . cos((n 1)y) + cos(ny) =
sin
_
(n
1
2
) y
_
2 sin(
y
2
)
+ cos(ny) =
=
sin
_
(n
1
2
) y
_
+ 2 sin(
y
2
) cos(ny)
2 sin(
y
2
)
=
sin (ny) cos(
y
2
) + sin(
y
2
) cos(ny)
2 sin(
y
2
)
=
=
sin
_
(n +
1
2
) y
_
2 sin(
y
2
)
.

Osservazione 6. Dalla (11) segue che


lim
y0
D
n
(y) = lim
y0
sin
_
(n +
1
2
) y
_
2 sin(
y
2
)
= n +
1
2
.
Pertanto possiamo supporre che, ssato n N, D
n
C
0
([, ]) denendo D
n
(0) =
n +
1
2
. In particolare D
n
: [, ] R `e limitata.
Lemma 1.2 (Disuguaglianza di Bessel). Sia F : [, ] R integrabile (secondo
Riemann). Siano (a
n
)
n
e (b
n
)
n
i coecienti di Fourier associati ad F, cio`e vale (6)
con f F. Allora
(12)
a
2
0
2
+

n=1
(a
2
n
+ b
2
n
)
1

F(x)
2
dx < .
123
BREVE INTRODUZIONE SULLE SERIE DI FOURIER (O SERIE TRIGONOMETRICHE) 9
Dimostrazione. Denotiamo con S
n
(x) la successione in (7). Si ha, ovviamanente,
(13)
0
_

(F(x) S
n
(x))
2
dx =
_

F(x)
2
dx 2
_

F(x) S
n
(x)dx +
_

S
n
(x)
2
dx
per ogni n N. Dalla denizione dei coecienti di Fourier di f otteniamo che
(14)
_

F(x) S
n
(x)dx =
_

F(x)
_
a
0
2
+
n

k=1
[a
k
cos(kx) + b
k
sin(kx)]
_
dx =
=
a
0
2
_

F(x)dx +
n

k=1
_
a
k
_

F(x) cos(kx)dx + b
k
_

F(x) sin(kx)dx
_
=
=
_
a
2
0
2
+
n

k=1
(a
2
k
+ b
2
k
)
_
.
Analogamente si prova
(15)
_

S
n
(x)
2
dx =
_
a
2
0
2
+
n

k=1
(a
2
k
+ b
2
k
)
_
.
(la dimostrazione `e lasciata per esercizio).
Da (13), (14) e(15) segue che
a
2
0
2
+
n

k=1
(a
2
k
+ b
2
k
)
1

F(x)
2
dx n N.
Passano al limite per n nella disuguaglianza precedente otteniamo la (12)
(perche?).
Osservazione 7. La disuguaglianza (12) non assicura che

n=1
(|a
n
| + |b
n
|) < :
perch`e ?
Dal lemma 1.2 segue subito il seguente
Corollario 1.3 (Lemma di Riemann-Lebesgue). Nelle stesse ipotesi del Lemma 1.2
segue che
lim
n
a
n
= lim
n
b
n
= 0 .
Esercizio: Sia g : R R 2-periodica, g : [, ) R integrabile (s.R.). Allora
_
+a
+a
g(u) du =
_

g(u) du a R.
Dimostrazione Teorema 1.2. Fissato x R, denotiamo con S
n
(f)(x) S
n
(x) la
somma parziale n-esima della serie di Fourier associata a f, cio`e la successione denita
in (7).
124
10 BREVE INTRODUZIONE SULLE SERIE DI FOURIER (O SERIE TRIGONOMETRICHE)
Osserviamo che, dalla denizione di coeciente di Fourier e dalla periodicit`a di f,
possiamo scrivere
S
n
(x) =
1

f(t)
_
1
2
+
n

k=1
[cos(kt) cos(kx) + sin(kt) sin(kx)]
_
dt
=
1

f(t)
_
1
2
+
n

k=1
cos(k(t x))
_
dt =
1

_
x
x
f(u + x)
_
1
2
+
n

k=1
cos(ku)
_
du
=
1

f(u + x)
_
1
2
+
n

k=1
cos(ku)
_
du.
Dal Lemma 1.1 e dall Osservazione 6 segue allora la seguente rappresentazione inte-
grale per S
n
(16) S
n
(x) =
1

f(x + t) D
n
(t) dt x R.
Tramite, ancora, il Lemma 1.1 segue che
(17)
1

_

0
D
n
(t) dt =
1

_
0

D
n
(t) dt =
1
2
n N.
Da (16) e (17), ssato x R segue che
S
n
(x)
f(x 0) + f(x + 0)
2
=
1

f(x + t) D
n
(t) dt
1

_
0

f(x 0) D
n
(t) dt

_

0
f(x + 0) D
n
(t) dt =
=
1

_
0

(f(x + t) f(x 0)) D


n
(t) dt +
1

_

0
(f(x + t) f(x + 0)) D
n
(t) dt
=
1

_
0

f(x + t) f(x 0)
2 sin(t/2)
sin((n + 1/2)t) dt +
1

_

0
f(x + t) f(x + 0)
2 sin(t/2)
sin((n + 1/2)t) dt .
Da questa catena di uguglianze segue allora che
(18)
S
n
(x)
f(x 0) + f(x + 0)
2
=
1

_
0

G(t) sin((n+1/2)t) dt+


1

_

0
G(t) sin((n+1/2)t) dt ,
dove la funzione G : [, ] R `e denita da
G(t) :=
_

_
f(x + t) f(x 0)
2 sin(t/2)
se t < 0
0 se t = 0
f(x + t) f(x + 0)
2 sin(t/2)
se 0 t <
.
Supponiamo, per il momemto, che
(19) G`e integrabile (secondo Riemann)
e proviamo la tesi. Da (18) e (19) segue che
(20) S
n
(x)
f(x 0) + f(x + 0)
2
=
1

G(t) sin((n + 1/2)t) dt =


125
BREVE INTRODUZIONE SULLE SERIE DI FOURIER (O SERIE TRIGONOMETRICHE) 11
=
1

G(t) cos(t/2) sin(nt) dt +


1

G(t) sin(t/2) cos(nt) dt =


=
1

F
1
(t) sin(nt) dt +
1

F
2
(t) cos(nt) dt
dove F
1
(t) := G(t) cos(t/2), F
2
(t) := G(t) sin(t/2). Applicando (19), dalle propriet`a
delle funzioni integrabili, segue che F
i
(i = 1, 2) sono ancora integrabili su [, ];
dal Corollario 1.3 segue allora la tesi se n nella (20).
Per concludere la dimostrazione dobbiamo provare la (19). Per l Osservazione 2,
basta mostrare che G : [, ) R `e limitata e continua, eccetto al pi` u un numero
nito di punti.
Consideriamo f : [x , x + ) R per x R ssato. Essendo f : R R C
1
a
tratti, esistono
x = y
0
< y
1
< < y
k
= x +
tale che esiste
(21) f

: [x , x + ) \ {y
0
, y
1
, . . . , y
k
} R continua e limitata.
Denotiamo con F : [, ) R la funzione denita da
F(t) :=
_
_
_
f(x + t) f(x 0) se t < 0
0 se t = 0
f(x + t) f(x + 0) se 0 t <
.
Per denizione di F e da (21) segue che
(22)
F `e continua in t = 0, F

: [, ) \ {t
0
, t
1
, . . . , t
k
} R continua e limitata,
dove t
i
:= y
i
x per i = 1, . . . , k.
Da (22) segue F `e continua eccetto al pi` u nei punti t = t
0
, . . . , t
k
ed esistono niti
(23) lim
tt

i
F(t) = F(t
i
0), lim
tt
+
i
F(t) = F(t
i
+ 0) .
Poich`e
G(t) =
F(t)
2 sin(t/2)
t [, ) \ {0} ,
da (22) segue anche che
(24) G `e continua in ogni punto t [, ) \ {0, t
0
, t
1
, . . . , t
k
},
e da (23), se t
i
= 0 per qualche i = 0, . . . , k, allora esistono niti
(25) lim
tt

i
G(t) =
F(t
i
0)
2 sin(t
i
/2)
, lim
tt
+
i
G(t) =
F(t
i
+ 0)
2 sin(t
i
/2)
.
Proviamo ora che G `e limitata (sullintervallo [, )). Da (24) e (25), basta provare
che G `e limitata in un intorno di 0.
Da (22) segue che non `e restrittivo supporre che esistono 0 < < e M > 0 tale
che
F C
0
(, )
126
12 BREVE INTRODUZIONE SULLE SERIE DI FOURIER (O SERIE TRIGONOMETRICHE)
e
F

: (, ) \ {0} R e |F

(t)| M t (, ) \ {0}
Per il teorema di Cauchy, per ogni t (, ) \ {0} esiste compreso tra 0 e t tale
che
G(t) =
F(t)
2 sin(t/2)
=
F(t) F(0)
2 sin(t/2) 2 sin(0/2)
=
F

()
cos(/2)
,
da cui segue
|G(t)| = |
F

()
cos(/2)
|
M
cos(/2)
t (, ) \ {0}
e dunque la tesi.
1.5. Serie di Fourier di funzioni pari e dispari. Ricordiamo che data f : R R ,
f si dice pari se f(x) = f(x) x R ,
f si dice dispari se f(x) = f(x) x R .
Vale allora la seguente
Proposizione 1.4. Sia f : R R 2-periodica e supponiamo che f : [, ] R
sia integrabie (secondo Riemann). Sia
f(x)
a
0
2
+
+

n=1
[a
n
cos(nx) + b
n
sin(nx)] .
Allora
(1) se f `e pari allora b
n
= 0 , a
0
=
2

0
f(x)dx , a
n
=
2

0
f(x) cos(nx)dx n
N ,
(2) se f `e dispari allora a
0
= 0 , a
n
= 0 , b
n
=
2

0
f(x) sin(nx)dx n N .
Dimostrazione.
(1)
(26) b
n
=
1

f(x) sin(nx)dx =
1

__
0

f(x) sin(nx)dx +
_

0
f(x) sin(nx)dx
_
e
(27)
_
0

f(x) sin(nx)dx =
_

0
f(y) sin(ny)dy =
_

0
f(y) sin(ny)dy .
Dunque, da (26) e (27) segue che b
n
= 0 . Si ragiona nello stesso modo
per provare che a
n
=
2

0
f(x) cos(nx)dx .
(2)
`
E lasciata per esercizio.

1.6. Convergenza uniforme di una serie di Fourier. Abbiamo studiato la con-
vergenza puntuale della serie di Fourier associata ad una funzione f : R R
2 -periodica, f : [, ] R integrabile (secondo Riemann), cio`e
f(x)
a
0
2
+
+

n=1
[a
n
cos(nx) + b
n
sin(nx)] .
In altre parole, denita la successione di funzioni
S
n
(f)(x) =
a
0
2
+
n

k=1
[a
k
cos(kx) + b
k
sin(kx)] n N ,
127
BREVE INTRODUZIONE SULLE SERIE DI FOURIER (O SERIE TRIGONOMETRICHE) 13
S
n
(f) : R R polinomio trigonometrico di grado n , abbiamo studiato il problema:

lim
n+
S
n
(f)(x) =

f (x) R per qualche x R ?

f (x) = f(x) ?
Nelle applicazioni delle serie di Fourier `e molto utile, alcune volte, considerare al
posto della convergenza puntuale della successione di funzioni S
n
(f) , una nozione di
convergenza globale sullintervallo [, ], gi`a incontrata nel teorema di esistenza
ed unicit`a del problema di Cauchy di una EDO del I ordine, detta convergenza
uniforme.
Denizione 1.3.
(i) Siano < a < b < +. Una successione di funzioni continue f
n
: [a, b] R
(n N) si dice che converge uniformemente ad una funzione f : [a, b] R (su [a, b])
se esiste
(28) lim
n
f
n
f

= 0
dove ricordiamo g

:= sup
x[a,b]
|g(x)|.
(ii) Data f : R R 2-periodica con f : [, ] R integrabile (secondo Riemann),
si dice che la serie di Fourier indotta da f converge uniformemente ad f su [a, b] se la
successione di funzioni delle somme parziali denita in (7) S
n
: [a, b] R converge
uniformemente a f (su [a, b]).
Osservazione 8. Dalla denizione segue subito che, se una successione di funzioni
continue f
n
: [a, b] R (n N) converge uniformemente ad un funzione f : [a, b]
R, allora converge anche puntualmente ad f, cio`e esiste lim
n
f
n
(x) = f(x) per
ogni x [a, b]. Il viceversa `e falso. Per esempio, si consideri lesempio 1 sullintervallo
[0, 2 ] ed il seguente Teorema 1.5: perch`e la successione delle somme parziali della
serie di Fourier, associata ad f, non pu`o convergere a f uniformemente su [0, 2] ?
Teorema 1.5. Sia f
n
: [a, b] R (n N) una successione di funzioni continue
convergente uniformemente ad una funzione f : [a, b] R. Allora
(i) f `e continua;
(ii) lim
n
_
b
a
f
n
(x)dx =
_
b
a
f(x)dx.
Dimostrazione. Proviamo il punto (i). Per denizione, la successione (f
n
)
n

C
0
([a, b]). Proviamo che la successione (f
n
)
n
`e di Cauchy in (C
0
([a, b]),

). Per
ipotesi, per ogni > 0 esiste un n = n() N tale che
(29) f
n
f

< n > n.
Comunque scelti m > n > n, dalla (29), segue che
f
m
f
n

f
m
f

+f f
n

2
e dunque, per denizione, (f
n
)
n
`e di Cauchy in (C
0
([a, b]),

). Essendo (C
0
([a, b]),

) uno spazio metrico completo, esiste una funzione continua f

: [a, b] R. Per
concludere la dimostrazione basta provare che
(30) f(x) = f

(x) x [a, b] .
La (30) segue subito dallOsservazione 8 e dallunicit`a del limite puntuale. Proviamo
il punto (ii). Dalle propriet`a dellintegrale segue che
128
14 BREVE INTRODUZIONE SULLE SERIE DI FOURIER (O SERIE TRIGONOMETRICHE)

_
b
a
f
n
(x)dx
_
b
a
f(x)dx

_
b
a
|f
n
(x) f(x)|dx (b a) f
n
f

per ogni n N. Passando al limite per n nella disuguaglianza precedente


otteniamo la tesi.
Osservazione 9. La convergenza (solo) puntuale di una successione (f
n
)
n
C
0
([a, b])
verso una funzione f : [a, b] R non assicura sia la continuit`a di f che la convergenza
degli integrali. Infatti si consideri lesempio dellOsservazione 8: la successione delle
somme parziali `e una sucessione di funzioni continue su [0, 2 ], ma il limite puntuale
non `e continuo.
Per quanto riguarda la convergenza degli integrali si consideri la successione f
n
:
[0, 1] R, f
n
(x) = nx exp (nx
2
). Provare che (f
n
)
n
converge puntualmente alla
funzione identicamente nulla f 0 su [0, 1] e lim
n
_
1
0
f
n
(x)dx =
1
2
.
Vale il seguente criterio di convergenza uniforme di una serie di Fuorier, che enuncer-
emo senza dimostrazione.
Teorema 1.6 (Convergenza uniforme). Sia f : R R 2-periodica, C
1
a tratti.
Allora la serie di Fourier associata ad f converge uniformemente ad f su ogni
intervallo [a, b] in cui la funzione f(x) `e continua.
Una immediata conseguenza del Teorema 1.5 (ii) `e il seguente criterio di inte-
grazione, termine a termine, per serie di Fourier.
Corollario 1.7. Sia f : R R 2-periodica con f : [, ] R integrabile
(secondo Riemann) e f(x)
a
0
2
+

+
n=1
(a
n
cos(nx) +b
n
sin(nx)). Supponiamo che la
serie di Fourier associata ad f converge uniformemente ad f su un ssato intervallo
[a, b]. Allora, per ogni coppia x
0
, x [a, b],
_
x
x
0
f(t) dt =
_
x
x
0
a
0
2
dt +
+

n=1
_
a
n
_
x
x
0
cos(nt)dt + b
n
_
x
x
0
sin(nt)dt
_
Dimostrazione. Sia S
n
(x) =
a
0
2
+
n

k=1
[a
k
cos(kx) + b
k
sin(kx)] n N. Per ipotesi la
successione (S
n
)
n
converge uniformemente ad f su [a, b]. Applicando allora il Teorema
1.5 (ii) otteniamo che
(31) lim
n
_
x
x
0
S
n
(t) dt =
_
x
x
0
f(t) dt .
Per la linearit`a dellintegrale
_
x
x
0
S
n
(t) dt =
_
x
x
0
a
0
2
dt +
n

k=1
_
a
k
_
x
x
0
cos(kt)dt + b
k
_
x
x
0
sin(kt)dt
_
e dalla (31) segue subito la tesi.
129
BREVE INTRODUZIONE SULLE SERIE DI FOURIER (O SERIE TRIGONOMETRICHE) 15
1.7. Rappresentazione complessa delle serie di Fourier. Sia f : R R 2-
periodica, continua e supponiamo che sia
f(x)
a
0
2
+
+

n=1
[a
n
cos(nx) + b
n
sin(nx)] .
Supponiamo che
(32) f(x) =
a
0
2
+
+

n=1
[a
n
cos(nx) + b
n
sin(nx)] x [, ] .
Ricordando lesponenziale complesso
e
i
= cos i sin ,
otteniamo che
cos =
e
i
+ e
i
2
, sin =
e
i
e
i
2i
R .
Daltra parte, si ha
S
n
(f)(x) =
a
0
2
+
n

k=1
[a
k
cos(kx) + b
k
sin(kx)] =
a
0
2
+
n

k=1
_
a
k
e
ikx
+ e
ikx
2
+ b
k
e
ikx
e
ikx
2i
_
=
a
0
2
+
n

k=1
_
a
k
ib
k
2
e
ikx
+
a
k
+ ib
k
2
e
ikx
_
.
Allora possiamo scrivere
S
n
(f)(x) = c
0
+
n

k=1
[c
k
e
ikx
+ c
k
e
ikx
] =
n

k=n
c
k
e
ikx
,
avendo posto c
0
=
a
0
2
e per ogni k N , c
k
=
1
2
(a
k
ib
k
) , c
k
=
1
2
(a
k
+ ib
k
) .
Daltra parte la (32) `e equivalente a
lim
n+
|f(x) S
n
(f)(x)| = 0 x [, ] ,
che a sua volta `e equivalente a
lim
n+

f(x)
n

k=n
c
k
e
ikx

= 0 x [, ] ,
cio`e, per denizione, a
f(x) =
+

k=
c
k
e
ikx
x [, ] .
Per ogni n N possiamo esprimere i coecienti c
n
e c
n
tramite integrali,
ottenendo che
c
0
=
a
0
2
=
1
2
_

f(x)dx =
1
2
_

f(x)e
i0x
dx ,
c
n
=
a
n
+ ib
n
2
=
1
2
_
1

f(x)
e
inx
+ e
inx
2
dx
i

f(x)
e
inx
e
inx
2i
dx
_
=
130
16 BREVE INTRODUZIONE SULLE SERIE DI FOURIER (O SERIE TRIGONOMETRICHE)
1
2
_

f(x)e
inx
dx .
Analogamente si ritrova che
c
n
=
1
2
_

f(x)e
inx
dx
e dunque che
c
k
=
1
2
_

f(x)e
ikx
dx k Z .
1.8. Cenno alle funzioni f : R C . Sia f : R C 2-periodica, si possono
estendere tutti i concetti introdotti per funzioni f : R R , ottenendo un analogo
risultato di convergenza puntuale ed uniforme della serie di Fourier, tenendo presente
che il modulo di un numero complesso z = x +iy `e dato da |z| =

zz =
_
x
2
+ y
2
, dove z = x iy `e il complesso coniugato di z e la radice quadrata `e intesa come
radice quadrata reale.
131
132
Bibliograa
[Con] Franco Conti. Calcolo. Teoria e applicazioni. McGraw-Hill, 1993.
[Giu] Enrico Giusti. Analisi Matematica 2 - Terza edizione interamente riveduta e ampliata.
Programma di Matematica, Fisica, Elettronica. Bollati Boringhieri, 2003.
[Gre] Gabriele H. Greco. Analisi Matematica Uno. UniversityInTn, 2012.
133