Sei sulla pagina 1di 39

Sistemi dinamici 2:

il caso continuo
Progetto Lauree scientifiche per la Matematica 2009
Liceo Scientifico StataleP. Paleocapa
Rovigo
Sommario
In queste note, destinate a quegli studenti che hanno deciso di proseguire
il loro impegno nel Progetto Lauree Scientifiche per la Matematica, intendiamo affrontare lo studio dei sistemi dinamici continui. La presentazione,
contrariamente a quanto fatto per il caso discreto, dovr`
a giocoforza risultare
in qualche momento euristica, tuttavia, grazie allesperienza che i ragazzi si
sono gi`a formati nello studio dei sistemi discreti, risulter`a possibile affrontare
argomenti molto interessanti anche dal punto di vista culturale, in vista della
loro preparazione allEsame di Stato. Si vorrebbero fornire agli studenti degli
spunti di riflessione con cui affrontare e sviluppare tematiche pluridisciplinari
per la loro preparazione a questo importante appuntamento!

Indice
1 Perch
e proprio i sistemi dinamici continui?

2 Che cos`
e un sistema dinamico?

3 Sistema dinamici discreti: il conto in banca

4 Sistema dinamici continui: esempi dalla fisica


4.1 Una palla lanciata verticalmente verso lalto . . . . . . . . . .
4.2 Loscillatore armonico semplice . . . . . . . . . . . . . . . . . .

7
7
8

5 Altri esempi dalla fisica: sistemi dinamici continui lineari e


non lineari
9
5.1 Il diagramma nello spazio delle fasi . . . . . . . . . . . . . . . . 11
5.2 Dimensione e linearit`a; dipendenza esplicita dal tempo. . . . . 11
6 Sistemi dinamici continui 1-dimensionali
12
6.1 Lapproccio geometrico: interpretazione di unequazione differenziale come campo vettoriale . . . . . . . . . . . . . . . . . . 12
7 Analisi della stabilit`
a

14

8 Sistemi dinamici lineari 1-dimensionali


16
8.1 Carica di un condensatore . . . . . . . . . . . . . . . . . . . . . 17
8.2 Avete notato qualche ripetizione? . . . . . . . . . . . . . . . . . 19
8.3 La crescita di una popolazione . . . . . . . . . . . . . . . . . . 20
9 Ricerca degli zeri di una funzione

20

10 Come ottenere un sistema dinamico discreto da uno continuo


e viceversa
22
10.1 Un esempio di soluzione numerica . . . . . . . . . . . . . . . . . 24
11 Il metodo delle fasi per loscillatore armonico lineare
25
11.1 Il ritratto di fase . . . . . . . . . . . . . . . . . . . . . . . . . . 25
11.2 Lapproccio geometrico per sistemi in 2 dimensioni . . . . . . . 26
12 Dipendenza da parametri: biforcazioni e catastrofi

27

13 Sistemi dinamici discreti e mappe 1-dimensionali


29
13.1 Premessa . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
13.2 Alcune definizioni . . . . . . . . . . . . . . . . . . . . . . . . . 30

13.3 Analisi geometrica delliterazione di una funzione: il diagramma a ragnatela . . . . . . . . . . . . . . . . . . . . . . . . . . . 31


13.4 Comportamento di un sistema lineare discreto 1-dimensionale . 32
13.5 Sistemi dinamici discreti 1-dimensionale non lineari . . . . . . 34
14 La nostra attivit`
a di laboratorio
35
14.1 Lequazione logistica . . . . . . . . . . . . . . . . . . . . . . . . 35

Elenco delle tabelle


1

Comportamento asintotico del sistema discreto 1-dimensionale


xn = axn1 + b, e condizione iniziale x0 , in dipendenza dei
parametri reali a e b. Nel caso in cui una casella `e vuota si
intende nessuna ulteriore condizione. . . . . . . . . . . . . . 33

Elenco delle figure


1
2
3
4
5
6
7

8
9
10
11
12
13
14
15

Loscillatore armonico semplice. . . . . . . . . . . . . . . . . . . .


Esempio di rappresentazione del sistema dinamico 1-dimensionale
x = sin x. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Ritratto di fase per il sistema dinamico nonlineare di Fig. 2. . . . . .
Carica di un condensatore e grafico per lo studio del processo. . . . .
Quantit`a di carica Q presente sulle armature di un condensatore in
funzione del tempo t durante il processo di carica. . . . . . . . . . .
Metodo di Eulero: soluzione esatta ed approssimata a confronto. . .
Campo delle pendenze per il modello logistico continuo (a sinistra) e
soluzione ottenuta col metodo di Runge-Kutta con passo h = t =
0.1, per diverse condizioni iniziali (a destra). . . . . . . . . . . . . .
Ritratto di fase per loscillatore armonico semplice. . . . . . . . . .
Fasi del moto delloscillatore armonico semplice. . . . . . . . . . . .
Interpretazione geometrica per il campo di fase delloscillatore armonico.
Un esempio di catastrofe nella percezione visiva. . . . . . . . . . . .
Il diagramma a ragnatela per la funzione F = x1/2 . . . . . . . . .
Un esempio di soluzione aperiodica dellequazione logistica per a = 3.9.
Il diagramma di biforcazione dellequazione logistica per valori del
parametro di controllo 3.4 < a < 4. . . . . . . . . . . . . . . . . . .
Il diagramma di biforcazione dellequazione logistica per valori del
parametro di controllo 3.847 < a < 3.857. . . . . . . . . . . . . . .

8
13
15
18
19
23

25
26
27
28
29
31
37
37
38

1 Perch
e proprio i sistemi dinamici continui?
Perche sono quelli che pi`
u frequentemente ricorrono nella modellizzazione matematica della realt`a, non solo in fisica, ma anche in altre scienze, come la dinamica delle popolazioni, lo studio dellinsorgenza e diffusione delle malattie
e in molte applicazioni tecnologiche.
Al giorno doggi la dinamica `e un argomento interdisciplinare, anche se
essa era originariamente una parte della fisica, e come tale viene studiata nel
terzo e quarto anno del Liceo Scientifico.
La dinamica si occupa di tutto ci`o che `e soggetto ad un cambiamento,
tratta sistemi che evolvono nel tempo. Per stabilire se il sistema in questione
si dispone allequilibrio, ripete il proprio comportamento in cicli o fa qualcosa
di pi`
u complicato, `e necessaria la dinamica.
Esistono due tipi di sistemi dinamici: quelli la cui evoluzione `e descritta da
una variabile tempo continua, e quelli per cui il cambiamento avviene in tappe,
divise luna dallaltra da intervalli di tempo finiti. I primi sono rappresentati
da equazioni differenziali (equazioni che hanno come incognite funzioni e/o
derivate di funzioni), i secondi vengono studiati attraverso lazione ripetuta
(detta iterazione) di mappe, dette anche equazioni alle differenze.
Nella prima parte dei laboratori matematici sui sistemi dinamici ci siamo
occupati del caso discreto, sviluppando e facendo esperienza di molte idee e
strumenti matematici interessanti, come lalgebra lineare, lutilizzo dei vet` stato inoltre possibile parlare di questioni cruciali e
tori e delle matrici. E
complicate, come quella di comportamento caotico.
In effetti, fu proprio un matematico, Poincare, che per primo, con un approccio geometrico, intu` la possibilit`a dellinsorgere del caos, cio`e il fatto che
un sistema, in particolari condizioni, dimostri un comportamento aperiodico
dipendente in modo sensibile dalle condizioni iniziali, e tale da rendere pertanto impossibile qualsiasi previsione a lungo termine. Lidea di caos rimase
in secondo piano per tutta la prima met`a del 900, fino a che, con lavvento dei primi calcolatori, gi`a dagli anni 50 fu possibile fare esperienze con
equazioni che prima di allora erano inaffrontabili. Negli anni 60 gli studi
di Lorenz [1] sui moti convettivi nellatmosfera portarono allormai ben nota
conoscenza sulla impossibilit`a di predire il tempo atmosferico al di l`a di pochi
giorni. Lorenz fu il primo a rendersi conto che se le soluzioni caotiche delle
sue equazioni venivano rappresentate in 3 dimensioni, esse si disponevano su
un insieme di punti a forma di farfalla; il caos aveva quindi una sua struttura
geometrica, che oggi chiameremmo frattale. Anche persone poco appassionate di matematica risultano attratte dalla infinita regolarit`a di schemi che

appare nei frattali. In realt`a, caos e frattali1 sono una parte di un argomento
pi`
u esteso noto oggi col nome di dinamica. Gli anni del boom per lo studio
del caos furono gli anni 70 dello scorso secolo. Nacquero teorie sullinsorgere della turbolenza nei fluidi (Ruelle e Takens); si scoprirono esempi di caos
nelle mappe iterate che nascono nella dinamica delle popolazioni in biologia
[3] (May), poi un fisico (Feigenbaum) scopr` che esistono certe leggi universali
che governano la transizione di un sistema da un comportamento regolare ad
uno caotico. Successivamente, Mandelbrot codific`o e rese popolari i frattali;
con essi produsse bellissimi esempi di grafica computerizzata [5] e dimostr`o
come potessero venire impiegati in una grande variet`
a di situazioni.
I sistemi dinamici quindi rappresentano un terreno ideale nel quale anche
noi possiamo fare esperienze di matematica, aiutati anche dal calcolatore e da
opportuni softwares orientati alla matematica2 .
In questa dispensa desideriamo richiamarti alla memoria alcune conoscenze
che hai certamente acquisito nel corso dei tuoi studi. Cercheremo tuttavia di
riordinarlee di ripensarle in unaltra ottica. Dove possibile, cercheremo (anche
col tuo aiuto) di completarli coi riferimenti ai tuoi testi in adozione e di fornirti
una bibliografia essenziale.

Che cos`
e un sistema dinamico?

Come possiamo definire un sistema dinamico? Un modo potrebbe essere quello


di affermare che un sistema dinamico `e una funzione che ha un certo modo di
comportarsi, una sua condotta3 . Potremmo anche affermare che un sistema
dinamico sa sempre quello che sta per fare. Direte che le definizioni date
finora sono vaghe: in effetti ci`o `e dovuto al fatto che, almeno in linea di
principio, qualsiasi cosa evolva pu`o essere pensata come un sistema dinamico.
Cercheremo allora di illustrare degli esempi che vi possono essere familiari,
attirando la vostra attenzione sugli elementi fondamentali che costituiscono
un sistema dinamico. Anticipiamo che sono essenzialmente due:
a): Un vettore di stato che descrive completamente lo stato del sistema.
b): Una funzione, cio`e una legge, che ci dica, dato lo stato del sistema in
un certo istante, quale sar`a lo stato del sistema negli istanti di tempo
successivi.
1

Il prof. Giancarlo Benettin dellUniversit`a di Padova terr`a su questo argomento una conferenza
per la Settimana Scientifica al Liceo Paleocapa, gioved` 26 marzo 2009.
2
Utilizzeremo due software di libero dominio, facenti parte del mondo Open Source, Maxima e
Geogebra!
3
In lingua inglese diremmo una funzione con una certa attitude.

3 Sistema dinamici discreti: il conto in banca


Riprendiamo alcune cose che abbiamo gi`a esaminato lo scorso anno, giusto
per rinfrescarci le idee! Consideriamo il caso del vostro conto in banca. Se ci
pensate, lo stato di questo sistema dinamico `e determinato da un solo numero,
il valore del saldo, oggi espresso in Euro. Diremo allora che il vettore di stato
`e 1-dimensionale, od anche, che `e un vettore ad una sola componente. Per
conoscere lo stato del vostro conto in banca `e poi necessario conoscere la regola
con cui tale stato cambia col tempo. Supponiamo che la capitalizzazione degli
` chiaro che per
interessi del vostro conto avvenga a scadenza annuale4 . E
questo sistema il tempo deve essere considerato una variabile discreta, cio`e
una successione di istanti, separati luno dallaltro da un intervallo di un anno.
Noto linteresse annuo del nostro conto, diciamolo r%, `e facile scrivere come
la funzione di evoluzione agisce sullo stato. Indicando con xk x(k), k N,
il saldo allistante k, abbiamo subito il saldo allistante successivo:

r
xk .
(1)
xk+1 = 1 +
100
Quindi, per completare la descrizione del sistema, oltre allequazione (1),
serve la condizione iniziale del conto, quella relativa allistante t = 0, che
indicheremo con:
x0 = D ,
(2)
dove avrete capito che D `e il vostro deposito iniziale.
In questo semplice esempio `e facile calcolare lammontare del saldo alla
fine delln-esimo anno. Sar`a sufficiente iterare (cio`e ripetere) lazione della
funzione di evoluzione (1) a partire dallo stato inziale (2); si ottiene:

r
x1 =
1+
D;
100

r
r 2
D;
x2 =
1+
x1 = 1 +
100
100

r
r 3
x3 =
1+
x2 = 1 +
D;
100
100
...
...

r n
xn =
1+
D;
(3)
100
Avrete riconosciuto che in questo modo i saldi xi sono una successione definita per ricorrenza, e che lultima espressione ottenuta fornisce la soluzione
dellequazione di evoluzione del nostro conto in banca.
4

Nel nostro esempio, per semplicit`a non teniamo conto delle spese, del bancomat, delle carte di
credito, delle imposte ecc.

4 Sistema dinamici continui: esempi dalla


fisica
I conti in banca sono esempi tipici di sistemi dinamici in cui il tempo procede a
passi, in modo discreto. Tuttavia, molti sistemi dinamici sono descritti meglio
` il caso dei sistemi
supponendo che il tempo trascorra in modo continuo. E
della fisica classica, tra cui, una palla lanciata verticalmente verso lalto e
loscillatore armonico semplice.

4.1

Una palla lanciata verticalmente verso lalto

Il suo stato ad un certo istante `e in questo caso descritto da una coppia di numeri reali, che costituiscono un vettore 2-dimensionale. Si tratta dellaltezza
h (ad esempio) dal suolo e della componente v della velocit`a della palla in direzione verticale ascendente, che quindi assumiamo come positiva se loggetto
sta allontanandosi da terra.
Supponendo che voi conosciate da quale altezza h(0) lanciate la palla e
con quale velocit`a iniziale v(0), ora `e evidente che non ha senso chiedersi
cosa avviene allistante successivo v(1), poiche la variabile tempo qui scorre
in modo continuo. La fisica allora ci viene in aiuto, definendo i concetti di
velocit`a istantanea v(t) e accelerazione istantanea a(t).
La prima grandezza `e definita come
v(t) = lim

t0

h
,
= h(t)
t

la seconda in modo matematicamente analogo:


v
= v(t)
.
t0 t

a(t) = lim

Dalla seconda legge di Newton possiamo scrivere, per le componenti della


forza risultante e dellaccelerazione lungo lasse verticale ascendente:
F = P = m a(t) ,
dove la componente della forza peso P pu`
o essere scritta come P = mg, dove
2
g = 9, 8 ms `e il ben noto valore per laccelerazione di gravit`
a.
La legge che regola il sistema dinamico `e pertanto:

h(0) = h0
h(t)
= v(t)
.
(4)
v(0) = v0
v(t)

= g

Sempre dalla Fisica, conosciamo la soluzione dellequazione di evoluzione, data


da:
(
1
h(t) = h0 + v0 t gt2 ,
(5)
2
v(t) = v0 gt .
Esercizio 1: Rappresentate nel piano cartesiano il luogo di punti descritto
dalle equazioni parametriche (5) considerando x1 = h per lasse delle ascisse
e x2 = v per lasse delle ordinate. Di che curva si tratta?

4.2

Loscillatore armonico semplice

Vogliamo ora ricordare uno dei sistemi dinamici pi`


u importanti per la fisi5
ca : si tratta delloscillatore armonico semplice. Consideriamo una massa m,
appoggiata su un piano orizzontale, privo di attrito, ed attaccata ad una parete da una molla ideale, di costante elastica k. Supponiamo che quando la
coordinata orizzontale x `e nulla, la molla risulti a riposo.

Figura 1: Loscillatore armonico semplice.

Se il blocco viene spostato verso destra rispetto alla sua posizione di equilibrio (x > 0), la molla risultando allungata, lo richiama verso sinistra. Viceversa, se il blocco `e posto a sinistra della sua posizione di equilibrio (x < 0),
allora la molla `e compressa e spinge il blocco verso destra. In entrambi i casi
possiamo scrivere la componente lungo lasse x della forza dovuta alla molla:
Fx = kx. Dalla seconda legge della dinamica, possiamo ricavare la compok
nente dellaccelerazione lungo x: ax = x. Indicando con v = ax il ritmo
m
di variazione della velocit`a e con x = v la velocit`a, otteniamo lanalogo delle
k
equazioni di evoluzione ottenute per la palla nel parag. 4.1; posto 2 =
m
5

Dal corso di fisica avrete visto come gli stessi atomi possono, in molti casi, essere schematizzati
come degli oscillatori armonici lineari. Va anche ricordato che loscillatore armonico `e uno dei
pochi sistemi la cui descrizione quantistica ammette una soluzione analitica esatta, che non fa uso
di metodi perturbativi.

si ha, infatti:

x(t)

= v(t)
v(t)

= 2 x(t)

x(0) = x0
,
v(0) = v0

(6)

2
dove =
= 2 `e la pulsazione del moto armonico, essendo T il periodo
T
e la frequenza.
Anche in questo caso sono note le soluzioni di queste equazioni:
(
v0
x(t) = x0 cos t +
sin t ,
(7)

v(t) = v0 cos t x0 sin t .

5 Altri esempi dalla fisica: sistemi dinamici continui lineari e non lineari
Considerate una particella di massa m, connessa da una molla ideale di lunghezza trascurabile e costante elastica k allorigine di un sistema di riferimento, e in moto lungo lasse x, soggetta ad una forza di attrito viscoso linear` facile rendersi conto che la seconda
mente proporzionale alla sua velocit`a. E
~
legge della dinamica F = m~a, una volta proiettata lungo lasse x diventa:
vx kx = max , dove `e un coefficiente che, nel Sistema internazionale di
unit`a di misura `e espresso in kg/s. Se indichiamo con x e x
rispettivamente
le componenti della velocit`a istantanea vx e dellaccelerazione istantanea ax ,
otteniamo:
m
x + x + kx = 0 ;
(8)
tale equazione si dice differenziale ordinaria del secondo ordine, poiche contied2 x
dx
ex
(t) = 2 ,
ne come incognite la funzione x(t) e le sue derivate x(t)

=
dt
dt
tutte dipendenti dal tempo t, pensato come variabile continua.
Pensate ora ad un pendolo semplice; si tratta di una particella di massa
m, connessa da un filo inestensibile di massa trascurabile e lungo L ad un
punto O, ed in grado di muoversi in un piano verticale, soggetta alla forza
peso P~ = m~g ed alla tensione T~ della fune. Proiettando la seconda legge della
dinamica lungo un versore tangente alla traiettoria della particella stessa,
indicato con x langolo che il filo forma con la verticale, si ottiene lequazione:
mg sin x = ma . Ricordando che a = L
x si ricava lequazione:
x
+

g
sin x = 0 .
L

(9)

Esercizio 2: Lequazione di evoluzione per il pendolo semplice pu`o essere


anche determinata usando la seconda equazione cardinale della dinamica, che

collega la variazione istantanea del momento angolare di una particella al momento risultante delle forze agenti sulla particella stessa. Sapresti ottenerla?
Magari ti `e utile ricordare che il modulo del momento angolare di una particella in moto rotatorio pu`o essere scritto come L = I, essendo I = ml2 il
momento di inerzia della particella stessa.
Qual `e la differenza tra le equazioni (8) e (9)? Per coglierla `e utile rappresentarle geometricamente grazie ad un semplice espediente: introduciamo due
nuove funzioni x1 = x(t) e x2 = x(t);

ricordando6 che x 2 = x
(t), otteniamo la
seguente forma equivalente per loscillatore armonico smorzato:
(
x 1 = x2
,
(10)

k
x 2 = x2 x1
m
m
per il pendolo semplice invece si ha:
(
x 1 = x2
g
.
x 2 = sin x1
L

(11)

Il sistema (10) `e detto lineare, poiche tutte le equazioni di destra appaiono


alla potenza 1, mentre il sistema (11) `e detto nonlineare. Normalmente, il
pendolo semplice viene affrontato al Liceo introducendo lapprossimazione di
sin x
= 1 si deduce che,
piccolo angolo x. Dal limite fondamentale7 limx0
x
per piccoli angoli x (espressi in radianti) `e lecito sostituire sin x con x ed
ottenere lequazione del pendolo linearizzata. Il difetto di tale trattazione `e che
descrive le piccole oscillazioni del pendolo attorno alla posizione di equilibrio.
Non `e tuttavia in grado di fornire una trattazione di moti nei quali la massa
m raggiunga la sommit`a della sua traiettoria. In realt`a il pendolo semplice
pu`o essere risolto analiticamente in modo esatto (lo vedrete allUniversit`
a).
Tuttavia deve esserci una via pi`
u semplice ... dopo tutto `e facile descrivere il
moto di un pendolo: a bassa energia si hanno oscillazioni avanti ed indietro,
mentre ad alta energia possono esserci volteggi per il punto pi`
u alto.
6

Costruendo il grafico Gv della velocit`a in funzione del tempo, `e facile rendersi conto che laccelerazione `e costruita, o meglio, derivata da tale grafico. Infatti, laccelerazione ad un certo istante
t coincide con la pendenza della retta tangente a Gv nel punto di coordinate (t, v(t)).
7
Nei vostri studi di geometria e trigonometria probabilmente avrete riflettuto sul fatto che, in
una circonferenza di raggio unitario, se un angolo al centro x viene misurato in radianti, allora esso
fornisce anche la lunghezza dellarco corrispondente. Tale valore si confonde con la misura della
corda intercettata da x se langolo al centro `e molto piccolo.

10

5.1

Il diagramma nello spazio delle fasi

Lidea base `e abbastanza semplice: supponiamo di conoscere una soluzione


del sistema pendolo per una particolare condizione iniziale8 . Tale soluzione
sarebbe costituita da una coppia di funzioni x1 (t) e x2 (t) che rappresentano
la posizione e la velocit`a del pendolo ad ogni istante successivo. Se rappresentiamo in uno spazio astratto, detto Spazio delle fasi tali coppie (x1 , x2 ) di
valori dipendenti dal parametro tempo t, otterremo una particolare traiettoria
` facile anche rendersi conto che tale spazio `e complenello spazio delle fasi. E
tamente riempito di traiettorie, poiche ciascun punto pu`o rappresentare una
condizione iniziale e quindi linizio di un moto possibile.
In realt`a limportanza dellutilizzo dello spazio delle fasi `e che vedremo
come, dato il sistema, sia possibile disegnare le traiettorie e da queste trarre
informazioni sulla natura della soluzione dellevoluzione.

5.2 Dimensione e linearit`


a; dipendenza esplicita dal
tempo.
Osserviamo infine che gli esempi (10) e (11), il primo lineare e il secondo
non lineare, sono entrambi 2-dimensionali, in quanto lo spazio delle fasi `e
descritto da coppie di numeri reali (posizione e velocit`a della particella). Un
ultimo esempio particolarmente istruttivo `e quella delloscillatore armonico
forzato; si tratta di una situazione simile a (8), in cui `e presente una forza
che, dallesterno, stimola il sistema; nel caso periodico si ha:
m
x + x + kx = F cos t ,

(12)

dove = 2ext `e la pulsazione esterna forzante.


Anche in questo caso, si pu`o ottenere una descrizione nello spazio delle fasi,
al prezzo dellintroduzione di una nuova funzione x3 = t. Il corrispondente
sistema (detto non autonomo) diventa:

x = x2

k
F
(13)
x 2 = x2 x1 + x3 ,

m
m
m

x 3 =
In questo modo la traiettoria nello spazio delle fasi (questa volta 3dimensionale), risulterebbe non dipendere dal tempo. Ora le condizioni iniziali sono
tre numeri x, x e t, necessari a predire il (lo stato) futuro del sistema dal (lo
stato) presente (iniziale).
8

Per condizione iniziale intendiamo lo stato iniziale rappresentato dal vettore 2-dimensionale
(x1 (0), x2 (0)).

11

Ma a cosa `e dovuto il vantaggio dei sistemi lineari su quelli non lineari? I


sistemi lineari possono essere divisi in parti; ciascuna parte pu`o essere risolta
separatamente e le soluzioni possono essere combinate per avere la risposta
finale. Tuttavia, quando parti di un sistema interferiscono o cooperano o
competono9 , nascono interazioni non lineari. In Fisica la non linearit`a `e vitale
nel funzionamento di un laser, nella formazione della turbolenza in un fluido,
o nelle superconduttivit`a in una giunzione Josephson.
Durante il Liceo tu hai studiato o studierai, per la maggior parte, sistemi lineari. In ottica ondulatoria ed in elettromagnetismo sentirai parlare di
principio di sovrapposizione degli effetti. Il fondamento matematico di tale
principio risiede nella linearit`
a dei sistemi dinamici che descrivono i fenomeni elettromagnetici. Vedremo che sistemi lineari in n = 1 dimensioni manifestano crescita o decadimento o equilibrio. Sono necessari sistemi lineari in
almeno n = 2 dimensioni per avere oscillazioni, come vedremo nel parag. 11.
Anticipiamo anche che, nel caso discreto di mappe iterate, vedremo pure
casi non lineari, che evidenzieranno fenomeni ancor pi`
u interessanti.

Sistemi dinamici continui 1-dimensionali

Consideriamo il sistema dinamico descritto dalla seguente equazione differenziale:


x = f (x) ,
(14)
in cui x(t) `e una funzione a valori reali del tempo t, e f (x) `e una funzione liscia
(i.e. continua e derivabile quanto si vuole) a valori reali di x. Tale sistema
dinamico viene detto 1-dimensionale. Per evitare confusioni, si ricordi che
per noi la parola sistema verr`
a intesa sempre nel senso di sistema dinamico.
Pensiamo inoltre che il nostro sistema sia autonomo, cio`e che la funzione f (x)
non dipenda esplicitamente dal tempo.

6.1 Lapproccio geometrico: interpretazione di unequazione differenziale come campo vettoriale


Cerchiamo ora di condurre per mano il lettore verso uninterpretazione geometrica dellequazione (14); allinizio forse qualcuno avr`
a limpressione si tratti
di una costruzione artificiosa. In realt`a, siamo convinti che se il nostro lettore avr`a un po di pazienza, dopo poco si render`a conto dei vantaggi di tale
costruzione. Questo `e uno di quei casi in cui un disegno `e molto pi`
u utile
di una formula per capire come vanno le cose (nel nostro caso, quali siano
9

Ci`o avviene anche in dinamica delle popolazioni, quando due specie, di tipo preda-predatore
vivono in uno stesso territorio; abbiamo studiato tale situazione nel nostro laboratorio.

12

le caratteristiche della soluzione del nostro sistema). Illustriamo questo fatto


con un semplice esempio: consideriamo come funzione f (x) la funzione non
lineare sin x. Studiamo cio`e il sistema
x = sin x .

(15)

In effetti il nostro esempio `e motivato dal fatto che si tratta di uno dei pochi
casi non lineari che possono essere risolti direttamente; la soluzione x(t) che
corrisponde alla condizione iniziale x = x0 per t = 0 `e abbastanza complicata:

csc x0 + cot x0

;
t = ln
(16)
csc x + cot x
certamente, tale soluzione `e di interpretazione non immediata. Labbiamo
scritta non per far spaventare il nostro lettore, ma per cercare di convincerlo
che forse vale la pena che continui a leggere le nostre note e vedere che c`e
una via pi`
u conveniente (che si applica anche nei casi in cui non `e affatto
immediato o addirittura impossibile ricavare lanalogo di (16)).
Pensiamo allora a t come al tempo, ad x come la posizione di una immaginaria particella in moto lungo lasse reale omonimo allistante t, ad x
come la velocit`a di tale particella al medesimo istante. In questo caso diremo
che lequazione (15) fornisce un campo vettoriale sulla retta: esso determina
infatti il vettore velocit`a x in ogni punto x. Per avere unidea del campo vettoriale, possiamo allora fare il grafico di x in funzione di x, e tracciare delle
frecce sullasse delle x per rappresentare il vettore velocit`a in ciascun punto x.
Naturalmente, le frecce punteranno verso destra quando x > 0 e verso sinistra
quando x < 0.

Figura 2: Esempio di rappresentazione del sistema dinamico 1-dimensionale x = sin x.

Lo stesso campo vettoriale pu`o essere introdotto anche con unanalogia


che ci viene dalla fisica: pensate ad un fluido ideale in regime stazionario, che
scorre lungo lasse x con una velocit`a che varia da punto a punto, secondo la
legge (15). Nei punti in cui la velocit`a si annulla, non c`e flusso; tali punti sono
` facile rendersi conto che
detti allora punti fissi per il campo vettoriale10 . E
10

Abbiamo gi`a incontrato e la riprenderemo, nel caso di sistema dinamico discreto, la definizione
di punto fisso per unequazione di evoluzione nel parag. 13.2.

13

nel nostro caso si hanno due tipi di punti fissi: i punti fissi stabili (detti anche
attrattori o pozzi), e i punti fissi instabili (detti anche repulsori o sorgenti); la
differenza diviene manifesta guardando al verso delle frecce nella figura 2.
Adesso che abbiamo a disposizione questa visione geometrica o fisica del
sistema, possiamo capire la natura delle soluzioni di (15). Baster`a pensare alla
posizione iniziale x0 di una particella di fluido ed immaginare come essa sia
trascinata dalla corrente descritta dal nostro campo vettoriale. Se allinizio
la nostra particella ha velocit`a positiva, cio`e se si ha per t = 0 la condizione
x > 0, allora si sposta a destra e per tempi lunghi (diremo asintoticamente)
si avvicina al pi`
u vicino punto fisso stabile. Allo stesso modo, se a t = 0 si
ha x < 0, la particella si avvicina al pi`
u vicino punto fisso stabile alla sua
sinistra. Se invece x = 0, allora la particella resta nella posizione x. La forma
qualitativa delle soluzioni del sistema dinamico dato, corrispondente a diverse
condizioni iniziali `e riassunta nella figura 3.
Tale ragionamento pu`o naturalmente essere esteso a qualsiasi sistema del
primo ordine con campo delle velocit`a f (x). Il fluido immaginario `e detto
fluido di fase e lasse delle x, lo spazio delle fasi. Il flusso va verso destra
se f (x) > 0, verso sinistra se f (x) < 0. Per trovare la soluzione di (14) a
partire dalla condizione iniziale x0 , basta porre una particella immaginaria
(che diremo punto di fase) in x0 e guardare come viene trasportata dalla
corrente. Al passare del tempo, il punto fase si muove lungo lasse x secondo
la funzione x(t), che diremo traiettoria con punto base x0 .
Una figura come la (3), che mostra tutte le traiettorie qualitativamente
differenti del sistema, verr`a detta ritratto di fase. Laspetto del ritratto di fase
`e controllato dai punti fissi del campo vettoriale x , definiti dalla condizione
f (x ) = 0. In termini della equazione differenziale di partenza, tali punti fissi
rappresentano soluzioni allequilibrio, poiche se allinizio la particella si trova
in x = x , allora rester`a sempre in tale posizione: x(t) = x , t > 0.
Un punto di equilibrio si dice stabile se perturbazioni sufficientemente piccole a partire dallo stesso tendono a smorzarsi nel tempo. Viceversa, gli
equilibri instabili sono tali per cui, col passare del tempo, tali perturbazioni
divengono sempre maggiori. Notiamo che la definizione appena data ha una
natura locale, poiche si riferisce a perturbazioni abbastanza piccole. Se le perturbazioni a partire da un punto di equilibrio tendono comunque a smorzarsi,
indipendentemente da quanto grandi siano, allora il punto di equilibrio si dir`a
globalmente stabile.

Analisi della stabilit`


a

Dobbiamo ammettere che lanalisi geometrica che abbiamo appena cercato di


esporre fornisce solo un buon quadro qualitativo dellandamento di un sistema

14

Figura 3: Ritratto di fase per il sistema dinamico nonlineare di Fig. 2.

x
2
3

2
4

-
2
-
3
-
2
-2

dinamico. Non ci dice ad esempio, listante in cui la velocit`a `e maggiore,


oppure la scala di tempo caratteristica in cui avviene un fenomeno di crescita
o di calo, come quello descritto nel ritratto di fase della Fig. 3.
Tuttavia, con semplici ragionamenti che fanno uso delle derivate, `e possibile capire come vanno le cose11 .
Consideriamo un punto fisso x per il campo vettoriale f (x), definito, come
abbiamo visto, dalla condizione f (x ) = 0. Ci chiediamo se `e possibile capire
dallandamento della Fig. 2 se tale punto fisso `e stabile oppure instabile per
il sistema. Seguendo lanalogia idrodinamica che abbiamo spiegato, forse vi
siete accorti che nelle vicinanze di un pozzo (punto fisso stabile, pallino nero
in figura) il grafico `e decrescente, mentre vicino ad una sorgente (punto fisso
instabile, pallino bianco in figura) il grafico `e crescente. Da ci`o segue subito
che in tali punti fissi, la derivata prima di f (x) `e rispettivamente negativa o
positiva12 .
11

Per i ragazzi del Quarto anno: non spaventatevi! Siamo sicuri che anche voi sarete in grado
di capire le idee che vi stiamo proponendo.
12
Sempre per i ragazzi di Quarta: la derivata prima di una funzione reale di variabile reale f (x),
calcolata in un punto x del suo dominio, `e la pendenza della retta tangente al grafico della funzione

15

Questa informazione pu`o essere utilizzata per studiare il comportamento


della soluzione dellequazione (14) nelle vicinanze di un suo punto fisso x .
Indichiamo con z = xx una piccola perturbazione attorno a x ; se deriviamo
rispetto al tempo otteniamo subito13
z =

dz
d(x x )
=
= x .
dt
dt

Allora lequazione (14) pu`o essere scritta come:


z = x = f (x) = f (x + z) .

(17)

A questo punto facciamo unapprossimazione, che sar`a tanto pi`


u buona quanto
stiamo vicini al punto fisso x o, equivalentemente, tanto pi`
u piccolo rimane
z. Sostituiamo la nostra funzione f (x) con una nuova funzione g(x) che abbia
la propriet`a di avere per grafico la retta tangente al grafico di f (x) nel punto
P . Tale funzione `e proprio:
g(x) = f (x ) + f 0 (x )(x x ) .

(18)

Riesprimendo lequazione sopra in termini della variabile z che rappresenta la


perturbazione, otteniamo allora14 :
g(z) = f (x ) + f 0 (x )z = f 0 (x )z ,

(19)

dove lultima uguaglianza deriva dal fatto che x `e punto fisso per il sistema.
Finalmente, siamo in grado di riscrivere lequazione (14) sostituendo f con g:
z = f 0 (x )z .

(20)

Abbiamo ottenuto unequazione lineare; vedremo nel paragrafo successivo


esempi di tali sistemi dinamici lineari, alcuni dei quali siamo sicuri avete
studiato o studierete qui al Liceo.

Sistemi dinamici lineari 1-dimensionali

Durante lo studio della meccanica i ragazzi incontrano, gi`a a partire dal Terzo anno, il caso del moto di caduta di un grave soggetto alla forza peso. Se
il modello viene solo di poco complicato per tener conto dellazione dellatmosfera, normalmente si introduce una forza di attrito viscoso, direttamente
nel punto P (x, f (x)). In un sistema monometrico, la pendenza `e la tangente trigonometrica
dellangolo formato tra tale retta tangente e il semiasse positivo delle x.
13
Infatti la derivata della funzione costante x `e nulla.
14
Per i pignoli: abbiamo chiamato la funzione della nuova variabile con un nome diverso, g.

16

proporzionale alla velocit`a delloggetto durante la caduta. In quel caso, dalla


d~v
seconda legge della dinamica, F~ = m~a = m
proiettata lungo un asse x,
dt
diretto come la verticale discendente, si ottiene:
mg v = mv ,

(21)

dove, come gi`a ricordato, g = 9, 8 ms2 `e laccelerazione di gravit`


a e `e
una costante, dipendente dal mezzo (aria) in cui si muove il corpo e dalla sua
forma15 . Lequazione (21) pu`o facilmente essere posta nella forma:
v =

v+g.
m

(22)

Vi invitiamo ora a verificare che il sistema ha un unico punto fisso stabile


mg
v =
. Se preferite esprimere il tutto in termini di perturbazioni rispetto

a tale punto fisso, ponendo z = v v ottenete lequazione (lanaloga della


(20)):
m
z
=
;
(23)
z = ,

dove abbiamo introdotto la costante di tempo che descrive la frenata del moto
del grave dovuta allatmosfera. La soluzione dellequazione corrispondente alla
condizione iniziale di grave abbandonato con velocit`a iniziale nulla ci `e nota
dalla fisica16 :

(24)
v(t) = v 1 e .
A questo punto invitiamo i lettori a ricercare, nel ritratto di fase del sistema non lineare mostrato in figura 3, un andamento simile a questo; sar`a
interessante confrontare la condizione iniziale di quel caso con quella di velocit`a nulla, in riferimento alla posizione del pi`
u vicino punto fisso stabile per
la funzione sin x.

8.1

Carica di un condensatore

Proseguiamo con un esempio che tutti i ragazzi dovranno studiare attentamente al quinto anno: il processo di carica di un condensatore. Vi diciamo
che un condensatore `e un sistema fisico in cui si realizza il fenomeno dellinduzione elettrostatica completa17 ; serve ad immagazzinare in entrambe le
15

Tale modello potrebbe essere utile a comprendere il funzionamento di un paracadute!


In Quinta potrete facilmente verificare che si tratta della soluzione giusta. Va comunque
sottolineato che per comprendere il messaggio che vorremmo dare, questi sono solo dettagli tecnici.
17
Si tratta di una coppia di conduttori affacciati carichi di una quantit`a di carica elettrostatica
uguale in modulo e di segno opposto.
16

17

armature una certa quantit`a di carica elettrica, il cui modulo indichiamo con
Q. Quando il condensatore `e carico, ai suoi capi si realizza una differenza
di potenziale18 , che indichiamo con V . La capacit`a C di un condensatore `e
Q
data dal rapporto costante C = . Per caricare un condensatore, esso viene
V
normalmente collegato in serie ad una resistenza e ad una batteria, in grado
di fornire un d.d.p. costante V0 , detta forza elettromotrice (f.e.m.). Il circuito
`e rappresentato in figura 4, assieme con il grafico che descrive lanalisi geometrica del sistema dinamico. Notate che il processo di carica avviene chiudendo
linterruttore.

Figura 4: Carica di un condensatore e grafico per lo studio del processo.

V0

Scrivendo lequazione per lunica maglia (cio`e percorso chiuso) di cui `e


costituito il circuito otteniamo:
V0 + RI +

Q
= 0.
C

(25)

Poiche durante la carica del condensatore, ad un certo istante t, la corrente che


fluisce nel circuito `e uguale alla variazione istantanea della carica accumulata
sulle armature, vale la relazione
I(t) = lim
tt

Q(t) Q(t)
,
= Q(t)
tt

(26)

`e facile ottenere lequazione che descrive la dinamica del sistema, in termini


della funzione Q(t):
1
V0
Q =
Q+
f (Q) .
(27)
RC
R
18

Lunit`a di misura del potenziale `e il Volt, in onore di Alessandro Volta. Sicuramente avrete
usato tale termine tante volte, allacquisto di una batteria per la vostra radio, macchina fotografica
ecc. La forza elettromotrice di una batteria, cio`e la capacit`a di spingere gli elettroni di conduzione
dei resistori che chiudete su di essa, dipende da quanto pi`
u grande `e la d.d.p. tra i suoi capi,
espressa in Volt.

18

In Fig. 4 si vede a destra il diagramma che rappresenta levoluzione temporale


del sistema.
Vi invitiamo ora a verificare che il sistema ha un unico punto fisso stabile
Q = CV0 . Se preferite esprimere il tutto in termini di perturbazioni rispetto
a tale punto fisso, ponendo z = Q Q ottenete lequazione (lanaloga della
(20)):
z
z =
= RC ;
(28)

dove abbiamo introdotto quella che i fisici chiamano la costante di tempo del
circuito. La soluzione dellequazione corrispondente alla condizione iniziale di
carica nulla (Q0 = 0) ci `e nota dalla fisica19 :

Q(t) = Q 1 e ,
(29)
ed `e rappresentata nella figura 5.

Figura 5: Quantit`a di carica Q presente sulle armature di un condensatore in funzione del tempo
t durante il processo di carica.
Q

A questo punto invitiamo i lettori a ricercare, nel ritratto di fase del sistema
non lineare mostrato in figura 3, un andamento simile a quello della carica del
condensatore; sar`a interessante confrontare la condizione iniziale di quel caso
con quella di condensatore scarico, in riferimento alla posizione del pi`
u vicino
punto fisso stabile per la funzione sin x.

8.2

Avete notato qualche ripetizione?

La stessa costruzione geometrica che abbiamo fatto per la caduta di un grave si applica alla carica del condensatore. Anche qui trovate un diagramma
19

In Quinta potrete facilmente verificare che si tratta della soluzione giusta. Va comunque
sottolineato che per comprendere il messaggio che vorremmo dare, questi sono solo dettagli tecnici.

19

lineare, con un punto fisso stabile. Questo `e un esempio di come, studiando due fenomeni apparentemente molto distanti (uno di meccanica, laltro
di elettromagnetismo), linterpretazione in termini del linguaggio matematico
dei sistemi dinamici (continui) consente una migliore comprensione. Consente inoltre la scoperta di inaspettate analogie. Usando la matematica come
linguaggio della natura, stiamo facendo quello che avevano tentato i grandi
studiosi di biologia, nel costruire una classificazione degli esseri viventi!20

8.3

La crescita di una popolazione

In effetti, non `e neppure necessario studiare la fisica per trovare esempi di


sistemi dinamici lineari del primo ordine. Partiamo da lontano: vi siete mai
chiesti perche il numero e di Nepero `e cos` caro ai matematici? Provate a
riprendere in mano il vostro testo del quarto anno e cercate di vedere come
`e introdotto tale numero. I ragazzi di quinta sapranno gi`a la definizione pi`
u
rigorosa di limite di una successione:

1 n
e = lim 1 +
.
(30)
n>
n
Tutto molto bello... ma come `e possibile inventarsi una cosa tanto strana ...
Non diamo volutamente la risposta qui, perche vorremmo che foste voi a farvi
unidea della questione. Tuttavia richiamiamo un problema molto famoso in
biologia, che studieremo anche nel nostro laboratorio. Si tratta del modello
pi`
u semplice possibile per la crescita di una popolazione di organismi21 , di cui
vogliamo studiare il numero N (che chiameremo popolazione come funzione
del tempo t). Detto r il ritmo di crescita, il sistema dinamico `e descritto
dallequazione:
N (t) = rN (t) .
(31)
Ormai avrete capito che questo modello predice una crescita esponenziale.
Dal punto di vista della biologia, si tratta di un approccio assolutamente non
soddisfacente, ma vedremo nel corso del nostro laboratorio come si possono
migliorare le cose.

Ricerca degli zeri di una funzione

In questo paragrafo, intendiamo costruire un sistema dinamico discreto a partire da un problema molto interessante, che si affronta in qualche misura anche
20

Sar`
a questa la chiave di lettura, il filo rosso delle conferenze della XIX Settimana scientifica
presso il nostro Istituto.
21
Diamo qui la versione a tempo continuo del problema; nelle dispense abbiamo trattato la
versione discreta lo scorso anno.

20

nei corsi tradizionali di Liceo scientifico. Si tratta della soluzione numerica approssimata di unequazione, col metodo delle tangenti di Newton. Partiamo,
come sempre, da un esempio: risolvere nel campo reale lequazione
x cos x = 0 .

(32)

In effetti, anche i ragazzi delle Quarte sono in grado di dare uninterpretazione


grafica del problema. Tuttavia, per determinare le coordinate (in particolare
lascissa) dellintersezione tra il grafico della prima bisettrice y = x e della
funzione y = cos x, il metodo grafico `e decisamente insoddisfacente.
Poniamo allora la questione in modo generale. Intendiamo cercare gli zeri
contenuti in un intervallo I = [a, b] R di unequazione del tipo:
g(x) = 0 ,

(33)

essendo g una funzione reale di variabile reale, che soddisfa allipotesi g 0 (x) 6=
0, per tutti gli x I 22 .
Il metodo inizia cercando di indovinare una soluzione per lo zero della
funzione23 : sia x0 il nostro primo tentativo per fornire la soluzione dellequazione (33). Nel caso fossimo incredibilmente fortunati, potremmo trovare24
g(x0 ) = 0 e il nostro lavoro sarebbe finito. In caso contrario, possiamo usare
una ben precisa procedura per trovare una soluzione migliore. Noto x0 ,
abbiamo calcolato g(x0 ) 6= 0. Costruiamo la retta tangente al grafico della
funzione g nel punto P0 di coordinate (x0 , g(x0 )). Troviamo lequazione:
y = g(x0 ) + g 0 (x0 ) (x x0 ) ;

(34)

notate che il coefficiente angolare della tangente `e uguale al valore della derivata prima della funzione g, calcolata nel punto di tangenza. Sappiamo bene
che, sfortunatamente, la curva si discosta dalla tangente (34), tuttavia possiamo trovare lintersezione di tale retta con lasse delle x, di equazione y = 0.
Ricaviamo allora il valore
x1 = x0

g(x0 )
.
g 0 (x0 )

(35)

Se ora consideriamo questa una migliore scelta per la nostra soluzione, possiamo ripetere la costruzione della retta tangente al grafico di g, questa volta
22

Sar`
a interessante studiare le condizioni a cui deve soddisfare g affinche la soluzione dellequazione esista e sia unica. Con riferimento ad I, considerate per ora che sia g(a)g(b) < 0 e g 00 (x) 6= 0,
x I.
23
In lingua inglese si dice un guess, una supposizione.
24
Ma ci`o `e decisamente improbabile!

21

nel punto P1 di coordinate (x1 , g(x1 )). La intersezione della nuova tangente
con lasse delle x `e ora:
g(x1 )
x2 = x1 0
.
(36)
g (x1 )
Credo ora sia chiaro che in questo modo abbiamo costruito un sistema
dinamico discreto, con funzione di evoluzione X cos` definita:
xn+1 = xn

g(xn )
xn + X(xn ) .
g 0 (xn )

(37)

Osserviamo inoltre che x `e uno zero per g se e solo se x `e un punto di


equilibrio per il sistema dinamico discreto25 che abbiamo costruito tramite il
metodo delle tangenti di Newton.

10 Come ottenere un sistema dinamico discreto da uno continuo e viceversa


Ritorniamo ora al sistema dinamico continuo 1-dimensionale, descritto dallequazione di evoluzione (14), e supponiamo che sia noto lo stato iniziale
x(t0 ) = x0 . Se decidiamo di calcolare le sue soluzioni in modo approssimato,
possiamo sostituire alla variabile continua indipendente t R una variabile
discreta n Z. Fissiamo ora un incremento finito, abbastanza piccolo h = t
della variabile tempo. Possiamo allora definire per ricorsione la successione
xn+1 xn
= f (xn ) ,
h

x0 = x0 .

(38)

Ricordiamo ora che si pu`o pensare che lequazione (14) si riferisca al moto
stazionario di un fluido lungo lasse x, con velocit`a pari a f (x) nel punto x del
condotto. Immaginiamo ora di viaggiare assieme ad un punto dello spazio delle
fasi, trasportati dalla corrente. Se inizialmente ci troviamo in x0 , e la velocit`a
locale `e f (x0 ), se ci muoviamo per un breve intervallo di tempo h = t,
ci sposteremo approssimativamente di una distanza f (x0 )t. Naturalmente
stiamo facendo unapprossimazione, perche `e ragionevole che, seppur di poco,
la velocit`a cambi durante lo spostamento. Tuttavia, per h piccoli, la nostra
approssimazione `e buona, per cui avremo per la nuova posizione raggiunta:
x(t0 + h) x1 = x0 + f (x0 )h .

(39)

A questo punto basta ripetere il ragionamento. Lapprossimazione ci ha condotto ad una nuova posizione x1 ; la nostra nuova velocit`a `e qui f (x1 ); un
25

Per la definizione di punto di equilibrio per un sistema discreto, si veda il parag. 13.2.

22

nuovo spostamento in avanti, per un tempo nuovamente uguale ad h ci far`a


avanzare a x2 = x1 + f (x1 )h, e cos` via. Abbiamo cos` esposto il pi`
u semplice schema di integrazione numerica dellequazione differenziale (14). Esso `e
noto anche col nome di metodo di Eulero. Visualizziamo il metodo di Eulero
rappresentando in grafico x verso t.

Figura 6: Metodo di Eulero: soluzione esatta ed approssimata a confronto.

Nella figura 6, la curva mostra la soluzione esatta x(t), i pallini bianchi


i valori x(tn ) = xn , calcolati ai tempi discreti tn = t0 + nh, mentre i pallini neri sono i valori approssimati ottenuti dal metodo di Eulero. Come si
vede, in poco tempo lapprossimazione peggiora, a meno che h sia molto piccolo. In effetti, esistono diverse versioni migliorate del metodo di Eulero; ci`o
nonostante, il caso semplice che abbiamo esposto contiene gi`a le idee essenziali dellapprossimazione numerica. Le formule normalmente utilizzate sono
tuttavia pi`
u complicate. A titolo di esempio, riportiamo solo la successione
ottenuta col metodo di RungeKutta; dopo aver definito le seguenti quantit`
a:
k1 = f (xn )h ,

k2 = f x n +

k3 = f x n +

k4 = f x n +

23

1
k1 h ,
2

1
k2 h ,
2

1
k3 h ,
2

un buon valore (anche per h = t non troppo piccoli) di xn+1 `e dato da:
xn+1 = xn +

1
(k1 + 2k2 + 2k3 + k4 ) .
6

(40)

Concludiamo il paragrafo, riconsiderando la discretizzazione (38) dellequazione (14). Sia un qualche cambiamento (sufficientemente regolare)
della variabile tempo t, cio`e s = (t). Il cambio di variabile trasforma la
(14) in unequazione del tipo x = f (x), con > 0. Se siamo solo interessati
ai valori della x che determinano la successione (38), non `e restrittivo allora
porre, fin dallinizio, h = 1. A questo punto, se data la funzione reale di
variabile reale26 g(x) dalla quale abbiamo scritto la successione di Newton
(37), ci poniamo il problema di trovare il campo f (x) di cui la successione `e
la riduzione discreta, `e sufficiente scegliere:
fNEW (x) =

g(x)
.
g 0 (x)

(41)

Da ci`o si vede che x `e uno zero per g se e solo se x `e un punto di equilibrio


per il campo vettoriale fNEW .

10.1

Un esempio di soluzione numerica

Un esempio di sistema dinamico continuo 1-dimensionale che esamineremo


nella sua variante discreta (la mappa logistica) `e dato dallequazione non
lineare:
x = x(1 x) .
(42)
Per determinare numericamente la soluzione, possiamo rappresentare il campo
delle pendenze del sistema nel piano (t, x).
In figura 7, a sinistra, si vede un modo nuovo di interpretare lequazione
dx
(42): per ogni punto (t, x), lequazione fornisce la pendenza
della soluzione
dt
del moto che passa per quel punto; tali pendenze sono rappresentate da piccoli
segmenti. La determinazione della soluzione si riduce allora al problema di
disegnare la curva che `e localmente sempre tangente al campo delle pendenze. Nella figura 7 si vedono alcune possibili soluzioni che partono da diverse
condizioni iniziali nel piano (t, x).
26

Tali risultati si estendono al caso di funzioni g : Rm Rm , o a campi vettoriali f in n > 1


dimensioni, ma qui non li tratteremo.

24

Figura 7: Campo delle pendenze per il modello logistico continuo (a sinistra) e soluzione ottenuta
col metodo di Runge-Kutta con passo h = t = 0.1, per diverse condizioni iniziali (a destra).

x
2
1.5
1
0.5

x
2
1.5
1
0.5
2

8 10 t

8 10 t

11 Il metodo delle fasi per loscillatore armonico lineare


11.1

Il ritratto di fase

Ritorniamo allesempio da noi introdotto nel paragrafo 4.2. In quel caso, `e


nota la forma analitica delle soluzioni; pertanto il problema di determinare
il ritratto di fase del sistema, si riduce a rappresentare la curva parametrica
descritta dalle (7) nel piano (x, v). Lasciamo a voi come esercizio di ricavare
lequazione cartesiana per la curva; si trova:
2 x2 + v 2 = 2 x0 2 + v0 2 ,

(43)

che riconoscerete essere unellisse, rappresentata in figura 8, per v0 = 0 e


x0 < 0.
Dalle figure 9 e 8 `e facile convincersi che quando x ha valore minimo
(negativo) x0 , corrispondente alla situazione iniziale di massima compressione
della molla, la velocit`a `e nulla. Nellistante successivo, mentre il punto di fase
viaggia lungo lorbita, la massa m `e portata in punti dove x aumenta e la
velocit`a v `e ora positiva: la massa `e spinta verso la sua posizione di equilibrio.
Ma quando la la massa raggiunge x = 0, essa ha la massima velocit`a positiva
(posizione b in figura), per cui la oltrepassa (x > 0). La massa ora rallenta e si
arresta nellistante in cui raggiunge laltra estremit`a delloscillazione, dove x `e
massima e v = 0. A questo punto la massa `e tirata nuovamente verso sinistra
e completa il ciclo. Lasciamo a voi ora di rispondere alle seguenti domande:
Esercizio 3: Supponete che il vostro oscillatore armonico ad un certo punto

25

Figura 8: Ritratto di fase per loscillatore armonico semplice.


v

HbL
HaL

HcL

HdL

inizi a dissipare energia, si comporti cio`e come un sistema reale. Cosa vi


aspettate per il suo ritratto di fase?
Esercizio 4: Forti della interpretazione fisica data nellesercizio precedente,
dimostrate che la condizione 2 x2 +v 2 = 2 x0 2 +v0 2 = costante `e equivalente
alla conservazione dellenergia meccanica.

11.2 Lapproccio geometrico per sistemi in 2 dimensioni


A questo punto qualche lettore forse si chieder`
a se `e possibile utilizzare lapproccio geometrico introdotto nel paragrafo 6.1 per sistemi dinamici 2-dimensionali,
come loscillatore armonico. Ci`o risulta fondamentale per studiare i sistemi
dinamici 2-dimensionali non lineari, per i quali in generale non esistono soluzioni analitiche come nel caso delloscillatore armonico semplice. Tale esempio
tuttavia ci `e ancora molto utile, per cercare di dare la risposta.
Anche nel caso 2-dimensionale, `e utile visualizzare il campo vettoriale in
termini del moto di un fluido ideale immaginario. Sar`a sufficiente considerare
il caso di un fluido in moto stazionario sul piano di fase, con velocit`a vettoriale
avente componenti (x,
v)
= (v, 2 x). Allora, per trovare la traiettoria che
parte dallo stato iniziale (x0 , v0 ), basta porre una particella immaginaria o
punto di fase e guardare come `e trasportata dalla corrente. La situazione `e
descritta in figura 10.
La corrente, come si vede, gira attorno allorigine; questo `e un punto
particolare, che assomiglia allocchio di un ciclone: un punto di fase posto
in quella posizione vi rimarrebbe per sempre, poiche (x,
v)
= (0, 0) quando
(x, v) = (0, 0). Pertanto lorigine `e un punto fisso. Ci`o nonostante, un punto
di fase che partisse da qualsiasi altra posizione, si metterebbe a girare attorno
allorigine e ritornerebbe ad un certo momento nella posizione iniziale. Tali

26

Figura 9: Fasi del moto delloscillatore armonico semplice.

traiettorie formano delle cosiddette orbite chiuse. Ma che relazione c`e tra le
orbite chiuse e i punti fissi e il problema fisico di partenza, cio`e la massa attaccata ad una molla ideale? La risposta `e semplice. I punti fissi corrispondono
ad punti di equilibrio statico per il sistema; le orbite chiuse corrispondono a
moti periodici, cio`e ad oscillazioni della massa.

12 Dipendenza da parametri: biforcazioni


e catastrofi
Con lesempio appena studiato abbiamo visto che aumentando le dimensioni
dello spazio delle fasi la dinamica del campo vettoriale diventa pi`
u ricca, appaiono infatti soluzioni periodiche, che abbiamo chiamato cicli. Nel caso di

27

Figura 10: Interpretazione geometrica per il campo di fase delloscillatore armonico.


v

sistemi dinamici continui in una dimensione27 , come abbiamo visto, o le soluzioni si dispongono allequilibrio o tendono a . Ci`o nonostante, i sistemi
1-dimensionali risultano interessanti non appena il campo vettoriale dipende
da dei parametri. In particolare, i punti fissi possono essere creati o distrutti
o cambiare la loro stabilit`a. In altre parole, cambiando la struttura del campo vettoriale, varia la natura qualitativa della soluzione del nostro problema
dinamico, cio`e il tipo di moto che si determina a partire da un certo stato
iniziale28 . Nello studio della dinamica, molto spesso appaiono dei parametri,
che hanno una precisa interpretazione fisica. Un fenomeno molto interessante,
noto col nome di biforcazione od anche catastrofe si ha quando una variazione
continua del parametro determina un cambiamento repentino e discontinuo
delle propriet`a del sistema. Per darvi unidea di questo fenomeno guardate la
figura 11. Essa contiene una serie di 8 famose29 figure sviluppate da Fisher
(1967) (si veda ad esempio [9], pag. 11), legate ad un repentino cambiamento
nella percezione visiva. La prima figura in alto a sinistra rappresenta una faccia, mentre lultima in basso a destra si riferisce certamente ad una donna. Se
guardiamo le figure una dopo laltra da sinistra e destra e dallalto in basso,
27

Facciamo qui riferimento a situazioni generiche, strutturalmente stabili; non consideriamo i


casi marginali corrispondenti al passaggio tra regimi dinamici differenti; si veda, a proposito, il
paragrafo 13.5.
28
In effetti, nel vostro corso di studi avete certamente studiato esempi di problemi di secondo
grado (di geometria sintetica od analitica) dipendenti da un parametro. Tipicamente, allora eravate
interessati a contare le soluzioni reali del problema, al variare di un parametro, che descriveva una
classe di casi geometricamente possibili.
29
Lavoro originale: G.H. Fisher, Preparation of ambiguous stimulus material in Perception and
Psychophysics, 2 pag. 421422, 1967.

28

Figura 11: Un esempio di catastrofe nella percezione visiva.

ci accorgiamo che, pur cambiando di poco, ad un certo momento la nostra


percezione cambia allimprovviso: da faccia a donna.

13 Sistemi dinamici discreti e mappe 1dimensionali


13.1

Premessa

Intendiamo ora riprendere i concetti che avete gi`a studiato, sperimentandoli


nel nostro laboratorio di matematica, in occasione del vostro primo anno
di attivit`a nel PLS per la matematica. Lo scopo `e rivedere i ripensare a
quanto abbiamo fatto, magari offrendo qualche ulteriore spunto di riflessione
e vedendo i collegamenti tra lapproccio discreto e continuo.
Nel paragrafo 3 abbiamo parlato di sistemi dinamici discreti. Come sapete bene, si tratta di casi in cui il tempo `e visto come una variabile discreta
anziche continua. In alcuni contesti scientifici risulta naturale considerare il
tempo discreto: si pensi ad esempio allelettronica digitale, ad alcune parti
delle scienze economiche e delle finanze, e nello studio di certe popolazioni
animali nelle quali le generazioni successive non si sovrappongono. In particolare, nel nostro laboratorio di matematica voi avete visto, tra laltro, modelli
matematici (in particolare lequazione logistica) che si applicano allo studio

29

delle popolazioni. Per fare ci`o abbiamo avuto bisogno solo di alcuni semplici
concetti relativi alliterazione di mappe.
In effetti, lo studio delle mappe `e interessante in se, poiche le mappe
costituiscono un formidabile laboratorio per analizzare fenomeni caotici. Le
mappe sono capaci di comportamenti molto pi`
u imprevedibili delle equazioni
differenziali; negli ultimi 25 anni si sono fatti straordinari passi avanti nel loro
studio, grazie soprattutto alla crescente disponibilit`a dei computer e della
grafica computerizzata. Forse vi potr`a sorprendere sapere il fatto che oggi,
grazie allattrezzatura informatica del nostro Istituto, `e possibile ripercorrere
con relativa facilit`a di calcolo alcune delle pi`
u affascinanti scoperte sul caos
ottenute da scienziati come May [3], Lorenz [1] od Henon [2].

13.2

Alcune definizioni

Considerate una mappa 1-dimensionale, cio`e una funzione continua F : R


I I, di un sottoinsieme I della retta reale in se stessa. Possiamo definire
una successione nel modo seguente:

x0 I
(condizione iniziale)
(44)
xn+1 = F (xn ) , n 0 (legge di ricorrenza)
Le successioni del tipo (44) si dicono definite per ricorrenza o induzione
e la funzione F si chiama funzione generatrice. I punti della successione

x0 , x1 = F (x0 ), x2 = F 2 (x0 ), . . . , xn = F n (x0 ), . . . , costituiscono lorbita, (x0 ),


generata dal valore assegnato x0 . Notiamo che con la scrittura F n , intendiamo
literata n-esima della funzione F , cioe:
F n = |F F {z
. . . F}
n volte

(45)

Per lo studio del sistema dinamico discreto risultano fondamentali gli elementi
x I che soddisfano allequazione:
F (x) = x ;

(46)

essi si dicono punti fissi o di equilibrio della funzione F . Avrete gi`a capito che
la ragione del loro nome risiede nel fatto che lorbita generata da un punto
fisso x, si riduce al punto stesso, cio`e (x0 = x) = {x}. Da un punto di
vista geometrico, le soluzioni dellequazione (46) possono essere interpretate
come le ascisse degli eventuali punti di intersezione tra il grafico di F e delle
funzione identit`a y = x. Avendo in mente lanalogia col sistema continuo
oscillatore armonico, `e naturale ora definire la nozione di orbita periodica
come una successione del tipo:
x0 , x1 , x2 , . . . , xp1 , xp = x0 , x1 , x2 , xp1 , x0 , x1 . . .

30

(47)

con x0 6= x1 6= . . . 6= xp1 e xp = x0 . Lintero p si dice il (minimo) periodo


dellorbita e i punti della stessa sono periodici di periodo p.
Esercizio 5: Dimostrate che i punti x0 , x1 , . . . , xp , di unorbita periodica di
periodo p sono fissi per literata p-esima di F .

13.3 Analisi geometrica delliterazione di una funzione: il diagramma a ragnatela


Abbiamo anche studiato, nel caso di mappe 1-dimensionali, che `e possibile
ricorrere ad un metodo grafico molto utile, detto diagramma a ragnatela30 ,
per studiare literazione. Consideriamo il grafico di F e, partendo da x0 ,
ricaviamo x1 . Esso `e lordinata del punto sul grafico di F che ha ascissa x0 .
Per trovare ora x2 `e necessario riportare sullasse delle ascisse tale valore. per
farlo, `e sufficiente muovere parallelamente allasse delle ascisse il punto del
grafico (x0 , x1 ), fino ad incontrare la prima bisettrice. Individuato in figura il
punto di coordinate (x1 , x1 ) basta ora spostarlo parallelamente allasse delle
ordinate fino ad incontrare il grafico di F nel punto (x1 , x2 ). A partire da tale

Figura 12: Il diagramma a ragnatela per la funzione F = x1/2 .


1.75

1.5

1.25

0.75

0.5

0.25

0.25

0.5

0.75

1.25

1.5

punto, ripetendo il procedimento appena descritto, possiamo ottenere x3 , e


cos` via. Osservate che nella figura la successione di punti sul grafico tende al
punto di intersezione tra la retta y = x e y = F (x).
30 `

E denominato cobweb diagram nei testi in lingua inglese.

31

Le equazioni del tipo (44) definiscono un sistema dinamico discreto 1dimensionale. Come nel caso continuo, tale sistema si dir`a lineare o non
lineare a seconda della natura della funzione F .

13.4 Comportamento di un sistema lineare discreto


1-dimensionale
Abbiamo anche tentato di analizzare il comportamento di un generico sistema
lineare discreto 1-dimensionale, di cui abbiamo fornito un esempio particolare
nel paragrafo 3. Consideriamo il sistema la cui funzione di evoluzione `e f (x) =
ax + b, con a, b R. Dalla definizione ricorsiva:
xn+1 = axn + b ,

(48)

lasciamo a voi come esercizio31 ricordare come si poteva provare che il termine
n-esimo della successione (di valore iniziale x0 ) pu`o essere scritto come:

n
a 1
n
b
se a 6= 1
a x0 +
.
(49)
xn =
a1

x0 + nb
se a = 1
Durante la nostra attivit`a di laboratorio, avete avuto modo di intuire
sperimentalmente, usando il calcolatore, qual `e il comportamento asintotico
di un sistema dinamico lineare come quello delleq. (49), cio`e il limite a cui
tende xn per n +. Ora potreste magari porvi il problema di dimostrare
i risultati32 , che per tutti riassumiamo nella tabella 1, in cui risulta essenziale
distinguere tre casi, a seconda che sia |a| < 1, oppure |a| = 1, oppure |a| > 1.
b
. Si
Nel risultato esposto, un ruolo particolare `e assunto dal punto x =
1a
tratta del punto fisso per la funzione F (x), cio`e del valore per cui F (
x) = x
.
Anche nel caso discreto vale quindi una nozione di stabilit`
a del tutto simile a
quella introdotta nel paragrafo 6.1 per i sistemi dinamici continui. Ricordiamo
tuttavia che lunica differenza sta nel fatto che, nel caso di unequazione di
evoluzione continua del tipo x = f (x), i punti fissi per il campo f (x) sono
quelli per cui f (x) = 0.
Naturalmente, la costruzione geometrica del diagramma a ragnatela si
applica anche al caso lineare. Potrete allora comprendere il contenuto della
tabella, applicando tale tecnica per il grafico di F , che, come ben sapete,
rappresenta una retta nel piano cartesiano.
31

Vi sar`a utile ricordare lespressione della somma dei primi n termini di una progressione
geometrica di ragione a e termine iniziale 1.
32
Arriverete molto avanti, ma sar`a solo dopo aver appreso alla fine di questanno la nozione di
limite che potrete portare a termine il compito!

32

x0

|a| < 1

|a| > 1

a=1

a = 1

Comportamento di xn per n +
b
1a

6=

b
1a

diverge

b
1a

rimane fisso in

b
1a

b 6= 0

diverge

b=0

rimane fisso in x0

6=

b
2

oscilla: x0 , b x0 , . . .

b
2

rimane fisso in

b
2

Tabella 1: Comportamento asintotico del sistema discreto 1-dimensionale xn =


axn1 + b, e condizione iniziale x0 , in dipendenza dei parametri reali a e b. Nel caso
in cui una casella `e vuota si intende nessuna ulteriore condizione.
.

33

13.5 Sistemi dinamici discreti 1-dimensionale non


lineari
Nel paragrafo 7 avevamo trattato il problema della stabilit`a nel caso 1-dimensionale
continuo. Avevamo utilizzato una procedura di linearizzazione. Una tecnica analoga si pu`o applicare anche nel caso discreto. Supponete che x sia un
` ormai chiaro che se xn = x
punto fisso per F , cio`e che si abbia F (
x) = x
. E
,
allora lorbita rimarr`a in x
per tutte le successive iterazioni. Per studiare la
stabilit`a di x
, consideriamo unorbita vicina, che indicheremo con xn = x
+ n
e chiediamoci se tale orbita viene attratta o respinta da x
. In altre parole, la
deviazione n aumenta o diminuisce al crescere di n? Baster`a sostituire:
x
+ n+1 = xn+1 = F (
x + n ) = F (
x) + F 0 (
x)n + O(n 2 ) ,

(50)

dove col simbolo O(n 2 ) intendiamo33 che nello sviluppo in serie di Taylor di
f trascuriamo i termini quadratici in . Ricordando che x
`e un punto fisso, si
ottiene lequazione discreta linearizzata:
n+1 = F 0 (
x)n

(51)

Se `e lecito trascurare i termini quadratici in , lequazione linearizzata dipende


dal moltiplicatore (detto anche autovalore) = F 0 (
x), che rappresenta la
pendenza della retta tangente al grafico di f nel suo punto fisso x
. Si tratta
allora di un sistema 1-dimensionale, per cui possiamo applicare lanalisi della
tabella 1 per a = e b = 0. Se || = |F 0 (
x)| < 1 allora n 0 per n ,
e il punto fisso x
`e linearmente stabile. Viceversa, se || = |F 0 (
x)| > 1 il
punto fisso `e instabile. Sebbene queste conclusioni circa la stabilit`a locale
siano basate sulla linearizzazione, si potrebbe provare che valgono34 per la
` comunque necessario osservare che la linearizzazione
mappa non lineare F . E
non dice nulla a proposito del cos` detto caso marginale, per cui || = 1.
Sono proprio i termini trascurati di tipo O(n 2 ) che determinano la stabilit`a
locale35 . Concludiamo il paragrafo introducendo unimportante definizione:
dato un punto fisso attrattivo x
per un sistema dinamico, diciamo bacino di
attrazione linsieme delle condizioni iniziali x0 per le quali xn x
se n .
33

Si tratta sempre di approssimare il grafico della funzione con una retta, come descritto nel
caso continuo.
34 `
E necessario ipotizzare che la funzione F abbia derivata continua, sia cio`e di classe C 1 .
35
Anche nel caso continuo, la situazione in cui F 0 (x ) = 0 risulta determinata dalle derivate di
ordine successivo. Essa risulta significativa in teoria delle biforcazioni, quando il sistema dinamico
dipende da un parametro di controllo. I casi marginali corrispondono a situazioni critiche, nelle
quali si ha un repentino cambiamento della dinamica del sistema; si veda il paragrafo 12.

34

14

La nostra attivit`
a di laboratorio

Vorremmo ora parlare delloggetto principale della nostra attivit`a di laboratorio di matematica connessa al Progetto Lauree Scientifiche. Queste brevi
note si proponevano, tra laltro, di farvi riflettere sui collegamenti che il tema
dei sistemi dinamici naturalmente instaura tra molti contenuti dei nostri corsi
istituzionali di matematica e di fisica. Come avete visto, si va dalle applicazioni della seconda legge di Newton, alla dinamica dei fluidi ideali; dalle
successioni definite in modo esplicito a quelle definite per ricorrenza; dallo
studio di argomenti del calcolo differenziale, come derivate e limiti, a problemi di analisi numerica, come la determinazione approssimata degli zeri di una
funzione. Il filo rosso che collega tutte queste nozioni, apparentemente molto
diverse tra loro, `e lidea di evoluzione temporale di un sistema. Vorremmo
concludere questa dispensa riportando quanto scrisse Robert M. May nel suo
famoso lavoro [3] pubblicato sulla rivista Nature36 : In spite of the practical
problems which remain to be solved, the ideas developed in this review have
obvious applications in many areas. [...] I would therefore urge that people be
introduced to, say, equation (3) early in their mathematical education. This
equation can be studied phenomenologically by iterating it on a calculator, or
even by hand. Its study does not involve as much conceptual sophistication as
does elementary calculus. Such study would greatly enrich the students intuition about nonlinear systems. I pi`
u attenti avranno subito pensato: ma cosa
intendeva May con equazione (3)? Si tratta di una famosissima equazione
che descrive levoluzione di un sistema dinamico discreto, nota col nome di
equazione logistica:
xt+1 = axt (1 xt ) .
(52)
Forse non siamo riusciti a svelarvi tutto su di essa qui, per`o pensiamo valga
decisamente la pena riassumere alcuni risultati 37 ...

14.1

Lequazione logistica

La dinamica della popolazione di molte specie animali `e caratterizzata dal


fatto che non vi `e sovrapposizione tra generazioni successive, cos` la crescita
36

Ecco la nostra libera traduzione: A dispetto dei problemi pratici che rimangono da essere risolti, le idee sviluppate in questa rassegna hanno ovvie applicazioni in molte aree. Le applicazioni
pi`
u importanti, tuttavia, possono essere nellinsegnamento. [...] Vorrei insistere affinche la gente
fosse, diciamo, introdotta allo studio dellequazione (3) molto presto nella sua formazione matematica. Questa equazione pu`
o essere studiata fenomenologicamente iterandola su un calcolatore, o
perfino a mano. Il suo studio non richiede concetti cos` sofisticati come il calcolo differenziale. Un
tale studio arricchirebbe enormemente lintuizione dello studente sui sistemi non lineari.
37
Questa breve introduzione `e ripresa dal paragrafo I moscerini della frutta e il caos in [8], pag.
170.

35

della popolazione avviene in tappe discrete. Per gli organismi primitivi queste
tappe possono essere molto brevi, in tal caso un modello dinamico con tempo continuo, pu`o essere unapprossimazione ragionevole. Tuttavia, la durata
delle varie tappe pu`o cambiare molto, da specie e specie. Per la nascita di
un moscerino della frutta da una pupa basta un giorno, per delle cellule sono
sufficienti delle ore, mentre per virus e batteri addirittura molto meno. Lequazione (52) mette in relazione la popolazione allistante t + 1-esimo con la
popolazione allistante precedente, t-esimo. Per semplicit`a, assumiamo nella
nostra descrizione che la popolazione venga descritta alla distanza temporale
di un anno.
Ci`o porta ad un sistema dinamico discreto, in cui la funzione da iterare `e
non lineare, cio`e proprio F (x) = ax(1 x). In realt`a, risulta pi`
u comodo pensare che un certo ambiente abbia una certe popolazione massima sostenibile
di una data specie, rappresentata dalla variabile adimensionale xt . Tale variabile rappresenta il rapporto tra la popolazione reale e la popolazione massima
alla t-esima generazione. Possiamo pertanto pensare che dobbiamo iterare
la funzione F (x) sullintervallo [0, 1]. Il numero a denota il tasso di crescita
relativo della popolazione, che supponiamo non dipendere dal tempo. Esso
viene chiamato capacit`
a biologica specifica. La forma della funzione F che
d`a luogo allequazione logistica (52) si basa sullidea che, quando in un dato
ambiente la popolazione `e scarsa e non vi `e competizione per lo spazio vitale
o la ricerca del cibo, allora ogni generazione cresce rispetto alla precedente
di un fattore a, secondo una progressione geometrica. Tuttavia, al crescere
della popolazione, le risorse di cibo tendono ad esaurirsi, pertanto aumenta
la competizione, che riduce il tasso di crescita di una quantit`
a ax2 , sempre
pi`
u rilevante al crescere della popolazione. Nel 1976, lecologo matematico R.
May osserv`o che lapparente semplicit`a della funzione F (x) `e ingannevole.
Essa presenta infatti ogni sorta di comportamento dinamico complicato,
al variare della capacit`a biologica specifica a. La dipendenza sensibile della
natura della soluzione della (52) dal parametro a `e un esempio di biforcazione, del tipo di quella che abbiamo descritto nel paragrafo 12. Nel nostro
laboratorio, esplorerete sperimentalmente tale variet`
a di comportamenti. In
particolare vi renderete conto, che per valori particolari del parametro a, nasceranno orbite aperiodiche: ci`o vorr`
a dire che, ad esempio, se in un certo
anno la popolazione sar`a piccola, i cinque anni seguenti sar`a grande, seguir`a
poi un anno di popolazione media e quindi alcuni anni di popolazione piccola,
seguita da un anno di boom demografico e via dicendo. Saremo di fronte a
sequenze arbitrarie di alti e bassi, senza alcuna regolarit`a apparente, come
quelli descritti in figura 13.
Questo `e un esempio di caos deterministico. Quel che sorprese May non fu
il fatto che le popolazioni reali siano imprevedibili, ma il fatto che un modello

36

Figura 13: Un esempio di soluzione aperiodica dellequazione logistica per a = 3.9.


xt

0.8
0.6
0.4
0.2

10

20

30

40

50

cos` semplice come lequazione logistica (dopo tutto la funzione F (x) = ax(1
x) ha come grafico una parabola!) abbia un comportamento tanto selvaggio.
I tipi di dinamica delle popolazioni che sono possibili nellequazione logistica
sono descritti dal famoso diagramma di biforcazione, divenuto ormai unicona
del caos. Il diagramma riporta in ascissa i valori del parametro a ed in ordinata
alcuni valori di x quando, per un numero abbastanza grande di iterazioni, la
dinamica si stabilizza.

Figura 14: Il diagramma di biforcazione dellequazione logistica per valori del parametro di
controllo 3.4 < a < 4.

Riportiamo da ultimo due figure, dalle quali si pu`o vedere che il diagramma di biforcazione ha inaspettate propriet`a di autosimilarit`a. Osservate che

37

Figura 15: Il diagramma di biforcazione dellequazione logistica per valori del parametro di
controllo 3.847 < a < 3.857.

lo stesso diagramma per valori diversi del parametro di controllo a ha una


struttura che si ripete (Fig. 14 e 15).
A questo punto molte sono le domande che ci possiamo porre: come `e
possibile che una semplice equazione di evoluzione come quella logistica, la
cui natura `e intrinsecamente deterministica, non consenta di rispondere alla domanda per la quale `e stata introdotta, cio`e risulti incapace di predire
landamento della popolazione della nostra specie?
Pu`o avvenire qualcosa di simile in Fisica, nel senso che la seconda legge di
Newton per la dinamica classica, pur essendo deterministica, possa risultare
in taluni casi incapace di predire levoluzione del nostro sistema dinamico? O
posta altrimenti, esiste una dipendenza non banale dellevoluzione del sistema
dallo stato iniziale dello stesso?
E che significato ha la struttura di autosimilarit`a del diagramma di biforcazione esposto nelle due ultime figure? Si tratta di frattali?
Se siete di nuovo con noi `e perche forse siete tipi curiosi! sarebbe bello
questanno riuscire a fare con voi qualche ulteriore passo in avanti!

38

Riferimenti bibliografici
[1] E. N. Lorenz, Deterministic nonperiodic flow, J. Atm. Sci. 20, 130
(1963).
[2] M. Henon, A two-dimensional mapping with a strange attractor, Comm.
Math. Phys. 50, 69 (1976).
[3] R. M. May, Simple mathematical models with very complicated
dynamics, Nature 261, 459 (1976).
[4] P. Collet e J-P. Eckmann, Iterated maps on the interval as dynamical
systems, Birkhauser editore, Boston, 1980 (ISBN: 3-7643-3026-0).
[5] H.-O. Peitgen e P.H. Richter, La bellezza dei frattali, Bollati Boringhieri,
1987 (ISBN: 88-339-0420-2).
[6] S. H. Strogatz, Nonlinear Dynamics and Chaos, Perseus Book Publ.,
Cambridge Mass., 1994 (ISBN: 0-7382-0453-6).
[7] E. R. Scheinermann, Invitation to Dynamical Systems, Prentice Hall
College Div., New Jersey, 1995 (ISBN: 0-1318-5000-8).
[8] I. Stewart e M. Golubitsky, Terribili simmetrie, Dio `e un geometra?,
Saggi Scientifici Bollati Boringhieri, 1995 (ISBN: 88-339-0914-X).
[9] J. D. Murray, Mathematical Biology I: An introduction III ed. Springer
Verlag, N.Y., Berlin, Heidelberg, 2001 (ISBN: 0-387-95223-3)
[10] J. Gleick, Caos, La nascita di una nuova scienza, R.C.S. Libri, BUR
Scienza, V ed., 2005 (ISBN: 88-17-25875-X).
[11] A. Vulpiani, Determinismo e Caos, Carocci editore, Roma, 2005 (ISBN:
88-430-3216-X).

39