Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
DANIELE ANDREUCCI
DIP. METODI E MODELLI, UNIVERSITÀ LA SAPIENZA
VIA A.SCARPA 16, 00161 ROMA, ITALY
andreucci@dmmm.uniroma1.it
PN
Sia z definita da z(t) = i=1 ci yi (t), per ogni t ∈ J . Allora sia z che y risolvono
(
w 0 = A(t)w ,
w(t0) = y(t0 ) .
Per il teorema di unicità deve quindi valere z ≡ y in J , ossia
N
X
y(t) = ci yi (t) , per ogni t ∈ J .
i=1
Segue subito
Corollario 1.1. La dimensione di S è uguale a N .
Abbiamo quindi dimostrato che tutte e sole le soluzioni di (1.2) si possono scrivere
come
XN
y(t) = ci yi (t) , t∈J, (1.4)
i=1
ove le yi sono una N -upla fissata di soluzioni linearmente indipendenti (cioè una
base di S), e le ci variano ad arbitrio in R. La (1.4) è perciò un integrale generale
di (1.2).
2. Matrici risolventi
Osservazione 2.1. Ricordiamo che, per la definizione del prodotto righe per co-
lonne, le colonne della matrice prodotto
C = AB , A matrice N × N e B, C matrici N × p,
sono combinazioni lineari delle colonne di A. Più specificamente, se denotiamo
con colj (C) = (cij )Ni=1 la j-esima colonna della matrice C, e A = (aij ), B = (bij ),
vale
X N N XN XN
colj (C) = (cij )N
i=1 = a b
ih hj = b (a ) N
hj ih i=1 = bhj colh (A) .
h=1 i=1 h=1 h=1
Ne segue che l’integrale generale (1.4) può essere messo nella forma vettoriale
y = Y (t)C , (2.1)
ove Y è una matrice le cui colonne siano N soluzioni linearmente indipendenti di
(1.2), e C ∈ RN è un arbitrario vettore colonna di scalari. Poniamo allora la
Definizione 2.1. Una matrice Y le cui colonne costituiscano una base di S si
dice matrice risolvente del sistema (1.2).
Il seguente lemma, di dimostrazione quasi banale, risulta di grande importanza:
Lemma 2.1. Sia Y una matrice risolvente di (1.2), e sia B una matrice non
singolare N × N (cioè det(B) 6= 0) a coefficienti reali. Allora anche Y B è una
matrice risolvente di (1.2).
4 DANIELE ANDREUCCI
Si noti però che i calcoli necessari sono comunque di solito troppo complessi per
essere svolti a mano.
L’idea. Fissata una base (ξ1 , . . . , ξN ) di RN , e assegnato un qualunque dato di
Cauchy u0, con u0 = N
P
h=1 ch ξh , ch ∈ R, la soluzione di (3.4) si può scrivere
N N N ∞ i i
tA tA
X X
tA
X X tA
y(t) = e u0 = e ch ξh = ch (e ξh ) = ch ξh . (3.6)
i!
h=1 h=1 h=1 i=0
Allora vale
∞ i
X t (A − λI)i
et(A−λI ) ξ = ξ=
i!
i=0
t2 (A − λI)2ξ t3(A − λI)3ξ
Iξ + t(A − λI)ξ + + + . . . = Iξ = ξ .
2! 3!
Quindi se per esempio la matrice A ha una base di autovettori ξh come sopra
(con autovalori λh ∈ R), le N soluzioni linearmente indipendenti sono1
Si noti che ragionando come sopra, si dimostra che etA ξ è una soluzione (comples-
sa), anche se ξ è un autovettore corrispondente a un autovalore complesso. Poiché
a noi interessano soluzioni reali, il caso di autovalori complessi viene trattato a
parte nel seguito.
Autovettori generalizzati. Poiché però non tutte le matrici hanno una base di
autovettori, occorre in generale cercare i vettori linearmente indipendenti ξh non
solo tra gli autovettori, ma tra gli autovettori generalizzati di A: per definizione
si dice che ξ ∈ C N , ξ 6= 0, è un autovettore generalizzato di A se esistono un
autovalore λ ∈ C di A e un m ∈ N tali che
(A − λI)m ξ = 0 . (3.9)
1La seconda e l’ultima uguaglianza in (3.8) richiederebbero una dimostrazione, che è facile nel
caso dell’ultima uguaglianza, ma lo è meno nel caso della seconda.
SISTEMI DI EQUAZIONI DIFFERENZIALI LINEARI 7
Vale
Z|t| Zτ1 Zτn
|t|n+1
|Rn+1(t)| ≤ ... e|t| dτn+1 . . . dτ2 dτ1 = e|t| .
(n + 1)!
0 0 0
Questo sviluppo in serie di et vale, di fatto, anche per tutti i numeri complessi t.