Sei sulla pagina 1di 467

¼

½

·

Metodi ´
¹

e ”
I

Modelli Matematici
Revised: 6 marzo 2013 9h : 38min Ottavio Caligaris

MMM
Indice
1
¼
½

Caratteristiche ·
´

di un modello matematico ¹
”
• Identificazione dei meccanismi e delle leggi che regolano il pro- I
blema da modellizzare.
• Formulazione delle ipotesi a partire dalle quali il modello va co-
struito.
• Costruzione del modello attraverso il linguaggio matematico.
• Analisi del modello.
• Interpretazione del modello.
• Validazione del modello.

C ARATTERISTICHE
• Implementazione del modello.

2
¼
½

Modelli Differenziali ·
´

- O.D.E. - ¹
”

(Ordinary I

Differential
Equations)

I M ODELLI D IFFERENZIALI
3
”
·

½
¼

4
I

M OD. D IFF . - C ADUTA DI UN GRAVE


¹
´
¼
Caduta di un grave ½

P0 = h0 ¶
·
´
¹
”
Un punto di massa m è posto ad
I
un’altezza h
Sul punto agisce solo la forza di
gravità F = mg
Trascuriamo la resistenza dell’aria

DI UN GRAVE
M OD. D IFF . - C ADUTA
O

5
x ¼
½

P0 = h0
·
´
Assumiamo un sistema di riferi-
¹
mento che coincide con la retta
”
P = x(t)
che il punto percorre cadendo
I
Assumiamo l’origine in corrispon-
denza del suolo
Consideriamo positive le altezze
misurate dal suolo

DI UN GRAVE
M OD. D IFF . - C ADUTA
O

6
¼
x(t) posizione (altezza) del punto P all’istante t
½
v(t) = ẋ(t) velocità del punto P

a(t) = ẍ(t) accelerazione del punto
·
Per le leggi di Newton
´
ma(t) = −mg ¹
”
I
(1) ẍ(t) = g

Il moto inizia all’istante t0 = 0

DI UN GRAVE
(2) ẋ(t) = −gt + c1

M OD. D IFF . - C ADUTA


1
(3) x(t) = − gt2 + c1t + c0
2
7
¼
Il moto è determinato univocamente se si conoscono posizione e
velocità iniziale. ½

v0 = ẋ(0) = c1 h0 = x(0) = c0 ·
´
Il punto P si muove sull’asse x seguendo la legge
¹
1 ”
(4) x(t) = − gt2 + v0t + h0
2 I

DI UN GRAVE
M OD. D IFF . - C ADUTA
8
y

x
”
·

½
¼

9
I

M OD. D IFF . - C ADUTA DI UN GRAVE


¹
´
¼
Modello alternativo
½
Energia potenziale del punto P ¶
·
U(t) = mgx(t)
´

Energia cinetica del punto P ¹


”
1 2
mẋ (t) I
2
Energia totale del punto P
1
mẋ2(t) + mgx(t)

DI UN GRAVE
E(t) =
2
Per il principio di conservazione dell’energia.

M OD. D IFF . - C ADUTA


E(t) = costante

10
¼

1 ½
2
(5) mẋ (t) + mgx(t) = mk ¶
2
·
1 p ´
mk = mv20 + mgh0 ⇐⇒ v0 = ± 2k − 2gh0
2 ¹
”
1 I
(6) ẋ2(t) = k − gx(t)
2

k − gx(t) ≥ 0 ⇐⇒ x(t) ≤ k

DI UN GRAVE
g

M OD. D IFF . - C ADUTA


k
x(t) = g
è una soluzione costante dell’equazione 6

11
¼
Per le soluzioni non costanti
½
p ¶
(7) ẋ(t) = ± 2k − 2gx(t)
·
´
ẋ(t)
p = ±1 ¹
2k − 2gx(t)
”
gẋ(t)
p = ±g I
2k − 2gx(t)
Zt
gẋ(s)
p ds = ±gt
0 2k − 2gx(s)

DI UN GRAVE
u = x(s) , du = ẋ(s)ds
Per s = 0 e s = t avremo x(s) = x(0) = h0 e x(s) = x(t),

M OD. D IFF . - C ADUTA


Z x(t)
gdu
√ = ±gt
x0 2k − 2gu

12
¼
p p ½
2k − 2gx(t) − 2k − 2gx0 = ±gt ¶
p
2k − 2gx(t) = ±gt + v0 ·

2k − 2gx(t) = (±gt + v0)2 ´

k 1 ¹
x(t) = − (±gt + v0)2 ”
g 2g
I
Il segno ± di ±gt si può determinare dalla 7: per continuità.
La scelta del segno può essere mantenuta fino a che

ẋ(t) 6= 0

DI UN GRAVE
M OD. D IFF . - C ADUTA
13
¼
Se v0 < 0
½
allora

ẋ(t) = −gt + v0 < 0 ∀t ≥ 0 ·


´
mentre se v0 > 0
¹
v0 ”
ẋ(t) = −gt + v0 = 0 ⇐⇒ t0 =
g I

Le condizioni iniziali
k
x(t0) = ẋ(t0) = 0
g

DI UN GRAVE
non determinano il segno della radice in 7.

M OD. D IFF . - C ADUTA


14
¼
(1) useremo
p ½
(8) ẋ(t) = + 2k − 2gx(t) ¶
·
se ipotizziamo che la velocità del punto sia positiva per t > t0
´
(2) useremo p
¹
ẋ(t) = − 2k − 2gx(t)
”
se ipotizziamo che la velocità del punto sia negativa per t > t0
I
(3) anche la soluzione x(t) ≡ gk è accettabile
La soluzione costante risolve il problema della conservazione dell’e-
nergia, non quello del moto.
Ci sono configurazioni diverse con la stessa energia:

DI UN GRAVE
M OD. D IFF . - C ADUTA
15
y

x
”
·

½
¼

M OD. D IFF . - C ADUTA DI UN GRAVE


16
¹
´
¼
Per v0 > 0 la 8 descrive il moto del punto P se t < t0. ½
k ¶
Poichè deve essere x(t) ≤ = x(t0)
g ·
x non può crescere per t > t0, quindi
´

ẋ(t) ≤ 0 per t > t0 ¹


”
 p I
ẋ(t) = − 2k − 2gx(t)
k
x(t0) = g
La soluzione costante
k

DI UN GRAVE
x(t0) =
g
non è fisicamente improponibile

M OD. D IFF . - C ADUTA


17
¼
½

Crescita di una Popolazione ·


´
¹
”
I

P OPOLAZIONE
DI UNA
C RESCITA
18
¼
Il Modello Esponenziale di Malthus (1798)
½
Prevede che la crescita di una popolazione sia proporzionale al numero ¶
di individui; ·
´
Sia ¹
n(t) ”

il numero di individui di una popolazione al tempo t I



ṅ(t) = cn(t)
n(t0) = n0

c è il tasso di crescita

M ALTHUS
si ottiene

DI
I L M ODELLO
(9) n(t) = n0ec(t−t0)

19
¼
Per determinare c bastano due valori
½

n0 = n(t0) n1 = n(t1) ¶
·
dalla 9 per t = t1
´

ln( nn1 ) ¹
c(t1 −t0 ) 0
n1 = n0e e c= ”
t1 − t0
I
Per n1 = 2n0 si parla di tempo di raddoppio
Per n1 = 12 n0 si parla di tempo di dimezzamento
c è il tasso di crescita istantaneo

ṅ(t)
c=
n(t)

M ALTHUS
DI
I L M ODELLO
20
¼
Tabella dei valori della popolazione mondiale 1950 - 2002.
½

1950 2,556,517,137 1964 3,278,382,111 ¶

1951 2,594,315,297 1965 3,347,361,927 ·

1952 2,636,388,259 1966 3,417,544,528 ´

1953 2,681,738,456 1967 3,487,234,405 ¹


1954 2,729,717,908 1968 3,559,028,982 ”
1955 2,781,183,648 1969 3,633,608,846 I
1956 2,834,158,518 1970 3,708,751,360
1957 2,890,001,400 1971 3,786,142,462
1958 2,946,524,167 1972 3,862,618,859
1959 2,998,875,935 1973 3,938,589,415
1960 3,040,966,466 1974 4,013,474,625

M ALTHUS
1961 3,081,748,662 1975 4,086,472,822
1962 3,137,743,692 1976 4,157,989,236

DI
I L M ODELLO
1963 3,207,262,725 1977 4,230,087,505

21
¼
1978 4,302,112,896 1995 5,694,418,460
½
1979 4,376,940,588 1996 5,773,464,448

1980 4,452,645,562 1997 5,852,360,768
·
1981 4,528,683,571 1998 5,929,735,977
´
1982 4,608,405,979 1999 6,006,163,019
¹
1983 4,689,846,998 2000 6,081,527,896
”
1984 4,770,104,443 2001 6,155,942,526
I
1985 4,851,854,518 2002 6,229,629,168
1986 4,935,217,445 2003 6,303,112,453
1987 5,021,240,720 2004 6,376,863,118
1988 5,107,965,588 2005 6,451,058,790
1989 5,194,724,098 2006 6,525,486,603
1990 5,282,765,827 2007 6,600,115,810

M ALTHUS
1991 5,366,815,901 2008 6,675,056,342
1992 5,450,861,723 2009 6,750,284,385

DI
I L M ODELLO
1993 5,532,578,016 2010 6,825,750,456
1994 5,613,424,524 2011 6,901,439,322
22
¼
Per t0 = 1960 n(t0) = n0 = 3 × 109
½
Per t1 = 1970 n(t1) = n1 = 3.7 × 109

Pertanto
·
ln( nn1 ) ´
0
c= = ln 1.02 ≈ .0198 ¹
t1 − t0
e ”
I

n(t) = 3 × 109eln(1.02)(t−1960)

M ALTHUS
DI
I L M ODELLO
23
¼
Tabella dei valori previsti dal Modello di Malthus a fronte dei valori
effettivi. ½

Anno Valore previsto Valore vero ¶

1950 414,207,711 2,555,360,972 ·


2000 8,255,313,138,000 6,079,006,982 ´
2001 10,062,916,260,000 6,154,325,843 ¹
2002 12,266,316,500,000 6,228,641,303 ”
2003 14,952,178,520,000 6,302,486,693 I
2004 18,226,143,320,000 —–
Il modello Malthusiano sottostima il dato per il 1950
sovrastima i valori degli anni 2000 - 2003.

M ALTHUS
DI
I L M ODELLO
24
¼
Una curiosità.
½
La superficie delle terre emerse è di

14 2
S = 1.48 ∗ 10 m ·
´
Il valore previsto per il 2003 è
¹
”
n(2003) = 14, 952, 178, 520, 000
I
Se fosse stato attendibile, ogni abitante della terra avrebbe a dispo-
sizione solo
9.9m2

M ALTHUS
DI
I L M ODELLO
25
¼
Il modello esponenziale è adatto a rappresentare il decadimento di
materiale radioattivo ½

Ogni elemento radioattivo decade in maniera proporzionale alla pro- ¶

pria massa. ·

Ad esempio il torio ha un tempo di dimezzamento di 1.65×1010 anni; ´

Pertanto il torio decade seguendo la legge ¹


”

q = q0ect I

dove c si può ricavare dalla

ln( 21 )
c= = −1.33 × 10−18
1.65 × 1010

M ALTHUS
DI
I L M ODELLO
26
¼
La discretizzazione del modello esponenziale
½
Nel modello differenziale c è il tasso di crescita istantaneo ¶
Nel periodo T avremo una crescita pari a ·
´
γ = cT
¹

tasso di crescita nel periodo T ”


Pertanto I

n(t0 + T ) = n(t0) + cTn(t0) = n(t0) + γn(t0)
n(t0) = n0

I L M ODELLO E SPONENZIALE D ISCRETO


27
¼
Si consideri il caso di una popolazione con tasso di accrescimento
medio su un periodo T uguale a γ. ½

e pertanto ¶

n(t0 + T ) = n(t0) + γn(t0) ·
´
n(t0) = n0
¹
Se T è grande la popolazione, dopo un tempo T , sarà cresciuta ”
anche per opera degli individui nati nei periodi
I
 
T T
t0 + h , t0 + (h + 1) , h = 0, 1, .., k − 1
k k

I L M ODELLO E SPONENZIALE D ISCRETO


28
¼
Il tasso di accrescimento medio su t0 + h Tk , t0 + (h + 1) Tk è
 
½
γ cT ¶
=
k k ·

Posto ´
 
T ¹
nh = n t0 + h h = 0..k
k ”
Avremo  I
n0 = n(t0)
cT
1≤h≤k
nh = nh−1 + n
k h−1

I L M ODELLO E SPONENZIALE D ISCRETO


29
¼
Si ha
  ½
cT
(10) nh = 1+
nh−1 = ¶
k
·
cT 2
 
(11) = 1+ nh−2 = ´
k ¹
cT h
 
”
(12) = 1+ n(t0) =
k I
cT h
 
(13) = 1+ n0
k

I L M ODELLO E SPONENZIALE D ISCRETO


30
¼
Confrontando le soluzioni della 9 e della 13, avremo, dopo un tempo
T ½

 k
cT ·
n(t0 + T ) = n0ecT oppure n(t0 + T ) = n0 1 +
k ´

Si rileva che per k → +∞ ¹


”
cT k
 
1+ → ecT I
k
La soluzione del modello discreto tende alla soluzione del modello

I L M ODELLO E SPONENZIALE D ISCRETO


continuo.

cT k
 
n(t0 + T ) = n0ecT oppure n(t0 + T ) = n0 1 +
k

31
¼
Con lo stesso procedimento si può calcolare il rendimento sul periodo
T di un capitale al tasso c se si contabilizzano gli interessi su ognuno ½

dei sottoperiodi di lunghezza Tk (interesse composto), ¶


·
 k
cT ´
n(t0 + T ) = n0 1 +
k ¹
”
È il valore maturato al tempo T partendo da un capitale n0 con un
tasso di interesse c sul periodo T contabilizzato su k − 1 sottoperiodi. I

I L M ODELLO E SPONENZIALE D ISCRETO


32
¼
½

Modello di crescita logistica ·


´
Una popolazione per svilupparsi consuma le risorse dall’ambiente. ¹
Le risorse non sono illimitate, condizionano lo sviluppo. ”
Un modello che tenga conto anche di queste condizioni fu proposto I
da Verhulst (1846)
Si assume che il tasso di accrescimento c diminuisca linearmente
con il numero degli individui.

c(n) = a − bn a, b > 0

C RESCITA L OGISTICA
33
¼
Poichè
a
c(n̄) = a − bn̄ = 0 ⇐⇒ n̄ = ½
b ¶
è evidente che la presenza di un numero n̄ di individui annulla il tasso ·
di crescita ed impedisce una ulteriore crescita ´
n̄ assume pertanto il significato di massimo numero di individui so- ¹
stenibili dall’ambiente. ”
Possiamo definire un modello mediante il problema di Cauchy I

ṅ(t) = an(t) − bn2(t) = n(t)(a − bn(t))
n(t0) = n0
L’equazione differenziale è nota come equazione logistica

C RESCITA L OGISTICA
La sua soluzione si chiama funzione logistica.

34
¼
L’equazione Logistica
½
• ha due punti di equilibrio (soluzioni costanti) per
a ¶
n(t) = 0 n(t) = = nmax ·
b
´
corrispondono, rispettivamente, al caso in cui
– la popolazione si è estinta ¹

– la popolazione ha saturato l’ambiente ”

• poichè I
a
an − bn2 > 0 per 0<n<
b
la soluzione è
– crescente se n0 < ba
– decrescente se n0 > ba
• poichè

C RESCITA L OGISTICA
n̈(t) = (a − 2bn(t))ṅ(t)
a
– la soluzione è convessa ( ṅ crescente), se n(t) < 2b
– concava ( ṅ decrescente), per ba > n(t) > 2b
a
.
35
¼
½

Si può congetturare che n tende ·
ad un valore asintotico nmax ´
• crescendo se n0 < nmax ¹
• decrescendo se n0 > nmax ”
• (rimane costante se n0 = I
nmax)
per
a nmax
n(t) = =
2b 2
c’è un punto di flesso
La crescita è molto rapida fino a

C RESCITA L OGISTICA
a
che n(t) = 2b = nmax
2
rallenta
avvicinandosi all’asintoto.

36
¼
Possiamo integrare l’equazione
½


ṅ(t) = an(t) − bn2(t) = n(t)(a − bn(t)) ·
´
n(t0) = n0
¹
”
I

Vale il teorema di esistenza ed unicità

e ci sono due soluzioni costanti

a
n(t) = 0 , n(t) =

C RESCITA L OGISTICA
b

(soluzioni di equilibrio del modello)


37
¼
½
ṅ(t)
=1 ¶
n(t)(a − bn(t))
·

Zt ´
ṅ(s)
ds = t − t0 ¹
t0 n(s)(a − bn(s))
”

Z n(t) I
dx
= t − t0
n(t0 ) x(a − bx)

C RESCITA L OGISTICA
38
¼
½
 
1 1 1 b
= + ¶
x(a − bx) a x a − bx
·
da cui
Z n(t) ´
dx 1 n(t)
dx = ln |x| − ln |a − bx| = ¹
n0 x(a − bx) a n0
   ”
1 n(t) a − bn0
= ln I
a a − bn(t) n0
Ne viene  
1 n(t)
t − t0 = ln c
a a − bn(t)
n(t) n0
dove a−bn(t) ha lo stesso segno di c = a−bn in ciascuno degli intervalli
0
in cui è definita

C RESCITA L OGISTICA
Si ricava
a 1
(14) n(t) = =
b + ce−a(t−t0) β + γe−a(t−t0)
39
b c ¼
dove β = a
eγ= a
½
Le costanti a, β e γ possono essere determinate se si conoscono ¶
·
n(t0 − h) = p0 ´
n(t0) = p1 ¹
n(t0 + h) = p2 ”
I
infatti si ha
1
= β + γe−a(t−t0)
n(t)

ed è sufficiente risolvere il sistema


C RESCITA L OGISTICA


1
= β + γe ah
 p0
1
=β+γ


p 1
 1 = β + γe−ah
p2

40
¼
Posto H = e−ah otteniamo
 ½


1
= β + γ 1
 0
p H ¶
1
(15) =β+γ ·


p 1
 1 = β + γH ´
p 2
¹
e pertanto
 ”
1 1 1
− 1 = γ 1−H

p0
− p1
=γ H H I
(16) 1 1
p1
− p2
= γ(1 − H)
1 1
p0
− p1 1
1 1
=
p1
− p2
H
Se ne deduce che

C RESCITA L OGISTICA
1 p1p2(p1 − p0) p0p1(p2 − p1)
= H=
H p0p1(p2 − p1) p1p2(p1 − p0)
ed è infine facile ricavare γ e β dalle 15,16.
41
¼
Per t0 = 1960 h = 10
n(t0 − h) = n0 = 2, 555, 360, 972 ½

n(t0) = n0 = 3, 039, 669, 330 ¶

n(t0 + h) = n0 = 3, 708, 067, 105 ·

Pertanto ´
¹
109 ”
n(t) =
−.88 + 1.21 ∗ e−.005t+9.8 I

C RESCITA L OGISTICA
42
¼
Tabella dei valori previsti dal Modello di Verhulst a fronte dei valori
effettivi. ½

Anno Valore previsto Valore vero ¶

1950 2.555.360.977 2,555,360,972 ·


2000 9.206.029.384 6,079,006,982 ´
2001 9.206.029.384 6,154,325,843 ¹
2002 10.129.192.320 6,228,641,303 ”
2003 10.659.649370 6,302,486,693 I
2004 11.245.626.720 —–
Il modello di Verhulst sottostima il dato per il 1950
sovrastima i valori degli anni 2000 - 2003.

C RESCITA L OGISTICA
43
¼
½

Modello di crescita logistica con ·


´

prelievo costante ¹
”
È il caso di una popolazione il cui sviluppo è influenzato da un prelie- I
vo ad opera di agenti esterni;
Ad esempio
• un allevamento ittico, da cui viene pescata una quantità fissa di

P RELIEVO
pesce
• una specie in ambiente protetto e senza antagonisti il cui svilup-

CON
po deve essere controllato mediante un prelievo periodico per

L OGISTICA
mantenere il numero di esemplari stabile.

CRESCITA
44
¼
Se la popolazione si sviluppa con tasso di crescita a − bn ed è
sottoposta ad prelievo costante pari ad una quantità c avremo ½

 ¶

ṅ(t) = an(t) − bn2(t) − c ·

n(t0) = n0 ´
¹
a, b, c > 0
”
Il valore di c è critico e può portare all’estinzione della popolazione.
I
È utile determinare il massimo prelievo che non causa l’estinzione
della popolazione.
Vale il teorema di esistenza ed unicità

P RELIEVO
L’equazione ha soluzioni costanti se

−bx2 + ax − c = 0

CON
L OGISTICA
ha soluzioni reali.

CRESCITA
45
¼
Possiamo pertanto distinguere tre casi
a2 − 4bc < 0 ½

·
´
Non ci sono soluzioni costanti e si ha ¹
”
I

P RELIEVO
ṅ(t)
=1
an(t) − bn2(t) − c
Zt

CON
ṅ(s)
ds = t − t0

L OGISTICA
an(s) − bn 2 (s) − c
t0
Z n(t)
dx

CRESCITA
2
= t − t0
n(t0 ) ax − bx − c

46
¼
L’integranda può essere decomposta in fratti semplici mediante la
½
1 1 1 ¶
=− =
ax − bx2 − c b x− a 2 a2 c
 ·
2b
− 4b2
+ b
1 1 ´
=− = ¹
b x− a 2

2b

”
1 1
=−  2 = I


√1 x− a
+1
δ 2b

dove si è posto

P RELIEVO
4bc − a2
δ=
4b2

CON
L OGISTICA
Pertanto
Z  
dx 1 1 a

CRESCITA
= − √ arctan √ x− + cost.
ax − bx2 − c b δ δ 2b
47
e ¼
  ½
1 1 a
− √ arctan √ n(t) − + ¶
b δ δ 2b   ·
1 1 a
+ √ arctan √ n0 − = t − t0 ´
b δ δ 2b
¹
Inoltre ”

   
a 1 1 a I
n(t) = + δ tan t0 + √ arctan √ n0 − −t
2b b δ δ 2b

P RELIEVO
CON
L OGISTICA
CRESCITA
48
¼
½

·

Popolazione nel caso di crescita ´

logistica con prelievo costante per ¹


”
I
a=2
b=1
c=4

P RELIEVO
a2 − 4bc = −12 < 0

CON
L OGISTICA
CRESCITA
49
¼
a2 − 4bc = 0
a ½
−bx2 + ax − c = 0 per x = 2b

a ·
n(t) = α =
2b ´
è una soluzione costante dell’equazione differenziale ¹
Si ha inoltre ”
I
1 1 1
=−
ax − bx2 −c b x− a 2

2b
da cui
Z n(t)

P RELIEVO
dx 1 1 1 1
= a
− a
 = t − t0
ax − bx2 −c b n(t) − b n0 −

CON
n0 2b 2b

L OGISTICA
e !
1 2bn0 − a
n(t) = a+

CRESCITA
2b 1 + (n0b − a2 )(t − t0)

50
¼
½

·
´
Popolazione nel caso di crescita ¹
logistica con prelievo costante per ”
I

a=2
b=1

P RELIEVO
c=1
a2 − 4bc = 0

CON
L OGISTICA
CRESCITA
51
¼
a2 − 4bc > 0
½
In questo caso l’equazione

−bx2 + ax − c = 0 ·
´
ammette due soluzioni reali e distinte ¹
s s ”
a a2 − 4bc a a2 − 4bc I
α= + , β= −
2b 4b2 2b 4b2

e quindi possiamo trovare due soluzioni costanti di equilibrio per il si-

P RELIEVO
stema.
Si ha

CON
−bx2 + ax − c = −b(x − α)(x − β)

L OGISTICA
e  
1 1 1 1

CRESCITA
= −
−bx2 + ax − c b(β − α) x−α x−β
52
¼
da cui
Z ½
1 1
dx = = (ln |x − α| − ln |x − β|) + ϕ(x) ¶
−bx2 + ax − c b(β − α)
·
e ϕ è una funzione costante a tratti ´
Z n(t)    ¹
1 1 n(t) − α n0 − β
2 + ax − c
dx = = ln = t−t
” 0
n0 −bx b(β − α) n(t) − β n0 − α
I
da cui
α − β nn0−α
−β
e−b(β−α)(t−t0)
0
n(t) = n0 −α −b(β−α)(t−t0 )
1− n0 −β
e

P RELIEVO
CON
L OGISTICA
CRESCITA
53
¼
½

·
´
Popolazione nel caso di crescita ¹
logistica con prelievo costante per ”
I

a=5
b=1

P RELIEVO
c=4
a2 − 4bc = 9 > 0

CON
L OGISTICA
CRESCITA
54
¼
½

·
´
¹
Andamento della popolazione con
”
prelievo costante nei casi in cui
I
a=3
b=1
c=2

P RELIEVO
a2 − 4bc = 1 > 0

CON
L OGISTICA
CRESCITA
55
¼
Come si può facilmente osservare dai grafici della soluzione n(t) il
modello rende ragione dei seguenti fatti ½

(1) se a2 − 4bc < 0 la popolazione si estingue in un tempo finito
·
(2) se a2 − 4bc = 0
a ´
• la popolazione si estingue in un tempo finito se n0 < 2b
a
• mentre tende a stabilizzarsi sul valore 2b asintoticamente se ¹
a
n0 > 2b ”

(3) se a2 − 4bc > 0 I


• la popolazione si estingue in un tempo finito se n0 < β
• mentre tende a stabilizzarsi sul valore β asintoticamente se
n0 > β

P RELIEVO
CON
L OGISTICA
CRESCITA
56
¼
Pertanto, pur di partire con un sufficiente numero di individui, non si
ha estinzione della popolazione per ½

a2 ·
c≤
4b ´
a 2
¹
c = 4b è la più alta quantità che si può prelevare senza causare
l’estinzione della popolazione in un tempo finito ”

È la rendita massima dell’allevamento. I

Nel caso la popolazione non si estingua, essa si assesta su un valore


di regime pari a s
a a2 − 4bc a

P RELIEVO
α= + <
2b 4b2 b

CON
a
dove b
è il valore a regime della popolazione in assenza di prelievo.

L OGISTICA
CRESCITA
57
¼
½

Diffusione di un’epidemia di ti- ·


´

po SIS o SIR ¹
”
La diffusione di una epidemia può essere descritta mediante un mo- I
dello simile a quello descritto nella sezione precedente.
Possiamo distinguere tra due diversi modelli:
• Il modello SIS:
• Il modello SIR

DI UN ’E PIDEMIA
D IFFUSIONE
58
¼
• Il modello SIS:
prevede che la malattia si diffonda tra individui Suscettibili al- ½

l’infezione che alimentano la categoria degli individui Infetti che, ¶

a loro volta, guariscono e tornano Suscettibili. ·

• Il modello SIR ´
prevede che la malattia si diffonda tra individui Suscettibili al- ¹
l’infezione che alimentano la categoria degli individui Infetti. ”
Gli infetti non rientrano più nella categoria dei suscettibili, (l’e- I
sito della malattia è fatale oppure genera immunita’).
Dopo la malattia gli individui vengono Rimossi dalla popolazio-
ne

DI UN ’E PIDEMIA
D IFFUSIONE
59
¼
Epidemia di tipo SIS
½
x è il numero di individui infetti ¶
y è il numero di individui suscettibili. ·
La malattia si diffonde tra i suscettibili in ragione del numero di incon- ´
tri tra infetti e suscettibili secondo un coefficiente di proporzionalità a il ¹
tasso di infettività. ”
In altre parole I
infettati
a=
incontri

SIS
DI TIPO
E PIDEMIA
60
¼
Gli infetti
½
aumenteranno in ragione del termine

axy ·
´
diminuiranno della parte di infetti bx che guariscono, (b è il tasso di
¹
guarigione)
”
guariti I
b=
infetti
I suscettibili
diminuiranno della parte che si infetta
aumenteranno della parte che guarisce

SIS
DI TIPO
E PIDEMIA
61
¼
L’accrescimento degli infetti è dato da axy − by
½
L’accrescimento dei suscettibili è dato da −axy + by.

Possiamo scrivere il sistema differenziale.
·
 ´

 ẋ(t) = ax(t)y(t) − bx(t)

 ¹
ẏ(t) = −ax(t)y(t) + bx(t)
”
(17) (SIS)

 x(t0) = x0


I
y(t ) = y
0 0

Assumiamo che il numero degli infetti ed il numero dei suscettibili


abbia somma costante uguale ad N
Poiché y = N − x si ha

SIS
ẋ(t) = ax(t)(N − x(t)) − bx(t)

DI TIPO
ci si riduce allo studio della solita equazione logistica.

E PIDEMIA
62
¼
Epidemia di tipo SIR
½
Nel caso (SIR) il sistema differenziale è simile a quello precedente; ¶
la sola differenza è nel termine che reintroduce i guariti tra i suscetti- ·
bili ( che in questo caso non c’è). ´
Il sistema pertanto sarà ¹
”


 ẋ(t) = ax(t)y(t) − bx(t) I


ẏ(t) = −ax(t)y(t)
(18) (SIR)

 x(t0) = x0


y(t ) = y
0 0

SIR
DI TIPO
E PIDEMIA
63
¼
Non è immediato risolvere il sistema, ma possiamo ottenere informa-
zioni sulle sue soluzioni. ½

Dividendo la prima equazione per x, la seconda per y ed integrando, ¶

si ottiene ·
 R ´
x(t) = x e tt0 (ay(s)−b)ds
0 ¹
(19) Rt
y(t) = y e t0 −ax(s)ds ”
0
I
e quindi
x, y > 0
Poichè ẏ(t) = −ax(t)y(t) < 0 la funzione t 7→ y(t) è decrescente
e quindi ammette limite a +∞.
Inoltre sommando membro a membro in 18 si ottiene che

SIR
(20) ẋ(t) + ẏ(t) = −bx(t) ≤ 0

DI TIPO
e quindi t 7→ x(t) + y(t) è decrescente e risulta limitata da x(t0) +

E PIDEMIA
y(t0) = N ed ammette limite a +∞
64
¼
Quindi x, y sono limitate ed il teorema di prolungabilità consente di
affermare l’esistenza in grande della soluzione del sistema differenzia- ½

le. ¶

Integrando la 20 e ricordando che x, y > 0, si ha ·

Zt ´

b x(s)ds ≤ N − x(t) − y(t) ≤ N ¹


t0 ”

l’integrale a primo membro esiste in senso improprio per t → +∞ I

ed
Rt è convergente in quanto l’integranda è positiva e quindi la funzione
t0 x(s)ds è crescente ed ammette limite all’infinito. ne deduciamo che,
poichè x(t) = (x(t) + y(t)) − y(t) ammette limite per t → +∞, allora
x(t) → 0.

SIR
DI TIPO
E PIDEMIA
65
¼
Possiamo rappresentare le soluzioni del sistema (SIR) nel piano (x, y),
che è detto piano delle fasi. ½

Al variare di t la soluzione (x(t), y(t)) descrive nel piano (x, y) una ¶

curva che si chiama orbita del sistema ·

Se ϕ rappresenta localmente l’orbita ´


¹
x(t) = ϕ(y(t)) = 0 ”

allora I

ẋ(t) = ϕ0(y(t))ẏ(t)
da cui
axy − bx b
ϕ0(y) = = −1 +
−axy ay
Se ne ricava
b

SIR
x = −y + ln y + cost

DI TIPO
a
e ciò consente di disegnare facilmente le orbite del sistema (SIR) nel

E PIDEMIA
piano delle fasi.
66
”
·

½
¼

E PIDEMIA DI TIPO SIR


67
¹
´
¼
½

Curve di inseguimento ·
´
Sia T un bersaglio che si muove su una curva nota Γ a velocità ¹
costante. ”
I

Vogliamo determinare la curva che deve percorrere un punto P che


insegue T a velocità costante se si dirige in ogni istante verso il punto
T.

DI INSEGUIMENTO
La curva che descritta da P si chiama curva di inseguimento.

C URVE
68
¼
Consideriamo alcuni esempi.
½
Il bersaglio T si muove sulla retta x = a > 0 a velocità costante w
Γ può essere parametrizzata mediante le ¶

 ·
x(t) = a ´
γ(t) = t≥0
y(t) = wt ¹
”
Siano (x(t), y(t)) le equazioni parametriche della curva di insegui-
I
mento
(ẋ(t), ẏ(t)) è il vettore velocità:
deve essere parallelo alla direzione (a − x(t), wt − y(t)) dovrà
aversi



ẋ(t) = K(a − x(t))

DI INSEGUIMENTO
(21) ẏ(t) = K(wt − y(t))


(ẋ(t))2 + (ẏ(t))2 = v2

C URVE
69
¼
Supponiamo che la soluzione sia una funzione y(x) allora
½
y(t) = y(x(t)) ¶
·
e
´
(22) ẏ(t) = y0(x(t))ẋ(t) ¹
”
da cui, tenendo conto della 21
I

(23) wt − y(t) = y0(x(t))(a − x(t))

Derivando rispetto t

(24) w − ẏ(t) = y00(x(t))ẋ(t)(a − x(t)) − y0(x(t))ẋ(t)

DI INSEGUIMENTO
Per la 22

(25) w = y00(x(t))ẋ(t)(a − x(t))

C URVE
70
¼
Dalla seconda delle 21 possiamo ricavare che
½
 2  2  2 "  2 #
dx dy dx dy ¶
(26) + = 1+ = v2
dt dt dt dx ·
´
Ricavando ẋ(t) dalla 25 e sostituendo nella 26 otteniamo
¹
 2
2 v 2 ”
1 + (y0(x)) = (a − x)2 (y00)
w I

v
Se poniamo p = y0 e chiamiamo k = w possiamo ricondurci ad una
equazione a variabili separabili della forma
2
1 + p2 = k2(a − x)2 (p0)

DI INSEGUIMENTO
C URVE
71
¼
Se assumiamo X < a, separando le variabili ed integrando otteniamo
½
0
p 1 ¶
p =
1 + p2 k(a − x) ·

e ´
¹
1
(sinh)−1(p) = − ln(a − x) + c ”
k I
da cui
−1
p = sinh(ln(γ(a − x)) k )

ed infine

DI INSEGUIMENTO
1h −1 1
i
p= (γ(a − x)) k − (γ(a − x)) k
2
La costante γ può essere ricavata imponendo che p(0) = y0(0)) = 0

C URVE
(l’inseguitore comincia a muoversi con direzione orizzontale)
72
¼
Si ottiene che γ = a1
½
e possiamo scrivere che
  ¶
1 x −1 x 1
p= ((1 − )) k − ((1 − )) k ·
2 a a
´
Integrando nuovamente si può ottenere la y, ¹
Se k 6= 1 ”
 
1 ka x 1− 1 ka x 1+ 1 I
y = ((1 − )) k − ((1 − )) k + d
2 1−k a 1+k a
Imponendo y(0) = 0 (l’inseguitore parte dall’origine) possiamo rica-
ka
vare d = − 1−k 2 e

 1
x 1+ k

ka 1

DI INSEGUIMENTO
(27) y = 1+ (k − 1) 1 − −
k2 − 1 2 a
 1− 1 !!
x k
−(k + 1) 1 −

C URVE
a
73
¼
Se k = 1  
1 1 ½
p= − γ(a − x)
2 γ(a − x) ¶
1
Imponendo y(0) = p(0) = y0(0) = 0 si ottiene γ = a
e ·

" # ´
1 1 x ¹
p= − (1 − )
2 1 − ax a ”
I
Integrando
 2  2 !
a x x
y= 1− − ln 1 − −1
4 a a

DI INSEGUIMENTO
C URVE
74
¼
Se k > 1 ( v > w) dala 27 per x → a y(x) → ka
k2 −1
chè il punto in cui
½
il bersaglio viene raggiunto dall’inseguitore.

·
´
¹
”
I

DI INSEGUIMENTO
C URVE
75
¼
½

Curva di pedinamento ·
´
Modifichiamo il problema richiedendo che si mantenga costante la ¹
distanza tra inseguitore P e bersaglio T ,
 ”


ẋ(t) = K(a − x(t)) I

ẏ(t) = K(wt − y(t))




(wt − y(t))2 + (a − x(t))2 = a2

Da
ẏ(t) = y0(x(t))ẋ(t)

DI PEDINAMENTO
otteniamo
(wt − y(t)) = y0(x(t))(a − x(t))
per cui

C URVA
(y0(x(t))(a − x(t)))2 + (a − x(t))2 = a2
76
¼
((y0(x(t)))2 + 1)(a − x(t))2 = a2
½
e ¶

0 2 a2 ·
(28) (y (x)) = −1
(a − x)2 ´
¹
”
I

DI PEDINAMENTO
C URVA
77
¼

0 2 a2 2ax − x2 ½
(y (x)) = −1=
(a − x)2 (a − x)2 ¶

da cui ·

0 a2 2ax − x2 ´
y (x) = −1=
(a − x)2 (a − x) ¹

Z√ ”
2ax − x2
y(x) = dx + c I
(a − x)
Integriamo per sostituzione ponendo
p
2ax − x2 = xt
2ax − x2 = x2t2

DI PEDINAMENTO
2a
x=
1 + t2
2a
dx = − 2tdt

C URVA
(1 + t2)2
78
¼

Z√ ½
2ax − x2 ¶
dx =
(a − x) ·
Z  
xt 2a ´
= − 2 2
2tdt =
a−x (1 + t ) ¹
Z  
2at 1 2a ”
= 2a
− 2tdt =
(1 + t2)2 a − 1+t 2 (1 + t2 )2
I
Z
−8a2t2 1
= 1+t2 −2 (1 + t2 )2
dt =
2 2
(1 + t ) a 1+t2
Z
−8at2
= dt
(t2 − 1)(1 + t2)2

DI PEDINAMENTO
Poichè
−8at2 4a 2a 2a
=− + −

C URVA
(t2 − 1)(1 + t2)2 (1 + t2)2 1 + t2 t2 − 1
79
¼
Si ha
Z Z Z ½
1 1/2 1/2 1 t−1 ¶
− dt = dt − dt = ln
t2 −1 t−1 t+1 2 t+1 ·
´
¹
Z Z "
2
#
2 1 1 1 t ”
− + dt = −2 − dt =
(1 + t2)2 1 + t2 (1 + t2) 1 + t2 (1 + t2)2 I
Z
1 2t
− 2
+ t 2 2
dt =
(1 + t ) (1 + t )
Z  Z 
1 t 1 t
− + + = −
(1 + t2) (1 + t2) (1 + t2) (1 + t2)

DI PEDINAMENTO
Quindi

Z
−8at2
  
t 1 t−1
dt = 2a − + ln

C URVA
(t2 − 1)(1 + t2)2 1 + t2 2 t+1
80
¼
e poichè
√ 2
½
2ax − x2 2ax − x
t= , t2 = ¶
x x2 ·
´
Z√
2ax − x2
  
t 1 t−1 ¹
dx = 2a − + ln = ”
(a − x) 1 + t2 2 t+1
√ √ I
2ax−x2
x
2ax − x2 − x
= −2a 2ax−x2
+ a ln √
1 + x2 2ax − x2 + x

p
2
2ax − x2 − x
= − 2ax − x + a ln √ =
2ax 2
√− x + x
a − 2ax − x2

DI PEDINAMENTO
p
= − 2ax − x2 + a ln =
a−x p
q
2 2
a + a2 − (a − x)2
= − a − (a − x) + a ln =
a−x

C URVA
81
¼
la soluzione è data da
q ½

(29) y = − a2 − (a − x)2+ ¶
p ! ·
a+ a2 − (a − x)2
+ a ln +c ´
a−x
¹

Per la 28 la distanza tra inseguitore ed inseguito rimane costante ”


l’inseguitore segue, ma non vuole intercettare, cioè pedina, il bersaglio. I
La stessa equazione vale se l’inseguito traina l’inseguitore; la curva
descritta dalla 29 si chiama trattrice.

DI PEDINAMENTO
C URVA
82
¼
½

Curva di inseguimento in gene- ·


´

rale ¹
”
I
Se in generale il bersaglio T si muove lungo una traiettoria γ di
equazioni

I NSEGUIMENTO -S OLUZIONE N UMERICA


(30) γ(t) = (a(t), b(t))

E se P è l’inseguitore che procede a velocità costante v lungo la


curva di equazioni parametriche

(x(t), y(t))
83
¼
dovrà aversi
 ½


ẋ(t) = k(t)(a(t) − x(t)) ¶
(31) ẏ(t) = k(t)(b(t) − y(t)) ·


(ẋ(t))2 + (ẏ(t))2 = v2 ´
¹
Dalla 31 si ricava che ”
v I
k(t) = p
(a(t) − x(t))2 + (b(t) − y(t))2
e otteniamo per sostituzione

I NSEGUIMENTO -S OLUZIONE N UMERICA



ẋ(t) = v √ a(t)−x(t)
(a(t)−x(t))2 +(b(t)−y(t))2
ẏ(t) = v √ b(t)−y(t)
(a(t)−x(t))2 +(b(t)−y(t))2

Il sistema può essere integrato numericamente.

84
¼
½

Curva di pedinamento in gene- ·


´

rale ¹
”
Per il pedinamento, se T percorre γ di equazioni I

γ(t) = (a(t), b(t))


e P è il punto inseguitore, si muove lungo la curva

NUMERICA
(x(t), y(t))

P EDINAMENTO -S OLUZIONE
Si avrà



ẋ(t) = k(t)(a(t) − x(t))
(32) ẏ(t) = k(t)(b(t) − y(t))


(a(t) − x(t))2 + (b(t) − y(t))2 = d2

85
¼
Dalla 32 si ricava che
½
2[(a(t) − x(t)][ȧ(t) − ẋ(t)] + [b(t) − y(t)][ḃ(t) − ẏ(t)] = 0 ¶
·
e quindi
´

[a(t) − x(t)][ȧ(t) − k(t)(a(t) − x(t))]+ ¹

+ [b(t) − y(t)][ḃ(t) − k(b(t) − y(t))] = 0 ”


I
e ancora

ȧ(t)[a(t) − x(t)] − k(t)[a(t) − x(t)]2+

NUMERICA
+ ḃ(t)[b(t) − y(t)] − k(t)[b(t) − y(t)]2 = 0

P EDINAMENTO -S OLUZIONE
86
¼
Infine
½
2
ȧ(t)[a(t) − x(t)] + ḃ(t)[b(t) − y(t)] − k(t)d = 0 ¶
ȧ(t)(a(t) − x(t) + ḃ(t)[b(t) − y(t)] ·
k(t) =
d2 ´

e  ¹
ȧ(t)(a(t)−x(t)+ḃ(t)[b(t)−y(t)]
ẋ(t) = d2
(a(t) − x(t)) ”
ȧ(t)(a(t)−x(t)+ḃ(t)[b(t)−y(t)] I
ẏ(t) = d2
(b(t) − y(t))
Il sistema può essere integrato numericamente.

NUMERICA
P EDINAMENTO -S OLUZIONE
87
¼
½

·
´
¹
”
I

La curva di inseguimento nel caso in cui il bersaglio si muova di moto


circolare

NUMERICA
P EDINAMENTO -S OLUZIONE
88
¼
½

La trattrice. ·
si tratta della curva di pedinamen-
´
to nel caso in cui il bersaglio si
¹
muova di moto rettilineo
”
I

NUMERICA
P EDINAMENTO -S OLUZIONE
89
¼
½

La curva di pedinamento nel caso ·

in cui il bersaglio si muova di moto ´


circolare uniforme ¹
”
I

NUMERICA
P EDINAMENTO -S OLUZIONE
90
¼
½

La spirale logaritmica ·
´
¹
Stabiliamo un riferimento polare ”
nel piano; (x, y) I
O è il polo di tale sistema
ρ è il raggio vettore
ρ
θ è l’angolo formato dal raggio vet- ρ sin θ

tore con il semiasse positivo delle θ


x.

L A S PIRALE L OGARITMICA
O ρ cos θ

91
¼
Un punto è individuato dalle coordinate
 ½
x = ρ cos θ ¶
y = ρ sin θ ·
´
Se è data ρ = ρ(θ) si individua nel piano una curva di equazioni
¹
parametriche  ”
x = ρ(θ) cos θ
I
y = ρ(θ) sin θ

Si definisce spirale logaritmica una curva nel piano tale che in ogni punto
il raggio vettore della curva ed il vettore tangente alla curva formino un

L A S PIRALE L OGARITMICA
angolo fissato α

92
¼
Poichè il prodotto scalare dei vettori (x, y) e (ẋ, ẏ) è uguale al pro-
dotto delle norme dei vettori stessi e del coseno dell’angolo compreso. ½

una curva che soddisfi la proprietà richiesta deve soddisfare ¶


·
x(θ)ẋ(θ) + y(θ)ẏ(θ) = k(x(θ), y(θ))kk(ẋ(θ), ẏ(θ))k(cos α) ´

Se teniamo conto che ¹


 ”
x(θ) = ρ(θ) cos θ
I
y(θ) = ρ(θ) sin θ
e che


 d 1 2
x(θ)ẋ(θ) + y(θ)ẏ(θ) = dθ 2
ρ (θ) = ρ(θ)ρ̇(θ)
k(x(θ), y(θ))k2 = ρ2(θ)

L A S PIRALE L OGARITMICA

k(ẋ(θ), ẏ(θ))k2 = ρ̇2(θ) + ρ2(θ)

Otteniamo
ρ2(θ)ρ̇2(θ) = (cos2 α)ρ2(θ)(ρ̇2(θ) + ρ2(θ))
93
¼
Pertanto
½
2 2 2 2
ρ̇ (θ) = (cos )α(ρ̇ (θ) + ρ (θ)) ¶

2 cos2 α 2 ·
ρ̇ (θ) = ρ (θ)
1 − cos2 α ´
¹
”
ed infine
I
ρ̇(θ) = (cot α)ρ(θ)
e
ρ(θ) = ke(θ cot α)
L’ultima equazione descrive la forma della spirale logaritmica ma non
dice nulla riguardo al modo in cui essa viene percorsa.

L A S PIRALE L OGARITMICA
Descrive le proprietà geometriche della spirale logaritmica ma non le
sue proprietà cinematiche.

94
¼
Se teniamo conto che
 ½
x(t) = ρ(θ(t)) cos θ(t)

y(t) = ρ(θ(t)) sin θ(t)
·
da cui
 ´

 d 1 2
x(t)ẋ(t) + y(t)ẏ(t) = dt 2 ρ (t) = ρ(t)ρ̇(t)θ̇(t) ¹

k(x(t), y(t))k2 = ρ2(t) ”




k(ẋ(t), ẏ(t))k2 = (ρ̇2(t) + ρ2(t))θ̇2(t) I

Avremo
ρ2(t)ρ̇2(t)θ̇2(t) = (cos2 α)ρ2(t)θ̇2(t)(ρ̇2(t)ρ2(t))
Pertanto

L A S PIRALE L OGARITMICA
ρ̇2(t) = (cos2)α(ρ̇2(t) + ρ2(t))
2 cos2 α 2
ρ̇ (t) = 2
ρ (t)
1 − cos α

95
¼
ed infine
ρ̇(t) = (cot α)ρ(t) ½

da cui
·
ρ(t) = ke−t cot α
´
La velocità è descritta dal vettore (ẋ(t), ẏ(t)) la cui norma è ¹
”
k(ẋ(t), ẏ(t))k2 = ẋ2(t) + ẏ2(t) = (ρ̇2(t) + ρ2(t))θ̇2(t)
I
possiamo imporre che la spirale venga percorsa con velocità costante
in modulo chiedendo che

(ρ̇2(t) + ρ2(t))θ̇2(t) = |v|

da cui si può ricavare θ(t).

L A S PIRALE L OGARITMICA
96
¼
½

Un esempio d’autore ·
´
Il seguente problema è dovuto a Hugo Steinhaus: ¹
”
Quattro cani si trovano ai quattro vertici A, B, C, D di un prato quadrato. I
I cani cominciano a correre con velocità costante puntando ciascuno il
cane che si trova nel vertice successivo. Dopo quanto tempo i quattro cani
si incontrano e quanta strada hanno percorso? Quale percorso hanno

H UGO S TEINHAUS
compiuto?

I QUATTRO CANI DI
97
¼
In un istante successivo a quello iniziale i cani saranno, rispettiva-
mente nelle posizioni A0, B0, C0, D0 e, per simmetria, i vettori AA0, BB0, ½

CC0, DD0, avranno la stessa lunghezza ed inclinazione rispetto ai lati. ¶


A B
·
A0 ´
¹
”
I
Pertanto A0B0C0D0 è un
B0
quadrato rimpicciolito e O

ruotato rispetto al centro D0

H UGO S TEINHAUS
comune O.

QUATTRO CANI DI
C0

D C

I
98
¼
I cani si muovono seguendo una traiettoria che si mantiene tangente
ad uno dei lati dei quadrati ½
A D

A0 ·
´
¹
”
D0 I
θ
O
B0

H UGO S TEINHAUS
C0

QUATTRO CANI DI
B C

Cioè il vettore tangente alla curva percorsa (vettore velocità) giace


su un lato del quadrato.

I
99
¼
½

·
´
¹
”
I

H UGO S TEINHAUS
QUATTRO CANI DI
Pertanto il vettore tangente ed il raggio vettore rispetto al centro O
formano un angolo costante ed uguale a π4 .

I
100
A D ¼
π
4
A0 ½

π ¶
4

ρ
·
ρ
´

D0
¹

O
”
B0 I

H UGO S TEINHAUS
C0

B C

QUATTRO CANI DI
Poichè l’angolo tra raggio vettore e vettore tangente si mantiene co-
stante, la traiettoria percorsa è una spirale logaritmica centrata in O.

I
101
¼
ρθ̇ ½
π ¶
4
π v ·
4 ´

ρ̇ ¹
”
I

H UGO S TEINHAUS
QUATTRO CANI DI
Le componenti radiale ρ̇(t) e tangenziale ρ(t)θ(t) della velocità v
formeranno quindi un angolo costante pari a π4 e quindi

I
102
¼
√ √
2 2 ½
ρ̇(t) = − |v| , ρ(t)θ̇(t) = − |v|
2 2 ¶
Ne deduciamo che ·
´

2 |v| |v| ¹
ρ(t) = (` − |v|t) , θ̇(t) = − =
2 ` − |v|t |v|t − ` ”
I
e
` − |v|t |v|t
   
3 3 3
θ(t) = ln(`−|v|t)+ π−ln(`) = ln + π = ln 1 − + π
4 ` 4 ` 4

H UGO S TEINHAUS
e possiamo ricavare
3
(` − |v|t) = eθ− 4 π

QUATTRO CANI DI
da cui √
2 3
ρ(θ) = eθ− 4 π
2

I
103
¼
Consideriamo un riferimento polare (ρ, θ) con origine nel centro dei
quadrati O. ½

Siano ¶

(xa(t), ya(t)) (xb(t), yb(t)) (xc(t), yc(t)) (xd(t), yd(t)) ·

le equazioni parametriche delle curve descritte dai cani in A, B, C, D ´


A D
¹
A0
”
I
Sia

xa(t) = ρ(t) cos θ(t) D0
θ
ya(t) = ρ(t) sin θ(t)

H UGO S TEINHAUS
O
B0

dove
ρ(t) = ρ(θ(t))

QUATTRO CANI DI
C0

B C

I
104
¼
½

A D

Per simmetria ·
A0
 ´
xa(t) = ρ(t) cos θ(t) ¹
ya(t) = ρ(t) sin θ(t) ”

xd(t) = ρ(t) sin θ(t) D0
I

yd(t) = −ρ(t) cos θ(t) θ


 B0
O

xc(t) = −ρ(t) cos θ(t)

H UGO S TEINHAUS
yc(t) = −ρ(t) sin θ(t)

xb(t) = −ρ(t) sin θ(t)
yb(t) = ρ(t) cos θ(t) C0

QUATTRO CANI DI
B C

I
105
¼
La traiettoria dei cani sarà quindi definita da
½
(ρ, θ) ¶
·
Possiamo considerare ρ e θ come funzione del tempo t ed avremo
´
una descrizione completa (geometrica e cinematica) delle traiettorie.
¹
Possiamo anche considerare ρ come funzione di θ, nel qual caso
”
avremo soltanto una descrizione geometrica della traiettoria.
I
Ovviamente
ρ(t) = ρ(θ(t))
dove ρ a primo membro è funzione di t mentre a secondo membro è

H UGO S TEINHAUS
funzione di θ. Denotiamo
dρ 0 dρ
ρ̇ = e ρ =
dt dθ

I QUATTRO CANI DI
106
¼
Il vettore tangente alla curva descritta dal cane in un generico punto
A(t) è dato da ½

 ·
ẋa(t) = (ρ0(θ(t)) cos θ(t) − ρ(t) sin θ(t))θ̇(t) ´
T (t) = 0
ẏa(t) = (ρ (θ(t)) sin θ(t) + ρ(t) cos θ(t))θ̇(t) ¹
”
Il vettore che indica la direzione che il cane deve seguire è
 I
ρ(θ(t)) sin θ(t) − ρ(θ(t)) cos θ(t)
D(t) − A(t) =
−ρ(θ(t)) cos θ(t) − ρ(θ(t)) sin θ(t)

H UGO S TEINHAUS
Dovrà aversi
T (t) = k[D(t) − A(t)]
dove k è una costante di proporzionalità.

I QUATTRO CANI DI
107
¼
Avremo
 0 ½

 (ρ (θ(t)) cos θ(t) − ρ(t) sin θ(t))θ̇(t) =

 ¶
= k(ρ(θ(t)) sin θ(t) − ρ(θ(t)) cos θ(t))
·

 (ρ0(θ(t)) sin θ(t) + ρ(t) cos θ(t))θ̇(t) =

 ´
= k(−ρ(θ(t)) cos θ(t) − ρ(θ(t)) sin θ(t))
¹
ed dividendo membro a membro ”

ρ0 cos θ − ρ sin θ ρ sin θ − ρ cos θ I


=
ρ0 sin θ + ρ cos θ −ρ cos θ − ρ sin θ
da cui

H UGO S TEINHAUS
− ρ̇ρ cos2 θ + ρ2 sin θ cos θ − ρρ̇ cos θ sin θ + ρ2 sin2 θ =
ρρ̇ sin2 θ − ρρ̇ sin θ cos θ + ρ2 sin θ cos θ − ρ2 cos2 θ

QUATTRO CANI DI
ed infine
ρ(θ(t))ρ0(θ(t)) − ρ2(θ(t)) = 0 e ρ0(θ(t)) = ρ(θ(t))

I
108
¼
Pertanto la geometria della traiettoria è definita dall’equazione
½
0
ρ (θ) = ρ(θ) ¶

e quindi da ·

ρ(θ) = ceθ ´
¹
Se teniamo conto che, detto ` il lato del quadrato,
  √ ”
3 2 I
ρ π = `
4 2
avremo

H UGO S TEINHAUS
2 θ− 3 π
ρ(θ) = ` e 4
2
Per ottenerne la legge oraria occorre tenere anche conto del fatto

QUATTRO CANI DI
che la curva è percorsa con velocità costante in modulo.
In altre parole q
ẋ2(t) + ẏ2(t) = |v|

I
109
¼
da cui
ρ̇2(t) + ρ2(t)θ̇2(t) = |v|2 ½

e
·
´
(33) ((ρ0)2(t) + ρ2(t))θ̇2(t) = |v|2 ¹
”
Se ne deduce che
I
`2e2θ(t)θ̇2(t) = |v|2

|v|
eθ(t)θ̇(t) = ±

H UGO S TEINHAUS
`
e quindi, dal momento che all’istante iniziale t = 0, il cane si trova ad
esempio in A, e che θ diminuisce col tempo.
|v|

QUATTRO CANI DI
3
eθ(t) = π− t
4 `
Infine

I
110
 ¼
ρ(t) = ρ(θ(t)) = eθ(t) = e 34 π− |v|` t ½
 3 |v| 
θ(t) = ln e 4 π− ` t ¶
·
´
¹
”
I

H UGO S TEINHAUS
I QUATTRO CANI DI
111
¼
½

Il Modello Preda-Predatore ·
´

di Lotka-Volterra ¹
”
Il modello preda-predatore descrive le interazioni di due specie una I
delle quali si nutre dell’altra.

L OTKA -VOLTERA
Fu introdotto attorno al 1925 indipendentemente da Vito Volterra ed
Alfred Lotka.

DI
I L M ODELLO
112
¼
• x(t) numero delle prede al tempo t
• y(t) numero dei predatori al tempo t ½

• In assenza di predatori le prede crescono secondo un modello ¶

malthusiano ·

ẋ(t) = ax(t) ´
¹
• Il tasso di crescita a delle prede diminuisce in proporzione al
numero di predatori ”
I
a − αy(t)
• In assenza di prede i predatori si estinguono seguendo un mo-
dello malthusiano

L OTKA -VOLTERA
ẏ(t) = −by(t)
• Il tasso di accrescimento b dei predatori aumenta in maniera
proporzionale al numero di prede

DI
I L M ODELLO
−b + βx(t)

113
¼
La dinamica delle due popolazioni può essere descritta dal seguente
sistema differenziale (Equazioni di Lotka-Volterra) ½

·
´
 ¹
ẋ(t) = ax(t) − αy(t)x(t)
(34) ”
ẏ(t) = −by(t) + βx(t)y(t)
I

con i dati iniziali 


x(t0) = x0
y(t0) = y0

L OTKA -VOLTERA
Il sistema differenziale da studiare è semplice ma non si può integrare
esplicitamente

DI
I L M ODELLO
114
¼
Si può dimostrare che:
½

·
´

(1) Il sistema ammette due punti stazionari ( βb , αa ), (0, 0) ¹


(2) Le orbite che giacciono nel primo quadrante sono curve chiuse ”
(3) Le soluzioni del sistema sono periodiche I
(4) Vale per le soluzioni del sistema un principio di conservazione delle
medie in quanto si vede che
Z Z
1 T b 1 T a
x(s)ds = , y(s)ds =

L OTKA -VOLTERA
T 0 β T 0 α

DI
I L M ODELLO
115
¼
Il sistema 34 ha soluzioni costanti ½

Infatti ·
´
(x(t), y(t)) = (ξ, η)
¹

sono soluzioni del sistema se ”

 I
0 = aξ − αηξ
0 = −bη + βηξ

e cioè quando

L OTKA -VOLTERA
ξ = 0, η = 0

oppure quando

DI
I L M ODELLO
b a
ξ= ,η =
β α
116
¼
Le orbite del sistema sono curve chiuse nel I quadrante del piano delle ½
fasi. ¶
·
Le orbite del sistema, sono descritte da ´

x = x(t) ¹
”
y = y(t)
I
Il sistema si può porre nella forma

ẋ(t) = ax(t) − αy(t)x(t) = φ(x(t), y(t))
(35)
ẏ(t) = −by(t) + βx(t)y(t) = ψ(x(t), y(t))

L OTKA -VOLTERA
Se l’orbita del sistema può essere rappresentata localmente da una
funzione y = y(x), si avrà


DI
x(t) = x

I L M ODELLO
y(t) = y(x(t)) = y(x)

117
¼
e si potrà ricavare
ẏ(t) = y0(x(t))ẋ(t) ½

per cui, sostituendo nella 35, si ottiene
·
φ(x, y(x)) −by(x) + βxy(x)
y0(x) = = ´
ψ(x, y(x)) ax − αxy(x) ¹

Separando le variabili avremo ”


    I
a −b
y0(x) −α = +β
y(x) x
ed integrando con i dati iniziali


L OTKA -VOLTERA
x(t0) = x̄
y(t0) = ȳ
cioè per

DI
I L M ODELLO
y(x̄) = ȳ
118
¼
½
a ln y(x) − αy(x) − a ln ȳ + αȳ = −b ln x + βx + b ln x̄ − βx̄ ¶
·
Ora se poniamo
´
g(y) = a ln y − αy f(x) = −b ln x + βx ¹
”
G(y) = g(y) − g(ȳ) F(x) = f(x) − f(x̄)
I
possiamo riscrivere la 14 come

(36) g(y) = f(x) + g(ȳ) − f(x̄)

ovvero come

L OTKA -VOLTERA
G(y) = F(x)

DI
I L M ODELLO
119
¼
½

Nella figura è rappresentato il ·

grafico della funzione ´


¹
G(y) = g(y) − g(ȳ)
”
I
a
y0 =
α

a a
g0 = G(y0) = a ln − α =

L OTKA -VOLTERA
 α α
a
= a ln − 1 > 0
α

DI
I L M ODELLO
120
¼
½

Nella figura è rappresentato il ·
grafico della funzione ´
¹
F(x) = f(x) − f(x̄)
”
I
b
x0 =
β

b b

L OTKA -VOLTERA
f0 = f(x0) = −b ln + β =
 β β
b
= −b ln − 1 > 0
β

DI
I L M ODELLO
121
¼
Se G−1 è l’inversa di una opportuna restrizione di G dalla 36 allora
½
−1
y(x) = G (F(x)) ¶
·
e possiamo osservare y è definita se e solo se
´
¹
[f0, g0] = (−∞, g0] ∩ [f0, +∞) 6= ∅
”
e che I

F(xm) = F(xM) = g0 G(ym) = G(yM) = f0

L OTKA -VOLTERA
DI
I L M ODELLO
122
¼
Possiamo disegnare un’orbita del sistema G−1(F(x)) componendo
½
graficamente G−1 ed F,

·
´
¹
”
I

L OTKA -VOLTERA
DI
I L M ODELLO
123
¼
Osserviamo che
½
• F è decrescente per x ∈ [xm, x0]

• F è crescente per x ∈ [x0, xM]
• F assume tutti i valori in [f0, g0], ·

• G è crescente ed invertibile su [ym, y0] ´

• G assume tutti i valori in [f0, g0] ¹

• G è crescente ed invertibile su [y0, yM] ”

• G assume tutti i valori in [f0, g0] I

Pertanto
• G−1 è definita da [f0, g0] a valori in [ym, y0] oppure in [y0, yM]
• G−1(F(·)) è definita e decrescente su [xm, x0]

L OTKA -VOLTERA
DI
I L M ODELLO
124
¼
L’andamento della curva definita dalla 36 si può osservare nella figura
che segue ½

·
´
¹
”
I

L OTKA -VOLTERA
DI
I L M ODELLO
125
¼
½

·
´
¹
”
I

L OTKA -VOLTERA
La figura mostra le orbite del sistema.

DI
I L M ODELLO
126
¼
La funzione
½
U(x, y) = a ln y − αy + b ln x − βx

nella 14, si chiama integrale primo del sistema ·
Le orbite del sistema costituiscono le sue curve di livello: ´
Dalla 14 si ha, ¹

U(x, y(x)) = c = f(x̄) − g(ȳ) ”


I
Viceversa se
U(x(t), y(t)) = c
allora

L OTKA -VOLTERA
Ux(x(t), y(t))ẋ(t) + Uy(x(t), y(t))ẏ(t) = 0
da cui

DI
φ(x(t), y(t)) ẋ(t) Ux(x(t), y(t))

I L M ODELLO
(37) = =−
ψ(x(t), y(t)) ẏ(t) Uy(x(t), y(t))

127
¼
Dalla 37 il gradiente di U è proporzionale al secondo membro del
sistema differenziale ½

Il campo di direzioni definito dal sistema ed il campo di direzioni ¶

definito dal gradiente di un integrale primo coincidono. ·

Più precisamente coincidono le direzioni, non i vettori: il fattore di ´

proporzionalità non solo può non essere 1 ma può non essere costante. ¹

Lo studio delle orbite del sistema ci consente anche di affermare che ”


I

• Le orbite del sistema sono chiuse


• Le orbite contengono al loro interno il punto stazionario (x0, y0)
• Le orbite sono contenute nel primo quadrante cioè

L OTKA -VOLTERA
xm, xM, ym, yM > 0

• le orbite non passano per nessun punto stazionario (gli unici punti

DI
stazionari diversi da (x0, y0) sono sugli assi)

I L M ODELLO
128
¼

Il sistema è autonomo quindi le traslate di una soluzione sono a loro volta ½


soluzioni ¶
·
´
¹
Se
”
(x(t), y(t)) risolve il sistema differenziale
I
allora
(x(t + T ), y(t + T )) è soluzione.
infatti


L OTKA -VOLTERA
ẋ(t + T ) = ax(t + T ) − αy(t + T )x(t + T )
ẏ(t + T ) = −by(t + T ) + βx(t + T )y(t + T )

DI
I L M ODELLO
129
¼
Per ogni punto del piano delle fasi passa una ed una sola orbita. å ½

Se (x(t), y(t)) e (ξ(t), η(t)) sono orbite del sistema tali che ·
   ´
x(t0) = x̄ ξ(τ0) = x̄ ξ1(t) = x(t − τ0 + t0)
e se ¹
y(t0) = ȳ η(τ0) = ȳ η1(t) = y(t − τ0 + t0) ”

allora (ξ1, η1) è soluzione del sistema e soddisfa la condizione I



ξ1(τ0) = x̄
η1(τ0) = ȳ
Ne deduciamo che

L OTKA -VOLTERA

ξ(t) = ξ1(t) = x(t − τ0 + t0)
η(t) = η1(t) = y(t − τ0 + t0)

DI
I L M ODELLO
e quindi (ξ, η) ed (x, y) percorrono la stessa orbita a meno di una
traslazione nel tempo.
130
¼
Possiamo quindi anche provare che
½

Le soluzioni del sistema sono periodiche;
·
´
La curva è costituita di due tratti che possono essere rappresentati
¹
come funzioni su un intervallo limitato quindi la sua lunghezza ` è finita,
”
I
ẋ2(t) + ẏ2(t) = φ2(^ ^ ) + ψ2(^
x, y ^) ≥
x, y
≥ min {φ2(x, y) + ψ2(x, y)} ≥ m > 0
(x − x0 )2 + (y − y0 )2 > 
xm ≤ x ≤ xM , ym ≤ y ≤ yM

L OTKA -VOLTERA
(φ, ψ si annullano contemporaneamente solo nei punti (0, 0) e (x̃, ỹ)
che abbiamo già visto non appartenere all’orbita.)

DI
I L M ODELLO
131
¼
Ne segue che
Z +∞ q ½

ẋ2(t) + ẏ2(t)dt = +∞ ¶
0 ·

e pertanto esiste T > 0 tale che ´


ZT q ¹
ẋ2(t) + ẏ2(t)dt = ` ”
0
I

Ma allora trascorso il tempo T la soluzione deve ripassare per il punto


iniziale (x̄, ȳ) e , dal momento che per ogni punto passa una sola orbita,

L OTKA -VOLTERA
da li’ è costretta a ripercorrere quell’orbita stessa.

DI
Ne viene che la soluzione è periodica.

I L M ODELLO
132
¼

I valori medi si mantengono costanti, cioè ½


Z Z ¶
1 T b 1 T a
(38) x(s)ds = , y(s)ds = ·
T 0 β T 0 α
´
¹
”
Dal sistema, dividendo la prima equazione per x e la seconda per y,
I
otteniamo
 ẋ(t)
x(t)
= a − αy(t)
(39) ẏ(t)
y(t)
= −b + βx(t)

L OTKA -VOLTERA
e per la periodicità delle soluzioni, integrando sul periodo,
 RT RT
0 = ln x(T )
= 0 a − αy(s)ds = aT − α 0 y(s)ds
x(0)
RT RT
0 = ln y(T )

DI
= −b + βyxs)ds = bT − β 0 x(s)ds

I L M ODELLO
y(0) 0

da cui si può ricavare la 38


133
¼
Modelli Preda Predatore con Prelievo costante
½
Per studiare un sistema preda predatore nel quale si intervenga con un ¶
prelievo costante h sulle prede e k sui predatori possiamo scrivere ·
 ´

 ẋ(t) = ax(t) − αy(t)x(t) − hx(t)


ẏ(t) = −by(t) + βx(t)y(t) − ky(t) ¹

(40) ”

 x(t0) = x0

 I
y(t ) = y
0 0

Se a − h e b + k sono positivi, ci riconduce immediatamente al caso


senza prelievo.

L OTKA -VOLTERA
Viene modificata la sola condizione di equilibrio ed il valore medio
b+k a−h
x̄ = ȳ =
β α

DI
I L M ODELLO
134
¼
½

Modelli di crescita di due specie ·


´

in competizione ¹
”
Due specie x e y condividono le risorse di uno stesso territorio I
Ciascuna specie avrebbe un tasso di crescita di tipo logistico se
vivesse in un ambiente isolato,
 
ẋ(t) = (a − Ax(t))x(t) x(t0) = x0
ẏ(t) = (b − By(t))y(t) y(t0) = y0

C OMPETIZIONE
A causa dei mutui effetti il tasso di crescita; della popolazione x è

a − Ax − αy

IN
S PECIE
(diminuisce proporzionalmente a y)
135
¼
Analogamente il tasso di crescita della popolazione y è
½

b − By − βx
·
´
(diminuisce proporzionalmente a x)
¹
Ciascuna specie si sviluppa sottraendo risorse all’altra. ”

Il sistema che descrive lo sviluppo delle due popolazioni è I


ẋ(t) = (a − Ax(t) − αy(t))x(t)
(41)
ẏ(t) = (b − By(t) − βx(t))y(t)

C OMPETIZIONE
ove a, b, A, B, α, β > 0, con i dati iniziali

x(t0) = x0

IN
S PECIE
y(t0) = y0
136
¼
Dalla prima equazione, dividendo per x ed integrando otteniamo che
½
ẋ(t) ¶
= (a − Ax(t) − αy(t))
x(t) ·
´
Z x(t) Zt ¹
ds
= (a − Ax(s) − αy(s))ds ”
x0 s t0
I
Zt
x(t)
ln = (a − Ax(s) − αy(s))ds
x0 t0
e
Rt
t0 (a−Ax(s)−αy(s))ds
x(t) = x0e

C OMPETIZIONE
In maniera simile otteniamo che

IN
Rt

S PECIE
t0 (b−By(s)−βx(s))ds
y(t) = y0e
137
¼
Da cui
½
x(t), y(t) > 0

Dal sistema 41, per k = max{a, b} si ha ·
´
0
(x + y) = (a − Ax(t) − αy(t))x(t)+ ¹
+ (b − By(t) − βx(t))y(t) ≤ k(x + y) ”
I
Quindi x ed y sono limitate, in quanto

0 ≤ (x + y) ≤ ekt ≤ ekT

e quindi esistono in ogni intervallo [0, T ].


Il sistema 41 ammette soluzioni costanti che si ottengono risolvendo

C OMPETIZIONE
il sistema algebrico

0 = (a − Ax − αy)x

IN
S PECIE
0 = (b − By − βx)y
138
¼
Le soluzioni costanti sono individuate dai punti di intersezione degli
assi con le rette ½

R1 : (a − Ax − αy) = 0 ·
R2 : (b − By − βx) = 0 ´
¹
La retta R1 interseca gli assi nei punti
”

(^
ξ, 0) , (0, η#) I

dove
a a
^
ξ= η = #
A α
La retta R2 interseca gli assi nei punti

C OMPETIZIONE
(ξ#, 0) , (0, η
^)

dove
b b

IN
ξ# =

S PECIE
η
^=
β B
139
¼
Le rette R1 ed R2 si intersecano nel punto
½
(x̃, ỹ) ¶
·
dove
aB − αb Ab − aβ ´
x̃ = , ỹ =
AB − αβ AB − αβ ¹

Pertanto le soluzioni costanti sono individuate dai punti ”


I
(0, 0) , (0, η
^) , (^
ξ, 0) , (x̃, ỹ)

L’ultimo punto si considera solo nel caso in cui


(1) R1 ed R2 non siano parallele (AB − αβ 6= 0)
(2) si trovi nel primo quadrante (x̃ > 0 , ỹ > 0).

C OMPETIZIONE
Possiamo disegnare il campo di vettori associato al sistema e studia-
re le orbite.

IN
S PECIE
140
¼
Si presentano quattro casi nei quali
½
(1) Prevale la popolazione x

(2) Prevale la popolazione y
(3) A seconda dei valori iniziali prevale x oppure y ·

(4) Comunque si scelgano i valori iniziali, la situazione tende ad un ´

unico punto di equilibrio ¹


”
I

Nel primo, secondo e quarto caso c’è un punto asintoticamente sta-


bile

C OMPETIZIONE
Nel terzo ci sono due punti asintoticamente stabili ed un punto insta-
bile

IN
S PECIE
141
¼
½

·
´
¹
Andamento del numero di individui ”
di due popolazioni in competizio- I
ne nel caso in cui la popolazione
prevalente dipenda dai dati iniziali

C OMPETIZIONE
IN
S PECIE
142
¼
½

·
´
¹
Andamento del numero di individui ”
di due popolazioni in competizio- I
ne nel caso in cui la popolazione
prevalente sia la seconda

C OMPETIZIONE
IN
S PECIE
143
¼
½

·
´
¹
Andamento del numero di indivi-
”
dui di due popolazioni in competi-
I
zione nel caso in cui le due popo-
lazioni tendano a raggiungere un
equilibrio stabile

C OMPETIZIONE
IN
S PECIE
144
¼
½

·
´
¹
Andamento del numero di individui ”
di due popolazioni in competizio- I
ne nel caso in cui la popolazione
prevalente sia la prima

C OMPETIZIONE
IN
S PECIE
145
¼
½

Modello di crescita di due popo- ·


´

lazioni in cooperazione ¹
”
I

C OOPERAZIONE
IN
S PECIE
146
¼
Cooperazione obbligatoria
½
(1) La popolazione x, isolata, decrescerebbe secondo la legge ¶

ẋ(t) = −ax(t) ·
´
(2) La popolazione y, isolata, decrescerebbe secondo la legge
¹
ẏ(t) = −by(t) ”

(3) Il tasso di crescita della x aumenta proporzionalmente ad y, cosı̀ I

che
ẋ(t) = (−a + βy(t))x(t)
(4) Il tasso di crescita della y aumenta proporzionalmente ad x, cosı̀
che

C OOPERAZIONE O BBLIGATORIA
ẏ(t) = (−b + αx(t))y(t)
ne consegue che

ẋ(t) = (−a + βy(t))x(t)
ẏ(t) = (−b + αx(t))y(t)
147
¼
Il sistema ammette come soluzioni costanti (punti critici)
½
a b
(0, 0) , ( , ) ¶
β α ·
´
¹
ne consegue che
 ”

ẋ(t) = (−a + βy(t))x(t) I

ẏ(t) = (−b + αx(t))y(t)

Il sistema ammette come soluzioni


costanti (punti critici)

C OOPERAZIONE O BBLIGATORIA
a b
(0, 0) , ( , )
β α

148
¼
Cooperazione facoltativa
½

(1) La x, in assenza della y, crescerebbe secondo la legge logistica ¶


·
ẋ(t) = (a − b(x(t))x(t) ´
¹
(2) La y, in assenza della x, crescerebbe secondo la legge logistica
”

ẏ(t) = (c − dy(t))y(t) I

(3) La presenza della y aumenta il tasso di crescita della x propor-


zionalmente ad x, cosı̀ che

ẋ(t) = (a − b(x(t) + γy(t))x(t)

C OOPERAZIONE FACOLTATIVA
(4) La presenza della x aumenta il tasso di crescita della y propor-
zionalmente ad x, cosı̀ che

ẏ(t) = (c − dy(t) + δx(t))y(t)


149
¼
ne consegue che
 ½
ẋ(t) = (a − b(x(t) + γy(t))x(t) ¶
ẏ(t) = (c − dy(t) + δx(t))y(t) ·
´

Che ammette come punti critici ¹


”
A B
E1 = (0, 0) , E4 = ( , ) I
D D
a c
E2 = ( , 0) , E3 = (0, )
b d
dove

C OOPERAZIONE FACOLTATIVA
A = cγ + ad
B = cb + aδ
D = bd − γδ

150
¼
½

Qualche risultato sulle O.D.E. ·


´
¹
”
I

O.D.E.
151
¼
Equazioni differenziali a variabili separabili
½
Il problema è trovare una funzione y, derivabile per cui si abbia ¶
·
y 0(x) = f(x)g(y(x))
´
con f, g assegnate. ¹
Più precisamente per ”
I, J ⊂ R I

intervalli aperti e non vuoti ed


f:I→R , g:J→R
funzioni continue, y(x) risolve l’equazione
(42) y 0(x) = f(x)g(y(x))

VARIABILI S EPARABILI
se la 42 è soddisfatta da y(x) su un intervallo aperto I 0 ⊂ I.
Se ȳ è tale che
g(ȳ) = 0
152
¼
y(x) = ȳ
½
è soluzione costante, mentre se g ≡
6 0, per la continuità, possiamo

supporre
·
g(x) 6= 0 ∀x ∈ J
´
e riscrivere la 42 come ¹
y 0(x) ”
(43) = f(x)
g(y(x)) I

Se F0 = f in I J e G0 = 1/g in J otteniamo

(44) G(y(x)) = F(x) + c , c ∈ R

G è invertibile in J in quanto G 0 = 1/g 6= 0


si può sempre scegliere c in modo che

VARIABILI S EPARABILI
(45) R(G) ∩ R(F + c) = D(G−1) ∩ R(F + c) 6= ∅

(ciò è necessario affinchè la 44 abbia soluzione).


153
¼
Infatti se x0 ∈ I ed y0 ∈ J e c = G(y0) − F(x0), per la continuità di
F + c e G, ½

·
R(F + c) e R(G) sono intervalli aperti contenenti il punto
´
G(y0) = F(x0) + c ¹
”
I

Quindi
R(G) ∩ R(F + c) = D(G−1) ∩ R(F + c)
è a sua volta un intervallo aperto non vuoto (contiene G(y0)).
Se I 0 è l’intervallo degli x tali che la

VARIABILI S EPARABILI
G(y(x)) = F(x) + c , c ∈ R

è vera
y(x) = G−1(F(x) + c) ∀x ∈ I 0
154
¼
Due primitive F e G possono essere ottenute nella forma:
Zy Zx ½
ds
G(y) = F(x) = f(t)dt ¶
y0 g(s) x0 ·

nel qual caso si ha ´

G(y0) = F(x0) = c = 0 ¹
”
I

VARIABILI S EPARABILI
155
¼
Il Lemma di Gronwall
½
Il lemma di Gronwall consente stime a priori per le soluzioni di equazioni ¶
differenziali. ·
Siano ´
y, f : I → R ¹

continue e positive su un intervallo I, tali che ”


Z x I

(46) y(x) ≤ f(t)y(t)dt + c
∀x ∈ I, c>0
x0

allora R
| xxo f(t)dt|
0 ≤ y(x) ≤ ce ∀x ∈ I
Sia x ≥ x0; dividendo ambo i membri per il secondo e moltiplicando
poi per f(x) si ottiene
y(x)f(x)

G RONWALL
Rx ≤ f(x)
c + x0 f(t)y(t)dt
156
¼
da cui
  Zx  ½
d
ln c + f(t)y(t)dt ≤ f(x). ¶
dx x0
·
integrando ´
 Zx  Zx
¹
ln c + f(t)y(t)dt − ln c ≤ f(t)dt
x0 x0 ”

onde I
Zx Rx
f(t)dt
c+ f(t)y(t)dt ≤ ce xo
x0

e dalla 46
Zx Rx
f(t)dt
y(x) ≤ c + f(t)y(t)dt ≤ ce xo
x0
Osserviamo anche che se
Z x

G RONWALL


y(x) ≤ f(t)y(t)dt
∀x ∈ I
x0

157
¼
si ha Z x
½
y(x) ≤ f(t)y(t)dt + c ∀c > 0
x0 ¶

e pertanto ·
Rx
0 ≤ y(x) ≤ ce| xo f(t)dt|
∀c > 0 ´
¹
per cui, al limite per c → 0+, si ha y(x) ≡ 0.
”
I

Le equazioni autonome del primo ordine


Si dicono autonome le equazioni il cui secondo membro non dipende
esplicitamente dalla variabile indipendente.

(47) y0(x) = f(y(x))

E QUAZIONI AUTONOME
Spesso la variabile indipendente rappresenta il tempo; in tal caso una
equazione autonoma modellizza fenomeni il cui svolgimento è indipen-
dente dal momento in cui si svolgono.
158
¼
(Un pendolo oscillerà nello stesso modo oggi come domani e al-
trettanto indipendente dal momento del lancio è il moto di una pietra ½

lasciata cadere da una certa altezza). ¶


·
Per le equazioni autonome le traslate di una soluzione sono esse
´
stesse soluzioni.
¹
Se y(x) risolve la 47 allora, definito z(x) = y(x − α), avremo che
”

z0(x) = y0(x − α) = f(y(x − α)) = f(z(x)) I

e quindi z risolve 47.


Se f si annulla cioè se f(ȳ) = 0,

y(x) = ȳ

E QUAZIONI AUTONOME
è una soluzione (costante dell’equazione 47.
Le soluzioni costanti sono, nel caso delle equazioni autonome, parti-
colarmente significative.
159
¼
Un problema di Cauchy autonomo si formula come
 ½
y0(x) = f(y(x)) ¶
(48)
y(x0) = y0 ·
´
Le traslate di una soluzione sono esse stesse soluzioni
¹
quindi non è restrittivo supporre che x0 = 0. le soluzioni trascurate
”
si ottengono semplicemente per traslazione nel tempo delle soluzioni
I
trovate.
Si ha Z y(x)
1
ds = x
y0 f(s)
si possono ottenere informazioni su y(x) studiando la sua inversa
x(y) definita dalla

E QUAZIONI AUTONOME
Zy
1
(49) ds = x(y)
y0 f(s)

160
¼
• tranne che nelle vicinanze delle soluzioni costanti, f(y) 6= 0
e quindi 1f ha segno costante ed il primo membro della 49 è ½

certamente invertibile almeno localmente. ¶

• Quando y = ȳ l’integrale che figura a primo membro della 49 ·

deve essere considerato in senso improprio e quindi sarà neces- ´


sario studiarne la convergenza. ¹
• Se l’integrale in questione è convergente la funzione integrale ”
1
assume valore x̄ finito in ȳ e la sua derivata f(y) tende a +∞ o a I
−∞.
• in x̄ la soluzione può essere attaccata alla soluzione costante
y(x) = ȳ e si possono (non però si debbono) verificare fenomeni
di non unicità della soluzione.
• Se l’integrale è divergente la soluzione è definita almeno su una
semiretta (non limitata a destra o a sinistra) e risulta asintotica

E QUAZIONI AUTONOME
alla soluzione costante.
• Se f ∈ C 1 la soluzione esiste ed è unica, inoltre l’integrale in

161
¼
questione è divergente e ogni soluzione è asintotica ad una so-
luzione costante. ½

• gli eventuali zeri della funzione f (soluzioni costanti) dividono il ¶

piano (x, y) in strisce in cui f e di conseguenza y0 ha segno ·

costante. ´
¹
”
Due equazioni in forma non normale I
å å å

Equazioni della forma y(x) = f(y0(x))


Consideriamo una equazione nella forma
(50) y(x) = f(y0(x))
ove f è una funzione sufficientemente regolare (ad esempio di classe
C 1. Cerchiamo soluzioni derivabili due volte e deriviamo ambo i membri

y(x) = f(y0 (x))


dell’equazione. Avremo
y0(x) = f0(y0(x))y00(x)
162
¼
cioè
f0(y0(x))y00(x) ½
1=
y0(x) ¶
·
da cui, integrando,
´
Zx Z y0(x)
f0(y0(t))y00(t) f0(s) ¹
x = x0 + dt = ds
x0 y0(t) y0 (x0 ) s ”
I
Posto y0(x) = p possiamo allora concludere che
 Rp 0
x = x0 + p0 f (s)
s
ds
y = f(p)

Alternativamente possiamo cercare soluzioni parametriche dell’equa-


zione nella forma


y(x) = f(y0 (x))


x = x(t)
(51)
y = y(t)
163
¼
Se poniamo
φ(t) = y0(x(t)) ½

avremo dalla 50
·

y(t) = y(x(t)) = f(y0(x(t))) = f(φ(t)) ´


¹
ed anche, poichè y(t) = y(x(t)) ”
I
ẏ(t) = y0(x(t))ẋ(t)

da cui
ẏ(t) f0(φ(t))
ẋ(t) = = φ0(t)
y0(x(t)) φ(t)
Ne viene che la soluzione del problema può essere individuata para-
metricamente dalle
 Rt 0
x(t) = t0 f (φ(s)) φ0(s)ds

x = f(y0 (x))
φ(s)
y(t) = f(φ(t))
164
Equazioni della forma x = f(y0(x))
¼
½

Consideriamo una equazione nella forma ¶

0 ·
(52) x = f(y (x))
´

dove f è una funzione sufficientemente regolare (ad esempio di classe ¹


C 1). ”
Cerchiamo soluzioni derivabili due volte e deriviamo ambo i membri I
dell’equazione. Avremo
1 = f0(y0(x))y00(x)
da cui,moltiplicando per y0(x)
y0(x) = y0(x)f0(y0(x))y00(x)
ed integrando,
Z y0(x)

x = f(y0 (x))
y(x) − y0 = f0(s)sds
y0 (x0 )

165
¼
Posto y0(x) = p possiamo allora concludere che
 ½
x = f(p) ¶
Rp
y = y0 + p0 sf0(s)ds ·
´
Alternativamente cerchiamo soluzioni parametriche della 52 nella for- ¹
ma  ”
x = x(t) I
y = y(t)
Posto
φ(t) = y0(x(t))
Avremo dalla 52

x(t) = f(y0(x(t))) = f(φ(t))

x = f(y0 (x))
e dalla 17
y(t) = y(x(t)) e ẏ(t) = y0(x(t))ẋ(t)
166
¼
da cui
ẏ(t) = ẋ(t)y0(x(t)) = f0(φ(t))φ(t)φ0(t) ½

La soluzione del problema può essere individuata parametricamente
·
dalle 
´
x(t) = f(φ(t))
Rt 0 ¹
y(t) = t0 f (φ(s))φ(s)φ0(s)ds
”
I

x = f(y0 (x))
167
¼
½

Stabilità dei sistemi lineari ·


´
¹
”
I

S ISTEMI L INEARI
168
¼
Richiami sui sistemi differenziali lineari
½

I ⊂ R intervallo aperto non vuoto, (non necessariamente limitato) ¶


·

A : I → Mn ´
¹
funzione a valori matrici n × n
”

B : I → Rn I

A = (aij) B = (bj) bj, aij : I → R


ai,j e bj continue.

Risolvere il sistema differenziale lineare del primo ordine

(53) u0(x) = A(x)u(x) + B(x)

G ENERALIT À
significa trovare u : I → Rn derivabile, tale che la 53 è verificata.

169
¼
L’insieme T di tutte le soluzioni di 53 si chiama integrale generale del
sistema ½

Il sistema può essere riscritto come ¶


·
´
      
u01(x) a11(x) a12(x) . . . a1n(x) u1(x) b1(x) ¹
 u0 (x)   a (x) a (x) . . . a (x)   u (x)   b (x)  ”
 2   21 22 2n  2   2
 ..  =  .. +

 .   . ... ... ...   ...   ... 
   
 I
0
un(x) an1(x) an2(x) . . . ann(x) un(x) bn(x)

ed anche, in forma più compatta,


X n
0
ui(x) = aij(x)uj(x) + bi(x) , i = 1, ..., n.
j=1

G ENERALIT À
Se B ≡ 0 il sistema si dice omogeneo e assume la forma
(54) u0(x) = A(x)u(x)
170
¼
Se n = 1 si riduce ad una sola equazione differenziale lineare del
primo ordine che, posto A = (a11) = a e B = b1 = b, si scrive nella ½

forma ¶

y0(x) = a(x)y(x) + b(x) ·


´
Nel caso sia assegnato un dato iniziale
 ¹
u0(x) = A(x)u(x) + B(x) , ∀x ∈ I ”
(55)
u(x0) = u0 I

si parla di problema di Cauchy


Nel caso di una equazione, (n = 1), avremo

y0(x) = a(x)y(x) + b(x)
(56)
y(x0) = y0

È possibile trovare esplicitamente la soluzione nella forma


Zx

G ENERALIT À
Rx Rt
 
(57) y(x) = e xo a(t)dt y0 + b(t)e− xo a(s)ds dt
x0

171
¼
Possiamo riscrivere la 57 nella forma
½
Rx Rx
Zx Rt
a(t)dt a(t)dt a(s)ds ¶
y(x) = y0e xo +e xo b(t)e− xo dt
x0 ·
´
Tutte le soluzioni dell’equazione omogenea (b = 0) si ottengono al ¹
variare della costante moltiplicativa y0, ”

Tutte le soluzioni dell’equazione completa si ottengono aggiungendo I

un termine che non dipende da costanti arbitrarie.


L’insieme delle soluzioni di 56 è uno spazio lineare affine, cioè uno
spazio vettoriale traslato.

Si può dimostrare che, se i coefficienti del sistema sono continui allora


esiste una ed una sola soluzione del problema di Cauchy 55

G ENERALIT À
Facendo uso di tale risultato possiamo provare che
172
¼
L’integrale generale di un sistema differenziale omogeneo del primo ordi- ½
ne è uno spazio vettoriale avente dimensione uguale al numero di equazio- ¶
ni del sistema stesso. mentre l’integrale generale del sistema completo è ·
uno spazio lineare affine ´
¹
”
I
Più precisamente se

(58) S = {u : u0 = Au} T = {u : u0 = Au + B}

G ENERALIT À
si ha che
173
¼

S è uno spazio vettoriale di dimensione n (uguale all’ordine del sistema) ½


mentre T è uno spazio lineare affine di dimensione n. Inoltre se ū è ¶
una soluzione del sistema completo, ogni soluzione del sistema completo ·
è descritta dalla ´
T = ū + S ¹
”
I

La verifica di tali fatti è basata sulla possibilità di stabilire un isomor-


fismo
Γ : S → Rn

definendo
Γ(u) = u(x0), x0 ∈ I

G ENERALIT À
A proposito di Γ si può ricordare che
(1) è banale verificare la linearità di Γ
174
¼
(2) la surgettività di Γ dipende dal teorema di esistenza della solu-
zione del problema di Cauchy 55 ½

(3) l’iniettività di Γ dipende dal teorema di unicità della soluzione del ¶

problema di Cauchy 55 ·
´
Ogni soluzione di un sistema omogeneo di ordine n può essere espres- ¹
sa mediante una combinazione di n soluzioni linearmente indipendenti ”
del sistema stesso. I
Siano esse u1, ..., un e sia (ui)j la componente j-esima della i-esima
soluzione.
Possiamo costruire la matrice

 
(u1)1 (u2)1 . . . (un)1
 (u ) (u2)2 . . . (un)2 
 
G =  ..1 2 ... ... ... 

G ENERALIT À
 . 
(u1)n (u2)n . . . (un)n
175
¼
che indicheremo spesso come
½

G = u1, u2, ....., un ¶
·
considerando gli ui come vettori colonna G si chiama matrice fonda-
´
mentale del sistema assegnato. Ogni soluzione del sistema potrà allora
¹
essere scritta nella forma
”
X
n
I
u(x) = G(x)C = cjuj , C = (cj) ∈ Rn
j=1

ovvero, considerando le componenti,


X
n
ui(x) = (uj)icj.
j=1

Siano u1, u2, ....., un n soluzioni del sistema omogeneo

G ENERALIT À
u0(x) = A(x)u(x)
176
¼
Chiamiamo wronskiano associato alle n soluzioni assegnate il determi-
nante della matrice ½

(u1, u2, ....., un). ¶


·
In altri termini
(u ) (u ) ... (un)1 ´
1 1 2 1
(u ) (u2)2 ... (un)2 ¹

W(x) = ..1 2 ... ... ...
. ”

(u1)n (u2)n ... (un)n I

Siano u1,u2,...,un n soluzioni del sistema 53. Sono fatti equivalenti:


(1) u1, ..., un sono linearmente indipendenti;
(2) W(x) 6= 0 ∀x ∈ I ;
(3) ∃x0 ∈ I tale che W(x0) 6= 0

G ENERALIT À
Se si conosce la soluzione del sistema omogeneo
u0(x) = A(x)u(x) , x0 ∈ I
177
¼
si può trovare una soluzione del sistema non omogeneo
½
0
u (x) = A(x)u(x) + B(x) ¶
·
nella forma
´
Z(x) = G(x)λ(x)
¹
Dovrà aversi ”
0
Z (x) = A(x)Z(x) + B(x) I

Pertanto, poiché

Z0(x) = G0(x)λ(x) + G(x)λ0(x) ,

deve essere

G0(x)λ(x) + G(x)λ0(x) = A(x)G(x)λ(x) + B(x)

essendo G una matrice fondamentale G è invertibile e

G ENERALIT À
G(x)λ0(x) = B(x) e λ0(x) = G−1(x)B(x).
178
¼
Se ne deduce che se
Zx ½
−1
λ(x) = G (t)B(t)dt ¶
x0
·
Z è soluzione.
´
Possiamo cosı̀ concludere che se G è una matrice fondamentale del
¹
sistema omogeneo
u0(x) = A(x)u(x) ”
I
Allora l’integrale generale del sistema completo
u0(x) = A(x)u(x) + B(x)
è dato da
 Zx 
u(x) = G(x) C + G−1(t)B(t)dt , C ∈ Rn ,
x0

mentre la soluzione del problema di Cauchy è data da


 Zx 

G ENERALIT À
u(x) = G(x) G−1(x0)u0 + G−1(t)B(t)dt
x0

179
¼
½

Stabilità di un sistema autono- ·


´

mo ¹
”
I

S TABILIT À
180
¼
Lo studio della stabilità di una soluzione riguarda il comportamento
per x → +∞ ½

·
Nasce nell’ambito dei sistemi lineari.
´
¹
Si estende al caso di sistemi di equazioni differenziali. ”
I

È particolarmente significativa nel caso dei sistemi autonomi; ( che


non dipendono esplicitamente dalla variabile indipendente)

Se interpretiamo la variabile indipendente come tempo, sono siste-


mi che caratterizzano fenomeni la cui evoluzione non dipende dal mo-
mento in cui iniziano. (un sasso cade allo stesso modo oggi, ieri o
domani)

S TABILIT À
181
¼
Sia dato il sistema
½

u 0(x) = F(u(x)) ¶
·
Poichè il sistema è autonomo possiamo sempre assumere che x0 = 0
´
e, a meno di un cambiamento di variabili, possiamo limitarci a studiare
¹
la stabilità della soluzione u(x) = 0
”
Supporremo pertanto
I

F(0) = 0
ed assumeremo verificate condizioni che assicurino che le soluzioni
u(x) siano definite per x ≥ x0 = 0

S TABILIT À
182
¼
Sia ½
F : R n → Rn ¶

lipschitziana di costante L cioè ·


´
kF(y1) − F(y2)k ≤ Lky1 − y2k ¹
”
allora la soluzione del problema di Cauchy
 I
u 0(x) = F(u(x))
u(0) = u0

è definita per x ∈ R+ per ogni u0 ∈ Rn per i teoremi di esistenza ed


unicità in grande.
Sia inoltre
F(0) = 0
in modo che la soluzione nulla u(x) = 0 risolva il sistema

S TABILIT À
183
¼
Possiamo allora definire
½

La soluzione nulla è stabile per il sistema se ∀ε > 0 ∃δε > 0 tale che se ·
ku0k < δ si ha ´
ku(x)k < ε ∀x ≥ 0 ¹
”
I

Inoltre

2×2
DEI SISTEMI LINEARI
La soluzione nulla è asintoticamente stabile se è stabile e se esiste δ > 0
tale che per ku0k < δ ,
lim u(x) = 0.
x→+∞

S TABILIT À
184
¼
Stabilità dei sistemi lineari 2 × 2 ½
Consideriamo un sistema lineare 2 × 2 a coefficienti costanti. ¶
Cominciamo ad esaminare la stabilità dei sistemi differenziali lineari ·
omogenei a coefficienti costanti di due equazioni in due incognite. ´
¹

”
ẋ(t) = ax(t) + by(t)
(59) a, b, c, d ∈ R I
ẏ(t) = cx(t) + dy(t)

Possiamo scrivere il sistema anche usando notazioni vettoriali come

2×2
(60) u̇(t) = Au(t)

DEI SISTEMI LINEARI


con    
x(t) a b
u(t) = ed A=
y(t) c d

S TABILIT À
185
¼
Se u(t) = (x(t), y(t)) è la soluzione di un sistema,
½

Chiamiamo orbita del sistema la curva descritta parametricamente dalle
·
equazioni 
´
x = x(t)
¹
y = y(t)
”
Le orbite (o traiettorie) si rappresentano nel piano (x, y) (Piano delle I
Fasi)

La definizione resta valida anche nel caso in cui il sistema non sia

2×2
lineare.

DEI SISTEMI LINEARI


Come visto precedentemente nello studio del sistema Preda-Predatore

Se il sistema è autonomo per ogni punto del piano delle fasi passa una ed
una sola orbita.

S TABILIT À
186
¼
Autovalori e Stabilità ½
Ogni matrice 2 × 2 può essere trasformata mediante una matrice di ¶
passaggio P, non singolare in una matrice canonica C (forma canonica ·
di Jordan) ´
In altre parole ¹
”
I

S TABILIT À
E
AUTOVALORI
187
¼

è possibile trovare P matrice non singolare tale che ½



C = P−1AP
·

sia una delle seguenti matrici, dove λ1, λ2 sono gli autovalori di A. ´

(1) Nel caso di autovalori reali e distinti λ1, λ2, ¹

  ”
λ1 0
I
0 λ2
(2) Nel caso di autovalori complessi e coniugati λ1 = α + iβ, λ2 =
α − iβ,  
α β
−β α

S TABILIT À
(3) Nel caso di autovalori reali e coincidenti λ1 = λ2 = λ,

E
   
λ 0 λ 0

AUTOVALORI
oppure
0 λ γ λ

188
¼
Il sistema dato può essere trasformato in un sistema più semplice
la cui matrice dei coefficienti rientra in uno dei casi appena elencati, ½

mediante la trasformazione ¶
·

u = Pv o equivalentemente v = P−1u ´
¹
Infatti si ottiene
”
Pv̇ = u̇ = Au = APv I

da cui

v̇ = P−1APv = Cv

S TABILIT À
E
AUTOVALORI
189
¼
Se siamo in grado di studiare le orbite del sistema v̇ = Cv, otteniamo
anche informazioni sul sistema di partenza. ½

·
La trasformazione u = Pv è lineare e non degenere e provoca quindi
´
solo una deformazione delle orbite.
¹
”
Diventa importante studiare il comportamento delle orbite dei sistemi
I
associati alle matrici canoniche che abbiamo appena elencato.

Di seguito sono riportate le immagini degli assi coordinati e del cer-


chio unitario mediante la trasformazione lineare
     
ξ = ax + by ξ a b x

S TABILIT À
ovvero =
η = cx + dy η c d y

E
AUTOVALORI
per diversi casi dei coefficienti

190
”
·

½
¼

AUTOVALORI E S TABILIT À
¹
´

191
”
·

½
¼

AUTOVALORI E S TABILIT À
¹
´

192
”
·

½
¼

AUTOVALORI E S TABILIT À
¹
´

193
”
·

½
¼

AUTOVALORI E S TABILIT À
¹
´

194
¼
Caso 1: autovalori reali e distinti
½
In tal caso il sistema diventa
 ¶
ξ̇ = λ1ξ ·
η̇ = λ2η ´
¹
possiamo allora determinare le soluzioni nella forma
 ”

ξ(t) = c1eλ1t I

η(t) = c2eλ2t

Entrambi gli autovalori sono non nulli


λ2
λ1
Le traiettorie sono date da y = x e a seconda del segno di λ1 e λ2 e

S TABILIT À
del fatto che λλ2 R 1 si possono avere i seguenti casi:
1

E
AUTOVALORI
195
Autovalori reali e distinti |λ2| > |λ1| ¼
½

·
´
¹
”
I

S TABILIT À
E
AUTOVALORI
λ1, λ2 > 0 λ1, λ2 < 0

196
Autovalori reali e distinti |λ2| < |λ1| ¼
½

·
´
¹
”
I

S TABILIT À
E
AUTOVALORI
λ1, λ2 > 0 λ1, λ2 < 0

197
Autovalori reali e distinti |λ2| > |λ1| ¼
½

·
´
¹
”
I

S TABILIT À
E
AUTOVALORI
λ1 > 0, λ2 < 0 λ1 < 0, λ2 > 0

198
¼
Se uno degli autovalori è nullo allora il sistema diventa
  ½
ξ̇ = λ1ξ ξ̇ = 0 ¶
oppure
η̇ = 0 η̇ = λ2η ·
´
e le traiettorie sono semirette parallele ad uno degli assi il cui verso di
¹
percorrenza dipende dal segno dell’autovalore non nullo.
”
I

S TABILIT À
E
AUTOVALORI
199
¼
Autovalori reali e distinti
½

·
´
¹
”
I

S TABILIT À
E
AUTOVALORI
λ1 = 0, λ2 < 0 λ1 = 0, λ2 > 0

200
¼
Autovalori reali e distinti
½

·
´
¹
”
I

S TABILIT À
E
AUTOVALORI
λ1 < 0, λ2 = 0 λ1 > 0, λ2 = 0

201
¼
Caso 2: autovalori reali e coincidenti
½
In tal caso il sistema diventa uno dei due seguenti
  ¶
ξ̇ = λξ ξ̇ = λξ ·
oppure
η̇ = λη η̇ = γξ + λη ´
¹
Supponiamo che λ 6= 0 Nel primo caso la soluzione del sistema è
”

ξ(t) = c1eλt I

η(t) = c2eλt

e le orbite sono semirette che passano per l’origine, hanno coefficiente


angolare cc2 e sono percorse con verso che si avvicina o si allontana
1
dall’origine a seconda del segno di λ.

S TABILIT À
E
AUTOVALORI
202
¼
Autovalori reali e coincidenti non nulli
½

·
´
¹
”
I

S TABILIT À
E
AUTOVALORI
λ1, λ2 > 0 λ1, λ2 < 0

203
¼
Nel secondo caso la soluzione del sistema è
 ½
ξ(t) = c1eλt ¶
λt
η(t) = (γc1t + c2)e ·
´
da cui si ricava
 ¹
t =
 
1 ξ
λ
ln c1 ”

η = η(t) = (γ 1 ln
 
ξ c2 I
λ c1
+ c1

e si possono disegnare le curve che rappresentano le orbite del siste-


ma.

S TABILIT À
E
AUTOVALORI
204
¼
Autovalori reali e coincidenti non nulli
½

·
´
¹
”
I

S TABILIT À
E
AUTOVALORI
λ1, λ2 > 0 λ1, λ2 < 0

205
¼
Se infine λ = 0 otteniamo che, nel primo caso, ogni punto è un punto
singolare, mentre nel secondo caso le soluzioni sono date da ½

 ¶
ξ(t) = c1 ·
η(t) = γc1t + c2 ´
¹
e le orbite sono ancora rette parallele ad un’asse.
”
I

S TABILIT À
E
AUTOVALORI
206
¼
Autovalori reali e coincidenti nulli
½

·
´
¹
”
I

S TABILIT À
   
0 0 0 0

E
A= A=

AUTOVALORI
0 0 1 0

207
¼
Caso 3: autovalori complessi e coniugati
½
In tal caso il sistema diventa
 ¶
ξ̇ = αξ − βη ·
η̇ = βξ + αη ´
¹
e può essere studiato mediante un ulteriore cambio di variabili.
”
Infatti se poniamo  I
ξ = ρ cos θ
η = ρ sin θ
possiamo ricavare che

2 2 2 η(t)
ρ (t) = ξ (t) + η (t) tan θ(t) =

S TABILIT À
ξ(t)
da cui, derivando si ottiene

E
AUTOVALORI
2ρ(t)ρ̇(t) = 2ξ(t)ξ̇(t) + 2η(t)η̇(t)
208
e ¼
½

2 ξ(t)η̇(t) − η(t)ξ̇(t) ·
(1 + tan θ(t))θ̇(t) =
ξ2(t) ´
¹
e tenendo conto del sistema si deduce che
 ”
ρ̇ = αρ I

θ̇ = β

da cui si ricava che 


ρ(t) = C1eαt
θ(t) = βt + C2

S TABILIT À
Le traiettorie sono spirali o, nel caso in cui α = 0, cerchi. Il verso di
percorrenza è determinato dal segno di β, mentre le spirali che tendono

E
AUTOVALORI
all’origine si distinguono dalle spirali che se ne allontanano mediante il
segno di α (negativo o positivo rispettivamente)
209
¼
Autovalori complessi e coniugati con parte reale non nulla
½

·
´
¹
”
I

S TABILIT À
E
AUTOVALORI
Parte reale negativa Parte reale positiva

210
¼
Autovalori complessi e coniugati con parte reale nulla
½

·
´
¹
”
I

S TABILIT À
E
AUTOVALORI
λ1, λ2 > 0 λ1, λ2 < 0

211
¼
Criteri di stabilità ½

Sia A(t) una funzione a valori matrici n × n, continua su [t0, +∞) e ·
consideriamo il sistema lineare ´
¹
ẋ(t) = A(t)x(t)
”
Sia G una matrice fondamentale del sistema; allora la soluzione I
identicamente nulla è stabile se e solo se

kG(t)k ≤ K , ∀t ≥ t0

Inoltre la soluzione nulla è asintoticamente stabile se e solo se

lim kG(t)k = 0

DI STABILIT À
t→+∞

C RITERI
212
¼
Infatti la soluzione x(t) del problema di Cauchy
 ½
ẋ(t) = A(t)x(t)) ¶

x(t0) = x0 ·
´
si può esprimere nella forma
¹

(61) x(t) = G(t)G−1(t0)x0 ”


I
e
kx(t)k ≤ kG(t)k kG−1(t0)k kx0k.
Ciò permette di concludere che le condizioni proposte per la stabilità
e l’asintotica stabilità della soluzione nulla sono sufficienti.

DI STABILIT À
C RITERI
213
¼
Viceversa sia la soluzione nulla stabile; per kx0k < δ si ha kx(t)k < 1
Sia D = {δei, i = 1..n}; D è una base di Rn, ½

Ogni soluzione xδei che corrisponde al dato iniziale x0 = δei, è
limitata in norma; ·

xδei sono le colonne di una matrice fondamentale che risulta pertanto ´

limitata. ¹

Analogamente, se la soluzione nulla è asintoticamente stabile ”


I

lim kxδei (t)k = 0.


t→+∞

e quindi
lim kG(t)k = 0
t→+∞

DI STABILIT À
C RITERI
214
¼
½

·
´
¹
Se la matrice dei coefficienti è costante le soluzioni sono combina-
”
zioni lineari di funzioni del tipo
I

tγeαt cos(βt) , tγeαt sin(βt)


in corrispondenza degli autovalori α ± ıβ, con molteplicità γ della ma-
trice dei coefficienti.
Esaminando il comportamento di tali funzioni si deduce subito che

DI STABILIT À
C RITERI
215
¼

(1) se A ha tutti gli autovalori con parte reale negativa, allora la ½

soluzione nulla è asintoticamente stabile ¶


(2) se A ha qualche autovalore con parte reale positiva, allora ·
la soluzione nulla non è stabile (ne’ asintoticamente stabile, ´
ovviamente) ¹
(3) se A ha tutti gli autovalori con parte reale negativa o nulla, e gli ”
autovalori con parte reale nulla sono semplici, allora la soluzione è I
stabile ma non asintoticamente stabile
(4) se A ha autovalori con parte reale negativa o nulla, e gli autovalori
con parte reale nulla hanno molteplicità superiore 1, allora la so-
luzione non è asintoticamente stabile ma può essere sia stabile che
instabile a seconda della forma che assumono le soluzioni.

DI STABILIT À
C RITERI
216
¼
½

Se il sistema non è lineare, la stabilità è una questione più delicata ¶


·

Si può, ad esempio, risolvere utilizzando il metodo delle funzioni di ´

Lyapunov; ¹
”
Talvolta è possibile studiare la stabilità di un sistema non lineare uti- I
lizzando informazioni sulla stabilità del sistema lineare ottenuto usando
lo sviluppo di Taylor del primo ordine della funzione che compare a
secondo membro. (Sistema Linearizzato) .
È interessante conoscere sotto quali condizioni la stabilità del siste-
ma linearizzato è sufficiente per la stabilità del sistema originario.
(stabilità in prima approssimazione)

DI STABILIT À
A questo proposito possiamo provare che se

C RITERI
217
¼
½

(62) ẋ(t) = Ax(t) + f(x(t)) ¶


·
dove A è una matrice n × n, S = {y ∈ R n
: kyk < a} ed f : S → R, è
´
continua e tale che f(0) = 0 e
¹
f(x) ”
lim =0
x→0 kxk I

Se tutti gli autovalori di A hanno parte reale negativa, allora la soluzione


nulla è asintoticamente stabile per il sistema 62 se invece la soluzione nulla
non è stabile per il sistema lineare

(63) ẋ(t) = Ax(t)

DI STABILIT À
allora non è stabile neanche per il sistema 62

C RITERI
218
¼
Dimostrazione. Sia G la matrice fondamentale principale del sistema
linearizzato ẋ = Ax e sia x la soluzione di 62 definita in un intervallo ½

massimale [t0, b); poiché gli autovalori di A hanno parte reale negativa ¶

esiste α > 0 tale che ·


´
−αt
kG(t)k ≤ Ke ¹
”
I
Se kxk < σ si ha
α
kf(x)k ≤ kxk;
2K

e possiamo supporre che a < σ.


Poniamo

DI STABILIT À
Zt

C RITERI
z(t) = G(t − t0)x0 + G(t − s)f(x(s))ds
t0

219
¼
si ha
Zt ½

z 0(t) = G 0(t − t0)x0 + G 0(t − s)f(x(s))ds + G(0)f(x(t)) = ¶


t0
 Zt  ·
´
= A G(t − t0)x0 + G(t − s)f(x(s))ds + f(x(t)) =
t0 ¹
= Az(t) + f(x(t)) ”
I
e
z(t0) = x0.
Tenuto conto del fatto che

ẋ(t) = Ax(t) + f(x(t)) , x(t0) = x0

si ha

DI STABILIT À
(z − x) 0(t) = A(z − x)(t) , (z − x)(t0) = 0
da cui

C RITERI
z(t) ≡ x(t).
220
¼
Pertanto
Zt ½
x(t) = G(t − t0)x0 + G(t − s)f(x(s))ds ¶
t0
·
Allora ´
Zt ¹
−α(t−t0 ) α −α(t−s)
kx(t)k ≤ Ke kx0k + e kx(s)kds ”
t0 2
I
da cui
Zt
α(t−t0 ) α
e kx(t)k ≤ Kkx0k + eα(s−t0)kx(s)kds
t0 2
e per il lemma di Gronwall

eα(t−t0)kx(t)k ≤ Kkx0keα(t−t0)/2

DI STABILIT À
e

C RITERI
(64) kx(t)k ≤ Kkx0ke−α(t−t0) ≤ Kkx0k , ∀t ≥ t0
221
¼
Pertanto si ha, se 0 < ε < σ e kx0k < ε/K,
½
kx(t)k < ε , ∀t ∈ [t0, b) ¶
·
e poichè la soluzione è prolungabile, deve essere b = +∞.
´
Passando al limite per t → +∞ nella 64 si conclude anche l’asinto-
¹
tica stabilità.
”
I
Per verificare la seconda affermazione si può provare che se G ha
qualche autovalore positivo si può scegliere una soluzione x in modo
che x(t) → +∞ quando t → +∞, scegliendo opportunamente i dati
iniziali.

DI STABILIT À
C RITERI
222
¼
Qualche osservazione sul segno degli autovalori nel
½
caso 2 × 2 ¶

Consideriamo una matrice ·


´
 
a b
A= ¹
c d
”
Gli autovalori sono le soluzioni dell’equazione
  I
a−λ b
(65) det = λ2 − (a + d)λ + (ad − bc)
c d−λ
Se T = a + d è la traccia e D = ad − bc è il determinante della
matrice possiamo riscrivere la 65 come

2×2
λ2 − Tλ + D

NEL CASO
e gli autovalori sono
s

AUTOVALORI
T T2
(66) λ= ± −D
2 4
223
¼
• Se D > 0
T2 T2 ½
> −D ¶
4 4
e ·
T2
– Nel caso in cui −D≥0
4 ´
s 2 ¹
T
> T −D ”
2 4 I
Gli autovalori λ1, λ2 hanno il segno di T
2
– Nel caso in cui T4 − D < 0
Gli autovalori sono complessi e coniugati la loro parte reale
<λ1, <λ2 ha lo stesso segno di T

2×2
• Se D = 0
λ1 = 0 , λ2 = T

NEL CASO
• Se D < 0
2 2

AUTOVALORI
Si ha T4 − D > T4
Gli autovalori hanno uno segno positivo e l’altro negativo.
224
¼
Il criterio di Hurwitz
½

·
´
¹
”
Serve a determinare il segno della parte reale delle radici di un polino-
I
mio.

Si può quindi usare per determinare il segno delle parti reali degli
autovalori di una matrice.

H URWITZ
225
¼
Consideriamo un polinomio a coefficienti reali ½

P(z) = zn + a1zn−1 + a2zn−2 + · · · + an
·

e la corrispondente matrice di Hurwitz definita da ´

  ¹
a1 1 0 0 · · · 0 ”
a a a
 3 2 1 1 ··· 0   I
 a5 a4 a3 a2 · · · 0 
 
H=
 a7 a6 a5 a4 · · · 0 

· · · · · · · · · · · · · · · · · · 
 
0 0 0 0 · · · an
Condizione necessaria e sufficiente affinchè P(z) abbia radici tutte
con parte reale negativa è che H abbia tutti i minori principali con
determinante positivo.

H URWITZ
226
¼
Per costruire la matrice di Hurwitz si può osservare che sulla diago-
nale sono presenti i coefficienti del polinomio. ½

Se chiamiamo ∆k il minore principale di ordine k cioè se ¶


·
 
  a1 1 0 ´
 a1 1
∆1 = a1 ∆2 = ∆3 = a3 a2 a1 ¹
a3 a2
a5 a4 a3 ”
 
I
a1 1 0 0 ··· 0
a
 3 a2 a1 1 ··· 0  
a a4 a3 a2 · · · 0 
 
∆n =  5
 a7 a6 a5 a4 · · · 0 

· · · ··· ··· · · · · · · · · ·
 
0 0 0 0 · · · an

H URWITZ
227
¼
Il criterio di Hurwitz per i polinomi di secondo grado
½

·
2
P(z) = z + a1z + a2 ´
¹
”
ha radici tutte con parte reale negativa se
I

a1 > 0 , a2 > 0

SECONDO GRADO
H URWITZ ,
228
¼
Il criterio di Hurwitz per i polinomi di terzo grado
½

·
3 2
P(z) = z + a1z + a2z + a3 ´
¹
”
ha radici tutte con parte reale negativa se
I

a1 > 0 , a1a2 − a3 > 0 , a3 > 0

TERZO GRADO
H URWITZ ,
229
¼
Il criterio di Hurwitz per i polinomi di quarto grado
½

4 3 2 ·
P(z) = z + a1z + a2z + a3z + a4
´
¹

ha radici tutte con parte reale negativa se ”


I

a1 > 0 , a1a2 − a3 > 0 , (a1a2 − a3)a3 − a21a4 > 0 , a3 > 0

QUARTO GRADO
H URWITZ ,
230
¼
½

Applicazioni ·
´

dei ¹
”

criteri di stabilità I

QUARTO GRADO
H URWITZ ,
231
¼
Modelli di crescita di due specie in competizione
½
Lo sviluppo di due specie x e y che condividono le risorse di uno stesso ¶
ambiente è descritto dal sistema ·
´

¹
ẋ(t) = (a − Ax(t) − αy(t))x(t)
(67) ”
ẏ(t) = (b − By(t) − βx(t))y(t)
I
con 
x(t0) = x0
y(t0) = y0
Ove a, b, A, B, α, β sono positivi.

C OMPET.
IN
S TAB . S PECIE
232
¼
x ed y sono limitate,
½

0 ≤ (x + y) ≤ ekt ≤ ekT ¶
·
e quindi esistono in ogni intervallo [0, T ].
´
Le soluzioni costanti sono individuate dai punti di intersezione degli
¹
assi con le rette
”
R1 : (a − Ax − αy) = 0 I
R2 : (b − By − βx) = 0
La retta R1 interseca gli assi nei punti
(^
ξ, 0) , (0, η#)

C OMPET.
dove
a a
^
ξ= η = #
A α

IN
S TAB . S PECIE
La retta R2 interseca gli assi nei punti
(ξ#, 0) , (0, η
^)
233
¼
dove
b b ½
ξ# = η
^=
β B ¶
Le rette R1 ed R2 si intersecano nel punto ·
´
(x̃, ỹ)
¹

dove ”
aB − αb Ab − aβ I
x̃ = , ỹ =
AB − αβ AB − αβ
Pertanto le soluzioni costanti sono individuate dai punti

(0, 0) , (0, η
^) , (^
ξ, 0) , (x̃, ỹ)

L’ultimo punto si considera solo nel caso in cui

C OMPET.
(1) R1 ed R2 non siano parallele (AB − αβ 6= 0)

IN
(2) si trovi nel primo quadrante (x̃ > 0 , ỹ > 0).

S TAB . S PECIE
234
¼
Per studiare la stabilità delle soluzioni costanti possiamo considerare
il sistema linearizzato relativamente ad ognuna delle soluzioni costanti ½

(x̄, ȳ). ¶

Il sistema linearizzato in (x̄, ȳ) è associato alla matrice ·

  ´
a − 2Ax̄ − αȳ −αx̄
M= ¹
−βȳ b − 2Bȳ − βx̄
”
I
Per (x̄, ȳ) = (0, 0)  
a 0
M=
0 b
M ha autovalori positivi e quindi la relativa soluzione è instabile.

C OMPET.
IN
S TAB . S PECIE
235
¼
Per (x̄, ȳ) = (^
ξ, 0)
a ½
!
a a −a −α a
   
a − 2A A −α A A −a −α A
M= a = 
b a
 = ¶
0 b − βA 0 β β−A 0 β(^
ξ − ξ#)
·
M ha autovalori −a e β(^
ξ − ξ#), la stabilità dipende dalla mutua ´
posizione di ξ# e ^
ξ. ¹
”
I

Per (x̄, ȳ) = (0, η


^)
a − α Bb
  a
α α − Bb η − η# ) 0
    
0 0 α(^
M= = =
−β Bb b − 2B Bb −β Bb −b −β Bb −b

C OMPET.
η − η#), la stabilità dipende dalla mutua
M ha autovalori −b e α(^
posizione di η# e η̄.

IN
S TAB . S PECIE
236
¼
Per (x̄, ȳ) = (x̃, ỹ)  
−Ax̃ −αx̃ ½
M= ¶
−βỹ −Bỹ
·
se indichiamo con D il determinante di M e con T la traccia di M,
´
avremo che
¹
D = x̃ỹ(AB − αβ) 6= 0 T = −(Ax̃ + Bỹ)(< 0) ”
I
Se D > 0 si ha
T2
− D = (x̃A − ỹB)2 + 4x̃ỹαβ > 0
4
dal momento che x̃ > 0, ỹ > 0, gli autovalori di M sono sempre reali e
distinti. hanno lo stesso segno di T (soluzione stabile)

C OMPET.
Se D < 0 M ha due autovalori reali di segno opposto. (soluzione

IN
instabile)

S TAB . S PECIE
237
”
·

½
¼

S TAB . S PECIE IN C OMPET.


¹
´

238
”
·

½
¼

S TAB . S PECIE IN C OMPET.


¹
´

239
”
·

½
¼

S TAB . S PECIE IN C OMPET.


¹
´

240
”
·

½
¼

S TAB . S PECIE IN C OOPER .


¹
´

241
¼
Modello di crescita di due popolazioni in coopera-
½
zione ¶
·
´
¹
”
I

• Crescita in Cooperazione Obbligatoria

C OOPER .
• Crescita in Cooperazione Facoltativa

IN
S TAB . S PECIE
242
¼
Cooperazione obbligatoria
½
Il sistema che descrive il fenomeno è


ẋ(t) = (−a + βy(t))x(t) ·

ẏ(t) = (−b + αx(t))y(t) ´


¹
Ammette come soluzioni costanti (punti critici)
”
 
a b I
(0, 0) , ,
β α
La stabilità può essere studiata linearizzando
   
(−a + βy)x −a + βy βx
∇ =
(−b + αx)y αy −b + βx

S TAB . C OOPER . O BBL .


243
¼
Per x = 0, y = 0
la matrice del sistema linearizzato è ½
  ¶
−a 0
·
0 −b
´
La matrice ha autovalori entrambi negativi La soluzione nulla è asinto- ¹
ticamente stabile. ”
I

Per x = βa , y = αb
La matrice del sistema linearizzato è
!
0 b αβ
b αβ 0

S TAB . C OOPER . O BBL .


244
¼
½

·
´
¹
La matrice ha autovalori ”
√ √ I
ab , − ab

La soluzione nulla è instabile.

S TAB . C OOPER . O BBL .


245
¼
Cooperazione facoltativa
½
Il sistema che descrive la situazione è
 ¶
ẋ(t) = (a − b(x(t) + γy(t))x(t) ·
ẏ(t) = (c − dy(t) + δx(t))y(t) ´
¹
che ammette come punti critici
  ”
A B I
E1 = (0, 0) , E4 = ,
   D
D
a c
E2 = ,0 , E3 = 0,
b d
dove

S TAB . C OOPER . FACOLT.


A = cγ + ad
B = cb + aδ
D = bd − γδ

246
¼
La matrice Jacobiana per Ē = (x̄, ȳ) è
  ½
a − 2bx̄ + γȳ γx̄
M= ¶
δȳ c − 2dȳ + δx̄
·
´
Per (x̄, ȳ) = E1 = (0, 0)   ¹
a 0
M= ”
0 c
I
Gli autovalori sono a, b > 0
Il punto E1 = (0, 0) è instabile

Per (x̄, ȳ) = E2 = ( ba , 0)


la matrice del sistema linearizzato è

S TAB . C OOPER . FACOLT.


γ ba
 
−a a
M= −a<0 c+δ >0
0 c + δ ba b
Gli autovalori sono −a < 0, c + δ ba > 0
Il punto E2 = E2 = ( ba , 0) è un un punto sella .
247
Per (x̄, ȳ) = E3 = (0, dc ) ¼
½
la matrice del sistema linearizzato è

a + γ dc 0
 
·
M=
γ dc −c ´
¹
Gli autovalori sono a + γ dc > 0, −c < 0
”
Il punto E3 = (0, dc ) è un punto sella
I

A B
Per (x̄, ȳ) = E4 = ( D , D)
A B
Il punto E4 = ( D , D ) appartiene al primo quadrante solo se D > 0
perchè il modello abbia senso questa condizione deve essere soddi-
sfatta.

S TAB . C OOPER . FACOLT.


In tal caso la matrice del sistema linearizzatoè
A A
 
−b D −γ D
M= B B
δD −d D
248
¼
½

·
´
¹
”
det M = (bd−γδ)AB = DAB > 0
I

mentre la traccia di M è negativa.


Quindi il punto è stabile

S TAB . C OOPER . FACOLT.


249
¼
½

Il Pendolo ·
´

e ¹
”

il Pendolo Rovesciato I

I L P ENDOLO
250
¼
Il Pendolo semplice
½

θ
·

Una pallina P di massa m è ´

attaccata all’estremità di un’asta ¹


P
mg cos θ
di massa trascurabile imperniata ”
mg sin θ θ nell’altra estremità. I
mg

• ` è la lunghezza dell’asta
• θ(t) è l’angolo che l’asta forma con la verticale nell’istante t
• s(t) = `θ(t) è la distanza, sull’arco di circonferenza descritto

SEMPLICE
dalla pallina, dalla posizione allineata con la verticale

I L P ENDOLO
251
¼
si ha
½

s(t) = `θ(t) ·
ṡ(t) = `θ̇(t) ´

s̈(t) = `θ̈(t) ¹
”
La pallina si suppone sottoposta I
• alla forza peso
• ad una forza che si oppone alla direzione del moto proporzionale
alla velocità (resistenza del mezzo).

SEMPLICE
I L P ENDOLO
252
¼
L’equazione che governa il sistema sarà data da
½

m`θ̈(t) = −k`θ̇(t) − mg sin θ(t) ¶


·
A meno di ridenominare le costanti in gioco si ottiene
´
θ̈(t) = −Rθ̇(t) − P sin θ(t) ¹
”
Posto 
I
x(t) = θ(t)
y(t) = θ̇(t)
otteniamo che il sistema è governato dalle equazioni

ẋ(t) = y(t)
(68)
ẏ(t) = −Ry(t) − P sin x(t)

SEMPLICE
Ci sono due punti di equilibrio

I L P ENDOLO
(x, y) = (0, 0) e (x, y) = (π, 0)

253
¼
La stabilità si può studiare usando il sistema linearizzato:
½

• Per (x, y) = (0,
0) ·
ẋ(t) = y(t)
´
ẏ(t) = −Ry(t) − Px(t) ¹
”
• Per (x, y) =(0, π) I
(x(t) − π)0 = y(t)
ẏ(t) = −Ry(t) + P(x(t) − π)

Lo studio degli autovalori delle matrici dei coefficienti mostra che per

SEMPLICE
il primo sistema (0, 0) è un punto di equilibrio stabile mentre per il
secondo sistema (π, 0) è un punto di equilibrio instabile.

I L P ENDOLO
254
¼
Il pendolo rovesciato
½

Una pallina P di massa m è
mẅ cos θ ·
θ
attaccata all’estremità di un’asta
mẅ P ´
di massa trascurabile imperniata
mg sin θ ¹
θ
nell’altra estremità.
mg ”
Consideriamo la variabile θ mi-
surata a partire dalla posizione I
θ verticale.
La posizione di equilibrio (x, y) = (0, 0) è instabile (corrisponde alla
precedente (π, 0)) e possiamo porci il seguente problema

I L P ENDOLO R OVESCIATO
255
¼

È possibile, applicando una opportuna forza sul perno dell’asta, ½

mantenere la pallina in equilibrio? ¶


·
´
¹
”
Applichiamo sul perno una forza v = −mẅ(t) rivolta in modo da
I
contrastare la caduta della pallina; la forza applicata si può rappresen-
tare agente in P.

L’equazione che governa il sistema è data da

I L P ENDOLO R OVESCIATO
m`θ̈(t) = −k`θ̇(t) + mg sin θ(t) − mẅ(t) cos θ(t)

256
¼
Dalla
½

m`θ̈(t) = −k`θ̇(t) + mg sin θ(t) − mẅ(t) cos θ(t) ¶


·
si ha ´
¹
k g ẅ(t) ”
θ̈(t) = − `θ̇(t) + sin θ(t) − cos θ(t)
m ` ` I

Posto 
x(t) = θ(t)
y(t) = θ̇(t)

Il sistema è governato dalle equazioni

I L P ENDOLO R OVESCIATO

ẋ(t) = y(t)
k g ẅ(t)
ẏ(t) = − `y(t) + sin x(t) − cos x(t)
m ` `
257
¼
e ancora, a meno di ridenominare le costanti,
 ½
ẋ(t) = y(t) ¶
ẅ(t)
ẏ(t) = −Ry(t) + P sin x(t) − cos x(t) ·
` ´

Supponiamo che la forza riequilibrante il sistema sia lineare in θ e θ̇, ¹


”
ẅ(t)
= aθ(t) + bθ̇(t) = ax(t) + by(t) I
`
Il sistema diventa

ẋ(t) = y(t)
ẏ(t) = −Ry(t) + P sin x(t) − (ax(t) + by(t)) cos x(t)

I L P ENDOLO R OVESCIATO
e linearizzando in (0, 0)

ẋ(t) = y(t)
ẏ(t) = (−b − R)y(t) + (−a + P)x(t)
258
¼
Possiamo scegliere a e b in modo che il sistema sia stabile
½
Posto 
b+R=µ ¶

P−a=η ·
´
Il sistema si scrive
 ¹
ẋ(t) = y(t) ”

ẏ(t) = ηx(t) − µy(t) I

Gli autovalori del sistema sono dati da


p
−µ ± µ2 + 4η
2

I L P ENDOLO R OVESCIATO
ed è facile determinare µ e η in modo che il sistema sia stabile.
Ad esempio µ > 0 e η < 0, ma non solo.

259
¼
½

Conservazione della massa ·


´
¹
”

Sono basati sulla seguente semplice osservazione: I

M ASSA ODE
in un sistema isolato il bilancio tra la quantità di materia che entra,
quella che esce e quella che che rimane deve essere in pareggio.

DELLA
C ONSERVAZIONE
260
¼
Capacità di un lago ½
Ipotizziamo che ¶
·
L’acqua entra in un lago con un flusso costante di K litri al minuto e dal ´
lago ne evapora una quantità proporzionale secondo una costante H a v2/3 ¹
dove con v si indica il volume di acqua presente nel lago ”
I
v(t) il volume di acqua nel lago all’istante t;
Avremo
v(t + ∆t) − v(t)
lim = v̇(t)
∆t→0 ∆t
e quindi, in assenza di evaporazione,

DI UN LAGO
v̇(t) = K
onde

C APACIT À
v(t) = v(0) + Kt

261
¼
L’evaporazione è proporzionale alla superficie del lago
½
3 2
Vol = ` Surf = ` ¶
·
quindi possiamo stimare che la superficie del lago sia proporzionale a
´
v2/3(t).
¹
Ne concludiamo che l’evaporazione è data da
”
2/3
−Hv (t) I

avremo
v̇(t) = K − Hv2/3(t)

DI UN LAGO
C APACIT À
262
¼
½

L’equazione 22 ammette una solu-
·
zione costante
´
 3/2
K ¹
v(t) =
H ”
I
K 3/2

se v(t) < H allora v̇(t) > 0
quindi v(t) è crescente
K 3/2

se v(t) > H allora v̇(t) < 0 e
v(t) è decrescente.
La soluzione costante è stabile

DI UN LAGO
C APACIT À
263
¼
Grado di inquinamento di un lago
½

·
´
Un inquinante entra in un lago con flusso costante σ, p(t)è la massa di in-
¹
quinante al tempo t; esso viene metabolizzato dai batteri presenti nel lago
in quantità proporzionale alla sua massa secondo una costante k In questo ”

processo viene consumata una quantità dell’ossigeno disciolto nelle acque I

del lago pari alla massa di inquinante decomposto. Il livello o(t) di ossi-
geno nel lago tuttavia è reintegrato attraverso il contatto tra la superficie
dell’acqua e l’aria in maniera proporzionale alla differenza om − o(t) tra
il valore di saturazione dell’ossigeno om e la quantità di ossigeno presente
o(t)

IN UN LAGO
I NQUINAMENTO
264
¼
Le equazioni che descrivono questo fenomeno possono pertanto es-
sere scritte nella seguente maniera ½

 ¶
ṗ(t) = σ − kp(t) ·
(69)
ȯ(t) = −kp(t) + h(om − o(t)) ´
¹
Le soluzioni di equilibrio della 69 sono
”
σ σ I
p̄ = ō = om −
k h
Linearizzando il sistema in (p̄, ō) (è già lineare ma non omogeneo)

ṗ = −k(p − σk ) = −k(p − p̄)
σ
ȯ = −k(p − + σk ) + h(om − (o − (om − σh ) + (om − σh )))

IN UN LAGO
k

I NQUINAMENTO
265
¼
da cui
 ½
ṗ = −k(p − p̄) ¶
σ
ȯ = −k(p − p̄) − σ + h(om − (o − ō) − om + h
) ·
´
ed ancora 
¹
ṗ = −k(p − p̄)
”
ȯ = −k(p − p̄) − h(o − ō)
I
la matrice dei coefficienti del sistema è
 
−k 0
A=
−k −h

IN UN LAGO
ha autovalori −k, −h, negativi
La soluzione del sistema è stabile.

I NQUINAMENTO
266
”
·

½
¼

I NQUINAMENTO IN UN LAGO
¹
´

267
¼
½

Modelli differenziali P.D.E. ·


´

(Partial ¹
”

Differential I

Equations)

M ODELLI PDE
268
¼
Modelli di Trasporto
½

·
´
Una massa di sostanza si muove lungo l’asse x nel tempo t.
¹
In un sistema isolato il bilancio tra la quantità di materia che entra,
”
quella che esce e quella che che rimane deve essere in pareggio.
I
Siano
• ρ(x, t) la densità della sostanza che intendiamo studiare,
• x la coordinata relativa all’asse su cui avviene il movimento
• t la variabile di tempo.

T RASPORTO
269
¼
Le dimensioni di ρ sono
½
unità di massa ∂m
= ¶
unità di lunghezza ∂x
·
la massa compresa in I = [x, x + ∆x] è
Z x+∆x ´

m(t, x, x + ∆x) = ρ(t, s)ds ¹


x ”
φ(x, t) è il flusso attraverso x al tempo t, I
(φ(x, t) è la quantità di massa che transita per il punto x nell’istante
t)
Le dimensioni di φ sono
unità di massa ∂m
=
unità di tempo ∂t
La massa che transita attraverso il punto x nel tempo T = [t, t + ∆t]
è Z t+∆t

T RASPORTO
m(t, t + ∆t, x) = φ(s, x)ds
t

270
¼
Sia m(t, x) la massa presente all’istante t nel punto x
½
Osserviamo che:

• La massa in [x, x + ∆x] all’istante t è
·
Z x+∆x
´
ρ(t, s)ds = ρ(t, x̄)∆x x ≤ x̄ ≤ x + ∆x
x ¹

• La massa che transita attraverso il punto x nel tempo [t, t + ∆t] ”

è I
Z t+∆t
φ(s, x)ds = φ(t̄, x)∆t t ≤ t̄ ≤ t + ∆t
t

T RASPORTO
271
¼
Avremo che
½
(1) la massa in I all’istante t è ρ(t, x̄)∆x

(2) la massa in I all’istante t + ∆t è ρ(t + ∆t, ^
x)∆x
(3) la massa che transita in x nel tempo tra t e t + ∆t è φ(t̄, x)∆t ·

(4) la massa che transita in x + ∆x nel tempo tra t e t + ∆t è ´

φ(^t, x + ∆x)∆t ¹
”
I
La variazione della massa contenuta in I nel tempo T è uguale alla
differenza tra quanto è entrato in I e quanto è uscito da I, nel tempo T

 
ρ(t + ∆t, ^ ^
x) − ρ(t, x̄) ∆x = φ(t̄, x) − φ(t, x + ∆x) ∆t

T RASPORTO
272
¼
Dividendo per ∆t∆x
½

ρ(t + ∆t, ^
x) − ρ(t, x̄) φ(t̄, x) − φ(^
t, x + ∆x)
(70) = ·
∆t ∆x ´
e passando al limite per ∆x → 0 e ∆t → 0 poichè ¹
”
x ≤ x̄, ^
x ≤ x + ∆x t ≤ t̄, ^
t ≤ t + ∆t
I
si ha
∂ρ(x, t) ∂φ(x, t)
(71) =−
∂t ∂x

T RASPORTO
273
¼
Alternativamente: Sia
µ(t, x) ½

la massa che è fluita attraverso il punto x fino all’istante t, se definiamo
·
il flusso istantaneo mediante la
´
µ(t, x) − µ(t + ∆t, x) ∂µ
φ(t, x) = lim = − (t, x) ¹
∆t→0 ∆t ∂t
”
avremo che
I
φ(t, x) − φ(t, x + ∆x) 1 ∂
(72) =− (µ(t, x) − µ(t, x + ∆x)) =
∆x ∆x ∂t Z
1 ∂ x+∆x
= ρ(t, s)ds
∆x ∂t x
Cioè la differenza tra massa entrante ed uscente è pari alla massa
presente in [x, x + ∆x] e scambiando derivata ed integrale
Z
1 x+∆x ∂
 
φ(t, x) − φ(t, x + ∆x)
= ρ(t, s) ds

T RASPORTO
∆x ∆x x ∂t
Passando al limite per ∆x → 0 si ottiene l’equazione 71.
274
¼
Possiamo tenere conto di apporto o sottrazione di massa mediante
un termine k(x, t) a secondo membro ½

∂ρ(x, t) ∂φ(x, t)
(73) =− + k(x, t) ·
∂t ∂x ´
L’equazione 73 contiene troppe incognite (ρ e φ); occorre ipotizzare ¹
una dipendenza tra ρ e φ. Ad esempio ”
I
φ = φ(ρ)

cosı̀ che   
∂φ dφ ∂ρ
=
∂x dρ ∂x
l’equazione 73 diventa allora
  
∂ρ(x, t) ∂φ(ρ(x, t)) ∂ρ(x, t)
(74) =− + k(x, t)
∂t ∂ρ ∂x

T RASPORTO
275
¼
Due casi significativi di dipendenza di φ da ρ:
½
Si hanno per

·
´
• φ(ρ) = v(x, t)ρ (advezione). ¹
v(x, t) ha dimensione ”
I
unità di lunghezza
unità di tempo

cioè ha le dimensioni di una velocità; rappresenta la velocità con


cui la materia si muove lungo l’asse x; infatti

φ unità di massa unità di lunghezza


v= =
ρ unità di tempo unità di massa

T RASPORTO
Il caso più semplice si incontra quando v(x, t) = c.
276
¼
• φ(ρ) = −ν ∂ρ ∂x
(x, t) (diffusione).
½
Caratteristico della propagazione del calore. Il calore tende a

fluire, proporzionalmente al gradiente di temperatura (la densità
·
di calore), dalla temperatura più alta verso la più bassa.
´
¹
”

La tipica equazione di advezione prende la forma I

∂ρ(x, t)) ∂(ρ(x, t)v(x, t))


(75) =− + k(x, t)
∂t ∂x

T RASPORTO
277
¼
La tipica equazione di diffusione è
½

∂ρ(x, t) ∂2ρ(x, t) ·
(76) =ν + k(x, t) ´
∂t ∂x2
¹
”

Più in generale gli effetti di advezione e di diffusione possono sovrap- I

porsi ed in tal caso l’equazione diventa

∂ρ(x, t) ∂2ρ(x, t) ∂(ρ(x, t)v(x, t))


(77) =ν − + k(x, t)
∂t ∂x2 ∂x

T RASPORTO
278
¼
½

Modello di trasporto di un in- ·


´

quinante in un fiume ¹
”
I

Un inquinante organico è mescolato alle acque di un fiume, che scorre


con velocità costante c lungo l’asse x; vogliamo conoscere la concentra-

DI INQUINANTE IN UN FIUME
zione ρ(x, t), che supponiamo omogenea in ciascuna sezione del fiume,
dell’inquinante nota la distribuzione iniziale ρ(x, 0) dell’inquinante stes-
so, tenendo conto che l’inquinante viene degradato dall’azione batteri-
ca proporzionalmente alla concentrazione di inquinante e trascurando i
fenomeni diffusivi.

T RASPORTO
Si tratta di advezione: la velocità con cui si muove la massa è c.
279
¼
Può essere modellizzata utilizzando l’equazione
½

∂ ∂ ·
(78) ρ(x, t) = −c ρ(x, t) − µρ(x, t) ´
∂t ∂x
¹
”
I
µρ(x, t) descrive la metabolizzazione dell’inquinante da parte dei
batteri presenti nel fiume.
Riscriviamo la 78 nella forma

DI INQUINANTE IN UN FIUME
∂ ∂
ρ(x, t) + c ρ(x, t) = −µρ(x, t)
∂t ∂x

Il primo membro è la derivata rispetto a t della funzione

T RASPORTO
R(x, t) = ρ(x + ct, t)
280
¼
e quindi
½
d d
R(x, t) = ρ(x + ct, t) = ¶
dt dt ·
∂ ∂
= ρ(x + ct, t) + c ρ(x + ct, t) = ´
∂t ∂x
¹
= −µρ(x + ct, t) = −µR(x, t)
”
Integrando l’equazione differenziale lineare I

ρ(x + ct, t) = h(x)e−µt


poichè ρ(x, 0) = ρ0(x) (è nota la densità iniziale lungo il fiume)

DI INQUINANTE IN UN FIUME
ρ0(x) = ρ(x, 0) = h(x)
da cui
ρ(x + ct, t) = ρ0(x)e−µt
e

T RASPORTO
ρ(x, t) = ρ0(x − ct)e−µt

281
¼
Consideriamo la situazione in cui
½

Si verifichi in una locazione x = 0 che possiamo supporre coincidente con ¶

l’origine una immissione di inquinante con flusso costante γ. (Supponendo ·

che il fiume sia in precedenza pulito) ´


¹

Allo scopo, posto ”



0 t<0 I
γ(t) =
γ0 t≥0
possiamo imporre nella 24 che

DI INQUINANTE IN UN FIUME
γ(t) = ρ(0, t) = ρ0(−ct)e−µt

Se x = −ct da cui t = − xc si ha
x x
γ(− ) = ρ0(x)eµx/c ρ0(x) = γ(− )e−µx/c

T RASPORTO
c c

282
¼
Quindi
½
ct − x
ρ(x, t) = ρ0(x − ct)e−µt = γ( )e−µ(x−ct)/ce−µt ¶
c
·
Infine ´
x −µx/c
ρ(x, t) = γ(t − )e ¹
c
”
I
per
x
t− <0 cioè per x > ct
c

DI INQUINANTE IN UN FIUME
l’inquinante ha densità ρ nulla.
(L’inquinante, in quel momento non ha ancora raggiunto quel punto del
fiume).

L’equazione si può integrare numericamente, ad esempio con MA-

T RASPORTO
PLE

283
¼
½

·

> restart; ´
> with(plots); ¹
> with(linalg);
> tot:=100: ”
> a:=matrix(tot,tot):
I
> for m from 1 to tot do
> a[1,m]:=1
> od:
> for n from 2 to tot do

DI INQUINANTE IN UN FIUME
> a[n,1]:=0
> od:
> c:=.8: mu:=1: h:=.05: k:=.05:
> alpha:=1-c*h/k-h*mu: beta:=c*h/k:
> for m from 1 to tot-1 do
> for n from 2 to tot do
> a[n,m+1]:=alpha*a[n,m]+beta*a[n-1,m]
> od;

T RASPORTO
> od;
> plotsetup(window);
> matrixplot(a,orientation=[-70,65]);
284
¼
Anche il livello δ dell’ossigeno disciolto nel fiume, deve soddisfare
una equazione di trasporto del tipo ½

·
´
∂ ∂ ¹
(79) δ(x, t) + c δ(x, t) = −µρ(x, t) + µ1(δm − δ(x, t))
∂t ∂x ”
I

• −µρ(x, t) esprime che il livello di ossigeno diminuisce in manie-

DI INQUINANTE IN UN FIUME
ra proporzionale all’inquinante metabolizzato,
• µ1δ(x, t) è il reintegro mediante scambio con l’atmosfera, pro-
porzionale alla differenza tra il livello δm di saturazione ed il livello
attuale δ(x, t).

T RASPORTO
285
¼
L’equazione 79 può essere integrata come le precedenti.
½

Posto D(t) = δ(x + ct, t) dalla 79 si ricava
·
∂ ∂ ´
D0(t) = δ(x + ct, t) + c δ(x + ct, t) =
∂t ∂x ¹
= −µρ(x + ct, t) + µ1(δm − δ(x + ct, t)) = ”
= −µ1D(t) + µ1δm − µρ0(x)e−µt I

ed infine
D0(t) = −µ1D(t) + µ1δm − µρ0(x)e−µt

DI INQUINANTE IN UN FIUME
Si tratta di una equazione lineare la cui soluzione è

−µ1 t µρ0(x)
(80) D(t) = k(x)e + δm + e−µt
µ − µ1

T RASPORTO
286
¼
Tenuto conto che il fiume all’istante iniziale è pulito, si ha
½
δ(0, t) = δm ¶

quindi si può ricavare k(x) e la 80 diventa ·


´
µρ0(x)
D(t) = (e−µt − e−µ1t) + δm ¹
µ − µ1 ”
Poichè D(t) = δ(x + ct, t) I

µρ0(x)
δ(x + ct, t) = (e−µt − e−µ1t) + δm
µ − µ1

DI INQUINANTE IN UN FIUME
da cui
µγ(− xc )e−µx/c
δ(x + ct, t) = = (e−µt − e−µ1t) + δm
µ − µ1
e

T RASPORTO
µγ(t − xc )e−µ(x−ct)/c
δ(x, t) = (e−µt − e−µ1t) + δm
µ − µ1
287
¼
Infine
½
µγ(t − xc )e−µx/c ¶
δ(x, t) = δm + (1 − e(µ−µ1)t)
µ − µ1 ·
´
¹
”
I

DI INQUINANTE IN UN FIUME
Grafici di ρ e di δ.

T RASPORTO
288
¼
½

Qualche risultato sulle P.D.E. ·


´
¹
”
I

PDE
289
¼
Equazioni lineari in 3 variabili ½
Consideriamo l’equazione differenziale alle derivate parziali ¶
·
(81)
´
∂u ∂u ∂u
P(x, y, z) (x, y, z)+Q(x, y, z) (x, y, z)+R(x, y, z) (x, y, z) = ¹
∂x ∂y ∂z
”
= Pux + Quy + Ruz = 0
I
Risolvere la 81 significa trovare una funzione u(x, y, z) tale che

Pux + Quy + Ruz

VARIABILI
Possiamo riscrivere la 81 dividendo per uz(6= 0) per ottenere
ux uy

3LINEARI IN
(82) P +Q +R=0
uz uz

E QUAZIONI
290
¼
Poichè supponiamo uz 6= 0, l’equazione
½
u(x, y, z) = 0 ¶
·
definisce localmente
´
z = φ(x, y)
¹
cioè
”
u(x, y, z) = c ⇐⇒ z = φ(x, y)
I
e risulta
ux uy
φx = − , φy = −
uz uz
Quindi u risolve la 81

VARIABILI
Pux + Quy + Ruz = 0

3LINEARI IN
se e solo se la corrispondente φ risolve la 82

E QUAZIONI
Pφx + Qφy = R

291
¼
u(x, y, z) = 0, cosı̀ come z = φ(x, y), definisce una superficie S in
R3 ½

Una parametrizzazione locale della superficie S è data da ¶


 ·


x = x ´
(83) S(x, y) = y = y ¹


z = φ(x, y) ”
I
Avremo  
1 0 φx
∇S(x, y) =
0 1 φy
e quindi il vettore normale ad S è

VARIABILI
 
ux uy

3
N = (−φx, −φy, 1) = , ,1

LINEARI IN
uz uz

E QUAZIONI
292
¼
Quindi, a meno di un eventuale fattore di proporzionalità,
½
N = (φx, φy, −1) oppure N = (ux, uy, uz) ¶
·
Se definiamo il campo vettoriale
´
 
F(x, y, z) = P(x, y, z), Q(x, y, z), R(x, y, z) ¹
”
La 81 oppure, equivalentemente, la 82 può essere messa nella forma I

(84) hN, Fi = 0

Pertanto la soluzione u(x, y, z) di 81, o la soluzione φ(x, y) della

VARIABILI
82, definiscono una superficie S mediante l’equazione u(x, y, z) = 0
oppure z = φ(x, y) la cui normale deve risultare perpendicolare in

3
ogni punto al campo vettoriale F.

LINEARI IN
E QUAZIONI
293
¼
Una linea che in ogni punto abbia tangente parallela al campo F si
dice linea di campo o linea di forza. ½

·
Poichè la normale alla superficie S soluzione è perpendicolare al ´
campo F, le linee di forza devono giacere sulla superficie soluzione S.
¹
Pertanto possiamo descrivere la superficie soluzione mediante le
”
linee di forza del campo che si possono trovare nella forma
I

(x(t), y(t), z(t))

ed in tal caso saranno definite da



VARIABILI

ẋ(t) = λP(x(t), y(t), z(t))
(85) ẏ(t) = λQ(x(t), y(t), z(t))

3

LINEARI IN
ż(t) = λR(x(t), y(t), z(t))

E QUAZIONI
294
¼
Possiamo anche esprimere y = y(x) e z = z(x) per cui
½
0 0
ẏ(t) = y (x)ẋ(t) , ż(t) = z (x)ẋ(t) ¶
·
e le 85
 ´


ẋ(t) = λP(x(t), y(t), z(t)) ¹

(86) ẏ(t) = λQ(x(t), y(t), z(t)) ”




ż(t) = λR(x(t), y(t), z(t)) I

possono essere riscritte come



 Q(x, y(x), z(x))

 y0
(x) =

VARIABILI
(87) P(x, y(x), z(x))

 R(x, y(x), z(x))
z0(x) =

3LINEARI IN
P(x, y(x), z(x))

E QUAZIONI
295
¼
Se siamo in grado di trovare due funzioni α e β tali che
 ½
α(x, y, z) = c1 ¶
β(x, y, z) = c2 ·
´
che forniscano la soluzione di 87 allora avremo
¹

αx + αyy0 + αzz0 = 0 ”
I
cui
Q R
αx + αy + αz =0
P P
Quindi

VARIABILI
Pαx + Qαy + Rαz = 0

3
In modo simile

LINEARI IN
Pβx + Qβy + Rβz = 0

E QUAZIONI
Pertanto α, β sono soluzioni di 81.

296
¼
Si verifica subito che
u = Φ(α, β) ½

è soluzione della stessa 81
·
Infatti 


´
ux = Φααx + Φββx ¹
uy = Φααy + Φββy

 ”
uz = Φααz + Φββz
I

Da cui

Pux + Quy + Ruz =

VARIABILI
= Φα(Pαx + Qαy + Rαz) + Φβ(Pβx + Qβy + Rβz) = 0

3LINEARI IN
E QUAZIONI
297
¼
Se viceversa u = u(x, y, z) risolve la 81 allora
 ½


Pux + Quy + Ruz = 0 ¶

(88) Pαx + Qαy + Rαz = 0 ·




Pβx + Qβy + Rβz = 0 ´
¹
Il sistema 88 ammette una soluzione (P, Q, R) non identicamente ”
nulla e pertanto deve risultare I
 
ux uy uz
det αx αy αz = 0
βx βy βz

VARIABILI
Quindi si può dimostrare (Stampacchia Analisi 2) che esiste una

3
funzione Ψ tale che u = Ψ(α, β).

LINEARI IN
E QUAZIONI
298
¼
Equazioni lineari in 2 variabili ½

·
Consideriamo l’equazione ´
¹
”
(89) a(x, y)ux(x, y) + b(x, y)uy(x, y) = 0 I

u(x, y) è soluzione della 89 se se solo se

2VARIABILI
LINEARI IN
a(x, y)ux(x, y) + b(x, y)uy(x, y) = 0

E QUAZIONI
Se supponiamo che uy(x, y) 6= 0 avremo che
299
¼
½
(90) u(x, y) = u0 ¶
m ·
ux(x, y(x)) + uy(x, y(x))y0(x) = 0 ´
m ¹
ux(x, y(x)) ”
y0(x) = −
uy(x, y(x)) I

m
a(x, y(x))
y0(x) = −
b(x, y(x))

VARIABILI
m
g(x, y) = k

2LINEARI IN
E QUAZIONI
300
¼
Quindi u0 e k sono legati da una dipendenza funzionale; u0 = φ(k)
e si ha ½

u(x, y) = u0 = φ(k) = φ(g(x, y)) ¶


·
´
La soluzione dell’equazione differenziale data può essere espressa ¹
mediante la soluzione g(x, y) = k della 90 e di una funzione arbitraria ”
φ I

Eventuali dati iniziali, ad esempio u(x, 0) = u0(x) possono essere


soddisfatti imponendo condizioni su φ.

VARIABILI
Ad esempio

2LINEARI IN
u0(x) = u(x, 0) = φ(g(x, 0))
da cui si ricava φ.

E QUAZIONI
301
¼
Equazioni Quasi Lineari in 2 variabili ½
Sono equazioni del tipo ¶
·
∂φ ∂φ
P(x, y, φ) + Q(x, y, φ) = R(x, y, φ) ´
∂x ∂y
¹
Sono equivalenti all’equazione lineare in 3 variabili ”

∂u ∂u ∂u I
P(x, y, z) (x, y, z)+Q(x, y, z) (x, y, z)+R(x, y, z) (x, y, z) = 0
∂x ∂y ∂z
nell’incognita u(x, y, z) che risulta legata a φ mediante la

2VARIABILI
u(x, u, z) = c ⇐⇒ z = φ(x, y)

IN
E QUAZIONI Q UASI L INEARI
302
¼
Risulta inoltre
½

·
ux uy
φx = − , φy = − ´
uz uz
¹
”

Quindi φ risolve l’equazione quasi lineare I

Pφx + Qφy = R

2VARIABILI
se e solo se la corrispondente u risolve l’equazione lineare

IN
Pux + Quy + Ruz = 0

E QUAZIONI Q UASI L INEARI


303
¼
½

Modelli differenziali di Traffico ·


´

Autostradale ¹
”
I

T RAFFICO AUTOSTRADALE
304
¼
Il traffico lungo un’autostrada può essere descritto mediante un mo-
dello di trasporto in cui il flusso dipende dalla densità delle auto. ½

·
La natura del modello è discreta ´
¹
”
Se consideriamo la situazione da molto distante possiamo ritenere il I
flusso delle auto come il flusso di una massa continua con densità ρ.

x, variabile di spazio, identifica un punto sulla retta che descrive


l’autostrada

T RAFFICO AUTOSTRADALE
t, variabile di tempo.

305
¼
L’equazione che governa il flusso delle auto è di tipo advettivo, di
trasporto; ½

·

Non prevediamo che nel tratto in esame esistano ingressi od uscite. ´


¹
”

Occorre ipotizzare il comportamento del flusso φ rispetto alla densità I

ρ delle auto.

Possiamo fare riferimento a dati che si possono facilmente verificare


osservando il traffico.

T RAFFICO AUTOSTRADALE
306
¼
Supponiamo che
½
(1) La velocità delle auto è compresa tra 0 e vm.

(2) La velocità delle auto dipende dalla densità.
Se ρm è la massima densità possibile, supponiamo che ·
´
  ¹
ρ
(91) v(ρ) = vm 1 − ”
ρm
I

Dalla 91 si ricava
• se ρ = 0 allora v = vm

T RAFFICO AUTOSTRADALE
• se ρ = ρm allora v = 0.

307
¼
L’equazione che ne risulta sarà del tipo 74
½
∂ρ(x, t)) ∂(ρ(x, t)v(x, t)) ¶
=− + k(x, t)
∂t ∂x ·
´
¹
Tenuto conto che ”
! I
ρ2
 
d 2ρ
(92) φ(ρ) = v(ρ)ρ = vm ρ− , φ(ρ) = vm 1 −
ρm dρ ρm

si ottiene
 
∂ρ(x, t) 2ρ(x, t) ∂ρ(x, t)
(93) = −vm 1 −

T RAFFICO AUTOSTRADALE
∂t ρm ∂x
o più brevemente

308
¼

  ½

(94) ρt = −vm 1 − ρx = −φ0(ρ)ρx ¶
ρm ·
´
¹
Studiamo la soluzione individuandone le curve di livello; ”
Cerchiamo cioè di trovare le curve descritte dalle equazioni (x(t), t) I
sulle quali risulta

(95) ρ(x(t), t) = costante = ρ0

In tal caso avremo che

φ0(ρ) = φ0(ρ0) = φ00

T RAFFICO AUTOSTRADALE
è esso pure costante. Pertanto possiamo riscrivere la 94 come

(96) ρt = −φ00ρx

309
¼
Derivando la 95
½
ρ(x(t), t) = costante = ρ0 ¶
·
si ha
´
(97) ρt + ẋ(t)ρx = 0 ¹
”
I

Da 97 e 96 si ricava

ẋ(t) = φ0o

da cui, ricordando che φ00 = φ0(ρ0),

T RAFFICO AUTOSTRADALE
x(t) = φ00t + x0

310
¼
Alle stesse conclusioni si può pervenire usando i risultati enunciati
per le P.D.E. lineari in 3 variabili ??. ½

Nel nostro caso le 87 diventano ¶

 ·
ẋ(t) = v
 
2ρ(t) ´
m 1 − ρm
ρ̇(t) = 0 ¹
”
da cui si ricava I

ẋ(t) = v
 
2ρo
m 1− ρm
= φ00
ρ(t) = ρ0

ed anche

T RAFFICO AUTOSTRADALE
x(t) = x(t) = φ00t + x0

311
¼
Le curve di livello (x(t), t) della soluzione ρ(x, t) sono rette di equa-
zione x = φ00t + x0. Se ρ(x, 0) = ρ0(x) si ha ½

(98) ρ(φ00t + x0, t) = ρ(x0, 0) = ρ0(x0) ·
´
E se supponiamo nota la densità iniziale ρ0(x)
¹
0
ρ(x, t) = ρ(x − φ (ρ0)t, 0) = ρ0(x − φ00t) ”
I

Esaminiamo qualche esempio

Le auto sono incolonnate ad un semaforo prima del quale la densità è

T RAFFICO AUTOSTRADALE
massima e dopo il quale la densità è nulla.

312
¼
Indichiamo con 0 l’istante in cui il semaforo diventa verde
½
Il flusso di traffico successivo può essere descritto dall’equazione 93

  ·

(99) ρt = −vm 1 − ρx = −φ0(ρ)ρx ´
ρm
¹
”
con la condizione iniziale I


ρm x<0
(100) ρ(x, 0) = ρ0(x) =
0 x>0

T RAFFICO AUTOSTRADALE
In corrispondenza di tali dati iniziali avremo che

vm x > 0 (ρ0 = 0)
φ00 = φ00(ρ(x, 0)) = φ00(ρ0(x)) = =
−vm x < 0 (ρ0 = ρm)
313
¼
Le rette su cui risulta costante
la densità, (linee caratteristiche ½

dell’equazione), sono ¶
 ·
vmt + x0 x0 > 0 ´
x=
−vmt + x0 x0 < 0 ¹
”
Su ognuna di tali rette la densità è
I
ρ0 ed il flusso corrispondente è

φ00 = φ0(ρ(x, 0)) = φ0(ρ0)

Tali rette coprono solo una parte


del semipiano t > 0

T RAFFICO AUTOSTRADALE
Non forniscono nessuna informa-
zione su quanto accade nella zona
di tale semipiano che è compresa
tra le rette x = ±vmt

314
¼
½

·
´
¹
”
I

La zona non coperta corrisponde al caso x0 = 0; non è possibile dare


un valore della densità per x0 = 0; infatti
• a destra di zero la densità è nulla
• a sinistra è massima

T RAFFICO AUTOSTRADALE
e quindi la densità presenta in zero una discontinuità di tipo salto.
In tale zona vogliamo definire ρ(x, t) in modo di raccordare ρm con
0.

315
¼
Per x0 = 0 le curve di livello della densità ρ sono
½
0 0
(101) x = φ (ρ(0, 0))t = φ (ρ0(0))t ¶
·
ma la densità iniziale ρ0(0) non è definita, possiamo soltanto affermare
´
che
¹
ρ0(0) ∈ [0, ρm]
”
Quindi I
 
2ρ0(0)
φ0(ρ0(0)) = vm 1 − ∈ [−vm, vm]
ρm
Pertanto per x0 = 0 possiamo considerare non una ma infinite rette
sulle quali ρ è costante.

T RAFFICO AUTOSTRADALE
Se in t = 0 assumiamo un valore della densità ρ, tale valore si
manterrà costante sulla retta
 

x = φ0(ρ)t = vm 1 − t
ρm
316
¼
Ricavando ρ si ottiene
  ½
1 x
(102) ρ= ρm 1 − ¶
2 vm t ·

Osserviamo che per t = 0 la 102 non è definita. ´

La 102 soddisfa l’equazione 93; infatti si ha ¹


”
x −1
ρt = , ρx = I
2vmt2 2vmt
Per cui, trascurando la costante 12 ρm,
  
x 2ρ −1 x 1 2ρ
+ v m 1 − = − + =
vmt2 ρm vm t vmt2 t ρmt 

T RAFFICO AUTOSTRADALE

x
x 1 ρm 1 − vmt
= 2
− + =0
vm t t ρmt

317
¼
½

·
´
¹
”
I

La soluzione cosı̀ definita ha linee di livello che sono rette per l’origine
Esse corrispondono ai diversi valori di densità assunti nell’origine;
• da ρm, in corrispondenza del quale x = −vmt,
• a 0 caso in cui x = vmt

T RAFFICO AUTOSTRADALE
Infatti
   
1 x 2k
ρ = ρm 1 − =k ⇐⇒ x = vm 1 −
2 vm t ρm

318
¼
Le rette (al variare di k ∈ [0, ρm] hanno pendenza crescente da −vm
a vm e coprono la zona lasciata scoperta dalle precedenti considera- ½

zioni. Sono le caratteristiche che passano per l’origine. ¶


·
´
¹
I punti della retta x = −vmt caratterizzano i tempi ed i luoghi in cui
”
inizia il movimento di un’auto in coda al semaforo.
I

Al tempo t iniziano a muoversi le auto che per t = 0 si trovano alla


posizione x = −vmt mentre al tempo t l’auto che si trova in x = 0 per
t = 0 avrà raggiunto la posizione x = vmt.

T RAFFICO AUTOSTRADALE
319
¼
La velocità con cui le auto si muovono nella zona in esame, sarà
  ½
ρ
(103) v = vm 1 − ¶
ρm
·
e quindi dalla soluzione 102 trovata per ρ,
   ´
1 x ¹
v = vm 1 − 1−
2 vm t ”
per cui I
 
1 x
v = vm +
2 2vmt
e
vm x
v= +

T RAFFICO AUTOSTRADALE
2 2t
Se x(t) è la posizione di un’auto avremo che ẋ(t) = v.
Ne viene che
vm x
ẋ(t) = +
2 2t
320
¼
Si è in questo modo trovata una equazione differenziale che definisce
il movimento dell’auto alla partenza dopo il verde. ½

Una condizione iniziale può essere dedotta tenendo conto che l’auto ¶

comincia a muoversi da x0 al tempo t0 = −x0/vm; ·

Ne viene  ´
ẋ(t) = x(t)
2t
+ vm
2
¹

x(− vxm0 ) = x0 ”
I
L’integrale generale dell’equazione è

x(t) = C1 t + vmt

T RAFFICO AUTOSTRADALE
321
¼
Imponendo che
r   ½
x0 x0 x0
x0 = x(− ) = C1 − + vm − ¶
vm vm vm ·

si ricava ´

C1 = −2 −x0vm ¹
”
per cui la cui soluzione del problema di Cauchy è
I
√ √ √ √ √ √ √ 
x(t) = −2 −x0vm t + vmt t vm vm t − 2 −x0

T RAFFICO AUTOSTRADALE
322
¼
Si calcola che l’auto raggiungerà il semaforo al tempo t̃ tale che
½
x(t̃) = 0; si ricava
x0 ¶
t̃ = −4
vm ·

La figura seguente mostra come si muove un’auto in coda al sema- ´


foro dopo che il semaforo è diventato verde. ¹
”
I

T RAFFICO AUTOSTRADALE
323
¼
Una situazione opposta si verifica quando la densità di traffico au-
menta. In tal caso il metodo delle caratteristiche presenta inconvenienti ½

e si rendono necessari degli aggiustamenti. ¶

La densità iniziale sia data da ·


 ´
ρm
4
x<0 ¹
(104) ρ(x, 0) = ρ0(x) =
ρm x > 0 ”
I
Avremo che

vm ρm
x < 0 (ρ0 = )
φ00 = φ00(ρ(x, 0)) = φ00(ρ0(x)) = = 2 4
−vm x > 0 (ρ0 = ρm)

T RAFFICO AUTOSTRADALE
324
¼
Le caratteristiche su cui risulta costante la densità dell’equazione,
½
saranno date da 
vm
t + x0 x0 < 0 ¶
x= 2
−vmt + x0 x0 > 0 ·
´
come si vede nella figura seguente.
¹
”
I

T RAFFICO AUTOSTRADALE
325
¼
Dalla figura si vede che la situazione non è affatto chiara:
½
esiste una zona del piano in cui le caratteristiche si sovrappongono

·

Ciò causa la mancanza di unicità della soluzione, o meglio la sua ´

indeterminatezza. ¹
”
I

Questo è dovuto alla discontinuità del dato iniziale Dobbiamo pertan-


to operare una scelta tra le due soluzioni.

Poichè la densità è discontinua la 71 può causare problemi.

T RAFFICO AUTOSTRADALE
Ad esempio può non essere lecito lo scambio tra derivata ed integrale
in 72.

326
¼
La 72 afferma
½

φ(t, x) − φ(t, x + ∆x) = ·
Z
σ(t)

d x+∆x ´
= ρ(t, s)ds
dt x ¹
”
Se σ(t) ∈ [x, x+∆x] è un punto in
I
cui si verifica la discontinuità la 72
applicata agli intervalli [x, σ+(t)] e x σ− σ+ x + ∆x

[σ−(t), x + ∆x] assicura

Z σ(t) Z x+∆x
d d

T RAFFICO AUTOSTRADALE
ρ(s, t)ds+ ρ(s, t)ds =
dt x dt σ(t)
= φ(σ−(t), t)−φ(x+∆x, t)−φ(σ+(t), t)+φ(x, t)

327
¼
D’altro canto per le solite regole di derivazione si ha
½
Z σ(t) Z x+∆x
d d ¶
ρ(s, t)ds + ρ(s, t)ds =
dt x dt σ(t) ·
Z σ(t)
− ∂ρ(s, t) +
´
= σ̇(t)ρ(σ (t), t) + ds − σ̇(t)ρ(σ (t), t)+
∂t ¹
x
Z x+∆x
∂ρ(s, t) ”
+ ds
σ(t) ∂t I

Quindi se x → σ(t)− e x + ∆x → σ(t)+ otteniamo

T RAFFICO AUTOSTRADALE
σ̇(t)ρ(σ−(t), t) − σ̇(t)ρ(σ+(t), t) = − φ(σ+(t), t) + φ(σ−(t), t)

328
¼
Più brevemente
½
σ̇(t)ρ− − σ̇(t)ρ+ = −φ+ + φ− ¶
·
ovvero
´
φ+ − φ− ρ+v+ − ρ−v− ¹
σ̇(t) = =
ρ+ − ρ− ρ+ − ρ− ”
I

Nel nostro caso si verifica subito che


ρm
ρ+ = ρm , ρ− =
4
3vm

T RAFFICO AUTOSTRADALE
v+ = 0 , v− =
4

329
¼
Per cui
½
vm vm
(105) σ̇(t) = − e σ(t) = − t ¶
4 4
·
´
¹
”
I

La 105 rappresenta l’equazione della curva lungo la quale si passa

T RAFFICO AUTOSTRADALE
da velocità v− = 3v4m a velocità v+ = 0 ed ivi si riscontra una brusca
interruzione del traffico; quindi σ(t) individua il punto in cui in traffico
subisce uno shock e ne descrive l’andamento nel tempo; solitamente
σ(t) viene indicata come shock wave (onda d’urto).

330
¼
½

Qualche risultato ·
´

di ¹
”

Calcolo delle Variazioni I

VARIAZIONI
DELLE
C ALCOLO
331
¼
Il problema classico di calcolo delle variazioni consiste nel minimiz-
zare un funzionale integrale che dipende da una funzione e dalla sua ½

derivata. ¶

Più precisamente se ·

f : R2 → R ´
¹
è abbastanza regolare e se C 1 è lo spazio delle funzioni
”
x : [a, b] → R I

continue con la loro derivata, possiamo porci il problema di trovare


Z b
min f(x(t), ẋ(t))dt
x∈C 1 ,x(a)=α,x(b)=β a

VARIAZIONI
DELLE
C ALCOLO
332
¼
La curva di lunghezza minima per due punti fissati
½

Determinare la curva y(x), nel piano (x, y), che passa per due punti ·
´
P0 = (a, y0) e P1 = (b, y1) ¹
”
mediante la quale si passa dal punto P0 al punto P1 percorrendo la
I
minima distanza.
La lunghezza di una curva si calcola mediante la
Zb q
1 + (y0(x))2dx
a

Il problema si riduce a trovare


Z b q

DISTANZA
min 1 + (y0(x))2dx
y∈C 1 ,y(a)=y0 ,y(b)=y1 a

M INIMA
333
¼
La brachistocrona
½

Trovare la curva da seguire per minimizzare il tempo di percorrenza ·
necessario perchè un punto materiale soggetto alla sola forza di gravità ´
si sposti da un punto A = (a, h), h > 0 ad un punto B = (b, 0). ¹
”
Indichiamo con y(x) la funzione il cui grafico è percorso per passare I
dal punto A al punto B.

Il punto materiale descriverà una traiettoria rispetto alla quale la lun-


ghezza d’arco è data da
Zx q
s(x) = 1 + (y0(x))2dx

L A B RACHISTOCRONA
a

334
¼
Se consideriamo una partizione dell’intervallo [a, b]
½
{a = x0 < x1 < x2 < .... < xn = b} ¶
la lunghezza percorsa relativa all’intervallo [xk, xk+1] è ·
Z xk+1 q q ´
1 + (y0(x))2dx = 1 + (y0(ck))2(xk+1 − xk) ¹
xk
”
dove ck ∈ [xk, xk+1]
I
La velocità di caduta dipende solo dalla quota per il principio di con-
servazione dell’energia e si ha
1 2
p
mv = mgy e v = 2gy(x)
2
Nell’intervallo [xk, xk+1] possiamo considerare che

L A B RACHISTOCRONA
y(x) = y(dk) con dk ∈ [xk, xk+1]
per cui p
v= 2gy(dk)

335
¼
Il tempo tk necessario per percorrere la parte di curva relativa all’in-
tervallo [xk, xk+1] sarà ½

p ¶
1 + (y0(ck))2 ·
tk = p (xk+1 − xk) , ck, dk ∈ [xk, xk+1]
2gy(dk) ´
¹
Sommando su k e passando al limite, si ottiene
”
Zb p
1 + (y0(x))2 I
(106) t= p dx
a 2gy(x)
Il problema è ridotto a minimizzare il funzionale definito nella 106
sulle funzioni y di classe C 1 tali che y(a) = h e y(b) = 0.
Zb p
1 + (y0(x))2
min dx

L A B RACHISTOCRONA
p
y∈C 1 ,y(a)=h,y(b)=0 a 2gy(x)

336
¼
Il solido di rotazione avente minima superficie
½
Determinare il solido di rotazione che ha minima superficie. ¶
In un riferimento cartesiano ortogonale (x, y, z) consideriamo una ·
curva y(x), x ∈ [a, b] tale che ´
¹
y(a) = α e y(b) = β
”
e la superficie da essa generata dalla rotazione attorno all’asse x I
Possiamo parametrizzare la superficie nella forma



x = x
y = y(x) cos θ x ∈ [a, b]


z = y(x) sin θ

S UPERFICIE M INIMA
337
¼
si ha
1 y0(x) cos θ y0(x) sin θ
 
∂x, y, z ½
=
∂x, ρ, θ 0 −y(x) sin θ y(x) cos θ ¶

per cui l’area della superficie si può calcolare mediante la ·


Zb q ´
y(x) 1 + (y0(x))2dx ¹
a
”
Il problema si riduce a quello di trovare il minimo del funzionale I
Zb q
2π y(x) 1 + (y0(x))2dx
a

sotto le condizioni
y(a) = α y(b) = β
In altre parole occorre trovare

S UPERFICIE M INIMA
Zb q
min y(x) 1 + (y0(x))2dx
y∈C 1 ,y(a)=α,y(b)=β a

338
¼
Il solido di rotazione avente minima resistenza al-
½
l’avanzamento ¶
·

Determinare il solido di rotazione che offre minima resistenza all’avanza- ´

mento nell’aria. ¹
”
I

La resistenza all’avanzamento in un gas, di densità tale da consentire


l’ipotesi che le molecole si riflettano liberamente, può essere calcolata
considerando la forza generata dagli urti delle molecole sulla superficie
stessa.

RESISTENZA
M INIMA
339
¼
S è una porzione di superficie piana e forma un angolo θ con la
direzione di avanzamento. ½

Su S agisce una forza F tale che F∆t è uguale alla variazione di ¶

quantità di moto delle molecole che urtano la superficie. ·


´
F∆t = ∆Q ¹

Una particella di massa µ che urta ”

la superficie S con velocità I

S
vi = (v, 0, 0)
v sin 2θ
vr
θ
θ
uguale alla velocità di avanzamen-
vi
θ v cos 2θ to si allontana con una velocità vr
uguale in modulo a v, nel piano
individuato da v e dalla normale

RESISTENZA
N alla superficie e forma con es-
sa un angolo uguale all’angolo di

M INIMA
incidenza.
340
¼
N ½
v sin 2θ S
vr

θ
vi θ
·
θ v cos 2θ
´
¹
”
I

Pertanto
vr = (v cos 2θ, v sin 2θ, 0)
mentre la differenza tra le quantità di moto iniziale e finale è

∆Q = µvi − µvr = µ(v(1 − cos 2θ), −v sin 2θ, 0)

RESISTENZA
Nel tempo ∆t sulla superficie S agisce una forza F tale che

F∆t = ∆Q

M INIMA
341
¼
Osserviamo che F ha una com- N ½
ponente opposta alla direzione del v sin 2θ S

vr
moto ed una componente ad essa θ
·
vi θ
perpendicolare. Quest’ultima non θ v cos 2θ
´
sortisce effetto in quanto il solido
¹
è di rotazione e la somma di tali
”
componenti è pertanto nulla.
I
Sulla superficie S agisce quindi complessivamente una forza frenan-
te
1
F= m(v(1 − cos 2θ), 0, 0)
∆t
dove m è la massa totale delle particelle di gas che collidono con la
superficie S nel tempo ∆t.

RESISTENZA
M INIMA
342
¼
Avremo che m = ρS sin(θ)v∆t in quanto
N ½

·
S ´
θ
θ ¹
θ ”
I
θ
` = v∆t
• nel tempo ∆t collidono con la superficie S le particelle contenute
nel volume di un cilindro di altezza ` = v∆t e di base S
• se ρ è la densità del gas e V è il volume considerato

RESISTENZA
m = ρV

• Il fattore sin θ rende conto dell’inclinazione di S

M INIMA
343
¼
Pertanto su una superficie S inclinata di un angolo θ agisce una forza
pari a ½

·
1
v(1 − cos(2θ))ρS sin(θ)v∆t = 2ρv2S sin3(θ) ´
∆t ¹
”
Supponiamo che il solido di rotazione sia definito in un riferimento
I
cartesiano ortogonale (x, y, z) mediante la rotazione attorno all’asse x
della curva


x=x x ∈ [a, b]
y = y(x)

RESISTENZA
con y(0) = 0 e y(a) = R.

M INIMA
344
¼
Una parametrizzazione s di S è data da
 ½


x = x x ∈[0, a]

s(x, t) = y = y(x) cos t ·



 t ∈[0, 2π]
z = y(x) sin t ´
¹
Si ha ”
1 y0(x) cos t y0(x) sin t
 
∇s(x, t) = I
0 −y(x) sin t y(x) cos t
e
N = (y(x)y0(x), −y(x) cos t, −y(x) sin t)
da cui q
dσ = y(x) (1 + y0(x))2

RESISTENZA
M INIMA
345
¼
La forza agente su un elemento ∆Sdi superficie sarà
½
2 3
2ρv ∆S sin (θ) ¶
·
per cui la resistenza si può calcolare mediante la
Z ´
¹
2ρv2 sin3(θ)dσ =
”
S
Z a Z 2π q
I
= 2ρv2 sin3(θ)y(x) 1 + (y0(x))2dxdt =
0 0 Za q
= 4πρv2 sin3(θ)y(x) 1 + (y0(x))2dx
0

RESISTENZA
M INIMA
346
¼
Poichè
y0(x) ½
sin θ = p
1 + (y0(x))2 ¶

la forza resistente sarà ·

Za ´
(y0(x))3y(x)
4πρv2 dx ¹
0 1+ (y0(x))2 ”

Il problema si riduce a trovare il minimo del funzionale I


Za 0
2 (y (x))3y(x)
4πρv 0 2
dx
0 1 + (y (x))

sulle funzioni y ∈ C 1 tali che , y(0) = 0 e y(a) = R cioè a trovare


Za 0
2 (y (x))3y(x)
min 4πρv dx

RESISTENZA
y∈C 1 ,y(0)=0,y(a)=R 1 + (y 0 (x))2
0

M INIMA
347
¼
½

Le condizioni necessarie ·
´

per ¹
”

il minimo di un funzionale I

M INIMO
PER IL
C ONDIZIONI N ECESSARIE
348
¼
Sia
f : R2 → R ½

continua con la sua derivata e C 1 lo spazio delle funzioni
·

x : [a, b] → R ´
¹
continue con la loro derivata.
”
Consideriamo il problema di trovare
I
Zb
min f(x(t), ẋ(t))dt
x∈C 1 ,x(a)=α,x(b)=β a

M INIMO
PER IL
C ONDIZIONI N ECESSARIE
349
¼
Supponiamo che
½
1
x0 ∈ C , x0(a) = α , x0(b) = β ¶
·
sia tale che
Zb Zb ´

f(x0(t), ẋ0(t))dt = min f(x(t), ẋ(t))dt ¹


a x∈C 1 ,x(a)=α,x(b)=β a ”
I
Sia h ∈ C 1 tale che h(a) = h(b) = 0; la funzione
Zb
φ(λ) = f(x0(t) + λh(t), ẋ0(t) + λḣ(t))dt

M INIMO
a

PER IL
ammette minimo in λ = 0 per cui dovrà aversi

C ONDIZIONI N ECESSARIE
φ0(0) = 0

350
¼
D’altro canto
½

0
φ (0) = ·
Z
1 b  ´
lim f(x0(t) + λh(t), ẋ0(t) + λḣ(t)) − f(x0(t), ẋ0(t) dt =
λ→0 λ a ¹
Zb
 ”
= fx(x0(t), ẋ0(t))h(t) + fv(x0(t), ẋ0(t))ḣ(t) dt =
I
Zab b
= fx(x0(t), ẋ0(t))h(t)dt + fv(x0(t), ẋ0(t))h(t) −

a
a
Zb 

M INIMO

d
− fv(x0(t), ẋ0(t)) h(t)dt =

PER IL
a dt
Zb  
d

C ONDIZIONI N ECESSARIE
= fx(x0(t), ẋ0(t)) − fv(x0(t), ẋ0(t)) h(t))dt = 0
a dt

351
¼
½

Si può dedurre che deve essere
·
´
¹
d
(107) fx(x0(t), ẋ0(t)) − fv(x0(t), ẋ0(t)) = 0 ”
dt I
La 107 è l’ equazione di Eulero o euleriana del problema Se l’integranda

M INIMO
PER IL
C ONDIZIONI N ECESSARIE
f è autonoma, la 107 può essere ulteriormente elaborata come segue

352
¼
½
d
fx(x(t), ẋ(t)) − fv(x(t), ẋ(t)) = ¶
dt
·
fx(x(t), ẋ(t)) − fv,x(x(t), ẋ(t))ẋ(t)−
´
− fv,v(x(t), ẋ(t))ẍ(t)
¹
e moltiplicando per ẋ(t) ”
I
fx(x(t), ẋ(t))ẋ(t) − fv,x(x(t), ẋ(t))ẋ2(t)−
− fv,v(x(t), ẋ(t))ẍ(t)ẋ(t) =

M INIMO
= fx(x(t), ẋ(t))ẋ(t) + fv(x(t), ẋ(t))ẍ(t) − fv(x(t), ẋ(t))ẍ(t)−
− fv,x(x(t), ẋ(t))ẋ2(t) − fv,v(x(t), ẋ(t))ẍ(t)ẋ(t) =

PER IL
d 

C ONDIZIONI N ECESSARIE
= f(x(t), ẋ(t)) − ẋ(t)fv(x(t), ẋ(t)) = 0
dt

353
¼
½

·

Perchè la 107 sia soddisfatta è necessario e sufficiente che ´


¹
”
I

(108) f(x(t), ẋ(t)) − ẋ(t)fv(x(t), ẋ(t)) = costante

M INIMO
PER IL
C ONDIZIONI N ECESSARIE
L’ultima equazione si chiama integrale primo della euleriana e spesso
è più facilmente risolubile della euleriana originale.
354
¼
½

La soluzione dei problemi ·


´
¹
”
I

SOLUZIONE DEI PROBLEMI


LA
355
¼
La curva di lunghezza minima per due punti fissati
½

Avremo ·
p
f(y, v) = 1 + v2 ´
¹
e pertanto
v ”
fy(y, v) = 0 fv(y, v) = √
1 + v2 I

e la 107 può essere scritta nella forma


!
0
d y (x)
p =0
dx 1 + (y0(x))2

(S OL .)
DISTANZA
M INIMA
356
¼
Ne viene
½
0 00
y (x) 1 + (y0(x))2 − y0(x) √y (x)y 0 (x) 2
p
00

1+(y (t))
= ·
1 + (y0(x))2
1 ´
00
= y (x) p =0 ¹
(1 + (y0(x))2) 1 + (y0(x))2
”
e pertanto se ne ricava I
00
y (x) = 0
e
y(x) = ax + b
Le costanti a, b si determinano imponendo il passaggio per i punti
assegnati.

(S OL .)
DISTANZA
M INIMA
357
¼
La brachistocrona
½
Avremo √ ¶
1+ v2 ·
f(y, v) = √
y ´
e dalle 108 possiamo ricavare che deve essere ¹
p ”
1 + (y0(x))2 0 y0(x)
p − y (x) p p =c I
y(x) 0
y(x) 1 + (y (x))2

Se ne ricava che
1
p p =c
0
y(x) 1 + (y (x)) 2

L A B RACHISTOCRONA (S OL .)
ed elevando al quadrato,
k
y(x) =
(1 + (y0(x))2)

358
¼
Procedendo come indicato nel paragrafo dedicato alle equazioni dif-
ferenziali di tipo particolare e tenendo conto che nel nostro caso ½

k
f(p) = ·
1 + p2
´
avremo una soluzione definita dalle seguenti equazioni parametriche

x(t) = x0 + k Rt
¹
−2
t0 (1+φ2 (s))2 ds ”
y(t) = k
2
I
1+φ (t)

Si ottiene una notevole semplificazione dei calcoli se si sceglie


φ(t) = tan t
in tal caso infatti
 Zt Zt

L A B RACHISTOCRONA (S OL .)



 x(t) = x0 − k 2 cos2 sds = x0 − k (1 − cos 2s)ds =
t0 t0

 = x0 − k(t − 2 sin 2t)

y(t) = cos2 t = 1−cos(2t)
2

359
¼
Il solido di rotazione avente minima superficie
½
Avremo p ¶
f(y, v) = y 1 + v2 ·

e dalle 108 possiamo ricavare che deve essere ´

0 ¹
q
0 y(x)y (x)
y(x) 1 + (y0(x))2 − y (x) p =c ”
0
1 + (y (x)) 2
I

da cui
y(x)(1 + (y0(x))2 − (y0(x))2y(x)
p =c
0
1 + (y (x)) 2

e
y(x)

M INIMA S UPERFICIE (S OL .)
p =c
1+ (y0(x))2
da cui q
y(x) = c 1 + (y0(x))2

360
¼
Procedendo come indicato nel paragrafo dedicato alle equazioni dif-
ferenziali di tipo particolare e tenendo conto che nel nostro caso ½

p ¶
f(p) = c 1 + p2 ·
´
avremo una soluzione definita dalle seguenti equazioni parametriche
 R
¹
x(t) = t √cφ0(s) ds ”
t0 1+φ2 (s)
y(t) = c 1 + φ2(t)
p I

ed è evidente che si ottiene una notevole semplificazione dei calcoli se


si sceglie
φ(t) = sinh t

M INIMA S UPERFICIE (S OL .)
in tal caso infatti
 Rt c cosh(s) Rt
x(t) = t0 cosh(s)
ds = t0 cds = ct − ct0
y(t) = sinh(t)

361
¼
Il solido di rotazione avente minima resistenza al-
½
l’avanzamento ¶

Avremo ·
v3 y ´
f(y, v) =
1 + v2 ¹
e dalle 108 possiamo ricavare che deve essere ”
I
(y0(x))3y(x) (y0(x))3(3 + (y0(x))2)
− y(x) =
1 + (y0(x))2 (1 + (y0(x))2)2
(y0(x))3y(x)
= 0 2 2
(−2) = Costante
(1 + (y (x)) )

M INIMA R ESISTENZA (S OL .)
Se ne ricava che deve essere
(y0(x))3y(x)
(−2) = C
(1 + (y0(x))2)2

362
¼
ed anche
(1 + (y0(x))2)2 ½
y(x) = C
(y0(x))3 ¶

Possiamo pertanto procedere come indicato nel paragrafo dedicato ·

alle equazioni differenziali di tipo particolare ed ottenere una soluzione ´


in forma parametrica. ¹
In questo caso si ha ”
I
(1 + p2)2
f(p) =
p3
e possiamo concludere che

x(t) = C Rt 1 −
 
2 3
t0 s s3
− s5
ds

M INIMA R ESISTENZA (S OL .)
y(t) = C (1+s2)2
s3

Poichè si verifica subito che y(t) non può mai assumere il valore
nullo, si vede che il problema nella sua formulazione completa non
ammette soluzione.
363
¼
Procediamo ad alcune approssimazioni.
Nel caso in cui y0 sia molto grande, possiamo supporre che ½

3 2
v y v ·
f(y, v) = = vy ≈ vy
1 + v2 1 + v2 ´

ed in tal caso ¹
Za 0 Za ”
(y (x))3y(x)
dx ≈ y0(x)y(x)dx = I
0 1 + (y0(x)) 2
0
(y0(a))2
= = R2
2
e quindi il funzionale è indipendente dalla scelta della funzione.

M INIMA R ESISTENZA (S OL .)
364
¼
Nel caso in cui y0 sia trascurabile possiamo supporre che
½
v3 y
f(y, v) = = y(v3 − v5 + v7 + ...) ≈ v3y ¶
1+ v2 ·
ed in tal caso ´
Za Za
(y0(x))3y(x) ¹
dx ≈ (y0(x))3y(x)dx
0 1 + (y0(x)) 2
0
”
I
Dalle 108 possiamo ricavare che deve essere

(y0(x))3y(x) − y0(x)(3(y0(x))2) =
= −2(y0(x))3y(x) = C
Ne viene che

M INIMA R ESISTENZA (S OL .)
C
y0(x)) = p
3
y(x)
la cui soluzione è data da
3
y(x) = (αx + β) 4
365
¼
Imponendo le condizioni al contorno si ricava che
½
 3
x 4 ¶
y(x) = R
a ·
´
¹
”
I

M INIMA R ESISTENZA (S OL .)
366
¼
½

Qualche risultato ·
´

di ¹
”

Teoria del Controllo I

C ONTROLLO OTTIMO
367
¼
½

Consideriamo una navicella, in discesa verso la superficie della luna ·

da una quota iniziale h0 con velocità iniziale v0. ´

La navicella ¹

• è soggetta alla forza di gravità lunare g ”

• ha massa M e porta una quantità di carburante F, quindi la sua I

massa iniziale è m0 = M + F
• può frenare utilizzando un motore che fornisce una forza frenante
u ≤ α consumando una quantità di carburante ku
• La quota della navicella all’istante t si indica con h(t)
• La velocità della navicella all’istante t si indica con v(t)
• La massa della navicella all’istante t si indica con m(t)

C ONTROLLO OTTIMO
Il problema consiste nel far giungere la navicella a quota 0 con ve-
locità nulla utilizzando i motori in modo da minimizzare il consumo di
carburante.
368
¼
Il moto del modulo sarà governato dal sistema
  ½

 

ḣ(t) = v(t) h(0) = h0 ¶
u(t)
v̇(t) = −g + m(t) v(0) = v0 ·

 

ṁ(t) = −ku(t) m(0) = m0 = M + F ´
¹
e sarà nostro scopo trovare T ,(h, v, m) ed u in modo da ”
ZT I
Minimizzare u(t)dt
0

sotto i vincoli 
h(T ) = 0
0 ≤ u(t) ≤ α
v(T ) = 0

C ONTROLLO OTTIMO
Per risolvere il problema occorre il principio del massimo di Pontrya-
gin

369
¼
Il problema di controllo
½
Sia ¶
·
f0 : R n × R k → R ´

sufficientemente regolare (almeno di classe C 1) e sia ¹


”

F : R n × R k → Rn I

una funzione vettoriale sufficientemente regolare.


Siano
x : [0, T ] → Rn
di classe C 1 a tratti e
u : [0, T ] → Rk

C ONTROLLO OTTIMO
di classe C 0 a tratti.
Sia U ⊂ Rk un insieme chiuso

370
¼
Consideriamo il problema di
½

·
Determinare il minimo del funzionale ´
ZT ¹
f0(x(t), u(t))dt ”
0
I
1 0
al variare di T , tempo finale, di x (C a tratti) , e di u (C a tratti), tali che:

ẋ(t) = F(x(t), u(t))


x(0) = x0 , x(T ) = x1
u(t) ∈ U

C ONTROLLO OTTIMO
371
¼
½
Il problema enunciato è un tipico problema di controllo ottimo. x è la ¶
·
funzione di stato
´
u è la funzione di controllo ¹

U è l’insieme dei possibili controlli. ”


I
Pontryagin ha dato condizioni necessarie per la soluzione del proble-
ma di controllo.

Tali risultati sono noti come

Principio del massimo

C ONTROLLO OTTIMO
di
Pontryagin
372
¼
Principio del massimo di Pontryagin
½

Se (x∗, u∗) è una soluzione del problema di controllo allora esistono ·


λ0 ∈ R , λ : R → Rn tali che, posto ´
¹

X
n ”
H(x, u) = λ0f0(x, u) + hλ, F(x, u)i = λ0f0(x, u) + λiFi(x, u) I
i=1

si abbia

ẋ∗(t) = F(x∗(t), u∗(t)) x∗(0) = x0 x∗(T ) = x1


λ̇(t) = −∇xH(x∗(t), u∗(t))

M ASSIMO
H(x∗(t), u∗(t)) = max H(x∗(t), u)
|u|≤α

DEL
λ0 = −1 H(x (t), u∗(t)) = 0

P RINCIPIO
373
¼
½

Una Prova euristica ·


´

del ¹
”

Principio del Massimo I

DEL MASSIMO
P RINCIPIO
DEL
P ROVA
374
¼
Ci limitiamo al caso in cui si minimizza il funzionale
½
Z1

I(u) = f0(x(t), u(t))dt
0 ·
´
sotto le condizioni
¹
 ”


ẋ(t) = F(x(t), u(t)) I
x(0) = x0 u∈U


x(1) = x1

DEL MASSIMO
essendo F una funzione a valori reali
(ẋ(t) = F(x(t), u(t)) è un’equazione differenziale.)

P RINCIPIO
Consideriamo un incremento per il controllo u∗ in corrispondenza del
quale si ottiene il minimo di I

DEL
P ROVA
uλ = u∗ + λw
375
¼
ed il corrispondente stato
 ½


ẋλ(t) = F(xλ(t), uλ(t)) ¶
xλ(0) = x0 ·


xλ(1) = x1 ´
¹
Avremo che
”
Z1  
d d d I
0= I(uλ) = (f0)x xλ + (f0)u uλ dt =
dλ 0 dλ dλ
Z1
= ((f0)xδλ + (f0)uw) dt
0

DEL MASSIMO
dove
d
δλ = xλ

P RINCIPIO

Poichè Zt

DEL
xλ = x0 + F(xλ, uλ)dt

P ROVA
0

376
¼
si ha
Zt Zt   ½
d d dxλ
xλ = F(xλ, uλ)dt = Fx + Fuw dt ¶
dλ 0 dλ 0 dλ
·
Pertanto  ´


δ̇λ = Fxδλ + Fuw ¹

δλ(0) = 0 ”


δλ(1) = 0 I

(x(0) = xλ(0) = x0, x(0) = xλ(1) = x1)


Quindi
δ̇λ − Fxδλ

DEL MASSIMO
w=
Fu

P RINCIPIO
DEL
P ROVA
377
e ¼
½
Z1 Z1 !! ¶
δ̇λ Fxδλ
0= ((f0)xδλ + (f0)uw) dt = (f0)xδλ + (f0)u − dt = ·
0 0 Fu Fu
´
Z1   !
Fx δ̇λ ¹
= (f0)x − (f0)u δλ + (f0)u dt =
0 Fu Fu ”
Z 1    Z1  
Fx δλ 1 d (f0)u I
= (f0)x − (f0)u δλ dt + (f0)u − δλ dt =
0 Fu Fu 0 0 dt Fu
Z 1  
Fx d (f0)u
= (f0)x − (f0)u − δλdt = 0
Fu dt Fu

DEL MASSIMO
0

P RINCIPIO
Sfruttando l’arbitrarietà dell’incremento

DEL
d (f0)u Fx
= (f0)x − (f0)u

P ROVA
dt Fu Fu
378
(f0 )u ¼
e, posto η = Fu
si ha
½


η̇ = −(f0)x + ηFx
·
ηFu − (f0)u = 0
´
Se infine poniamo ¹
”
H(x, u) = −f0(x, u) + ηF(x, u)
I

abbiamo che 
η̇ = ∇xH(x, u)
∇uH(x, u) = 0

DEL MASSIMO
La seconda condizione afferma che u è un punto stazionario (gra-
diente nullo) in realtà si può dimostrare che u minimizza H(x, ·)

P RINCIPIO
DEL
P ROVA
379
¼
½

Qualche esempio ·
´

di ¹
”

Problema di Controllo I

C ONTROLLO
DI
P ROBLEMI
380
¼
Il problema del minimo tempo
½
Possiamo enunciare il problema come segue ¶
·
Consideriamo una particella, che si muove su una retta, ´
x(t) è la distanza della particella da un punto fisso O, della retta, detto ¹
origine ”
Il moto della particella è governato dall’equazione differenziale I

(109) ẍ(t) = u(t) |u(t)| ≤ 1

dove u(t) rappresenta una forza applicata alla particella.


Vogliamo trovare u(t) in modo che la particella che parte con velocità e
posizione iniziale nota, raggiunga l’origine con velocità nulla nel minimo
tempo possibile.

TEMPO
M INIMO
381
¼
Possiamo porre il problema in termini di controllo come segue
½

ZT ¶

(110) Minimizzare dt ·
0 ´
Sugli archi che soddisfano l’equazione di controllo ¹

  ”
ẋ(t) = y(t) x(0) = x0 I
ẏ(t) = u(t) y(0) = v0
ed i vincoli

x(T ) = 0
(111)
y(T ) = 0

TEMPO
M INIMO
382
¼
Con riferimento all’enunciato del principio del massimo avremo che
½
 
y ¶
f0((x, y), u) = 1 F((x, y), u) =
u ·

per cui ´
¹
(112) H(x, u) = λ0 + λy + µu ”

Per il principio del massimo dovrà essere I

     
λ̇ 0 Hx
=− =
µ̇ λ Hy
da cui si ricava che 
λ(t) = h
µ(t) = −ht + k

TEMPO
M INIMO
383
¼
Poichè H è lineare in u, assumerà il suo massimo per u = ±1 e il
segno di u deve essere scelto in dipendenza del segno di µ. ½

Più precisamente dovrà essere ¶


·
• u = 1 nel caso in cui µ > 0
• u = −1 nel caso in cui µ < 0 ´
¹
Dal momento che
”
µ(t) = −ht + k
I
si annulla una ed una sola volta, in t̄, anche u potrà avere un solo
cambiamento di segno.
Pertanto assumerà valore costante

±1 per t ∈ [0, t̄]

e
∓1 per t ∈ [t̄, T ]

TEMPO
M INIMO
384
¼
Quando u = 1 avremo che
 ½
ẋ(t) = y(t) y2 a2 ¶
x= 2 + (b − 2 )
ẏ(t) = 1 y=v ·

u=1 ´
e
 ¹
x(t) = t2/2 + at + b ”
y(t) = t + a I
x

(t+a)2 a2
x(t) = 2
+b− 2
y(t) = t + a

Le traiettorie per u = 1 sono come


in figura

TEMPO
M INIMO
385
¼
Per u = −1 avremo che
 ½
ẋ(t) = y(t) ¶
2
a2
ẏ(t) = −1 x= − y2 + (b + 2 ) ·
y=v
´
e u = −1
 ¹
x(t) = −t2/2 + at + b ”
y(t) = −t + a = −(t − a) x I

(t−a)2 2
x(t) = − 2 + b + a2
y(t) = −t + a = −(t − a)
Le traiettorie per u = −1 sono
come in figura

TEMPO
M INIMO
386
y=v ¼
½

x ·
´
¹
”
I
In ogni caso si avrà

2 a2
x = ±y + (b ∓ )
2
La figura mostra le traiettorie del sistema per u = ±1 nel piano
(x, y). In tale riferimento x(t) individua posizione e y(t) la velocità
della particella.

TEMPO
M INIMO
387
 2
a2

(t+a)2 a2 ¼
x(t) = −t2 /2 + at + b = −(t−a)
2 +b+ 2 x(t) = t2 /2 + at + b = 2 +b− 2
y(t) = −t + a = −(t − a) y(t) = t + a ½
y=v

·
´
¹
x ”
I

Per raggiungere l’origine, occorrerà allora percorrere una delle due


traiettorie che passano per (0, 0) avendo cura di scegliere il verso di-
retto all’origine e non quello dall’origine.

TEMPO
M INIMO
388
¼
La traiettoria γ che passa per l’o- y=v
½
rigine e corrisponde a y positive è

percorsa per u = 1 concordemen-
δ ·
te al verso positivo di y ( su di essa
´
y = t + a), la traiettoria δ che pas-
sa per l’origine e corrisponde a y ¹

negative è percorsa per u = −1 in ”

senso opposto al verso positivo di I


x
y (su di essa y = −t + a).
Quindi per raggiungere l’origine
abbiamo a disposizione soltanto i
due archi di traiettoria che abbia- γ
mo descritto e che sono illustrati
nella figura seguente

TEMPO
M INIMO
389
¼
Se (x0, v0) = (x0, y0) giace su
γ o su δ possiamo allora trova- ½

re una soluzione del problema, ¶

semplicemente tenendo fisso u = ·

±1. ´
Altrimenti, partendo dal punto ini- y=v ¹
ziale assegnato e percorrendo una δ ”
delle altre traiettorie, I

2 a2
x = ±y + (b ∓ ) x
2
γ
dovremo raggiungere γ o δ e poi
l’origine, imponendo che
a2
x0 = ±y20 + (b ∓ )

TEMPO
2
Le traiettorie ottimali sono riporta-

M INIMO
te nella figura.
390
¼
Il Problema del modulo lunare
½
Consideriamo una navicella, in discesa verso la superficie della luna da ¶
una quota iniziale h0 con velocità iniziale v0. ·
La navicella ´
¹
”

• è soggetta alla forza di gravità lunare g I

• ha massa M e porta una quantità di carburante F, quindi la sua


massa iniziale è m0 = M + F
• può frenare utilizzando un motore che fornisce una forza frenante
u ≤ α consumando una quantità di carburante ku

TEMPO
M INIMO
391
¼
• La quota della navicella al-
Quindi evidentemente ½
l’istante t si indica con
h(t) • h(0) = h0 ¶

• La velocità della navicella • v(0) = v0 ·

all’istante t si indica con • m(0) = m0 = M + F ´


v(t) ¹
• La massa della navicella ”
m(t)ḧ(t) = −m(t)g + u(t)
all’istante t si indica con I
m(t)
La navicella è soggetta all’accele- ṁ(t) = −ku(t)
razione di gravità g ed è frenata
dai motori con forza u 0 ≤ u(t) ≤ α
I motori consumano carburante in
quantità ku e la massa diminuisce Il consumo di carburante nell’inter-
del carburante consumato. vallo di tempo [0, t] è

TEMPO
Zt

M INIMO
k u(s)ds
0
392
¼
Il problema consiste nel far giungere la navicella a quota 0 con ve-
locità nulla utilizzando i motori in modo da minimizzare il consumo di ½

carburante. ¶

Il moto del modulo sarà governato dal sistema ·


  ´

 

ḣ(t) = v(t) h(0) = h0 ¹
u(t)
(113) v̇(t) = −g + m(t) v(0) = v0 ”

 

ṁ(t) = −ku(t) m(0) = m0 = M + F I

e sarà nostro scopo trovare T ,(h, v, m) ed u in modo da


ZT
(114) Minimizzare u(t)dt
0

sotto i vincoli 
h(T ) = 0
0 ≤ u(t) ≤ α

TEMPO
v(T ) = 0

M INIMO
393
¼
Con riferimento all’enunciato del principio del massimo avremo che
  ½
v ¶
u
f0((h, v, m), u) = u F((h, v, m), u) = −g + m ·
−ku ´

per cui ¹
”
u
(115) H((h, v, m), u) = λ0u + λv + η(−g + ) + µ(−ku) = I
m
η
= (λ0 + − kµ)u + λv − ηg
m
e
ηu
Hh = 0 Hv = λ Hm = −
m2

TEMPO
M INIMO
394
¼
Per il principio del massimo dovrà essere
 ½


λ̇(t) = 0

η̇(t) = −λ(t) ·


µ̇(t) = η(t)u(t)
2
´
m (t)
¹
Inoltre u deve essere scelto in modo da realizzare ”
I
η
max H((h, v, m), u) = max = (λ0 + − kµ)u + λv − ηg
u∈[0,α] u∈[0,α] m
Poichè H è lineare in u, il suo massimo è assunto per u = 0 oppure
u = α; a seconda del segno di
η
λ0 + − kµ
m
Più precisamente si avrà

TEMPO
η
• u = 0 nel caso in cui λ0 + m − kµ < 0

M INIMO
η
• u = α nel caso in cui λ0 + m − kµ > 0.
395
¼
Per u = 0 la traiettoria è di caduta libera.
½

Se si applica il controllo u = 0 scegliendo come tempo iniziale t = 0 ¶

alla quota ·

h̄ ´
¹
con velocità iniziale
”

I
e massa iniziale

dovrà essere
 

 
 1 2
ḣ(t) = v(t) h(t) = − 2 gt + v̄t + h̄
v̇(t) = −g da cui v(t) = v̄ − gt

 

ṁ(t) = 0 m(t) = m̄

TEMPO
M INIMO
396
¼
½

·
h
Sostituendo t = v̄−v g
in h = ´

− 21 gt2 + v̄t + h̄ otteniamo la ¹

traiettoria nel piano (h, v). ”


I
 
1 1
h = − v2 + h̄ + v̄2
2g 2g u=0
(v(t) è decrescente e negativa h̄ >
v
0, v̄ < 0 per cui la traiettoria giace
nel quadrante con h > 0 e v < 0)

TEMPO
M INIMO
397
¼
Se il controllo u = α è applicato a partire da t = 0 alla quota h̄ con
½
velocità iniziale v̄ e massa iniziale m̄, da
m

M +F ·
 ´


ḣ(t) = v(t) ¹
α
v̇(t) = −g +


m(t) ”
ṁ(t) = −kα m(t) = M + F − kαt I

segue che m(t) = m̄ − kαt

m(t) = m̄ − kαt M

La massa iniziale m̄ ≤ M + F si può ridurre al più ad M, per cui

TEMPO
F
M + F − kαt ≥ m̄ − kαt ≥ M =⇒ 0≤t≤

M INIMO
398
v ¼

Inoltre ½
Zt   ¶
α
v(t) = v̄+ −g + ds ·
0 m̄ − kαs
´
Affinchè il modulo possa frenare t
t̄ ¹
occorre che ”
α α I
v̇(0) ≥ −g+ = −g+ ≥0
m̄ M+F
per cui v̄

α
≥g
M+F

Poichè m̄ − kαs è decrescente,

TEMPO
α

M INIMO
v̇(s) = −g +
m̄ − kαs
399
¼
è crescente e , da v̇(0) > 0 segue che v(t) è crescente, convessa.
½

·
´
¹
”
I

TEMPO
M INIMO
400
h ¼
Infine ½
Zt

h(t) = h̄ + v(s)ds
0 ·
´
quindi conoscendo che
¹

v(t) ”
I
è crescente e convessa, possiamo
dosegnare il grafico di
t
h(t) t̄

Il grafico della traiettoria nel piano (h, v) è simile ad un ramo di


parabola convessa.

TEMPO
M INIMO
401
v ¼
½


t h
·
´


¹

u=α ”
I
h

v

TEMPO

M INIMO
402
¼
Si possono scegliere i dati iniziali in modo che la traiettoria corri-
spondente ad u = α passi, per qualche valore t = T , per il punto ½

(h, v) = (0, 0) ¶
·
Mentre non ci sono traiettorie che permettano di raggiungere il suolo ´
con velocità nulla senza frenare (u = 0), ¹
”
Pertanto per raggiungere l’origine abbiamo a disposizione soltanto la
traiettoria γ corrispondente a u = α che passa per l’origine nel piano I

(h, v).

Se le condizioni di partenza (h0, v0) giacciono sull’arco di curva γ la


soluzione del problema, consiste nell’applicare il controllo u = α, cioè
frenare al massimo per l’intera discesa.

In caso contrario sarà necessario, partendo dal punto iniziale as-

TEMPO
segnato, raggiungere un punto dell’arco γ e da lı̀ proseguire sull’arco
γ.

M INIMO
403
¼
Per raggiungere un punto di γ possiamo alternare controlli u = 0 ed
u = α, ½

Ma occorre ricordare che affinchè il controllo sia ottimo la scelta ¶

dipende dal segno di ·


η ´
λ0 + − kµ
m ¹
Si ha ”
 0
η η̇m − ηṁ η̇ ηku kηu η̇ I
λ0 + − kµ = − kµ̇ = + − =
m m2 m m2 m2 m
Ma

η̇ = −λ, λ̇ = 0 =⇒ η̇ = costante
inoltre
m(t) = m̄ − kαt > 0

TEMPO
η̇ η

quindi ha segno costante , λ0 +
m m
− kµ è monotona e cambia

M INIMO
segno al più una sola volta.
404
¼
Si può concludere che il controllo ottimo si realizza utilizzando
½

·
• u = 0 per t ∈ [0, t̄]
´
• u = α per t ∈ [t̄, T ]
¹
”

F I
con T ≤ kα

Una ulteriore condizione necessaria afferma che deve essere

H((h, v, m), u) = 0

per la scelta di u fissata.

TEMPO
M INIMO
405
¼
Poichè u è costante a tratti e λ = λ̄ è a sua volta costante si ha
½

 0
dH η ·
= λ0 + − kµ u + λ̄v̇ − η̇g =
dt  m    ´
η̇m − ηṁ u ¹
= − kµ̇ u + λ̄ −g + + λ̄g =
m2 m ”
 
η̇ ηku kηu λ̄u η̇u λu I
= + − + = + =0
m m2 m2 m m m
quindi
H((h, v, m), u) è costante
Si può infine verificare che si possono determinare λ, η, µ in modo
che

TEMPO
H((h, v, m), u) = 0

M INIMO
406
¼
Ricordiamo che
  ½
η
H((h, v, m), u) = λ0 + − kµ u + λv + ηg ¶
m
·

  ´

 
 
λ̇ = 0 ḣ = v 0 t ∈ [0, t̄]
¹
u ”
η̇ = −λ v̇ = −g + u(t) =

 

m
α t ∈ [t̄, T ] T ≤ F
µ̇ = ηu ṁ = −ku kα I
m2

h(0) = h0 , v(0) = v0 , m(0) = m0 = M + F , v(T ) = 0 , h(T ) = 0

TEMPO
M INIMO
407
¼
Dal momento che
H((h, v, m), u) ½

è costante basta verificare che è nulla in t = 0.
·
Per t ∈ [0, t̄]
´



¹
λ = λ̄
”
η = η̄ − λ̄t

 I
µ = µ̄

H((h, v, m), u) = λ̄(v0 − gt̄) − (η̄ − λ̄t̄) =


= λ̄v0 − λ̄t̄g − η̄ + λ̄t̄g = λ̄v0 − η̄g = 0

per cui basta scegliere


λ̄v0

TEMPO
η̄ =
g

M INIMO
408
¼
Per t ∈ [t̄, t0]
½


 ¶
λ = λ̄  
·
η = λ̄ vg0 t


 µ = µ̄ ´
¹

    ”
v0 I
H((h, v, m), u) = λ0 + λ̄ − kµ̄ α+λ̄(v0−gt)−λ̄(v0−gt) =
g    
v0
= λ0 + λ̄ − kµ̄ α = 0
g
per cui basta scegliere µ̄ di conseguenza

TEMPO
M INIMO
409
¼
La traiettoria ottimale è riportata nella figura seguente
½
h ¶
·
´
¹
”

γ I

TEMPO
M INIMO
410
¼
Le equazioni di discesa del Modulo Lunare
½

·
´
¹
”
Il Modulo per allunare deve scendere in caduta libera fino ad un certo I
istante t̄ e di lı̀ innanzi frenare con la massima spinta possibile.

Esaminiamo la traiettoria che deve seguire

LM
Troviamo innanzi tutto le traiettorie di caduta libera e di caduta frena-

DISCESA DEL
ta.

LA
411
¼
La traiettoria di caduta libera
½
Si ha per u = 0
Se ¶
·
´
t=0 , h(0) = h0 , v(0) = v0 , m(0) = m0 ¹
”
avremo
I
 

 
 1
gt2 + v0t + h0
ḣ(t) = v(t)  h(t) = − 2
v̇(t) = −g da cui v(t) = v0 − gt

 

ṁ(t) = 0 m(t) = m0

LM
 
1 1
h = − gv2 + h̄ + gv̄2

DISCESA DEL
2 2

LA
412
¼
½

·
´
¹
”
I

la traiettoria di caduta libera

LM
DISCESA DEL
LA
413
¼
La traiettoria di caduta frenata
½
Si ha per u = α e deve risultare
 ¶


ḣ(t) = v(t)
·
α ´
v̇(t) = −g +


m(t)
ṁ(t) = −kα ¹
”
Sia t = 0 l’istante in cui il modulo tocca la superficie lunare. I
L’istante iniziale quindi sarà t̄ < 0.
Le condizioni finali saranno



h(0) = 0
v(0) = 0


m(0) = M

LM
DISCESA DEL
ed integreremo per t < 0.

LA
414
¼
Avremo che
½

m(t) = M − kαt t<0 ¶


·
mentre
´
Z0 ¹
α
v(0) − v(t) = −g + ds ”
t M − kαs
I
da cui
Zt
α
v(t) = −g + ds =
0 M − kαs
α t
= −gt − ln(M − kαs) =

kα 0  
1 M − kαt
= −gt − ln

LM
k M

DISCESA DEL
LA
415
Zt    ¼
1 M − kαs ½
h(t) − h(0) = −gt − ln ds
0 k M ¶
·
Zt  
1 1 M − kαs ´
h(t) = − gt2 − ln ds
2 k 0 M ¹
    Zt
1 2 1 M − kαs t M −kα ”
= − gt − s ln − s ds
2 k M 0 M − kαs M I
0
Z
1 kα t
 
1 2 1 M − kαt sM
= − gt − t ln − ds
2 k M k M 0 M − kαs
Z
1 t −skα
 
1 2 1 M − kαt
= − gt − t ln + ds
2 k M k 0 M − kαs

LM
DISCESA DEL
LA
416
¼
Poichè
½
−skα M − skα M M ¶
= − =1−
M − kαs M − kαs M − kαs M − kαs ·
si ha ´
¹
Zt Zt  
−skα M ”
ds = 1− ds
0 M − kαs 0 M − kαs  
  I
M M − kαs t
= s+ ln
kα M 0

da cui
   
1 t M − kαt t M M − kαt
h(t) = − gt2 − ln + + ln
2 k M k k2α M

LM
DISCESA DEL
 
1 2 t M − kαt M − kαt
h(t) = − gt + + ln
2 k k2α M

LA
417
¼
½

·
´
¹
”
I

La traiettoria di caduta frenata

LM
DISCESA DEL
LA
418
¼
½

·
´
¹
”
I

La traiettoria ottimale

LM
DISCESA DEL
LA
419
¼
½

Strumenti ·
´

per ¹
”

l’analisi finanziaria I

PER L’ ANALISI FINANZIARIA


S TRUMENTI
420
¼
Variabili aleatorie e Processi Stocastici
½
Sia ¶
(Ω, F , P) ·

uno spazio di probabilità. ´


¹
”
I

• Ω , spazio dei campioni;


• F , σ−algebra di sottoinsiemi di Ω
( Famiglia di sottoinsiemi di Ω chiusa rispetto a complementa-
zione, unione ed intersezione numerabili)
• P misura di probabilità su (Ω, F )
( P : F → R, P(A) ≥ 0, ∀A ∈ F , σ−additiva)

P ROCESSI S TOCASTICI
421
E SEMPIO 33.1. Consideriamo gli eventi che si presentano quando si lancia- ¼

no due dadi: possiamo identificare l’esito del lancio con la coppia di numeri ½

(i, j) (punteggio) che si leggono sulla faccia superiore dei dadi. ¶


·
´
¹
”
I

ogni evento è equiprobabile e

P ROCESSI S TOCASTICI
1
P(Ai,j) =
36

422
¼
Ω = insieme delle coppie di valori (i, j) con i, j = 1, 2, 3, 4, 5, 6
½
F = famiglia di tutti i sottoinsiemi di Ω
1 ¶
P(A) = 36 (numero degli elementi di A)
·
´
¹
”

Chiamiamo Variabile Aleatoria una funzione I

X:Ω→R
E SEMPIO 33.2.
X(i, j) = i + j

P ROCESSI S TOCASTICI
423
¼
X definisce su R una misura di probabilità ξ mediante la
½

ξ((α, β)) = P(α ≤ X ≤ β) = ·

= P({ω ∈ Ω : α ≤ X(ω) ≤ β}) = ´

= P(X−1((α, β))) ¹
”
I

Naturalmente deve risultare che

X−1((α, β)) ∈ F

P ROCESSI S TOCASTICI
L’ultima condizione si esprime dicendo che
X : Ω → R è misurabile

424
¼
Si può verificare che, sotto ipotesi non restrittive, esiste una funzione
ϕ : R → R tale che ½


·
P(α ≤ X ≤ β) = ξ((α, β)) = ϕ(s)ds
α ´

ϕ è la densità di probabilità di X ¹
”
I

Abbiamo anche che


Z X X Zβ Zb
X(ω)dω ≈ αP(X−1(α, β)) ≈ sϕ(s)ds = sϕ(s)ds
Ω α a

P ROCESSI S TOCASTICI
425
Rβ ¼
P(α ≤ X ≤ β) = ξ((α, β)) = α ϕ(s)ds
R P −1
P Rβ Rb ½
Ω X(ω)dω ≈ αP(X (α, β)) ≈ α sϕ(s)ds = a sϕ(s)ds ¶
·
´
¹
”
I

P ROCESSI S TOCASTICI
426
E SEMPIO 33.3. Nel caso del punteggio ottenuto con i dadi la funzione den- ¼

sità ha il grafico in figura. ½



·
´
¹
”
I

P ROCESSI S TOCASTICI
427
¼
½

·
´
¹
”
I

P ROCESSI S TOCASTICI

P(α ≤ X ≤ β) = ξ((α, β)) = ϕ(s)ds
α
428
¼
Chiamiamo Processo Stocastico una funzione
½

R 3 t 7→ X(t) ¶
·
dove X(t) è una variabile aleatoria su Ω
´
Avremo
¹
”
X = X(t, ω) (t, ω) ∈ R × Ω
I

R × Ω 3 (t, ω) 7→ X(t, ω)
Per ogni t fissato X(t, ω) ha una densità di probabilità ϕ(t, s)

P(α ≤ X(t) ≤ β) = ϕ(t, s)ds

P ROCESSI S TOCASTICI
α
Z +∞
E(X(t)) = sϕ(t, s)ds
−∞

429
¼
Il Processo di Wiener
½
È un processo stocastico W con le seguenti caratteristiche: ¶
• W(0) = 0 ·
• W(t) − W(s) ha una densità di probabilità Gaussiana normale ´

di media 0 e varianza (t − s), N(0, t − s). ¹
• W ha incrementi indipendenti: cioè ”
W(t1) − W(s1) e W(t2) − W(s2) sono variabili aleatorie I
indipendenti.
È possibile costruire un processo stocastico con le caratteristiche
indicate.
Si ha

1 1
τ2

W IENER
− 2(t−s)
P(α ≤ W(t) − W(s) ≤ β) = p e dτ
2π(t − s) α

DI
I L P ROCESSO
La funzione t 7→ W(t, ω) è continua per quasi ogni ω ∈ Ω e non è
derivabile con probabilità 1.
430
¼
Modelli di Crescita Aleatoria
½
Se x è una quantità scalare che cresce nel tempo con tasso costante a ¶
·
Allora ´
x(t + h) − x(t)
=a ¹
h
”
La precedente uguaglianza può essere espressa in diversi modi
I
Zt Zt
dx
ẋ(t) = a , =a dx = adt , dx = ads
dt 0 0
Z t+h
x(t + h) = x(t) + ads = x(t) + ah
t

C RESCITA A LEATORIA
431
¼
Se x cresce con tasso proporzionale alla sua consistenza
½
Allora
x(t) − x(s) ¶
= µx(t)
t−s ·
´
La precedente uguaglianza può essere espressa da ¹
Zt Zt ”
dx
ẋ(t) = µx(t) , = µx , dx = µxdt , dx = µx(s)ds I
dt 0 0

Non si può procedere esplicitamente con l’integrazione,

Si può usare la definizione di integrale per ottenere una formula di-


screta che approssima x (Metodo di Eulero).
Z t+h

C RESCITA A LEATORIA
x(t + h) = x(t) + x(s̄)ds = x(t) + x(s̄)h
t

432
¼
se una crescita con tasso costante è alterata da un fattore di incer-
tezza W. ½

Avremo ¶
·
x(t) + σW(t) − (x(s) + σW(s)) = µ(t − s)
´

da cui ¹
x(t) − x(s) = µ(t − s) + σ(W(t) − W(s)) ”

e I

dx = µdt + σdW
Possiamo integrare numericamente
Z t+h Z t+h Z t+h
dx = µdt + σdW
t t t

C RESCITA A LEATORIA
se siamo in grado di dare una definizione di
Z t+h
σdW
t

433
¼
Nel caso in cui σ sia costante possiamo usare l’idea di integrale di
Riemann: ½

Zt X
n−1 ·

σdW ≈ σ(W(ti+1) − W(ti) = σ(W(t) − W(0)) = σW(t) ´


0 i=1 ¹
”
Osserviamo che
I
X
n−1
!
E σ(W(ti+1) − W(ti) =0
i=1
X X
n−1
! n−1
Var σ(W(ti+1) − W(ti)) = σ2(ti+1−ti) = σ2(t−0) = σ2t
i=1 i=1

C RESCITA A LEATORIA
Ne viene che Zt
σ2dW
0
è una variabile aleatoria di media 0 e di varianza σ2t
434
¼
Nel caso in cui σ sia funzione della sola t possiamo approssimare
Zt ½

σ(s)dW(s) ¶
0 ·

mediante le somme di Riemann - Stieltjes ´


¹
X
n−1
σ(si)(W(ti+1) − W(ti)) ”

i=1 I

Paley e Wiener hanno dimostrato che le somme di Riemann, in questo


caso, convergono ad un processo stocastico nel caso in cui

σ ∈ C1

Non è difficile estendere la definizione a funzioni della sola t meno

C RESCITA A LEATORIA
regolari.

435
¼
Il caso in cui σ = σ(t, W) è necessario per poter considerare equa-
zioni del tipo ½

dX = µ(t, X(t))dt + σ(t, X(t))dW ·


´
Per questo scopo è necessario definire
¹
Zt
”
σ(s, X(s))dW
0 I

dove X è un processo stocastico.

Calcoliamo ad esempio il più semplice di questi integrali:

Zt

C RESCITA A LEATORIA
WdW
0

436
¼
Procedendo come per gli integrali di Riemann-Stieltjes
½

Consideriamo una partizione dell’intervallo [0, t] ·
´
0 = t0 < t1 < t2 < ...... < tn−1 < tn = t
¹
ed una scelta di punti si ”
I
ti ≤ si ≤ ti−1

Le corrispondenti somme di Riemann Stieltjes sono


X
n−1
RSn = W(si)(W(ti) − W(ti−1))

C RESCITA A LEATORIA
i=1

437
¼
Si ha
½

·
´
W(si)(W(ti) − W(ti−1)) =
¹
= W(ti−1)(W(ti)−W(ti−1))+(W(si)−W(ti−1))(W(ti)−W(ti−1)) =
”
1 1
W(ti−1)(W(ti) − W(ti−1)) + W(ti−1)(W(ti) − W(ti−1))+ I
2 2
+ (W(si) − W(ti−1))(W(ti) − W(ti−1)) =
1
(W(ti) + W(ti−1))(W(ti) − W(ti−1))−
2
1
− (W(ti) − W(ti−1))(W(ti) − W(ti−1))+
2

C RESCITA A LEATORIA
+ (W(si) − W(ti−1))(W(ti) − W(ti−1))

438
¼
Inoltre
½

·
´
(W(si) − W(ti−1))(W(ti) − W(ti−1)) =
¹
= (W(si) − W(ti−1))(W(ti) − W(si))+
”
+ (W(si) − W(ti−1))(W(si) − W(ti−1))
I
per cui

W(si)(W(ti) − W(ti−1)) =
1
= (W 2(ti) − W 2(ti−1)) − (W(ti) − W(ti−1))2 +

2
(W(si) − W(ti−1))(W(ti) − W(si))+

C RESCITA A LEATORIA
+ (W(si) − W(ti−1))(W(si) − W(ti−1))

439
¼
Ne deduciamo che
½

·
´
X
n
RSn = W(si)(W(ti) − W(ti−1)) = ¹

i=1 ”

1  1X n
I
2
W (t) − W (0) −2
(W(ti) − W(ti−1))2 +
2 2 i=1
X
n
+ (W(si) − W(ti−1))2 +
i=1
X
n
+ (W(si) − W(ti−1))(W(ti) − W(si))

C RESCITA A LEATORIA
i=1

440
¼
Se si = (1 − θ)ti−1 + θti si ha
½

·
X X
n
! n
1 1
E (W(ti) − W(ti−1))2 = (ti − ti−1) = (t − 0) ´
2 i=1 i=1
2 ¹
X X
n
! n
2 ”
E (W(si) − W(ti−1)) = (si − ti−1) = θ(t − 0)
I
i=1 i=1
Xn
!
E (W(si) − W(ti−1))(W(ti) − W(si)) =0
i=1

Si dimostra che
 
1 1
RSn → W 2(t) − W 2(t0) + θ −


C RESCITA A LEATORIA
(t − 0)
2 2
Il limite dipende dalla scelta di punti si attraverso θ.

441
¼
Stratonovich propose di scegliere θ = 12 : continua a valere la formula
½
di integrazione per parti.

·
´
¹
Itô propose di scegliere θ = 0: ”
• non vale l’integrazione per parti I
• ma la variabile aleatoria
Zt
X(t) = WdW
0
che si ottiene è non anticipativa.
cioè dipende solo dagli avvenimenti passati.

C RESCITA A LEATORIA
442
¼
Con metodi simili si prova che
½
X
n
(W(ti) − W(ti−1))2 → (t − 0) = t ¶

i=1 ·
´
più precisamente
¹
X
n
”
(W(ti) − W(ti−1))2
I
i=1

tende ad una variabile aleatoria di media t e di varianza 0.


Si esprime questo fatto dicendo che
Zt Zt
(dW)2 = dt
t0 t0

C RESCITA A LEATORIA
ed introducendo la regola formale

(dW)2 = dt

443
¼
Analogamente si prova che è ragionevole introdurre anche le se-
guenti regole formali ½

dtdW = dWdt = 0 ·
´
¹
”
I
Usando le precedenti informazioni possiamo farci un’idea su come si
deriva la formula di Itô.

Si tratta essenzialmente di stabilire una formula di derivazione di

C RESCITA A LEATORIA
funzione composta.

444
¼
La Formula di Itô ½

·
´
Sia
¹
X un processo stocastico tale che ”
I

dX = a(t, X(t))dt + b(t, X(t))dW(t)

g:R×R→R

Consideriamo
y(t) = g(t, X(t))

DI I T Ô
L A F ORMULA
e studiamo il problema di derivare la funzione ottenuta

445
¼
Itô ha dimostrato che
½
dy(t) =

b2 (t, X(t))
 
= gt (t, X(t)) + a(t, X(t))gx (t, X(t)) + gxx (t, X(t)) dt+ ·
2
+ b(t, X(t))gx (t, X(t))dW(t) ´
¹

La formula si dimostra in forma integrale: ”


I
y(t) − y(t0 ) = g(t, X(t)) − g(t0 , X(t0 )) =
Zt 
b2 (t, X(t))

= gt (t, X(t)) + a(t, X(t))gx (t, X(t)) + gxx (t, X(t)) dt
t0 2
Zt
+ b(t, X(t))gx (t, X(t))dW(t)
t0

Si può ricavare formalmente usando la Formula di Taylor e le regole


formali di moltiplicazione di dt e dW

DI I T Ô
L A F ORMULA
446
¼
Equazione di crescita per il prezzo di un bene
½

·
Il prezzo S(t) di un bene si può descrivere mediante l’equazione
´

dS(t) = rS(t)dt + σS(t)dW(t) ¹


”
S(t) = S(t, ω) è un processo stocastico I
Se consideriamo
g(t) = ln(S(t))
usando la formula di Itô si ottiene

DEL PREZZO DI UN BENE


!
2 2
dS(t) 1 σ S (t) σ2
dg(t) = d ln(S(t)) = − dt = rdt− dt+σdW(t)
S(t) 2 S2(t) 2

C RESCITA
447
¼
Si ha
½
tσ2
 
S(t) ¶
g(t) − g(0) = ln = rt − + σW(t)
S(0) 2 ·

e di conseguenza ´
¹
2
rt− tσ2 +σW(t) ”
S(t) = S(0)e
I

DEL PREZZO DI UN BENE


Le figure che seguono riportano i grafici di una soluzione, il grafico
della soluzione senza rumore e le bande di confidenza corrispondenti
a σ, 2σ e 3σ.

C RESCITA
448
”
·

½
¼

C RESCITA DEL PREZZO DI UN BENE


¹
´

449
”
·

½
¼

C RESCITA DEL PREZZO DI UN BENE


¹
´

450
”
·

½
¼

C RESCITA DEL PREZZO DI UN BENE


¹
´

451
¼
L’equazione di Black-Scholes
½

·

Il possesso di una opzione di acquisto o di vendita conferisce il diritto ´

di acquistare o vendere una unita’ del bene S al tempo stabilito T ad un ¹

prezzo stabilito K. ”
I

Il prezzo di una opzione deve essere tale che sia possibile trovare
una combinazione di quote del bene e quote di investimento privo di

B LACK -S CHOLES
rischio che garantiscano un rendimento pari a quello privo di rischio.

DI
L’ EQUAZIONE
452
¼
Consideriamo il problema di stimare il prezzo f di un’opzione di ac-
quisto o di vendita di un bene ½

• il cui valore S cresce con tasso µ
• è affetto da un fattore casuale gaussiano con media 0 e varianza ·

σ con riferimento ad un tasso di investimento senza rischio r. ´


¹
”
I

B LACK -S CHOLES
DI
L’ EQUAZIONE
453
¼
Il valore del bene S cresce seguendo la legge
½

dS = µSdt + σSdW ¶
·
Il valore dell’investimento privo di rischio B cresce seguendo la legge ´
¹
dB = rBdt ”
I
Il prezzo dell’opzione è funzione del tempo t e del prezzo S del bene
sottostante

f(t, S(t))

B LACK -S CHOLES
I é un portafoglio composto da beni S, opzioni f ed investimenti B a
tasso r privo di rischio

DI
L’ EQUAZIONE
I = −f + αS + βB

454
¼
In ipotesi di autofinanziamento ed usando la formula di Itô si ottiene
½

 1
dI = (−ft + µSfS + σ2S2fSS)+ ·
2  ´
+ (αµS + βrB) dt + (−fS + α)σSdW ¹
”
Per eliminare il rischio si richiede che
I

−fS + α = 0 =⇒ α = fS
Supponendo impossibile l’arbitraggio

B LACK -S CHOLES
dI = rIdt = r(−f + αS + βB)dt = r(−f + fSS + βB)dt

DI
L’ EQUAZIONE
455
¼
Combinando le due espressioni di dI si ottiene l’equazione di Black-
Scholes ½

1 ·
ft + rSfS + σ2S2fSS = rf t<T
2 ´
¹
alla quale si associa (nel caso di una opzione di vendita, tipo PUT) la ”
condizione I

f(T, S) = max(K − S, 0)
che si può usare per determinare f(t, S(t)).

B LACK -S CHOLES
Per le opzioni di tipo CALL di acquisto si usa la condzione

DI
L’ EQUAZIONE
f(T, S) = max(S − K, 0)

456
¼
L’equazione di Black-Scholes ½
Sia

f(t, S(t))
·
il prezzo dell’opzione di vendita di un bene S e sia B un investimento ´
privo di rischio con rendimento r; ¹
”
I
consideriamo un portafoglio

I = −f + αS + βB

B LACK -S CHOLES
La variazione di I può essere calcolata mediante la

dI = −df + αdS + βdB

DI
L’ EQUAZIONE
457
¼
df può essere calcolato mediante la formula di Itô.
½

·
´
per cui ¹
”
I

1
dI = (−ft+µSfS+ σ2S2fSS)dt+fSσdW+α(µSdt+σSdW)+βrB =
 2 
1 2 2

B LACK -S CHOLES
= (−ft + µSfS + σ S fSS) + (αµS + βrB) dt+(−fS+α)σSdW
2

DI
L’ EQUAZIONE
458
¼
Per eliminare la componente di incertezza occorre imporre che
½

α = fs ¶
·
ed in tal caso
´
¹
1 ”
dI = (−ft + µSfS + σ2S2fSS)+
2  I
+ (fSµS + βrB) dt + (−fS + fS)σSdW =
1 2 2
= (−ft + µSfS + σ S fSS)+
2 
+ (fSµS + βrB) dt =

B LACK -S CHOLES
DI
L’ EQUAZIONE
459
¼
In condizioni di non arbitraggio si ha
½

dI = rIdt ¶
·
´
per cui ¹
”
dI = r(−f + αS + βB)dt = r(−f + fSS + βB)dt I

B LACK -S CHOLES
r(−f + αS + βB)dt = r(−f + fSS + βB)dt = dI =
= rI = r(f + αS + βB)dt = r(f − fSS − βB)dt

DI
L’ EQUAZIONE
460
¼
Si ottiene infine che
½
1 ¶
ft + rsfs + σ2S2fSS = rf t<T
2 ·
con la condizione ´
¹
f(s, T ) = max(K − s, 0) ”
I

B LACK -S CHOLES
DI
L’ EQUAZIONE
461
¼
½

Un esempio numerico ·
´
Il seguente è un programma scritto in Matlab che integra l’equazione ¹
stocastica ”
 I
dX = λ ∗ Xdt + σ ∗ (X)dW
X(0) = Xzero.

E SEMPIO N UMERICO
462
clf ¼
randn(’state’,1) ½
T = 1; N = 28 ; Delta = T/N; ¶
lambda = 0.05; sigma = 0.8; Xzero = 1; ·
Xem = zeros(1,N+1);
´
Xem(1) = Xzero;
¹
for j = 1:N
Winc = sqrt(Delta)*randn; ”

Xem(j+1) = Xem(j) + Delta*lambda*Xem(j) I


+ sigma*Xem(j)*Winc;
end
plot([0:Delta:T],Xem,’r--’)

E SEMPIO N UMERICO
463
¼
Questo è il grafico che si ottiene
½

·
´
¹
”
I

E SEMPIO N UMERICO
464
Indice analitico

101Caratteristiche , 2 118Il Modello di Lotka-Voltera , 112


102I Modelli Differenziali , 3 119Specie in Competizione , 135
103Mod. Diff. - Caduta di un grave , 5 120Specie in Cooperazione , 146
104Crescita di una Popolazione , 18 121Cooperazione Obbligatoria , 147
105Il Modello di Malthus , 19 122Cooperazione Facoltativa , 149
106 Il Modello Esponenziale Discreto , 123O.D.E. , 151
27 124Variabili Separabili , 152
107Crescita Logistica , 33 125Gronwall , 156
108crescita Logistica con Prelievo , 44 126Equazioni Autonome , 158
109Diffusione di un’Epidemia , 58 127y(x) = f(y0 (x)) , 162
110Epidemia di tipo SIS , 60 127Equazioni non normali , 162
111Epidemia di tipo SIR , 63 128x = f(y0 (x)) , 165
112Curve di inseguimento , 68 129Sistemi Lineari , 168
113 Curva di pedinamento , 76 130Generalità , 169
114Inseguimento-Soluzione Numerica , 131Stabilità , 180
83 132Stabilità dei sistemi lineari 2 × 2 , 185
115Pedinamento-Soluzione numerica , 85 133Autovalori e Stabilità , 187
116La Spirale Logaritmica , 91 134Criteri di stabilità , 212
117I quattro cani di Hugo Steinhaus , 97 135Autovalori nel caso 2 × 2 , 223
136Hurwitz , 225 155Equazioni lineari in 2 variabili , 299
137Hurwitz, secondo grado , 228 156Equazioni Quasi Lineari in 2variabili
138Hurwitz, terzo grado , 229 , 302
139Hurwitz, quarto grado , 230 157Traffico Autostradale , 304
140Stab. Specie in Compet. , 232 158Calcolo delle Variazioni , 331
141Stab. Specie in Cooper. , 242 159Minima distanza , 333
142Stab. Cooper. Obbl. , 243 160La Brachistocrona , 334
143Stab. Cooper. Facolt. , 246 161Superficie Minima , 337
144Il Pendolo , 250 162Minima resistenza , 339
145Il Pendolo semplice , 251 163Condizioni Necessarie per il Minimo
146Il Pendolo Rovesciato , 255 , 348
147Conservazione della Massa ODE , 260 164La soluzione dei problemi , 355
148Capacità di un lago , 261 165Minima distanza (Sol.) , 356
149Inquinamento in un lago , 264 166La Brachistocrona (Sol.) , 358
150Modelli PDE , 268 167Minima Superficie (Sol.) , 360
151Trasporto , 269 168Minima Resistenza (Sol.) , 362
152Trasporto di inquinante in un fiume , 169Controllo Ottimo , 367
279 170Principio del Massimo , 373
153PDE , 289 171Prova del Principio del massimo , 374
154Equazioni lineari in 3 variabili , 290 172Problemi di Controllo , 380
173Minimo tempo , 381
174La discesa del LM , 410
175Strumenti per l’analisi finanziaria , 419
176Processi Stocastici , 420
177Il Processo di Wiener , 429
178Crescita Aleatoria , 430
179La Formula di Itô , 444
180Crescita del prezzo di un bene , 446
181L’equazione di Black-Scholes , 451
182Esempio Numerico , 461