Sei sulla pagina 1di 319

UNITEXT 96

Marco Squassina
Simone Zuccher

Introduzione
all’Analisi
Qualitativa dei
Sistemi Dinamici
Discreti e Continui
UNITEXT – La Matematica per il 3+2
Volume 96

Editor-in-Chief
A. Quarteroni

Series Editors
L. Ambrosio
P. Biscari
C. Ciliberto
M. Ledoux
W.J. Runggaldier
www.springer.com/series/5418
Marco Squassina r Simone Zuccher

Introduzione all’Analisi
Qualitativa dei Sistemi
Dinamici Discreti e Continui
Marco Squassina Simone Zuccher
Dipartimento di Matematica e Fisica Dipartimento di Informatica
Università Cattolica del Sacro Cuore Università di Verona
Brescia, Italia Verona, Italia

ISSN versione cartacea: 2038-5722 ISSN versione elettronica: 2038-5757


UNITEXT – La Matematica per il 3+2
ISBN 978-88-470-5790-6 ISBN 978-88-470-5791-3 (eBook)
DOI 10.1007/978-88-470-5791-3

Springer Milan Heidelberg New York Dordrecht London


© Springer-Verlag Italia 2016
Quest’opera è protetta dalla legge sul diritto d’autore e la sua riproduzione è ammessa solo ed esclu-
sivamente nei limiti stabiliti dalla stessa. Le fotocopie per uso personale possono essere effettuate nei
limiti del 15% di ciascun volume dietro pagamento alla SIAE del compenso previsto dall’art. 68. Le
riproduzioni per uso non personale e/o oltre il limite del 15% potranno avvenire solo a seguito di speci-
fica autorizzazione rilasciata da AIDRO, Corso di Porta Romana n. 108, Milano 20122, e-mail segrete-
ria@aidro.org e sito web www.aidro.org.
Tutti i diritti, in particolare quelli relativi alla traduzione, alla ristampa, all’utilizzo di illustrazioni e
tabelle, alla citazione orale, alla trasmissione radiofonica o televisiva, alla registrazione su microfilm o in
database, o alla riproduzione in qualsiasi altra forma (stampata o elettronica) rimangono riservati anche
nel caso di utilizzo parziale. La violazione delle norme comporta le sanzioni previste dalla legge.
L’utilizzo in questa pubblicazione di denominazioni generiche, nomi commerciali, marchi registrati, ecc.
anche se non specificatamente identificati, non implica che tali denominazioni o marchi non siano protetti
dalle relative leggi e regolamenti.

Questa edizione è pubblicata da SpringerNature


La società registrata è Springer-Verlag Italia Srl
Alle nostre famiglie, per tutto
Prefazione

Questo volume nasce dall’esigenza di un testo in lingua italiana per lo studio qua-
litativo elementare di equazioni e sistemi differenziali, tipici degli insegnamenti di
Sistemi Dinamici, Equazioni Differenziali e Metodi e Modelli Matematici per la
Biologia, presenti in molti corsi di laurea in Biologia, Matematica, Matematica Ap-
plicata, Ingegneria, Scienze Naturali e Mediche.
Perché nutrire interesse verso gli aspetti qualitativi? Le equazioni differenziali
sono usate per descrivere la dinamica di sistemi naturali governati da leggi fisi-
che. Tuttavia, mentre per i problemi traducibili in equazioni o sistemi lineari esiste
una serie di tecniche atte ad esprimere esplicitamente le soluzioni in forma anali-
tica, questo non è possibile, in generale, per i problemi non lineari. Per questi casi
si potrebbe ricorrere ad un approccio di tipo numerico-computazionale, che con-
sente di ottenere soluzioni approssimate e di studiarne le relative proprietà. I metodi
numerici, tuttavia, risultano piuttosto inefficaci se prima non si riesce a stabilire
l’esistenza o la non esistenza di soluzioni e la loro eventuale unicità o moltepli-
cità. Pertanto, questioni quali limitatezza o illimitatezza delle soluzioni, esistenza
o non esistenza di orbite periodiche, stabilità o instabilità dei punti di equilibrio,
biforcazione del sistema al variare di un parametro, robustezza del sistema in pre-
senza di perturbazioni, sono di primaria importanza e possono essere affrontate tra-
mite l’analisi qualitativa senza ricorrere alla soluzione analitica (che per sistemi
non lineari raramente esiste) e senza simulazione numerica. Inoltre, l’analisi quali-
tativa delle equazioni differenziali è un argomento tecnicamente accessibile anche
agli studenti di primo livello e consente di collegare, combinare ed esercitare no-
zioni che provengono dall’algebra, dal calcolo differenziale di base e dalla geome-
tria elementare, stimolando notevolmente l’intuizione matematica. Si può affermare
che gli aspetti qualitativi costituiscano un background indispensabile per affrontare
un’ampia gamma di insegnamenti, anche non direttamente collegati alla teoria delle
equazioni differenziali.
L’opera è costituita da un’ampia collezione di problemi svolti che permette sia
di acquisire elementi di natura teorica tramite dimostrazioni rigorose, sia di svi-
luppare l’attitudine a risolvere problemi nuovi utilizzando nozioni note e richia-
mate all’inizio di ciascun capitolo. Il volume si caratterizza, principalmente, per

vii
viii Prefazione

due aspetti: quello induttivo e quello figurativo. L’approccio induttivo permette al


lettore di apprendere le tecniche dell’analisi qualitativa attraverso una serie di pro-
blemi proposti in modo graduale e pensati per introdurre, ciascuno, un particolare
argomento. L’aspetto figurativo è stato particolarmente curato in quanto l’analisi
planare permette, per sua natura, una rappresentazione completa dei ritratti di fase.
Il lettore si renderà conto che, anche per problemi non lineari ed apparentemente
complessi, lo studio di poche caratteristiche di base mediante strumenti semplici e
la successiva ricomposizione delle informazioni raccolte in una figura permettono
di intuire velocemente l’andamento delle soluzioni. Per questi motivi crediamo che
il testo non sia né un libro di teoria in senso classico né uno di esercitazioni, ma si
collochi in posizione intermedia tra di essi.
Poiché l’opera concentra l’attenzione sugli aspetti qualitativi dei problemi dif-
ferenziali ordinari, le tecniche di integrazione esatta non sono trattate e per esse si
rimanda il lettore ad altre fonti (si vedano, per esempio, i riferimenti [3, 29, 31, 34]).
Per i sistemi dinamici discreti segnaliamo il riferimento [35], per quelli discreti in
campo complesso [18, 35], mentre per quelli continui esiste un’ottima letteratura in
Inglese (in particolare i classici [5, 17]). Per completezza, in bibliografia sono men-
zionati altri validi testi dedicati all’analisi qualitativa delle equazioni differenziali,
per lo più ordinarie.
Nella Parte I ci occupiamo di modelli discreti, sia in campo reale che in campo
complesso, ovvero di equazioni e sistemi alle differenze, che giocano un ruolo fon-
damentale in numerosi campi, tra cui la biologia e la fisica, dove i rilevamenti spe-
rimentali di una certa grandezza sono effettuati a tempi discreti. Nel primo capitolo
vengono presentati alcuni esempi di equazioni alle differenze ad un passo, mentre
nel secondo capitolo consideriamo alcuni sistemi di due equazioni alle differenze
in due incognite. In entrambe le situazioni restringiamo l’attenzione al caso non li-
neare, assumendo che il lettore conosca i metodi risolutivi standard per trattare il
caso lineare (si vedano i riferimenti [18, 35]). Particolare attenzione è dedicata alle
differenze tra le nozioni di stabilità locale e globale. Il caso scalare discreto consente
anche di introdurre sia il concetto di caos tramite un modello classico unidimensio-
nale, molto semplice, e noto come equazione logistica, sia la nozione di esponente di
Lyapunov. Entrambi questi concetti sono ripresi, in seguito, per i problemi continui.
La Parte I si conclude con i sistemi dinamici discreti in campo complesso.
La Parte II del volume è dedicata alle equazioni differenziali e ai sistemi di due
equazioni. Si è dato particolare risalto al caso non lineare, rimandando ai riferi-
menti [8, 29, 31, 34] per il background che riguarda il complesso delle tecniche
risolutive generali. Dapprima consideriamo alcuni studi qualitativi del problema di
Cauchy unidimensionale come propedeutici alla successiva analisi dei sistemi pla-
nari non lineari. Vengono inoltre svolti due classici problemi agli autovalori del
second’ordine con condizioni al contorno di Dirichlet, Neumann, Robin e periodi-
che, nonché alcuni problemi di minimo risolti utilizzando le equazioni di Eulero-
Lagrange per funzionali unidimensionali. Nel caso vettoriale, dopo la classifica-
zione degli equilibri per i sistemi lineari, consideriamo alcuni problemi dipendenti
da un parametro reale mostrando come le caratteristiche di stabilità di un punto di
equilibrio possano cambiare sostanzialmente al variare del parametro stesso. Il caso
Prefazione ix

di sistemi non lineari è affrontato sia localmente tramite la linearizzazione del si-
stema nell’intorno del punto di equilibrio sia globalmente attraverso lo studio delle
curve isocline, che permettono di dedurre la direzione delle traiettorie nell’intero
piano delle fasi, e sia attraverso l’utilizzo del teorema di Lyapunov o delle coordi-
nate polari, che spesso forniscono informazioni di carattere globale (sul bacino di
attrazione di un equilibrio). Dopo una sezione dedicata alle principali proprietà dei
sistemi conservativi, gradiente, e Hamiltoniani, viene dato largo spazio all’esistenza
di orbite periodiche e di cicli limite (teorema di Poincaré-Bendixon), alla loro non
esistenza (criterio di Dulac), nonché ad alcuni esempi che chiariscono i concetti di
orbita omoclina ed eteroclina. Tra le varie applicazioni sono considerati, oltre ad
esempi classici tratti della fisica (circuiti, pendolo, etc.), modelli di competizione e
cooperazione tra popolazioni tratti dalla biologia. Un ultimo capitolo è dedicato ai
fenomeni caotici che possono verificarsi in sistemi continui bidimensionali (nel caso
non autonomo) e tridimensionali. Per ulteriori approfondimenti relativi alla seconda
parte si rimanda ai riferimenti [3–7, 9–12, 14–17, 19–26, 30, 37–39].
I requisiti necessari al lettore per la comprensione di questo testo sono i contenuti
standard dei corsi di Analisi Matematica I e II e i rudimenti fondamentali di Algebra
Lineare. Come testi di riferimento si vedano [8, 13, 28, 29, 33].
Gli autori desiderano ringraziare Alessandro Musesti per il contributo alla Se-
zione 1.5 e tutti coloro che hanno fornito suggerimenti utili a migliorare la stesura
del volume.
Verona, Italia Marco Squassina
22 marzo 2016 Simone Zuccher
Indice

Part I Equazioni e Sistemi alle Differenze

1 Il caso scalare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1 Richiami di teoria . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Equazioni discrete ad un passo . . . . . . . . . . . . . . . . . . 8
1.3 Stabilità globale e 2-cicli . . . . . . . . . . . . . . . . . . . . . 14
1.4 Il modello logistico classico . . . . . . . . . . . . . . . . . . . . 26
1.5 Logistica e insiemi di Cantor . . . . . . . . . . . . . . . . . . . 34
1.5.1 Insiemi di tipo Cantor . . . . . . . . . . . . . . . . . . . 36
1.5.2 La mappa a tenda . . . . . . . . . . . . . . . . . . . . . 38
1.6 Il modello logistico esatto . . . . . . . . . . . . . . . . . . . . . 40
1.7 Esponente di Lyapunov . . . . . . . . . . . . . . . . . . . . . . 44

2 Il caso vettoriale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.1 Richiami di teoria . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.2 Alcuni esempi . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

3 Sistemi dinamici discreti in campo complesso . . . . . . . . . . . . 65


3.1 Richiami di teoria . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.2 Esempi elementari . . . . . . . . . . . . . . . . . . . . . . . . . 67
3.2.1 L’iterazione lineare f (z) = az . . . . . . . . . . . . . . . 67
3.2.2 L’iterazione quadratica q(z) = z2 . . . . . . . . . . . . . 69
3.3 La sfera di Riemann . . . . . . . . . . . . . . . . . . . . . . . . 70
3.3.1 Le trasformazioni di Möbius . . . . . . . . . . . . . . . 72
3.4 Il metodo di Newton nel piano complesso . . . . . . . . . . . . . 73
3.4.1 Il caso quadratico ed il Teorema di Cayley . . . . . . . . 74
3.4.2 Il caso cubico . . . . . . . . . . . . . . . . . . . . . . . 77
3.4.3 Il caso generale zn − 1 . . . . . . . . . . . . . . . . . . . 78
3.5 Insiemi di Mandelbrot e Julia . . . . . . . . . . . . . . . . . . . 79
3.5.1 Legame tra insiemi di Julia e Mandelbrot . . . . . . . . . 84
3.5.2 Generare Jc e M al calcolatore . . . . . . . . . . . . . . 84

xi
xii Indice

Part II Equazioni e Sistemi Continui


4 Il caso scalare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.1 Richiami di teoria . . . . . . . . . . . . . . . . . . . . . . . . . 89
4.2 Alcuni studi qualitativi . . . . . . . . . . . . . . . . . . . . . . . 92
4.3 Equivalenza di flussi . . . . . . . . . . . . . . . . . . . . . . . . 109
4.4 Due problemi agli autovalori . . . . . . . . . . . . . . . . . . . 110
4.5 Problemi tipo Sturm-Liouville . . . . . . . . . . . . . . . . . . . 114
4.6 Equazioni di Eulero-Lagrange . . . . . . . . . . . . . . . . . . . 118
5 Sistemi planari lineari . . . . . . . . . . . . . . . . . . . . . . . . . 127
5.1 Richiami di teoria . . . . . . . . . . . . . . . . . . . . . . . . . 127
5.1.1 Autovalori reali distinti . . . . . . . . . . . . . . . . . . 130
5.1.2 Autovalori reali multipli . . . . . . . . . . . . . . . . . . 132
5.1.3 Autovalori complessi (coniugati) . . . . . . . . . . . . . 133
5.1.4 Il piano T –D . . . . . . . . . . . . . . . . . . . . . . . . 134
5.2 Alcuni esempi . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
5.3 Equivalenza topologica tra sistemi lineari . . . . . . . . . . . . . 148
6 Sistemi planari non-lineari . . . . . . . . . . . . . . . . . . . . . . . 153
6.1 Richiami di teoria . . . . . . . . . . . . . . . . . . . . . . . . . 153
6.1.1 Problema ben posto, flussi, orbite, ritratti di fase . . . . . 153
6.1.2 Stabilità, insiemi ω-limite, omocline, eterocline . . . . . 156
6.1.3 Stabilità via linearizzazione . . . . . . . . . . . . . . . . 158
6.1.4 Stabilità via funzioni di Lyapunov . . . . . . . . . . . . . 159
6.1.5 Insiemi invarianti e bacini di attrazione, attrattori . . . . . 160
6.1.6 Varietà stabili e instabili . . . . . . . . . . . . . . . . . . 161
6.1.7 Soluzioni periodiche . . . . . . . . . . . . . . . . . . . . 162
6.1.8 Equivalenza topologica dei flussi . . . . . . . . . . . . . 164
6.2 Stabilità dell’equilibrio . . . . . . . . . . . . . . . . . . . . . . 166
6.2.1 Stabilità via linearizzazione . . . . . . . . . . . . . . . . 166
6.2.2 Biforcazione degli equilibri . . . . . . . . . . . . . . . . 173
6.2.3 Dal locale al globale: isocline e flussi . . . . . . . . . . . 183
6.2.4 Stabilità via Lyapunov . . . . . . . . . . . . . . . . . . . 193
6.2.5 Coordinate polari e stabilità globale . . . . . . . . . . . . 201
6.3 Esistenza di orbite periodiche . . . . . . . . . . . . . . . . . . . 225
6.3.1 Sistemi conservativi e Hamiltoniani . . . . . . . . . . . . 225
6.3.2 Teoremi di Dulac e Poincaré-Bendixson . . . . . . . . . 234
6.3.3 Soluzioni eterocline e omocline . . . . . . . . . . . . . . 250
6.4 Alcuni modelli dalla biologia . . . . . . . . . . . . . . . . . . . 259
7 Breve cenno ai fenomeni caotici . . . . . . . . . . . . . . . . . . . . 287
7.1 Caos in R2 : due esempi . . . . . . . . . . . . . . . . . . . . . . 287
7.1.1 L’equazione di Duffing . . . . . . . . . . . . . . . . . . 287
7.1.2 Biliardi regolari e caotici . . . . . . . . . . . . . . . . . 291
7.2 Caos in R3 : il sistema di Lorenz . . . . . . . . . . . . . . . . . . 294
Riferimenti bibliografici . . . . . . . . . . . . . . . . . . . . . . . . . . . 309
Indice analitico . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
Part I
Equazioni e Sistemi alle Differenze
Capitolo 1
Il caso scalare

Cos’è esattamente la matematica? Molti hanno tentato, ma


pochi sono riusciti a definirla; è sempre qualcos’altro. In poche
parole la gente sa che riguarda numeri, figure, relazioni,
operazioni, le sue procedure formali hanno a che fare con
assiomi, dimostrazioni, lemmi, teoremi che non sono cambiati
dai tempi di Archimede.
Stanislaw Marcin Ulam (1909–1984)

In questo capitolo consideriamo le successioni definite da xk+1 = f (xk ), k ∈ N,


dove f : I → I è una funzione, con I intervallo di R.

1.1 Richiami di teoria

Nel seguito richiamiamo alcuni risultati sulla stabilità degli equilibri e delle orbite
periodiche (in particolare i p-cicli) associati all’equazione xk+1 = f (xk ). Per le
dimostrazioni degli enunciati riportati, ci riferiamo ai volumi [18] e [3, 35].

Definizione 1.1 Si chiama successione definita per ricorrenza (o per induzione) una
successione espressa dalla legge xk+1 = f (xk ). Una successione xk viene detta re-
golare se ammette limite, finito o infinito, per k → ∞. Diciamo che x0 ∈ I è un
punto di equilibrio se x0 è un punto fisso di f ossia f (x0 ) = x0 . Si parla anche di
equilibrio della mappa f , o del sistema dinamico discreto (f, I ).

Definizione 1.2 Si dice iterata “kappesima” della mappa f : I → I e si indica


con f k (x) la funzione composta di k funzioni uguali a f (x), ovvero f k (x) =
f (f (f (f (· · · f (x) · · · )))).

Definizione 1.3 Un punto di equilibrio x0 per la successione xk+1 = f (xk ) si dice


localmente stabile se, per ogni ε > 0, esiste δ > 0 tale che, per ogni y0 con |y0 −
x0 | < δ, si ha
 
|xk − x0 | = f k (y0 ) − x0  < ε, per ogni k ≥ 0.

© Springer-Verlag Italia 2016 3


M. Squassina, S. Zuccher, Introduzione all’Analisi Qualitativa dei Sistemi Dinamici
Discreti e Continui, UNITEXT – La Matematica per il 3+2 96,
DOI 10.1007/978-88-470-5791-3_1
4 1 Il caso scalare

Se il punto x0 non è stabile allora si dice instabile. Diciamo che un equilibrio x0


è localmente attrattivo se esiste 0 > 0 tale che per ogni dato iniziale y0 tale che
|y0 − x0 | < 0 si ha
lim xk = x0 ,
k→∞

dove xk = f k (y0 ) per ogni k ≥ 0. Diciamo che un equilibrio x0 è localmente asin-


toticamente stabile se è localmente attrattivo e localmente stabile.

Come vediamo nel seguente esempio, se una mappa f non è continua, possono
esistere punti di equilibrio localmente attrattivi ma non localmente stabili.

Esempio 1.4 Mostrare che possono esistere delle mappe f discontinue che ammet-
tono un punto di equilibrio x0 che risulta localmente attrattivo ma non localmente
stabile.

Soluzione Consideriamo α > 0 e una mappa fα : R → R definita da



x + α se x < α,
fα (x) =
α se x ≥ α.

La funzione fα è discontinua nel punto x = α e fα (α) = α, per cui α è un punto di


equilibrio per f . Inoltre, per un qualunque dato iniziale x0 , la successione xk+1 =
f (xk ) converge ad α per k → ∞. Invece, scelto ε = β, se prendiamo un qualunque
dato iniziale x0 con β < x0 < α (quindi vicino quanto si vuole ad α), allora

x1 = f (x0 ) = α + x0 > α + β,

ossia |x1 − α| > β = ε, per cui l’equilibrio α non è localmente stabile. 

In precedenza abbiamo definito la stabilità asintotica locale, per cui la succes-


sione xk converge all’equilibrio solo partendo da dati iniziali sufficientemente vi-
cini all’equilibrio stesso. Vediamo ora una nozione di stabilità globale rispetto al
dato iniziale.

Definizione 1.5 Sia f : I → I una mappa e x0 ∈ I . Un punto di equilibrio x0 per


xk+1 = f (xk ) si dice globalmente attrattivo se per ogni dato iniziale y0 ∈ I si ha

lim xk = x0 ,
k→∞

dove xk = f k (y0 ). Diciamo che un equilibrio x0 è globalmente asintoticamente sta-


bile se è globalmente attrattivo e localmente stabile.

Come abbiamo osservato in precedenza, senza l’ipotesi di continuità di f ,


l’attrattività globale non implica la stabilità asintotica globale. Questa implicazione
risulta vera se la funzione f è continua.
1.1 Richiami di teoria 5

Nel corso del seguito assumeremo sempre che la mappa f sia almeno continua.
Il problema che si affronta concretamente è il seguente: data una successione de-
finita per ricorrenza, determinare i possibili punti di equilibrio x 0 e la loro natura
(localmente (globalmente) stabile o instabile). I punti di equilibrio x 0 si trovano
risolvendo l’equazione x = f (x) dei punti uniti.
Per stabilire la natura dei punti di equilibrio può essere utile ragionare
sull’eventuale monotonia della successione.

Teorema 1.6 Sia f : I → I, I ⊆ R una funzione crescente. Allora la successione


xk definita da
x0 ∈ I, xk+1 = f (xk ),
è monotona. In particolare, se x1 ≥ x0 allora xk è crescente mentre se x1 ≤ x0 allora
xk è decrescente, ovvero xn è costante se x1 = x0 . Inoltre, il limite di xk per k → ∞
esiste e si ha:
(a) se x1 > x0 ed esistono punti di equilibrio x̄ tali che x̄ > x0 allora la successione
xk converge (crescendo) a quello più vicino a x0 , altrimenti xk diverge a +∞;
(b) se x1 < x0 ed esistono punti di equilibrio x̄ tali che x̄ < x0 allora la successione
xk converge (decrescendo) a quello più vicino a x0 , altrimenti xk diverge a −∞.

Teorema 1.7 Sia f : I → I una funzione decrescente. Allora la successione defi-


nita da
x0 ∈ I, xk+1 = f (xk ),
ha le sottosuccessioni x2k e x2k+1 monotone. In particolare, se x2 ≥ x0 allora x2k è
crescente e x2k+1 è decrescente, mentre se x2 ≤ x0 allora x2k è decrescente e x2k+1
è crescente. Inoltre, se x1 ≥ x0 allora x2k+1 ≥ x2k per ogni k; se invece x1 ≤ x0
allora x2k+1 ≤ x2k per ogni k. La condizione necessaria affinché xk abbia limite è
che x2 sia compreso tra x0 e x1 .

Definizione 1.8 Siano f : I → I una mappa di classe C 1 e x0 ∈ I un punto di


equilibrio per xk+1 = f (xk ). Diremo che x0 è iperbolico se f  (x0 ) = ±1. Nel caso
opposto diremo che x0 è non-iperbolico.

Nel caso in cui la funzione f che definisce la successione per ricorrenza xk+1 =
f (xk ) non sia monotona, si può utilizzare il seguente teorema generale, che consente
di maneggiare anche equilibri non-iperbolici.

Teorema 1.9 Sia f : I → I, I ⊆ R una funzione di classe C 3 e x 0 un punto di equi-


librio per la successione definita da xk+1 = f (xk ). Allora vale il seguente schema:
1. se |f  (x 0 )| < 1 allora x 0 è (localmente asintoticamente) stabile;
2. se |f  (x 0 )| > 1 allora x 0 è instabile;
3. se |f  (x 0 )| = 1 si ha:
(a) se f  (x 0 ) = −1 si ha:
6 1 Il caso scalare

i. se 2f  (x 0 ) + 3[f  (x 0 )]2 < 0 allora x 0 è instabile;


ii. se 2f  (x 0 ) + 3[f  (x 0 )]2 > 0 allora x 0 è (localmente asintoticamente)
stabile;
(b) se f  (x 0 ) = 1 si ha:
i. se f  (x 0 ) < 0 allora x 0 è (localmente asintoticamente) stabile superior-
mente ed instabile inferiormente;
ii. se f  (x 0 ) > 0 allora x 0 è instabile superiormente e (localmente asinto-
ticamente) stabile inferiormente;
iii. se f  (x 0 ) = 0 si ha
A. se f  (x 0 ) < 0 allora x 0 è (localmente asintoticamente) stabile;
B. se f  (x 0 ) > 0 allora x 0 è instabile.

Veniamo ora alle soluzioni periodiche e ai p-cicli.

Definizione 1.10 Sia f : I → I una mappa. Diciamo che ξ ∈ I è una soluzione


periodica di periodo p > 1 se

f p (ξ ) = ξ, f j (ξ ) = ξ, ∀j = 1, . . . , p − 1.

Se ξ1 è una soluzione periodica di periodo p > 1 per f , allora l’insieme Op ⊂ I ,


 
Op = ξ1 , f (ξ1 ), . . . , f p−1 (ξ1 )

si dice orbita periodica di ξ1 . Diciamo p-ciclo un insieme di punti Cp ⊂ I ,

Cp = {ξ1 , . . . , ξp }

dove ξj è una soluzione periodica di periodo p per ogni j = 1, . . . , p. Un 2-ciclo è


un insieme C2 = {x1 , x2 } ⊂ I con f (x1 ) = x2 e f (x2 ) = x1 .

Teorema 1.11 Sia f : I → I una mappa di classe C 1 . Allora il p-ciclo per xk+1 =
f (xk )
 
ξ1 , ξ2 = f (ξ1 ), · · · , ξp = f p−1 (ξ1 )
è localmente asintoticamente stabile se
  
f (ξ1 )f  (ξ2 ) · · · f  (ξp ) < 1.

La condizione di stabilità per i 2-cicli {x0 , x1 } ⊂ I è data da |f  (x0 )f  (x1 )| < 1.

Osservazione 1.12 Questa semplice caratterizzazione di stabilità dei cicli discende


dalle formule di derivazione per composizione di f p ; ad esempio, per p = 2, si ha
 
d 2    d 2 
f  = f  f (ξ1 ) f  (ξ1 ) = f  (ξ2 )f  (ξ1 ) = f  ,
dx ξ1 dx ξ2
1.1 Richiami di teoria 7

da cui si vede anche che


     
 d 2      d 2 
 f   < 1 ⇐⇒ f (ξ1 )f  (ξ2 ) < 1 ⇐⇒  f   < 1.
 dx    dx  
ξ1 ξ2

Per la dimostrazione del caso generale tramite il principio di induzione si veda lo


svolgimento del problema 1.51.

Richiamiamo ora un collegamento tra la stabilità asintotica e l’esistenza di 2-cicli


per xk+1 = f (xk ), quando f soddisfa opportune ipotesi.

Teorema 1.13 Supponiamo che f : [0, γ ) → [0, γ ), γ > 0, sia una mappa conti-
nua con f (0) = 0 e che esista ξ ∈ [0, γ ) tale che

x < f (x), ∀x ∈ (0, ξ ),


f (x) < x, ∀x ∈ (ξ, γ ).

Supponiamo inoltre che, se f ammette massimo in y0 ∈ (0, ξ ), allora f è decre-


scente per x > y0 . Allora ξ è globalmente asintoticamente stabile per xk+1 = f (xk )
se e solo se non esistono 2-cicli per xk+1 = f (xk ).

Definizione 1.14 Siano f : I → I e x0 ∈ I . Diciamo che f esibisce una dipendenza


sensibile dal dato iniziale x0 se esiste ε0 > 0 tale che per ogni δ > 0 esistono y0 ∈ I
e k ≥ 1 tali che
 
|x0 − y0 | < δ e f k (x0 ) − f k (y0 ) ≥ ε0 .

Se una mappa f esibisce dipendenza sensibile dal dato iniziale x0 per ogni x0 ∈ I
diremo che f esibisce dipendenza sensibile dai dati iniziali.

Definizione 1.15 Siano f : I → I , I ⊆ R e x0 ∈ I . L’esponente di Lyapunov in x0


dell’equazione alle differenze xk+1 = f (xk ), denotato con L(x0 ), è definito come

1    
k−1
L(x0 ) := lim ln f (xm ).
k→+∞ k
m=0

Se l’esponente di Lyapunov L(x0 ) è indipendente dal punto x0 , diremo che è


l’esponente di Liapunuv della mappa f .

Teorema 1.16 Siano f : I → I , I ⊆ R e x0 ∈ I . Supponiamo che

L(x0 ) > 0.

Allora f esibisce dipendenza sensibile dal dato iniziale x0 .


8 1 Il caso scalare

Introduciamo ora una possibile definizione di caos, per cui un modello alle dif-
ferenze del primo ordine è caotico se si trova un insieme non numerabile di valori
che per certe iterazioni sono vicini, mentre per altre sono lontani. La definizione è
soddisfatta dalla logistica classica per valori del parametro A maggiori di 3.57 (si
veda il problema 1.36).

Definizione 1.17 L’equazione xk+1 = f (xk ) si dice caotica se esistono infiniti punti
periodici di f con periodi differenti ed esiste un insieme non numerabile C che
soddisfa le seguenti condizioni:
(a) per ogni p, q ∈ C con p = q esiste una successione divergente (mj ) ⊂ N con
 
lim f mj (p) − f mj (q) > δ,
j →∞

per qualche δ > 0;


(b) per gli stessi p e q esiste una diversa successione divergente (m̃j ) ⊂ N con
 
lim f m̃j (p) − f m̃j (q) = 0.
j →∞

1.2 Equazioni discrete ad un passo


Vediamo alcuni esempi che si possono studiare utilizzando, ad esempio, i criteri di
monotonia, teoremi 1.6 e 1.7 o il teorema 1.9.

Problema 1.18 Sia x0 ∈ (0, π) e si consideri la successione definita da

xk+1 = xk + sin xk .

Provare che xk ∈ (0, π) per ogni k ∈ N, che (xk ) cresce e calcolare il limite di (xk )
per k → ∞.

Soluzione Si noti che xk+1 = f (xk ) e f (x) = x + sin x è strettamente crescente su


(0, π) essendo f  (x) = 1 + cos x e 0 < 1 + cos x < 2 ∀x ∈ (0, π), ovvero f  (x) > 0
∀x ∈ (0, π). Essendo f (0) = 0, f (π) = π , e la funzione strettamente crescente,
allora xk+1 = f (xk ) ∈ (0, π). Essendo xk+1 − xk = sin xk > 0 ∀xk ∈ (0, π), la suc-
cessione è crescente. Per k → ∞ si ha l’equazione x = x + sin x, che è soddisfatta
per x = 0 e x = π . Di questi, in base al teorema 1.6, l’unico limite possibile è
x = π in quanto la successione è crescente e parte con il valore x0 ∈ (0, π). Un
altro modo di procedere è tramite il teorema 1.9. Si osservi che |f  (0)| = 2 > 0 e
pertanto l’origine è un punto di equilibrio instabile, mentre |f  (π)| = 0 < 1 e quindi
è asintoticamente stabile. La figura 1.1 riporta la storia temporale e il cobwebbing
(procedura a “zigo-zago” ottenuta partendo da x0 , calcolando x1 = f (x0 ) tramite
la f , riportando il valore x1 sulla bisettrice del primo e terzo quadrante, quindi cal-
colando x2 = f (x1 ) tramite la f , e così via) ottenuti per N = 15 e x0 = 0.1. Si noti
il raggiungimento veloce del valore asintotico xn = π . 
1.2 Equazioni discrete ad un passo 9

Fig. 1.1 Storia temporale xk e studio dei punti di equilibrio per il problema 1.18, N = 15, x0 = 0.1

Fig. 1.2 Storia temporale xk e studio dei punti di equilibrio per il problema 1.19, N = 7, x0 = −1

Problema 1.19 Data la successione (xk ) definita da


1
x0 = a, xk+1 = max , xk2
4

dire se esiste, al variare di a ∈ R, il limite di (xk ) per k → ∞.

Soluzione In questo caso xk+1 = f (xk ) con f (x) = max{ 14 , xk2 }. Questa funzione è
decrescente per x < −1/2, costante e pari a 1/4 per −1/2 ≤ x ≤ 1/2 e crescente
per x > 1/2. I punti uniti si trovano risolvendo l’equazione x = max{ 14 , x 2 } che ha
come soluzioni x = 1/4 e x = 1. La funzione data ha derivata nulla in x = 1/4,
che pertanto è stabile, e derivata pari a 2 > 0 in x = 1, che è pertanto instabile. Si
verifica facilmente che il limite della successione è x = 1 se x0 = ±1; il limite è
x = 1/4 per |x0 | < 1, mentre il limite è +∞ per |x0 | > 1. In figura 1.2 sono riportati
la storia temporale e il cobwebbing ottenuti per N = 7 e x0 = −1, in cui la soluzione
è attratta da x = 1; in figura 1.3 sono riportati la storia temporale e il cobwebbing
10 1 Il caso scalare

Fig. 1.3 Storia temporale xk e studio dei punti di equilibrio per il problema 1.19, N = 7,
x0 = −0.7

Fig. 1.4 Storia temporale xk e studio dei punti di equilibrio per il problema 1.19, N = 7,
x0 = −1.01

ottenuti per N = 7 e x0 = −0.7, in cui la soluzione è attratta da x = 1/2; infine, in


figura 1.4 sono riportati la storia temporale e il cobwebbing ottenuti per N = 7 e
x0 = −1.01 in cui si nota l’esplosione della soluzione. 

Problema 1.20 Calcolare il limite della successione definita da


xk
e−t dt.
2
x0 = 1, xk+1 =
0

Soluzione Si noti che la successione



può essere riscritta in modo più compatto come
xk+1 = f (xk ) con f (x) = 2 erf(x). Essendo f  (x) = e−x > 0 ∀x ∈ R, la fun-
π 2

zione è sempre crescente ed essendo x2 < x1 la successione è decrescente √


per il
teorema 1.6. L’unico punto di equilibrio che soddisfa l’equazione x = 2π erf(x) è
x = 0, che risulta il limite della successione in quanto essa è decrescente e x0 = 1.
Si osservi che l’analisi di stabilità del punto x = 0 porta a f  (0) = 1 (f  (x) = e−x ),
2
1.2 Equazioni discrete ad un passo 11

Fig. 1.5 Storia temporale xk e studio dei punti di equilibrio per il problema 1.20, N = 500

Fig. 1.6 Con riferimento al


problema 1.21, y = cos xk e
y = x k al variare di k. Si noti
come il punto di intersezione
si trovi in (0, 1) e tende a 1
per k → ∞

per cui la determinazione della sua natura richiede l’uso delle derivate successive se-
condo quanto previsto dal teorema 1.9. Essendo f  (x) = −2xe−x , si ha f  (0) = 0
2

e quindi bisogna analizzare la derivata terza che è f  (x) = 2e−x (2x 2 − 1). Es-
2

sendo f  (0) = −2 < 0, x = 0 è un punto di equilibrio localmente asintoticamente


stabile. In figura 1.5 sono riportati la storia temporale e il cobwebbing, ottenuti per
N = 500. Si può notare la natura dell’origine, attrattiva se pur con una velocità di
convergenza molto bassa. 

Problema 1.21 Si consideri l’equazione


x
x k = cos , x ≥ 0.
k
Provare che esiste un’unica soluzione xk > 0, che la successione (xk ) rimane limi-
tata e calcolare il limite di (xk ) per k → ∞.

Soluzione Disegnando il grafico di y = x k e y = cos xk , come riportato in figura 1.6,


si osserva facilmente che le due funzioni si intersecano in un solo punto xk ∈ (0, 1)
12 1 Il caso scalare

Fig. 1.7 Grafico di f (x) = 1 − |2x − 1| e f 3 (x) riferite al problema 1.22

(si osservi che, per k pari, le intersezioni sono due, di cui una sola positiva). Di con-
seguenza, la successione stessa (xk ) rimane limitata tra 0 e 1. Al tendere all’infinito
di k la funzione y = cos xk diventa sempre più “piatta” (costante) nell’intorno di
x = 1 dove vale 1 in quanto l’argomento del coseno tende a zero. Siccome, per
k → ∞, x = 1 soddisfa l’equazione x k = cos xk , il limite della successione è 1. 

Problema 1.22 Si determini in modo grafico (ovvero senza avvalersi di passaggi


analitici) l’iterata terza di f (x) = 1 − |2x − 1| partendo dal grafico di f (x).

Soluzione Il grafico di f (x) è riportato in figura 1.7. Come si può notare, f porta
l’intervallo [0, 1] in [0, 1] in modo che tutti i valori di f (x) ∈ [0, 1] vengono assunti
due volte, una per x ∈ [0, 1/2] e un’altra volta per x ∈ [1/2, 1]. Quindi l’iterata se-
conda f 2 (x) = f (f (x)) assumerà tutti i valori tra 0 e 1 per 4 volte, in particolare
sarà crescente (f (x) ∈ [0, 1]) per x ∈ [0, 1/4], decrescente (f (x) ∈ [0, 1]) per x ∈
[1/4, 1/2], crescente (f (x) ∈ [0, 1]) per x ∈ [1/2, 3/4] e decrescente (f (x) ∈ [0, 1])
per x ∈ [3/4, 1]. Ragionando allo stesso modo, si osserva che il grafico dell’iterata
terza f 3 (x) = f (f (f (x))) sarà suddiviso in una spezzata di 8 segmenti, come ri-
portato in figura 1.7. 

Problema 1.23 Si consideri la successione definita da


xk
x0 = λ, xk+1 = ,
1 + xk
con λ ≥ 0. Calcolare il limite di (xk ) per k → ∞.

Soluzione Essendo f (x) = 1+x x


strettamente crescente per x ≥ 0, essendo x = 0
il suo unico punto di equilibrio, ed essendo x2 < x1 , per il teorema 1.6 la succes-
sione è strettamente decrescente ed ha come limite x = 0. Un’alternativa è l’analisi
classica secondo lo schema 1.9. Da f  (x) = (x + 1)−2 si ottiene f  (0) = 1, da
f  (x) = −2(x + 1)−3 segue f  (0) = −2 < 0, per cui il punto di equilibrio x = 0
è superiormente localmente asintoticamente stabile e inferiormente repulsivo. Qui
1.2 Equazioni discrete ad un passo 13

Fig. 1.8 Storia temporale xk e studio dei punti di equilibrio per il problema 1.23, N = 500,
x0 = 0.9

interessa che sia stabile superiormente. Si osservi che la successione data model-
lizza una legge di crescita di una popolazione con risorse limitate e tasso di natalità
inversamente proporzionale alle dimensioni della popolazione, pertanto condannata
all’estinzione. In figura 1.8 sono riportati la storia temporale e il cobwebbing, otte-
nuti per N = 500 e x0 = 0.9. Si può notare la natura attrattiva dell’origine. 

Problema 1.24 Sia λ ∈ R. Si studi la successione definita da


xk
e2τ
x0 = λ, xk+1 = 4 dτ.
0 (e + 1)
2τ 2

Soluzione Si osservi che


xk e2τ 2
xk+1 = 4 = 1 − 2x ,
0 (e2τ + 1)2 e k +1

pertanto f (x) = 1 − 2/(e2x + 1). Essa è una funzione sempre crescente che ha come
unico punto di equilibrio x = 0, dove la sua derivata prima f  (x) = 4e2 x /(e2 x + 1)2
vale f  (0) = 1. Pertanto è necessario l’uso delle derivate successive. Essendo

8 (ex − 1) (ex + 1) e2 x
f  (x) = −
(e2 x + 1)3

e quindi f  (0) = 0 e

16 e2 x (e4 x − 4 e2 x + 1)
f  (x) =
(e2 x + 1)4

e quindi f  (0) = −2 < 0, l’origine è un punto localmente asintoticamente stabile.


Alternativamente, si osservi che f  (x) > 0 per ogni x ∈ R e quindi la funzione è
sempre crescente. Pertanto, per il teorema 1.6, anche la successione è monotona. In
14 1 Il caso scalare

Fig. 1.9 Storia temporale xk e studio dei punti di equilibrio per il problema 1.24, N = 500 e
x0 = 1.8

particolare, partendo da x0 > 0 si ha x1 < x0 e quindi la successione è decrescente e


converge a 0; partendo da x0 < 0 si ha x1 > x0 e quindi la successione è crescente e
converge a 0; partendo da x0 = 0, xn rimane tale. In figura 1.9 è riportato un esempio
per N = 500 e x0 = 1.8. 

Problema 1.25 Sia λ > 0. Si studi la successione definita da

x0 = λ, xk+1 = log(1 + xk ).

Soluzione Si noti che f (x) = log(1 + x) è strettamente crescente pertanto, per il


teorema 1.6, anche la successione (xk ) è monotona. Essendo x = 0 l’unico punto
di equilibrio, e x1 < x0 per ogni x0 > 0, la successione è decrescente e converge
a zero. Ricorrendo allo schema 1.9, si ha f  (0) = 1, f  (x) = −1/(1 + x)2 , da cui
f  (0) = −1 < 0, ovvero l’origine è superiormente localmente asintoticamente sta-
bile ed inferiormente repulsiva. Essendo interessati solo al caso λ > 0, l’origine
risulta stabile come riportato in figura 1.10 per N = 500 e x0 = 1.8. 

Concludiamo con un esempio di equazione alle differenze a due passi.

Problema 1.26 Sia λ > 0. Si studi la successione definita da

x0 = 0, x1 = λ, xk+1 = xk + xk−1
2
.

Soluzione Si noti che la successione è strettamente crescente essendo xk+1 − xk =


2
xk−1 > 0 ∀xk−1 = 0 e quindi la successione diverge a +∞ ∀x1 = λ > 0. 

1.3 Stabilità globale e 2-cicli


Vediamo ora un semplice criterio per escludere l’esistenza di 2-cicli.
1.3 Stabilità globale e 2-cicli 15

Fig. 1.10 Storia temporale xk e studio dei punti di equilibrio per il problema 1.25, N = 500 e
x0 = 1.8

Problema 1.27 Sia f : I → I una mappa di classe C 1 tale che

f  (x) = −1, ∀x ∈ I.

Dimostrare che non esistono 2-cicli in I per xk+1 = f (xk ).

Soluzione Supponiamo per assurdo che esista un 2-ciclo, {x0 , x1 } ⊂ I , per cui si
deve avere f 2 (x0 ) = f (x1 ) = x0 . Allora si ha
x1
 
1 + f  (x) dx = x1 + f (x1 ) − x0 − f (x0 ) = f 2 (x0 ) − x0 = 0,
x0

contro l’ipotesi fatta sulla funzione f . 

Problema 1.28 Sia f : [0, γ ) → [0, γ ) una mappa continua, γ > 0, tale che

0 < f (x) < x, ∀x ∈ (0, γ ).

Dimostrare che l’origine è globalmente asintoticamente stabile.

Soluzione Siccome f (0) = 0 l’origine è un punto di equilibrio. Inoltre, preso un


qualunque x0 ∈ [0, γ ), per ogni k si ha

x0 > f (x0 ) = x1 > f (x1 ) = f 2 (x0 ) > · · · > f k (x0 ) > · · ·

per cui la successione (f k (x0 )) è strettamente decrescente e limitata dal basso da


zero. Deve quindi esistere ξ ∈ [0, γ ) tale che

lim f k (x0 ) = ξ
k→∞
16 1 Il caso scalare

Fig. 1.11 Esempio di


funzione che soddisfa le
ipotesi del
problema 1.28 (γ = 1) e per
la quale, pertanto, l’origine
risulta globalmente
asintoticamente stabile

Per la continuità di f risulta che ξ è un punto fisso di f , f (ξ ) = ξ . Infatti



f (ξ ) = f lim f k (x0 ) = lim f k+1 (x0 ) = ξ.
k→∞ k→∞

D’altronde, come abbiamo visto, l’unico punto fisso di f è l’origine, per cui ξ = 0,
da cui la tesi.
In figura 1.11 è riportato un esempio per la funzione f (x) = x 2 , che soddisfa le
ipotesi del problema. 

Problema 1.29 Sia f : [0, ∞) → [0, ∞) una mappa di classe C 1 con f (0) = 0
tale che

0 < f  (x) < 1, ∀x ∈ (0, ∞).

Dimostrare che l’origine è globalmente asintoticamente stabile su (0, ∞).

Soluzione L’origine è un punto di equilibrio per f . Sia γ > 0 e consideriamo f


come applicazione sull’intervallo [0, γ ). Proviamo che 0 < f (x) < x per ogni x ∈
[0, γ ). Infatti, se x > 0, dal teorema di Lagrange segue che
   
f (x) = f (0) + f  η(x) x = f  η(x) x > 0.

Inoltre, posto ϕ(x) = f (x) − x, si ha che ϕ è derivabile, ϕ(0) = 0 e ϕ  (x) =


f  (x) − 1 < 0, per cui ϕ(x) < 0 per ogni 0 < x < γ . Dal problema 1.28 segue allora
che l’origine è globalmente asintoticamente stabile su [0, γ ). Per l’arbitrarietà di γ
possiamo allora concludere che l’origine è globalmente asintoticamente stabile su
tutto [0, ∞).
In figura 1.12 è riportato un esempio per la funzione f (x) = x/4 − sin(2x)/8,
che soddisfa le ipotesi del problema. 

Vediamo come le affermazioni precedenti possano essere generalizzate.


1.3 Stabilità globale e 2-cicli 17

Fig. 1.12 Esempio di


funzione che soddisfa le
ipotesi del problema 1.29
(f  (x) = (1 − cos(2x))/4) e
per la quale, pertanto,
l’origine risulta globalmente
asintoticamente stabile

Problema 1.30 Supponiamo che f : [0, γ ) → [0, γ ) sia una mappa continua,
γ > 0 e che esista ξ ∈ [0, γ ) tale che

x < f (x) < ξ, ∀x ∈ (0, ξ ),


ξ < f (x) < x, ∀x ∈ (ξ, γ ).

Dimostrare che ξ è globalmente asintoticamente stabile.

Soluzione Evidentemente ξ è un (l’unico) punto fisso di f , quindi un (l’unico)


punto di equilibrio (basta passare al limite per x → ξ − nella prima disuguaglianza
oppure passare al limite per x → ξ + nella seconda disuguaglianza). Prendiamo an-
zitutto x0 ∈ [0, ξ ). Allora la successione (f k (x0 )) è strettamente crescente e limitata
dall’alto (da ξ ), infatti

x0 < f (x0 ) < f 2 (x0 ) < · · · < f k (x0 ) < · · · < ξ.

Esiste quindi η1 ≤ ξ tale che

lim f k (x0 ) = η1 .
k→∞

Nel caso in cui si prende y0 ∈ (ξ, γ ) la successione (f k (y0 )) è strettamente decre-


scente e limitata dal basso (da ξ ), infatti

ξ < · · · < f k (y0 ) < · · · < f 2 (y0 ) < f (y0 ) < y0 .

Esiste quindi η2 ≥ ξ tale che

lim f k (y0 ) = η2 .
k→∞

Per la continuità di f risulta che η1 e η2 sono punti fissi di f , f (η1 ) = η1 ,


f (η2 ) = η2 . D’altronde, come abbiamo visto, l’unico punto fisso di f è ξ , per cui
η1 = η2 = ξ , da cui segue la tesi.
In figura 1.13 è riportato un esempio per la funzione f (x) = x(x 2 − 3x + 4)/4 +
1/2, che soddisfa le ipotesi del problema. 
18 1 Il caso scalare

Fig. 1.13 Esempio di


funzione che soddisfa le
ipotesi del problema 1.30
(f (x) = x(x 2 − 3x + 4)/4 +
1/2, γ = 2 e ξ = 1) per cui il
punto di equilibrio ξ = 1
risulta globalmente
asintoticamente stabile

Problema 1.31 Supponiamo che f : [0, γ ) → [0, γ ) sia mappa continua, γ > 0,
con f (0) = 0 e che esista ξ ∈ [0, γ ) tale che

x < f (x), ∀x ∈ (0, ξ ),


f (x) < x, ∀x ∈ (ξ, γ ).

Supponiamo inoltre che f non abbia punti di massimo in (0, ξ ). Provare allora che
ξ è globalmente asintoticamente stabile.

Soluzione Tenuto conto della conclusione contenuta nella Proposizione 1.13 (equi-
valenza tra asintotica stabilità e assenza di 2-cicli), basta mostrare che non esiste
nessun 2-ciclo per xk+1 = f (xk ). Supponiamo per assurdo che esista un 2-ciclo
{x0 , x1 }, quindi f 2 (x0 ) = f (x1 ) = x0 . Quindi, per ipotesi

x0 < ξ < x1 ,

altrimenti, se ad esempio x0 , x1 ∈ (0, ξ ), si avrebbe

x0 < f (x0 ) = x1 < f (x1 ) = f 2 (x0 ) = x0 ,

una contraddizione. D’altra parte, tenuto conto che f non ammette punti di massimo
assoluto in (0, ξ ), x0 ∈ (0, ξ ) implica che f (x0 ) < f (ξ ), altrimenti

max f = max f,
(0,ξ ) [0,ξ ]

dove si è usata anche l’ipotesi che f (0) = 0. Ne segue allora che

x0 < x1 = f (x0 ) < f (ξ ) = ξ,

che è assurdo e conclude la dimostrazione.


In figura 1.14 è riportato un esempio per la funzione f (x) = x 3 /3 − 3x 2 /2 + 2x,
che soddisfa le ipotesi del problema. 

Due punti fissi x1 = x2 di una mappa f 2 , che non siano anche punti fissi di f , se
unici automaticamente si devono corrispondere tramite f .
1.3 Stabilità globale e 2-cicli 19

Fig. 1.14 Esempio di


funzione che soddisfa le
ipotesi del problema 1.31
(f (x) = x 3 /3 − 3x 2 /2 + 2x,
γ = 3 e ξ ≈ 0.8139) e per la
quale il punto ξ ≈ 0.8139
risulta globalmente
asintoticamente stabile. Si
noti che la funzione ha un
massimo in x = 1 > ξ e un
minimo in x = 2

Problema 1.32 Sia f : I → I una mappa. Supponiamo che esistano, e siano unici,
due punti x1 , x2 ∈ I con x1 = x2 tali che

f 2 (x1 ) = x1 , f 2 (x2 ) = x2 , f (x1 ) = x1 , f (x2 ) = x2 .

In tal caso abbiamo quindi le orbite 2-periodiche


   
O1 = x1 , f (x1 ) , O2 = x2 , f (x2 ) .

Provare allora che f (x1 ) = x2 e f (x2 ) = x1 , ossia le due orbite 2-periodiche O1 e


O2 coincidono a meno di permutazioni.

Soluzione Basta osservare che, se f 2 (x1 ) = x1 e f 2 (x2 ) = x2 , allora


     
f 2 f (x1 ) = f f 2 (x1 ) = f (x1 ), f f (x1 ) = f (x1 ),

e
     
f 2 f (x2 ) = f f 2 (x2 ) = f (x2 ), f f (x2 ) = f (x2 ),

per cui avremmo quattro punti fissi per la mappa f 2 , x1 , x2 , f (x1 ), f (x2 ).
D’altronde, non essendo tali punti dei punti fissi per la mappa f , per l’unicità ne-
cessariamente si deve avere f (x1 ) = x2 e f (x2 ) = x1 . 

Problema 1.33 Sia α ∈ R e si consideri l’equazione ad un passo:



xk+1 = αxk3 ,
x0 ∈ R,

(a) determinare gli equilibri del sistema al variare di α studiandone la natura;


(b) tracciare il diagramma di biforcazione degli equilibri;
(c) studiare gli eventuali 2-cicli e la relativa stabilità al variare di α.
20 1 Il caso scalare

Fig. 1.15 Diagramma delle


biforcazioni degli equilibri
per l’equazione ad un passo
xk+1 = αxk3 (problema 1.33),
equilibri stabili in linea
continua, equilibri instabili in
linea tratteggiata

Soluzione Il caso α = 0 è banale, per cui supponiamo α = 0. Gli equilibri sod-


disfano αx 3 = x, per cui x = 0 (per ogni α) e x = ± √1α (per α > 0). Posto
f (x) = αx 3 , si ha f  (x) = 3αx 2 , per cui f  (0) = 0 e f  (± √1α ) = 3, per cui l’origine
è sempre localmente asintoticamente stabile mentre gli equilibri ± √1α sono insta-
bili per ogni α > 0.Il diagramma di biforcazione è riportato in figura 1.15. Essendo
f 2 (x) = α 4 x 9 , l’equazione f 2 (x) = x equivale a α 4 x 8 = 1 che, escludendo le solu-
zioni trovate in precedenza, si riduce a x = ± √−α 1
(per α < 0). Essendo
    
  
f √ 1 f 
− √
1  = 9,
 −α −α 

il 2-ciclo è instabile per ogni α < 0.


Nelle figure 1.16 e 1.17 si osserva la stabilità dell’origine rispettivamente per
α < 0 e α > 0; in figura 1.18, invece, si osserva l’instabilità delle soluzioni x = ± √1α
per α > 0. 

Problema 1.34 Sia α ∈ R e si consideri il modello Malthusiano saturato:



⎪ αxk
⎨xk+1 = ,
1 + xk2

⎩x ∈ R,
0

(a) determinare gli equilibri del sistema e al variare di α studiandone la natura;


(b) tracciare il diagramma di biforcazione degli equilibri;
(c) studiare gli eventuali 2-cicli e la relativa stabilità al variare di α.

2 = x, da cui x = 0 oppure x = α − 1.
αx 2
Soluzione L’equazione degli equilibri è 1+x
Pertanto, se α > 1 esistono tre equilibri distinti
√ √
0, α − 1, − α − 1,
1.3 Stabilità globale e 2-cicli 21

Fig. 1.16 Storia temporale xk e studio dei punti di equilibrio, N = 20, α = −0.5, x0 = 0.9 per
l’equazione ad un passo xk+1 = αxk3 (problema 1.33). Si noti la stabilità dell’origine per α < 0

Fig. 1.17 Storia temporale xk e studio dei punti di equilibrio, N = 20, α = 4.0, x0 = 0.499 per
l’equazione ad un passo xk+1 = αxk3 (problema 1.33). Si noti la stabilità dell’origine per α > 0

Fig. 1.18 Storia temporale xk e studio dei punti di equilibrio, N = 6, α = 4.0, x0 = 0.501 per
l’equazione ad un passo xk+1 = αxk3 (problema 1.33). Si noti l’instabilità delle soluzioni x = ± √1α
per α > 0
22 1 Il caso scalare

Fig. 1.19 Diagramma delle


biforcazioni degli equilibri
per il modello Malthusiano
saturato xk+1 = αxk2
1+xk
(problema 1.34), equilibri
stabili in linea continua o
pallino pieno, equilibri
instabili in linea tratteggiata

mentre se α ≤ 1 esiste il solo equilibrio nullo x = 0. Posto f (x) = αx


1+x 2
, si ha

1 − x2
f  (x) = α ,
(1 + x 2 )2

per cui
√ 2−α
f  (0) = α,
f  (± α − 1) = .
α
Ne segue che l’origine è localmente asintoticamente√stabile se −1 < α < 1 e insta-
bile per α < −1 oppure α > 1, mentre gli equilibri ± α − 1, definiti per α > 1 sono
sempre localmente asintoticamente stabili. Consideriamo ora il caso limite α = 1.
In tal caso, si ha
x2 − 3
f  (x) = 2x ,
(1 + x 2 )3
per cui f  (0) = 0. D’altra parte, calcolando anche la derivata terza si ottiene
f  (0) = −6, per cui l’origine risulta localmente asintoticamente stabile. Nel caso
α = −1 si ha f  (0) = 0 e f  (0) = 6 > 0, per cui 2f  (0) + 3(f  (0))2 > 0 e
l’origine risulta anche il questo caso localmente stabile. Si osservi anche che per
0 < α < 1, fissato γ > 0, risulta
αx
0 < f (x) = < x, ∀x ∈ (0, γ ),
1 + x2
per cui per quanto abbiamo visto l’origine è globalmente asintoticamente stabile
su (0, γ ). Il diagramma di biforcazione è riportato in figura 1.19. Veniamo ora
l’esistenza di eventuali orbite 2-periodiche (2-cicli). Si ha

α 2 x(1 + x 2 )
f 2 (x) = ,
x4 + (α 2 + 2)x 2 + 1

per cui l’equazione f 2 (x) = x diventa


1.3 Stabilità globale e 2-cicli 23

Fig. 1.20 Storia temporale xk e studio dei punti di equilibrio (problema 1.34), N = 20, α = −2,
x0 = 0.1. Si noti l’instabilià dell’origine e il 2-ciclo stabile per α < −1

Fig. 1.21 Storia temporale xk e studio dei punti di equilibrio (problema 1.34), N = 20, α = −2,
x0 = 2.9. Si noti l’instabilià dell’origine e il 2-ciclo stabile per α < −1

 
α 2 1 + x 2 = x 4 + α 2 x 2 + 2x 2 + 1,

ossia x 4 + 2x√
2 + 1 − α 2 = 0, che ha soluzioni ± α − 1 (che coincidono con gli

equilibri) e ± −α − 1 (definite per α < −1) che formano un 2-ciclo. Per α > −1
non esistono quindi soluzioni 2-periodiche. Osserviamo che si ha

  √ √ 
f ( −α − 1)f  (− −α − 1) = (2 + α) < 1,
2

α 2

per ogni α < −1, per cui si tratta di un 2-ciclo stabile.


Nelle figure 1.20 e 1.21 si osserva, per due condizioni iniziali diverse, l’instabilià
dell’origine e il 2-ciclo stabile per α < −1. In figura 1.22 si nota la stabilità
dell’origine, indipendentemente da x0 , e l’assenza di 2-cicli per α = −1, mentre
nelle figure 1.23 e 1.24 si osserva l’instabilità
√ dell’origine, indipendentemente da x0 ,
la stabilità di entrambe le soluzioni x = ± α − 1 e l’assenza di 2-cicli. 
24 1 Il caso scalare

Fig. 1.22 Storia temporale xk e studio dei punti di equilibrio (problema 1.34), N = 20, α = −1,
x0 = 2.5. Si noti la stabilità dell’origine, indipendentemente da x0 , e l’assenza di 2-cicli

Fig. 1.23 Storia temporale xk e studio dei punti di equilibrio (problema 1.34), N = 20, α = 2,
x0 = 0.1. Si noti
√ l’instabilità dell’origine, indipendentemente da x0 , la stabilità di entrambe le
soluzioni x = ± α − 1 e l’assenza di 2-cicli

Fig. 1.24 Storia temporale xk e studio dei punti di equilibrio (problema 1.34), N = 20, α = 2,
x0 = 2.9. Si noti
√ l’instabilità dell’origine, indipendentemente da x0 , la stabilità di entrambe le
soluzioni x = ± α − 1 e l’assenza di 2-cicli
1.3 Stabilità globale e 2-cicli 25

Fig. 1.25 Diagramma delle


biforcazioni degli equilibri
per l’equazione ad un passo
xk+1 = α − xk2
(problema 1.35), equilibri
stabili in linea continua o
pallino pieno, equilibri
instabili in linea tratteggiata

Problema 1.35 Sia α > 0 e si consideri l’equazione ad un passo



xk+1 = α − xk2 ,
x0 ∈ R,

(a) determinare gli equilibri del sistema e al variare di α studiandone la natura;


(b) tracciare il diagramma di biforcazione degli equilibri;
(c) studiare gli eventuali 2-cicli e la relativa stabilità al variare di α.

Soluzione Gli equilibri soddisfano x 2 + x − α = 0, per cui x± = −1± 21+4α (sempre
reali, essendo α > 0). Si ha f  (x) = −2x, per cui
√ √
f  (x+ ) = 1 − 1 + 4α < 0, f  (x− ) = 1 + 1 + 4α > 1.

Ne segue che x− risulta sempre instabile,


√ mentre x+ risulta localmente asintotica-
mente stabile se f  (x+ ) > −1, ossia 1 + 4α < 2. Pertanto x+ è localmente asin-
toticamente stabile se α < 34 e instabile se α > 34 . Se α = 34 , si ha f  (x+ ) = −1.
Essendo f  (x+ ) = −2 e f  (x+ ) = 0, si ha 2f  (x+ ) + 3(f  (x+ ))2 > 0, per cui
x+ è localmente asintoticamente stabile. In diagramma di biforcazione degli equi-
libri è riportato in figura 1.25. Veniamo ora all’esistenza di 2-cicli per opportuni
valori di α. Si ha
 2
f 2 (x) = α − α − x 2 = α − α 2 + 2αx 2 − x 4

per cui f 2 (x) = x se e solo se x 4 − 2αx 2 + x + α 2 − α = 0. Utilizzando Ruffini


tenendo conto delle soluzioni di f (x) = x si decompone il polinomio come (x 2 +
x − α)(x 2 − x + 1 − α) = 0, per cui i punti fissi della mappa iterata che non sono
punti fissi della mappa f sono
√ √
1 + 4α − 3 1 − 4α − 3
y+ = , y− = ,
2 2
definite per α > 34 . Si osservi inoltre che
26 1 Il caso scalare

Fig. 1.26 Storia temporale xk e studio dei punti di equilibrio (problema 1.35), N = 20, α = 0.5,
x0 = 1.2. Si noti la stabilità della soluzione x−

Fig. 1.27 Storia temporale xk e studio dei punti di equilibrio (problema 1.35), N = 5, α = 0.5,
x0 = 1.385. Si noti l’instabilità della soluzione x+

  
f (y+ )f  (y− ) = 4|1 − α| < 1

se e solo se 34 < α < 54 , per cui per tali valori il due ciclo O2 = {y+ , y− } é stabile.
Nelle figure 1.26 e 1.27 si notano, per α = 1/2, rispettivamente la stabilità della
soluzione x− e l’instabilità della soluzione x+ . In figura 1.28 si osserva, per α = 2,
l’instabilità di entrambe le soluzioni x± , mentre in figura 1.29, per α = 1.0, si ri-
scontra la presenza del 2-ciclo stabile O2 {0, 1}. 

1.4 Il modello logistico classico


In questa sezione focalizziamo l’attenzione su un’importante equazione alle dif-
ferenze, l’equazione logistica discreta, al variare di un parametro positivo A. Come
osserveremo in seguito l’equazione che ora studieremo non corrisponde esattamente
1.4 Il modello logistico classico 27

Fig. 1.28 Storia temporale xk e studio dei punti di equilibrio (problema 1.35), N = 20, α = 2.0,
x0 = 1.1. Si noti l’instabilità di entrambe le soluzioni x±

Fig. 1.29 Storia temporale xk e studio dei punti di equilibrio (problema 1.35), N = 20, α = 1.0,
x0 = 1.1. Si noti la presenza di un 2-ciclo stabile O2 {0, 1}

alla versione discreta dell’equazione differenziale logistica, ma è una sua approssi-


mazione.

Problema 1.36 Determinare i valori di A ∈ R affinché l’equazione

xk+1 = Axk (1 − xk ) (1.37)

abbia un effettivo significato biologico.

Soluzione Il modello logistico discreto (1.37) descrive la legge di crescita di una


popolazione “riscalata” xk al tempo k-esimo. Si noti che, essendo la popolazione
normalizzata, affinché il tutto abbia senso, deve essere 0 ≤ xk ≤ 1 ∀k ≥ 0. Siccome
popolazioni negative non esistono (ovvero non esistono popolazioni in cui il numero
dei morti supera quello dei vivi essendo esse estinte al momento in cui xk = 0), deve
28 1 Il caso scalare

Fig. 1.30 Grafico di


f (x) = Ax(1 − x) per diversi
valori di A

essere A > 0. Siccome la legge di crescita è xk+1 = f (xk ) con f (x) = Ax(1 − x),
ovvero una parabola rivolta verso il basso con vertice in V (1/2; A/4), il massimo
valore che può assumere xk+1 è A/4, da cui la limitazione A ≤ 4. Pertanto, 0 <
A ≤ 4. Si può verificare che, per ogni valore di A > 4, esistono dei valori del dato
iniziale x0 tali che il valore iterato xk è negativo per un opportuno indice k. 

Problema 1.38 Determinare i punti di equilibrio di (1.37) e discuterne la stabilità.

Soluzione Si tratta di determinare i punti di equilibrio della successione xk+1 =


f (xk ) con f (x) = Ax(1 − x) e 0 ≤ x0 ≤ 1. Risolvendo x = f (x) si ottengono le
soluzioni x = 0 e x = 1 − 1/A. La soluzione x = 1 − 1/A è accettabile, ovvero
positiva, solo per 1 − 1/A > 0, da cui A > 1. Pertanto, per 0 ≤ A ≤ 1 si ha una sola
soluzione di equilibrio (x = 0) mentre per 1 < A ≤ 4 si hanno 2 punti di equilibrio
(x = 0, 1 − 1/A). In figura 1.30 sono riportate le curve f (x) = Ax(1 − x) per al-
cuni valori significativi del parametro A. Si noti la presenza di una o due soluzioni
dipendentemente da A. Per quanto riguarda la stabilità dei punti di equilibrio, si
osservi che f  (x) = A − 2Ax. Pertanto f  (0) = A, quindi si ha stabilità della so-
luzione x = 0 solo per 0 < A < 1. Si noti che in tal caso x = 0 è l’unica soluzione
possibile. Pertanto, se 0 < A < 1 la popolazione è condannata all’estinzione. Nel
caso 1 < A ≤ 4, invece, le soluzioni sono 2 e x = 0 è instabile. Questo fatto implica
che la popolazione non è destinata all’estinzione. Per quanto riguarda la stabilità
dell’altro punto di equilibrio x = 1 − 1/A (che esiste solo se 1 < A ≤ 4), si ha
f  (1 − 1/A) = 2 − A, per cui la condizione di stabilità si traduce in |2 − A| < 1, os-
sia 1 < A < 3. Pertanto, la soluzione x = 1 − 1/A è stabile per 1 < A < 3 e instabile
per 3 ≤ A < 4. Le caratteristiche di stabilità dei punti di equilibrio sono facilmente
verificabili guardando la figura 1.30 e notando che |f  (1 − 1/A)| < 1 per 1 < A < 3,
mentre |f  (1 − 1/A)| > 1 per 3 < A ≤ 4. 

Problema 1.39 Studiare, per 3 < A ≤ 4, il comportamento del modello logistico


definito dall’equazione (1.37).
1.4 Il modello logistico classico 29

Fig. 1.31 Grafico di


f 2 (x) = −A3 x 4 + 2A3 x 3 −
A3 x 2 − A2 x 2 + A2 x e
f (x) = Ax(1 − x) per diversi
valori di A

Soluzione Come visto in precedenza, in questo intervallo di valori la soluzione x =


1 − 1/A è instabile. Tuttavia, esistono soluzioni stabili per la mappa f 2 , dove
 
f 2 (x) = A2 x(1 − x) Ax 2 − Ax + 1
= −A3 x 4 + 2A3 x 3 − A3 x 2 − A2 x 2 + A2 x

è l’iterata seconda della funzione f (x) = Ax(1 − x) (il lettore verifichi i passaggi
analitici). Dire che l’iterata seconda ha punti di equilibrio equivale a dire che se x−
e x+ sono le due soluzioni, allora partendo da x0 = x+ si avrà x2k = x+ , k ∈ N
e x2k+1 = x1 = f (x+ ), k ∈ N. Si noti che la mappa xk+1 = f 2 (xk ) ha significato
fintanto che xk ∈ [0, 1] ∀k ∈ N, pertanto è necessario richiedere 0 ≤ f 2 (x) ≤ 1. La
mappa f 2 (x) è nulla in x = 0 e x = 1, i massimi dell’ iterata seconda f 2 sono

A± A2 − 2A
x= ,
2A

su cui f 2 (x) vale max[f 2 (x)] = A/4. Dovendo essere 0 ≤ max[f 2 (x)] ≤ 1, si trova
0 < A ≤ 4, che è soddisfatta in quanto 3 < A ≤ 4. I punti di equilibrio di f 2 (x)
sono 4: x = 0, x = 1 − 1/A e
√ √
A + 1 + A2 − 2A − 3 A + 1 − A2 − 2A − 3
x+ = , x− = .
2A 2A
Gli ultimi due esistono solo per A ≥ 3 e, in tal caso, è comunque assicurato che
tutti i punti di equilibrio si trovino nell’intervallo [0, 1] (si verifichi per esercizio).
In figura 1.31 sono riportate f 2 (x) e f (x) al variare di A. Si noti che il punto di
equilibrio compreso tra x+ e x− è il punto di equilibrio x = 1 − 1/A di f (x). Ai
fini della stabilità occorre conoscere la derivata prima di f 2 (x) (o, in alternativa,
utilizzare il criterio visto nel problema 1.11) che vale

d 2
f (x) = g(x) = −4A3 x 3 + 6A3 x 2 − 2A3 x − 2A2 x + A2 .
dx
30 1 Il caso scalare

Fig. 1.32 Diagramma delle


biforcazioni della logistic
map xk+1 = Axk (1 − xk ) al
variare del parametro A

Essendo g(0) = A2 , il punto di equilibrio x = 0 è instabile per A > 1 (lo si


sapeva già). In x = 1 − 1/A si ottiene g(1 − 1/A) = (A − 2)2 , per cui que-
sto punto di equilibrio è stabile per |A − 2| < 1, ovvero 1 < A < 3 (si ricordi
che per 0 < A < 1 questo punto di equilibrio non esiste), conclusione già nota
dall’analisi precedente. Per i nuovi punti di equilibrio, si ottiene g(x+ ) = g(x− ) =
−(A2 − 2A − 4), ovvero essi hanno la stessa tangente, √ e affinché siano stabili deve
essere | − (A2 − 2A − 4)| < 1, ossia 3 < A < 1 + 6 ≈ 3.45. Le caratteristiche di
stabilità dei punti di equilibrio sono facilmente verificabili
√ guardando la figura 1.31 e
notando √ che |f  (x+ )f  (x− )| < 1 per 3 < A < 1 + √6, mentre |f  (x+ )f  (x− )| > 1
per 1 + 6 < A ≤ 4. Il comportamento per 1 + 6 < A ≤ 4, chiaramente, non
può più essere descritto utilizzando l’iterata seconda, ma si deve ricorrere all’iterata
terza (fintanto che essa ammette punti di equilibrio stabili), quindi all’iterata quarta
e così via. Per 3.45 < A < 3.54 (si ricordi che questi valori sono approssimativi), xk
oscilla tra 4 valori, mentre per A leggermente superiore a 3.54 la soluzione oscilla
tra 8 valori stabili, quindi 16, 32 etc. Questo fenomeno passa sotto il nome di period-
doubling cascade. Si osserva che questi raddoppi del periodo si susseguono sempre
più velocemente e per A ≈ 3.57 si raggiunge una condizione in cui xk assume tutti
valori diversi con l’impossibilità di riconoscere delle oscillazioni periodiche. Inol-
tre, piccole variazioni iniziali portano a stati finali completamente diversi (sensi-
bilità alle condizioni iniziali). In altre parole, si è raggiunto un regime caotico. In
figura 1.32 è riportato l’andamento dei valori della logistic map xk+1 = Axk (1 − xk )
al variare del parametro A.
Si osservi (figura 1.32) che per molti valori di A > 3.57 il comportamento è
caotico, ma per valori isolati di A esiste un comportamento periodico. Queste sono
regioni di stabilità delle soluzioni periodiche. Facendo uno zoom in 3.8 < A < 3.9,
vedi figura 1.33, si nota una di queste regioni intorno ad A ≈ 3.83, dove dapprima ci
sono 3 soluzioni stabili, quindi 6, 12, etc. In altri regioni di stabilità xk oscilla tra 5
soluzioni. I fenomeni caotici, inoltre, sono caraterizzati da una dipendenza sensibile
alle condizioni (dati) iniziali. Questo è particolarmente visibile in figura 1.34 in cui
1.4 Il modello logistico classico 31

Fig. 1.33 Zoom del


diagramma delle biforcazioni
della logistic map
xk+1 = Axk (1 − xk ) al
variare del parametro A. Si
noti la presenza di una
regione con soluzioni
periodiche per A ≈ 3.83

si osserva, per A = 4.0, che due soluzioni inizialmente molto vicine x0 = 0.1000
(linea continua, pallini pieni) e x0 = 0.1001 (linea tratteggiata, pallini vuoti), pur
essendo praticamente sovrapposte fino a k = 6, si allontanano poi velocemente l’una
dall’altra. 

Problema 1.40 Verificare numericamente (utilizzando, per esempio, un foglio elet-


tronico o un ambiente di calcolo scientifico) i seguenti asserti.
1. Per A > 4 e per quasi tutti i dati iniziali x0 (si veda il paragrafo 1.5) esiste k ∈ N
tale che xk < 0.
2. Per 0 < A ≤ 1 il solo punto di equilibrio è x = 0 e risulta stabile.
3. Per 1 < A < 3 esistono due soluzioni di equilibrio, di cui una è x = 0 ed è
instabile e l’altra è x = 1 − 1/A ed è stabile.

Fig. 1.34 Sensibilità alle condizioni iniziali per l’equazione logistica xk+1 = Axk (1 − xk ),
N = 50, A = 4.0. Confronto tra x0 = 0.1000 (linea continua, pallini pieni) e x0 = 0.1001 (li-
nea tratteggiata, pallini vuoti). Si noti che le due soluzioni sono praticamente sovrapposte fino a
k = 6, ma poi si allontanano l’una dall’altra
32 1 Il caso scalare

Fig. 1.35 Storia temporale xk e studio dei punti di equilibrio per l’equazione logistica
xk+1 = Axk (1 − xk ), N = 50, A = 3.6, x0 = 0.1. Si noti la presenza di una regione limitata visitata
dalla soluzione

4. Per A = 3 entrambi i punti di equilibrio sono instabili. Cosa succede partendo da


x0 = 2/3?
5. Si fissino x0 ed N (possibilmente molto elevato, 5000). Si discutano i risultati
ottenuti per A ∈ {3.39, 3.40, 3.41, 3.42, 3.43, 3.44, 3.45, 3.46}.
6. Si trovi il valore di A preciso alla quinta cifra significativa che provoca il secondo
raddoppio del periodo.
7. Si fissino x0 = 0.1 ed N = 1000 e si discutano i risultati ottenuti per A ∈
{3.6, 4.0}.
8. Fissati x0 ed N , discutere i risultati per A ≈ 3.83 e A ≈ 3.845.

Soluzione Rispondiamo punto per punto.

1. Si fissi A = 4 + ε (per esempio A = 4.001) e si facciano diverse prove al variare


di N e x0 .
2. Fare diverse prove al variare di A ∈ ]0, 1[ e x0 ∈ ]0, 1[.
3. Scegliere diversi valori di A ∈ ]1, 3[ e x0 ∈ ]0, 1[, verificando che si converge
sempre al numero 1 − 1/A.
4. Facile.
5. Si dovrebbe vedere la successione oscillare prima tra 2 valori e poi tra 4.
6. Per A = 3.4121 si notano 4 valori diversi, per A = 3.4120 solo 2. Quindi A =
3.4121.
7. Per A = 3.6 si nota una regione limitata visitata dalla soluzione (figura 1.35), per
A = 4.0 praticamente xk assume tutti i valori possibili (figura 1.36).
8. Si dovrebbero ottenere rispettivamente una soluzione periodica di periodo 3 e
una di periodo 6. Si vedano le figure 1.37 e 1.38.

Lo svolgimento è completo. 
1.4 Il modello logistico classico 33

Fig. 1.36 Storia temporale xk e studio dei punti di equilibrio per l’equazione logistica
xk+1 = Axk (1 − xk ), N = 50, A = 4.0, x0 = 0.1. Si noti che, praticamente, xk assume tutti i
valori possibili

Fig. 1.37 Storia temporale xk e studio dei punti di equilibrio per l’equazione logistica xk+1 =
Axk (1 − xk ), N = 50, A = 3.83, x0 = 0.15615. Si noti la presenza di un’orbita di periodo 3

Fig. 1.38 Storia temporale xk e studio dei punti di equilibrio per l’equazione logistica
xk+1 = Axk (1 − xk ), N = 50, A = 3.845, x0 = 0.14323. Si noti la presenza di un’orbita di pe-
riodo 6
34 1 Il caso scalare

1.5 Logistica e insiemi di Cantor

L’equazione1 logistica discreta, introdotta nel problema 1.36,

xk+1 = f (xk ), f (x) = Ax(1 − x),

è una fonte quasi inesauribile di ispirazione per uno studioso di Sistemi Dinamici.
Si è visto che tale equazione ha un effettivo significato biologico soltanto per 0 <
A ≤ 4. Infatti, per valori del parametro A superiori a 4 capita che ci siano delle
condizioni iniziali x0 che raggiungono valori negativi dopo una o più iterazioni. Ci
proponiamo qui di verificare che esistono comunque dei valori iniziali per cui questo
non succede, e cercheremo di caratterizzare l’insieme di tali valori.

Problema 1.41 Sia E ⊆ [0, 1] il più grande insieme tale che si abbia f k (x) ∈ [0, 1]
per ogni x ∈ E e per ogni k ≥ 1. Si dimostri che E è un insieme chiuso e perfetto.2

Soluzione Per ogni k ≥ 1 poniamo


 
Ek := x ∈ [0, 1] : f k (x) ∈ [0, 1] ;

l’insieme cercato è dato dall’intersezione di tutti gli Ek , ovvero



E= Ek .
k≥1

Poiché ogni Ek è la preimmagine dell’insieme chiuso [0, 1] tramite la funzione con-


tinua f k , ne risulta che ogni Ek è chiuso, e dunque anche E è chiuso.
Dimostriamo che E è fatto solo di punti di accumulazione. Intanto, proviamo che
Ek è l’unione disgiunta di 2k intervalli chiusi disgiunti: per fare questo, osserviamo
il grafico della funzione f dell’equazione logistica nella figura 1.39. Si vede subito
che
1   
E1 = [0, p1 ] ∪ [p2 , 1], p1,2 = A ∓ A(A − 4)
2A
dove p1,2 sono le radici dell’equazione f (x) = 1.
Per calcolare E2 , ci aiutiamo con la figura 1.40, che riporta il grafico di f 2 (x)
ristretta ad E1 . Come si vede, le due parti del grafico di f 2 sono qualitativamente
simili al grafico di f , e dunque per ognuna di queste si avranno due intervalli chiusi
disgiunti in cui f 2 (x) ≤ 1. Quindi

1 LaSezione 1.5 è a cura del Prof. Alessandro Musesti, Dipartimento di Matematica e Fisica “Nic-
colò Tartaglia”, Università Cattolica del Sacro Cuore, Brescia.
2 Uninsieme E si dice perfetto se tutti i suoi punti sono di accumulazione. Un punto x ∈ E è di
accumulazione se esiste una successione xk in E \ {x} tale che xk → x.
1.5 Logistica e insiemi di Cantor 35

Fig. 1.39 Il grafico della


funzione f (x) con A = 5

E2 = [0, q1 ] ∪ [q2 , p1 ] ∪ [p2 , q3 ] ∪ [q4 , 1],

dove i qi sono le quattro soluzioni dell’equazione di quarto grado f (f (x)) = 1.3


Questo argomento può essere esteso a tutti i k ≥ 1: la funzione f k ha 2k−1 punti
di massimo, tutti con valore più grande di 1, e 2k−1 − 1 punti di minimo, tutti con
valore negativo. Quindi ci sono esattamente 2k intervalli disgiunti in cui la funzione
ha valore compreso tra 0 e 1. Si veda ad esempio il grafico di f 3 nella figura 1.41
(dove il punto di minimo in 12 è stato tagliato). Prendiamo ora un punto x ∈ E.
Allora si ha x ∈ Ek per ogni k ≥ 1 (essendo E l’intersezione di tutti) e quindi x
appartiene a un ben determinato intervallo [ak , bk ] ⊂ Ek per ogni k. Ora, al crescere
di k si hanno due possibilità: o l’intervallo [ak , bk ] tende a ridursi al solo punto x,
e dunque la successione degli estremi dell’intervallo tende a x, oppure [ak , bk ] non

Fig. 1.40 Il grafico della funzione f 2 (x) con A = 5

3 Non è necessario trovare l’espressione dei qi ma, volendo, con l’aiuto di un calcolatore si ha
 
1 1 A−4
b1,2,3,4 = ∓ √ A−2∓2 .
2 2 A A
36 1 Il caso scalare

Fig. 1.41 Il grafico della


funzione f 3 (x) con A = 5

si riduce al solo punto x e dunque contiene sempre dei punti vicini a x ma diversi
da x. In ogni caso, x è di accumulazione per E, dunque E è perfetto. 

Osserviamo che E non è vuoto, in quanto contiene 0, 1 e in generale tutti i punti


in [0, 1] soluzioni dell’equazione f k (x) = 1 al variare di k (in particolare quindi gli
xi e gli ai ). Partendo da uno di questi punti e iterando l’equazione logistica si finisce
in 0 in un numero finito di passi.

1.5.1 Insiemi di tipo Cantor

Introduciamo ora una definizione: un insieme di tipo Cantor è un insieme (non


vuoto) chiuso, limitato, perfetto e che non contiene alcun intervallo. Gli insiemi
di tipo Cantor sono insiemi particolarmente “sparpagliati”, perché non contengono
intervalli, ma allo stesso tempo i loro punti sono “vicini” l’uno all’altro, perché
sono perfetti, e dunque ogni punto dell’insieme è raggiungibile da una successione
di punti dell’insieme. Tali insiemi sono anche noti col nome evocativo di polvere di
Cantor.
Il primo esempio di un insieme siffatto fu costruito proprio da Georg Can-
tor (1845–1918) nel modo seguente: partendo dall’intervallo [0, 1], rimuoviamo
l’intervallo aperto centrale grande 1/3, ottenendo l’insieme C1 = [0, 1/3] ∪ [2/3, 1].
Ora rimuoviamo da ognuno dei due intervalli rimasti l’intervallo aperto centrale
grande 1/9, ottenendo l’insieme
       
1 2 1 2 7 8
C2 = 0, ∪ , ∪ , ∪ ,1 .
9 9 3 3 9 9
Iterando il procedimento e rimuovendo ogni volta al passo k gli intervalli aperti
centrali grandi 3−k , si arriva ad un insieme

C= Ck
k≥1
1.5 Logistica e insiemi di Cantor 37

Fig. 1.42 La costruzione


dell’insieme di Cantor

che è perfetto, chiuso e non contiene intervalli. Tale insieme, riportato in figura 1.42
solo per i primi valori di k, è anche uno dei primi esempi di insieme frattale.

Problema 1.42 Dimostrare che la lunghezza dell’insieme di Cantor C è nulla.

Soluzione Osserviamo che dal segmento iniziale togliamo al primo passo un seg-
mento lungo 1/3. Al secondo passo togliamo due segmenti lunghi 1/9, quindi in
tutto abbiamo tolto una lunghezza pari a

1 2
+ .
3 9
Al terzo passo togliamo quattro segmenti lunghi 1/27, quindi in tutto abbiamo tolto

1 2 4
+ + .
3 9 27
Continuando così, dopo le infinite iterazioni abbiamo tolto in tutto una lunghezza
pari a
∞ n−1
 2
3n
n=1

e dalla teoria sulle serie geometriche risulta


∞ n−1
 ∞  
2 1 2 n 1 1
= = = 1.
3n 3 3 31− 2
3
n=1 n=0

Quindi dal segmento iniziale lungo 1 abbiamo tolto una lunghezza totale di 1. Quello
che resta ha lunghezza nulla (pur non essendo un insieme vuoto, anzi la sua cardi-
nalità ha la potenza del continuo). 

Come si vede, la costruzione di Cantor del suo insieme ricorda un po’ come è
costruito l’insieme E invariante per l’equazione logistica, nel senso che ad ogni
passo della costruzione si raddoppia il numero degli intervalli, rimpicciolendone la
dimensione. In effetti, vogliamo dimostrare che anche E è un insieme di tipo Cantor.
Tale proprietà, vera per ogni A > 4, è però più facile da dimostrare se ci mettiamo
in un caso lievemente più particolare.

Problema 1.43 Nel caso A > 2 + 5 dimostrare che E è un insieme di tipo Cantor.
38 1 Il caso scalare

Soluzione Abbiamo già mostrato che l’insieme E è non vuoto, chiuso e perfetto.
Inoltre è evidentemente limitato. Resta solo da mostrare che non contiene alcun
intervallo.
Poniamo M := f  (p1 ) (quindi M > 0). L’idea principale è osservare che
  
f (x) ≥ M per ogni x ∈ E1 .

Infatti: f  (x) = −2Ax ≤ 0, quindi la funzione f  è decrescente. Inoltre, f 


nell’intervallo [0, p1 ] è positiva e dunque ha modulo minimo in p1 , mentre
nell’intervallo [p2 , 1] è negativa, quindi ha modulo minimo in p2 . Con un semplice
calcolo si ha poi
  
M = f  (p1 ) = f  (p2 ) = A(1 − 2p1 ) = A(A − 4)

e in particolare M > 1 proprio per A > 2 + 5.
Da questo fatto, derivando per composizione si trova che per ogni x ∈ E2 si ha
 2       
 f (x) = f f (x) f  (x) ≥ M 2

e iterando questo ragionamento è facile vedere che


 k  
 f (x) ≥ M k per ogni x ∈ Ek . (1.44)

A questo punto possiamo mostrare che E non contiene alcun intervallo: infatti, sup-
poniamo che esista [a, b] ⊂ E. Intanto osserviamo che si ha anche f k ([a, b]) ⊂ E,
poiché l’insieme E è invariante per f . Poi applichiamo il teorema di Lagrange (del
valor medio) alla funzione f k su tale intervallo: si ha
 
f k (b) − f k (a) = (b − a) f k (ck ), ck ∈ [a, b]

quindi, ricordando la (1.44),


 k 
f (b) − f k (a) ≥ M k |b − a|.

Siamo nel caso M > 1, dunque per k abbastanza grande si avrà M k |b − a| > 1,
per cui anche |f k (b) − f k (a)| > 1. Ma questo non può accadere, perché
f k (a), f k (b) ∈ E, visto che è invariante; essendo un sottoinsieme di [0, 1], non
può essere che la distanza di due punti di E superi 1. Abbiamo cosıottenuto una
contraddizione, per cui non può esistere alcun intervallo contenuto in E. 

1.5.2 La mappa a tenda

Per comprendere meglio il legame tra gli insiemi di tipo Cantor e l’equazione logi-
stica, si può studiare un problema un po’ più semplice, introducendo la cosiddetta
1.5 Logistica e insiemi di Cantor 39

Fig. 1.43 La mappa a tenda per B = 3/2 e B = 2

mappa a tenda. Si tratta, come nel caso dell’equazione logistica, di studiare il pro-
blema

Bx per x ∈ [0, 12 ],
xk+1 = g(xk ) con g(x) = (1.45)
B(1 − x) per x ∈ [ 12 , 1],

dove B > 0.4 Il grafico della funzione g(x) ricorda appunto una tenda, come si vede
nella figura 1.43.
Il comportamento qualitativo della soluzione dell’equazione logistica può essere
riprodotto anche nella mappa a tenda, che dal punto di vista computazionale è più
trattabile, visto che è fatta da tratti lineari (anche se dal punto di vista analitico
potrebbe presentare qualche difficoltà per la presenza del punto angoloso). In parti-
colare, il comportamento della (1.45) per B = 2 è analogo a quello dell’equazione
logistica per A = 4 (e quindi risulta caotico).
Anche per la mappa a tenda ci si può chiedere cosa succede per valori del para-
metro B superiori a 2, per ciò che riguarda l’insieme invariante, ovvero l’insieme
G ⊂ [0, 1] più grande per cui g : G → G. Risulta che anche in questo caso l’insieme
G è un insieme di tipo Cantor. La cosa interessante è che per B = 3 si ottiene esat-
tamente l’insieme C di Cantor costruito sopra.

Problema 1.46 Si dimostri che l’insieme di Cantor C coincide con l’insieme


  
G= Gk dove Gk := x ∈ [0, 1] : g k (x) ∈ [0, 1] .
k≥1

4 Si può scrivere, in forma più compatta,


  
1  1 
g(x) = B − x − .
2 2
40 1 Il caso scalare

Soluzione È sufficiente dimostrare che si ha Gk = Ck , dove Gk è definito nel te-


sto del problema e Ck è il k-esimo passo della costruzione dell’insieme di Cantor.
Infatti: risolvendo 0 ≤ g(x) ≤ 1, ovvero 0 ≤ 3x ≤ 1 e 0 ≤ 3(1 − x) ≤ 1, si ottiene
   
1 2
x ∈ 0, ∪ ,1
3 3

e dunque G1 = C1 .
Studiamo ora la funzione g 2 . Consideriamo prima la restrizione di g 2 al primo
intervallo [0, 1/3], ovvero
 
  1
g g(x) : 0, → R.
3

La funzione interna g(x) è lineare e porta l’intervallo [0, 1/3] nell’intervallo [0, 1]
in maniera biunivoca. Quindi possiamo effettuare il cambio di variabile y = g(x) e
riscrivere la funzione g 2 come

g(y) : [0, 1] → R.

Ci siamo ricondotti al passo precedente, quello della funzione g, e abbiamo già visto
che si ha 0 ≤ g(y) ≤ 1 per y ∈ [0, 1/3] ∪ [2/3, 1]. Ritornando alla variabile x si ha
che, per x ∈ [0, 1/3],
   
1 2 1
0 ≤ g (x) ≤ 1
2
⇐⇒ x ∈ 0, ∪ , .
9 9 3

Ripetendo lo stesso ragionamento per l’intervallo [2/3, 1], si ottiene anche


   
2 7 8
0 ≤ g 2 (x) ≤ 1 ⇐⇒ x∈ , ∪ ,1 ,
3 9 9

e dunque in definitiva G2 = C2 (in figura 1.44 sono riportate rispettivamente g(x) e


g 3 (x) per B = 3).
Questo discorso può essere propagato per induzione: ogni volta che considero la
funzione g k ristretta a uno degli intervalli di Gk−1 , e impongo 0 ≤ g k (x) ≤ 1, posso
effettuare un cambio di variabile e trovare che si divide l’intervallo in tre parti uguali
e si rimuove quella centrale, ottenendo quindi Gk = Ck . 

1.6 Il modello logistico esatto

Dal modello logistico continuo è possibile derivare, tramite un’approssimazione, il


modello logistico classico.
1.6 Il modello logistico esatto 41

Fig. 1.44 Il grafico di g(x) e di g 2 (x) nel caso B = 3

Problema 1.47 (Derivazione deI modello discreto) Siano r, K > 0. A partire dal
modello logistico continuo
 
x
ẋ = rx 1 − ,
K
derivare il corrispondente modello logistico discreto (approssimato),

  r
xk+1 = 1 + r  xk − xk2 , k ∈ N,
K

per r  > 0 (dipendente da r e dal passo t della discretizzazione temporale fissata).

Soluzione Fissato un passo t sufficientemente piccolo, essendo

x(t + t) − x(t)


ẋ(t) ≈ ,
t
si ha
 
x(t)
x(t + t) ≈ x(t) + rtx(t) 1 − .
K
Ponendo xk = x(tk ), xk+1 = x(tk + t) e r  = rt, si ottiene

  r
xk+1 = 1 + r  xk − xk2 ,
K
che è il modello logistico classico. Osserviamo che il valore del passo temporale
t gioca un ruolo importante nella dinamica di questa equazione, come abbiamo
visto nella sezione precedente. In particolare, nel passare dal modello differenziale
al modello alle differenze, la lunghezza del passo è legata al regime più o meno
caotico del sistema. 
42 1 Il caso scalare

Vediamo, nel seguente problema, come l’equazione differenziale della logistica


non implichi esattamente alla legge logistica discreta.

Problema 1.48 (Il modello esatto, detto di Beverton-Holt) Siano r, K > 0. A partire
dal modello logistico continuo
 
x
ẋ = rx 1 − ,
K

derivare il corrispondente modello logistico discreto (esatto),



Ker xk
xk+1 =  k ∈ N, (1.49)
(e − 1)xk + K
r

per r  > 0 (dipendente da r e dal passo t della discretizzazione temporale fis-


sata). Confrontare poi tale legge con la legge logistica classica (con riferimento al
Problema 1.47) vicino ai valori di equilibrio.

Soluzione Separando le variabili e integrando l’equazione dal tempo t al tempo


t + t, con t > 0, si ha
x(t+t) t+t
Kdξ
=r dξ = rt,
x(t) ξ(K − ξ ) t

per cui
x(t+t)  1 1

+ dξ = rt,
x(t) ξ K −ξ
che implica (ricordando che x(t) varia tra 0 e K), per ogni t > 0,
   
x(t + t) x(t) − K = ert x(t) x(t + t) − K .

Pertanto concludiamo che


Kert x(t)
x(t + t) =
(ert − 1)x(t) + K
ossia in versione discreta
Kert x
xk+1 = f (xk ), k ∈ N, f (x) = . (1.50)
(ert − 1)x + K

Posto r  = rt, la (1.50) e la (1.49) coincidono.


I punti di equilibrio di f sono l’origine x = 0 e x = K. Si ha

Kert [(ert − 1)x + K] − Kert (ert − 1)x K 2 ert


f  (x) = = ,
((ert − 1)x + K)2 ((ert − 1)x + K)2
1.6 Il modello logistico esatto 43

da cui |f  (0)| = ert > 1 e |f  (K)| = ert


1
< 1; pertanto l’origine è instabile mentre
x = K è localmente asintoticamente stabile. Osserviamo inoltre che, preso un qua-
lunque valore iniziale x0 > 0, la corrispondente successione xk = f k (x0 ) è positiva
(per induzione) e limitata, essendo

Kert xk Kert
0 < xk+1 = ≤ rt , k ∈ N.
(ert− 1)xk + K e −1

La funzione f è strettamente crescente (f  > 0), per cui automaticamente la suc-


cessione xk è anche monotona, ed esiste  < ∞ tale che

lim xk = .
k→∞

Essendo  un punto fisso di f , deve essere  = 0 oppure  = K. Essendo x = 0 un


punto repulsivo, deve necessariamente essere  = K, per cui x = K risulta global-
mente asintoticamente stabile. In alternativa, si può utilizzare il criterio 1.30 per la
stabilità globale, osservando che risulta

K < f (x) < x, per x > K, x < f (x) < K, per x < K.

Con riferimento al problema 1.47, l’equazione classica della logistica non adimen-
sionalizzata è
rt 2
xk+1 = (1 + rt)xk − x , k ∈ N,
K k
che ammette (come prevedibile) gli stessi punti di equilibrio della legge (1.50),
x = 0 e x = K. Posto
rt 2
g(x) = (1 + rt)x − x ,
K
si ha g  (x) = (1 + rt) − 2rt
K x, per cui

g  (0) = 1 + rt > 1, g  (K) = 1 − rt < 1 (per rt < 2),

per cui l’origine è instabile e x = K è localmente asintoticamente stabile, per r ∈


(0, 2). Osserviamo che

f (x) Kert
lim = lim = 1,
x→K g(x) x→K ((ert − 1)x + K)((1 + rt) − rt
K x)

f (x) Kert ert


lim = lim = .
x→0 g(x) x→0 ((ert − 1)x + K)((1 + rt) − rt
K x)
1 + rt

In particolare,
f (x)
lim → 1, per t → 0,
x→0 g(x)
44 1 Il caso scalare

Fig. 1.45 Confronto tra il modello logistico continuo ed il modello logistico discreto esatto (Be-
verton-Holt), K = 2. r  = 1.0 (sinistra) e r  = 0.5 (destra). Si noti che le due funzioni si compor-
tano allo stesso modo nell’intorno di x = 0 e di x = K = 2

Fig. 1.46 Confronto tra il


modello logistico continuo ed
il modello logistico discreto
esatto (Beverton-Holt), K = 2
e r  = 0.1. Si noti che le due
funzioni si comportano
praticamente allo stesso modo
nell’intervallo esaminato

per cui il comportamento dei due modelli nei pressi della soluzione di equilibrio sta-
bile x = K è lo stesso, mentre nell’intorno della soluzione nulla è quantitativamente
simile purché r  = rt sia piccolo, ovvero il passo temporale della discretizzazione
sia scelto sufficientemente piccolo. Nelle figure 1.45 e 1.46 sono confrontati il mo-
dello logistico continuo ed il modello logistico discreto esatto (Beverton-Holt) al
diminuire del parametro r  . Si noti che, per r  piccolo, le funzioni f (x) e g(x) si
comportano praticamente allo stesso modo nell’intervallo di interesse. 

1.7 Esponente di Lyapunov

Forniamo ora un’interpretazione dell’esponente di Lyapunov come deformazione


(allungamento se L(x0 ) > 0 e contrazione se L(x0 ) < 0) esponenziale tra due punti
vicini x0 e x0 + ε, durante iterazioni successive.
1.7 Esponente di Lyapunov 45

Problema 1.51 Siano f : I → I una mappa di classe C 1 , I ⊆ R, x0 ∈ I . Derivare


la formula dell’esponente di Lyapunov a partire da questa definizione approssimata

εek L(x0 ) ≈ f k (x0 + ε) − f k (x0 ),

per ε → 0 e k → +∞.

Soluzione Proviamo anzitutto che, se xk+1 = f (xk ), per ogni k ≥ 1 vale la seguente
formula
d k  k−1
f (x0 ) = f  (xj ).
dx
j =0

Ragioniamo per induzione su k ≥ 1. Se k = 1, allora la formula risulta banalmente


verificata. Supponiamo ora che la formula sia vera per un certo k ≥ 2, e mostriamo
che è vera anche per k + 1. Si ha
d k+1 d
f (x0 ) = f ◦ f k (x0 )
dx dx
  d  k d  k
= f  f k (x0 ) f (x0 ) = f (x0 )f  (xk )
dx dx

k−1 
k
 
= f (xj )f (xk ) = f  (xj ),
j =0 j =0

per cui la proprietà è vera per il principio di induzione. Dividendo per ε e passando
(formalmente) al limite per ε → 0 nella formula approssimata si deduce che
   
 f k (x0 + ε) − f k (x0 )   d k 
e k L(x0 ) 
≈  lim =  f (x0 ), per k → +∞.
ε→0 ε  dx
Passando al logaritmo e utilizzando la formula della derivata dimostrata sopra, si
deduce

k−1
    k−1
 
kL(x0 ) ≈ ln f (xj ) = lnf  (xj ), per k → +∞,
j =0 j =0

da cui segue la formula che definisce l’esponente di Lyapunov. 

L’esponente di Lyapunov di xk+1 = f (xk ) rimane invariato lungo lungo i valori


della successione (xk ).

Problema 1.52 Siano f : I → I di classe C 1 con f  (x) = 0 per ogni x ∈ I . Allora

L(x0 ) = L(xk ), ∀k ≥ 1,

dove xk+1 = f k (x0 ), per un dato iniziale x0 ∈ I .


46 1 Il caso scalare

Soluzione Osserviamo anzitutto che, per ogni i ≥ 1, si ha

1    
k+i−1
L(xi ) = lim ln f (xm ).
k→+∞ k
m=i

Allora, per ogni i ≥ 1, si ha

1    
k−1
L(x0 ) = lim ln f (xm )
k→+∞ k
m=0
 i−1 
1        
k−1
= lim ln f (xm ) + lnf (xm )
k→+∞ k
m=0 m=i
 i−1 
1     
k+i−1

= lim lnf  (xm ) + lnf  (xm )
k→+∞ k + i
m=0 m=i

1 
k+i−1
 
= lim lnf  (xm )
k→+∞ k + i
m=i

1 
k+i−1
 
= lim lnf  (xm ) = L(xi ),
k→+∞ k
m=i

da cui la tesi. 

Il seguente problema evidenza un semplice collegamento tra la stabilità


dell’equilibrio e il segno dell’esponente di Lyapunov.

Problema 1.53 Siano f : I → I una mappa di classe C 1 , I ⊂ R e x0 ∈ I .


Supponiamo che x0 sia un punto di equilibrio per xk+1 = f (xk ) con
  
f (x0 ) > 1,

ossia un equilibrio instabile. Dimostrare allora che

L(x0 ) > 0,

per cui f esibisce dipendenza sensibile dai dati iniziali in x0 .


Supponiamo che x0 si un punto di equilibrio per xk+1 = f (xk ) con
  
f (x0 ) < 1,

quindi localmente asintoticamente stabile. Dimostrare allora che

L(x0 ) < 0,

per cui f esibisce dipendenza continua dai dati iniziali.


1.7 Esponente di Lyapunov 47

Fig. 1.47 Andamento dell’esponente di Lyapunov η(A) al variare del parametro 3 ≤ A ≤ 4. Si


noti che l’esponente diventa nullo in corrispondenza delle biforcazioni (raddoppio del periodo),
diventa positivo all’insorgere del caos (A ≈ 3.57), e rimane negativo nelle isole di stabilità. Risulta
particolarmente istruttivo confrontare questa figura con il diagramma di biforcazione riportato nelle
figure 1.32 e 1.33

Soluzione Ricordando la definizione di esponente di Lyapunov in x0

1    
k−1
L(x0 ) = lim ln f (xm ),
k→+∞ k
m=0

tenuto conto che il punto x0 è di equilibrio, si ha

1      
k−1
L(x0 ) = lim ln f (x0 ) = lnf  (x0 ),
k→+∞ k
m=0

da cui discendono immediatamente le affermazioni desiderate. 

Problema 1.54 Sia A > 1 e consideriamo l’equazione della logistica


xk+1 = Axk (1 − xk ), x0 = 1/2.
Rappresentare graficamente i valori (approssimati) dell’esponente di Lyapunov
L(1/2) al variare di A > 3, individuando poi per quali valori di A si ha L(1/2) > 0.

Soluzione Si ha f  (x) = A − 2Ax, per cui

1 
k+i−1
L(x0 ) = L(xi ) = lim ln |A − 2Axm | ≈ η(A),
k→+∞ k
m=i

dove
1 
1499
η(A) = ln |A − 2Axm |.
1000
m=500
48 1 Il caso scalare

In figura 1.47 è riportato il grafico ed il segno di η. Si osservi che l’esponente diventa


nullo in corrispondenza delle biforcazioni (raddoppio del periodo), diventa positivo
all’insorgere del caos (A ≈ 3.57), e rimane negativo nelle isole di stabilità. 
Capitolo 2
Il caso vettoriale

La matematica, rettamente concepita, non possiede soltanto la


verità, ma la suprema beltà, beltà fredda e austera, come quella
della scultura, senza ricorsi alle debolezze della nostra natura,
senza i fastosi ornamenti della pittura o della musica, ma d’una
purezza sublime e capace d’una severa perfezione, quale
soltanto l’arte più elevata può raggiungere.
Bertrand Arthur William Russell (1872–1970)

In questo capitolo consideriamo alcuni esempi di sistemi di due equazioni alle dif-
ferenze

xk+1 = f (xk , yk ),
k ∈ N, (2.1)
yk+1 = g(xk , yk ),

dove f, g sono funzioni reali definite e continue su un dominio D di R2 .

2.1 Richiami di teoria


Un punto di equilibrio per il sistema alle differenze (2.1) è una soluzione
(x0 , y0 ) ∈ D del sistema algebrico di due equazioni in due incognite

f (x, y) = x,
(x, y) ∈ D.
g(x, y) = y,

Supponiamo che le funzioni f e g siano di classe C 2 (D) e consideriamo un punto


di equilibrio (x0 , y0 ) per (2.1). Gli sviluppi di Taylor f e g attorno all’equilibrio
(x0 , y0 ) fino all’ordine due forniscono
 
∂f  ∂f 
f (x, y) − x0 = (x − x0 ) + (y − y0 )
∂x (x0 ,y0 ) ∂y (x0 ,y0 )
 
∂ 2f  (x − x0 )2 ∂ 2 f  (y − y0 )2
+ 2  + 2 + ··· ,
∂x (x0 ,y0 ) 2! ∂y (x0 ,y0 ) 2!

© Springer-Verlag Italia 2016 49


M. Squassina, S. Zuccher, Introduzione all’Analisi Qualitativa dei Sistemi Dinamici
Discreti e Continui, UNITEXT – La Matematica per il 3+2 96,
DOI 10.1007/978-88-470-5791-3_2
50 2 Il caso vettoriale

e
 
∂g  ∂g 
g(x, y) − y0 = (x − x ) + (y − y0 )
∂x (x0 ,y0 ) ∂y (x0 ,y0 )
0

 
∂ 2 g  (x − x0 )2 ∂ 2 g  (y − y0 )2
+ 2 + 2 + ··· .
∂x (x0 ,y0 ) 2! ∂y (x0 ,y0 ) 2!

Posto ξ = x − x0 , η = y − y0 e introducendo la matrice Jacobiana


 ∂f ∂f 

∂x ∂y 
J (x0 , y0 ) = ∂g ∂g  ,

∂x ∂y (x0 ,y0 )

quando ξ e η sono piccoli si ha


   
f (ξ + x0 , η + y0 ) − x0 ξ
≈ J (x0 , y0 ) .
g(ξ + x0 , η + y0 ) − y0 η

Ponendo ora
ξk = x k − x 0 , ηk = yk − y 0 ,
possiamo considerare il sistema lineare alle differenze
   
ξk+1 ξ
= J (x0 , y0 ) k . (2.2)
ηk+1 ηk

Definizione 2.3 Sia A una matrice n × n a coefficienti reali e siano λ1 , . . . , λn i suoi


autovalori. Denotiamo con (A) il raggio spettrale di A, definito da

(A) = max |λj |.


j =1,...,n

Teorema 2.4 Sia A una matrice n × n a coefficienti reali. Allora

(A) < 1 ⇐⇒ lim Am = 0,


m→∞

dove Am indica il prodotto di A per se stessa m volte e 0 denota la matrice nulla.

Dalla rappresentazione matriciale (2.2) risulta allora che la condizione di stabilità


del punto (x0 , y0 ), ossia ξk → 0 e ηk → 0 per k → ∞, si traduce nella condizione
(J (x0 , y0 )) < 1. Pertanto, gli autovalori λi di J (x0 , y0 ) devono essere tali per cui

|λi | < 1, i = 1, 2.

Infatti, posto Yk = (ξk , ηk ), per ogni k ≥ 1, si ha

Yk = J (x0 , y0 )Yk−1 = J 2 (x0 , y0 )Yk−2 = · · · = J k (x0 , y0 )Y0 ,


2.2 Alcuni esempi 51

per cui, se (J (x0 , y0 )) < 1, dalla proposizione 2.4 si deduce che Yk → 0, che equi-
vale a ξk → 0 e ηk → 0 per k → ∞, da cui la stabilità. Ora, l’equazione caratteri-
stica degli autovalori di J (x0 , y0 ) è

λ2 − tr J (x0 , y0 )λ + det J (x0 , y0 ) = 0,

dove tr J e det J denotano rispettivamente la traccia e il determinante di J .


Come enunciato di seguito, nel caso bidimensionale, esiste un criterio molto sem-
plice per verificare se gli autovalori sono contenuti nel disco unitario aperto di C.

Teorema 2.5 (Condizioni di Jury o Criteri di Schur-Cohn) Siano f, g ∈ C 1 (D),


dove D ⊂ R2 è un sottoinsieme aperto che contiene un punto di equilibrio (x0 , y0 )
del sistema (2.1). Allora (x0 , y0 ) è localmente asintoticamente stabile se e soltanto
se
 
tr J (x0 , y0 ) < 1 + det J (x0 , y0 ) < 2.

In particolare, l’equilibrio (x0 , y0 ) è instabile quando una delle seguenti disugua-


glianze è soddisfatta

tr J (x0 , y0 ) > 1 + det J (x0 , y0 ),


tr J (x0 , y0 ) < −1 − det J (x0 , y0 ),
det J (x0 , y0 ) > 1.

Naturalmente, i test di Jury (o criteri di Schur-Cohn) per verificare che gli au-
tovalori cadano tutti nel disco unitario aperto di C centrato nell’origine si possono
enunciare anche per sistemi a più di due componenti. Ad esempio, se per la matrice
Jacobiana di un sistema in R3 il polinomio caratteristico è

C(λ) = λ3 + a1 λ2 + a2 λ + a3 , a1 , a2 , a3 ∈ R,

allora C(λ) = 0 implica |λ| < 1 se e soltanto se:

1 + a1 + a2 + a3 > 0,
1 − a1 + a2 − a3 > 0,
1 − a32 > |a2 − a3 a1 |.

Esistono delle condizioni di Jury, piuttosto complicate, per il caso generale di di-
mensioni n ≥ 2 qualunque.

2.2 Alcuni esempi


Vediamo ora qualche applicazione significativa dei criteri di stabilità per i sistemi di
due equazioni alle differenze. I modelli biologici che seguono sono tratti da [3].
52 2 Il caso vettoriale

Problema 2.6 Studiare il sistema preda-predatore alle differenze



xk+1 = xk (α − xk ) − xk yk ,
(2.7)
yk+1 = βyk + xk yk ,

con α ∈ (0, ∞) e β ∈ (0, 1), dove xk sono le prede e yk i predatori.

Soluzione I punti di equilibrio (x0 , y0 ) di (2.7), che soddisfano il sistema



x(α − x − y − 1) = 0,
y(β + x − 1) = 0,

sono l’origine (0, 0), (α − 1, 0) (non banale e positivo per le prede se e solo se
α > 1) e (1 − β, α + β − 2) (non banale e positivo per prede e predatori se e solo se
α + β > 2). La matrice Jacobiana risulta
 
α − 2x − y −x
J (x, y) = .
y β +x

In particolare, nei punti di equilibrio, si ha


   
α 0 −α + 2 1−α
J (0, 0) = , J (α − 1, 0) = ,
0 β 0 β +α−1
e
 
β β −1
J (1 − β, α + β − 2) = .
α+β −2 1
Allora, in accordo con la Proposizione 2.5, la condizione di locale asintotica stabilità
locale per l’origine diventa

α + β < 1 + αβ < 2.

Pertanto, essendo β < 1, l’origine è localmente asintoticamente stabile se e solo se


α < 1 (per cui si ha l’estinzione di entrambe le specie per k → ∞). Si veda, a tal
proposito, la figura 2.1. La condizione di locale asintotica stabilità per l’equilibrio
(α − 1, 0) è
β + 1 < 1 + (α + β − 1)(2 − α) < 2.
Semplificando la prima disuguaglianza (dopo aver sommato α − 2 termine a ter-
mine) si ha
α + β < 2,
dove stiamo supponendo α > 1, altrimenti l’equilibrio sarebbe negativo e non
avrebbe quindi significato fisico. In figura 2.2 sono riportati il diagramma di
fase e le storie temporali ottenute per α > 1 e α + β < 2, che garantiscono la
2.2 Alcuni esempi 53

Fig. 2.1 Storia temporale di xk (linea continua, pallini pieni) e yk (linea tratteggiata, pallini
vuoti), ed evoluzione dell’orbita nel piano delle fasi (xk , yk ) per il sistema (2.7), α = 0.4, β = 0.6,
(x0 , y0 ) = (0.1, 0.2), N = 20. Si noti la natura stabile dell’origine, che comporta l’estinzione sia
della popolazione delle prede che dei predatori (α < 1)

Fig. 2.2 Storia temporale di xk (linea continua, pallini pieni) e yk (linea tratteggiata, pallini
vuoti), ed evoluzione dell’orbita nel piano delle fasi (xk , yk ) per il sistema (2.7), α = 1.3, β = 0.6,
(x0 , y0 ) = (0.1, 0.2), N = 50. Si noti la natura stabile del punto di equilibrio (α − 1, 0), che com-
porta la sopravvivenza delle prede e l’estinzione dei predatori (α > 1 e α + β < 2)

stabilità del punto di equilibrio (α − 1, 0), ovvero la sopravvivenza delle prede e


l’estinzione dei predatori. La condizione di locale stabilità per il punto di equilibrio
(1 − β, α + β − 2) è

β + 1 < 1 + β − (α + β − 2)(β − 1) < 2.

La prima disuguaglianza equivale banalmente ad α + β > 2, mentre dopo qualche


calcolo si vede che la seconda disuguaglianza equivale a

(1 − β)(α + β − 3) < 0,
54 2 Il caso vettoriale

Fig. 2.3 Storia temporale di xk (linea continua, pallini pieni) e yk (linea tratteggiata, pallini
vuoti), ed evoluzione dell’orbita nel piano delle fasi (xk , yk ) per il sistema (2.7), α = 1.5, β = 0.6,
(x0 , y0 ) = (0.1, 0.2), N = 70. Si noti la stabilità dell’equilibrio non banale (1 − β, α + β − 2), che
comporta la sopravvivenza sia delle prede che dei predatori (α > 1 e 2 < α + β < 3)

Fig. 2.4 Storia temporale di xk (linea continua, pallini pieni) e yk (linea tratteggiata, pallini
vuoti), ed evoluzione dell’orbita nel piano delle fasi (xk , yk ) per il sistema (2.7), α = 2.3, β = 0.6,
(x0 , y0 ) = (0.1, 0.2), N = 200. Si noti la stabilità dell’equilibrio non banale (1 − β, α + β − 2)
(essendo α > 1 e 2 < α + β < 3) raggiunto tramite una traiettoria a spirale

per cui, l’equilibrio (1−β, α +β −2) è positivo e localmente asintoticamente stabile


se, e soltanto se,

2 < α + β < 3.

Le figure 2.3 e 2.4 riportano i diagrammi di fase nei quali si nota il raggiungimento
dell’equilibrio (1 − β, α + β − 2) in due modi diversi dipendentemente dai valori
di α e β. Riassumendo, valgono i seguenti fatti: se α < 1 entrambe le specie si
estinguono; se α > 1 e α + β < 2 allora le prede sopravvivono mentre i predatori
sono destinati ad estinguersi; infine, se 2 < α + β < 3, allora entrambe le specie
sopravvivono convergendo all’equilibrio non banale (1 − β, α + β − 2). 
2.2 Alcuni esempi 55

Problema 2.8 (Modello di Leslie, 1959) Studiare il modello (sistema alle diffe-
renze) di popolazioni

⎪ (α1 + 1)xk

⎨xk+1 = 1 + x + β y ,
k 1 k

⎪ (α + 1)y
⎩yk+1 = 2 k
,
1 + β2 xk + yk
con α1 , α2 , β1 , β2 ∈ (0, ∞) e supponendo che β1 β2 > 1.

Soluzione Si verifica facilmente che i punti di equilibrio (x0 , y0 ) che soddisfano il


sistema algebrico

⎪ (α1 + 1)x

⎨ 1 + x + β y = x,
1

⎪ (α + 1)y
⎩ 2
= y,
1 + β2 x + y
sono l’origine (0, 0) e i punti
 
β1 α2 − α1 α1 β2 − α2
(0, α2 ), (α1 , 0), , .
β1 β2 − 1 β1 β2 − 1

Le matrice Jacobiana è
⎡ (α ⎤
1 +1)(1+β1 y) β1 (α1 +1)x
(1+x+β1 y)2
− (1+x+β y)2
J (x, y) = ⎣ ⎦,
1
β2 (α2 +1)y (α2 +1)(1+β2 x)
− (1+β x+y)2 (1+β2 x+y)2
2

per cui
 
α1 + 1 0
J (0, 0) =
0 α2 + 1
e quindi l’origine non è mai localmente asintoticamente stabile, essendo i coeffi-
cienti αi strettamente positivi e, per questo, non essendo mai verificata la condizione

α1 + α2 + 2 < 1 + (α1 + 1)(α2 + 1) < 2.

Inoltre, si ha
⎡ ⎤ ⎡ ⎤
α1 +1 α1 β1
1+α2 β1 0 1
1+α2 − 1+α
J (0, α2 ) = ⎣ ⎦, J (α1 , 0) = ⎣ ⎦.
1
α2 β2 1+α2
− 1+α 2
1
1+α2 0 1+α1 β2

Allora risulta che (0, α2 ) è localmente asintoticamente stabile se e solo se

α1 + 1 1 α1 + 1 1
+ <1+ < 2,
1 + α2 β1 1 + α2 1 + α2 β1 1 + α2
56 2 Il caso vettoriale

mentre (α1 , 0) è localmente asintoticamente stabile se e solo se

α2 + 1 1 α2 + 1 1
+ <1+ < 2.
1 + α1 β2 1 + α2 1 + α1 β2 1 + α2

Osserviamo infine che la matrice Jacobiana


 
β1 α2 − α1 α1 β2 − α2
J ,
β1 β2 − 1 β1 β2 − 1

ha elementi
(α1 + 1)(β1 β2 − 1)(β1 β2 − 1 + α1 β1 β2 − β1 α2 )
J11 = ,
(β1 β2 − 1 − α1 + β1 β2 α1 )2
β1 (α1 + 1)(β1 α2 − α1 )(β1 β2 − 1)
J12 = − ,
(β1 β2 − 1 − α1 + β1 β2 α1 )2
β2 (α2 + 1)(α1 β2 − α2 )(β1 β2 − 1)
J21 = − ,
(β1 β2 − 1 − α2 + β1 β2 α2 )2
(α2 + 1)(β1 β2 − 1)(β1 β2 − 1 + α2 β1 β2 − β2 α1 )
J22 = ,
(β1 β2 − 1 − α2 + β1 β2 α2 )2

da cui si possono trarre le informazioni sulla stabilità imponendo le complicate con-


dizioni sui coefficienti. 

Problema 2.9 (Mappa di Hénon) Studiare il sistema alle differenze



xk+1 = yk + 1 − αxk2 ,
(2.10)
yk+1 = βxk ,

con α, β ∈ (0, ∞).

Soluzione Gli equilibri soddisfano βx0 = y0 e y0 + 1 − αx02 = x0 , ossia

αx02 − (β − 1)x0 − 1 = 0,

da cui ricava
   
 ± ± β −1± (β − 1)2 + 4α β − 1 ± (β − 1)2 + 4α
x0 , y 0 = , .
2α 2αβ −1

La matrice Jacobiana è
  
 ± ± 1 − β ∓ (β − 1)2 + 4α 1
J x0 , y0 = ,
β 0
2.2 Alcuni esempi 57

Fig. 2.5 Storia temporale di xk (linea continua, pallini pieni) e yk (linea tratteggiata, pallini
vuoti), ed evoluzione dell’orbita nel piano delle fasi (xk , yk ) per il sistema (2.10), α = 0.1, β = 0.5,
(x0 , y0 ) = (0.1, 0.2), N = 50. Si noti il raggiungimento dell’equilibrio non banale (x0+ , y0+ )
(0 < β < 1 e 0 < α < 34 (1 − β)2 )

Fig. 2.6 Storia temporale di xk (linea continua, pallini pieni) e yk (linea tratteggiata, pallini
vuoti), ed evoluzione dell’orbita nel piano delle fasi (xk , yk ) per il sistema (2.10), α = 0.1, β = 1.5,
(x0 , y0 ) = (0.1, 0.2), N = 10. Si noti che l’equilibrio non banale (x0+ , y0+ ) risulta instabile (β > 1
e 0 < α < 34 (1 − β)2 )

per cui (x0+ , y0+ ) è localmente asintoticamente stabile se e solo se

 # 
1 − β − (β − 1)2 + 4α  < 1 − β < 2,

ossia, equivalentemente,

3
0 < β < 1, 0 < α < (1 − β)2 .
4
In figura 2.5 vengono proposte le storie temporali e il diagramma di fase per valori
di α e β che garantiscono la stabilità dell’equilibrio non banale (x0+ , y0+ ) (0 < β < 1
e 0 < α < 34 (1 − β)2 ), mentre in figura 2.6 si osserva la natura instabile dello stesso
58 2 Il caso vettoriale

punto di equilibrio (β > 1 e 0 < α < 34 (1 − β)2 ). Il secondo equilibrio (x0− , y0− ) è
sempre instabile poiché la disuguaglianza
 # 
1 − β + (β − 1)2 + 4α  < 1 − β,

non è mai verificata. 

Problema 2.11 (Modello di Nicholson-Bailey) Studiare il sistema alle differenze


di Nicholson-Bailey (diffusione dei parassiti)

xk+1 = αxk e−yk ,
(2.12)
yk+1 = xk (1 − e−yk ),

con α ∈ (0, ∞).

Soluzione Si verifica facilmente che i punti di equilibrio del sistema sono


 
α ln α
(0, 0), , ln α , α = 1.
α−1

Si osservi che la seconda componente del secondo equilibrio è positiva quando


α > 1. La matrice Jacobiana del sistema è data da
 
αe−y −αxe−y
J (x, y) = ,
1 − e−y xe−y

da cui
     1 − αα−1
ln α

α 0 α ln α
J (0, 0) = , J , ln α = .
0 0 α−1 α−1 ln α
α α−1

Pertanto, l’origine è localmente asintoticamente stabile se α < 1 e instabile per


α > 1. Le condizioni di Jury per il secondo equilibrio si traducono nelle disugua-
glianze
 
 
1 + ln α  < 1 + ln α + ln α < 2. (2.13)
 α − 1 α−1
La prima disuguaglianza di (2.13) è ovviamente soddisfatta per α > 1 (equilibrio
positivo). La seconda disuguaglianza di (2.13) non è mai verificata, in quanto la
funzione
ln α
f (α) = 1 + + ln α, α > 0,
α−1
è sempre superiore a 2, come evidente dal confronto grafico riportato in figura 2.7.
Pertanto, esistono autovalori della matrice Jacobiana in modulo maggiori di uno
e l’equilibrio non banale del sistema è instabile. In figura 2.8 viene riportata
2.2 Alcuni esempi 59

Fig. 2.7 f (α) = 1 + ln α


α−1 +
ln α e y = 2

l’evoluzione di un’orbita nel caso α = 0.5 < 1; come si vede entrambe le popo-
lazioni si estinguono essendo (0, 0) un equilibrio stabile. In figura 2.9 viene rap-
presentata l’evoluzione di un’orbita nel caso α = e > 1, da cui si evince la natura
instabile sia dell’equilibrio non banale ((α ln α)/(α − 1), ln α), sia dell’origine. 

Problema 2.14 (Modello parassita-ospite) Studiare il sistema alle differenze


⎧ α1 xk

⎨xk+1 = 1 + yk ,

α2 yk (2.15)


⎩yk+1 = 1 + yk ,
xk

con α1 , α2 ∈ (0, ∞). Il sistema è un modello dell’interazione discreta tra una popo-
lazione di parassiti e una popolazione di ospiti.

Soluzione Partendo da dati iniziali positivi (essendo popolazioni), si verifica facil-


mente che xk > 0 e yk > 0 per ogni k ≥ 1. Inoltre si ha xk → 0 per k → ∞ se α1 < 1
e yk → 0 per k → ∞ se α2 < 1 (si noti che, formalmente, (0, 0) non è un punto di

Fig. 2.8 Storia temporale di xk (linea continua, pallini pieni) e yk (linea tratteggiata, pallini
vuoti), ed evoluzione dell’orbita nel piano delle fasi (xk , yk ) per il sistema di Nicholson-Bailey
(2.12), α = 0.5, (x0 , y0 ) = (0.2, 0.1), N = 20. Si noti la natura stabile dell’origine (0, 0)
60 2 Il caso vettoriale

Fig. 2.9 Storia temporale di xk (linea continua, pallini pieni) e yk (linea tratteggiata, pallini
vuoti), ed evoluzione dell’orbita nel piano delle fasi (xk , yk ) per il sistema di Nicholson-Bailey
(2.12), α = e, (x0 , y0 ) = (e/(e − 1) + 0.01, 1.01), N = 20. Si noti la natura instabile sia del punto
ln α
di equilibrio ( αα−1 , ln α, ) (la condizione iniziale è molto vicina ad esso) sia dell’origine (0, 0)

equilibrio del sistema, non essendo definite nell’origine le funzioni che definiscono
il sistema). Supponiamo allora che αi > 1 per i = 1, 2. L’unico punto di equilibrio
del sistema è
 
α1 − 1
, α1 − 1 , α2 = 1,
α2 − 1
con entrambe le componenti positive (quindi con possibile significato biologico).
La matrice Jacobiana del sistema è data da
⎡ α1 α1 x ⎤
1+y − (1+y) 2
J (x, y) = ⎣ 2 2
⎦,
α2 y α2 x
(x+y)2 (x+y)2

da cui si ricava che


⎡ ⎤
  1 1−α1
α1 − 1 α1 (α2 −1)
J , α1 − 1 = ⎣ ⎦.
α2 − 1 (α2 −1)2 1
α2 α2

Pertanto, la condizione di Jury per il sistema diviene


 
 
1 + 1  < 1 + 1 + (α1 − 1)(α2 − 1) < 2.
 α2  α2 α1 α2
La prima disuguaglianza è automaticamente verificata essendo sia α1 che α2 mag-
giori di zero, mentre con qualche calcolo si vede che la seconda equivale proprio
a α2 > 1. L’equilibrio non banale è, quindi, localmente asintoticamente stabile. In
figura 2.10 è riportata l’orbita convergente al punto di equilibrio (destra) e la sto-
ria delle singole componenti (sinistra) nel caso α1 = 2 e α2 = 3. In figura 2.11 si
osserva, per α1 = 0.5, α2 = 3 (si noti che in queste condizioni l’equilibrio non ba-
nale ((α1 − 1)/(α2 − 1), α1 − 1) non ha significato fisico) che la soluzione tende
2.2 Alcuni esempi 61

Fig. 2.10 Storia temporale di xk (linea continua, pallini pieni) e yk (linea tratteggiata, pal-
lini vuoti), ed evoluzione dell’orbita nel piano delle fasi (xk , yk ) per il sistema (2.15), α1 = 2,
α2 = 3, (x0 , y0 ) = (2, 1), N = 50. Si noti la natura stabile del punto di equilibrio non banale
((α1 − 1)/(α2 − 1), α1 − 1)

Fig. 2.11 Storia temporale di xk (linea continua, pallini pieni) e yk (linea tratteggiata, pallini
vuoti), ed evoluzione dell’orbita nel piano delle fasi (xk , yk ) per il sistema (2.15), α1 = 0.5, α2 = 3,
(x0 , y0 ) = (2, 1), N = 20. Si noti la natura attrattiva dell’origine, che non è un punto di equilibrio,
e l’assenza dell’equilibrio non banale ((α1 − 1)/(α2 − 1), α1 − 1), che non ha significato fisico

all’origine (estinzione di entrambe le specie). Infine, in figura 2.12 si nota nuova-


mente l’estinzione di entrambe le specie quando entrambi i parametri sono minori
di 1, α1 = 0.5, α2 = 0.3. 

Accenniamo ora alla nozione di esponente di Lyapunov per i sistemi alle diffe-
renze del primo ordine come naturale generalizzazione della definizione data per le
equazioni.

Definizione 2.16 Siano f, g : R2 → R due funzioni di classe C 1 e sia (x0 , y0 ) ∈ R2 .


Consideriamo il sistema (2.1) denotando con J (xk , yk ) la matrice Jacobiana valu-
tata lungo la soluzione (xk , yk ) relativa al dato iniziale (x0 , y0 ). Allora definiamo
62 2 Il caso vettoriale

Fig. 2.12 Storia temporale di xk (linea continua, pallini pieni) e yk (linea tratteggiata, pallini
vuoti), ed evoluzione dell’orbita nel piano delle fasi (xk , yk ) per il sistema (2.15), α1 = 0.5,
α2 = 0.3, (x0 , y0 ) = (2, 1), N = 20. Si noti la natura attrattiva dell’origine, che non è un punto
di equilibrio, e l’assenza dell’equilibrio non banale ((α1 − 1)/(α2 − 1), α1 − 1), che non ha signi-
ficato fisico

l’esponente di Lyapunov relativo a (x0 , y0 ) ponendo


$ k−1 %
1 
L(x0 , y0 ) := lim ln  J (xm , ym ) ,
k→+∞ k
m=0

dove  indica il raggio spettrale di una matrice quadrata. Se l’esponente di Lyapunov


L(x0 , y0 ) è indipendente dal punto (x0 , y0 ), diremo che è l’esponente di Liapunuv
della mappa (f, g). Se L(x0 , y0 ) > 0 allora il sistema esibisce dipendenza sensibile
nel dato iniziale (x0 , y0 ).

Problema 2.17 Verificare che la definizione di esponente di Lyapunov appena data


nel caso vettoriale è consistente con quella data nel caso scalare.

Soluzione Nel caso scalare xk+1 = f (xk ) il problema linearizzato attorno alla con-
dizione iniziale x0 è xk+1 = f  (x0 )xk . Nelle notazioni della definizione precedente
si ha
     
J (xk ) = f  (xk ) ,  J (xk ) = f  (xk ),
per cui

1     1
k−1 k−1
 
Lscal (x0 ) = lim ln f (xm ) = lim ln  J (xm )
k→+∞ k k→+∞ k
m=0 m=0
$ k−1 %
1   
k−1
 1
= lim ln  J (xm ) = lim ln  J (xm )
k→+∞ k k→+∞ k
m=0 m=0

= Lvett (x0 ),
2.2 Alcuni esempi 63

tenuto conto che


k−1
       
 J (xm ) = f  (x0 ) · · · f  (xj ) · · · f  (xk−1 )
m=0
 
= f  (x0 ) · · · f  (xj ) · · · f  (xk−1 )
$ k−1 %

= J (xm ) ,
m=0

l’affermazione del problema risulta verificata. 

Problema 2.18 Verificare che se (x0 , y0 ) è un equilibrio localmente asintotica-


mente stabile per il sistema (2.1) allora L(x0 , y0 ) < 0, mentre se (x0 , y0 ) è un equi-
librio instabile allora L(x0 , y0 ) > 0.

Soluzione Se (x0 , y0 ) è un punto di equilibrio localmente asintoticamente stabile, si


ha
 
 J (x0 , y0 ) < 1.
Tenuto conto che il punto è di equilibrio, ne segue che
$ k−1 %
1 
L(x0 , y0 ) = lim ln  J (x0 , y0 )
k→+∞ k
m=0
1  
= lim ln  J k−1 (x0 , y0 )
k→+∞ k

1  k−1
= lim ln( J (x0 , y0 )
k→+∞ k
 
= ln( J (x0 , y0 ) < 0.

In modo simile si prova che nei punti di equilibrio instabile ((J (x0 , y0 )) > 1)
l’esponente di Lyapunov L è positivo. 
Capitolo 3
Sistemi dinamici discreti in campo complesso

Il numero del mio taxi è il 1729, mi sembra un numero alquanto


stupido. Al che Ramanujan rispose: No Hardy! No! È un
numero molto interessante. È il numero più piccolo esprimibile
come la somma di due cubi in due diversi modi:

1729 = 103 + 93 , 1729 = 123 + 13 .

Srinivasa Ramanujan (1887–1920)

In questo capitolo richiamiamo alcuni risultati fondamentali per i sistemi discreti in


campo complesso. Per maggiori dettagli si vedano i riferimenti [18, 35].

3.1 Richiami di teoria

Sia C il campo dei numeri complessi, p ∈ C e δ > 0. Se con |z| si indica il modulo
di z ∈ C, l’insieme {z ∈ C : |z − p| < δ} è un disco di R2 , mentre l’insieme {x ∈ R :
|x − p| < δ} è un intervallo in R.

Definizione 3.1 Sia I un sottoinsieme non vuoto di C e f : I → I una funzione


di variabile complessa. La coppia {I, f } è detta sistema dinamico discreto (s.d.d.)
su I , del primo ordine, autonomo, in forma normale. Per un dato iniziale z0 ∈ I
assegnato, il sistema opera in modo ricorsivo secondo la legge zk+1 = f (zk ), per
ogni k ∈ N.

Definizione 3.2 Diciamo che un numero complesso p è un punto di equilibrio per


il s.d.d. {I, f } se p ∈ I e f (p) = p (ossia il punto di equilibrio p è un punto fisso
della mappa f ).

Definizione 3.3 Un punto di equilibrio del s.d.d. {I, f } si dice stabile se, per ogni
ε > 0, esiste un δ > 0 tale che |z0 − p| < δ, z0 ∈ I e zk = f k (z0 ) implicano

|zk − p| < ε, ∀k ∈ N.

© Springer-Verlag Italia 2016 65


M. Squassina, S. Zuccher, Introduzione all’Analisi Qualitativa dei Sistemi Dinamici
Discreti e Continui, UNITEXT – La Matematica per il 3+2 96,
DOI 10.1007/978-88-470-5791-3_3
66 3 Sistemi dinamici discreti in campo complesso

Un equilibrio p si dice instabile (o repulsivo) se non è stabile, ossia se esiste ε0 > 0


tale che, per ogni δ > 0, si possono determinare un dato z0 ∈ I e un indice k > 0 tali
che
|z0 − p| < δ, |zk − c| > ε0 .

Definizione 3.4 Un punto di equilibrio c del s.d.d. {I, f }, si dice localmente at-
trattivo se esiste η > 0 tale che, per ogni dato iniziale
 
z0 ∈ I ∩ z ∈ C : |z − p| < η ,

posto zk = f k (z0 ), risulta


lim zk = p.
k→∞

Definizione 3.5 Un punto equilibrio c di un s.d.d. {I, f }, si dice localmente asin-


toticamente stabile se è stabile e localmente attrattivo.

Definizione 3.6 Si dice bacino di attrazione di un punto di equilibrio p ∈ I il più


grande insieme B(p) ⊆ I di dati iniziali a cui corrispondono soluzioni (globali)
convergenti all’equilibrio p per k → ∞:
& '
B(p) = z0 ∈ C : lim f k (z0 ) = p .
k→∞

Definizione 3.7 Un s.d.d. {I, f } è caotico (o ha una dinamica caotica) se:


1. le orbite periodiche sono dense (si considerano tutti i periodi interi, 1 in-
cluso), ossia ogni sottoinsieme A ⊆ I contiene almeno un punto appartenente
ad un’orbita periodica;
2. f è topologicamente transitiva, ossia per ogni x, y ∈ I e per ogni ε > 0 esistono
z ∈ I e k ∈ N tali che
 k 
|z − x| < ε, f (z) − y  < ε > 0;

3. {I, f } esibisce una dipendenza sensibile dalle condizioni iniziali, ossia esiste
δ > 0 tale che, per ogni x ∈ I ed ε > 0 esistono z ∈ I e k ∈ N tali che
 k 
|x − z| < ε, f (x) − f k (z) > δ.

Definizione 3.8 La funzione f , definita in tutti i punti di un intorno (disco)


I (z0 ) ⊆ C che contenga il punto z0 , si dice derivabile in z0 se f esiste finito il
limite
f (z) − f (z0 )
lim .
z→z0 z − z0
3.2 Esempi elementari 67

3.2 Esempi elementari

Sono qui di seguito riportati alcuni esempi semplici utili per capire il comporta-
mento dei sistemi dinamici discreti in campo complesso.

3.2.1 L’iterazione lineare f (z) = az

Sia f (z) = az, dove a è un numero complesso. Evidentemente, questa funzione ha


un unico punto fisso, che è l’origine. Inoltre, se z0 = 0, si ha f (z0 ) = az0 , f 2 (z0 ) =
f (az0 ) = a 2 z0 , e in generale f k (z0 ) = a k z0 . Ricordando che un numero complesso
può essere scritto in forma polare come prodotto tra il suo modulo e l’esponenziale
complesso del suo argomento, ossia a = |a|eθi con θ ∈ [0, 2π), si ha

a k = |a|k ekθi =⇒ f k (z0 ) = |a|k ekθi z0 = |a|k |z0 |e(arg(z0 )+kθ)i .

Questo significa che la k-esima iterazione, che corrisponde alla k-esima moltipli-
cazione per il numero complesso a, provoca una rotazione nel piano complesso
del dato iniziale z0 pari ad kθ composta con l’omotetia |a|k . Essendo |f k (z0 )| =
|a|k |z0 |, si hanno i seguenti casi possibili:
• se |a| < 1 allora |a|k |z0 | converge a zero (unico punto di equilibrio) all’aumentare
di k ed il suo bacino di attrazione è B(c) ≡ C; in questo caso l’unico equilibrio è
anche globalmente asintoticamente stabile;
• se |a| > 1 allora |a|k |z0 | tende all’infinito tranne quando z0 ≡ 0, pertanto l’origine
risulta repulsiva e B(0) = 0;
• se a = 1, allora tutti i punti di C sono equilibri e tutte le traiettorie sono costanti;
• se |a| = 1 ma a = 1, allora l’origine è nuovamente l’unico equilibrio, stabile
ma non attrattivo, e le traiettorie ruotano attorno ad essa. Se il rapporto tra
l’argomento di a e 2π è razionale, allora le orbite sono periodiche, diversamente
non esistono orbite periodiche ma la traiettoria è densa sul cerchio unitario (per
la dimostrazione si veda [18]).
La dinamica nei casi |a| < 1 e |a| > 1 è illustrata in figura 3.1 per z0 = 1 e due di-
versi valori di a, mentre la dinamica per |a| = 1 è riportata in figura 3.2. Dalle figure
è evidente che l’argomento di a non influisce sulla convergenza o meno di f k (z0 )
all’unico punto di equilibrio (l’origine) ma solamente sull’andamento dell’orbita.
Ad ogni iterazione, infatti, la funzione viene aggiornata e arg(a) viene aggiunto
all’argomento iniziale in modo che, quando l’argomento di a non è zero, l’orbita di
tutti i punti diversi da zero gira attorno al punto fisso.
Poiché |a| = |f  (0)|, è intuibile che la derivata di f calcolata nel punto fisso
(si veda la definizione 3.8) sia legata alla natura attrattiva o repulsiva dei punti fissi
di una funzione complessa. Si può generalizzare e formalizzare questo concetto
attraverso il seguente
68 3 Sistemi dinamici discreti in campo complesso

Fig. 3.1 Orbita del punto z0 = 1 sotto l’iterazione della funzione lineare f (z) = az con |a| = 1:
π π
a = 54 e 3 i (sinistra), a = 45 e 3 i (destra). Notiamo che nella prima dinamica il modulo cresce ad
ogni iterazione di un fattore 54 , mentre nella seconda il modulo di ogni iterazione è 45 del modulo
dell’iterazione precedente. In entrambi i casi, π3 viene aggiunto all’argomento ad ogni iterazione

Fig. 3.2 Orbita del punto z0 = 1 sotto l’iterazione della funzione lineare f (z) = az con |a| = 1:
π
a = e 5 i (sinistra), a = eeπ i (destra). Notiamo che se l’argomento di a è una frazione di π , allora
l’orbita è periodica, diversamente l’orbita si mantiene sul cerchio unitario ed è densa su di esso,
ma non periodica

Teorema 3.9 Sia f : I → I una funzione complessa derivabile e p un suo punto


fisso.

Se |f  (p)| < 1 allora il bacino di attrazione di p contiene un intorno di p (ossia


p è localmente asintoticamente stabile).
Se |f  (p)| > 1 allora esiste un intorno di p formato da punti che dovranno la-
sciare l’intorno in una iterazione successiva (ossia p è instabile).

Dimostrazione La dimostrazione di questo enunciato nel caso complesso è formal-


mente identica a quella relativa al caso reale, salvo il fatto che non vale il teorema
3.2 Esempi elementari 69

di Lagrange. Si può comunque usare l’identità seguente:


z 1
f (z) − f (w) = f  (u)du = f  (w + t (z − w))(z − w)dt,
w 0

che risulta valida se il segmento che congiunge z a w è contenuto nell’insieme I su


cui è definito il s.d.d. Pertanto, si ottiene
   
f (z) − f (w) ≤ max f  (ζ )|z − w|, ∀ z, w ∈ B (p),
ζ ∈B (p)

dove, per  sufficientemente, piccolo maxζ ∈B (p) |f  (ζ )| < 1. 

Possiamo generalizzare il Teorema 3.9 per i punti periodici nel seguente

Teorema 3.10 Sia f : C → C una funzione complessa derivabile e p un punto


periodico di f di periodo k, ossia f k (p) = p.
Se |(f k ) (p)| < 1 allora esiste un intorno di p che è contenuto nel bacino di
attrazione di p per il sistema dinamico generato da f k .
Se |(f k ) (p)| > 1 allora esiste un intorno di p tale che i punti iterati, rispetto al
sistema dinamico generato da f k , abbandonano definitivamente l’intorno.

Questi teoremi motivano la seguente definizione di punti iperbolici periodici.

Definizione 3.11 Sia f : C → C una funzione complessa differenziabile e p un


punto periodico di f di periodo k. Allora p è un punto iperbolico periodico se
 k  
(f ) (p) = 1.

Se |(f k ) (p)| < 1 allora p è un punto periodico attrattivo.


Se |(f k ) (p)| > 1 allora p è un punto periodico repulsivo.

3.2.2 L’iterazione quadratica q(z) = z2

Sia q(z) = z2 un polinomio quadratico in C i cui unici punti fissi sono 0 e 1. Siccome
q  (0) = 0, allora l’origine è un punto attrattivo localmente asintoticamente stabile.
Essendo q  (1) = 2 > 1, il punto di equilibrio p = 1 è repulsivo. Se riscriviamo z
come z = reθi , si ha
q(z) = (reθi )(reθi ) = r 2 e2θi .
Iterando troviamo q 2 (z) = r 4 e4θi e in generale
n
q n (z) = r 2 enθi , n ∈ N.
70 3 Sistemi dinamici discreti in campo complesso

Fig. 3.3 Le orbite dei punti


π π π
0.98e 6 i , e 6 i e 1.02e 6 i sotto
l’iterazione di q(z) = z2 . Si
può notare che le orbite
convergono a zero o ad
infinito se il modulo del punto
iniziale |z0 | = 1, mentre se
|z0 | = 1 le loro orbite restano
sul cerchio unitario

n
Poiché |q n (z)| = r 2 , il bacino d’attrazione dell’origine è dato da tutti i punti iniziali
di modulo inferiore ad 1, B(0) : {z ∈ C : |z| < 1}, mentre se |z| > 1 la soluzione
tende all’infinito. Se |z| = 1, invece, la dinamica risulta più interessante in quanto
|z| = 1 =⇒ |q n (z)| = 1 per ogni n. Pertanto, se indichiamo con S 1 il cerchio di
punti aventi modulo 1, possiamo scrivere

q : S1 → S1.

Ora se arg(z) = θ , allora arg(q(z)) = 2θ , che rappresenta la mappa di raddoppio del


cerchio. Ad ogni passo temporale applichiamo la funzione q(z) = z2 a tutti i punti
di S 1 . Il modulo dei punti non subisce quindi variazioni, mentre l’argomento raddop-
pia. La mappa di raddoppio del cerchio su S 1 è caotica (si veda [18]), quindi anche
q(z) = z2 è caotica su S 1 . Le orbite nel piano complesso ottenute sotto l’iterazione
di q(z) = z2π sono riportate
π
in figura 3.3
π
per tre valori di z0 aventi modulo diverso
(z0 = 0.98e 6 i , z0 = e 6 i e z0 = 1.02e 6 i ).

3.3 La sfera di Riemann


La descrizione geometrica dei numeri complessi, visti come punti su una sfera detta
sfera di Riemann, risulta particolarmente utile in quanto consente di includere il
punto infinito nel dominio delle funzioni definite su sottoinsiemi di C. Per introdurla
usiamo la proiezione stereografica, ovvero la stessa tecnica usata per la creazione
delle mappe geografiche. Consideriamo la sfera di raggio 1 e centro nell’origine
in R3 . Questa sfera viene indicata convenzionalmente col simbolo S 2 . Il piano
xy rappresenta il piano complesso e interseca la sfera all’equatore. Si veda la fi-
gura 3.4.
Sulla sfera si possono individuare alcuni punti importanti:
1. punto infinito, rappresentato dalle coordinate (0, 0, 1);
2. punto zero, rappresentato dalle coordinate (0, 0, −1);
3. punto i, rappresentato dalle coordinate (0, 1, 0);
4. punto −i, rappresentato dalle coordinate (0, −1, 0).
3.3 La sfera di Riemann 71

Fig. 3.4 Proiezione


stereografica della sfera
unitaria sul piano xy. Viene
rappresentato un numero
complesso z e la sua
immagine z sulla sfera di
Riemann

Facciamo alcune semplici osservazioni geometriche:


– se tracciamo una retta dal punto (0, 0, 1) ad un qualunque punto del piano
complesso, allora essa attraverserà la sfera in esattamente un punto distinto da
(0, 0, 1);
– se tracciamo una retta dal punto (0, 0, 1) ad un punto z del piano complesso di
modulo |z| > 1, allora intersecherà la sfera nella metà superiore;
– se tracciamo una retta attraverso un punto qualunque sul cerchio unitario di C
allora intersecherà la sfera all’equatore;
– se tracciamo una retta dal punto (0, 0, 1) ad un punto z di modulo |z| < 1, allora
intersecherà la sfera nella metà inferiore.
Per avere una corrispondenza tra sfera e piano complesso, si assegna ad ogni numero
complesso (che denotiamo con z) un punto P sulla sfera che appartiene alla retta
che congiunge il punto (0, 0, 1) al numero z. Si stabilisce quindi una corrispondenza
biunivoca tra S 2 e C ∪ {∞}. Per definire

lim zk =  ∈ C ∪ {∞},
k→∞

abbiamo bisogno di definire l’insieme degli intorni per ogni punto di S 2 . Una volta
definiti gli intorni, possiamo definire gli insiemi aperti, la convergenza di sequenze
e le funzioni continue senza alcun riferimento ad una metrica.

Definizione 3.12 Sia z un punto sulla sfera di Riemann che corrisponde a z sul
piano complesso. L’insieme U  sulla sfera di Riemann è un intorno di z se il cor-
rispondente (tramite la biiezione appena descritta) insieme U è un intorno di z nel
piano complesso (nel senso della usuale metrica definita su C). Sia ε > 0 e defi-
niamo
& 1'
Nε (∞) = z ∈ C : |z| > .
ε
Allora il corrispondente (Nε (∞)) su S 2 è un intorno di (0, 0, 1) sulla sfera di Rie-
mann.

Un intorno su S 2 corrisponde alla definizione usuale degli intorni in C, con


l’aggiunta che gli intorni di ∞ sono definiti come insiemi della forma Nε (∞), con
ε > 0. Chiaramente se ε diminuisce, l’intorno di ∞ si restringe.
72 3 Sistemi dinamici discreti in campo complesso

Una volta definiti tutti gli intorni in S 2 in termini di insiemi in C ∪ {∞}, ci riferi-
remo alla sfera di Riemann come un’estensione del piano complesso. Definiamo le
funzioni su S 2 nel modo usuale, aggiungendo le due seguenti proprietà
f (∞) := lim f (z),
z→∞

se il limite esiste. Inoltre, se


lim f (z) = ∞,
z→a

allora f (a) := ∞.
Ora che abbiamo definito la nozione di intorno, possiamo definire quella di in-
sieme aperto, successione convergente e funzione continue. Notiamo che le defini-
zioni di punto di accumulazione, insieme chiuso e sottoinsieme denso sono tutte
definite in termini di intorni.

Definizione 3.13 Un insieme si dice aperto se ogni elemento dell’insieme ha un


intorno che è contenuto interamente nell’insieme.

Definizione 3.14 Una successione converge ad un punto se ogni intorno di quel


punto contiene la coda della sequenza. In altre parole, la successione (zk ) converge
al punto z se, per ogni intorno Nε (z), si può trovare un numero naturale M tale che
k ≥ M implica zk ∈ Nε (z).

Definizione 3.15 Sia f : D → C e z0 ∈ D. Supponiamo che per ogni intorno V di


f (z0 ) esista un intorno U di z0 tale che f (U ) ⊂ V . Allora f è continua in z0 .

3.3.1 Le trasformazioni di Möbius

Per analizzare la dinamica di funzioni definite sul piano complesso esteso utilizzer-
remo, tra i vari strumenti, una classe speciale di funzioni, chiamate Trasformazioni
di Möbius. Queste funzioni hanno la forma
az + b
T (z) = , a, b, c, d ∈ C, (3.16)
cz + d
e determinante (ad − bc) diverso da zero. La condizione sul determinante è neces-
saria affinché la funzione sia effettivamente definita su tutta la sfera di Riemann.
Valgono in particolare le relazioni seguenti:
   
a d b
T (∞) := , T − := ∞, T − := 0.
c c a
Inoltre, se cz0 + d = 0, allora T (z0 ) = ∞. Le trasformazioni di Möbius hanno varie
proprietà interessanti: mappano cerchi su S 2 in cerchi e una linea sul piano com-
plesso diventa un cerchio su S 2 attraverso ∞. Altre proprietà che useremo di queste
trasformazioni sono gli omeomorfismi sull’estensione del piano complesso.
3.4 Il metodo di Newton nel piano complesso 73

3.4 Il metodo di Newton nel piano complesso

L’interpretazione geometrica del metodo di Newton come approssimazione della


tangente non è valida nel piano complesso, tuttavia la formula del metodo è
la stessa e la funzione di Newton per un polinomio complesso f (z) è definita
dall’equazione
f (z)
Nf (z) = z − , z ∈ C.
f  (z)

Definizione 3.17 Dato il s.d.d. {I, f } con f ∈ C 1 , diciamo che un suo punto di
equilibrio p è superattrattivo se f  (p) = 0.

Teorema 3.18 Sia p(z) un polinomio non costante di variabile complessa e sia
Np (z) la funzione
p(z)
Np (z) = z −
p  (z)
dove è sottointesa l’eventuale semplificazione tra fattori comuni di p e p  . Al-
lora:
1. Np è definita e derivabile nell’insieme I di tutti i punti del piano complesso
esclusi gli zeri di p  che non siano anche zeri di p. In particolare, senza ulteriori
condizioni, è definita e continua in tutti gli zeri di p;
2. l’insieme dei punti fissi di Np |I coincide con l’insieme delle radici complesse
di p;
3. tutti i punti fissi di Np sono localmente asintoticamente stabili per il s.d.d.
{I, Np };
4. gli zeri semplici di p sono superattrattivi per il s.d.d. {I, Np }.

Dimostrazione Diamo un cenno della dimostrazione. Sia α una radice complessa di


p di molteplicità m. Allora p(z) = (z − α)m q(z) con q(α) = 0 e

p(z) (z − α)q(z)
Np (z) = z − 
=z− ,
p (z) (z − α)q  (z) + mq(z)
Np (α) = α.

p(α)
Viceversa, se Np (α) = α, allora α − p  (α) = α cioè p(α) = 0. Infine

(p  (z))2 − p(z)p  (z) p(z)p  (z)


(Np ) (z) = 1 − = .
(p  (z))2 (p  (z))2

Dunque, se α è uno zero semplice di p, ossia se p(α) = 0 e p  (α) = 0, allora


(Np ) (α) = 0 cioè α è stabile e superattrattivo. Se α non è uno zero semplice, cioè
74 3 Sistemi dinamici discreti in campo complesso

p(α) = p  (α) = 0, allora esiste m ≥ 2 tale che p(z) = (z − α)m q(z) e q(α) = 0 e
segue che

(z − α)m q(z)(m(m − 1)(z − α)m−2 q(z)


(Np ) (z) =
(m(z − α)m−1 q(z) + (z − α)m q  (z))2
2m(z − α)m−1 q  (z) + (z − α)m q  (z))
+
(m(z − α)m−1 q(z) + (z − α)m q  (z))2
q(z)(m(m − 1)q(z) + 2m(z − α)q  (z) + (z − α)2 q  (z))
=
(mq(z) + (z − α)q  (z))2

da cui
m(m − 1)q(α)2 m − 1
(Np ) (α) = = <1
m2 q(α)2 m
cioè α è attrattivo e stabile. 

Ricordiamo il significato di omeomorfismo e funzione topologicamente coniu-


gata ad un’altra.

Definizione 3.19 Definiamo omeomorfismo fra due spazi topologici D ed E una


funzione continua τ invertibile e con l’inversa τ −1 continua.

In pratica, un omeomorfismo preserva la topologia tra D ed E.

Definizione 3.20 Siano f : D → D e g : E → E due funzioni. Allora f è topolo-


gicamente coniugata con g se esiste un omeomorfismo τ : D → E tale che

τ ◦ f = g ◦ τ.

Analizziamo il metodo di Newton per funzioni quadratiche con un esempio.

3.4.1 Il caso quadratico ed il Teorema di Cayley

Sia f (z) = z2 − 1. Le sue radici sono 1 e −1, pertanto dal teorema 3.18 sappiamo
che sono entrambe punti fissi attrattivi della mappa

f (z) z2 + 1
N (z) = z − = .
f  (z) 2z
Mostriamo che
• se a + bi ∈ C con a, b ∈ R, a > 0, allora a + bi appartiene al bacino di attrazione
di 1;
3.4 Il metodo di Newton nel piano complesso 75

• se a + bi ∈ C con a, b ∈ R, a < 0, allora esso appartiene al bacino di attrazione


di −1;
• la dinamica di N è caotica lungo l’asse immaginario.
Vogliamo provare queste congetture mostrando che N (z) è topologicamente coniu-
gata a q(z) = z2 sul piano esteso, tramite una trasformazione di Möbius. Se esi-
ste una trasformazione di Möbius, possiamo trovarla cercandone una che abbia le
proprietà richieste. Poiché tre punti determinano un cerchio, e la trasformazione di
Möbius mappa cerchi in cerchi, possiamo cercare tre punti significativi di N e i cor-
rispondenti punti di q che sono stati mappati. I punti fissi attrattivi di N sono 1 e −1,
quindi li mappiamo attraverso 0 e ∞, punti fissi attrattivi di q. L’altro punto fisso di
N è ∞, quindi dev’essere mappato attraverso il punto fisso repulsivo 1 di q. Se il
coefficiente di z al numeratore nella trasformazione di Möbius che stiamo cercando
è diverso da zero, possiamo dividere numeratore e denominatore della trasforma-
zione per quel coefficiente. In questo caso la trasformazione ha la forma

z+b
T (z) = , z ∈ C.
cz + d
Imponendo le condizioni

T (1) := 0, T (−1) := ∞, T (∞) := 1,

e risolvendo per b, c, d, troviamo che

z−1
T (z) = , z ∈ C.
z+1
Si può notare che T ◦ N = q ◦ T , dunque T è un omeomorfismo e q e N sono
topologicamente coniugati. Poiché

T (0) = −1, T (i) = i, T (∞) = 1,

l’immagine dell’asse immaginario dev’essere il cerchio unitario, come si verifica


facilmente (|T (γ i)| = 1 per ogni valore di γ ∈ R). D’altra parte il cerchio unitario
è l’unico cerchio passante attraverso −1, i e 1, e T mappa cerchi e linee in cerchi
e linee). Di conseguenza, poiché sappiamo dall’esempio 3.2.2 che q è caotico sul
cerchio unitario e T rende q e N topologicamente coniugati, ne concludiamo che
anche N è caotico lungo l’asse immaginario.
Si può dimostrare (vedi [18]) che se una funzione definita su uno spazio metrico
è topologicamente coniugata rispetto ad una seconda funzione su uno spazio cao-
tico, allora la prima funzione è anch’essa caotica. Per dare significato al concetto di
sistema dinamico caotico (vedi definizione 3.7), si hanno due alternative.
La prima (punto 3 della definizione 3.7) si basa sul concetto di dipendenza sen-
sibile dalle condizioni iniziali e richiede una struttura di spazio metrico sulla sfera
di Riemann. La distanza tra due punti x = (x1 , x2 , x3 ) e y = (y1 , y2 , y3 ) su S 2 può
76 3 Sistemi dinamici discreti in campo complesso

essere definita con la consueta metrica Euclidea usata in R3 :


(
)
) 3
)
d[x, y] = * (yj − xj )2 .
j =1

È semplice dimostrare che il sottoinsieme U di S 2 è aperto (secondo le defini-


zioni 3.12 e 3.13) se e solo se per ogni x in U esiste un numero reale positivo ε
tale che se y sta in S 2 e d[x, y] < ε allora y sta in U .
La seconda possibilità (punti 1 e 2 della definizione 3.7) è l’utilizzo della nozione
topologica di caos, ossia una funzione continua su un insieme infinito è detta cao-
tica se è topologicamente transitiva sull’insieme e le orbite periodiche sono dense
sull’insieme. Questa definizione ha il vantaggio di non richiedere una metrica in
quanto le proprietà rilevanti sono definite solo in termini di insiemi aperti e sono pre-
servate dalla coniugazione topologica. Pertanto, siccome N sull’asse immaginario
è topologicamente coniugato con q sul cerchio unitario, allora le orbite periodiche
di N sono dense sull’asse immaginario e N è topologicamente transitiva. Questo
mostra che N è caotica lungo l’asse immaginario.
Rimane da dimostrare che a + bi appartiene al bacino di attrazione di 1 se e
solo se a > 0, mentre appartiene al bacino di attrazione di −1 se e solo se a < 0.
Ricordando l’epressione di T (z) = (z − 1)/(z + 1), si ha T (1) = 0 e
 
T {a + bi : a > 0} = {z ∈ C : |z| < 1},

che è il bacino di attrazione di 0 sotto l’iterazione di q. Poiché la mappa T preserva


i bacini di attrazione, allora a + bi appartiene al bacino di attrazione di 1 se e solo se
a > 0. Similmente, siccome T (−1) = ∞ e T ({a + bi : a < 0}) = {z ∈ C : |z| > 1},
si dimostra che a + bi appartiene al bacino di attrazione di −1 se e solo se a < 0.
Il fatto che la coniugazione topologica preservi gli insiemi stabili non dipende
dall’esistenza di una metrica nello spazio.
Dal punto di vista geometrico, nell’esempio precedente l’asse immaginario è
l’asse del segmento che ha per estremi le radici del polinomio f (z) = z2 − 1. L’asse
divide il piano complesso nei due bacini di attrazione degli zeri del polinomio e la
funzione di Newton risulta caotica su di esso. Questo risultato è generale: nel 1879
il matematico inglese Arthur Cayley dimostrò il seguente

Teorema 3.21 Se il polinomio quadratico complesso q(z) ha due radici distinte


z1 e z2 , allora Nq (z) è caotico sull’asse del segmento che congiunge le due radici.
Inoltre, tale asse separa due semipiani aperti che sono i bacini di attrazione di z1
e z2 .

Il Teorema 3.21 è visualizzato graficamente in figura 3.5. La dimostrazione uti-


lizza il fatto che il metodo di Newton per un generico polinomio quadratico com-
plesso con radici distinte è topologicamente coniugato al metodo di Newton per la
mappa f (z) = z2 − 1. Nel caso il polinomio abbia esattamente una radice, vale il
seguente
3.4 Il metodo di Newton nel piano complesso 77

Fig. 3.5 Illustrazione del teorema di Cayley. Le radici del polinomio quadratico complesso sono
rappresentate da r1 e r2 . Il bacino di attrazione di r1 sotto l’iterazione di Nq (x) è colorato in grigio.
Nq (x) è caotico sull’asse che congiunge r1 e r2 , indicata con L. I punti rimanenti appartengono al
bacino di attrazione di r2

Teorema 3.22 Se un polinomio quadratico complesso q ha esattamente una ra-


dice (due radici coincidenti), allora tutti i punti di C appartengono al bacino di
attrazione di tale radice, che risulta globalmente asintoticamente stabile.

Il teorema si dimostra dapprima per q(z) = z2 e poi si utilizza il fatto che il


metodo di Newton per un polinomio quadratico complesso con una radice doppia è
topologicamente coniugato con Nq . Il Teorema 3.22 si generalizza anche a polinomi
complessi di grado più elevato e con radici multiple.
Riassumendo, nel caso di un polinomio quadratico p : C → C definito da p(z) =
az2 + bz + c con a, b, c ∈ C e a = 0, se D = b2 − 4ac si hanno i due casi:

az −c 2
• se D = 0, allora Np (z) = 2az+b = 2z − 2√ca e {C  {0}, Np } è un s.d.d. ben defi-
nito;
• se D = 0, vi sono una infinità di punti (insieme che denotiamo con Z) contenuti
sulla retta r perpendicolare al segmento [z1 , z2 ] nel suo punto medio, a partire
dai quali le iterate di Np portano al valore vietato −b/2a in un numero finito di
passi; dunque in tal caso il s.d.d. definito correttamente è {C  Z, Np }.

3.4.2 Il caso cubico

Consideriamo il polinomio cubico f (z) = z3 − 1. Allora

2z3 + 1
N (z) = , z ∈ C,
3z2
e i punti attrattivi sono le radici di f (z), ovvero
2π 4π
i i
1, e 3 , e 3 .
78 3 Sistemi dinamici discreti in campo complesso

Fig. 3.6 Analisi della dinamica del Metodo di Newton per f (z) = z − 1 e f (z) = z2 − 1. Come
si vede nel secondo caso, la frontiera dei bacini di attrazione è una curva regolare

Per avere un’idea generale della dinamica di N , ci affidiamo al calcolo numerico.


Selezioniamo una griglia di punti N × N che copre una regione quadrata. Partendo
2zk3 +1
da ciascuno di questi punti viene applicata l’iterazione di Newton zk+1 = fino
3zk2
a che la distanza tra una delle radici dell’equazione complessa z3 − 1 = 0 e il va-
lore corrente zk+1 non è minore di una certa tolleranza. Se il punto iniziale porta
alla radice z1 = 1 allora il pixel corrispondente al punto iniziale viene colorato di
blu, se porta a z2 = e2πi/3 il pixel iniziale viene colorato di rosso, mentre se porta
a z2 = e4πi/3 di verde. Durante questo processo vengono contate il numero di itera-
zioni necessarie a raggiungere la radice complessa e vengono usate diverse tonalità
di ciascun colore proporzionalmente al numero di iterazioni. Se il numero di que-
ste iterazioni è basso il colore appare chiaro, più aumenta il numero di iterazioni
più la tonalità diventa scura. Il risultato di questo esperimento è rappresentato nella
figura 3.7. Possiamo notare come la dinamica del metodo di Newton per il polino-
mio cubico sia molto più complessa del caso quadratico (vedi immagine di destra
in figura 3.6). Le dinamiche del metodo di Newton per molti polinomi di grado
superiore al secondo non sono ancora completamente note.

3.4.3 Il caso generale zn − 1

La figure 3.6 e 3.7 illustrano i bacini di attrazione per il metodo di Newton Nzn −1
quando n varia da 1 a 3.Se n = 1 allora z = 1 è globalmente asintoticamente sta-
bile e la dinamica è particolarmente semplice (ricordiamo che Nz−1 (z) = 1). Tutte
le traiettorie sono definitivamente costanti. Se n = 2, si conferma quanto detto in
precedenza nello studio di Nz2 −1 . Ricordiamo che la frontiera dei due bacini pur
essendo geometricamente banale (è una retta), è sede di una dinamica caotica e con-
tiene un insieme infinito e denso a partire dal quale le traiettorie sono definite solo
per un numero finito di passi. Quando si passa a n ≥ 3 la situazione si complica
enormemente: tutti i bacini hanno una frontiera (comune ad ognuno di essi) che è
necessariamente un oggetto topologicamente complicato e che presenta proprietà di
3.5 Insiemi di Mandelbrot e Julia 79

Fig. 3.7 Analisi della dinamica del Metodo di Newton per f (z) = z3 − 1. La funzione N am-
mette tre punti fissi attrattivi: 1, e2π i/3 e e4π i/3 . I punti che appartengono al bacino di attrazione di
1 sono raffigurati in blue, i punti che appartengono al bacino di attrazione di e2π i/3 sono raffigurati
in rosso. Tutti gli altri punti che appartengono al bacino di attrazione di e4π i/3 sono raffigurati in
verde. Tonalità più scure dei colori menzionati indicano un maggior numero di iterazioni neces-
sarie per convergere. Come si vede in questo caso le frontiere dei bacini di attrazione non sono
insiemi regolari, ma frattali

simmetria e autosimilarità. Osserviamo che se il bordo che separa i bacini di attra-


zione non è una curva nel senso elementare, come evidente in figura 3.7, abbiamo
una manifestazione di comportamento caotico. La competizione tra più attrattori
può determinare l’esistenza di regioni di tipo frattale di dimensione maggiore di 1
nelle quali si ha una dipendenza sensibile dallo stato iniziale: collocando lo stato ini-
ziale z0 nel bordo di un bacino di attrazione, ci si trova automaticamente sul bordo
di tutti i bacini. Inoltre la ramificazione di tale bordo rende problematiche le previ-
sioni sulla dinamica asintotica per un generico dato iniziale, a meno di non essere
ben all’interno di un dato bacino.

3.5 Insiemi di Mandelbrot e Julia


Consideriamo la famiglia di polinomi quadratici qc : C → C

qc (z) = z2 + c, c ∈ C.

Si può dimostrare [18] che tutti i polinomi quadratici complessi sono topologica-
mente coniugati con i polinomi della forma qc (z) = z2 + c (per farlo occorre utiliz-
zare il fatto che se φ : C → C è un omeomorfismo e K ⊂ C è limitato, allora φ(K)
è limitato).
80 3 Sistemi dinamici discreti in campo complesso

Definizione 3.23 Un’orbita si dice limitata se esiste un numero reale positivo 


tale che il modulo di ogni punto dell’orbita è minore di , ossia |qck (z0 )| ≤ , per
ogni k ∈ N.

Proposizione 3.24 L’orbita di un numero complesso sotto l’iterazione di un po-


linomo quadratico complesso o è limitata o appartiene al bacino di attrazione di
infinito.

Dimostrazione Poiché i polinomi quadratici complessi sono topologicamente co-


niugati con qc (z) = z2 + c, è sufficiente provare la proposizione per questa famiglia
di mappe. Abbiamo già mostrato che la Proposizione 3.24 è valida per qc (z) = z2
(si veda la sezione 3.2.2). Dimostramo che se w è un numero complesso che sod-
disfa |w| > |c| + 1, allora w appartiene al bacino di attrazione di infinito. Essendo
qc (w) = w 2 + c, si ha
       
qc (w) = w 2 + c ≥ w 2  − |c| ≥ |c| + 1 2 − |c| = |c|2 + |c| + 1,

da cui
 2    
q (w) = qc qc (w) 
c
 2 
=  qc (w) + c
 2
≥ qc (w) − |c|
 2
≥ |c|2 + |c| + 1 − |c|
= |c|4 + 2|c|3 + 3|c|2 + |c| + 1
≥ 3|c|2 + |c| + 1.

Continuando per induzione, arriviamo alla seguente espressione


 k 
q (w) ≥ (2k − 1)|c|2 + |c| + 1, k ∈ N \ {0}.
c

Poiché il membro destro della disuguaglianza tende all’infinito per k → ∞, conclu-


diamo che se |w| > |c| + 1 allora w appartiene al bacino di attrazione di infinito. Da
questo segue che l’orbita di un numero complesso assegnato w sotto l’iterazione di
qc (z) = z2 + c o è limitata (ed appartiene tutta al disco di raggio |c| + 1), oppure
appartiene al bacino di attrazione di infinito. 

L’insieme dei punti (dati iniziali) che corrispondono ad orbite limitate per la
mappa qc prende il nome di insieme di Julia1 . Prima di darne la definizione rigorosa,
ricordiamo che il bordo di un insieme è l’insieme formato dai punti z tali che ogni
intorno di z contiene un elemento dell’insieme e un elemento fuori dall’insieme.

1 Gli insiemi di Julia hanno preso il nome dal matematico francese Gaston Julia (1893–1978), che
fu il primo, nel 1918, a compiere studi di questo genere mentre si trovava in un ospedale militare,
3.5 Insiemi di Mandelbrot e Julia 81

Fig. 3.8 L’insieme pieno di


Julia per c = 0 e
c = 0.01 + 0.3i

Fig. 3.9 L’insieme pieno di


Julia per c = −1 e
c = −0.8 + 0.3i

Fig. 3.10 L’insieme pieno di


Julia c = −0.8 + 0.75i e
c = −0.4 + 0.6i (insieme non
connesso perchè zero non
appartiene all’insieme)

Definizione 3.25 L’insieme dei punti (dati iniziali) z0 le cui orbite (corrispondenti)
sotto l’iterazione di qc (z) = z2 + c sono limitate, è chiamato insieme pieno di Julia
di qc relativo al valore c del parametro e viene denotato con Kc , ossia
 
Kc = z0 ∈ C : la successione qck (z0 ) è limitata in C .

Il bordo Jc dell’insieme pieno di Julia Kc è chiamato insieme di Julia

Jc = ∂Kc

e consiste di tutti quei punti il cui comportamento dopo ripetute iterazioni della
funzione è caotico, nel senso che può cambiare drasticamente in seguito ad una
piccola perturbazione del dato iniziale.

Alcuni insiemi pieni di Julia sono visualizzati in nero nelle figure 3.8, 3.9 e 3.10
per vari valori di c. In figura 3.11, invece, è riportato l’insieme a colori multipli,

convalescente per le ferite riportate durante la prima guerra mondiale. Insieme col suo connazionale
Pierre Fatou iniziarono ad erigere le fondamenta sulla dinamica delle funzioni complesse agli inizi
del ventesimo secolo. I loro risultati sono stati notevoli, nonostante non avessero a disposizione i
calcolatori per visualizzare i risultati.
82 3 Sistemi dinamici discreti in campo complesso

Fig. 3.11 Particolare di un insieme di Julia a colori multipli. Il colore di un dato pixel (si veda
la legenda in figura) localizzato in z0 è associato al numero di iterazioni necessarie affinché la
corrispondente iterazione qck (z0 ) diverga, ossia al numero k di iterazioni tali che |qck (z0 )| ≥ M per
un certo M > 1 assegnato, ad esempio M = |c| + 1, cf. Proposizione 3.24. Per generare questa
figura è stata usata una griglia di 2000 × 2000 punti sul quadrato [−1.5; 1.5] × [−1.5; 1.5] con
c = 0.27334 − i0.00742

dove il diverso colore tiene conto della velocità con cui le successioni non limitate
divergono, come riportato nella didascalia.

Teorema 3.26 (Julia-Fatou, I) Se un polinomio complesso p ha un’orbita perio-


dica attrattiva, allora deve esistere un punto critico η del polinomio p (ossia un
punto η tale che p  (η) = 0) nel bacino di attrazione dell’orbita.

Osservazione 3.27 Siccome l’unico punto critico di qc (z) = z2 + c è z0 = 0, ciò


implica che qc può avere al più un’orbita periodica e che zero dev’essere attratto
da essa. Questo risultato suggerisce che, per determinare le orbite periodiche di qc ,
basta di iterare a partire da z0 = 0. Inoltre assicura che esiste, al più, una sola orbita
periodica e stabile.

Definizione 3.28 Diciamo che l’insieme K ⊆ C è connesso se, dati due punti qua-
lunque η1 , η2 ∈ K, esiste un cammino continuo γ interamente contenuto in K,
γ : [0, 1] → K, che congiunge i due punti (evidentemente, γ (0) = η1 e γ (1) = η2 ).

Definizione 3.29 Diciamo che l’insieme K ⊆ C è totalmente disconnesso se non


esiste alcun cammino continuo, interamente contenuto nell’insieme, che collega due
punti distinti η1 , η2 ∈ K.
3.5 Insiemi di Mandelbrot e Julia 83

Definizione 3.30 Un insieme C di numeri complessi si dice insieme di Cantor se


è chiuso, limitato, totalmente disconnesso, e ogni suo punto è di accumulazione per
l’insieme stesso.

Teorema 3.31 (Julia-Fatou, II) Sia Kc l’insieme pieno di Julia di qc (z). Se 0 ∈ Kc ,


allora Kc è connesso; se 0 ∈ Kc , allora Kc è un insieme di Cantor.

Osservazione 3.32 La Proposizione 3.24 e il Teorema 3.31 dividono in modo natu-


rale l’insieme dei numeri complessi in due sottoinsiemi: il primo contiene i valori
di c per cui l’insieme pieno di Julia è connesso e l’orbita di zero è limitata sotto
l’iterazione qc (z) = q 2 + c, il secondo contiene i valori del parametro c per i quali
l’insieme pieno di Julia è totalmente disconnesso e zero appartiene al bacino di
attrazione di infinito.

Definizione 3.33 L’insieme di numeri complessi


 
M = c ∈ C : la successione qck (0) è limitata in C .

si dice insieme di Mandelbrot.

In altre parole, un punto c ∈ C del piano complesso appartiene all’insieme M se


rimane limitata la successione definita ricorsivamente dalla formula

zk+1 = zk2 + c, z0 = 0, k ∈ N.

Questo insieme è interessante perché è connesso e la sua frontiera è una curva frat-
tale. Se |c| > 2 allora zero non appartiene all’insieme pieno di Julia Kc e Kc è un
insieme di Cantor. Questo implica che l’insieme M è contenuto nel disco di rag-
gio 2. Se |zk | > 2 allora la successione diverge ed il punto c è esterno all’insieme di
Mandelbrot. Il minimo valore di k per cui |zk | > 2 è un indice di quanto “lontano
da bordo” si trovi un punto e viene spesso utilizzato per la visualizzazione a colori
dell’insieme.
Un fatto interessante è che l’insieme dei valori del parametro c per i quali qc
ammette un punto fisso attrattivo è racchiuso all’interno della curva cardioide para-
metrizzata come
1 1
(θ ) = eθi − e2θi , θ ∈ [0, 2π).
2 4
Per dimomstrarlo basta determinare per quali valori di c esiste z0 = eiθ tale che
z02 + c = z0 e |qc (z0 )| = 2|z0 | ≤ 1. Si ha c = z0 − z02 = eiθ − 2 e2iθ , e |qc (z0 )| =
2|z0 | ≤ 1 =⇒ 2 ≤ 1 ⇐⇒  ≤ 1/2 =⇒ c = eiθ − 2 e2iθ ≤ 12 eθi − 14 e2θi , per-
tanto l’insieme dei valori di c risulta contenuto nella cardioide.
Dal Teorema 3.26 troviamo che la cardioide è contenuta in M poiché 0 deve
stare nel bacino di attrazione di un punto fisso attrattivo. Infatti, se definiamo
 
Mk = c ∈ C : qc (z) ha un punto attrattivo di periodo k ,
84 3 Sistemi dinamici discreti in campo complesso

allora

+
Mk ⊂ M.
k=1

È possibile dimostrare che M2 è il disco di centro −1 e raggio 14 . Riassumento,


M è contenuto all’interno del cerchio di raggio 2, M contiene l’interno del car-
dioide (θ ) = 12 eθi − 14 e2θi e M contiene l’interno del disco di centro −1 e rag-
gio 14 .

3.5.1 Legame tra insiemi di Julia e Mandelbrot

Quale legame sussiste tra gli insiemi di Julia e di Mandelbrot? L’insieme di Mandel-
brot permette di indicizzare gli insiemi di Julia. Ad ogni punto c del piano complesso
corrisponde un diverso insieme di Julia Kc . Più precisamente, vale il seguente

Teorema 3.34 Per ogni c ∈ C l’insieme Kc è connesso se e soltanto se c ∈ M.

Intuitivamente, gli insiemi di Julia più interessanti (ovvero quelli dalle forme
meno elementari) corrispondono a punti c che si trovano vicino al bordo dell’insieme
di Mandelbrot, mentre punti molto all’interno di M generano insiemi di Julia dalle
forme geometriche semplici. I punti esterni, lontani dal bordo, generano insiemi di
Julia formati da molti piccoli insiemi connessi.

3.5.2 Generare Jc e M al calcolatore

Si osservi che per generare l’insieme di Julia Jc e quello di Mandelbrot M si parte


dalla stessa formula generale zk+1 = zk2 + c, ma si usano in modo diverso i valori ini-
ziali di c e z0 . Come visto in precedenza, per la generazione degli insiemi di Julia si
tiene fisso c e si fa variare z0 colorando in nero il punto iniziale che origina un’orbita
limitata (si vedano le figure 3.8, 3.9 e 3.10). Se, al contrario, si mantiene fisso il dato
iniziale z0 = 0 e testano vari valori c, si può ottenere l’insieme di Mandelbrot: se,
dopo un certo numero di iterazione, zk fugge verso l’infinito, lo si colora di bianco,
in caso contrario di nero. Il risultato è l’insieme di Mandelbrot in figura 3.12.
Per rendere il procedimento appena descritto più raffinato (e gradevole da un
punto di vista estetico), e per meglio comprendere il comportamento dei vari punti
del piano rispetto alla legge che genera l’insieme di Mandelbrot, può essere conve-
niente usare più colori, come fatto per la figura 3.11 nel caso dell’insieme di Julia.
In quel caso, il colore di un dato pixel localizzato in punto z0 di C è associato
alla velocità con cui la corrispondente iterazione qck (z0 ) diverge, ossia al numero
k di iterazioni tali che |qck (z0 )| ≥ M per un certo M > 1 assegnato (ad esempio
M = |c| + 1, cf. Proposizione 3.24).
3.5 Insiemi di Mandelbrot e Julia 85

Fig. 3.12 Insieme di Mandelbrot M. Si noti che M, pur sembrando sconnesso, è connesso

Come si può stabilire se la successione diverge oppure no? Ragioniamo più atten-
tamente sulla legge di Mandelbrot: zk+1 = zk2 + c, z0 = 0, in cui compare il quadrato
di zk . Se un numero zk ha modulo maggiore o uguale a 2, allora il suo quadrato avrà
modulo ancora maggiore e quindi la successione è destinata a divergere per quel
particolare valore di c. Se invece la successione, dopo un certo numero massimo di
iterazioni, non accenna a divergere, si dà per scontato che non divergerà mai, e si
accetta quel valore di c come membro dell’insieme M. Ovviamente la procedura
non è corretta dal punto di vista teorico, ma, se il numero di iterazioni è abbastanza
elevato, allora la probabilità di commettere errori di attribuzione è ragionevolmente
limitata. Questa idea è stata utilizzata per ottenere la figura 3.12.
Part II
Equazioni e Sistemi Continui
Capitolo 4
Il caso scalare

Il matematico gioca un gioco in cui egli stesso inventa le regole.


Il fisico gioca un gioco in cui le regole sono fornite dalla
Natura. Ma, con il passare del tempo, diventa sempre più
evidente che le regole che il matematico trova interessanti sono
quelle che la Natura ha scelto.
Paul Adrien Maurice Dirac (1902–1984)

In questo capitolo studiamo, da un punto di vista qualitativo, alcuni problemi di


Cauchy per l’equazione ẋ = f (t, x) ed alcuni esempi di equazioni corredate da
condizioni al contorno anziché iniziali. I riferimenti principali per questa parte
sono [1, 2, 8, 29, 36].

4.1 Richiami di teoria


Definizione 4.1 Siano I ⊆ R un intervallo aperto e f (t, x) una funzione continua
su I × R. Diciamo che x : I → R è una soluzione dell’equazione differenziale or-
dinaria (del prim’ordine, in forma normale)
ẋ = f (t, x),
se x è derivabile su I e ẋ(t) = f (t, x(t)), per ogni t ∈ I .

Teorema 4.2 (Esistenza e unicità locale) Siano I ⊆ R un intervallo aperto, t0 ∈ I ,


x0 ∈ R e f (t, x) una funzione di classe C 1 su I × R. Si consideri il problema di
Cauchy
ẋ = f (t, x), x(t0 ) = x0 . (4.3)
Allora esistono δ > 0 e un’unica soluzione locale x : ]t0 − δ, t0 + δ[ → R di (4.3).
Infine, le soluzioni dipendono con continuità dai dati iniziali, ossia se x e y sono
due soluzioni di (4.3) definite sull’intervallo [t0 , t1 ] e corrispondenti ai dati iniziali
x0 e y0 , esiste una costante K > 0 (dipendente da t0 , t1 ) tale che
 
y(t) − x(t) ≤ K|y0 − x0 |,

per ogni t ∈ [t0 , t1 ].

© Springer-Verlag Italia 2016 89


M. Squassina, S. Zuccher, Introduzione all’Analisi Qualitativa dei Sistemi Dinamici
Discreti e Continui, UNITEXT – La Matematica per il 3+2 96,
DOI 10.1007/978-88-470-5791-3_4
90 4 Il caso scalare

Osservazione 4.4 L’ipotesi che f sia di classe C 1 può essere indebolita supponendo
che f sia localmente Lipschitziana rispetto a x uniformemente rispetto a t, ossia
esista c > 0 tale che
 
f (t, x2 ) − f (t, x1 ) ≤ c|x2 − x1 |,

per ogni x1 , x2 in un intorno del dato iniziale x0 , uniformemente rispetto al tempo


t ∈ I.

Osservazione 4.5 In generale, senza l’ipotesi che la funzione f sia localmente Lip-
schitziana nell’intorno del dato iniziale, il problema di Cauchy (4.3) può non essere
ben posto, ossia può mancare l’esistenza o l’unicità. Se la funzione f è continua,
il teorema di Peano (riferiamo il lettore al volume [31] per l’enunciato preciso e la
dimostrazione) garantisce sempre l’esistenza locale di almeno una soluzione (non
necessariamente unica). Senza continuità, in generale, manca esistenza locale. Con-
sideriamo infatti il problema di Cauchy

1 se x < 0,
ẋ = f (x), x(0) = 0, f (x) =
−1 se x ≥ 0,

e mostriamo che non ammette soluzione. Supponiamo per assurdo che esista una so-
luzione x : (−δ, δ) → R per un opportuno valore di δ > 0. Allora, essendo x(0) = 0
e ẋ(0) = f (x(0)) = f (0) = −1 < 0, in un intorno destro dell’origine la soluzione x
è negativa, mentre in un intorno sinistro dell’origine è positiva. Pertanto, nell’intorno
destro x risolve l’equazione ẋ = 1, mentre nell’intorno sinistro risolve l’equazione
ẋ = −1, per cui risulterebbe

t se 0 < t < δ,
x(t) =
−t se − δ < t ≤ 0,

che è assurdo, visto che abbiamo appena affermato che x risulta negativa in un
intorno destro dell’origine. Inoltre la funzione scritta sopra non è derivabile in 0,
contro la definizione di soluzione. Se il problema di Cauchy avesse un dato ini-
ziale x(0) = x0 > 0, allora la soluzione sarebbe data da x(t) = x0 − t, definita
sull’intervallo massimale di definizione Jx0 = (−∞, x0 ), per i motivi che abbiamo
appena discusso. Se la funzione f è continua ma non localmente Lipschitziana po-
trebbe mancare l’unicità della soluzione. Si consideri, ad esempio il problema di
Cauchy

ẋ = 2 |x|, x(0) = 0.
Si verifica facilmente che, oltre alla soluzione nulla, anche tutta la schiera di fun-
zioni (derivabili) xα : R → R, al variare del parametro α > 0, della forma

0 se t ≤ α,
xα (t) =
(t − α)2 se t > α,

sono tutte soluzioni (pennello di Peano).


4.1 Richiami di teoria 91

Osservazione 4.6 Siano x1 : I → R e x2 : I → R due soluzioni locali distinte


dell’equazione ẋ = f (t, x). Supponiamo che f soddisfi le ipotesi del teorema 4.2.
Allora

x1 (t) = x2 (t), ∀t ∈ I.

Infatti, se esistesse t˜ ∈ I tale che x1 (t˜) = x2 (t˜), i problemi di Cauchy

ẋ1 = f (t, x1 ), x1 (t˜) = x2 (t˜); ẋ2 = f (t, x2 ), x2 (t˜) = x1 (t˜)

avrebbero la stessa soluzione su I , i.e. x1 = x2 su I , contro l’ipotesi che x1 e x2


siano distinte. In particolare, cosa utile nello studio qualitativo, ogni soluzione non
costante rimane sempre strettamente maggiore o minore (nel suo dominio di defini-
zione) di una soluzione stazionaria (i.e. costante) dell’equazione.

Teorema 4.7 (Esistenza globale) Siano I ⊆ R un intervallo aperto e f (t, x) una


funzione continua su I × R e localmente Lipschitziana rispetto a x uniformemente
rispetto a t. Si consideri l’equazione differenziale

ẋ = f (t, x).

Sia x : J → R una sua soluzione con J ⊆ I intervallo massimale di definizione


(ossia non esistono soluzioni x̃ dell’equazione definite su un intervallo J˜ ⊃ J e tali
che x̃ = x su J ). Supponiamo che esistano due costanti α ≥ 0 e β ≥ 0 tali che
    
f t, x(t)  ≤ α + β x(t), ∀t ∈ J.

Allora J = I . In particolare, se I = R una condizione di crescita sub-lineare della


funzione f rispetto al secondo argomento e uniformemente rispetto a t,
 
f (t, ξ ) ≤ α + β|ξ |, ∀t ∈ R, ∀ξ ∈ R

implica che le soluzioni massimali sono definite su tutto R.

Teorema 4.8 (Confronto) Siano I ⊆ R un intervallo aperto, f (t, x) e g(t, y) due


funzioni continue su I × R e localmente lipschitziane rispetto ad x e y (uniforme-
mente rispetto a t) rispettivamente. Siano x : I → R e y : I → R due funzioni che
verificano
   
ẋ ≤ f t, x(t) , ẏ ≥ g t, y(t) , ∀t ∈ I.

Supponiamo inoltre che risulti f ≤ g. Allora

x(t0 ) ≤ y(t0 ) =⇒ x(t) ≤ y(t) ∀t ∈ I, t ≥ t0 ,


x(t0 ) ≥ y(t0 ) =⇒ x(t) ≥ y(t) ∀t ∈ I, t ≤ t0 .
92 4 Il caso scalare

Teorema 4.9 (Asintoto orizzontale) Siano a > 0 e x : [a, +∞[ → R una funzione
derivabile tale che esistano i limiti

lim x(t) ∈ R, lim ẋ(t) = γ ∈ R̄.


t→+∞ t→+∞

Allora γ = 0.

4.2 Alcuni studi qualitativi

Per i problemi autonomi, ossia quando f è indipendente da t, lo studio è in ge-


nere abbastanza meccanico. Per problemi non autonomi utilizzeremo talvolta alcuni
espedienti ad-hoc per la particolare equazione in esame.

Problema 4.10 Studiare, al variare del dato iniziale α ∈ R, il comportamento qua-


litativo delle soluzioni del problema di Cauchy autonomo

ẋ = x 3 − x,
(4.11)
x(0) = α.

Si risolva inoltre esplicitamente il problema determinando i tempi di estinzione tα


delle soluzioni che hanno intervallo massimale Jα = R.

Soluzione La funzione f : R → R, f (x) = x 3 − x, è di classe C 1 , per cui, per il


teorema 4.2, il problema ammette un’unica soluzione locale, per ogni α ∈ R. Le
soluzioni stazionarie dell’equazione devono soddisfare

x 3 − x = 0,

per cui x = −1, x = 0 e x = 1 sono le uniche soluzioni stazionarie. Nel caso in


cui α sia uguale a −1, 0, 1 queste sono rispettivamente le soluzioni del problema di
Cauchy dato. Conviene quindi distinguere quattro casi:

α > 1, 0 < α < 1, −1 < α < 0, α < −1.

Caso α > 1. Essendo x = 1 una soluzione stazionaria, in questo caso la solu-


zione x(t) del problema rimane sopra la retta y = 1 nel suo intervallo massimale di
definizione, che indicheremo con Jα , ossia

∀t ∈ Jα : x(t) > 1.

Di conseguenza, essendo
  
∀t ∈ Jα : ẋ(t) = x 3 (t) − x(t) = x(t) x(t) − 1 x(t) + 1 > 0,
4.2 Alcuni studi qualitativi 93

la soluzione x risulta strettamente crescente su Jα . In particolare, si ha

∀t ∈ Jα ∩ ]−∞, 0] : 1 < x(t) ≤ x(0) = α.

Dal teorema 4.7 (esistenza globale) si deduce che la soluzione x risulta estendibile
sul semi-asse dei numeri reali negativi, ossia

]−∞, 0] ⊂ Jα .

La domanda, ora, è la seguente: l’intervallo massimale Jα è limitato superiormente?


La risposta è positiva. Infatti, integrando l’equazione differenziale data rispetto a t
sull’intervallo [0, t], risulta
x(t)

∀t ∈ Jα ∩ [0, +∞[ : t = .
α τ −τ
3

Si noti che, essendo x(t) > α > 1, non sussistono problemi di integrabilità (in senso
improprio) in τ = 1 per l’integrale che compare a destra. Ora, se nell’intervallo
Jα ∩ [0, +∞[ la soluzione rimanesse limitata, per il teorema 4.7 (esistenza globale)
la soluzione si potrebbe estendere a tutto il semiasse dei reali positivi, e quindi, in
ultima analisi sarebbe definita su tutto R. D’altra parte, in tale caso, la soluzione
(monotona e limitata) avrebbe un asintoto orizzontale di valore  > 1, che risulta
impossibile, essendo, per il teorema 4.9 (asintoto orizzontale),

0 = lim ẋ(t) = lim x 3 (t) − x(t) = ( − 1)( + 1) > 0.


t→+∞ t→+∞

Pertanto, deve risultare


 
sup x(t) : t ∈ Jα ∩ [0, +∞[ = +∞.

Allora esiste una successione tj ⊂ Jα ∩ [0, +∞[ tale che x(tj ) → +∞ e


x(tj ) +∞
dτ dτ
lim tj = lim = .
j →∞ j →∞ α τ −τ
3
α τ3−τ

Come noto dalla teoria degli integrali impropri, la funzione {τ → 1


τ 3 −τ
} è integra-
bile (in senso improprio) sull’intervallo [α, +∞[, per cui

tmax = lim tj < +∞.


j →∞

La soluzione, pertanto, è definita sull’intervallo massimale Jα = ]−∞, tmax [ e

lim x(t) = +∞.



t→tmax

Nuovamente per il teorema 4.9, si verifica facilmente che la soluzione x ammette


l’asintoto orizzontale y = 1 per t → −∞. In figura 4.1 (sinistra) sono riportate una
94 4 Il caso scalare

Fig. 4.1 Evoluzione della soluzione del problema di Cauchy 4.11 per α > 1 (sinistra) e
−1 < α < 1 (destra). Per α > 1 si noti l’esplosione delle soluzioni in tempo finito al crescere
di α e il collasso sull’asintoto y = 1 per t → −∞. Per −1 < α < 1 si noti che le soluzioni sono
definite su tutto R e sono limitate tra le soluzioni stazionarie −1 e 1

serie di soluzioni ottenute per α > 1, per le quali si può notare l’esplosione in tempo
finito all’aumentare di α e la presenza dell’asintoto orizzontale y = 1 per t → −∞.
Caso 0 < α < 1. Essendo x = 0 e x = 1 due soluzioni stazionarie, in questo caso
la soluzione x(t) del problema rimane compresa tra le rette y = 0 e y = 1 nel suo
intervallo massimale Jα di definizione, i.e.

∀t ∈ Jα : 0 < x(t) < 1.

Di conseguenza, per il teorema di esistenza globale, deve essere Jα = R. Inoltre,


essendo
  
∀t ∈ Jα : ẋ(t) = x(t) x(t) − 1 x(t) + 1 < 0,
la soluzione risulta strettamente decrescente su R, quindi ammette limite sia per
t → −∞ che per t → +∞. Ragionando come sopra, si vede subito che

lim x(t) = 1, lim x(t) = 0.


t→−∞ t→−∞

In figura 4.1 (destra) sono riportate, per −1 < α < 1, le soluzioni definite su tutto R
e limitate dalle soluzioni stazionarie y = ±1, che sono anche gli asintoti.
Caso −1 < α < 0. Questo caso si tratta come il precedente, con la sola differenza
che la soluzione risulta strettamente crescente e

lim x(t) = 0, lim x(t) = −1.


t→−∞ t→−∞

Caso α < −1. Questo caso è l’analogo del caso α > 1; la soluzione risulta stret-
tamente decrescente e l’intervallo massimale risulta ancora della forma ]−∞, τmax [
con
lim x(t) = −∞.

t→τmax
4.2 Alcuni studi qualitativi 95

Fig. 4.2 Evoluzione della soluzione#del problema di Cauchy 4.11 per α < −1 (sinistra) e an-
2
damento della funzione f (α) = log( α2α−1 ) (destra) che descrive l’instante di estinzione delle
soluzioni al variare della condizione iniziale α. Per α < −1 si noti l’esplosione delle soluzioni in
tempo finito al diminuire di α e il collasso sull’asintoto y = −1 per t → −∞

Come per il caso α > 1, anche nel caso α < −1, si verifica facilmente che y =
−1 è un asintoto orizzontale di x per t → −∞. In figura 4.2 (sinistra) è riportato
l’andamento di alcune soluzioni ottenute per α < −1 in cui, come nel caso α > 1,
si notano l’esplosione in tempo finito l’asintoto orizzontale y = −1 per t → −∞.
Tempi di estinzione. Si osservi che l’equazione assegnata è a variabili separabili,
quindi può essere risolta esplicitamente, calcolando esattamente i tempi di estin-
zione della soluzione nel caso |α| > 1. Vediamo, a titolo di esempio, il caso α > 1.
Essendo
1 1 1 1
=− + + ,
x3 − x x 2(x + 1) 2(x − 1)
integrando l’equazione su [0, t], t ≥ 0, risulta
 x(t)
1 1
− log ξ + log(ξ + 1) + log(ξ − 1) = t,
2 2 α

da cui
 √
x 2 (t) − 1 α2 − 1 t
= e,
x(t) α
pertanto
1
∀t ∈ ]−∞, tmax [ : x(t) = # ,
α 2 −1 2t
1− α2
e
dove

 
α2
tmax (α) = log , α > 1.
α2 − 1
96 4 Il caso scalare

Da questa espressione si vede anche come l’intervallo massimale tende ad invadere


tutta la retta reale R quando α tende ad 1+ , mentre tende a ]−∞, 0] quando α tende
a +∞. In altre parole (formalmente) potremmo scrivere

J∞ = ]−∞, 0], J1 = R.

Simili considerazioni si possono fare per α → −1− e per α → −∞. In fi-


gura 4.2 (destra) è riportato l’andamento della curva che descrive il tempo di estin-
zione al variare di α. Si noti che essa è simmetrica rispetto ad α = 0. 

Problema 4.12 Studiare, al variare del dato iniziale α ∈ R, il comportamento qua-


litativo delle soluzioni del problema di Cauchy autonomo

ẋ = sin x,
(4.13)
x(0) = α.

Soluzione Le soluzioni stazionarie sono le soluzioni dell’equazione sin x = 0, per


cui xk = kπ , per k ∈ Z. In particolare, se α = kπ , la soluzione del problema di
Cauchy è la soluzione stazionaria x(t) = xk . I tutti gli altri casi, dato α ∈ R, deve
esistere k ∈ Z tale che
kπ < α < (k + 1)π.
Per il teorema 4.2, in tali casi, la soluzione si mantiene, sul suo intervallo massimale
di definizione Jα , compresa tra le due soluzioni stazionarie, ossia

∀t ∈ Jα : kπ < x(t) < (k + 1)π.

Questo implica anche che Jα = R per il teorema 4.7 (soluzione limitata). Inoltre, si
ha anche

∀t ∈ R : ẋ(t) = sin x(t) > 0, per k pari,


∀t ∈ R : ẋ(t) = sin x(t) < 0, per k dispari,

per cui, x risulta strettamente crescente o strettamente decrescente a seconda che k


sia pari o dispari e, in conclusione, si verifica che

lim x(t) = (k + 1)π, lim x(t) = kπ, per k pari,


t→+∞ t→−∞

lim x(t) = kπ, lim x(t) = (k + 1)π, per k dispari.


t→+∞ t→−∞

Si osservi che
1  
∀t ∈ R : ẍ(t) = ẋ(t) cos x(t) = sin x(t) cos x(t) = sin 2x(t) ,
2
per cui ai livelli βk = 2k+1
2 π le soluzioni cambiano concavità (flessi). Tutte queste
considerazioni sono riassunte graficamente in figura 4.3. 
4.2 Alcuni studi qualitativi 97

Fig. 4.3 Evoluzione della


soluzioni del problema di
Cauchy 4.13 per diversi
valori α. Si noti che la
soluzione x(t) rimane
confinata tra le soluzioni
stazionarie kπ e (k + 1)π (in
figura k = 0, 1, 2). In linea
continua sono riportati i
livelli βk = 2k+1
2 π dove la
soluzione x(t) cambia
concavità (linea di punti di
flesso)

Vediamo ora una serie di problemi di Cauchy non autonomi che, per questo,
presentano maggiori difficoltà.

Problema 4.14 Studiare, al variare di α ∈ R \ {±1}, il comportamento qualitativo


delle soluzioni del problema di Cauchy

⎪ 1
⎨ẋ = √ ,
x + t2 − 1
2
(4.15)


x(0) = α.

Stimare l’intervallo massimale della soluzione nel caso particolare α = 0.

Soluzione La funzione che definisce l’equazione differenziale risulta di classe C 1


nell’insieme dei punti (t, x) tali che t 2 + x 2 = 1, quindi, localmente, per ogni
α ∈ R \ {±1}, l’equazione ammette una ed una sola soluzione. Conviene distinguere
i casi |α| < 1 e |α| > 1. Nel primo caso le soluzioni, che partono all’interno del
disco di raggio 1 e centro l’origine rimangono necessariamente confinate all’interno
del disco (se incontrassero la circonferenza in un punto (τ, x(τ )), la soluzione non
sarebbe derivabile in τ ). Per lo stesso motivo, nel secondo caso, le soluzioni che par-
tono al di fuori del disco non possono mai entrarvi. Quindi, se |α| < 1, le soluzioni
hanno un intervallo massimale

Jα ⊂ ]−1, 1[

e risultano strettamente decrescenti (visto il membro destro dell’equazione). Se


|α| > 1 le soluzioni devono essere strettamente crescenti sul loro intervallo mas-
simale. Si osservi inoltre che, dall’equazione, si ricava l’espressione della derivata
seconda di x
x(t)ẋ(t) + t
∀t ∈ Jα : ẍ(t) = −   .
x 2 (t) + t 2 ( x 2 (t) + t 2 − 1)2
Pertanto la soluzione risulta convessa sugli intervalli Iα ⊂ Jα tali che

∀t ∈ Iα : x(t)ẋ(t) + t ≤ 0,
98 4 Il caso scalare

Fig. 4.4 Evoluzione delle soluzioni del problema di Cauchy 4.15 per diversi valori |α| < 1 (si-
nistra) e |α| > 1 (destra). Si noti che nel primo caso la soluzione x(t) rimane confinata dentro il
cerchio con centro nell’origine e raggio unitario e termina collassando sulla circonferenza. Tutte le
soluzioni con valori iniziali α ∈ ]−1, 1[ hanno intervallo massimale Jα ⊂ ]−1, 1[. Per |α| > 1 (de-
stra) la soluzione x(t) rimane esterna al cerchio. Si noti che in questo caso i tempi di estinzione
cambiano al variare di α, in particolare, superato un certo valore critico, le soluzioni sono definite
su tutto R

mentre risulta concava sugli intervalli Iα ⊂ Jα tali che

∀t ∈ Iα : x(t)ẋ(t) + t ≥ 0.

Per α = 0, essendo la soluzione decrescente e negativa per t ≥ 0 e decrescente e


positiva per t ≤ 0, dalle disuguaglianze precedenti la soluzione risulta concava per
t ≥ 0 e convessa per t ≤ 0. Osserviamo che in t = 0 la derivata vale −1, quindi
la retta tangente al grafico della soluzione in 0 è la bisettrice del secondo e quarto
quadrante. Pertanto, per motivi di convessità-concavità, risulta
 √ √ 
2 2
J0 ⊂ − , .
2 2
In figura 4.4 (sinistra) sono riportate alcune soluzioni per |α| < 1. Si noti che la
soluzione x(t) rimane confinata dentro il cerchio con centro nell’origine e raggio
unitario e termina collassando sulla circonferenza. Nel caso |α| > 1, tenuto conto
del segno e della monotonia delle soluzioni, si può dire che

α>1 =⇒ Jα ⊃ [0, +∞[, α < −1 =⇒ Jα ⊃ ]−∞, 0].

Infatti, in questi casi, le soluzioni non possono avvicinarsi alla circonferenza


t 2 + x 2 = 1 per cui il secondo membro dell’equazione si mantiene uniformemente
limitato (quindi la derivata della soluzione si mantiene limitata) da cui l’estendibilità
delle soluzioni su [0; +∞) (per α > 1) oppure (−∞; 0] (per α < −1). Mostriamo
che se |α| > 1 esistono due valori critici α + > 1 e α − < −1 per cui si trovano
λα < 0 e γα > 0 tali che

α > α+ =⇒ Jα = R, 1 < α ≤ α+ =⇒ Jα = ]λα , +∞[


4.2 Alcuni studi qualitativi 99

α < α− =⇒ Jα = R, α − ≤ α < −1 =⇒ Jα ⊂ ]−∞, γα [.

Ragioniamo nel caso α > 1 (si procede in modo simile se α < −1). Prendiamo
ε > 0 e consideriamo il problema di Cauchy

⎪ 1
⎨ẇ = √ ,
w + t2 − 1
2
(4.16)


w(−1 − ε) = 0.

Questo problema ha soluzione wε definita su tutto R e strettamente crescente. Infatti


la soluzione parte fuori dal disco unitario centrato nell’origine, rimane sempre fuori
(la soluzione di (4.16) non può collassare con tangente verticale sulla circonferenza,
altrimenti dovrebbe essere decrescente su un opportuno intervallo, che è impossi-
bile) e quindi dall’equazione 4.16 risulta ẇ > 0. Pertanto, esiste ε > 1 tale che
w(0) = ε . Siccome due soluzioni distinte della stessa equazione non si possono
mai incrociare, si ha che per ogni α ≥ ε la soluzione x del problema 4.15 (che
parte in (0, α)) deve essere definita su tutto R (perché esiste al di sopra di wε che
è definita su R ed estrena, per ε fissato, alla circonferenza, quindi ẋ rimane limi-
tata) ed essere strettamente crescente. Fissato ε0 > 0, geometricamente si vede che
1 < ε < ε0 per ogni ε < ε0 e quindi ε deve rimanere limitata per ε → 0. Per-
tanto ε → α + e α + deve avere la proprietà enunciata sopra (si pensi a dove va a
“collidere” una soluzione che parte in (0, α) con 1 < α < α + ). Un’altra indicazione
di ciò che accade può essere ottenuta approssimando la soluzione x nell’intorno di
0 con il suo polinomio di McLaurin di secondo grado. Si trova

t t2
x(t) ≈ α + − .
α − 1 2(α − 1)3
Il discriminante del polinomio di secondo grado risulta

3α − 1
Δα = >0
(α − 1)3
e gli zeri sono dati da

α
t± = (α − 1)2 ± (3α − 1)(α − 1)3 .

Pertanto, per α abbastanza vicino a 1, si ha |t±α | < 1, per cui la parabola deve neces-

sariamente intersecare la circonferenza in un punto ad ordinata positiva (e ascissa


negativa). In particolare, la soluzione deve estinguersi in corrispondenza di un certo
t = λα < 0. Per valori molto grandi di α (grande ampiezza) la parabola non inter-
seca la circonferenza, per cui non si prevede che la soluzione si estingua in tempo fi-
nito. In figura 4.5 sono riportati rispettivamente l’evoluzione della soluzione del pro-
blema 4.16 (definita su tutto l’asse reale) al variare di ε (destra) e l’approssimazione
100 4 Il caso scalare

Fig. 4.5 Evoluzione della soluzione del problema di Cauchy 4.16 (definita su tutto l’asse reale) al
variare di ε (destra) e approssimazione della soluzione x(t) nell’intorno di t = 0 con il polinomio
di McLaurin al variare di α (sinistra)

parabolica della soluzione x(t) nell’intorno di 0. In figura 4.4 (destra) sono riportate
le soluzioni del problema di Cauchy originario 4.15 per |α| > 1. Si noti che le so-
luzioni rimangono esterne al cerchio unitario, e che i tempi di estinzione cambiano
al variare di α. In particolare, superato un certo valore critico, le soluzioni sono
definite su tutto R. 

Nell’esempio che segue facciamo variare l’istante iniziale del problema di Cau-
chy, anziché il valore iniziale; anche in questo caso alcuni ragionamenti sono ad-hoc
per il particolare problema in esame.

Problema 4.17 Studiare, al variare del punto iniziale α ∈ R, il comportamento qua-


litativo delle soluzioni del problema di Cauchy
⎧ t−x

⎨ẋ = e ,
x (4.18)

⎩x(α) = 1.

Determinare, in particolare, il dominio di x al variare di α ∈ R.

Soluzione Il denominatore del membro destro dell’equazione si annulla per x = 0;


pertanto, essendo x(α) > 0 per ogni α ∈ R la soluzione x deve è tutta contenuta nel
semipiano delle ordinate positive sull’intervallo massimale Jα , ossia

∀t ∈ Jα : x(t) > 0.

Siccome
et−x(t)
∀t ∈ Jα : ẋ(t) = > 0,
x(t)
4.2 Alcuni studi qualitativi 101

x risulta strettamente crescente su Jα . Se vi fosse esplosione in tempo finito a destra


di t = α, esisterebbe βα > α tale che

lim x(t) = +∞,


t→βα−

che implicherebbe

et−x(t) 1
lim ẋ(t) = lim = eβα lim x(t)
= 0,
t→βα− t→βα− x(t) −
t→βα x(t)e

che è impossibile. Pertanto deve essere [α, +∞[ ⊂ Jα . Esiste quindi il limite di x
per t → +∞. Se tale limite fosse finito, ossia se

lim x(t) =  > 0,


t→+∞

si avrebbe
et−x(t)
lim ẋ(t) = lim = +∞,
t→+∞ t→+∞ x(t)

che non è possibile per il teorema dell’asintoto. Ne segue

lim x(t) = +∞.


t→+∞

Integrando l’equazione (a variabili separabili), si ottiene la seguente soluzione in


forma implicita
 
x(t) − 1 ex(t) = et − eα , t ∈ Jα .
Nel caso α > 0, facendo un rapido studio della funzione

ϕ(ξ ) = (ξ − 1)eξ ,

si ottiene ϕ(ξ ) ≥ −1 per ogni ξ ∈ R, per cui appare in modo naturale il vincolo sui
tempi
et − eα ≥ −1,
ossia
 
t ≥ log eα − 1 .
Quindi x non si può prolungare a tutto il semiasse negativo, ossia γ = inf(Jα ) >
−∞. Deve essere

lim x(t) = 0, lim ẋ(t) = +∞,


t→γ + t→γ +

altrimenti, per il teorema di esistenza locale, la soluzione si potrebbe prolungare


alla sinistra di γ che, quindi, non sarebbe l’estremo inferiore di Jα . Nel caso α ≤ 0,
102 4 Il caso scalare

Fig. 4.6 Evoluzione della soluzione del problema di Cauchy 4.18 per α > 0 (sinistra) e α < 0
(destra). Si noti che la soluzione x(t) per α > 0 tende in tempo finito all’asse x (sul quale si
estingue), mentre esplode per t → +∞. Al contrario, per α < 0 la soluzione è definita per ogni t
in R e ammette un asintoto orizzontale (dipendente da α) per t → −∞

dalla soluzione in forma implicita risulta che per ogni t ≤ α è possibile determinare
il corrispondente valore x(t), ossia inf(Jα ) = −∞. Si osservi che il limite di x per
t → −∞ deve essere finito, essendo x crescente e limitata tra 0 e α. Se fosse

lim x(t) = 0,
t→−∞

passando al limite nella soluzione implicita, si avrebbe −1 = −eα , da cui α = 0,


mentre in generale α = 0. Ne segue che, per ogni α ≤ 0 deve esistere α ∈ [0, α[
tale che

lim x(t) = α ,
t→−∞

e α deve soddisfare l’equazione

(1 − α )eα = eα ,

che ammette sempre soluzione, essendo α negativo. In figura 4.6 sono riportate
alcune soluzioni al variare di α. Si noti che x(t), per α > 0, tende in tempo finito
all’asse x, sul quale si estingue. 

Problema 4.19 Studiare, al variare del dato iniziale α ≥ 0, il comportamento qua-


litativo delle soluzioni del problema di Cauchy


⎨ẋ = x2
,
1 − tx (4.20)


x(0) = α.
4.2 Alcuni studi qualitativi 103

Soluzione Tenuto conto della forma del denominatore al membro destro dell’equa-
zione, sull’intervallo massimale Jα delle soluzioni deve risultare

∀t ∈ Jα : 1 − tx(t) = 0.

In altre parole, il grafico della soluzione non può incontrare l’iperbole 1/t. Essendo
x(0) = α, la condizione sopra si traduce in

1
∀t ∈ Jα ∩ ]0, +∞[ : x(t) < .
t
Si osservi che x = 0 è una soluzione stazionaria per l’equazione, per cui, nel caso
α = 0, x = 0 è la soluzione del problema di Cauchy.
Se α > 0 si ha
1
∀t ∈ Jα ∩ ]0, +∞[ : 0 < x(t) < ,
t
∀t ∈ Jα ∩ ]−∞, 0[ : 0 < x(t) ≤ α,

per cui se t ≤ 0
x2
f (t, x) =
1 − tx
è una funzione di classe C 1 . Essendo 0 < x(t) ≤ α dal teorema di esistenza globale
si deduce che
]−∞, 0] ⊂ Jα .
D’altronde, la soluzione x non può essere definita su tutta la semiretta reale po-
sitiva, essendo la soluzione strettamente crescente (ẋ > 0) e limitata dall’iperbole
equilatera 1/t. Deve quindi esistere tα > 0 tale che

1
Jα = ]−∞, tα [, lim x(t) = , lim ẋ(t) = +∞,
t→tα− tα t→tα−

come segue immediatamente dall’equazione. Per una possibile stima del valore
di tα , si può procedere come segue. L’espressione della derivata seconda di x è
la seguente
3x 3 (t) + tx 2 (t)ẋ(t)
ẍ(t) = ,
(1 − tx(t))2
per cui la soluzione è convessa per t > 0. La retta tangente al grafico di x in t = 0 è
y = α + α 2 t e incontra l’iperbole 1/t con t > 0 quando α 2 t 2 + αt − 1 = 0, ovvero
per

+ 5−1
tα = .

104 4 Il caso scalare

Fig. 4.7 Evoluzione della soluzione del problema di Cauchy 4.20 per alcuni valori di α (sinistra)
e confronto con lo sviluppo di McLaurin P (t) = α + α 2 t + 32 α 3 t 2 per α = 0.5 e α = 1 (destra). Si
noti come la soluzione sia ben approssimabile con lo sviluppo parabolico P (t) per t → 0

A causa della convessità di x, deve essere



5−1
0 < tα < .

Si osservi che per valori di α grandi, l’intervallo massimale Jα ha estremo superiore
prossimo a zero. In figura 4.7 sono riportate alcune soluzioni al variare di α ed
il confronto con lo sviluppo di McLaurin P (t) = α + α 2 t + 32 α 3 t 2 per α = 0.5 e
α = 1. 

Problema 4.21 Provare che, per ogni scelta del dato iniziale α ∈ R, la soluzione
del problema di Cauchy


⎨ẋ = sin2 t
,
(2 + t 4 )(1 + x 2 ) (4.22)


x(0) = α

è definita su tutto R e limitata.

Soluzione Si osservi che non esistono soluzioni stazionarie. Per il teorema di esi-
stenza globale, tutte le soluzioni massimali devono essere definite su R, essendo
  2
f (t, x) = sin t 1 1
≤ , ∀x ∈ R, ∀t ∈ R.
2+t 1+x
4 2 2
Inoltre, per ogni α, si ha

ẋ(t) > 0, ∀t ∈ R \ {kπ}k∈Z ,

mentre
ẋ(kπ) = 0, ∀k ∈ Z.
4.2 Alcuni studi qualitativi 105

Fig. 4.8 Evoluzione della


soluzione del problema di
Cauchy 4.22 per diversi valori
α ∈ R. Si noti che la
soluzione x(t) tende (per
t → ±∞) a valori asintotici
che variano al variare di α. In
figura sono riportate anche le
rette verticali t = kπ (k ∈ Z),
luoghi dei punti a tangente
orizzontale, come si desume
facilmente osservando il
grafico della soluzione

Pertanto, le soluzioni sono tutte strettamente crescenti e t = kπ sono (gli unici)


punti a tangente orizzontale. Esistono inoltre, al variare di α, i limiti delle soluzioni
per t → −∞ e t → +∞. Per ogni t ∈ R risulta

  sin2 t 1
1 + x 2 (t) ẋ(t) = ≤ ,
2 + t4 2 + t4

da cui, integrando nel tempo su [0, t] con t > 1, si ha


x(t) 
 1 1 t 1
1 + σ 2 dσ ≤ dσ + dσ
α 0 2 + σ4 1 2 + σ4
1 t
1 1
≤ dσ + dσ
0 2 + σ4 1 σ4
1 1 5
≤ + ≤ .
2 3 6
In particolare, la soluzione si deve mantenere limitata su (0, +∞), altrimenti, pas-
sando al limite per t → +∞ nella disuguaglianza precedente si dedurrebbe
+∞  
1 + σ 2 dσ < ∞,
α

che è impossibile. In modo simile si può mostrare la limitatezza delle soluzioni su


(−∞, 0). Pertanto, per ogni α ∈ R, devono esistere β + (α) ∈ R e β − (α) ∈ R (si
ricordi che non esistono soluzioni stazionarie) tali che

lim x(t) = βα− , lim x(t) = βα+ ,


t→−∞ t→+∞

quindi asintoti variabili con la condizione iniziale. In figura 4.8 è riportata


l’evoluzione della soluzione del problema di Cauchy 4.22 per diversi valori
α ∈ R. 
106 4 Il caso scalare

Problema 4.23 Si consideri l’equazione

ẋ = f (x),

essendo f : R → R una funzione di classe C 1 tale che

f (0) = 0, f  (x) ≥ 0 per ogni x ∈ R.

Si mostri che gli intervalli massimali delle soluzioni sono del tipo I = ]−∞, λ[,
con λ ∈ R̄; si esibisca un esempio di funzione f per cui λ = +∞ per qualche dato
iniziale e un esempio di funzione f per cui λ < +∞ per qualche dato iniziale.
Supponendo che f (0) = f (1) = 0 (ma non necessariamente che f  ≥ 0 su R),
consideriamo il problema

ẋ = f (x),
(Pα )
x(0) = α.
Per quali valori di α la soluzione massimale di Pα è necessariamente definita su
tutto R? Se
lim x(t) =  ∈ R,
t→+∞

mostrare che  è una soluzione dell’equazione f (ξ ) = 0. Infine, se α > 0 le solu-


zioni di Pα sono convesse? Se α < 0 le soluzioni di Pα sono concave? Se α > 0 e
...
f ∈ C 2 (R) con f convessa, allora le soluzioni di Pα verificano x ≥ 0?

Soluzione Essendo f (0) = 0, x = 0 è una soluzione stazionaria. In particolare, le


soluzioni con un valore iniziale x(0) > 0 si mantengono strettamente positive, men-
tre le soluzioni con un valore iniziale x(0) < 0 si mantengono strettamente negative.
Tenuto conto che f è una funzione crescente e nulla in x = 0, le soluzioni con un
valore iniziale x(0) > 0 sono crescenti, mentre le soluzioni con un valore iniziale
x(0) < 0 sono decrescenti (essendo ẋ(t) = f (x(t)) ≥ 0 e ẋ(t) = f (x(t)) ≤ 0 ri-
spettivamente). Sia J = ]δ, λ[ l’intervallo massimale delle soluzioni. Supponiamo
per assurdo che δ > −∞. Essendo le soluzioni monotone (crescenti per x(0) > 0,
decrescenti per x(0) < 0), esiste finito il limite

−∞ < lim x(t) = γ < +∞.


t→δ +

Allora, si potrebbe considerare il problema di Cauchy



ẋ = f (x),
x(δ) = γ

prolungando in tal modo ulteriormente la soluzione a sinistra, che è vietato, essendo


J un intervallo massimale. Quindi, J = ]−∞, λ[ (prima richiesta). Un esempio di
funzione con λ = +∞ è f (x) = x in quanto la soluzione (funzione esponenziale)
è definita su tutto R. Un esempio di funzione con λ < +∞ è f (x) = ex − 1. Le
4.2 Alcuni studi qualitativi 107

soluzioni positive devono necessariamente esplodere in tempo finito, ossia λ < +∞,
perché integrando l’equazione su [0, t] (supponiamo ad esempio x(0) = α > 0), si
ha
x(t) +∞
dσ dσ
t= ≤ < ∞.
α e −1
σ
α e −1
σ

Per il punto successivo, essendo f (0) = f (1) = 0, si ha che x = 0 e x = 1 sono so-


luzioni stazionarie e quindi, partendo con un valore iniziale α ∈ [0, 1], le soluzioni
rimangono limitate tra 1 e 0 e devono, di conseguenza, essere definite su tutto R. Ne-
gli altri casi la soluzione può esplodere in tempo finito. Per il problema Pα , il limite
 ∈ R è conseguenza del teorema dell’asintoto. Per quanto riguarda la convessità-
concavità delle soluzioni risulta
     
ẍ(t) = f  x(t) ẋ(t) = f  x(t) f x(t) ,

da cui segue che se α > 0 le soluzioni di Pα sono convesse, mentre se α < 0 le


soluzioni di Pα sono concave. Infine,
...    2  2  
x (t) = f  x(t) f x(t) + f  x(t) f x(t)

per cui, se α > 0 e f ∈ C 2 (R) con f convessa, le soluzioni di Pα verificano


...
x ≥ 0. 

Per l’equazione autonoma ẋ = f (x), l’analisi della stabilità dei punti di equi-
librio via linearizzazione risulta particolarmente semplice e intuitiva. Un punto di
equilibrio x0 si dice stabile se, per ogni ε > 0, esiste δ > 0 tale che la soluzione
con un dato iniziale y0 tale che |y0 − x0 | < δ verifica |x(t) − x0 | < ε per ogni
t ≥ 0.

Problema 4.24 Provare che, se x0 è un punto di equilibrio per ẋ = f (x), ossia


f (x0 ) = 0, e f ∈ C 1 valgono allora i seguenti fatti:
(a) se f  (x0 ) < 0, allora x0 è localmente asintoticamente stabile;
(b) se f  (x0 ) > 0, allora x0 è instabile;
(c) se f  (x0 ) = 0 e f  (x0 ) = 0, allora x0 è instabile;
(d) se f  (x0 ) = f  (x0 ) = 0 e f  (x0 ) < 0, allora x0 è localmente asintoticamente
stabile;
(e) se f  (x0 ) = f  (x0 ) = 0 e f  (x0 ) > 0, allora x0 è instabile.

Soluzione Dimostriamo solo la prima implicazione, lasciando al lettore la prova


delle altre. Un riassunto grafico dei vari casi del problema 4.24 è rappresentato
in figura 4.9.Sia x(t) la soluzione di ẋ = f (x) corrispondente alla condizione ini-
ziale x(0) = y0 e supponiamo che |y0 − x0 | < , con  > 0 da scegliersi suffi-
cientemente piccolo. Senza perdere di generalità possiamo supporre che y0 > x0 .
Se definiamo ξ(t) = x(t) − x0 , per il teorema di Lagrange, per ogni t > 0, esiste
108 4 Il caso scalare

Fig. 4.9 Riassunto grafico per i casi trattati nel problema 4.24. Date f1 (x) = x 2 − 1,
f2 (x) = x 3 − 3x e f3 = −x 3 + 3x 2 − 3x + 1, si verifica che: il punto di equilibrio xeq = −1
è stabile per il problema ẋ = f1 (x) (caso (a), f (−1) = 0, f  (−1) < 0); il punto di equilibrio
xeq = 1 è instabile per il problema ẋ = f1 (x) (caso (b), f (1) = 0, f  (1) > 0); il punto di equilibrio
xeq = 1 è instabile per il problema ẋ = f2 (x) (caso (c), f (1) = f  (1) = 0, f  (1) = 0); il punto di
equilibrio xeq = 1 è stabile per il problema ẋ = f3 (x) (caso (d), f (1) = 0 = f  (1) = f  (1) = 0,
f  (1) < 0); il punto di equilibrio xeq = 1 è instabile per il problema ẋ = −f3 (x) (caso (e),
f (1) = 0 = f  (1) = f  (1) = 0, f  (1) > 0)

σ (t) ∈ (x0 , x0 + ξ(t)) tale che


 
ξ̇ (t) = ẋ(t) = f x(t)
 
= f x(t) − f (x0 )
  
= f  σ (t) x(t) − x0
 
= f  σ (t) ξ(t).

Essendo f  continua e f  (x0 ) < 0 esiste  > 0 tale che

f  (ξ ) < 0, per ogni ξ ∈ (x0 − , x0 + ).

Allora, risulta
   
ξ̇ (0) = f  σ (0) ξ(0) = f  σ (0) (y0 − x0 ) < 0,

essendo y0 > x0 e 0 < σ (0) − x0 < y0 − x0 < . Ne segue che, per t > 0, σ (t) ∈
(x0 , x(t)) ⊂ [x0 , y0 ], per cui
    
f  σ (t) ≤ −γ , per t > 0, γ = minf  σ (t)  > 0.
t>0

Allora, per ogni t > 0, si ha


ξ̇ (t) + γ ξ(t) ≤ 0,
da cui si ottiene immediatamente la stabilità asintotica (e la convergenza di x(t) a
x0 per t → +∞ avviene con rapidità esponenziale). 
4.3 Equivalenza di flussi 109

4.3 Equivalenza di flussi


Consideriamo due equazioni autonome

ẋ = f (x), ẋ = g(x),

dove f, g : R → R sono funzioni continue. In particolare, consideriamo i due flussi


asssociati, ossia le funzioni

φ : I × R → R, φ = φ(t, x), ψ : J × R → R, ψ = ψ(t, x),

dove x ∈ R denota il dato iniziale e I, J i relativi intervalli massimali di definizione.

Definizione 4.25 Diciamo che un’applicazione Π : R → R è un omeomorfismo se


è continua, biiettiva e con inversa continua.

Definizione 4.26 Diciamo che le due equazioni ẋ = f (x) e ẋ = g(x) sono topolo-
gicamente equivalenti se esiste un omeomorfismo Π : R → R che applica le orbite
di un’equazione nelle ordite dell’altra equazione e conserva il rispettivo verso. Pre-
cisamente,
   
Π ϕ(t, x) = ψ t, Π(x)
per ogni x ∈ R e per tutti i tempi t per cui i flussi sono definiti.

Definizione 4.27 Diciamo che le due equazioni ẋ = f (x) e ẋ = g(x) hanno la


stessa struttura orbitale (o struttura qualitativa del flusso), se hanno lo stesso nu-
mero di punti di equilibrio e la stessa direzione del flusso.

Teorema 4.28 Due equazioni ẋ = f (x) e ẋ = g(x) con un numero finito di punti di
equilibrio sono topologicamente equivalenti se e solo se hanno la stessa struttura
orbitale.

Dimostrazione Se ẋ = f (x) e ẋ = g(x) sono topologicamente equivalenti, allora


l’omeomorfismo Π porta un equilibrio di ẋ = f (x) in un equilibrio di ẋ = g(x),
essendo (per f (ξ ) = 0))
   
Π(ξ ) = Π ϕ(t, ξ ) = ψ t, Π(ξ )

per ogni t. In particolare, le due equazioni hanno lo stesso numero di equilibri e


la stessa struttura orbitale. Il viceversa è meno immediato. Siano ξ1 , . . . , ξn ∈ R
e η1 , . . . , ηn ∈ R gli equilibri (distinti) rispettivamente di ẋ = f (x) e ẋ = g(x),
e f (ξi ) = g(ηi ) = 0 per i = 1, . . . , n. Scegliamo dei numeri reali A1 , . . . , An+1 e
B1 , . . . , Bn+1 tali che

A1 < ξ1 < · · · < ξi < Ai < ξi+1 < · · · < ξn < An+1 ,
B1 < η1 < · · · < ηi < Bi < ηi+1 < · · · < ηn < Bn+1 ,
110 4 Il caso scalare

e osserviamo che, a causa della monotonia stretta della soluzione ϕ(t, x) di ẋ =


f (x), per ogni x ∈ (−∞, ξ1 ) esiste un unico tempo tx ∈ R tale che ϕ(tx , x) = A1 .
Risulta allora possibile definire una funzione

Π1 : (−∞, ξ1 ] → (−∞, ξ1 ],

ponendo

∀x ∈ (−∞, ξ1 ) : Π1 (x) := ψ(−tx , B1 ), Π1 (ξ1 ) := η1 .

Si verifica facilmente che Π1 è un omeomorfismo. In modo simile è possibile defi-


nire degli omeomorfismi

Πi : [ξi , ξi+1 ] → [ηi , ηi+1 ],

ponendo (se ϕ(tx , x) = Ai per ogni x ∈ (ξi , ξi+1 ))

∀x ∈ (ξi , ξi+1 ) : Πi (x) := ψ(−tx , Bi ), Πi (ξi ) := ηi , Πi (ξi+1 ) := ηi+1 .

Unendo le varie definizioni, si ottiene un omeomorfismo su R che stabilisce


l’equivalenza topologica tra ẋ = f (x) e ẋ = g(x). Infatti, presi x ∈ R e un tempo t,
possiamo supporre che ϕ(t, x) ∈ (ξi , ξi+1 ) per un i ∈ {1, . . . , n}. Allora, si ha
     
Πi ϕ(t, x) = ψ(−tϕ(t,x) , Bi ) = ψ t, ψ(−tx , Bi ) = ψ t, Πi (x) ,

da cui la tesi. 

4.4 Due problemi agli autovalori


I problemi agli autovalori per le equazioni differenziali ordinarie lineari del se-
cond’ordine a coefficienti costanti sono particolarmente utili nello studio delle equa-
zioni a derivate parziali lineari col metodo di separazione delle variabili su domini
con geometrie particolarmente semplici. Contrariamente ai problemi di Cauchy stu-
diati in precedenza, questi problemi non sono, in generale, ben posti.

Problema 4.29 Risolvere il problema agli autovalori




⎪ ẍ(t) = μx(t), t ∈ (0, 1),

αx(0) + β ẋ(0) = γ0 ,



αx(1) + β ẋ(1) = γ1 ,

al variare di α, β ∈ R e γi ∈ R, i = 1, 2.

Definizione 4.30 In generale, i valori imposti su una combinazione lineare dell’in-


cognita x(t) e della sua derivata ẋ(t) negli estremi t = a e t = b dell’intervallo [a, b]
si dicono condizioni al contorno.
4.4 Due problemi agli autovalori 111

Osservazione 4.31 L’esempio 4.29 comprende le tre principali categorie di condi-


zioni al contorno e la sua analisi risulta particolarmente istruttiva. Nel caso in cui
α = 0 e β = 0 si hanno condizioni al contorno di Dirichlet (omogenee se γi = 0,
i = 1, 2 e non omogenee se γ1 = 0 o γ2 = 0). Nel caso in cui α = 0 e β = 0 si hanno
condizioni al contorno di Neumann (omogenee se γi = 0, i = 1, 2 e non omogenee
se γ1 = 0 o γ2 = 0). Infine, se si ha α = 0 e β = 0 si hanno condizioni di Robin
(omogenee se γi = 0, i = 1, 2 e non omogenee se γ1 = 0 o γ2 = 0).

Soluzione Per semplicità consideriamo α, β > 0, lascindo al lettore gli altri casi.

√è λ − μ = 0, per cui se μ ≥ 0 allora λ± = ± μ mentre,
L’equazione caratteristica 2

se μ < 0, allora λ± = ± −μi. Pertanto, per μ = 0 si ha

x(t) = C1 + C2 t, C1 , C2 ∈ R,

se μ > 0 la soluzione generale è


√ √
x(t) = C1 e μt
+ C2 e −μt
, C1 , C2 ∈ R,

mentre se μ < 0 la soluzione generale è


√ √
x(t) = C1 cos( −μt) + C2 sin( −μt), C1 , C2 ∈ R.

Vediamo l’analisi dei vari casi rispetto ad esistenza, unicità e non esistenza.
Caso μ > 0. Essendo
√ √ √ √
ẋ(t) = C1 μe μt − C2 μe− μt , C1 , C2 ∈ R,

imponendo le condizioni al contorno, si ha

γ0 = αx(0) + β ẋ(0)

= α(C1 + C2 ) + β μ(C1 − C2 )
γ1 = αx(1) + β ẋ(1)
 √ √  √  √ √ 
= α C1 e μ + C2 e − μ + β μ C 1 e μ − C 2 e − μ .

Pertanto, introducendo la matrice 2 × 2 dipendente dai parametri α e β


 √ √ 
α+β μ α−β μ
A(α, β) = √ √ √ √ ,
(α + β μ)e μ (α − β μ)e− μ

si ha il sistema lineare
  

C1 γ
A(α, β) = 0 ,
C2 γ1
da cui
  √ √ 
det A(α, β) = α 2 − β 2 μ e− μ − e μ .
112 4 Il caso scalare

Nel caso di condizioni al contorno di Dirichlet (α = 0 e β = 0) e Neumann (α = 0


e β = 0) si ha quindi det A(α, β) = 0, ed esistono unici i valori di C1 e C2 per
cui la soluzione generale soddisfa le condizioni al contorno (per dati al contorno
omogenei γi = 0, i = 1, 2 la soluzione è quella banale, x = 0). Nel caso Robin
(α = 0 e β = 0), si hanno solo due possibilità, μ = α 2 /β 2 oppure μ = α 2 /β 2 . Nel
primo caso il determinante è non nullo per cui si ha nuovamente un’unica soluzione
(banale per dati al contorno omogenei). Se invece μ = α 2 /β 2 si hanno o infinite
soluzioni o nessuna soluzione. La matrice dei coefficienti si riduce a
 
2α 0
A(α, β) = ,
2αeα/β 0

da cui 2αC1 = γ0 e 2αeα/β C1 = γ1 ; si avranno quindi (infinite) soluzioni se e sol-


tanto se γ1 = eα/β γ0 . In particolare se γ1 = γ0 = 0, si ha C1 = 0 e C2 ∈ R e la
soluzione
− βα t
x(t) = C2 e , C2 ∈ R.
Caso μ < 0. Essendo
√ √ √ √
ẋ(t) = −C1 −μ sin( −μt) + C2 −μ cos( −μt), C1 , C2 ∈ R,

imponendo le condizioni al contorno, si ha



γ0 = αC1 + β −μC2 ,
√ √
γ1 = α(C1 cos −μ + C2 sin −μ)
√ √ √
+ β −μ(−C1 sin −μ + C2 cos −μ).

Pertanto, la matrice
 √ 
α β −μ
Ã(α, β) = √ √ √ √ √ √ ,
α cos −μ − β −μ sin −μ α sin −μ + β −μ cos −μ

ha determinante
  √
det Ã(α, β) = α 2 − β 2 μ sin −μ.

Si noti che α 2 − β 2 μ = 0, essendo μ < 0. Se

μ = μk = −k 2 π 2 , k ∈ Z,

allora il determinante è nullo e possono esistere infinite soluzioni o nessuna solu-


zione al variare dei parametri. La matrice dei coefficienti si riduce in tal caso a
 
α βkπ
Ã(α, β) = .
α(−1)k βkπ(−1)k
4.4 Due problemi agli autovalori 113

Per condizioni al contorno di Dirichlet omogenee (α = 0, β = γi = 0) si ha C1 = 0


e C2 ∈ R, da cui le infinite soluzioni sinusoidali

x(t) = xk (t) = C2 sin(kπt), C2 ∈ R, μk = −k 2 π 2 .

Nel caso di Dirichlet non omogeneo (almeno un γi = 0) non si hanno, in generale,


soluzioni, essendo αC1 contemporaneamente uguale a γ0 e (−1)k γ1 . Nel caso Neu-
mann omogeneo (β = 0, α = γi = 0) si ha C2 = 0 e C1 ∈ R per cui le soluzioni
sono
x(t) = xk (t) = C1 cos(kπt), C1 ∈ R, μk = −k 2 π 2 .
Nel caso Neumann non omogeneo non si hanno, in generale, soluzioni, essendo
βkπC2 contemporaneamente uguale a γ0 e (−1)k γ1 . Anche nel caso generale di
condizioni di Robin, si hanno soluzioni solo se γ0 = (−1)k γ1 .
Caso μ = 0. Essendo ẋ(t) = C2 , si ha si ha

γ0 = αC1 + βC2 ,
γ1 = αC1 + (α + β)C2 ,

per cui la matrice dei coefficienti ha determinante uguale ad α 2 . Nel caso Dirichlet
o Robin (α = 0) esiste un’unica soluzione lineare con
γ0 (α + β) − γ1 β γ 1 − γ0
C1 = , C2 = ,
α2 α
banale nel caso di condizioni omogenee γ0 = γ1 = 0. Nel caso Neumann (α = 0 e
β = 0), in generale, non ci sono soluzioni, a meno che non si prenda γ0 = γ1 . 

Problema 4.32 Risolvere il problema agli autovalori con condizioni al contorno


periodiche

ẍ(t) = μx(t), t ∈ (0, 1),
x(0) + β ẋ(0) = x(1) + β ẋ(1)
per μ < 0 e al variare di β ∈ R.

Soluzione L’equazione differenziale è la stessa del problema 4.29 per cui, nel caso
μ < 0, si hanno soluzioni nella forma
√ √
x(t) = C1 cos( −μt) + C2 sin( −μt), C1 , C2 ∈ R.

Imponendo le condizioni periodiche, risulta


√ √ √
C1 + β −μC2 = C1 cos −μ + C2 sin −μ
√ √ √
+ β −μ(−C1 sin −μ + C2 cos −μ),
114 4 Il caso scalare

per cui
√ √ √
C1 (1 − cos −μ + β −μ sin −μ)
√ √ √ √
+ C2 (β −μ − sin −μ − β −μ cos −μ) = 0.

Per β = 0 (condizioni di Dirichlet periodiche), si ottiene


√ √
C1 (1 − cos −μ) = C2 sin −μ,

per cui se μ = −k 2 π 2 si ha l’infinità di soluzioni


 √ 
√ 1 − cos −μ √
x(t) = C cos( −μt) + √ sin( −μt) , C ∈ R.
sin −μ

Per μ = −k 2 π 2 , C2 è arbitrario e risulta


 
C1 1 − (−1)k = 0,

per cui C1 = 0 per k dispari e C1 arbitrario per k pari. Si lascia al lettore l’analisi
nel caso generale β = 0. 

4.5 Problemi tipo Sturm-Liouville

Consideriamo ora una funzione continua ϕ : R → R. Vogliamo studiare alcune pro-


prietà delle soluzioni dell’equazione lineare del secondo ordine

−u (t) + ϕ(t)u(t) = 0, t ∈ R. (4.33)

Problema 4.34 Siano ui : R → R, i = 1, 2, soluzioni delle equazioni differenziali

− u1 (t) + ϕ1 (t)u1 (t) = 0, t ∈ R,


− u2 (t) + ϕ2 (t)u2 (t) = 0, t ∈ R.

Siano ora a, b ∈ R e supponiamo che ϕ1 (t) ≥ ϕ2 (t) per ogni t ∈ [a, b] e u1 (a) =
u1 (b) = 0. Si provi che esiste t0 ∈ [a, b] tale che u2 (t0 ) = 0. In altre parole, tra due
zeri di u1 esiste uno zero di u2 . Supponiamo, in aggiunta, che ϕ1 (t) > ϕ2 (t) per ogni
t ∈ M con M ⊂ [a, b] sottoinsieme di misura positiva. Si provi che esiste t0 ∈ (a, b)
tale che u2 (t0 ) = 0.

Soluzione Supponiamo che non esistano zeri di u1 in (a, b). Senza perdere di ge-
neralità, possiamo supporre che u1 > 0 in (a, b). Possiamo anche supporre che
u1 (a) > 0 and u1 (b) < 0, altrimenti, se u1 (a) = 0 oppure u1 (b) = 0, il problema

−u1 (t) + ϕ1 (t)u1 (t) = 0, t ∈ (a, b),


4.5 Problemi tipo Sturm-Liouville 115

u1 (a) = 0,
u1 (a) = 0,

ammettere l’unica soluzione banale u1 = 0. Supponiamo ora per assurdo che non
esistano zeri di u2 in [a, b], diciamo u2 > 0 in [a, b]. Moltiplicando la prima equa-
zione per u2 e la seconda per u1 e integrando la differenza ottenuta su [a, b], si
ottiene
b b
  

0= u1 u2 − u1 u2 dt + (ϕ1 − ϕ2 )u1 u2 dt.
a a

Dall’ipotesi su ϕi , ne segue che


b
 b d 
0≥ u1 u2 − u1 u2 dt = u1 u2 − u1 u2 dt = u1 (a)u2 (a) − u1 (b)u2 (b).
a a dt

D’altra parte le ipotesi sopra implicano che l’ultima quantità risulta positiva, con-
traddizione. Supponiamo ora che u1 (a) = u1 (b) = 0, u1 > 0 e u2 > 0 su (a, b)
e ϕ1 (t) > ϕ2 (t) per ogni t ∈ M con M ⊂ [a, b] sottoinsieme di misura positiva.
Ragionando come in precedenza, si ottiene u1 (a)u2 (a) − u1 (b)u2 (b) < 0, contrad-
dizione valendo la disuguaglianza opposta. 

Problema 4.35 Sia ϕ ≥ 0 su [a, b]. Si provi che ogni soluzione non nulla
u : R → R di

−u (t) + ϕ(t)u(t) = 0, t ∈ R,

ha al più uno zero in [a, b].

Soluzione Supponiamo per assurdo che u abbia due zeri in [a, b]. Allora applicando
il lemma precedente con ϕ1 = ϕ e ϕ2 = 0 (l’ipotesi ϕ1 (t) ≥ ϕ2 (t) per ogni t ∈ [a, b]
risulta soddisfatta), esisterebbe uno zero per le soluzioni dell’equazione u2 = 0.
Essendo u2 = 1 una soluzione, si ottiene una contraddizione. 

Problema 4.36 Supponiamo che ϕ(x) ≥ ε > 0 per t ≥ a > 0. Si provi che per ogni
soluzione dell’equazione

−u (t) + ϕ(t)u(t) = 0, t ∈ R,

si ha u(t) → ∞ o u(t) → 0 per t → +∞. Si provi, inoltre, che esiste ed è unica la


soluzione che soddisfa u(t) → 0 per t → +∞.

Soluzione Per il Problema 4.35, possiamo supporre che u(t) > 0 per t ≥ a a meno di
incrementare il valore di a. Dall’equazione, ne segue che u (t) ≥ 0 per ogni t ≥ a.
Allora la funzione u risulta non-decrescente su [a, ∞). Sussistono due possibilità
116 4 Il caso scalare

per u , ossia: o esiste α > a tale che u (α) > 0, oppure u (t) ≤ 0 per ogni t > a.
D’altronde, nel primo caso risulta
t
u(t) = u(α) + u (τ )dτ ≥ u(α) + u (α)(t − α),
α

che implica u(t) → ∞ per t → +∞. Nel secondo caso, ovviamente u(t) → γ ∈ R+
per t → +∞. Essendo u monotona, si ha u (t) → 0 per t → +∞. Ora, se fosse
per assurdo γ > 0, allora si avrebbe u (t) ≥ εγ per t grande e quindi u (t) ≥
u (β) + εγ (t − β) per t ≥ β e β > 0 grande, che conduce alla contraddizione
u (t) → +∞. Evidentemente esistono delle soluzioni esplosive, basta considerare
soluzioni con condizione iniziale u(a) > 0 e u (a) > 0. Allora una soluzione che
soddisfa u(t) → 0 per t → +∞ risulta unica a meno di un fattore costante (se
ci fossero due soluzioni v, w linearmente indipendenti che si annullano, allora la
totalità delle soluzioni sarebbe data dalla combinazione di queste, e quindi non esi-
sterebbero soluzioni esplosive). Proviamo ora che esiste una soluzione che decade.
Consideriamo la famiglia di soluzioni uσ (con σ ∈ R) di

−uσ (t) + ϕ(t)uσ (t) = 0, t ∈ (a, ∞),


uσ (a) = 1,
uσ (a) = σ,

e poniamo
& '
M± := σ ∈ R : lim uσ (t) = ±∞ .
t→∞

Notiamo che σ ∈ M+ se e solo se esiste t0 > a tale che uσ (t0 ) > 0 e uσ (t0 ) > 0.
A causa della dipendenza continua dai dati iniziali questo rimane vero anche nelle
vicinanze di tale valore di σ . Questo mostra che M± sono sottoinsiemi aperti. Se
esistessero solo soluzioni esplosive si avrebbe M− ∪ M+ = R e M− ∩ M+ = ∅ ed
essendo R connesso uno degli insiemi dovrebbe essere vuoto. Rimane quindi solo
da dimostrare che M− = ∅. Evidentemente σ ∈ M− se e solo se uσ (t0 ) < 0 per
qualche t0 > a. Evidentemente, si ha

(t − a)2
uσ (t) ≤ uσ (a) + (t − a)uσ (a) + max uσ (ξ )
2 ξ ∈[a,t]

(t − a)2
= 1 + σ (t − 1) + max ϕ(ξ )uσ (ξ ).
2 ξ ∈[a,t]

Si noti che uσ (t) < u0 (t) per σ < 0 e t > a. Infatti, la funzione wσ (t) := uσ (t) −
u0 (t) ha al più uno zero su [a, ∞) per via del problema 4.35. Allora, selezionando
t = a + 1 e osservando che per una costante C > 0 indipendente da σ si ha

max ϕ(ξ )uσ (ξ ) ≤ C,


ξ ∈[a,a+1]
4.5 Problemi tipo Sturm-Liouville 117

si ottiene uσ (a + 1) ≤ 1 + σ + C < 0 for all σ < −1 − C, che conclude la dimo-


strazione. 

Problema 4.37 Siano ui : R → R, i = 1, 2, soluzioni nonnegative delle equazioni


differenziali

− u1 (t) + ϕ1 (t)u1 (t) = 0, t ∈ R,


− u2 (t) + ϕ2 (t)u2 (t) = 0, t ∈ R.

Supponiamo che ϕ1 (t) ≥ ϕ2 (t) ≥ 0 per ogni t ≥ a e che ui (t) → +∞ per t → +∞.
Si dimostri che esiste una costante C > 0 tale che

u2 (t) ≤ Cu1 (t), t ≥ a.

Supponiamo invece che ui (t) → 0 per t → +∞. Si dimostri che esiste una costante
C > 0 tale che

u1 (t) ≤ Cu2 (t), t ≥ a.

Soluzione Consideriamo anzitutto il caso in cui ui sono soluzioni crescenti. Fis-


siamo α > 0 con u1 (α) > 0 e scegliamo una costante C > 0 tale che u2 (α) <
Cu1 (α) e u2 (α) < Cu1 (α). Consideriamo la funzione w(t) := Cu1 (t) − u2 (t). Sot-
traendo le due equazioni e tenendo conto delle ipotesi sui potenziali, si ha

w  − ϕ2 w ≥ 0, w(α) > 0, w  (α) > 0.

Basta quindi mostrare che questo implica w(t) > 0 per ogni t ≥ α. Se per assurdo
t0 > α fosse il primo zero di w, allora si avrebbe w(t0 ) = 0 e w  (t0 ) ≤ 0. Applicando
a w  il teorema del valor medio sopra l’intervallo [α, t0 ] si trova un valore ξ ∈ (α, t0 )
tale che w  (ξ ) < 0 che contraddice la formula w  − ϕ2 w ≥ 0. Ne segue la tesi. In
modo simile si prova la seconda affermazione. 

Problema 4.38 Supponiamo che ϕ(t) → +∞ per t → +∞. Si dimostri che per
ogni soluzione u nonnegativa dell’equazione

−u (t) + ϕ(t)u(t) = 0, t ∈ R,

vale una e una sola delle seguenti affermazioni:


• per ogni k > 0 esiste Ak > 0 tale che |u(t)| ≥ ekx se x ≥ Ak ;
• per ogni k > 0 esiste Ak > 0 tale che |u(t)| ≤ e−kx se x ≥ Ak .

Soluzione Basta utilizzare il risultato del problema precedente con termine di con-
fronto l’equazione −u + k 2 u = 0. 
118 4 Il caso scalare

4.6 Equazioni di Eulero-Lagrange

Data una funzione regolare L : (a, b) × R × R → R, consideriamo il funzionale


b  
J (y) = L x, y, y  dx.
a

L’equazione di Eulero-Lagrange (equazione dei punti stazionari o critici di J ) è

d ∂L ∂L
− = 0, x ∈ (a, b),
dx ∂y  ∂y

dove y varia in un’opportuna classe di funzioni (che include le condizioni al con-


torno).

Problema 4.39 Siano m ≥ 1 e α > 0 tali che

2m − 1 > α.

Determinare le soluzioni dell’equazione di Eulero-Lagrange del funzionale


1  2m
J (y) = x α y  dx
0

che soddisfano le condizioni al contorno y(0) = 0 e y(1) = 1 nella classe delle


funzioni derivabili. Dire poi se tali soluzioni sono dei minimi. Cosa capita nel caso
limite 2m − 1 = α?

Soluzione L’equazione di Eulero-Lagrange risulta

d ∂L ∂L d   2m−1 
0= 
− = 2mx α y  ,
dx ∂y ∂y dx

ossia x α (y  )2m−1 = C, per cui y  (x) = C


α , che comporta
x 2m−1

2m−1−α
y(x) = Cx 2m−1 + C, C, C  ∈ R.

Imponendo le condizioni al contorno y(0) = 0 e y(1) = 1, si trova


2m−1−α
y(x) = x 2m−1 , x ∈ [0, 1].

Essendo poi, per α ≥ 1 (e quindi per m ≥ 1) l’integranda convessa rispetto a y  la


funzione trovata, punto stazionario di J , è anche un punto di minimo. Nel caso limite
2m − 1 = α si trova y = C log x, C ∈ R, che non soddisfa le condizioni al contorno.
Pertanto non esistono soluzioni (e quindi minimi). Per esempio, se si considera m
4.6 Equazioni di Eulero-Lagrange 119

intero, essendo α = 2m − 1, necessariamente α deve essere dispari. Introducendo la


successione di funzioni yn : [0, 1] → R

0 se 0 ≤ x ≤ n1 ,
yn (x) = log x
1+ log n se 1
n ≤x≤1

si verifica che per ogni funzione test y (che non può essere costante, viste le condi-
zioni al contorno), risulta J (y) > 0 (essendo α + 1 pari). D’altra parte risulta
1  α+1
lim J (yn ) = lim xα y dx
n→∞ n→∞ 0
1 xα
= lim dx
n→∞ 1
n
x α+1 logα+1 n
1
= lim = 0,
n→∞ logα n

per cui il funzionale non ammette minimo nella classe data. 

Problema 4.40 Per α ∈ R, determinare le soluzioni dell’equazione di Eulero-


Lagrange del funzionale
1  2 
J (y) = e−2αx y  − αy 2 + yy  dx
0

che soddisfano le condizioni al contorno y(0) = 0 e y(1) = 1. Dire poi se esistono


dei valori di α per cui tali soluzioni sono anche dei minimi.

Soluzione L’equazione di Eulero-Lagrange risulta

d ∂L ∂L d  −2αx     
0= 
− = e 2y + y + e−2αx 2αy − y 
dx ∂y ∂y dx
 
= 2e−2αx y  − 2αy  .

Ne segue che la soluzione generale è y(x) = C1 + C2 e2αx che, tenendo conto delle
condizioni al contorno, si riduce a

e2αx − 1
y(x) = , x ∈ [0, 1].
e2α − 1

Risulta inoltre

Lyy = −2αe−2αx , Ly  y = Lyy  = e−2αx , Ly  y  = 2e−2αx ,


120 4 Il caso scalare

per cui, a meno del fattore moltiplicativo e−2αx , la matrice Hessiana di L rispetto
ad (y, y  ) è
 
−2α 1
,
1 2

che ha equazione caratteristica

λ2 + 2(α − 1)λ − (4α + 1) = 0.

Le soluzioni sono

λ± = 1 − α ± α 2 + 2α + 2.

Siccome λ− < 0 per ogni valore di α > − 14 , la matrice Hessiana non può essere
definita positiva e non è quindi possibile concludere che la soluzione trovata è anche
un minimo. Viceversa, se α < − 14 si ha λ± > 0, la matrice Hessiana risulta definita
positiva e la soluzione stazionaria è di minimo. 

Problema 4.41 Costruire esplicitamente infinite soluzioni di minima energia per il


funzionale
1
  2 2
J (y) = y − 1 dx
0

nella classe delle funzioni regolari a tratti e tali che y(0) = y(1) = 0. Dimostrare
inoltre che il funzionale non è continuo sullo spazio delle funzioni continue su [0, 1]
munito della norma dell’estremo superiore.

Soluzione Formalmente le soluzioni dell’equazione di Eulero-Lagrange devono


soddisfare y  = C1 , da cui y(x) = C1 x + C2 ; imponendo le condizioni al contorno
si ottiene y = 0. Quindi, nell’ambito delle funzioni regolari, la soluzione nulla è
l’unica soluzione dell’equazione di Eulero-Lagrange, ma non è una soluzione di
minimo, poiché J (0) = 1 e si trovano facilmente funzioni regolari ỹ che verificano
le condizioni al contorno e tali che J (ỹ) < 1. Una prima soluzione (non regolare) al
problema di minimo si determina considerando y1 : [0, 1] → R

x se 0 ≤ x ≤ 12 ,
y1 (x) =
1−x se 1
2 ≤ x ≤ 1,

regolare a tratti, che soddisfa le condizioni al contorno. Inoltre, essendo y1 (x) = ±1
per ogni x = 12 , si ha J (y1 ) = 0, per cui y1 (x) è certamente minimo del funzionale,
poiché J (y) ≥ 0 per ogni funzione ammissibile y. Una seconda soluzione di minimo
4.6 Equazioni di Eulero-Lagrange 121

Fig. 4.10 Funzioni yn


relative al problema 4.41 per
alcuni valori di n. Si noti che
le funzioni della successione
yn sono derivabili tranne in
un numero finito di punti
(angolosi) e decrescono
uniformemente a zero

si trova definendo y2 : [0, 1] → R




⎪x se 0 ≤ x ≤ 14 ,



⎨1 − x se 1
≤ x ≤ 12 ,
y2 (x) = 2 4

⎪x − 12 se 1
≤ x ≤ 34 ,

⎪ 2

⎩1 − x se 3
4 ≤ x ≤ 1.

Infinite soluzioni di minimo si possono determinare procedendo in modo analogo


partizionando l’intervallo [0, 1] ed aumentando il numero di “triangoli”, come ri-
portato in figura 4.10. Le soluzioni sono derivabili con |y  (x)| = 1 tranne che in
un numero finito di punti angolosi. Si noti che i valori massimi di queste funzioni
minimizzanti sono, rispettivamente, 12 per y1 , 212 per y2 , 213 per y3 , 214 per y4 , etc.,
ossia, in generale,

1
0 ≤ yn (x) ≤ , ∀x ∈ [0, 1], ∀n ≥ 1. (4.42)
2n
Si noti che la successione di funzioni (4.42) converge uniformemente su [0, 1]
alla funzione nulla che, come abbiamo visto, risulta l’unica soluzione regolare,
ma non di minimo, dell’equazione di Eulero-Lagrange. Questo esempio mostra an-
che come il funzionale J non sia continuo rispetto alla norma dell’estremo supe-
riore. In effetti, per costruzione, risulta yn → 0 uniformemente per n → ∞, ma
0 = J (yn ) → J (0) = 1. 

Problema 4.43 Mostrare che, per ogni ε > 0, il funzionale


1  2 2
Jε (y) = εy 2 + y  − 1 dx
0

non ha minimo nella classe delle funzioni regolari a tratti con y(0) = y(1) = 0.
Osservare quindi che la perturbazione (per quanto piccola) di un funzionale che
ammette infiniti punti di minimo può non ammette minimo.
122 4 Il caso scalare

Fig. 4.11 Funzioni yn


relative al problema 4.44 per
alcuni valori di n. Si noti che
le funzioni yn sono derivabili
tranne che nel punto
xn = 1 − 1/n

Soluzione Basta considerare la successione (yn ), yn : [0, 1] → R definita nel pro-


blema 4.41. Si osservi che, per costruzione e per la stima (4.42), si ha
1 ε
Jε (yn ) = ε yn2 dx ≤ ,
0 22n

per cui, per ogni ε > 0, risulta

lim Jε (yn ) = 0.
n→∞

Tenuto conto che J (y) > 0 per ogni funzione y = 0 (come nel problema 4.41 ri-
sulta J (0) = 1), segue che J non può ammettere minimo sulle funzioni regolari a
tratti con y(0) = y(1) = 0. Per l’osservazione finale basta notare come per ε = 0 il
funzionale del problema si riduca al funzionale del problema 4.41. 

Problema 4.44 Si consideri il funzionale


1#  2
J (y) = y 2 + y  dx
0

nella classe delle funzioni regolari a tratti con y(0) = 0 e y(1) = 1, e la successione
di funzioni regolari a tratti su [0, 1]

0 se 0 ≤ x ≤ 1 − n1 ,
yn (x) =
n(x − 1) + 1 se 1 − 1
n ≤ x ≤ 1.

Si calcoli J (yn ) e si discuta circa l’esistenza o meno del minimo di J nella classe
delle funzioni regolari a tratti.

Soluzione La successione di funzioni yn (x) è riportata in figura 4.11 per n =


1, . . . , 7. Per ogni n ≥ 1 si ha
4.6 Equazioni di Eulero-Lagrange 123
#
1  2
J (yn ) = n(x − 1) + 1 + n2 dx
1− n1
1 1

1 n
= w2 + n2 dw =n t 2 + 1dt,
n 0 0

per cui esiste una successione (ξn ) ⊂ R+ tale che


#
1
J (yn ) = ξn2 + 1, 0 ≤ ξn ≤ ,
n
da cui ξn → 0 per n → ∞ e
lim J (yn ) = 1.
n→∞
D’altronde, per ogni funzione y regolare a tratti con y(0) = 0 e y(1) = 1, si ha
1# 1
 2  1
J (y) = y 2 + y  dx > y  dx ≥ y  dx = y(1) − y(0) = 1,
0 0 0

per cui J non ammette minimo. 

Problema 4.45 Determinare il minimo del funzionale


π
  2
J (y) = y dx
0

nella classe delle funzioni regolari che soddisfano


π
y 2 dx = 1, y(0) = y(π) = 0.
0

Soluzione Consideriamo l’insieme


π

H = y : [0, π] → R, y regolare : y dx = 1 ,
2
0

e studiamo il funzionale ausiliario


π 2
J˜(y) = y + λy 2 dx
0

sulle funzioni y regolari che soddisfano le condizioni al contorno y(0) = y(π) = 0.


La corrispondente equazione di Eulero-Lagrange è

y  − λy = 0, y(0) = y(π) = 0,

che ammette la famiglia infinita di soluzioni oscillanti

ym (x) = Am sin(mx), m ∈ Z \ {0}, λm = −m2 , m ∈ Z.


124 4 Il caso scalare

Imponendo la condizione ym ∈ H, risulta


π
πA2m
1 = Am2
sin2 (mx)dx = .
0 2
Pertanto, i punti stazionari del funzionale che soddisfano il vincolo e le condizioni
al contorno sono

2
ym (x) = sin(mx), λm = −m2 , m ∈ Z \ {0}.
π
Siccome per ogni m ∈ Z \ {0} si ha

2m2 π
J (ym ) = cos2 (mx) dx = m2 ,
π 0
#
il minimo viene raggiunto per m = 1, ossia y(x) = 2
π sin x. 

Problema 4.46 Determinare un minimo con tre punti angolosi del funzionale
π
  2 2
J (y) = y − 1 dx
0

nella classe delle funzioni regolari a tratti con y(0) = y(1) = 0.

Soluzione Si verifica facilmente che la funzione




⎪ x se 0 ≤ x ≤ 14 ,



⎨ 1 − x se 1 ≤ x ≤ 1 ,
y(x) = 2 4 2

⎪ x − 2 se 2 ≤ x ≤ 34 ,
1 1



⎩1 − x se 3 ≤ x ≤ 1
4

soddisfa i requisiti richiesti. 

Problema 4.47 Si studi, per α ∈ (0, 1), il funzionale


1
  α
J (y) = y  + 3|y − 1|dx
0

nella classe delle funzioni regolari a tratti con y(0) = y(1) = 0.

Soluzione Si osservi che J (y) > 0 per ogni funzione y che soddisfa le condizioni
al contorno. Si consideri la successione di funzioni


⎪ nx se 0 ≤ x ≤ n1 ,

yn (x) = 1 se n1 ≤ x ≤ 1 − n1 ,



n − nx se 1 − n1 ≤ x ≤ 1,
4.6 Equazioni di Eulero-Lagrange 125

Fig. 4.12 Funzioni yn


relative al problema 4.47 per
alcuni valori di n. Si noti che
le funzioni yn sono derivabili
tranne che nei punti x̄n = 1/n
e x̃n = 1 − 1/n

riportate in figura 4.12. Risulta


1
n  α  1  α 
J (yn ) = n − 3(nx − 1) dx + n − 3(n − nx − 1) dx
0 1− n1

3
= 2nα−1 + ,
n
per cui J (yn ) → 0 per n → ∞, essendo α ∈ (0, 1). Pertanto, J non ammette punti
di minimo assoluto. 
Capitolo 5
Sistemi planari lineari

In molti casi, la matematica è una fuga dalla realtà. Il


matematico trova una sua propria nicchia monastica e la
felicità in attività che sono totalmente separate dalla realtà
esterna. Alcuni la praticano come se stessero usando una droga.
Gli scacchi spesso giocano un ruolo simile. Nella loro infelicità
rispetto agli eventi di questo mondo, alcuni si immergono in una
specie di autosufficienza in matematica.
Stanislaw Marcin Ulam (1909–1984)

In questo capitolo vengono trattati i sistemi lineari di due equazioni in due incognite
(da cui planari).

5.1 Richiami di teoria


Pur limitandoci a sistemi lineari di due equazioni in due incognite (2 × 2), tutta la
teoria riportata può essere facilmente estesa a sistemi n×n con n > 2. Consideriamo
il sistema planare del prim’ordine del tipo

x  = ax + by + f (t),
(5.1)
y  = cx + dy + g(t),

dove a, b, c, d sono coefficienti arbitrari ed f, g : I → R due funzioni continue del


tempo t assegnate, dove I è un intervallo in R.

Definizione 5.2 Il sistema (5.1) si dice accoppiato se b = 0 e c = 0, ovvero se cia-


scuna delle due equazioni differenziali contiene entrambe le incognite x e y.

Definizione 5.3 Il sistema (5.1) si dice disaccoppiato se b = 0 oppure c = 0, ovvero


se almeno una delle due equazioni contiene una sola incognita e pertanto può essere
risolta indipendentemente dall’altra.

Definizione 5.4 Il sistema (5.1) si dice omogeneo se f (t) = g(t) = 0 per ogni t ∈ I ,
ovvero se non compaiono “forzanti” esterne.

© Springer-Verlag Italia 2016 127


M. Squassina, S. Zuccher, Introduzione all’Analisi Qualitativa dei Sistemi Dinamici
Discreti e Continui, UNITEXT – La Matematica per il 3+2 96,
DOI 10.1007/978-88-470-5791-3_5
128 5 Sistemi planari lineari

Definizione 5.5 Si chiamano soluzioni di equilibrio (o stazionarie) del sistema (5.1)


con f = g = 0 le soluzioni del sistema lineare

ax + by = 0,
cx + dy = 0.

Nel caso ad = bc (sistema non singolare), l’unica soluzione stazionaria è l’origine


(0, 0).

Definizione 5.6 Chiamiamo ritratto di fase il luogo dei punti (x, y) ∈ R2 aventi
come ascissa la soluzione x(t) e come ordinata la soluzione y(t) del sistema (5.1).

Se il sistema (5.1) è disaccoppiato, la soluzione esplicita si trova ricavando dap-


prima l’incognita disaccoppiata (integrando con le tecniche note per le equazioni del
prim’ordine), quindi la si sostituisce nella seconda equazione che diventa anch’essa
ad una sola incognita e può essere integrata. Se entrambe le equazioni sono disac-
coppiate, ovvero se b = 0 e c = 0, allora ciascuna equazione si risolve in modo
indipendente.
Consideriamo il sistema (5.1) nel caso omogeneo e accoppiato:

x  = ax + by,
(5.7)
y  = cx + dy.

Il sistema (5.7) può essere riscritto come

x = Ax, (5.8)

dove
   
a b x
A= , x= .
c d y

Osservazione 5.9 Essendo (5.8) un sistema lineare, vale il principio di sovrappo-


sizione degli effetti, ovvero se x1 e x2 sono due soluzioni distinte, allora una loro
qualsiasi combinazione lineare x = α1 x1 + α2 x2 è ancora soluzione di (5.8), αi ∈ R,
i = 1, 2.

Il sistema (5.8) ricorda l’equazione differenziale ordinaria x  = ax, che ha come


soluzione l’esponenziale x(t) = Ceat , dove C è una costante arbitraria. È quindi
lecito aspettarsi come soluzione di (5.8) un vettore del tipo x(t) = ueλt con u =
[u1 , u2 ]T , essendo u1 e u2 due costanti arbitrarie. Sostituendo la soluzione x(t) =
ueλt in (5.8) si ottiene:
λueλt = Aueλt ,
ovvero
Au = λu, (5.10)
5.1 Richiami di teoria 129

che è un classico problema agli autovalori; in particolare, tutte le coppie (λi , ui ) che
soddisfano la (5.10) si chiamano rispettivamente autovalori e autovettori associati
alla matrice A. Per ricavare u da (5.10), basta riscrivere il sistema come

[A − λI 2 ]u = 0, (5.11)

dove I 2 è la matrice dentità 2 × 2


 
1 0
I2 = .
0 1

Il sistema (5.11), essendo omogeneo, ammette la soluzione banale u = 0. Affinché


vi sia anche una soluzione diversa dalla soluzione nulla è necessario che

det(A − λI 2 ) = |A − λI 2 | = 0,

ovvero
     
 a b λ 0   a − λ b 
 − = = (a − λ)(d − λ) − bc = 0.
 c d 0 λ   c d − λ

Il polinomio di grado due (a − λ)(d − λ) − bc = λ2 − (a + d)λ + (ad − bc) è detto


anche polinomio caratteristico e fornisce, appunto, gli autovalori della matrice A
(in generale, questo polinomio ha grado n pari alla dimensione della matrice qua-
drata A; nel caso di sistemi planari gli autovalori sono solo due λ1 e λ2 ). Una volta
noti gli autovalori λi , gli autovettori ui associati a ciascun autovalore si ricavano
sostituendo λi in (5.11):

[A − λi I 2 ]ui = 0.

Si noti che gli autovettori ui sono definiti a meno di una costante arbitraria e, ti-
picamente, vengono normalizzati in modo che la loro norma euclidea sia unitaria.
Le radici del polinomio caratteristico di secondo grado λ2 − (a + d)λ + (ad − bc),
essendo solo due (nel campo complesso), possono essere reali e distinte, reali e coin-
cidenti (ovvero un autovalore di molteplicità doppia) oppure complesse (coniugate).
Si noti che, essendo

a + d = tr(A), ad − bc = det(A),

gli autovalori sono le soluzioni dell’equazione di secondo grado

λ2 − T λ + D = 0, T = tr(A), D = det(A).

Pertanto, la presenza di autovalori reali e distinti, reali e coincidenti o complessi


coniugati dipende esclusivamente dal segno di T 2 − 4D.
130 5 Sistemi planari lineari

Fig. 5.1 Ritratto di fase per un nodo proprio (o a due tangenti) stabile (sinistra) e instabile (destra)
e direzioni degli autovettori (con tripla freccia). Si noti come le soluzioni, nell’intorno dell’origine
si allineino lungo una direzione preferenziale corrispondente sempre alla direzione dell’autovalore
di modulo minimo, sia nel caso stabile (destra) che instabile (sinistra)

5.1.1 Autovalori reali distinti

Nel caso di autovalori reali e distinti, essendo x1 (t) = u1 eλ1 t e x2 (t) = u2 eλ2 t en-
trambe soluzioni del sistema (5.8), in base all’osservazione 5.9 la soluzione generale
è una qualsiasi loro combinazione lineare

x(t) = C1 u1 eλ1 t + C2 u2 eλ2 t . (5.12)

Il comportamente asintotico della soluzione del sistema lineare (5.7) (ossia per t →
+∞) dipende esclusivamente dal segno degli autovalori associati alla matrice A. In
particolare, se entrambi gli autovalori sono negativi, ossia λ1 < 0 e λ2 < 0, le due
funzioni esponenziali tendono a zero e pertanto, indipendentemente dalle costanti
C1 e C2 , la soluzione x(t) → 0 per t → +∞. Siccome l’unica soluzione stazionaria
(o di equilibrio) del sistema (5.7) è l’origine, essa risulta essere asintoticamente
stabile e prende il nome di nodo (proprio) stabile o nodo a due tangenti stabile.
Questo significa che, partendo da una qualsiasi condizione iniziale, arbitrariamente
lontana dall’origine, la soluzione viene attratta da quest’ultima per t → +∞, come
si vede in figura 5.1 (sinistra). Se almeno uno degli autovalori è positivo, i.e. λ1 > 0
oppure λ2 > 0, invece, x(t) → ∞ per t → +∞. Tuttavia si distinguono due casi.
Se entrambi gli autovalori sono positivi l’origine si dice nodo (proprio) instabile
o nodo a due tangenti instabile (figura 5.1, destra), mentre se λ1 · λ2 < 0 l’origine
si dice punto di sella o colle (figura 5.2). I vari casi sono riassunti in tabella 5.1,
a pagina 135.
Se si è interessati esclusivamente a determinare la natura dell’origine (nodo sta-
bile/instabile o sella), si potrebbe pensare che sia inutile determinare gli autovettori
in quanto l’informazione utile è contenuta negli autovalori. In realtà gli autovettori
sono importanti sia per la determinazione della soluzione in forma esplicita (si veda
l’equazione (5.12)), sia per il ritratto di fase, ovvero quando si vuole riportare sul
piano (x, y) le soluzioni x(t) e y(t) parametrizzate in funzione del tempo.
5.1 Richiami di teoria 131

Fig. 5.2 Ritratto di fase per


un punto di sella e direzioni
degli autovettori (con tripla
freccia)

Nel caso di nodo (proprio) stabile, i.e. se entrambi gli autovalori sono negativi,
le traiettorie al crescere di t convergono verso l’origine allineandosi lungo la retta
passante per l’origine ed avente coefficiente angolare pari al rapporto tra la seconda
e la prima componente dell’autovettore corrispondente all’autovalore di modulo mi-
nimo, indipendentemente dalle costanti arbitrarie C1 e C2 . Questo succede perché
la dinamica dell’esponenziale legata all’autovalore di modulo massimo si estingue
prima dell’altra. La retta passante per l’origine ed avente coefficiente angolare pari
al rapporto tra la seconda e la prima componente dell’altro autovalore (quello di mo-
dulo massimo) viene percorsa solo se si parte da una condizione iniziale che giace
su di essa. Per t → −∞ le traiettorie si allineano lungo la direzione dell’autovalore
di modulo massimo perché, in tal caso, la dinamica legata all’autovalore di modulo
minimo si estingue prima dell’altra.
Nel caso di nodo (proprio) instabile, al contrario, le traiettorie si allontano
dall’origine seguendo, nell’intorno dell’origine, la retta passante da essa ed avente
coefficiente angolare pari al rapporto tra la seconda e la prima componente
dell’autovettore corrispondente all’autovalore di modulo minimo. Questo perché,
per t → −∞ la dinamica dell’esponenziale legata all’autovalore di modulo mas-
simo è trascurabile rispetto all’altra. Le due rette passanti per l’origine e che inden-
tificano le due direzioni degli autovalori (entrambi instabili) vengono percorse solo
se si parte da una condizione iniziale che giace su di esse. Tuttavia, per t → +∞ le
traiettorie si allontano dall’origine e vengono attratte dalla direzione corrispondente
all’autovalore di modulo massimo.
Nel caso di punto di sella, la retta passante per l’origine ed avente coefficiente
angolare pari al rapporto tra la seconda e la prima componente dell’autovalore ne-
gativo individua la direzione stabile, ovvero una soluzione passante per un punto
vicino a tale retta viene inizialmente attratta verso l’origine. A maggior ragione, una
soluzione passante da un punto su tale retta viene attratta dall’origine al crescere
di t. Al contrario, la retta passante per l’origine ed avente coefficiente angolare pari
al rapporto tra la seconda e la prima componente dell’autovalore positivo indivi-
dua la direzione instabile, ovvero una soluzione passante da una punto vicino a tale
retta (o appartenente alla retta stessa) viene respinta dall’origine. È chiaro, quindi,
che per t → +∞ le traiettorie si allineano lungo la direzione instabile, mentre per
132 5 Sistemi planari lineari

Fig. 5.3 Ritratto di fase per una stella stabile (sinistra) e instabile (destra) e direzioni degli auto-
vettori (con tripla freccia)

t → −∞ le traiettorie si allineano lungo la direzione stabile. Dalle rette individuate


dai due autovettori si può facilmente desumere anche il verso di percorrenza delle
traiettorie nelle regioni comprese tra esse comprese.

5.1.2 Autovalori reali multipli

Per un sistema lineare planare, gli autovalori possono essere multipli sono nel caso
reale, in quanto gli autovalori complessi sono sempre coniugati e quindi distinti.
Separiamo in due casi, tra loro diversi. Nel primo caso la matrice A del sistema
lineare (5.7) è multipla della matrice identità, ovvero
 
λ 0
A= = λI 2 .
0 λ

Le due equazioni sono disaccoppiate in quanto si ottiene x  = λx e y  = λy e la


soluzione è banalmente
x(t) = Cueλt ,
dove C è una costante arbitraria da determinare con le condizioni iniziali, e u è un
vettore qualsiasi in quanto il problema Au = λu è soddisfatto per ogni u ∈ R2 . Per
comodità, quindi, si può scrivere la soluzione come x(t) = x0 eλt , dove x0 = [x0 , y0 ]
è la condizione iniziale. In questo primo caso l’origine prende il nome di stella.
Essa è una stella stabile se λ < 0 (figura 5.3, sinistra), una stella instabile se λ > 0
(figura 5.3, destra).
Nel secondo caso la matrice A del sistema lineare (5.7) non è multipla della ma-
trice identità. Essendo possibile la determinazione di un solo autovalore λ, è noto un
solo autovettore ad esso corrispondente, che indichiamo con u1 . Si può dimostrare
5.1 Richiami di teoria 133

Fig. 5.4 Ritratto di fase per un nodo improprio (o ad una tangente) stabile (sinistra) e instabile
(destra) e direzione dell’autovettore u1 (con tripla freccia)

che nel caso di autovalori reali multipli (coincidenti) la soluzione generale è

x(t) = (C1 t + C2 )u1 eλt + C1 u2 eλt ,

essendo u1 l’autovettore associato all’unico autovalore λ e u2 l’autovettore genera-


lizzato ottenuto risolvendo il sistema

[A − λI 2 ]u2 = u1 .

In questo caso, a differenza del precedente, la soluzione del sistema lineare (5.7)
dipende non solo dai termine esponenziale eλt ma anche dal termine C1 t, che
aumenta in modulo al crescere del tempo. Pertanto, se λ1 = λ2 = λ < 0 allora
x(t) → 0 per t → +∞, mentre x(t) → ∞ per t → +∞ se λ > 0. L’origine, con A
non multipla di I 2 , prende il nome di nodo improprio stabile o nodo ad una tan-
gente stabile se λ < 0 (figura 5.4, sinistra) e nodo improprio instabile o nodo ad una
tangente instabile se λ > 0 (figura 5.4, destra).
Nel piano delle fasi si osserva che le traiettorie raggiungono (nel caso stabile) o
si dipartono (nel caso instabile) dall’origine tangenzialmente alla retta passante per
l’origine ed avente coefficiente angolare pari al rapporto tra la seconda e la prima
componente dell’autovettore u1 , da cui il nome nodo ad una tangente, contraria-
mente al caso di autovalori reali e distinti. I vari casi sono riassunti in tabella 5.1,
a pagina 135.

5.1.3 Autovalori complessi (coniugati)

Nel caso di autovalori complessi coniugati, si ha λ1,2 = μ ± iω con μ, ω ∈ R. Inol-


tre, anche gli autovettori associati u1,2 sono complessi coniugati e possono essere
riscritti come u1,2 = ur ± iui , essendo i vettori ur e ui entrambi reali. La soluzione
134 5 Sistemi planari lineari

generale
x(t) = C1 u1 eλ1 t + C2 u2 eλ2 t ,
pertanto, può essere riscritta come
   
x(t) = C1 u1 eλ1 t + C2 u2 eλ2 t = C ur + iui e(μ+iω)t + C ur − iui e(μ−iω)t .

Nell’ultima sostituzione si è tenuto conto anche del fatto che, affinché la soluzione
x(t) sia reale, è necessario che le costanti arbitrarie siano l’una la complessa coniu-
gata dell’altra, ovvero C1,2 = α ± iβ. Siccome la soluzione generale è la somma
di due contributi in cui l’uno è il complesso coniugato dell’altro, tenendo conto del
fatto che z + z̄ = 2(z), essa può essere riarrangiata come
   
x(t) = 2 C ur + iui e(μ+iω)t .

Ricordando che un numero complesso z = eiθ può sempre essere riscritto come
z = cos θ + i sin θ , la soluzione diventa
  
x(t) = 2eμt  (α + iβ)(cos ωt + i sin ωt) ur + iui
 
= 2eμt (α cos ωt − β sin ωt)ur − (β cos ωt + α sin ωt)ui ,

ed introducendo le costanti reali A = 2α e B = −2β,


 
x(t) = eμt (A cos ωt + B sin ωt)ur + (B cos ωt − A sin ωt)ui .

Il comportamento asintotico della soluzione nel caso di autovalori complessi


coniugati è determinato dall’esponenziale eμt . Quindi, x(t) → 0 per t → +∞ se
μ = (λ1 ) = (λ2 ) < 0; x(t) → ∞ per t → +∞ se μ = (λ1 ) = (λ2 ) > 0. Nel
caso μ = (λ1 ) = (λ2 ) = 0 la soluzione è periodica e limitata essendo la somma
di funzioni periodiche limitate (seni e coseni). Nel piano delle fasi, queste consi-
derazioni si traducono rispettivamente in un insieme di orbite che si avvolgono a
spirale sull’origine se μ < 0, ottenendo così un fuoco stabile (figura 5.5, sinistra);
un insieme di orbite che si dipartono a spirale dall’origine se μ > 0, ottenendo così
un fuoco instabile (figura 5.5, destra), ed un insieme di orbite chiuse che ricordano
delle ellissi concentriche se μ = 0, ottenendo così un centro (figura 5.6). Si noti che
un centro è stabile ma non asintoticamente. I vari casi sono riassunti in tabella 5.1,
a pagina 135.
Nel caso di autovalori complessi coniugati l’utilità degli autovettori al fine del
disegno nel piano delle fasi è meno evidente.

5.1.4 Il piano T –D

I vari casi di autovalori reali e distinti, reali coincidenti, e complessi coniugati sono
riassunti in tabella 5.1.
5.1 Richiami di teoria 135

Tabella 5.1 Schema riassuntivo sulla natura dell’origine per sistemi lineari omogenei

Autovalori Natura dell’origine


Reali e distinti λ1 < 0 e λ2 < 0 Nodo proprio (o a due tangenti) stabile
λ1 > 0 e λ2 > 0 Nodo proprio (o a due tangenti) instabile
λ1 · λ2 < 0 Sella o colle
Reali e coincidenti A ∝ I 2, λ < 0 Stella stabile
A ∝ I 2, λ > 0 Stella instabile
A ∝ I 2 , λ < 0 Nodo improprio (o ad una tangente) stabile
A ∝ I 2 , λ > 0 Nodo improprio (o ad una tangente) instabile
Complessi coniugati λ = μ ± iω, μ < 0 Fuoco stabile
λ = μ ± iω, μ > 0 Fuoco instabile
λ = μ ± iω, μ = 0 Centro

Nota: il simbolo ∝ significa “proporzionale a”, mentre ∝ significa “non proporzionale a”

Fig. 5.5 Ritratto di fase per un fuoco stabile (sinistra) e instabile (destra). Si noti l’assenza delle
direzioni degli autovettori essendo essi complessi

Fig. 5.6 Ritratto di fase per


un centro (orbite periodiche).
Si noti l’assenza delle
direzioni degli autovettori
essendo essi complessi
136 5 Sistemi planari lineari

Fig. 5.7 Piano T –D con T = tr(A) e D = det(A)

Tuttavia, siccome la natura dell’origine per sistemi lineari omogenei di matrice


A è determinata esclusivamente da T = tr(A) e D = det(A), la casistica può es-
sere graficamente riassunta nel piano T –D, come riportato in figura 5.7. Si noti che
quando il determinante è negativo gli autovalori sono reali e di segno opposto e
quindi l’origine è un punto di sella. Quando il determinante è positivo gli autovalori
sono concordi e la natura dell’origine dipende dalla traccia. Siccome quest’ultima
è la somma degli autovalori, quando essa è negativa l’origine risulta stabile (semi-
piano di sinistra con T < 0), mentre quando la traccia è positiva l’origine è instabile
(semipiano di destra con T > 0). I punti del piano T –D sulla parabola D = T 2 /4
individuano le situazioni di autovalori reali e coincidenti. In questo caso l’origine è
stabile se T < 0 e instabile se T > 0, ma dal piano T –D non è possibile capire se si
tratti di nodo ad una tangente o di stella.
5.2 Alcuni esempi 137

5.2 Alcuni esempi


Problema 5.13 Determinare la natura dell’origine per il sistema

ẋ = −5x − y,
ẏ = −2x − 4y,

tracciare il ritratto di fase, e scrivere la soluzione in forma esplicita per la condizione


iniziale (x0 , y0 ) = (−1/2, −2).

Soluzione Come noto, essendo il sistema lineare e omogeneo e non singolare,


l’origine è l’unico punto di equilibrio. Il sistema riscritto in forma matriciale di-
venta
    
x −5 −1 x
= ,
y −2 −4 y
pertanto è necessario determinare autovalori e autovettori della matrice
 
−5 −1
A= .
−2 −4

Risolvendo il polinomio caratteristico si trovano i due autovalori reali e distinti


λ1 = −6 e λ2 = −3. Gli autovettori corrispondenti, ciascuno definito a meno di
una costante arbitraria, sono u1 = [k, k]T e u2 = [h, −2h]T con k, h ∈ R (il let-
tore verifichi queste conclusioni per esercizio). Essendo entrambi gli autovalori
reali e negativi, l’origine risulta un nodo proprio (o a due tangenti) stabile, dove
le due tangenti sono le rette y = x, avente coefficiente angolare uguale al rap-
porto tra la seconda e la prima componente dell’autovettore associato a λ = −6,
e y = −2x, avente anch’essa come coefficiente angolare il rapporto tra la seconda
e la prima componente dell’autovettore associato all’autovalore λ = −3. Pertanto,
nell’intorno dell’origine le traiettorie si allineano lungo la retta y = −2x (corri-
spondente all’autovalore di modulo minimo) ed il ritratto di fase risulta come in fi-
gura 5.8 (sinistra), dove si notano una serie di traiettorie convergenti verso l’origine
(contrassegnata dal pallino pieno, essendo stabile) e le direzioni dei due autovet-
tori (contrassegnate con tripla freccia), anche’esse stabili. Prendendo, per comodità,
u1 = [1, 1]T e u2 = [1, −2]T , ovvero k = 1 e h = 1, le soluzioni in forma esplicita
sono

x(t) = C1 e−6t + C2 e−3t ,
y(t) = C1 e−6t − 2C2 e−3t ,
con C1 e C2 da determinarsi utilizzando le condizioni iniziali, a t = 0, (x0 , y0 ) =
(−1/2, −2). Così facendo si ottiene

⎨− 1 = C + C ,
1 2
2

−2 = C1 − 2C2 ,
138 5 Sistemi planari lineari

Fig. 5.8 Ritratto di fase e direzioni dei due autovettori (sinistra) e soluzione analitica (destra) per
(x0 , y0 ) = (−1/2, −2) (x(t) in linea continua e y(t) in linea tratteggiata). Nel ritratto di fase la
soluzione per (x0 , y0 ) = (−1/2, −2) è contrassegnata da pallini vuoti

da cui C1 = −1 e C2 = 1/2, ovvero



⎨x(t) = −e−6t + 1 e−3t ,
2

y(t) = −e−6t − e−3t .

La soluzione analitica è riportata in figura 5.8 (destra), mentre la soluzione


(x(t), y(t)) è riportata sul ritratto di fase (sinistra) con una linea continua con-
trassegnata da pallini vuoti. 

Problema 5.14 Determinare la natura dell’origine per il sistema



ẋ = 2x + 6y,
ẏ = 6x − 7y,

tracciare il ritratto di fase, e scrivere la soluzione in forma esplicita per la condizione


iniziale (x0 , y0 ) = (9/10, −2).

Soluzione Dopo aver riscritto il sistema in forma matriciale


    
x 2 6 x
= ,
y 6 −7 y

determiniamo gli autovalori della matrice


 
2 6
A= ,
6 −7

ottenendo λ1 = −10 e λ2 = 5 (lo si verifichi per esercizio). Gli autovettori corri-


spondenti, ciascuno definito a meno di una costante arbitraria, sono u1 = [−k, 2k]T
5.2 Alcuni esempi 139

Fig. 5.9 Ritratto di fase e direzioni dei due autovettori (sinistra) e soluzione analitica (destra) per
(x0 , y0 ) = (−1/2, −2) (x(t) in linea continua e y(t) in linea tratteggiata). Nel ritratto di fase la
soluzione per (x0 , y0 ) = (−1/2, −2) è contrassegnata da pallini vuoti

e u2 = [2h, h]T con k, h ∈ R (anche in questo caso lo si verifichi per esercizio). Sic-
come gli autovalori sono reali e distinti, ma il loro prodotto è negativo, l’origine è
un punto di sella. La direzione instabile è la retta y = x/2, che ha come coefficiente
angolare il rapporto tra la seconda e la prima componente dell’autovettore corrispon-
dente all’autovalore instabile λ2 = 5. La soluzione, quindi, esplode per t → +∞,
ma il rapporto y(t)/x(t) → 1/2. Al contrario, la retta y = −2x, che ha come coef-
ficiente angolare il rapporto tra la seconda e la prima componente dell’autovettore
corrispondente all’autovalore stabile λ1 = −10, costituisce la direzione stabile. Si
noti che queste due rette vengono percorse solo se si parte da una condizione iniziale
appartenente ad esse. Il ritratto di fase risulta come in figura 5.9 (sinistra), dove si no-
tano una serie di traiettorie che dapprima si dirigono verso l’origine parallelamente
alla retta y = −2x (asintoto per t → −∞), mentre poi se ne allontanano lungo la
retta y = x/2 (asintoto per t → +∞). Per la scrittura della soluzione in forma espli-
cita prendiamo, per comodità, u1 = [−1, 2]T e u2 = [2, 1]T , ovvero k = 1 e h = 1.
Le due soluzioni in forma esplicita sono pertanto

⎨x(t) = −C1 e−10t + 2C2 e5t ,
⎩y(t) = 2C e−10t + C e5t ,
1 2

con C1 e C2 da determinarsi utilizzando le condizioni iniziali, a t = 0, (x0 , y0 ) =


(9/10, −2). Così facendo si ottiene


⎨ 9 = −C1 + 2C2 ,
10

⎩−2 = 2C + C ,
1 2
140 5 Sistemi planari lineari

da cui C1 = −49/50 e C2 = −1/25, ovvero




⎪ 49 2
⎨x(t) = e−10t − e5t ,
50 25

⎪ 49 −10t 1
⎩y(t) = − e − e5t .
25 25
La soluzione analitica è riportata in figura 5.9 (destra), mentre la soluzione
(x(t), y(t)) è riportata sul ritratto di fase (sinistra) con una linea continua con-
trassegnata da pallini vuoti. 

Problema 5.15 Determinare la natura dell’origine per il sistema



ẋ = 13x − y,
ẏ = −3x + 15y,

tracciare il ritratto di fase, e scrivere la soluzione in forma esplicita per la condizione


iniziale (x0 , y0 ) = (1/100, 1/50).

Soluzione Dopo aver riscritto il sistema in forma matriciale


    
x 13 −1 x
= ,
y −3 15 y

determiniamo gli autovalori della matrice


 
13 −1
A= ,
−3 15

ottenendo λ1 = 12 e λ2 = 16. Gli autovettori corrispondenti, ciascuno definito a


meno di una costante arbitraria, sono u1 = [k, k]T e u2 = [h, −3h]T con k, h ∈ R.
Essendo entrambi gli autovalori reali e positivi, l’origine risulta un nodo proprio (o a
due tangenti) instabile, dove le due tangenti sono le rette y = x, avente coefficiente
angolare uguale al rapporto tra la seconda e la prima componente dell’autovettore
associato all’autovalore instabile di modulo minimo λ1 = 12, e la retta y = −3x,
che ha come coefficiente angolare il rapporto tra la seconda e la prima componente
dell’autovettore associato all’autovalore instabile di modulo massimo λ2 = 16. Per-
tanto, le traiettorie vengono tutte respinte dall’origine e nel suo intorno risultano
tangenti alla retta y = x. Il ritratto di fase è riportato in figura 5.10 (sinistra), dove
si notano una serie di traiettorie uscenti dall’origine (contrassegnata dal pallino
vuoto, essendo instabile) e le direzioni dei due autovettori (contrassegnate con tri-
pla freccia), anche’esse instabili. Per t → +∞ le traiettorie si allineano con la retta
y = −3x, essendo la dinamica a tempi elevati dominata dall’autovalore instabile di
modulo massimo. Per la scrittura della soluzione in forma esplicita prendiamo, per
comodità, u1 = [1, 1]T e u2 = [1, −3]T , ovvero k = 1 e h = 1, le due soluzioni in
5.2 Alcuni esempi 141

Fig. 5.10 Ritratto di fase e direzioni dei due autovettori (sinistra) e soluzione analitica (destra)
per (x0 , y0 ) = (1/100, 1/50) (x(t) in linea continua e y(t) in linea tratteggiata). Nel ritratto di
fase la soluzione per (x0 , y0 ) = (1/100, 1/50) è contrassegnata da pallini vuoti

forma esplicita sono



x(t) = C1 e12t + C2 e16t ,
y(t) = C1 e12t − 3C2 e16t ,
con C1 e C2 da determinarsi utilizzando le condizioni iniziali, a t = 0, (x0 , y0 ) =
(1/100, 1/50). Così facendo si ottiene


⎪ 1
⎨ = C 1 + C2 ,
100

⎪ 2
⎩ = C1 − 3C2 ,
100
da cui C1 = 1/80 e C2 = −1/400, ovvero


⎪ 1 1 5t
⎨x(t) = e−10t − e ,
80 400

⎪ 1 3 5t
⎩y(t) = − e−10t + e .
80 400
La soluzione analitica è riportata in figura 5.10 (destra), mentre la soluzione
(x(t), y(t)) è riportata sul ritratto di fase (sinistra) con una linea continua contras-
segnata da pallini vuoti. 

Problema 5.16 Determinare la natura dell’origine per il sistema



ẋ = 3x + y,
ẏ = −x + y,

tracciare il ritratto di fase, e scrivere la soluzione in forma esplicita per la condizione


iniziale (x0 , y0 ) = (−1/20, 2/25).
142 5 Sistemi planari lineari

Fig. 5.11 Ritratto di fase e direzione dell’autovettore u1 = [k, −k]T (sinistra) e soluzione analitica
(destra) per (x0 , y0 ) = (−1/20, 2/25) (x(t) in linea continua e y(t) in linea tratteggiata). Nel
ritratto di fase la soluzione per (x0 , y0 ) = (−1/20, 2/25) è contrassegnata da pallini vuoti

Soluzione Dopo aver riscritto il sistema in forma matriciale


    
x 3 1 x
= ,
y −1 1 y

determiniamo gli autovalori e gli autovettori della matrice


 
3 1
A= ,
−1 1

ottenendo λ1 = λ2 = λ = 2 (autovalori reali multipli) e l’autovettore corrispondente


definito a meno di una costante arbitraria, u1 = [k, −k]T con k ∈ R. Si noti che gli
autovalori sono multipli e positivi, e la matrice del sistema non è proporzionale alla
matrice indentità. Pertanto, l’origine è un nodo improprio (o ad una tangente) insta-
bile e le traiettorie si allontanano tutte da essa tangenzialmente alla retta y = −x,
che ha come coefficiente angolare il rapporto tra la seconda e la prima componente
dell’autovettore corrispondente all’autovalore multiplo λ = 2. In figura 5.11 è ripor-
tato il ritratto di fase (sinistra) che conferma quanto detto (e accennato in §5.1.2). Al
fine di determinare la soluzione in forma esplicita scegliamo, per comodità, k = 1 in
modo da ottenere u1 = [1, −1]T . Inoltre, è necessario calcolare l’autovalore genera-
lizzato u2 risolvendo l’equazione [A − λI 2 ]u2 = u1 , che fornisce u2 = [1 − h, h]T
con h ∈ R (il lettore lo verifichi per esercizio). Scegliamo quindi h = 2 ottenendo
u2 = [−1, 2]T . Le due soluzioni in forma esplicita sono pertanto

x(t) = (C1 t + C2 )e2t − C1 e2t ,
y(t) = −(C1 t + C2 )e2t + 2C1 e2t ,
5.2 Alcuni esempi 143

con C1 e C2 da determinarsi utilizzando le condizioni iniziali, a t = 0, (x0 , y0 ) =


(−1/20, 2/25). Così facendo si ottiene


⎪ 1
⎨− = C2 − C1 ,
20

⎪ 2
⎩ = −C2 + 2C1 ,
25
da cui C1 = 3/100 e C2 = −1/50, ovvero
⎧  
⎪ 3 1

⎨ x(t) = t − e2t ,
100 20
 

⎪ 3 2
⎩y(t) = − t+ e2t .
100 25

La soluzione analitica è riportata in figura 5.11 (destra), mentre la soluzione


(x(t), y(t)) è riportata sul ritratto di fase (sinistra) con una linea continua contras-
segnata da pallini vuoti. 

Problema 5.17 Determinare la natura dell’origine per il sistema



ẋ = −3x + y,
ẏ = −2x − y,

tracciare il ritratto di fase, e scrivere la soluzione in forma esplicita per la condizione


iniziale (x0 , y0 ) = (−2, 1).

Soluzione Dopo aver riscritto il sistema in forma matriciale


    
x −3 1 x
= ,
y −2 −1 y

determiniamo gli autovalori e gli autovettori della matrice


 
−3 1
A= ,
−2 −1

ottenendo λ1 = −2 + i e λ2 = −2 − i (autovalori complessi coniugati). Gli autovet-


tori corrispondenti, ciascuno definito a meno di una costante arbitraria, sono u1 =
[k, 2k]T + i[−k, 0]T e u2 = [k, 2k]T − i[−k, 0]T con k ∈ R; pertanto ur = [k, 2k]T
e ui = [−k, 0]T . Essendo i due autovalori complessi coniugati a parte reale nega-
tiva, l’origine è un fuoco stabile. In questo caso, quindi, il ritratto di fase (vedi fi-
gura 5.12) consiste in una serie di orbite che si avvolgono a spirale (in verso orario)
attorno all’origine. Pur non essendo determinanti per tracciare il ritratto di fase, gli
autovettori sono necessari per scrivere la soluzione in forma esplicita. Prendendo,
144 5 Sistemi planari lineari

Fig. 5.12 Ritratto di fase (sinistra) e soluzione analitica (destra) per (x0 , y0 ) = (−2, 1) (x(t) in
linea continua e y(t) in linea tratteggiata). Nel ritratto di fase la soluzione per (x0 , y0 ) = (−2, 1)
è contrassegnata da pallini vuoti

per comodità, k = 1 si ottiene ur = [1, 2]T e ui = [−1, 0]T ; inoltre, essendo μ = −2


e ω = 1, le due soluzioni in forma esplicita sono
  
x(t) = (A cos t + B sin t) − (B cos t − A sin t) e−2t ,
y(t) = 2(A cos t + B sin t)e−2t ,

con A e B da determinarsi utilizzando le condizioni iniziali, a t = 0, (x0 , y0 ) =


(−2, 1). Così facendo si ottiene

−2 = A − B,
1 = 2A,

da cui A = 1/2 e B = 5/2, ovvero



x(t) = (−2 cos t + 3 sin t)e−2t ,
y(t) = (cos t + 5 sin t)e−2t .

La soluzione analitica è riportata in figura 5.12 (destra), mentre la soluzione


(x(t), y(t)) è riportata sul ritratto di fase (sinistra) con una linea continua contras-
segnata da pallini vuoti. 

Problema 5.18 Determinare la natura dell’origine per il sistema



ẋ = −4x − 5y,
ẏ = 4x + 4y,

tracciare il ritratto di fase, e scrivere la soluzione in forma esplicita per la condizione


iniziale (x0 , y0 ) = (1, −4/3).
5.2 Alcuni esempi 145

Fig. 5.13 Ritratto di fase (sinistra) e soluzione analitica (destra) per (x0 , y0 ) = (1, −4/3) (x(t) in
linea continua e y(t) in linea tratteggiata). Nel ritratto di fase la soluzione per (x0 , y0 ) = (1, −4/3)
è contrassegnata da pallini vuoti

Soluzione Dopo aver riscritto il sistema in forma matriciale


    
x −4 −5 x
= ,
y 4 4 y

determiniamo autovalori e autovettori della matrice


 
−4 −5
A= ,
4 4

ottenendo λ1 = 2i e λ2 = −2i (autovalori complessi coniugati a parte reale nulla).


Gli autovettori corrispondenti, ciascuno definito a meno di una costante arbitraria,
sono u1 = [5k, −4k]T + i[0, −2k]T e u2 = [5k, −4k]T − i[0, −2k]T con k ∈ R;
pertanto ur = [5k, −4k]T e ui = [0, −2k]T . Essendo gli autovalori immaginari puri
(i.e. con parte reale nulla), l’origine risulta essere un centro stabile (non asintotica-
mente), come mostrato in figura 5.13 (sinistra) dove è riportato il ritratto di fase.
Per determinare la soluzione in forma esplicita prendiamo, per comodità, k = 1 ot-
tenendo ur = [5, −4]T e ui = [0, −2]T . Inoltre, essendo μ = 0 e ω = 2, le due
soluzioni in forma esplicita sono

x(t) = (5A cos 2t + 5B sin 2t),
y(t) = (−4A cos 2t − 4B sin 2t) + (−2B cos 2t + 2A sin 2t),

con A e B da determinarsi utilizzando le condizioni iniziali, a t = 0, (x0 , y0 ) =


(1, −4/3). Così facendo si ottiene

⎨1 = 5A,
⎩− 4 = −4A − 2B,
3
146 5 Sistemi planari lineari

da cui A = 1/5 e B = 4/15. Le soluzioni esplicite del sistema iniziale sono pertanto


⎪ 4
⎨x(t) = cos 2t + sin 2t,
3

⎪ 4 2
⎩y(t) = − cos 2t − sin t.
3 3
La soluzione analitica è riportata in figura 5.13 (destra), mentre la soluzione
(x(t), y(t)) è riportata sul ritratto di fase (sinistra) con una linea continua contras-
segnata da pallini vuoti. 

Problema 5.19 Mostrare con un semplice esempio come la perturbazione di un


sistema che ha nell’origine un centro possa produrre un fuoco stabile o instabile
(frattura sia della stabilità che del ritratto di fase). Mostrare inoltre come la per-
turbazione di un sistema che ha nell’origine un equilibrio a cui corrispondono due
autovalori uguali possa produrre un fuoco (frattura del ritratto di fase ma non delle
caratteristiche di stabilità).

Soluzione Sia ε ∈ R e consideriamo il sistema lineare


 
ẋ = εx + y, ẋ = y,
perturbazione, per ε piccolo, di
ẏ = −x + εy, ẏ = −x,

che ammette l’origine come punto di equilibrio, con autovalori complessi

λ± (ε) = ε ± i.

L’origine è quindi un fuoco stabile se ε < 0, un fuoco instabile se ε > 0, ma natu-


ralmente, se ε = 0 le orbite sono periodiche di periodo 2π (precisamente sono le
circonferenze concentriche x 2 + y 2 = C 2 , al variare di C ∈ R). In tal caso quindi, in
generale, perturbando si stravolgono sia le caratteristiche di stabilità che il ritratto
di fase). Siano ora α, ε ∈ R, α = 0 e consideriamo il sistema lineare
 
ẋ = αx + y, ẋ = αx + y,
perturbazione, per ε piccolo, di
ẏ = −ε x + αy,
2 ẏ = αy,

che ammette l’origine come unico punto di equilibrio. Gli autovalori complessi co-
niugati sono
λ± (ε) = α ± εi.
Notiamo come in questo caso, anche prendendo ε arbitrariamente piccolo, non ven-
gono stravolte le caratteristiche di stabilità dell’equilibrio (stabile se α < 0 e insta-
bile se α > 0) ma il ritratto di fase cambia passando da ε = 0 ad ε = 0 (da nodi a
fuochi). 
5.2 Alcuni esempi 147

Problema 5.20 Determinare la natura dell’origine per il sistema



ẋ = x − y,
ẏ = 2x − 2y,

tracciare il ritratto di fase, e scrivere la soluzione in forma esplicita per la condizione


iniziale (x0 , y0 ) = (−1/2, −2).

Soluzione Dopo aver riscritto il sistema in forma matriciale


    
x 1 −1 x
= ,
y 2 −2 y

si osservi che esso ha determinante nullo. In particolare, i punti di equilibrio non


sono solo l’origine ma tutti i punti della retta y = x, come si può facilmente ve-
rificare. Inoltre, la seconda equazione può essere riscritta come y  = 2x − 2y =
2(x − y) = 2x  , ovvero le soluzioni (x, y) del sistema dato sono tali per cui
y = 2x + C, essendo C una costante arbitraria da determinarsi in base alle condi-
zioni iniziali. Siccome la traiettoria deve passare per il punto (x0 , y0 ) = (−1/2, −2),
si ottiene C = −1 da cui la soluzione y = 2x − 1. Sostituendo questo risultato nel
sistema iniziale si ha

ẋ = −x + 1,
ẏ = −y + 1,

che è un sistema disaccoppiato e non omogeneo e può essere risolto con le tecniche
classiche per equazioni differenziali ordinarie a coefficienti costanti. Le soluzioni
sono (lo si verifichi per esercizio):

⎨x(t) = 1 − 3 e−t ,
2

y(t) = 1 − 3e−t .

Un altro modo di procedere è seguire lo schema presentato negli esempi precedenti.


Infatti, si noti che, nonostante la matrice del sistema sia singolare, essa ammette
comunque autovalori λ1 = 0 e λ2 = −1 e autovettori u1 = [k, k]T e u2 = [h, 2h]T
con k, h ∈ R (lo si verifichi per esercizio). Per ogni punto della retta y = x (luogo dei
punti stazionari), quindi, la retta di direzione y = 2x e passante per quel punto, i.e.
una retta del tipo y = 2x + C, risulterà stabile essendo il coefficiente angolare pari
al rapporto tra la seconda e la prima componente dell’autovettore corrispondente
all’autovalore negativo. Al contrario, la retta di direzione y = x e passante per quel
punto, i.e. la stessa retta y = x, risulterà neutra in quanto l’autovalore corrispondente
a tale direzione è nullo (ma si noti che i punti per i quali y = x sono di equilibrio).
Tale situazione è riassunta nel ritratto di fase in figura 5.14 (sinistra).
148 5 Sistemi planari lineari

Fig. 5.14 Ritratto di fase (sinistra) e soluzione analitica (destra) per (x0 , y0 ) = (−1/2, −2)
(x(t) in linea continua e y(t) in linea tratteggiata). Nel ritratto di fase la soluzione per
(x0 , y0 ) = (−1/2, −2) è contrassegnata da pallini vuoti

Per determinare la soluzione in forma esplicita, scegliamo u1 = [1, 1]T e u2 =


[1, 2]T , ovvero k = 1 e h = 1. Si ha allora:

x(t) = C1 + C2 e−t ,
y(t) = C1 + 2C2 e−t ,

con C1 e C2 da determinarsi utilizzando le condizioni iniziali, a t = 0, (x0 , y0 ) =


(−1/2, −2). Così facendo si ottiene

⎨− 1 = C + C ,
1 2
2

−2 = C1 + 2C2 ,

da cui C1 = 1 e C2 = −3/2, ovvero



⎨x(t) = 1 − 3 e−t ,
2

y(t) = 1 − 3e−t ,

che corrispondono a quelle trovate in precedenza. La soluzione analitica è riportata


in figura 5.14 (destra), mentre la soluzione (x(t), y(t)) è riportata sul ritratto di fase
(sinistra) con una linea continua contrassegnata da pallini vuoti. 

5.3 Equivalenza topologica tra sistemi lineari


Definizione 5.21 Due sistemi planari del tipo ẋ = Ax e ẋ = Bx si dicono topo-
logicamente equivalenti se esiste un omeomorfismo h : R2 → R2 del piano (che
significa che h e la sua inverso sono entrambe continue) che mappa le orbite di
ẋ = Ax nelle orbite di ẋ = Bx preservandone il verso temporale.
5.3 Equivalenza topologica tra sistemi lineari 149

Nel caso di in cui A e B siano iperboliche (i.e. la parte reale degli autovalori
associati a ciascuna di esse è non nulla), l’omeomorfismo della definizione 5.21 può
essere scelto in modo che soddisfi la relazione
 
h eAt x = eBt h(x) (5.22)

per ogni t ∈ R e x ∈ R2 . Si noti che la funzione h in (5.22) mappa orbite in orbite e


mantiene il verso temporale.

Definizione 5.23 Due matrici quadrate A e B della stessa dimensione si dicono


simili (o coniugate) se esiste una matrice P , di pari dimensione ed invertibile, in
modo tale che A = P −1 BP .

Teorema 5.24 Se due sistemi ẋ = Ax e ẋ = Bx hanno matrici simili, allora essi


sono linearmente equivalenti, ossia h è lineare.

Infatti, se le matrici sono simili, dalla definizione 5.23 segue che esiste la matrice
invertibile P . A seguito del cambio di variabile x = P y il sistema ẋ = Bx diventa
ẋ = P ẏ = Bx = BP y, da cui

ẏ = P −1 BP y.

Essendo simili le matrici dei sistemi allora A = P −1 BP e quindi ẏ = Ay. Le solu-


zioni di ẋ = Bx e ẏ = Ay sono rispettivamente

x(t) = eBt x0 , y(t) = eAt y0 ,

ma da x = P y segue x = P eAt y0 = P eAt P −1 x0 = eBt x0 , ovvero, dall’ultima ugua-


glianza,
P eAt = eBt P . (5.25)
Si osservi che l’equazione (5.25) è la (5.22) nel caso in cui l’omeomorfismo sia
h = P . Abbiamo quindi dimostrato che due sistemi simili sono necessariamente
linearmente equivalenti. Il contrario, ovvero che due sistemi che rispettino la rela-
zione (5.25) sono simili (ossia A = P −1 BP ), si ottiene immeditamente derivando
la (5.25) rispetto al tempo e valutando il risultato a t = 0.

Teorema 5.26 (Equivalenza tra sistemi lineari iperbolici) Se due matrici A e B


hanno autovalori a parte reale non nulla, allora i due sistemi lineari ẋ = Ax e
ẋ = Bx sono topologicamente equivalenti se e solo se A e B hanno lo stesso numero
di autovalori a parte reale negativa (e quindi anche lo stesso numero a parte reale
positiva). Di conseguenza, esistono solo tre classi distinte di equivalenza di sistemi
iperbolici planari:
(i) pozzo iperbolico: due autovalori a parte reale negativa, per esempio
 
−1 0
A= ;
0 −1
150 5 Sistemi planari lineari

Fig. 5.15 Ritratti di fase corrispondenti ai tre casi previsti dal teorema 5.26 (direzioni degli auto-
vettori con tripla freccia): (i), pozzo iperbolico: due autovalori a parte reale negativa; (ii), sorgente
iperbolica: due autovalori a parte reale positiva; (iii), sella iperbolica: un autovalore a parte reale
positiva e uno a parte reale negativa

(ii) sorgente iperbolica: due autovalori a parte reale positiva, per esempio
 
1 0
A= ;
0 1

(iii) sella iperbolica: un autovalore a parte reale positiva e uno a parte reale nega-
tiva, per esempio
 
1 0
A= .
0 −1

I casi previsti dal teorema 5.26 sono riportati in figura 5.15.

Osservazione 5.27 Si noti che, in base al teorema 5.26, un nodo proprio (o a due
tangenti) stabile, un nodo improprio (o ad una tangente) stabile, una stella stabile e
un fuoco stabile sono tutti topologicamente equivalenti e corrispondono al caso (i).

Teorema 5.28 (Equivalenza tra sistemi lineari non iperbolici) Se una matrice A ha
almeno un autovalore con parte reale nulla, allora il sistema planare lineare ẋ = Ax
è topologicamente equivalente ad uno dei cinque sistemi lineari non iperbolici le cui
matrici dei coefficienti sono:
 
0 0
(i) : la matrice nulla;
0 0
 
−1 0
(ii) : un autovalore a parte reale negativa e uno nullo;
0 0
 
1 0
(iii) : un autovalore a parte reale positiva e uno nullo;
0 0
 
0 1
(iv) : due autovalori nulli ma un solo autovettore;
0 0
5.3 Equivalenza topologica tra sistemi lineari 151

Fig. 5.16 Ritratti di fase corrispondenti ai cinque casi previsti dal teorema 5.28: (i), matrice nulla;
(ii), un autovalore a parte reale negativa e uno nullo; (iii), un autovalore a parte reale positiva e uno
nullo; (iv), due autovalori nulli ma un solo autovettore; (v), due autovalori immaginari puri

 
0 1
(v) : due autovalori immaginari puri.
−1 0

I casi previsti dal teorema 5.28 sono riportati in figura 5.16.


Capitolo 6
Sistemi planari non-lineari

Io dico di aver capito un’equazione quando sono in grado di


predire le proprietà delle sue soluzioni senza effettivamente
risolverla.
Paul Adrien Maurice Dirac (1902–1984)

L’obiettivo di questo capitolo è l’analisi, possibilmente globale, della dinamica di


un sistema differenziale planare non lineare. Per le dimostrazioni degli enunciati
riportati si rimanda, principalmente, ai riferimenti [3, 5, 14, 15, 17, 31].

6.1 Richiami di teoria


Nel seguito, con | · | indichiamo la norma euclidea su Rm , m ≥ 2, ossia
  #
(x1 , . . . , xm ) = x 2 + · · · + x 2 ,
1 m

per ogni (x1 , . . . , xm ) ∈ Rm .

6.1.1 Problema ben posto, flussi, orbite, ritratti di fase


Teorema 6.1 (Esistenza ed unicità locale) Sia I un intervallo in R con 0 ∈ I e Ω
un sottoinsieme aperto di Rm . Supponiamo che f1 , . . . , fm siano funzioni di classe
C 1 su I × Ω. Allora, per ogni dato iniziale (y 1 , . . . , y m ) contenuto in Ω esiste
un’unica soluzione locale (x1 (t), . . . , xm (t)) : J → Rm definita su un intorno J ⊆ I
di 0, del problema di Cauchy


⎪ ẋ = f (t, x1 , . . . , xm ),
⎪ .1 . 1


⎪ .. ..


⎨ẋ = f (t, x , . . . , x ),
m m 1 m
(6.2)

⎪ x (0) = y 1,


1


.. ..

⎪ . .

xm (0) = y m .

© Springer-Verlag Italia 2016 153


M. Squassina, S. Zuccher, Introduzione all’Analisi Qualitativa dei Sistemi Dinamici
Discreti e Continui, UNITEXT – La Matematica per il 3+2 96,
DOI 10.1007/978-88-470-5791-3_6
154 6 Sistemi planari non-lineari

In aggiunta, la soluzione dipende con continuità dai dati iniziali.

Definizione 6.3 Se le funzioni fi non dipendono esplicitamente dal tempo t il si-


stema si dice autonomo. Altrimenti si dice non autonomo.

Definizione 6.4 L’intervallo di definizione J ⊆ I della soluzione x ∈ Rm si dice


massimale se non esiste nessuna soluzione x̃ = (x̃1 (t), . . . , x̃m (t)) del sistema defi-
nita su un intervallo J˜ ⊆ I con J ⊂ J˜ e tale che x̃j |J = xj per ogni j = 1, . . . , m.
Se J = I la soluzione si dice globale, se J = I = R per le soluzioni del sistema ha
senso lo studio asintotico.

Osservazione 6.5 In generale, come ricordato nell’osservazione 4.5 per il caso sca-
lare, il problema di Cauchy (6.2) non è localmente ben posto se mancano sufficienti
ipotesi di regolarità sulle funzioni fi . Ad esempio, se le fi non sono continue la so-
luzione può non esistere e se le fi non sono localmente Lipschitziane la soluzione
può non essere unica.

Osservazione 6.6 Quando I = R e la soluzione è definita su tutto R, oppure è de-


finita su un intervallo J con (0, +∞) ⊂ J o (−∞, 0) ⊂ J , la soluzione è globale e
ha senso studiarne il comportamento asintotico nel limite per t → +∞ o t → −∞
(o entrambi). Un sistema dinamico (flusso) su Rm è una funzione φ : R × Rm → Rm
di classe C 1 ,
φ(t, x1 , . . . , xm ) := φt (x1 , . . . , xm ),
tale che

φ0 (x1 , . . . , xm ) = (x1 , . . . , xm ),
φt ◦ φs (x1 , . . . , xm ) = φt+s (x1 , . . . , xm ), per ogni t, s ∈ R.

Tali proprietà sono dette anche di semigruppo. Nel caso autonomo, i problemi di
Cauchy (6.2) con soluzioni su tutto R definiscono un sistema dinamico su Rm .

Definizione 6.7 La soluzione {t → (x1 (t), . . . , xm (t))}, con t ∈ J , descrive para-


metricamente un tratto di curva (regolare) in Rm . Per i sistemi autonomi, il supporto
(immagine) di tale parametrizzazione (non unica) si dice traiettoria (o orbita) del
sistema. L’ambiente dove si rappresentata la traiettoria viene detto, rispettivamente,
spazio delle fasi se m = 3, piano delle fasi se m = 2 e linea delle fasi se m = 1. Un
complesso di più traiettorie del sistema, al variare delle condizioni iniziali, si dice
ritratto (o diagramma) di fase del sistema.

Osservazione 6.8 Per i sistemi autonomi (regolari), due orbite distinte non si in-
contrano mai. Inoltre, se un’orbita interseca se stessa, allora deve necessariamente
essere prolungabile ad una soluzione periodica. Infatti, siano ad esempio ϕ1 e ϕ2 due
6.1 Richiami di teoria 155

orbite globali del sistema (6.2), che si incontrano negli istanti t1 e t2 rispettivamente,
ossia

ϕ1 (t1 ) = ϕ2 (t2 ).

Definiamo ϕ3 (t) = ϕ2 (t + t2 − t1 ) per t ∈ R. Per la proprietà di semigruppo dei


sistemi autonomi, anche ϕ3 è una soluzione del sistema. Inoltre, si ha

ϕ3 (t1 ) = ϕ2 (t2 ) = ϕ1 (t1 ).

Allora, dal teorema 6.1 segue che ϕ3 = ϕ1 , da cui ϕ1 = ϕ2 ◦ η con η(t) = t + t2 − t1 ,


e quindi ϕ1 e ϕ2 devono avere lo stesso supporto. Per le orbite periodiche si ra-
giona in modo simile. Questa conclusione non vale, in generale, per i sistemi non
autonomi dove le orbite possono incrociarsi ed un’orbita che si auto-interseca non è
necessariamente estendibile ad un’orbita periodica. Si vedano, ad esempio, le figure
del sistema di Duffing (problema 7.1). Per questo motivo l’analisi dei ritratti di fase
ha senso solo nel caso di problemi autonomi.

Osservazione 6.9 Un sistema non-autonomo in Rm di m-equazioni




⎨ẋ1 = f1 (t, x1 , . . . , xm ),

.. ..
⎪ . .

⎩ẋ = f (t, x , . . . , x ),
m m 1 m

si può sempre reinterpretare come sistema autonomo in Rm+1 di (m + 1)-equazioni




⎪ẋ1 = f1 (xm+1 , x1 , . . . , xm ),
⎪. .

⎨. .
. .

⎪ẋ m = fm (xm+1 , x1 , . . . , xm ),



ẋm+1 = 1.

Osservazione 6.10 In presenza di un parametro α ∈ R le soluzioni del sistema




⎨ẋ1 = f1 (x1 , . . . , xm ; α),

.. ..
⎪ . .

⎩ẋ = f (x , . . . , x ; α),
m m 1 m

dipendono con continuità dalla scelta dei dati iniziali e del parametro se le funzioni
fi : Rm × R → R sono regolari. Infatti, il sistema si può sempre reinterpretare come
156 6 Sistemi planari non-lineari

il sistema autonomo senza parametro




⎪ ẋ1 = f1 (x1 , . . . , xm ; α),
⎪. .

⎨. .
. .

⎪ ẋ m = fm (x1 , . . . , xm ; α),



α̇ = 0,

da cui si ottiene subito la dipendenza continua dai dati iniziali e dal parametro.

6.1.2 Stabilità, insiemi ω-limite, omocline, eterocline

Ci limitiamo ora al caso di sistemi autonomi:




⎨ẋ1 = f1 (x1 , . . . , xm ),

.. ..
. . (6.11)


⎩ẋ = f (x , . . . , x ).
m m 1 m

Definizione 6.12 Diciamo punto di equilibrio (o punto stazionario) per il si-


stema differenziale (6.11) ogni soluzione costante di (6.11), ossia ogni soluzione
(x 1 , . . . , x m ) del sistema algebrico in Rm di m-equazioni in m-incognite


⎨f1 (x1 , . . . , xm ) = 0,

.. ..
⎪ . .

⎩f (x , . . . , x ) = 0.
m 1 m

Definizione 6.13 Un punto di equilibrio (x 1 , . . . , x m ) per il sistema (6.11) si dice


localmente stabile (secondo Lyapunov) se per ogni ε > 0 esiste δ > 0 tale che ogni
soluzione di (6.11) con la condizione iniziale (x1 (0), . . . , xm (0)) = (y 1 , . . . , y m ) e
 1   
 y , . . . , ym − x1, . . . , xm  < δ

soddisfa
   
 x1 (t), . . . , xm (t) − x 1 , . . . , x m  < ε, ∀t ≥ 0.
Se un punto di equilibrio non è localmente stabile si dice instabile. Un punto di equi-
librio (x 1 , . . . , x m ) per il sistema (6.11) si dice localmente asintoticamente stabile
se è localmente stabile ed esiste  > 0 tale che per tutti i dati iniziali (y 1 , . . . , y m )
che verificano |(y 1 , . . . , y m ) − (x 1 , . . . , x m )| <  si ha
   
lim  x1 (t), . . . , xm (t) − x 1 , . . . , x m  = 0.
t→+∞
6.1 Richiami di teoria 157

Definizione 6.14 Si dice bacino di attrazione di un punto di equilibrio X0 =


(x 1 , . . . , x m ) per il sistema (6.11) il più grande insieme B(X0 ) ⊂ Rm di dati iniziali
a cui corrispondono soluzioni (globali) convergenti all’equilibrio X0 per t → +∞.

Definizione 6.15 Sia (x1 (t), . . . , xm (t)) : R → Rm la soluzione (globale) del si-
stema (6.11) che corrisponde alla condizione iniziale X0 = (x 1 , . . . , x m ). Definiamo
gli insiemi α-limite α(X0 ) ⊂ Rm e ω-limite ω(X0 ) ⊂ Rm di X0 come
&   '
α(X0 ) = ξ ∈ Rm : ∃tj → −∞ : lim x1 (tj ), . . . , xm (tj ) = (ξ1 , . . . , ξm ) ,
j →∞
&   '
ω(X0 ) = ξ ∈ Rm : ∃ tj → +∞ : lim x1 (tj ), . . . , xm (tj ) = (ξ1 , . . . , ξm ) .
j →∞

Se la soluzione che parte da X0 non è globale in avanti, i.e. per t crescente (ri-
spettivamente indietro, i.e. per t decrescente) poniamo ω(X0 ) = ∅ (rispettivamente
α(X0 ) = ∅).

Definizione 6.16 Diciamo che un’orbita chiusa γ per il sistema (6.11) è un ciclo
limite se γ ⊂ ω(X0 ) oppure γ ⊂ α(X0 ) per un qualche dato iniziale X0 ∈ / γ . Nel
caso in cui γ ⊂ ω(X0 ) si parla di ciclo ω-limite, mentre nel caso in cui γ ⊂ α(X0 )
si parla di ciclo α-limite.

Definizione 6.17 Siano (x1 (t), . . . , xm (t)) : R → Rm e (x 1 , . . . , x m ) ∈ Rm rispet-


tivamente una soluzione globale e un punto di equilibrio per il sistema (6.11). Di-
ciamo che (x1 (t), . . . , xm (t)) è un’orbita omoclina se

lim xj (t) = lim xj (t) = x j , per ogni j = 1, . . . , m,


t→−∞ t→+∞

ossia se l’orbita approccia uno stesso equilibrio sia per t → −∞ che per t → +∞.
Naturalmente, una condizione necessaria per l’esistenza di soluzioni omocline è
che per il punto di equilibrio (x 1 , . . . , x m ) esistano alcune direzioni stabili (varietà
stabile) e altre instabili (varietà instabile), ad esempio, nel caso bidimensionale, che
il punto di equilibrio sia una sella locale.

Definizione 6.18 Sia (x1 (t), . . . , xm (t)) : R → Rm una soluzione globale del si-
stema (6.11) e (x 1 , . . . , x m ), (y 1 , . . . , y m ) ∈ Rm due punti di equilibrio. Diciamo
che (x1 (t), . . . , xm (t)) è un’orbita eteroclina (che connette gli equilibri (x 1 , . . . , x m )
e (y 1 , . . . , y m )) se

lim xj (t) = x j , lim xj (t) = y j , per ogni j = 1, . . . , m,


t→−∞ t→+∞

ossia se l’orbita approccia un punto di equilibrio per t → −∞ ed un secondo punto


di equilibrio per t → +∞.
158 6 Sistemi planari non-lineari

6.1.3 Stabilità via linearizzazione

Teorema 6.19 (Metodo di linearizzazione) Supponiamo che (x 1 , . . . , x m ) sia un


punto di equilibrio per il sistema differenziale (6.11) (nell’ipotesi che fi ∈ C 1 ) e
consideriamo la matrice Jacobiana
⎡ ∂f ⎤
∂f1 
1
∂x1 · · · ∂x m 
 1  ⎢ . ⎥

J x , . . . , x = ⎣ ..
m .
.. .. ⎥
.  .
⎦
∂fm ∂fm 
∂x · · · ∂x 1 m
1 m (x ,...,x )

Supponiamo che det J (x 1 , . . . , x m ) = 0 (matrice Jacobiana non singolare). Valgono


allora i seguenti fatti: (a) se tutti gli autovalori di J hanno parte reale stretta-
mente negativa, allora l’equilibrio (x 1 , . . . , x m ) è localmente asintoticamente sta-
bile; (b) se esiste almeno un autovalore di J con parte reale strettamente positiva
allora l’equilibrio (x 1 , . . . , x m ) è instabile.

Le seguenti caratterizzazioni algebriche, quando applicate alla matrice J di un


sistema differenziale (in un punto di equilibrio) e al relativo polinomio caratteristico
risultano utili per l’analisi della stabilità locale dei sistemi a più componenti.

Teorema 6.20 (Condizione di Gershgorin) Sia A una matrice m × m a coefficienti


reali (aij ) tali che

m
aii < − |aij |, ∀i = 1, . . . , m.
j =1
j =i

Allora tutti gli autovalori di A sono negativi o hanno parte reale negativa.

Teorema 6.21 (Criterio di Routh-Hurwitz) Consideriamo il polimonio

P (λ) = λm + a1 λm−1 + · · · + am−1 λ + am , aj ∈ R, j = 1, . . . , m.

Definiamo le matrici quadrate (dette anche matrici di Hurwitz)


⎡ ⎤
  a1 1 0
a 1
H1 = [a1 ], H2 = 1 , H3 = ⎣a3 a2 a1 ⎦
a3 a2
a5 a4 a3

e in generale
⎡ ⎤
a1 1 0 0 ··· 0
⎢a3 a2 a1 1 ··· 0 ⎥
⎢ ⎥
⎢ ··· 0 ⎥
Hm = ⎢a5 a4 a3 a2 ⎥,
⎢ .. .. .. .. .. ⎥
⎣. . . . ··· . ⎦
0 0 0 0 · · · am
6.1 Richiami di teoria 159

con aj = 0 se j > m. Allora tutte le radici del polinomio P (λ) sono negative o
hanno parte reale negativa se e soltanto se

det(Hj ) > 0, ∀j = 1, . . . , m.

Osservazione 6.22 Nel caso planare m = 2 la condizione di stabilità si può espri-


mere in modo semplice rispetto alla traccia Tr(J ) di J e al determinante det(J )
della matrice Jacobiana J . Più precisamente un punto di equilibrio è localmente
asintoticamente stabile se e soltanto se

Tr(J ) < 0, det(J ) > 0.

Sempre nel caso planare, in base al tipo di autovalori della matrice Jacobiana è
possibile caratterizzare, localmente, i punti di equilibrio in base alla classificazione
del caso lineare, i.e. nodi, selle, fuochi, centri.

6.1.4 Stabilità via funzioni di Lyapunov

Per un sistema autonomo, se l’equilibrio che si vuole analizzare non è localizzato


nell’origine, ci si può sempre ricondurre all’origine per mezzo di una traslazione.

Definizione 6.23 Sia Ω un intorno di (0, . . . , 0) in Rm . Diciamo che V : Ω → R


è una funzione di Lyapunov per il sistema (6.11) se V (0, . . . , 0) = 0, V (x1 , . . . ,
xm ) > 0 per ogni (x1 , . . . , xm ) = (0, . . . , 0) e

d  
V x1 (t), . . . , xm (t) ≤ 0, ∀t > 0,
dt
per ogni soluzione (globale) non banale (x1 (t), . . . , xm (t)) ⊂ Ω del sistema (6.11).
Diciamo che V è una funzione di Lyapunov stretta se

d  
V x1 (t), . . . , xm (t) < 0, ∀t > 0,
dt
per ogni soluzione (globale) non banale (x1 (t), . . . , xm (t)) ⊂ Ω del sistema (6.11).

Teorema 6.24 (Stabilità di Lyapunov) Supponiamo che (0, . . . , 0) sia un punto di


equilibrio per il sistema differenziale (6.11). Valgono i seguenti fatti
(a) se esiste una funzione di Lyapunov V in Ω per il sistema (6.11) allora
l’equilibrio (0, . . . , 0) è stabile;
(b) se esiste una funzione di Lyapunov stretta V in Ω per il sistema (6.11) allora
l’equilibrio (0, . . . , 0) è asintoticamente stabile.
160 6 Sistemi planari non-lineari

6.1.5 Insiemi invarianti e bacini di attrazione, attrattori

Definizione 6.25 Diciamo che P ⊂ Rm è una regione invariante per il sistema (6.11)
(con soluzioni globali) se, partendo da un qualunque dato iniziale in P ,
+ 
x1 (t), . . . , xm (t) ⊂ P .
t∈R

Diciamo che P è una regione positivamente invariante per il sistema (6.11) (con
soluzioni globali) se, partendo da un qualunque dato iniziale in P ,
+ 
x1 (t), . . . , xm (t) ⊂ P ,
t≥0

ossia il flusso in avanti, i.e. per t crescente, {(x1 (t), . . . , xm (t))}t≥0 è contenuto in P .
Diciamo che P è una regione negativamente invariante per il sistema (6.11) (con
soluzioni globali) se, partendo da un qualunque dato iniziale in P ,
+ 
x1 (t), . . . , xm (t) ⊂ P ,
t≤0

ossia il flusso all’indietro {(x1 (t), . . . , xm (t))}t≤0 è contenuto in P .

Teorema 6.26 (Principio di invarianza di LaSalle) Sia (x 1 , . . . , x m ) un punto di


equilibrio per il sistema (6.11) e supponiamo che esista un relativo funzionale di
Lyapunov V : Ω → R, dove Ω è un insieme aperto contenente (x 1 , . . . , x m ). Sia
P ⊂ Ω un intorno chiuso e limitato di (x 1 , . . . , x m ). Supponiamo che P sia posi-
tivamente invariante e che non esista nessuna soluzione definita su R contenuta in
P \ {(x 1 , . . . , x m )} su cui il funzionale V sia costante. Allora (x 1 , . . . , x m ) è asin-
toticamente stabile e P è contenuto nel bacino di attrazione B di (x 1 , . . . , x m ).

Vediamo alcuni casi particolari utili nel contesto planare.

Teorema 6.27 Sia α > 0 e sia V una funzione continua sulla chiusura P di
 
P = (x, y) ∈ R2 : V (x, y) < α .

Supponiamo anche che V sia di classe C 1 in P e V̇ (x(t), y(t)) ≤ 0 per ogni orbita
in P del sistema (6.11) . Consideriamo il più grande insieme invariante L contenuto
in
    
C = x(t), y(t) ∈ P : V̇ x(t), y(t) = 0 .
Allora ogni orbita in P che rimane limitata in P ha insieme ω-limite uguale a L.

Teorema 6.28 Nelle ipotesi del teorema precedente, supponiamo che ogni orbita
del sistema (6.11) sia limitata e che si abbia in aggiunta V (x, y) > 0 per ogni
(x, y) ∈ R2 \ {(0, 0)}, V (0, 0) = 0 e L = {(0, 0)}. Allora l’origine (0, 0) è asintoti-
camente stabile e P è contenuto nel suo bacino di attrazione.
6.1 Richiami di teoria 161

Definizione 6.29 Un sistema planare si dice dissipativo se esiste un insieme limitato


B ⊂ R2 tale che per ogni dato iniziale (x0 , y0 ) ∈ B esiste un tempo t0 = t0 (x0 , y0 )
tale che la soluzione ϕ(t; x0 , y0 ) del sistema per (x0 , y0 ) verifica ϕ(t; x0 , y0 ) ∈ B
per ogni t ≥ t0 .

Definizione 6.30 Se γ + (y) denota l’orbita positiva (o in avanti, ossia per t ≥ 0) di


dato iniziale y, poniamo, per ogni C ⊂ R2 ,
  
ω(C) := γ + ϕ(τ, C) .
τ ≥0

Un sottoinsieme A di R2 si dice attrattore globale di un sistema dissipativo se A è


compatto, connesso, invariante e ω(C) ⊂ A per ogni insieme limitato C ⊂ R2 .

Teorema 6.31 Un sistema dissipativo ammette un unico attrattore globale.

6.1.6 Varietà stabili e instabili

Limitiamoci ora al caso di sistemi di due equazioni, m = 2.

Definizione 6.32 Sia U un intorno di un punto di equilibrio (x0 , y0 ) di



ẋ = f (x, y),
(6.33)
ẏ = g(x, y).

Se ϕ(t; x, y) denota il flusso di (6.33), definiamo le varietà stabile e instabile locale


Ws (x0 , y0 ; U ) e Wu (x0 , y0 ; U ) ponendo
& '
WUs (x0 , y0 ) = (x, y) ∈ U : ϕ(t; x, y) ∈ U per t ≥ 0, lim ϕ(t; x, y) = (x0 , y0 ) ,
t→+∞
& '
WUu (x0 , y0 ) = (x, y) ∈ U : ϕ(t; x, y) ∈ U per t ≤ 0, lim ϕ(t; x, y) = (x0 , y0 ) .
t→−∞

Teorema 6.34 Supponiamo che il sistema (6.33) abbia nell’origine una sella lo-
cale. Allora (6.33) si riscrive, per opportune funzioni f1 , f2 , come

ẋ = λ1 x + f1 (x, y),
λ1 < 0, λ2 > 0, (6.35)
ẏ = λ2 y + f2 (x, y),

dove la matrice Jacobiana di (f1 , f2 ) in (0, 0) è nulla. Inoltre, esistono ε > 0 e due
funzioni regolari ψs , ψu : (−ε, ε) → R tali che
 
WUs ε (0, 0) = (x, y) ∈ Uε : y = ψs (x), |x| < ε ,
162 6 Sistemi planari non-lineari
 
WUuε (0, 0) = (x, y) ∈ Uε : x = ψu (y), |y| < ε ,
dove
dψs dψu
ψs (0) = 0, ψu (0) = 0, (0) = 0, (0) = 0,
dx dy
e Uε = {(x, y) ∈ R2 : |x| < ε, |y| < ε}. Quindi, localmente, le varietà stabile e
instabile sono grafici di funzioni regolari.

6.1.7 Soluzioni periodiche

Definizione 6.36 Diciamo che una soluzione non costante del sistema (6.11) è pe-
riodica, se esiste T0 > 0 tale che
xj (t + T0 ) = xj (t), ∀j = 1, . . . , m, ∀t > 0.
Il minimo valore di T0 > 0 con tale proprietà si dice periodo della soluzione.

Osservazione 6.37 In generale, l’esistenza di soluzioni periodiche richiede almeno


due equazioni. Sia infatti m = 1, ossia l’equazione autonoma ẋ = f (x). Allora,
se f : R → R è continua, non esistono soluzioni periodiche non costanti. Infatti,
se per assurdo esistesse T0 > 0 tale che x(t + T0 ) = x(t) per ogni t > 0, allora,
moltiplicando l’equazione per ẋ e integrando da t a t + T0 ne seguirebbe
t+T0 t+T0 x(t+T0 )
ẋ 2 ds = ẋf (x)ds = f (σ )dσ = 0,
t t x(t)

da cui ẋ = 0 su (t, t + T0 ) per ogni t > 0, per cui x risulta costante.

Restringiamo ora l’attenzione sul caso m = 2, ossia i sistemi planari (6.33).

Teorema 6.38 (Teorema della curva di Jordan) Una curva chiusa in R2 che non
si auto-interseca separa R2 in due componenti connesse, una limitata (chiamata
interno della curva) e una illimitata (chiamata esterno della curva).

Teorema 6.39 (Tricotomia di Poincaré-Bendixson) Siano Ω ⊂ R2 un dominio re-


golare e limitato, f, g ∈ C 1 (Ω) e consideriamo il sistema (6.33) e una sua qualun-
que orbita che parte in P ∈ Ω e rimane in Ω per tutti i tempi t ≥ 0. Supponiamo
che Ω contenga solo un numero finito di punti di equilibrio del sistema. Allora, per
l’insieme ω(P ), l’ω-limite di P , valgono solo le seguenti tre possibilità:
• ω(P ) è un equilibrio;
• ω(P ) è un’orbita periodica;
• ω(P ) contiene un numero finito di punti di equilibrio ed un insieme di orbite
omocline o eterocline che li connettono tra loro.
In particolare, per i sistemi planari, non è ammessa alcuna dinamica caotica.
6.1 Richiami di teoria 163

In vista di alcune applicazioni del teorema di Poincaré-Bendixson, il seguente


criterio è particolarmente utile.

Teorema 6.40 (Esistenza dell’insieme invariante) Sia Ω ⊂ R2 un dominio regolare,


f, g ∈ C(Ω) e consideriamo il sistema (6.33). Supponiamo che esista una regione
T ⊂ Ω tale che
 
f (x, y), g(x, y) · n̂(x, y) ≤ 0, ∀x, y ∈ ∂T ,

dove n̂ denota il versore normale esterno su ∂T . Allora T è una regione invariante


(o di trapping) per il sistema, ossia orbite che entrano nell’insieme T all’istante
t0 > 0 rimangono all’interno di T per tutti i tempi t ≥ t0 .

In altre parole, la condizione sulla frontiera ∂T di T impone che il vettore tan-


gente ad una generica orbita che parte in T , in un punto della frontiera ∂T di T
possa essere solo ortogonale al vettore normale esterno n̂ o formare con n̂ un an-
golo maggiore di 90◦ , ossia deve puntare verso l’interno del dominio T . Pertanto,
l’orbita non può fuggire al di fuori di T .
Ricordiamo che un dominio Ω si dice semplicemente connesso se ogni curva
chiusa in Ω è contraibile (deformabile) dentro Ω in un punto. Ad esempio R2 o
una palla di R2 sono domini semplicemente connessi, mentre R2 \ {0} non è sempli-
cemente connesso. Pensando in termini geometrici, si potrebbe dire, in modo poco
preciso, che i domini semplicemente connessi di R2 sono insiemi senza buchi.

Teorema 6.41 (Criterio di Dulac) Siano Ω ⊂ R2 un dominio regolare semplice-


mente connesso, f, g ∈ C 1 (Ω) e consideriamo il sistema (6.33). Supponiamo che
Ψ = (f, g) soddisfi

div Ψ (x, y) > 0, (< 0) ∀x, y ∈ Ω.

Allora (6.33) non ammette alcuna orbita periodica interamente contenuta in Ω.

Dimostrazione Supponiamo che esista un’orbita periodica interamente contenuta


in Ω. Sia γ una sua parametrizzazione, ossia una curva chiusa e regolare contenuta
in Ω. Allora, poiché il vettore tangente t a γ si mantiene in ogni punto ortogonale
al versore normale esterno n̂ e si rappresenta con (ẋ, ẏ), tenuto conto del fatto che
il dominio è semplicemente connesso, γ è la frontiera di un dominio regolare Ω# ,
γ = ∂Ω# e, dal teorema della divergenza, si ha

div Ψ (x, y)dxdy = Ψ (x, y) · n̂ d = (ẋ, ẏ) · n̂ d = t · n̂ d = 0,
Ω# γ γ γ

da cui si ottiene immediatamente una contraddizione. 

Osservazione 6.42 Con riferimento alla dimostrazione del criterio di Dulac indicata
sopra, se il dominio Ω non fosse semplicemente connesso, ad esempio la corona
164 6 Sistemi planari non-lineari

circolare con 0 < r < R,


 
Ω = (x, y) ∈ R2 : r 2 ≤ x 2 + y 2 ≤ R 2 ,

allora, applicando il teorema della divergenza all’orbita γ = {x 2 + y 2 = R 2 } ⊂ Ω,


essendo
 
∂Ω# = γ ∪ x 2 + y 2 = r 2 ,
si avrebbe l’identità

div Ψ (x, y)dxdy = (ẋ, ẏ) · n̂ d + Ψ (x, y) · n̂ d.
Ω# γ {x 2 +y 2 =r 2 }

Compare quindi un secondo termine di bordo (interno), in generale non nullo.

Vediamo ora un’utile generalizzazione del criterio di Dulac.

Teorema 6.43 (Criterio di Dulac generalizzato) Siano Ω ⊂ R2 un dominio rego-


lare semplicemente connesso, f, g ∈ C 1 (Ω) e consideriamo il sistema (6.33). Sup-
poniamo che esista una funzione regolare  ∈ C 1 (Ω) tale che
∂ ∂
(f )(x, y) + (g)(x, y) > 0, (< 0) ∀x, y ∈ Ω.
∂x ∂y
Allora (6.33) non ammette alcuna orbita periodica interamente contenuta in Ω.

Dimostrazione Basta ragionare come nella dimostrazione del teorema 6.41. Da



 
div(Ψ )dxdy = Ψ · n̂ d =  (ẋ, ẏ) · n̂ d = 0
Ω# γ γ

si ottiene direttamente la tesi. 

6.1.8 Equivalenza topologica dei flussi

Limitiamo i richiami al caso planare.

Definizione 6.44 Due sistemi planari


 
ẋ = f1 (x, y), ẋ = g1 (x, y),
(6.45)
ẏ = f2 (x, y), ẏ = g2 (x, y),

definiti rispettivamente su due sottoinsiemi U, V ⊂ R2 si dicono topologicamente


equivalenti se esiste un omeomorfismo

Π :U →V
6.1 Richiami di teoria 165

che applica le orbite ϕ(t; x, y) del primo sistema nelle orbite ψ(t, x, y) del secondo
sistema, ossia
   
Π ϕ(t; x, y) = ψ t, Π(x, y)
per ogni (x, y) ∈ U e ogni t tali che ϕ(t; x, y) ∈ U .

Definizione 6.46 Un punto di equilibrio (x0 , y0 ) ∈ U per il sistema



ẋ = f1 (x, y),
(6.47)
ẏ = f2 (x, y),

si dice iperbolico se tutti gli autovalori della relativa matrice Jacobiana hanno parte
reale nonnulla, (λi ) = 0 per i = 1, . . . , n.

Teorema 6.48 (Grobman-Hartman) Supponiamo che (x0 , y0 ) ∈ U sia un punto di


equilibrio iperbolico per il sistema (6.47). Allora esiste un intorno O di (x0 , y0 ) in
cui (6.47) è topologicamente equivalente al sistema lineare

⎪ ∂f1 ∂f1

⎨ẋ = ∂x (x0 , y0 )x + ∂y (x0 , y0 )y,

⎪ ∂f ∂f
⎩ẏ = 2 (x0 , y0 )x + 2 (x0 , y0 )y,
∂x ∂y
tramite un omeomorfismo Π : U → O.

Si osservi che per il teorema 5.26 due sistemi lineari con punti di equilibrio iper-
bolici sono topologicamente equivalenti se e solo se hanno un ugual numero di
autovalori con parte reale positiva e un ugual numero di autovalori con parte reale
negativa. Per la classificazione dei punti di equilibrio non iperbolici si veda il teo-
rema 5.28. Combinando questi teoremi con il teorema 6.48 (Grobman-Hartman) si
ottiene un utile strumento per determinare se due sistemi nonlineari (che suppor-
remo definiti su uno stesso sottoinsieme U di R2 ) sono topologicamente equivalenti
nell’intorno di un comune punto di equilibrio.

Teorema 6.49 Supponiamo che (x0 , y0 ) ∈ U sia un punto di equilibrio iperbolico


per i sistemi (6.45) e che le rispettive matrici Jacobiane in (x0 , y0 ) abbiano un ugual
numero di autovalori con parte reale positiva e un ugual numero di autovalori con
parte reale negativa. Allora i due sistemi di (6.45) sono topologicamente equivalenti
in un opportuno intorno O di (x0 , y0 ) in U .

Infatti, se gli omeomorfismi che realizzano le equivalenze topologiche sono

Πf : Uf → Of , Πg : Ug → Og , ΠL : Of → Og ,

allora Π := Πg−1 ◦ ΠL ◦ Πf : Uf → Ug è un omeomorfismo che rende i due


sistemi (6.45) topologicamente equivalenti, dove Uf , Ug , Of , Og sono intorni di
(x0 , y0 ).
166 6 Sistemi planari non-lineari

6.2 Stabilità dell’equilibrio


In questa sezione studiamo la stabilità dei punti di equilibrio per alcuni sistemi dif-
ferenziali in R2 , per mezzo di tecniche diverse.

6.2.1 Stabilità via linearizzazione

Problema 6.50 Studiare il sistema



ẋ = y − x 2 ,
(6.51)
ẏ = x − y.

Soluzione Si verifica facilmente, risolvendo il sistema degli equilibri, che (0, 0) e


(1, 1) sono gli unici punti di equilibrio. La matrice Jacobiana del sistema è
 
−2x 1
J (x, y) =
1 −1

e valutata in (0, 0) e (1, 1) si riduce alle matrici


   
0 1 −2 1
J (0, 0) = , J (1, 1) = ,
1 −1 1 −1

con autovalori rispettivamente λ± = − 12 ± 5
(quindi λ+ > 0 e λ− < 0) e λ± =
√ 2
− 32 ± 25 (quindi λ± < 0). Ne segue che (0, 0) è, localmente, una sella per il sistema,
mentre (1, 1) è, localmente, un nodo stabile, come visibile nei ritratti di fase riportati
in figura 6.1 nell’intorno dei due punti di equilibrio. 

Problema 6.52 Mostrare che i punti dell’insieme πZ × πZ sono equilibri di



ẋ = sin x(α + cos y),
ẏ = sin y(α − cos x),

e studiarne la stabilità al variare di α ∈ R.

Soluzione Il sistema per determinare i punti di equilibrio è



sin x(α + cos y) = 0,
sin y(α − cos x) = 0,

che ammette come soluzioni punti del tipo (nπ, mπ), con n, m ∈ Z. La matrice
Jacobiana è
 
(α + cos y) cos x − sin x sin y
J (x, y) =
sin x sin y (α − cos x) cos y
6.2 Stabilità dell’equilibrio 167

Fig. 6.1 Ritratto di fase locale e direzioni dei due autovettori per il sistema linearizzato corrispon-
dente al sistema nonlineare del problema 6.50. La linearizzazione nell’intorno di (0, 0) (sinistra)
porta a concludere che l’origine è, localmente, un punto di sella (e quindi instabile—si noti il pal-
lino vuoto). Linearizzando intorno a (1, 1) (destra) si conclude che quest’ultimo è, localmente, un
nodo stabile a due tangenti (si noti il pallino pieno)

per cui si ha
 
(α + (−1)m )(−1)n 0
J (nπ, mπ) = .
0 (α − (−1)n )(−1)m

Caso 1: se n e m sono entrambi pari,

λ1 = α + 1, λ2 = α − 1.

Quindi, se α > 1, si ha λ1 , λ2 > 0 e il punto (nπ, mπ) è localmente un nodo insta-


bile. Se −1 < α < 1 si ha λ1 > 0 e λ2 < 0 per cui l’origine è localmente una sella.
Se α < −1, allora λ1 < 0 e λ2 < 0 per cui l’origine è localmente un nodo stabile. Se
α = −1 si ha λ1 = 0 e λ2 = −2 per cui si ha equilibrio stabile, non asintoticamente.
Se α = 1 si ha λ1 = 2 e λ2 = 0 per cui l’equilibrio risulta instabile.
Caso 2: se n e m sono entrambi dispari,

λ1 = 1 − α, λ2 = −1 − α.

Quindi, se α > 1, si ha λ1 , λ2 < 0 e il punto (nπ, mπ) è localmente un nodo stabile.


Se −1 < α < 1 si ha λ1 > 0 e λ2 < 0 per cui l’origine è localmente una sella. Se
α < −1, allora λ1 > 0 e λ2 > 0 per cui l’origine è localmente un nodo instabile. Se
α = −1 si ha λ1 = 2 e λ2 = 0 per cui si ha equilibrio instabile. Se α = 1 si ha λ1 = 0
e λ2 = −2 per cui si ha un equilibrio stabile, ma non asintoticamente.
Caso 3: se n è pari e m è dispari,

λ1 = α − 1, λ2 = 1 − α.

Quindi, se α > 1, si ha λ1 > 0 e λ2 < 0 e il punto (nπ, mπ) è localmente una sella.
Se −1 < α < 1 si ha λ1 < 0 e λ2 > 0 per cui l’origine è localmente una sella. Se
168 6 Sistemi planari non-lineari

α < −1, allora λ1 < 0 e λ2 > 0 per cui l’origine è localmente una sella. Se α = −1
si ha λ1 = −2 e λ2 = 2 per cui si ha una sella. Se α = 1 si ha λ1 = λ2 = 0, nel qual
caso non si può effettuare la linearizzazione.
Caso 4: se n è dispari e m è pari,

λ1 = −α − 1, λ2 = α + 1.

Quindi, se α > 1, si ha λ1 < 0 e λ2 > 0 e il punto (nπ, mπ) è localmente una sella.
Se −1 < α < 1 si ha λ1 < 0 e λ2 > 0 per cui l’origine è localmente una sella. Se
α < −1, allora λ1 > 0 e λ2 < 0 per cui l’origine è localmente una sella. Se α = −1
si ha λ1 = λ2 = 0, nel qual caso non si può effettuare la linearizzazione. Se α = 1 si
ha λ1 = −2 e λ2 = 2 per cui si ha nuovamente una sella locale. 

Problema 6.53 Studiare il sistema



ẋ = −2x + y − x 3 ,
ẏ = −y + x 2 .

Soluzione Il sistema per la determinazione dei punti stazionari è



−2x + y − x 3 = 0,
−y + x 2 = 0,

che si riduce all’equazione x 3 − x 2 + 2x = 0 (y = x 2 ), da cui si ottiene l’origine


(0, 0) come unico punto di equilibrio. La matrice Jacobiana è
 
−2 − 3x 2 1
J (x, y) =
2x −1

e nell’origine si riduce a
 
−2 1
J (0, 0) = .
0 −1
Pertanto, essendo gli autovalori reali distinti e strettamente negativi, l’origine è, lo-
calmente, un nodo stabile per il sistema, come mostra il ritratto di fase riportato in
figura 6.2. 

Problema 6.54 (Pendolo smorzato) Studiare, per ε > 0, il sistema



ẋ = y,
ẏ = − sin x − εy,

dove x rappresenta l’angolo rispetto alla posizione di riposo del pendolo e y la


velocità angolare. Il termine −εy denota lo smorzamento.
6.2 Stabilità dell’equilibrio 169

Fig. 6.2 Ritratto di fase


locale e direzioni dei due
autovettori per il sistema
linearizzato corrispondente al
sistema nonlineare del
problema 6.53. La
linearizzazione nell’intorno di
(0, 0) porta a concludere che
l’origine è, localmente, un
nodo stabile a due tangenti (si
noti il pallino pieno)

Soluzione Linearizzando si ottiene la matrice Jacobiana del sistema


 
0 1
J (x, y) = ,
− cos x −ε

che deve essere valutata nei punti stazionari (±π, 0) e (0, 0).
In (±π, 0) si ha
 
0 1
J (±π, 0) = ,
1 −ε
con autovalori

−ε ± ε2 + 4
λ± =
2
per cui, per ogni ε > 0, risulta λ+ > 0 e λ− < 0. I punti (±π, 0) sono, quindi, delle
selle locali per il sistema originale, come evidenziato in figura 6.3 (sinitra), in cui è
riportato il ritratto di fase nell’intorno di (π, 0).
Nell’origine, la matrice Jacobiana si riduce a
 
0 1
J (0, 0) = ,
−1 −ε

con autovalori

−ε ± ε2 − 4
λ± (ε) = ,
2
per cui (λ± ) < 0, ovvero l’origine è un punto di equilibrio localmente asintotica-
mente stabile (si veda la figura 6.3 di destra).
Si osservi che, moltiplicando la prima equazione del sistema per sin x e la se-
conda equazione per y, in un intorno di (0, 0), posto V (x, y) = y 2 /2 + 1 − cos x, si
ha
V̇ (x, y) = (sin x)y − y sin x − εy 2 = −εy 2 < 0,
170 6 Sistemi planari non-lineari

Fig. 6.3 Ritratto di fase locale per il sistema linearizzato corrispondente al sistema nonlineare
del problema 6.54, ε = 0.1. La linearizzazione nell’intorno di (π + 2kπ, 0) (sinistra, k = 0) porta
a concludere questo punto di equilibrio è, localmente, un punto di sella (e quindi instabile—si
noti il pallino vuoto). Dalla linearizzazione attorno a (0, 0) (destra) si conclude che l’origine è,
localmente, un fuoco stabile (si noti il pallino pieno)

per cui la funzione V (che in un intorno dell’origine sufficientemente piccolo agisce


come la distanza euclidea dall’origine in quanto 1 − cos x → x 2 /2 per x → 0) deve
diminuire. Osserviamo infine che, nel caso limite ε → 0, il sistema diventa (pendolo
senza smorzamento)

ẋ = y,
ẏ = − sin x,
che è conservativo e ammette l’energia totale uguale a

y2
− cos x = E,
2

da cui y = ± 2(E + cos x). Per E > 1 la curva è definita per ogni valore di x,
mentre per E < 1 la formula si può esplicitare solo per un intervallo limitato di
valori di x (ne risulta una collezione di curve chiuse che circondano l’origine). In
corrispondenza del livello energetico E = 1 si ottiene una linea che separa la regione
in cui pendolo oscilla attorno alla verticale dalla regione in cui il pendolo compie
rotazioni complete. 

Problema 6.55 Sia ϕ ∈ C 1 (R) con ϕ(x) = 0 se e solo se x = 0. Si discuta la


stabilità nell’origine delle soluzioni dell’equazione

ẍ + ẋ + ϕ(x) = 0.

Soluzione Osserviamo anzitutto che l’equazione si riscrive nel sistema



ẋ = y,
ẏ = −y − ϕ(x),
6.2 Stabilità dell’equilibrio 171

Fig. 6.4 Ritratto di fase locale per il sistema del problema 6.55 linearizzato nell’intorno
dell’origine, dove ϕ(x) = tan x, ϕ  (0) = 1 (sinistra) e ϕ(x) = − tan x, ϕ  (0) = −1 (destra). Nel
primo caso l’origine è, localmente, un fuoco stabile (si noti il pallino pieno), mentre nel secondo
l’origine è un punto di sella (e quindi instabile—si noti il pallino vuoto)

che ammette l’origine (0, 0) come unico punto stazionario. La matrice Jacobiana J
valutata in (0, 0) è
 
0 1
J (0, 0) =
−ϕ  (0) −1
ed ammette come equazione degli autovalori

λ2 + λ + ϕ  (0) = 0,

con soluzioni

1 1 − 4ϕ  (0) 1
λ± = − ± , ϕ  (0) ≤ ,
2 2 4
√ 
1 4ϕ (0) − 1 1
λ± = − ± i, ϕ  (0) ≥ .
2 2 4
Si noti che se ϕ  (0) > 0 gli autovalori λ± hanno entrambi parte reale stretta-
mente negativa e l’origine risulta stabile (nodo stabile per il sistema linearizzato e,
quindi, anche per il sistema originale). Questo è evidenziato in figura 6.4 (sini-
stra) per ϕ(x) = tan x (ϕ  (0) = 1). Se invece ϕ  (0) < 0, allora λ+ > 0 e λ− < 0,
per cui l’origine è una sella per il sistema linearizzato, e quindi anche per il si-
stema originale, come evidente dal ritratto di fase in figura 6.4 (destra) ottenuto per
ϕ(x) = − tan x (ϕ  (0) = −1). 

Problema 6.56 Siano α, β ∈ R \ {0} con α = β. Si studi la stabilità dell’origine per


il sistema nonlineare

ẋ = x 2 + αx + y 2 ,
ẏ = x 2 + βy + y 2 .
172 6 Sistemi planari non-lineari

Soluzione La matrice Jacobiana del sistema in (x, y) è


 
2x + α 2y
J (x, y) = ,
2x β + 2y

che in (0, 0) si riduce a


 
α 0
.
0 β
Pertanto gli autovalori sono λ1 = α e λ2 = β. Se α > 0 oppure β > 0 allora l’origine
è instabile (se entrambi positivi un nodo instabile, altrimenti una sella), mentre se
α < 0 e β < 0 l’origine è localmente asintoticamente stabile. 

Problema 6.57 Siano a, b > 0 e consideriamo il sistema



ẋ = −ax,
(6.58)
ẏ = by + x 2 .

Se U denota un qualunque disco centrato nell’origine, si calcolino WUs (0, 0) e


WUs (0, 0).

Soluzione L’origine è l’unico punto di equilibrio del sistema e la matrice Jacobiana


valutata in essa è
 
−a 0
.
0 b
Siccome a e b sono entrambi positivi, l’origine è una sella locale per il sistema
originario. Determiniamo ora le varietà stabile e instabile. La prima equazione si
risolve esplicitamente,

x(t) = x0 e−at , x0 ∈ R, t ∈ R,

per cui, sostituendo tale espressione nella seconda equazione, si ha ẏ = by +


x02 e−2at , che ha soluzione
 
x02 x02
y(t) = y0 + ebt − e−2at , y0 ∈ R, t ∈ R.
2a + b 2a + b
Per definizione di WUs (0, 0) e WUs (0, 0) si ottiene allora

x2
WUs (0, 0) = (x, y) ∈ U : y = − ,
2a + b
 
WUu (0, 0) = (x, y) ∈ U : x = 0 .

In figura 6.5 sono riportati i ritratti di fase per il sistema originario (6.58) (sinistra)
e per il sistema linearizzato nell’intorno dell’origine (destra). Si notino le varietà
WUs (0, 0) e WUu (0, 0) con la freccia in grasseto. 
6.2 Stabilità dell’equilibrio 173

Fig. 6.5 Ritratti di fase per il sistema (6.58) con a = 0.7, b = 1.1 (sinistra) e per il sistema li-
nearizzato (destra). Si notino le varietà stabili (insieme dei punti per i quali le traiettorie passanti
da essi convergono all’origine per t → +∞), e quelle instabili (insieme dei punti per i quali le
traiettorie si dipartono dall’origine), entrambe caratterizzate dalla freccia in grasseto

Fig. 6.6 Diverse tipologie di biforcazione al variare del parametro α; la linea continua denota
un equilibrio stabile, quella tratteggiata uno instabile. I diagrammi di biforcazione si riferiscono al
problema 6.60: (a), biforcazione sella-nodo per l’equazione ẋ = α + x 2 ; (b), biforcazione a forcella
per l’equazione ẋ = αx − x 3 ; (c), biforcazione transcritica per l’equazione ẋ = αx + x 2

6.2.2 Biforcazione degli equilibri

Molto frequentemente, soprattutto nelle applicazioni alla fisica e alla biologia, i si-
stemi differenziali contengono uno o più parametri reali che vengono modulati a
seconda delle situazioni. Ogni volta che un sistema nonlineare dipendente da un
parametro α subisce un cambiamento strutturale nella dinamica quando α varia
nell’intorno di un certo valore α ∗ , si parla di biforcazione e si dice anche che α ∗ è
un valore di biforcazione.

Definizione 6.59 Si parla di biforcazione sella-nodo per un sistema nonlineare in


corrispondenza di un valore α ∗ del parametro quando per α < α ∗ il sistema ammette
due punti di equilibrio, per α = α ∗ esiste un solo punto di equilibrio e per α > α ∗
non esiste nessun punto di equilibrio (figura 6.6(a)).
174 6 Sistemi planari non-lineari

Fig. 6.7 Andamento di alcune traiettorie riferite all’equazione ẋ = α +x 2 per il problema 6.60 con
α = −1/2 (sinistra) e α = 1/2 (destra). √
Le due rette orizzontali tratteggiate nelle figura a√sinistra
sono le soluzioni√di equilibrio xeq = ± −α, che sono rispettivamente instabile (xeq = −α) e
stabile (xeq = − −α). Si osservi che per α > 0 non esistono soluzioni di equilibrio e le soluzioni
esplodono in tempo finito

Si parla di biforcazione a forcella per un sistema nonlineare in corrispondenza di


un valore α ∗ del parametro quando per α ≤ α ∗ il sistema ammette un solo punto di
equilibrio, mentre per α > α ∗ ne nascono altri due (e il diagramma di biforcazione
appare con il tipico aspetto a forcella visibile in figura 6.6(b)).
Si parla di biforcazione transcritica per un sistema nonlineare in corrispondenza
di un valore α ∗ del parametro quando per α ≤ α ∗ il sistema ammette due equili-
bri, l’uno stabile e l’altro instabile mentre per α > α ∗ le caratteristiche di stabilità
dei due equilibri si invertono (l’equilibrio stabile diviene instabile e viceversa) (fi-
gura 6.6(c)).

Problema 6.60 Si studi, al variare di α ∈ R, la stabilità degli equilibri per

ẋ = α + x 2 , ẋ = αx − x 3 , ẋ = αx + x 2 ,

individuando, per ogni equazione, il tipo di biforcazione.

Soluzione Utilizzeremo i risultati del problema 4.24. Consideriamo la prima equa-


zione ẋ = f (α; x), con f (α; x) = α + x 2 . Essa non ammette equilibri per
√ α > 0,
ha un unico equilibrio x = 0 per α = 0 e ha due equilibri distinti x = ± −α per
α < 0. Essendo

∂  √
f (α; x) √
= ±2 −α,
∂x x=± −α
√ √
l’equilibrio −α è instabile e l’equilibrio − −α è stabile. In corrispondenza di
α = 0 si ha, quindi, una biforcazione sella-nodo, come mostrato in figura 6.6(a) (si
veda nel seguito anche il problema 6.61). In figura 6.7 sono riportate alcune solu-
zioni in funzione del tempo ottenute per α = −1/2 < 0 (sinistra) √ e α = 1/2 > 0 (de-
stra). Si noti, per α < 0, il carattere stabile della soluzione − −α e quello instabile
6.2 Stabilità dell’equilibrio 175

Fig. 6.8 Andamento di alcune traiettorie riferite all’equazione ẋ = αx − x 3 per il problema 6.60
con α = −1/2 (sinistra) e α = 1/2 (destra).
√ Le rette orizzontali tratteggiate sono le soluzioni di
equilibrio xeq = 0 (sinistra) e xeq = ± α, xeq = 0 (destra). Come si può notare, per α < 0 l’unica
è x = 0, mentre quest’ultima diventa instabile per α > 0 dove sono stabili le
soluzione stabile √
soluzioni xeq = ± α


di −α. Inoltre, per α > 0, le soluzioni non tendono ad alcun valore asintotico per
t → +∞ o per t → −∞, i.e. non esistono punti di equilibrio per α > 0.
Il secondo esempio ẋ = f (α;√
x), con f (α; x) = αx − x 3 , ammette gli equilibri
x =√0 (per√ogni α ∈ R) e x = ± α (per ogni α > 0). Esistono quindi tre equilibri
{− α, 0, α} per ogni α > 0 ed un unico equilibrio x = 0 per α ≤ 0. Inoltre, per
tutti gli α > 0, si ha
 
∂  ∂ 

f (α; x) = −2α < 0, f (α; x) = α > 0,
∂x √ ∂x
x=± α x=0

ovvero se α > 0 ci sono due equilibri stabili e simmetrici (x = ± α) separati
da un equilibrio instabile (x = 0). Pertanto, in corrispondenza di α = 0 si ha una
biforcazione a forcella, come mostrato in figura 6.6(b). In figura 6.8 sono ripor-
tate alcune soluzioni in funzione del tempo ottenute per α = −1/2 < 0 (sinistra) e
α = 1/2 > 0 (destra). Si noti il carattere stabile della soluzione √
x = 0 per α < 0 e
quello instabile di x = 0 per α > 0. Per α > 0 le soluzioni x = ± α sono stabili.
Il terzo esempio ẋ = f (α; x), con f (α; x) = αx + x 2 , ammette gli equilibri
x = 0 e x = −α. Si ha
 
∂  ∂ 

f (α; x) = α, f (α; x) = −α,
∂x x=0 ∂x x=−α

per cui se α > 0 si ha che x = 0 è instabile e x = −α è stabile, mentre se α < 0 allora


x = 0 è stabile e x = −α è instabile. Questa biforcazione, nota come transcritica, è
mostrata in figura 6.6(c). In figura 6.9 sono riportate alcune soluzioni ottenute per
α = −1/2 < 0 (sinistra) e α = 1/2 > 0 (destra). Si noti lo scambio di stabilità delle
soluzioni x = 0 e x = −α al variare del segno di α. 
176 6 Sistemi planari non-lineari

Fig. 6.9 Andamento di alcune traiettorie riferite all’equazione ẋ = αx + x 2 per il problema 6.60
con α = −1/2 (sinistra) e α = 1/2 (destra). Le rette orizzontali tratteggiate sono le soluzioni di
equilibrio xeq = 0 e xeq = −α. Come si può notare, per α < 0 la soluzione stabile è x = 0, mentre
xeq = −α è instabile; per α > 0 gli equilibri si scambiano (biforcazione transcritica)

Vediamo ora una versione bidimensionale della prima delle equazioni del pro-
blema 6.60, da cui risulta chiara la nomenclatura usata per il tipo di biforcazione
(sella-nodo).

Problema 6.61 Studiare, al variare di α ∈ R, la stabilità degli equilibri del sistema



ẋ = α + x 2 ,
ẏ = −y.

Soluzione Il sistema non ammette equilibri per α > √ 0, ha un unico equilibrio (0, 0)
per α = 0 (che è instabile) e due equilibri distinti (± −α, 0) per α < 0. La matrice
Jacobiana, in quest’ultimi, è
 √ 
±2 −α 0
J(±√−α,0) (α) = .
0 −1
√ √
Pertanto, localmente, si ha che ( −α, 0) è un punto di sella, e (− −α, 0) è un
nodo stabile, situazione che riproduce in due dimensioni la biforcazione vista nel
problema 6.60. Questo giustifica la nomenclatura biforcazione sella-nodo introdotta
in precedenza. In figura 6.10 sono riportati i ritratti di fase per tre diversi valori del
parametro α nell’intorno del valore critico α ∗ = 0. Si osservi che i punti di equilibrio
passano da due (α < 0) ad uno (α = 0) a nessuno (α > 0). 

Problema 6.62 Studiare, al variare di α ∈ R, la stabilità degli equilibri del sistema



ẋ = αx − y,
ẏ = x + αy.

Ragionare sul tipo di biforcazione che si verifica.


6.2 Stabilità dell’equilibrio 177

Fig. 6.10 Ritratti di fase relativi al sistema planare nonlineare del problema 6.61 al variare del pa-
rametro α. Si noti come i punti di equilibrio (pallino pieno stabili, pallino vuoto instabili) passano
da due (α < 0) a uno (α = 0) ed infine a nessuno (α > 0)

Fig. 6.11 Ritratti di fase relativi al sistema planare lineare del problema 6.62 al variare del para-
metro α. Si noti come l’origine (unico punto di equilibrio) passi da fuoco stabile (pallino pieno,
α < 0) a centro (α = 0), a fuoco instabile (pallino vuoto, α > 0)

Soluzione Il sistema lineare ammette l’origine come unico equilibrio e, in essa, la


matrice Jacobiana (che è banalmente la matrice del sistema originario) vale
 
α −1
Jα (0, 0) = ,
1 α

con autovalori λ± (α) = α ± i. Pertanto, se α > 0 si ha un fuoco instabile, se α < 0


si ha un fuoco stabile, mentre se α = 0 si hanno infinite orbite periodiche x 2 +
y 2 = C, al variare di C ∈ R+ , in ogni insieme aperto contenente l’origine (0, 0). In
figura 6.11 sono riportati i ritratti di fase al variare di α. Si osservi come cambia
la natura dell’origine (unico punto di equilibrio) da fuoco stabile (α < 0) a centro
(α = 0) e quindi a fuoco instabile (α > 0). Come vedremo negli esempi seguenti,
questo tipo di situazione (ossia la creazione di orbite periodiche quando il parametro
α attraversa il valore di biforcazione) si verifica anche nei sistemi nonlineari, sotto
opportune ipotesi (biforcazione di Hopf). 

Osservazione 6.63 (Biforcazione di Hopf) Consideriamo un sistema planare che


dipende da un parametro α ∈ R e che possiede un punto di equilibrio (in generale,
178 6 Sistemi planari non-lineari

dipendente da α) con autovalori complessi coniugati. Per semplicità trasformiamo


il sistema in modo che l’equilibrio si localizzi nell’origine (0, 0) e gli autovalori,
riferiti ora a (0, 0), siano immaginari puri in corrispondenza del valore α = 0. Più
precisamente, siano f, g ∈ C 3 (R2 ) e consideriamo il sistema

ẋ = γ11 (α)x + γ12 (α)y + f (α; x, y),
(6.64)
ẏ = γ21 (α)x + γ22 (α)y + g(α; x, y).

Supponiamo che (0, 0) sia un punto di equilibrio per il sistema (6.64) e che la rela-
tiva matrice Jacobiana Jα (x, y) in (0, 0) sia
 
γ (α) γ12 (α)
Jα (0, 0) = 11
γ21 (α) γ22 (α)

e abbia autovalori, dipendenti da α, complessi coniugati

λ± (α) = a(α) ± b(α)i.

Supponiamo inoltre che si abbia



da 
a(0) = 0, b(0) = 0, = 0.
dα α=0

Allora per ogni insieme aperto O ⊂ R2 contenente l’origine (0, 0) e per ogni α0 > 0
esiste un valore ᾱ con |ᾱ| < α0 tale che il sistema (6.64) ammette un’orbita periodica
dentro O in corrispondenza di α = ᾱ, di periodo approssimato pari a 2π/b(0).

Problema 6.65 Studiare, al variare di α ∈ R, la stabilità degli equilibri del sistema


  
ẋ = y + x x 2 + y 2 − α ,
 
ẏ = −x + y x 2 + y 2 − α .

Soluzione Risolvendo il sistema degli equilibri


  
y + x x 2 + y 2 − α = 0,
 
−x + y x 2 + y 2 − α = 0,

si ottiene l’origine come unico punto di equilibrio, per ogni valore del parametro α.
La matrice Jacobiana Jα (x, y) è
 2 
3x + y 2 − α 1 + 2xy
Jα (x, y) = ,
−1 + 2xy x 2 + 3y 2 − α

e valutata nell’origine si riduce a


 
−α 1
Jα (0, 0) = ,
−1 −α
6.2 Stabilità dell’equilibrio 179

Fig. 6.12 Ritratti di fase relativi al sistema planare nonlineare del problema 6.65 al variare del
parametro α. Si noti come l’origine (unico punto di equilibrio) passi da fuoco instabile (pallino
vuoto, α < 0) a fuoco stabile (pallino pieno, α > 0) con la presenza di un’orbita periodica instabile
x 2 + y 2 = α 2 tale per cui le traiettorie che partono internamente ad essa finiscono nell’origine
mentre quelle esterne esplodono in tempo finito

con autovalori complessi coniugati λ± (α) = −α ± i. Pertanto, se α < 0 l’origine


è localmente un fuoco instabile per il sistema originario, mentre se α > 0 l’origine
è localmente un fuoco stabile. Per α = 0, con il cambio di coordinate x =  cos ϑ ,
y =  sin ϑ , si ricavano facilmente le equazioni

˙ = 3 , ϑ̇ = −1.

Si noti come le cui soluzioni della prima equazione esplodano in tempo finito.
Osserviamo inoltre che sono soddisfatte le ipotesi del teorema di biforcazione di
Hopf. Infatti λ± (α) = a(α) ± b(α)i e

a(0) = 0, b(0) = 1 = 0, a  (0) = −1 = 0.

Ne segue che, in ogni insieme aperto O di R2 contenente l’origine (0, 0) e per ogni
α0 > 0 esiste un valore α ∗ ∈ (−α0 , α0 ) per cui il sistema ammette un’orbita perio-
dica in O di periodo approssimato 2π . Con il cambio di coordinate x =  cos ϑ ,
y =  sin ϑ si ricavano facilmente le equazioni
 
˙ =  2 − α .

Quindi per ogni valore


√ positivo del parametro α, la circonferenza (orientata in senso
orario) di raggio α centrata nell’origine è un’orbita periodica (instabile) di pe-
riodo 2π . In figura 6.12 sono riportati i ritratti di fase al variare di α. L’origine
(unico punto di equilibrio) passa da fuoco instabile per α < 0 a fuoco stabile per
α > 0 dove si osserva l’orbita periodica instabile x 2 + y 2 = α 2 tale che le traietto-
rie che partono internamente ad essa finiscono nell’origine mentre quelle esterne ad
essa esplodono in tempo finito. 
180 6 Sistemi planari non-lineari

Fig. 6.13 Ritratti di fase relativi al sistema planare nonlineare del problema 6.66 al variare del pa-
rametro α. Si noti come l’origine (unico punto di equilibrio) passi da fuoco instabile (pallino vuoto,
α < 0) a stella instabile (α = 0) e quindi a fuoco stabile (pallino pieno, α > 0) con la presenza di
un’orbita periodica instabile x 2 + y 2 = α 2 tale per cui le traiettorie che partono internamente ad
essa finiscono nell’origine mentre quelle esterne esplodono in tempo finito

Problema 6.66 Studiare, al variare di α ∈ R, la stabilità degli equilibri del sistema


  
ẋ = αy + x x 2 + y 2 − α ,
 
ẏ = −αx + y x 2 + y 2 − α .

Soluzione Il sistema degli equilibri è


  
αy + x x 2 + y 2 − α = 0,
 
−αx + y x 2 + y 2 − α = 0,

per cui, moltiplicando la prima equazione per y, la seconda per x e facendo la diffe-
renza tra le due equazioni, risulta α(x 2 + y 2 ) = 0. Pertanto l’origine è l’unico punto
di equilibrio (questo vale sia per α = 0 sia per α = 0, come si vede direttamente dal
sistema). La matrice Jacobiana Jα (x, y) è
 2 
3x + y 2 − α α + 2xy
Jα (x, y) = ,
−α + 2xy x 2 + 3y 2 − α

e nell’origine si riduce a
 
−α α
Jα (0, 0) = ,
−α −α
con autovalori λ± = −α ± αi. Pertanto, se α < 0 l’origine è localmente un fuoco
instabile per il sistema (si veda la figura 6.13 di sinistra), mentre se α > 0 l’origine
è localmente un fuoco stabile per il sistema (si veda la figura 6.13 di destra). Per
α = 0 si hanno orbite radiali y = Cx, al variare di C ∈ R (è sufficiente dividere
membro a membro le equazioni del sistema e risolvere la corrispondente equazione
differenziale a variabili separabili) (si veda la figura 6.13 in centro). Pur non essendo
soddisfatte tutte le ipotesi del teorema di biforcazione di Hopf (b(0) = 0), con il
6.2 Stabilità dell’equilibrio 181

cambio di coordinate x =  cos ϑ , y =  sin ϑ , si ricava facilmente l’equazione


√ ˙ =
(2 − α), quindi per valori positivi di α, la circonferenza di raggio α è un’orbita
periodica, come mostrato in figura 6.13 (destra). 

Problema 6.67 Studiare, al variare di α > 0, la stabilità degli equilibri del sistema

ẋ = 1 − (α + 1)x + x 2 y,
ẏ = αx − x 2 y.

Soluzione Il sistema degli equilibri è



1 − (α + 1)x + x 2 y = 0,
x(α − xy) = 0.

Dalla seconda equazione (dopo aver scartato x = 0, perché non è soluzione della
prima) si ha y = α/x per cui, sostituendo nella prima equazione, si ottiene 1 − (α +
1)x + αx = 0, ossia x = 1. Quindi (1, α) è l’unico punto di equilibrio del sistema.
La matrice Jacobiana Jα (x, y) è
 
−(α + 1) + 2xy x 2
Jα (x, y) = ,
α − 2xy −x 2

e in (1, α) si riduce a
 
α−1 1
Jα (1, α) = ,
−α −1
con autovalori

α − 2 ± i 4α − α 2
λ± (α) = per 0 ≤ α ≤ 4
2
e

α−2± α 2 − 4α
λ± (α) = , per α > 4.
2
Se α ∈ (0, 2) gli autovalori sono complessi coniugati con parte reale negativa, per
cui, localmente, si ha un fuoco stabile, come mostrato in figura 6.14 per α = 1 (sini-
stra). Se α ∈ (2, 4) gli autovalori sono complessi coniugati con parte reale positiva,
per cui, localmente, si ha un fuoco instabile, come mostrato in figura 6.14 per α = 3
(centro). Per α > 4 gli autovalori sono reali distinti e strettamente positivi per cui
si ha, localmente, un nodo instabile (figura 6.14, destra, α = 5). Sono inoltre soddi-
sfatte le ipotesi del teorema di biforcazione di Hopf in corrispondenza del valore di
biforcazione α = 2. Infatti, riscrivendo gli autovalori complessi (0 ≤ α ≤ 4) come

α−2 4α − α 2
λ± (α) = a(α) ± b(α)i, con a(α) = , b(α) = ,
2 2
182 6 Sistemi planari non-lineari

Fig. 6.14 Ritratti di fase relativi al sistema planare nonlineare del problema 6.67 al variare del
parametro α. Si noti come l’origine (unico punto di equilibrio) passi da fuoco stabile (pallino pieno,
α < 2) a fuoco instabile (pallino vuoto, 2 < α < 4) e quindi a nodo instabile (pallino vuoto, α > 4)
con la presenza, nell’intorno di α = 2, di un’orbita periodica stabile nel senso che le traiettorie che
partono internamente od esternamente ad essa finiscono sempre e solo su di essa

risulta
1
a(2) = 0, b(2) = 1 = 0, a  (2) = = 0.
2
Ne segue che, per ogni insieme aperto O in R2 contenente (1, α) e per ogni
α0 > 0 esiste α ∗ ∈ (2 − α0 , 2 + α0 ) per cui il sistema ammette un’orbita periodica
nell’intorno di (1, α) di periodo approssimato 2π . La presenza dell’orbita periodica
per α ≥ 2 è riscontrabile in figura 6.14 nei casi α = 3 e α = 5. 

Problema 6.68 Studiare, al variare di α < 1, la stabilità degli equilibri del sistema

ẋ = y,
ẏ = −x + 2αy − x 2 y.

Soluzione L’origine (0, 0) è l’unico punto di equilibrio del sistema. La matrice Ja-
cobiana è
 
0 1
Jα (x, y) =
−1 − 2xy 2α − x 2
e in (0, 0) si riduce a
 
0 1
Jα (0, 0) =
−1 2α
con autovalori complessi coniugati (per ipotesi abbiamo α < 1)

λ± (α) = α ± i 1 − α 2 .

Se α ∈ (0, 1) gli autovalori hanno parte reale positiva, per cui, localmente, si ha un
fuoco instabile, come evidente in figura 6.15 per α = 1/2 > 0 (destra); se α < 0
gli autovalori hanno parte reale negativa e localmente si ha un fuoco stabile (vedi
6.2 Stabilità dell’equilibrio 183

Fig. 6.15 Ritratti di fase relativi al sistema planare nonlineare del problema 6.68 al variare del
parametro α. Si noti come l’origine (unico punto di equilibrio) passi da fuoco stabile (pallino
pieno, α < 0) a fuoco instabile (pallino vuoto, α > 0) con la presenza di un’orbita periodica stabile
tale per cui le traiettorie che partono internamente od esternamente ad essa comunque collassano
su di essa

figura 6.15 per α = −1/2 < 0 (sinistra)). Sono soddisfatte le ipotesi del teorema
di biforcazione di Hopf in corrispondenza del valore di biforcazione α = 0. Infatti
essendo

λ± (α) = a(α) ± b(α)i, con a(α) = α, b(α) = 1 − α 2 ,

risulta
a(0) = 0, b(0) = 1 = 0, a  (0) = 1 = 0.
Ne segue che, per ogni insieme aperto O di R2 contenente l’origine e per ogni
α0 > 0 esiste α ∗ ∈ (−α0 , α0 ) il corrispondenza del quale il sistema ammette
un’orbita periodica nell’intorno di (0, 0) di periodo approssimato 2π . In figura 6.15,
a destra, si osserva l’orbita periodica stabile (α > 0) nel senso che le traiettorie che
partono internamente od esternamente ad essa comunque collassano su di essa. 

6.2.3 Dal locale al globale: isocline e flussi

Dato il sistema nonlineare (6.33), quale strategia è possibile seguire per tracciare il
ritratto di fase globale?

Osservazione 6.69 Una possibile strategia per disegnare il ritratto di fase del si-
stema nonlineare (6.33) consiste nel seguire i passi della seguente procedura:
1. determinazione dei punti di equilibrio;
2. linearizzazione nei punti di equilibrio e determinazione della natura locale;
184 6 Sistemi planari non-lineari

3. disegno del ritratto locale per ciascun punto di equilibrio;


4. determinazione di eventuali cicli-limite ed orbite periodiche;
5. disegno del ritratto globale congiungendo i ritratti locali.

Nonostante questi passi seguano uno schema logico naturale e i primi tre richie-
dano una sequenza di operazioni piuttosto meccaniche (come quando si traccia il
grafico di una funzione reale di variabile reale), ci si accorgerà fin da subito che
saper tracciare ritratti di fase globali per sistemi nonlineari è spesso un’operazione
che richiede un certo intuito.

Definizione 6.70 Chiamiamo isoclina a tangente verticale il luogo geometrico dei


punti del piano (x, y) ∈ R2 tali che f (x, y) = 0, ovvero la linea che congiunge i
punti nei quali la traiettoria del sistema ha tangente verticale. Chiamiamo isoclina
a tangente orizzontale il luogo geometrico dei punti del piano (x, y) ∈ R2 tali che
g(x, y) = 0, ovvero la linea che congiunge i punti nei quali la traiettoria del sistema
ha tangente orizzontale.

Osservazione 6.71 Le traiettorie del sistema (6.33) possono essere espresse sia
nella forma parametrica {t → (x(t), y(t))} (si veda la definizione 6.7) sia, lo-
calmente, in forma cartesiana come y = ϕ(x). Pertanto, essendo ẋ = f (x, y) e
ẏ = g(x, y), si ha
dy g(x, y)
y = = . (6.72)
dx f (x, y)
La direzione e il verso locali della traiettoria ϕ, che sono quelli del vettore v =
(ẋ, ẏ), sono determinati dai segni di f (x, y) e g(x, y) e sono quindi ottenibili senza
integrare le equazioni. In particolare, quando f (x, y) > 0 il vettore è orientato da
sinistra verso destra secondo il seguente schema: orizzontalmente se g(x, y) = 0,
inclinato dal basso verso l’alto (nord-est) se g(x, y) > 0, inclinato dall’alto verso il
basso (sud-est) se g(x, y) < 0. Se f (x, y) < 0 il vettore è orientato da destra verso
sinistra e g(x, y) segue lo schema precedente. Se g(x, y) > 0 allora il vettore è
rivolto verso l’alto (verticalmente se f (x, y) = 0, inclinato da sinistra a destra (nord-
est) se f (x, y) > 0, da destra verso sinistra (nord-ovest) se f (x, y) < 0), mentre se
g(x, y) < 0 il vettore è rivolto verso il basso secondo lo stesso schema. La tabella 6.1
riassume i vari casi possibili, compreso il caso f (x, y) = g(x, y) = 0, ovvero un
punto di equilibrio. Si noti che se l’equazione (6.72) è integrabile esplicitamente, il
ritratto di fase globale è immediato.

Definizione 6.73 Chiamiamo campo di flusso associato al sistema (6.33) l’insieme


dei vettori spiccati dal generico punto (x, y) e tangenti alla traiettoria del sistema
passante per quel punto. Si noti che, fissato il punto (x, y), la tangente alla traiettoria
è unica a meno che il punto non sia di equilibrio.

Dal campo di flusso di un sistema è possibile ricavare l’andamento qualitativo


delle traiettorie (senza integrare il sistema) e determinare in prima approssimazione
6.2 Stabilità dell’equilibrio 185

Fig. 6.16 Problema 6.74 (sistema (6.75)): isocline a tangente orizzontale (linea tratteggiata) e a
tangente verticale (linea punteggiata) e andamento del campo di flusso (sinistra); campo di flusso
e ritratto di fase (destra)

(senza fare il calcolo degli autovalori del sistema linearizzato) se un punto di equi-
librio (nodo, sella o stella, purché non si tratti di un fuoco) è stabile o meno. Per-
tanto, con un ambiente di calcolo automatico come GNU Octave, si possono rica-
vare molte informazioni sulle traiettorie del sistema semplicemente calcolando le
funzioni f (x, y) e g(x, y). Le informazioni grafiche sul campo di flusso ricavate
tramite l’analisi delle curve isocline è utile anche per controllare e confermare la
coerenza delle conclusioni basate sui calcoli eseguiti.

Problema 6.74 Per il sistema (6.51) determinare, senza eseguire calcoli: (a) le
isocline a tangente orizzontale e verticale; (b) il campo di flusso; (c) la possibile
natura dei punti di equilibrio; (d) l’andamento qualitativo del ritratto di fase globale.

Soluzione Il sistema è

ẋ = y − x 2 ,
(6.75)
ẏ = x − y.
(a) L’isoclina a tangente orizzontale è il luogo dei punti del piano delle fasi che
soddisfa l’equazione g(x, y) = 0, e quindi è la retta y = x. L’isoclina a tangente ver-
ticale è il luogo dei punti del piano delle fasi che soddisfa l’equazione f (x, y) = 0,
e quindi è la parabola y = x 2 . Le isocline si incontrano in due punti, (0, 0) e (1, 1)
che sono, pertanto, punti di equilibrio del sistema. In figura 6.16 (sinistra) sono
riportate l’isoclina a tangente orizzontale (linea tratteggiata) e quella a tangente ver-
ticale (linea punteggiata).
(b) Per determinare la direzione e il verso locali delle traiettorie occorre studiare
il segno di f (x, y) e g(x, y). Quindi, f (x, y) = x − y > 0 implica y < x e g(x, y) =
y − x 2 > 0 implica y > x 2 . Avendo a disposizione i segni di f e g, seguendo lo
schema in tabella 6.1 è immediato concludere che le direzioni locali delle traiettorie
sono quelle riportate in figura 6.16 (sinistra).
186 6 Sistemi planari non-lineari

Tabella 6.1 Schema riassuntivo per la determinazione della direzione e del verso locali delle
traiettorie di un sistema planare non lineare nel piano delle fasi

f (x, y) g(x, y) Direzione Descrizione


f (x, y) = 0 g(x, y) = 0 •◦ equilibrio stabile (•) o instabile (◦)
f (x, y) > 0 g(x, y) = 0 → isoclina a tangente orizzontale
f (x, y) < 0 g(x, y) = 0 ← isoclina a tangente orizzontale
f (x, y) = 0 g(x, y) > 0 ↑ isoclina a tangente verticale
f (x, y) = 0 g(x, y) < 0 ↓ isoclina a tangente verticale
f (x, y) > 0 g(x, y) > 0 # tangente Nord-Est (NE)
f (x, y) > 0 g(x, y) < 0 $ tangente Sud-Est (SE)
f (x, y) < 0 g(x, y) > 0 % tangente Nord-Ovest (NO)
f (x, y) < 0 g(x, y) < 0 & tangente Sud-Ovest (SO)

(c) La natura dei punti di equilibrio può essere dedotta dal campo vettoriare
nell’intorno di essi. Si noti che, localmente, i vettori puntano verso (1, 1) che ri-
sulta, pertanto, stabile. Inoltre, siccome si possono notare almeno due direzioni di
avvicinamento ad esso, si tratta di un nodo (stabile) a due tangenti. Al contrario,
nell’intorno dell’origine alcuni vettori puntano verso di essa mentre altri si dipar-
tono da essa. Pertanto, l’origine è un punto di sella e quindi instabile. Si noti che la
risoluzione analitica del problema conduce agli stessi risultati.
(d) L’andamento qualitativo del ritratto di fase si traccia facilmente seguendo
l’andamento del campo di flusso, ovvero disegnando delle linee che abbiano lo-
calmente la direzione ed il verso dei vettori determinati precedentemente. In fi-
gura 6.16 (destra) è riportato il campo di flusso ottenuto in modo automatico con
le seguenti istruzioni:

clear all
xmin=-.5; xmax=1.5; xn=20;
ymin=-.5; ymax=1.5; yn=20;
[x,y]=meshgrid(linspace(xmin,xmax,xn),linspace(ymin,ymax,yn));
dx=y-x.^2; dy=x-y;
L = 12*sqrt(dx.^2 + dy.^2);
axis([xmin xmax ymin ymax]);
quiver(x,y,dx./L,dy./L);

Si noti che il comando L = 12*sqrt(dx.^2 + dy.^2); serve per riscalare i vet-


tori in modo che abbiano tutti la stessa lunghezza e risultino visibili. 

Problema 6.76 Tracciare il ritratto di fase globale per il sistema



ẋ = x(5 − 4x − y),
ẏ = y(4 − 2x − 3y).

Soluzione I passi da seguire sono quelli dello schema 6.69. Tuttavia, prima di ini-
ziale i calcoli (linearizzazione e conseguente calcolo degli autovalori) per ciascun
6.2 Stabilità dell’equilibrio 187

Fig. 6.17 Problema 6.76: isocline a tangente orizzontale (linea tratteggiata) e a tangente verticale
(linea punteggiata) e andamento del campo di flusso (sinistra); campo di flusso e ritratto di fase
(destra)

punto di equilibrio, cerchiamo di farci un’idea di come potrebbe essere il ritratto di


fase globale semplicemente tracciando le isocline ed il campo di flusso nelle regioni
di piano da esse individuate. Le isocline a tangente orizzontale sono il luogo dei
punti del piano delle fasi che soddisfano l’equazione g(x, y) = 0, ovvero le rette
y = 0 e y = −2/3x + 4/3. Le isocline a tangente verticale sono il luogo dei punti
del piano delle fasi che soddisfano l’equazione f (x, y) = 0, ovvero le rette x = 0
e y = −4x + 5. Le isocline si incontrano in 4 punti, (0, 0), (5/4, 0), (0, 4/3) e
(11/10, 3/5) che sono, pertanto, i punti di equilibrio del sistema. In figura 6.17 (si-
nistra) sono riportate le isocline a tangente orizzontale (linea tratteggiata) e quelle a
tangente verticale (linea punteggiata).
Per determinare la direzione e il verso delle traiettorie occorre studiare il segno di
f (x, y) e g(x, y). Quindi, per x > 0 si ha che f (x, y) = x(5 − 4x − y) > 0 quando
y < −4x + 5, ovvero sotto la retta, mentre per x < 0 vale il contrario. Analoga-
mente, per y > 0 si ha g(x, y) = y(4 − 2x − 3y) > 0 quando y < −2/3x + 4/3, ov-
vero sotto la retta, mentre per y < 0 vale il contrario. Avendo a disposizione i segni
di f e g, seguendo lo schema in tabella 6.1 è immediato concludere che le direzioni
locali delle traiettorie sono come riportato in figura 6.17 (sinistra). Da quest’ultima
figura si può dedurre anche la natura dei punti di equilibrio. Si noti che, localmente,
i vettori puntano verso (11/10, 3/5) che risulta, pertanto, stabile. Inoltre, siccome si
possono notare almeno due direzioni di avvicinamento ad esso, si tratta di un nodo
(stabile) a due tangenti. Al contrario, nell’intorno dell’origine tutti i vettori si allon-
tanano da essa che, quindi, è instabile. Dal diagramma non è chiaro se si tratta di
una stella o di un nodo proprio a due tangenti, per cui sarà necessario calcolare la
matrice Jacobiana. Gli altri due punti di equilibrio (5/4, 0) e (0, 4/3), invece, sono
localmente dei punti di sella in quanto almeno lungo una direzione le traiettorie si
avvicinano mentre lungo altre direzioni si allontanano. Con questi elementi qualita-
tivi a disposizione, si può tentare di tracciare il ritratto di fase seguendo l’andamento
del campo di flusso e disegnando delle linee che abbiano, localmente, la direzione ed
188 6 Sistemi planari non-lineari

il verso dei vettori determinati precedentemente. In figura 6.17 (destra) è riportato il


campo di flusso ottenuto in modo automatico con le seguenti istruzioni:

clear all
xmin=-.2; xmax=1.6; xn=20;
ymin=-.2; ymax=1.6; yn=20;
[x,y]=meshgrid(linspace(xmin,xmax,xn),linspace(ymin,ymax,yn));
dx=x.*(5-4*x-y); dy=y.*(4-2*x-3*y);
L = 14*sqrt(dx.^2 + dy.^2);
axis([xmin xmax ymin ymax]);
quiver(x,y,dx./L,dy./L);

Procediamo ora in modo analitico (e sistematico) secondo lo schema 6.69.


1. Punti di equilibrio. Risolvendo il sistema

x(5 − 4x − y) = 0,
y(4 − 2x − 3y) = 0,

si ottengono le soluzioni (0, 0), (5/4, 0), (0, 4/3) e (11/10, 3/5).
2. Linearizzazione. La matrice Jacobiana è
 
5 − 8x − y −x
J (x, y) =
−2y 4 − 2x − 6y

pertanto
   
5 0 −5 − 54
J (0, 0) = , J (5/4, 0) = 3
,
0 4, 0 2
   
11 22 11
0
J (0, 4/3) = 3
, J (11/10, 3/5) = − 5 10
.
− 83 −4 6
5
9
5

La matrice Jacobiana nell’origine fornisce gli autovalori λ1 = 4 e λ2 = 5 (imme-


diati) con rispettivi autovettori u1 = [0, k]T e u2 = [h, 0]T con k, h ∈ R; pertanto
l’origine è un nodo proprio (a due tangenti) instabile. La matrice Jacobiana in
(5/4, 0) fornisce λ1 = −5 e λ2 = 3/2 con rispettivi autovettori u1 = [k, 0]T e
u2 = [−5h, 26h]T con k, h ∈ R; pertanto (5/4, 0) è un punto di sella e quindi
instabile. La matrice Jacobiana in (0, 4/3) fornisce λ1 = −4 e λ2 = 11/3 con
rispettivi autovettori u1 = [0, k]T e u2 = [23h, −8h]T con k, h ∈ R; pertanto
(0, 4/3) è un punto di sella e quindi instabile. Infine, la matrice Jacobiana in
(11/10, 3/5) fornisce
√ √
301 + 31 301 − 31
λ1 = − < 0, λ2 = <0
10 10
6.2 Stabilità dell’equilibrio 189

Fig. 6.18 Ritratto di fase locale e direzioni dei due autovettori per il sistema linearizzato corrispon-
dente al sistema nonlineare del problema 6.76. La linearizzazione nell’intorno di (0, 0) (sinistra)
porta a concludere che l’origine è, localmente, un nodo instabile a due tangenti (si noti il pallino
vuoto). Dalla linearizzando intorno a (5/4, 0) (destra) si conclude che quest’ultimo è, localmente,
una sella e quindi instabile (si noti il pallino vuoto)

Fig. 6.19 Ritratto di fase locale e direzioni dei due autovettori per il sistema linearizzato cor-
rispondente al sistema nonlineare del problema 6.76. La linearizzazione nell’intorno di (0, 4/3)
(sinistra) porta a concludere che quest’ultimo è, localmente, una sella e quindi instabile (si noti
il pallino vuoto). Linearizzando intorno a (11/10, 3/5) (destra) si conclude che quest’ultimo è,
localmente, un nodo proprio (a due tangenti) stabile (si noti il pallino pieno)

con rispettivi autovettori


 √   √ T
301 − 13 T 301 + 13
u1 = k, k , u2 = h, −h , k, h ∈ R;
11 11

pertanto (11/10, 3/5) è un nodo proprio (a due tangenti) stabile.


3. Ritratti locali. I ritratti locali di ciascun punto di equilibrio sono riportati nelle
figure 6.18 e 6.19.
4. Non esistono cicli limite.
190 6 Sistemi planari non-lineari

Fig. 6.20 Problema 6.77: isocline a tangente orizzontale (linea tratteggiata) e a tangente verticale
(linea punteggiata) e andamento del campo di flusso (sinistra); campo di flusso e ritratto di fase
(destra)

5. Per tracciare il ritratto globale occorre tener conto dell’andamento delle isocline
e del diagramma semplificato del campo di flusso ottenuto studiando i segni di
f (x, y) e g(x, y) (figura 6.17, sinistra). Così facendo si ottengono delle traietto-
rie che uniscono a due due i punti di equilibrio e che prendono il nome di traiet-
torie eterocline (si veda la definizione 6.18 e gli esempi della sezione 6.3.3). In
particolare, la retta x = 0 congiunge (0, 0) con (0, 4/3), la retta y = 0 congiunge
(0, 0) con (5/4, 0), mentre le traiettorie che congiungono (11/10, 3/5) con gli
altri tre punti di equilibrio non sono rettilinee.
Questo conclude lo svolgimento. 

Problema 6.77 Tracciare il ritratto di fase globale per il sistema



ẋ = x(2 − 3x − 2y),
ẏ = y(−3 + 9x).

Soluzione Come per l’esercizio precedente, prima di svolgere i calcoli cerchiamo di


farci un’idea di come potrebbe essere il ritratto globale semplicemente tracciando le
isocline ed il campo di flusso nelle regioni di piano da esse individuate. Le isocline a
tangente orizzontale sono le rette y = 0 e x = 1/3, mentre quelle a tangente verticale
sono x = 0 e y = −3/2x + 1. Le isocline si incontrano in 3 punti, (0, 0), (2/3, 0) e
(1/3, 1/2) che sono, pertanto, i punti di equilibrio del sistema (si noti che il punto
(0, 1) non è di equilibrio essendo intersezione unicamente delle isocline a tangente
verticale). In figura 6.20 (sinistra) sono riportate l’isoclina a tangente orizzontale
(linea tratteggiata) e quella a tangente verticale (linea punteggiata). Per determinare
la direzione e il verso locali delle traiettorie occorre studiare il segno di f (x, y) e
g(x, y). Quindi, per x > 0 si ha che f (x, y) = x(2 − 3x − 2y) > 0 quando y <
−3/2x + 1, ovvero sotto la retta, mentre per x < 0 vale il contrario. Analogamente,
per y > 0 si ha g(x, y) = y(−3 + 9x) > 0 quando x > 1/3, ovvero a destra della
6.2 Stabilità dell’equilibrio 191

retta verticale, mentre per y < 0 vale il contrario. Avendo a disposizione i segni di
f e g, seguendo lo schema in tabella 6.1 è immediato concludere che le direzioni
locali delle traiettorie sono come riportato in figura 6.17 (sinistra). Da quest’ultima
figura si può dedurre anche qualche informazione sulla natura dei punti di equilibrio.
Si noti che l’origine è, localmente, un punto di sella, e quindi instabile, in quanto
i vettori puntano verso di essa lungo la retta x = 0, mentre si allontanano da essa
lungo la retta y = 0. Anche il punto di equilibrio (2/3, 0) è, localmente, un punto
di sella in quanto almeno lungo una direzione le traiettorie si avvicinano mentre
lungo altre direzioni si allontanano. Al contrario, per il punto (1/3, 1/2) si può
solo conludere che è un fuoco (spirale) attorno al quale le traiettorie girano in verso
antiorario. Tuttavia, dalla sola analisi del campo di flusso non è possibile dire se esso
è stabile o instabile. Questi elementi, a differenza dei problemi precedenti, non sono
sufficienti per tracciare un ritratto qualitativo seguendo l’andamento del campo di
flusso, in quanto del fuoco non si conosce la stabilità. Procediamo, quindi, in modo
analitico secondo lo schema 6.69.
1. Punti di equilibrio. Risolvendo il sistema

x(2 − 3x − 2y) = 0,
y(−3 + 9x) = 0

si ottengono le soluzioni (0, 0), (2/3, 0) e (1/3, 1/2).


2. Linearizzazione. La matrice Jacobiana è
 
−2y − 6x + 2 −2x
J (x, y) = ,
9y 9x − 3

pertanto
   
2 0 −2 − 43
J (0, 0) = , J (2/3, 0) = ,
0 −3 0 3
 
−1 − 23
J (1/3, 1/2) = 9 .
2 0

La matrice Jacobiana nell’origine fornisce gli autovalori λ1 = −3 e λ2 = 2 (im-


mediati) con rispettivi autovettori u1 = [0, k]T e u2 = [h, 0]T con k, h ∈ R; per-
tanto l’origine è un punto di sella e quindi instabile. La matrice Jacobiana in
(2/3, 0) fornisce λ1 = −2 e λ2 = 3 con rispettivi autovettori u1 = [k, 0]T e
u2 = [−4h, 15h]T con k, h ∈ R; pertanto (2/3, 0) è un punto di sella e quindi
instabile. Infine, la matrice Jacobiana in (1/3, 1/2) fornisce

1 11 1 11
λ1 = − − i, λ2 = − + i.
2 2 2 2
Pertanto, (1/3, 1/2) è un fuoco stabile.
192 6 Sistemi planari non-lineari

Fig. 6.21 Ritratto di fase locale e direzioni dei due autovettori per il sistema linearizzato corrispon-
dente al sistema nonlineare del problema 6.77. La linearizzazione nell’intorno di (0, 0) (sinistra)
porta a concludere che l’origine è, localmente, un punto di sella e quindi instabile (si noti il pal-
lino vuoto). Dalla linearizzando intorno a (5/4, 0) (destra) si conclude che anche quest’ultimo è,
localmente, una sella e quindi instabile (pallino vuoto)

Fig. 6.22 Ritratto di fase


locale per il sistema
linearizzato corrispondente al
sistema nonlineare del
problema 6.77 nell’intorno di
(1/3, 1/2). Si conclude che
quest’ultimo è, localmente,
un fuoco stabile (si noti il
pallino pieno)

3. Ritratti locali. I ritratti locali di ciascun punto di equilibrio sono riportati nelle
figure 6.21 e 6.22.
4. Non esistono cicli limite.
5. Per tracciare il ritratto globale occorre tener conto dell’andamento delle isocline
e del diagramma semplificato del campo di flusso ottenuto studiando i segni di
f (x, y) e g(x, y) (figura 6.20, sinistra). Così facendo si ottengono, tra le va-
rie traiettorie, anche le eterocline ovvero quelle che uniscono a due due i punti
di equilibrio. In particolare, la retta x = 0 congiunge (0, 0) con (0, 2/3) men-
tre le traiettorie che congiungono (1/3, 1/2) con gli altri due punti di equilibrio
non sono rettilinee ma si avvolgono in verso antiorario attorno ad esso. In fi-
gura 6.20 (destra) è riportato il campo di flusso ottenuto al solito modo.
Questo conclude lo svolgimento. 
6.2 Stabilità dell’equilibrio 193

6.2.4 Stabilità via Lyapunov

Vediamo nei seguenti problemi come si applichi il metodo di Lyapunov per mostrare
che un punto di equilibrio è localmente (o globalmente, in un opportuno dominio di
attrattività) asintoticamente stabile.

Problema 6.78 Siano r, K > 0. Mostrare che la configurazione di equilibrio x = K


è asintoticamente stabile per l’equazione della logistica
 
x
ẋ = rx 1 −
K
con bacino di attrazione (0, +∞).

Soluzione Consideriamo la funzione V : (0, +∞) → R definita da

V (x) = (x − K)2

e tale che V (x) > 0 per ogni x = K e V (K) = 0. Preso un qualunque dato iniziale
positivo, risulta
 
d x (x − K)2
V (x) = 2(x − K)ẋ = 2(x − K)rx 1 − = −2rx < 0,
dt K K
quando x(t) si mantiene positivo, il che si verifica partendo da un qualunque dato
iniziale x0 > 0. Dal criterio di stabilità di Lyapunov (teorema 6.24) segue che x = K
è un punto di equilibrio asintoticamente stabile e il bacino di attrazione B di x = K
contiene l’intera semiretta positiva (0, +∞) per il principio di invarianza di LaSalle.
Partendo infatti da un dato iniziale positivo, la soluzione è positiva e non esistono
soluzioni positive definite su tutto R (diverse da x = K) su cui la funzione V sia co-
stante. Se il dato iniziale è negativo la soluzione decresce, quindi (0, +∞) coincide
con il bacino di attrazione. 

Problema 6.79 Utilizzando il metodo di Lyapunov, studiare il sistema



ẋ = −y − x 3 ,
ẏ = x − y 3 .

Soluzione Si verifica facilmente che l’origine (0, 0) è l’unico punto di equilibrio del
sistema. Moltiplicando la prima equazione per x, la seconda per y, e sommandole
membro a membro risulta
1 d 2 
x + y 2 = −x 4 − y 4 < 0,
2 dt
pertanto l’origine è globalmente asintoticamente stabile. Per il principio di inva-
rianza di LaSalle, il bacino di attrazione dell’origine B coincide con tutto il piano
delle fasi R2 . 
194 6 Sistemi planari non-lineari

Problema 6.80 Dato α ∈ (0, 1), mostrare che il punto di equilibrio (1, 1 − α) del
sistema

ẋ = x(1 − αx − y),
ẏ = y(−1 + x),
è asintoticamente stabile con bacino di attrazione B = {x > 0, y > 0}.

Soluzione Consideriamo la funzione V : {x > 0, y > 0} → R definita da


y
V (x, y) = x − 1 − ln x + y − (1 − α) − (1 − α) ln .
1−α

Risulta V (1, 1 − α) = 0 e V (x, y) > 0 per ogni (x, y) ∈ R2 con x > 0, y > 0, x = 1
e y = 1 − α (si osservi, ad esempio, che la funzione η(x) = x − 1 − ln x, definita su
x > 0, ha un minimo assoluto in x = 1, con η(1) = 0). Inoltre, risulta
d ẋ ẏ
V (x, y) = ẋ − + ẏ − (1 − α)
dt x y
= x − αx 2 − xy − 1 + αx
+ y − y + xy − x + 1 + αx − α
= −α(x − 1)2 < 0,

per cui l’equilibrio (1, 1 − α) è (globalmente) asintoticamente stabile per Lyapunov,


con bacino di attrazione B che include l’intero semipiano positivo {x > 0, y > 0},
per il principio di invarianza di LaSalle. 

Problema 6.81 Stabilire se l’origine (0, 0) è un punto di equilibrio localmente asin-


toticamente stabile per il sistema

ẋ = y − sin3 x,
ẏ = −4x − sin3 y.

Soluzione Moltiplicando la prima equazione del sistema per 4x, la seconda per y e
sommando le equazioni ottenute, risulta

1 d 2 
4x + y 2 = 4xy − 4x sin3 x − 4xy − y sin3 y
2 dt
= −4x sin3 x − y sin3 y
≈ −4x 4 − y 4 < 0,

in un intorno sufficientemente piccolo di (0, 0). Pertanto l’origine è asintoticamente


stabile per il metodo di Lyapunov e il bacino di attrazione contiene una sfera centrata
nell’origine e di raggio abbastanza piccolo. 
6.2 Stabilità dell’equilibrio 195

Problema 6.82 Cercare una funzione di Lyapunov della forma

V (x, y) = ax n + by m , a, b > 0, n, m interi pari,

relativa al punto di equilibrio (0, 0) del sistema



ẋ = −x 3 + y − x,
ẏ = −x 3 − y.

Soluzione La funzione V (x, y) risulta strettamente positiva in ogni punto di-


verso dall’origine. Per una generica orbita {t → (x(t), y(t))}, derivando {t →
V (x(t), y(t))} rispetto al tempo, risulta
d  
V x(t), y(t) = nax n−1 ẋ + mby m−1 ẏ
dt
   
= nax n−1 −x 3 + y − x + mby m−1 −x 3 − y
= −nax n+2 + nax n−1 y − nax n − mby m−1 x 3 − mby m .

Pertanto, scegliendo n = 4, m = 2 e b = 2a, si ottiene

V̇ (x, y) = −4ax 6 − 4ax 4 − 4ay 2 < 0,

per cui l’origine (0, 0) è un punto di equilibrio asintoticamente stabile per il sistema
con R2 come bacino di attrazione. 

Problema 6.83 Studiare il sistema



ẋ = y + x(x + 1) − 2,
ẏ = −(x + 1),

usando sia il metodo di Lyapunov che il metodo di linearizzazione.

Soluzione Come si verifica facilmente, l’unico punto di equilibrio è (−1, 2). Per
provare la stabilità di tale equilibrio con il metodo di Lyapunov, moltiplichiamo la
prima equazione del sistema per il fattore (x + 1), la seconda per il fattore (y − 2),
e sommiamo le equazioni ottenute. Risulta
1 d 
(x + 1)2 + (y − 2)2 = (x + 1)y + x(x + 1)2
2 dt
− 2(x + 1) − (x + 1)(y − 2)
= x(x + 1)2 < 0,

se e soltanto la condizione iniziale (x0 , y0 ) appartiene all’insieme {x < 0, y ∈ R}


che è quindi contenuto nel bacino di attrazione di (−1, 2). Pertanto, il punto di equi-
librio (−1, 2) risulta localmente asintoticamente stabile. Ragionando con il metodo
196 6 Sistemi planari non-lineari

di linearizzazione, la matrice Jacobiana calcolata in (−1, 2) risulta


 
−1 1
J (−1, 2) =
−1 0

che ammette autovalori complessi coniugati λ± = − 12 ± 23 i, con parte reale ne-
gativa, per cui l’equilibrio è localmente asintoticamente stabile e il ritratto di fase
locale è quello di un fuoco stabile. 

Problema 6.84 Siano f, g : R2 → R due funzioni tali che f (0, 0) = g(0, 0) = 0 e

xf (x, y) + yg(x, y) < 0, ∀(x, y) = (0, 0).

Provare che l’origine è globalmente asintoticamente stabile per il sistema (6.33).

Soluzione Moltiplicando la prima equazione del sistema per x, la seconda per y e


sommando le equazioni ottenute, risulta, per ipotesi,
1 d 2 
x + y 2 = xf (x, y) + yg(x, y) < 0,
2 dt
da cui segue la tesi per il metodo di Lyapunov. Il bacino di attrazione è R2 . 

Problema 6.85 Consideriamo il sistema


  
ẋ = y − g(t)x x 2 + y 2 ,
 
ẏ = −x − g(t)y x 2 + y 2 ,

dove g ∈ C 1 (R+ ) è limitata ed esiste σ > 0 tale che g(t) ≥ σ per ogni t ≥ 0. Mo-
strare che l’origine è globalmente asintoticamente stabile e determinare una stima
di decadimento per la funzione ϕ(t) = x 2 (t) + y 2 (t).

Soluzione Moltiplicando la prima equazione del sistema per x, la seconda per y e


sommando le equazioni ottenute, risulta
1 d 2   2  2
x + y 2 = −g(t) x 2 + y 2 ≤ −σ x 2 + y 2 < 0,
2 dt
da cui segue la stabilità asintotica dell’origine. Integrando la disequazione

ϕ̇(t) ≤ −2σ ϕ 2 (t), t ≥ 0,

si ottiene
ϕ(0)
ϕ(t) ≤ , t ≥ 0,
1 + 2σ ϕ(0)t
per cui l’orbita si avvicina all’origine con rapidità (almeno) proporzionale a t −1 . 
6.2 Stabilità dell’equilibrio 197

Problema 6.86 Si discuta la stabilità dell’origine per il sistema tridimensionale




⎪ẋ = −x 3 + 2xz − z,


ẏ = −yz − 3y,



⎩ż = −x 2 + x + y 2 .
2

Soluzione Moltiplichiamo la prima equazione del sistema per x, la seconda per 2y,
la terza per 2z, e sommando le equazioni ottenute, ottenendo

1 d 2 
x + 2y 2 + 2z2 = −x 4 + 2x 2 z − xz − 2y 2 z − 6y 2 − 2zx 2 + xz + 2zy 2
2 dt
= −x 4 − 6y 2 < 0,

per cui l’origine (0, 0, 0) è un punto di equilibrio globalmente asintoticamente sta-


bile per il metodo di Lyapunov. 

Problema 6.87 Siano a, k, c, d > 0 e consideriamo il sistema




⎪ ẋ = y,

ẏ = −a sin x − kx − dy − cz,



ż = −z + y.

Mostrare che l’origine è un punto di equilibrio asintoticamente stabile.

Soluzione Consideriamo la funzione Υ : R3 → R definita da


x
Υ (x, y, z) = 2a sin τ dτ + kx 2 + y 2 + cz2 .
0

Si osservi che Υ (x, y, z) > 0 per ogni (x, y, z) ∈ R3 con (x, y, z) = (0, 0, 0) e
Υ (0, 0, 0) = 0. Lungo la generica orbita (x(t), y(t), z(t)) risulta inoltre

d  
Υ x(t), y(t), z(t) = 2a sin x ẋ + 2kx ẋ + 2y ẏ + 2czż
dt
= 2ay sin x + 2kxy
+ 2y(−a sin x − kx − dy − cz) + 2cz(−z + y)
= −2cyz − 2cz2 + 2czy − 2dy 2
= −2cz2 − 2dy 2 < 0,

da cui segue la tesi per il metodo di Lyapunov. Il bacino di attrazione è R2 . 


198 6 Sistemi planari non-lineari

Vediamo un esempio di equazione del prim’ordine con ritardo, per la quale, in un


opportuno intervallo dei parametri, è possibile costruire un funzionale di Lyapunov
in forma integrale.

Problema 6.88 Siano a, b ∈ R e T > 0. Si consideri l’equazione con ritardo

ẋ(t) = ax(t) + bx(t − T ), t > 0.

Mostrare che la soluzione nulla x = 0 è stabile se a + |b| < 0.

Soluzione Consideriamo la funzione Υ : R → R+ definita da


t
 
Υ x(t) = x (t) + |b|
2
x 2 (ξ )dξ, t > 0,
t−T

tale che Υ (x) > 0 per ogni x = 0 e Υ (0) = 0. Inoltre, risulta


d  
Υ x(t) = 2x(t)ẋ(t) + |b|x 2 (t) − |b|x 2 (t − T )
dt
 
= 2x(t) ax(t) + bx(t − T ) + |b|x 2 (t) − |b|x 2 (t − T )
= 2ax 2 (t) + 2bx(t)x(t − T ) + |b|x 2 (t) − |b|x 2 (t − T )
≤ 2ax 2 (t) + |b|x 2 (t) + |b|x 2 (t − T ) + |b|x 2 (t) − |b|x 2 (t − T )
= 2(a + |b|)x 2 (t) < 0,

sotto l’ipotesi che si abbia a + |b| < 0. 

Vediamo ora alcune semplici proprietà di una classe importante di sistemi dissi-
pativi (che ammettono automaticamente un funzionale di Lyapunov), i sistemi gra-
diente.

Definizione 6.89 (Sistemi gradiente) Sia Ω ⊂ R2 e V : Ω → R una funzione di


classe C 1 . Diciamo che un sistema differenziale della forma

⎪ ∂V

⎨ẋ = − ∂x (x, y),
(6.90)

⎪ ∂V
⎩ẏ = − (x, y),
∂y
è un sistema gradiente. Il segno negativo nel sistema è tradizionale

Le proprietà che mostriamo valgono in generale per sistemi gradiente ad n-


componenti su domini di Rn .

Problema 6.91 Nelle ipotesi della definizione 6.89, provare che V è una funzione
di Lyapunov per il sistema gradiente (6.90).
6.2 Stabilità dell’equilibrio 199

Soluzione Risulta
d      
V x(t), y(t) = ∇V x(t), y(t) · ẋ(t), ẏ(t)
dt
   
= −∇V x(t), y(t) · ∇V x(t), y(t)
  2
= −∇V x(t), y(t)  ≤ 0, (6.92)

per ogni soluzione (x(t), y(t)) del sistema (6.90). In particolare, V̇ (x, y) = 0 se e
soltanto se (x, y) è un punto stazionario per il sistema (6.90). 

Problema 6.93 Nelle ipotesi della definizione 6.89, provare che ogni punto di mi-
nimo stretto isolato per la funzione V è un equilibrio localmente asintoticamente
stabile per il sistema (6.90).

Soluzione Se (x0 , y0 ) è un punto di minimo isolato per V , esiste un intorno U di


(x0 , y0 ) tale che V (ξ, η) > V (x0 , y0 ) per ogni (ξ, η) = (x0 , y0 ). A meno di una
traslazione (Ṽ (x, y) = V (x, y) − V (x0 , y0 )), possiamo quindi supporre che la fun-
zione V sia positiva in U e al più nulla in (x0 , y0 ). Inoltre, a causa della disugua-
glianza (6.92), deve necessariamente risultare V̇ < 0 per ogni orbita che ha origine
in U . L’affermazione segue quindi immediatamente dal metodo di Lyapunov. 

Problema 6.94 Verificare che per il sistema gradiente (6.90) il vettore tangente ad
un’orbita è sempre ortogonale alle curve di livello della funzione V .

Soluzione Si noti che il vettore tangente ad un’orbita ha componenti (ẋ, ẏ), ossia
(∂x V , ∂y V ), che è il gradiente di V , che come noto risulta ortogonale alle curve di
livello di V . 

Problema 6.95 Supponiamo che la funzione V nella definizione di sistema gra-


diente (6.90) sia di classe C 2 . Provare allora che, linearizzando (6.90) nell’intorno
di in un punto di equilibrio del sistema, non si possono trovare fuochi stabili o in-
stabili.

Soluzione Vista la struttura dei sistemi gradiente, linearizzare il sistema significa


calcolare la matrice Hessiana della funzione V e valutarla poi nel punto di equi-
librio in questione. Essendo V di classe C 2 , per il Lemma di Schwarz, la matrice
ottenuta è simmetrica, per cui, come noto, deve avere autovalori reali, a cui possono
corrispondere solo dei nodi (stabili o instabili) o delle selle. 

Ricordiamo ora che una funzione f : R2 → R si dice positivamente omogenea


di grado α > 0 se f (tx, ty) = t α f (x, y) per ogni t > 0 ed ogni (x, y) ∈ R2 . Per
le funzioni f positivamente omogenee e differenziabile vale il teorema di Eulero,
ossia ∇f (x, y) · (x, y) = αf (x, y).
200 6 Sistemi planari non-lineari

Problema 6.96 Supponiamo che V ∈ C 1 sia positiva, al più nulla in (0, 0) e po-
sitivamente omogenea di grado α > 0 con ∇V (0, 0) = 0. Provare che l’origine è
globalmente asintoticamente stabile per il sistema (6.90).

Soluzione Essendo la funzione V positivamente omogenea di grado α, per il teo-


rema di Eulero si ha, per ogni (x, y) ∈ R2 ,

∂V ∂V
x (x, y) + y (x, y) = ∇V (x, y) · (x, y) = αV (x, y).
∂x ∂y

Moltiplicando la prima equazione di (6.90) per x, la seconda per y e sommando


membro a membro le equazioni ottenute, risulta

1 d 2  ∂V ∂V
x + y 2 = −x (x, y) − y (x, y) = −αV (x, y) < 0,
2 dt ∂x ∂y

da cui si ottiene l’asintotica stabilità globale per il metodo di Lyapunov. 

Problema 6.97 Supponiamo che Ω sia un dominio semplicemente connesso. Pro-


vare che il sistema gradiente (6.90) non ammette orbite chiuse non costanti.

Soluzione Supponiamo per assurdo che esista un’orbita chiusa non costante

∂V  
γ : [t0 , t1 ] → Ω, γ (t0 ) = γ (t1 ), γ̇j (t) = − γ (t) ,
∂xj
t ∈ (t0 , t1 ), j = 1, 2,

dove γ̇j indica rispettivamente ẋ (j = 1) e ẏ (j = 2). Siccome la forma differenziale


lineare è esatta (in quanto chiusa sul dominio Ω semplicemente connesso)

∂V ∂V
ω(x, y) = − (x, y)dx − (x, y)dy,
∂x ∂y

ed essendo γ chiusa in Ω, si ottiene


t1 .   /
0= ω= ω γ (t) , γ̇ (t)
γ t0
t1 
2
∂V  
=− γ (t) γ̇j (t)dt
t0 j =1 ∂xj

t1 
2
  t1  
= γ̇j (t)2 dt = γ̇ (t)2 dt,
t0 j =1 t0

ossia una contraddizione, poiché γ non è costante. 


6.2 Stabilità dell’equilibrio 201

Osservazione 6.98 Tutti i sistemi unidimensionali ẋ = f (x) con f continua sono


sistemi gradiente. Infatti, posto
x
V (x) = − f (ξ )dξ,
x0

si ha ẋ = −V  (x) per il teorema fondamentale del calcolo integrale, per cui il si-
stema è un sistema gradiente.

6.2.5 Coordinate polari e stabilità globale

In questa sezione studiamo alcuni sistemi differenziali nonlineari tramite coor-


dinate polari piane. Questo permetterà anche di ottenere informazioni globali
sull’andamento qualitativo delle soluzioni.

Problema 6.99 Verificare che per una curva nel piano espressa in coordinate polari
((t), ϑ(t)) o in coordinate cartesiane (x(t), y(t)), tramite il legame

x(t) = (t) cos ϑ(t),
(t) > 0, ϑ(t) ∈ [0, 2π[, t > 0, (6.100)
y(t) = (t) sin ϑ(t),

sussistono le seguenti relazioni



x(t)ẋ(t) + y(t)ẏ(t) = (t)(t),
˙
t > 0. (6.101)
x(t)ẏ(t) − y(t)ẋ(t) = 2 (t)ϑ̇(t),

Soluzione Derivando rispetto al tempo le relazioni (6.100) si deduce

ẋ(t) = (t)
˙ cos ϑ(t) − (t)ϑ̇(t) sin ϑ(t),
ẏ(t) = (t)
˙ sin ϑ(t) + (t)ϑ̇(t) cos ϑ(t).

Pertanto, risulta

x(t)ẋ(t) + y(t)ẏ(t)
= (t)(t)
˙ cos2 ϑ(t) − 2 (t)ϑ̇(t) sin ϑ(t) cos ϑ(t)
+ (t)(t)
˙ sin2 ϑ(t) + 2 (t)ϑ̇(t) sin ϑ(t) cos ϑ(t)
= (t)(t)
˙
202 6 Sistemi planari non-lineari

e
x(t)ẏ(t) − y(t)ẋ(t)
= (t)(t)
˙ sin ϑ(t) cos ϑ(t) − 2 (t)ϑ̇(t) sin2 ϑ(t)
− (t)(t)
˙ sin ϑ(t) cos ϑ(t) − 2 (t)ϑ̇(t) cos2 ϑ(t)
= −2 (t)ϑ̇(t),

da cui la tesi. Si ricorda che (t) = x 2 (t) + y 2 (t). 

Problema 6.102 Studiare la natura dei cicli limite dei seguenti sistemi differenziali
scritti in coordinate polari

˙ = ( − 1)( − 2), ϑ̇ = 1,


˙ = ( − 2) , 2
ϑ̇ = 1.

Soluzione Per il primo sistema x 2 + y 2 = 1 ( = 1) e x 2 + y 2 = 4 ( = 2) sono


orbite periodiche di periodo 2π . Posto f () = ( − 1)( − 2), si ha f  () = 32 −
6 + 2. Essendo f  (1) = −1 < 0 e f  (2) = 2 > 0 si conclude che x 2 + y 2 = 1 è un
ciclo limite stabile, mentre x 2 + y 2 = 4 è un ciclo limite instabile. Per il secondo
sistema x 2 + y 2 = 4 è un ciclo limite semi-stabile. Infatti si ha sempre ˙ > 0, per
cui la distanza delle orbite dall’origine è in continuo aumento. 

Problema 6.103 Studiare il sistema differenziale nonlineare


       
ẋ = y + x cos x 2 + y 2 − 1 sin x 2 + y 2 − 1 ,
      
ẏ = −x + y cos x 2 + y 2 − 1 sin x 2 + y 2 − 1 .

Soluzione Il sistema algebrico degli equilibri è dato da


       
y + x cos x 2 + y 2 − 1 sin x 2 + y 2 − 1 = 0,
       (6.104)
−x + y cos x 2 + y 2 − 1 sin x 2 + y 2 − 1 = 0.

Moltiplicando la prima equazione per y, la seconda per x, e facendo la differenza tra


le due equazioni, si perviene a x 2 +y 2 = 0, da cui segue che l’origine è l’unico punto
di equilibrio. Tenuto conto delle formule (6.101) del problema 6.99, in coordinate
polari si ottiene
  
˙ =  cos 2 − 1 sin 2 − 1 , ϑ̇ = −1

per cui le orbite vengono percorse in senso orario e la distanza dall’origine è in con-
tinuo aumento, come si evince dal segno del secondo membro dell’equazione di .
Osserviamo inoltre che esistono le seguenti famiglie numerabili di orbite periodi-
che:

k (t) = 2kπ, k ∈ N, ϑ(t) = −t
6.2 Stabilità dell’equilibrio 203

Fig. 6.23 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative al
sistema planare nonlineare del problema 6.103 con condizione iniziale (x0 , y0 ) = (0, π/6). Si
noti la natura
√ instabile dell’origine (pallino vuoto) e la natura semi-stabile dell’orbita con rag-
gio 0 = π/2, nel senso che orbite originatesi all’interno di tale circonferenza tendono ad essa
dall’interno

Fig. 6.24 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative al
sistema planare nonlineare del problema 6.103 con condizione iniziale (x0 , y0 ) = (0, 1.27). Si
noti la√natura instabile dell’origine (pallino vuoto) e la natura
√ semi-stabile
√ dell’orbita con raggio
1 = 5π/2, nel senso che orbite originatesi a distanza 2π <  < 5π/2 all’interno di tale
circonferenza tendono ad essa dall’interno

e

(4k + 1)π
k (t) = , k ∈ N, ϑ(t) = −t.
2
Pertanto, se un’orbita parte all’interno di due circonferenze successive i cui raggi ap-
partengono alle famiglie precedenti, rimane per ogni tempo t > 0 all’interno della
relativa corona circolare e tenderà verso l’orbita più esterna. Queste orbite perio-
diche sono dei cicli limite semi-stabili perché sono stabili partendo all’interno e
instabili partendo all’esterno, come si può notare dalle figure 6.23 e 6.24. 
204 6 Sistemi planari non-lineari

Problema 6.105 Studiare il sistema differenziale nonlineare


⎧  2  π

⎨ẋ = −y + x x + y cos x 2 + y 2 ,
2

⎪   π
⎩ẏ = x + y x 2 + y 2 cos .
x + y2
2

Soluzione Si noti che nell’origine il sistema non è definito. Gli eventuali punti di
equilibrio si trovano risolvendo
⎧  2  π

⎨−y + x x + y cos
2
= 0,
x2 + y2
⎪   π
⎩x + y x 2 + y 2 cos = 0.
x2 + y2

Come in precedenza, moltiplicando la prima equazione per y, la seconda per x, e


facendo la differenza tra le equazioni, si perviene a x 2 + y 2 = 0, da cui segue che
l’unico punto di equilibrio sarebbe l’origine che non è, petanto, accettabile. Tenuto
conto delle formule (6.101) del problema 6.99, si ottiene il sistema in coordinate
polari
π
˙ = 3 cos 2 , ϑ̇ = 1.

Ne segue che esiste la famiglia di orbite periodiche numerabili

2
k (t) = k = , k ∈ N, ϑ(t) = t + ϑ0 ,
2k + 1
ottenuta risolvendo l’equazione ˙ = 0 (circonferenze per le quali è costante
√ la di-
stanza dall’origine). La più ampia di queste circonferenze ha raggio 0 = 2, men-
tre al limite per k → ∞ il raggio tende a zero. La distanza dall’origine di altre
orbite non peridiche aumenta o diminuisce (con velocità angolare costante) dipen-
dentemente dal segno di cos(π/2 ). Gli intervalli in cui le traiettorie diminuiscono
la loro distanza dal centro sono
 
2 2
< k < .
4k + 3 4k + 1
Ovviamente, per valori di  positivi e complementari ai precedenti le traiettorie si
allontanano dall’origine, i.e. per
 
2 2
< k < .
4k + 5 4k + 3
Indicando con ¯ 0 la distanza della condizione iniziale (x0 , y0 ) dall’origine, i vari
casi possono essere√ riassunti come segue. Per condizioni iniziali aventi distanza
dall’origine ¯ 0 > 2 le traiettorie divergono molto velocemente. Per condizioni
6.2 Stabilità dell’equilibrio 205

Fig. 6.25 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative al
sistema planare nonlineare del problema 6.105 con condizione iniziale√ (x0 , y0 ) = (0, 1.42). Si noti
l’allontanamento della traiettoria con condizione iniziale ¯ 0 = 1.42 > 2

Fig. 6.26 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative al
sistema planare nonlineare del problema 6.105 con condizione iniziale
√ (x0 , y0 ) = (0, 1.4). Si noti
il collasso della
√ traiettoria con condizione iniziale ¯
 0 = 1.4 < 2 sulla traiettoria periodica di
raggio  = 2/3 ed immediatamente interna ad essa

√ √
iniziali per cui 2/(4k + 3) < ¯ 0 < 2/(4k + 1), ovvero comprese in certe co-
rone circolari, la distanza dall’origine decresce e le orbite
√ vengono catturate dalla
circonferenza più interna
√ della corona, avente
√ raggio 2/(4k + 3). Per condizioni
iniziali tali per cui 2/(4k + 5) < ¯ 0 < 2/(4k + 3), ovvero comprese nelle co-
rone circolari complementari alle precedenti, la distanza dall’origine cresce e le
orbite
√ vengono catturate dalla circonferenza più esterna della corona, avente rag-
gio √ 2/(4k + 3). Per fissare le idee, prendiamo x0 = 0 e facciamo variare y0 . Se
¯ 0 > 2 si osserva
√ un rapido
√ allontanamento dall’origine, come riportato in fi-
gura 6.25. Se 2/3 < ¯ 0 < 2 si ottiene √ un rapido collasso verso
√ l’orbita più√ in-
terna, la circonferenza di raggio  = 2/5 (figura 6.26). Se 2/5 √ < ¯ 0 < 2/3
l’orbita viene attratta dalla circonferenza più esterna di raggio  2/3, come mo-
206 6 Sistemi planari non-lineari

Fig. 6.27 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative al
sistema planare nonlineare del problema 6.105 con condizione iniziale
√ (x0 , y0 ) = (0, 0.64). Si noti
il collasso della
√ traiettoria con condizione iniziale ¯
 0 = 0.64 > 2/3 sulla traiettoria periodica di
raggio  = 2/3 ed immediatamente esterna ad essa

Fig. 6.28 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative al
sistema planare nonlineare del problema 6.105 con condizione iniziale (x0 , y0 ) = (0, 0.0703). Si
noti il collasso della traiettoria sulla traiettoria periodica immediatamente esterna ad essa

strato in figura 6.27. Si osservi che, al tendere di k a +∞, le quantità


  
2/(4k + 5), 2/(4k + 3), 2/(4k + 1)

tendono tutte a zero. Questo significa che, per dati iniziali molto piccoli, indipen-
dentemente da dove si parte, ci si avvicina ad una circonferenza prossima alla con-
dizione iniziale. In questo senso, l’origine (che non è un punto di equilibrio) è un
attrattore stabile ma non asintoticamente poiché le traiettorie possono allontanarsi o
avvicinarsi a (0, 0) ma rimangono comunque intrappolate in corone di raggio arbi-
trariamente piccolo. Per esempio, in figura 6.28 è riportato il caso della condizione
iniziale (x0 , y0 ) = (0, 0.0703), che rimane intrappolata nella corona di raggio in-
terno in = 0.0702 e raggio esterno ex = 0.0704, che corrispondono a k = 100.
6.2 Stabilità dell’equilibrio 207

La triettoria viene attratta dalla circonferenza più esterna come si può facilmente
verificare numericamente visualizzando la distanza dall’origine per l’ultimo punto
calcolato. 

Problema 6.106 Si mostri che il sistema differenziale nonlineare



ẋ = x 3 + y 2 x − x − y,
ẏ = y 3 + x 2 y + x − y

ha orbite limitate se i dati iniziali sono presi nel disco unitario centrato nell’origine.
Mostrare che le orbite esplodono in tempo finito per dati iniziali fuori da tale disco.

Soluzione Consideriamo il sistema algebrico degli equilibri



x 3 + y 2 x − x − y = 0,
y 3 + x 2 y + x − y = 0.

Moltiplicando la prima equazione per y e la seconda per x, e facendo la differenza,


si ottiene x 2 + y 2 = 0, da cui segue che l’origine è l’unico punto  di equilibrio.
Scelto il dato iniziale (x0 , y0 ) e introdotto il raggio polare (t) = x 2 (t) + y 2 (t)
definito su un intervallo massimale I = I (x0 , y0 ), moltiplicando la prima equazione
del sistema per x(t), la seconda per y(t), e sommando le equazioni si ottiene il
problema di Cauchy
⎧  
⎨˙ =  2 − 1 ,
#
⎩(0) = x 2 + y 2 ,
0 0

che fornisce l’andamento qualitativo delle orbite del problema originario. Risulta

I (x0 , y0 ) = [0, ∞), per x02 + y02 ≤ 1,

mentre per un certo γ = γ (x0 , y0 ) > 0, si ha

I (x0 , y0 ) = [0, γ ), per x02 + y02 > 1.

La semplice verifica di quest’ultima proprietà è lasciata per esercizio al lettore. La


soluzione  = 1 è stazionaria e corrisponde ad un’orbita periodica per il sistema
(risolvibile esplicitamente in coordinate polari). L’origine (0, 0) è localmente asin-
toticamente stabile per il metodo di Lyapunov, mentre per il principio di LaSalle il
bacino di attrazione è il disco aperto di centro (0, 0) e raggio unitario. Si noti che
la stabilità locale può essere determinata anche per mezzo della linearizzazione, ot-
tenendo autovalori complessi coniugati λ± = −1 ± i, a parte reale negativa (fuoco
stabile). In conclusione, dati iniziali compresi nel cerchio unitario danno origine
a traiettorie limitate che per t → +∞ convergono nell’origine (figura 6.29), men-
tre per un dato iniziale esterno a tale cerchio la soluzione esplode in tempo finito
(figura 6.30). 
208 6 Sistemi planari non-lineari

Fig. 6.29 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative al
sistema planare nonlineare del problema 6.106 con condizione iniziale (x0 , y0 ) = (0, 0.99). Si noti
il collasso della traiettoria sull’origine che risulta, pertanto, un fuoco stabile

Fig. 6.30 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative al
sistema planare nonlineare del problema 6.106 con condizione iniziale (x0 , y0 ) = (0, 1.01). Si noti
l’esplosione della soluzione in tempo finito

Vediamo ora le principali proprietà di un l’insieme ω-limite in Rm .

Problema 6.107 Sia (x1 (t), . . . , xm (t)) : R+ → Rm una soluzione globale (in
avanti) e limitata, ottenuta partendo da un dato iniziale X0 . Dimostrare che l’insieme
ω-limite ω(X0 ) è non vuoto, compatto, connesso, invariante.

Soluzione Il fatto che ω(X0 ) sia non vuoto e compatto segue facilmente dalla defi-
nizione stessa. Per provare che tale insieme è invariante, consideriamo ξ ∈ ω(X0 ) e
sia tj una successione positivamente divergente e tale che xi (tj ) → ξi per j → ∞
per ogni i = 1, . . . , m. Pertanto, fissato t ∈ R, si ha
 
lim x(t + tj ; X0 ) = lim x t; x(tj ; X0 ) = x(t, ξ ),
j →∞ j →∞
6.2 Stabilità dell’equilibrio 209

e quindi x(t, ξ ) appartiene a ω(X0 ), da cui l’invarianza. Proviamo che ω(X0 ) è con-
nesso. Supponiamo per assurdo che sia ω(X0 ) = ω1 (X0 ) ∪ ω2 (X0 ) con ωi (X0 ) non
vuoto, chiuso e ω1 (X0 ) ∩ ω2 (X0 ) = ∅. Allora esistono due insiemi aperti disgiunti
(1) (2)
tali che Ai ⊃ ωi (X0 ) e due successioni divergenti tj , tj tali che
 (1)   (2)  (2) (1) (2)
x tj ; X0 ∈ A1 , x tj ; X0 ∈ A2 , tj < tj < tj +1 .

(1) (2)
Si può quindi trovare una terza successione σj con tj < σj < tj +1 e con

x(σj ; X0 ) ∈
/ A1 ∪ A2 .

La successione (x(σj ; X0 )) avrebbe limite ζ ∈


/ ω(X0 ), ma questo è assurdo. 

Problema 6.108 Calcolare l’insieme ω-limite ω(x0 ) per

ẋ = x(1 − x), x(0) = x0 .

Soluzione Si ottiene facilmente B(1) = (0, +∞), B(0) = {0} e

∀x0 > 1 : α(x0 ) = ∅, α(1) = {1}, ∀x0 < 1 : α(x0 ) = {0},


∀x0 > 0 : ω(x0 ) = {1}, ω(0) = {0}, ∀x0 < 0 : ω(x0 ) = ∅,

che conclude la verifica. 

Problema 6.109 Calcolare l’insieme ω-limite ω(a, b) del sistema



ẋ = −x 3 − y 2 x + x + y,
ẏ = −y 3 − x 2 y − x + y

per un punto (a, b) = (0, 0) nel disco unitario centrato nell’origine.

Soluzione Sia (a, b) ∈ R2 con 0 < a 2 +b2 < 1. Il problema consiste nel determinare
il sottoinsieme di R2
&   '
ω(a, b) = (ξ1 , ξ2 ) ∈ R2 : ∃tj → +∞ : lim x(tj ), y(tj ) = (ξ1 , ξ2 ) ,
j →∞

dove (x(t), y(t)) indica l’orbita del sistema che parte dalla condizione iniziale
x(0) = a e y(0) = b. Riscrivendo il sistema in coordinate polari, si ottengono le
equazioni
  
˙ =  1 − 2 ,
ϑ(t) = ϑ0 − t.
(0) < 1,
La distanza dall’origine (t) è definita per tutti i tempi t > 0 e converge, crescendo,
verso  = 1 dando origine a traiettorie a spirale (con verso orario) che si avvi-
cinano, con velocità angolare costante, alla circonferenza unitaria ((t) → 1 per
210 6 Sistemi planari non-lineari

Fig. 6.31 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative al
sistema planare nonlineare del problema 6.109 con condizione iniziale (x0 , y0 ) = (0, 0.001). Si
noti la natura instabile dell’origine (fuoco instabile) e la natura attrativa della circonferenza unitaria
con centro in (0, 0)

t → +∞). Preso un qualunque punto (ξ1 , ξ2 ) con ξ12 + ξ22 = 1, in coordinate po-
lari si ha (ξ1 , ξ2 ) = (1, ϑ̃) per un opportuno angolo ϑ̃ ∈ [0, 2π). Se consideriamo la
successione di tempi (tj ) ⊂ R+ positivamente divergente e definita ricorsivamente
da

ϑ(tj +1 ) = ϑ(tj ) + 2π,
ϑ(t0 ) = ϑ̃,

allora (x(tj ), y(tj )) = ((tj ), ϑ̃) con (tj ) → 1 per j → ∞. Pertanto


#
 2  2  
lim x(tj ) − ξ1 + y(tj ) − ξ2 = lim 1 − (tj ) = 0,
j →∞ j →∞

e, in conclusione,
 
∀(a, b) ∈ R2 : 0 < a 2 + b2 < 1 =⇒ ω(a, b) = ξ12 + ξ22 = 1 .

In modo simile si può mostrare che


 
∀(a, b) ∈ R2 : a 2 + b2 ≥ 1 =⇒ ω(a, b) = ξ12 + ξ22 = 1 ,

per cui i punti R2 \ {(0, 0)} vengono attratti dalla circonferenza unitaria. Nelle fi-
gure 6.31 e 6.32 sono riportati due esempi con condizione iniziale rispettivamente
interna ed esterna al cerchio unitario con centro nell’origine in cui si evidenzia la
natura attrattiva di tale circonferenza. 

Problema 6.110 Studiare il sistema


  
ẋ = (x − y) x 2 + y 2 − 1 − 2y,
 
ẏ = (y − x) x 2 + y 2 − 1 + 2x.
6.2 Stabilità dell’equilibrio 211

Fig. 6.32 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative al
sistema planare nonlineare del problema 6.109 con condizione iniziale (x0 , y0 ) = (0, 2). Si noti
natura attrativa della circonferenza unitaria con centro nell’origine

Soluzione Risulta

˙ = x ẋ + y ẏ
  
= x 2 − 2xy + y 2 x 2 + y 2 − 1
   
= (x − y)2 x 2 + y 2 − 1 = 2 (cos ϑ − sin ϑ)2 2 − 1 ,

da cui
˙ = (cos ϑ − sin ϑ)2 ( + 1)( − 1).
Pertanto l’origine è un equilibrio localmente asintoticamente stabile, e ammette
come bacino di attrazione il disco unitario centrato nell’origine. Dalla prece-
dente equazione si evince anche che la circonferenza di raggio unitario centrata
nell’origine è un’orbita periodica per il sistema. Si osserva inoltre che

2 ϑ̇ = x ẏ − y ẋ
    
= y2 − x2 x2 + y2 − 1 + 2 x2 + y2
  
= 2 sin2 ϑ − cos2 ϑ 2 − 1 + 22 ,

da cui
 2   
ϑ̇|{(t)=1} = sin ϑ − cos2 ϑ 2 − 1 + 2 {(t)=1} = 2,

e quindi lungo l’orbita periodica si ha velocità angolare costante. Partendo con dati
iniziali esterni al disco unitario le orbite si allontanano dall’origine estinguendosi
in tempo finito, i.e. (t) → +∞ per t → τ , per un opportuno istante τ > 0. Nelle
figure 6.33 e 6.34 sono riportati due esempi con condizione iniziale rispettivamente
interna ed esterna al cerchio unitario con centro nell’origine in cui si evidenzia la
natura repulsiva di tale circonferenza. 
212 6 Sistemi planari non-lineari

Fig. 6.33 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative al
sistema planare nonlineare del problema 6.110 con condizione iniziale (x0 , y0 ) = (0, 0.99999). Si
noti la natura instabile della circonferenza unitaria con centro in (0, 0)

Fig. 6.34 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative al
sistema planare nonlineare del problema 6.110 con condizione iniziale (x0 , y0 ) = (0, 1.001). Si
noti la natura instabile della circonferenza unitaria con centro in (0, 0)

Problema 6.111 Si consideri il sistema


  
ẋ = x − y − x x 2 + y 2 ,
 
ẏ = x + y − y x 2 + y 2 .

Partendo da una condizione iniziale del tipo (x0 , 0), determinare il punto (x1 , 0)
dopo un giro completo dell’orbita attorno all’origine.

Soluzione In coordinate polari (, ϑ) il sistema si riscrive come


 
˙ =  1 − 2 , ϑ̇ = 1,
6.2 Stabilità dell’equilibrio 213

Fig. 6.35 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative al
sistema planare nonlineare del problema 6.111 con condizione iniziale (x0 , y0 ) = (0.1, 0). I pallini
neri si riferiscono alla condizione iniziale e alla soluzione dopo un intervallo di tempo pari a 2π
(un giro completo)

Fig. 6.36 P (r0 ) riferita al


problema 6.111. Si noti che
P (r0 ) tende al valore
asintotico 1 molto
velocemente e che P (r0 ) → 0
quando r0 → 0. Siccome
P (1) = 1, r0 = 1 è un punto
fisso per P

che ammette la soluzione periodica  = 1 e le soluzioni non costanti

1
(t) = # , ϑ(t) = t + ϑ0 .
1 + (0−2 − 1)e−2t

Pertanto, partendo in (0 , ϑ0 ) = (r0 , 0) con r0 < 1, dopo il tempo t = 2π di una


rotazione completa, si ottiene

1
P (r0 ) := (2π) = # .
1 + (r0−2 − 1)e−4π

In figura 6.35 è riportata la soluzione ottenuta partendo da (x0 , y0 ) = (0.1, 0) dove


i pallini pieni segnalano la condizione iniziale e il compimento di un giro completo
(t = 2π ). Si osservi in figura 6.36 come per un valore di r0 prossimo a zero anche
P (r0 ) risulti prossimo a zero, mentre per un valore di r0 prossimo a 1 anche P (r0 )
214 6 Sistemi planari non-lineari

risulti prossimo a 1. Pertanto r0 = 1 è un punto fisso per P , detta anche mappa di


Poincaré. 

Problema 6.112 (Mappa di Poincaré) Sviluppando l’idea del problema 6.111, si


estenda la nozione di mappa di Poincaré ad un contesto più generale.

Soluzione Per un generico sistema di equazioni non lineari del prim’ordine ẋi =
fi (x1 , . . . , xm ), con i = 1, . . . , m, si consideri un iperpiano Σ , di dimensione
(m − 1), che divide lo spazio Rm in due regioni Σ+ e Σ− . Se l’iperpiano Σ
viene scelto opportunamente, la traiettoria del sistema attraversa ripetutamente Σ
passando da Σ+ a Σ− e viceversa. Definiamo sezione di Poincaré l’insieme dei
punti di intersezione tra il flusso del sistema e l’iperpiano Σ . La trasformazione che
mappa un punto della sezione nel successivo è detta mappa di Poincaré e rappre-
senta la mappatura continua di Σ su se stesso. Per il verso di percorrenza dell’orbita
corrispondente ai tempi crescenti si possono avere tre diverse mappe di Poincaré:
la mappa P+ ottenuta considerando come sezione di Poincaré solo l’insieme dei
punti in cui Σ viene attraversato in verso positivo (da Σ− a Σ+ ); la mappa P−
ottenuta attraversando come sezione di Poincaré solo l’insieme dei punti in cui Σ
viene attraversato negativamente (da Σ+ a Σ− ); la mappa P (mappa di Poincaré
a due facce), unione delle due mappe P+ e P− (mappe di Poincaré ad una fac-
cia). La forma delle sezioni e l’esistenza delle mappe P± e P è legata alla partico-
lare scelta dell’iperpiano Σ . Spesso risulta interessante rappresentare graficamente
l’andamento di una delle coordinate di un punto della sezione di Poincaré in fun-
zione di quella del punto precedente (come si è fatto nel problema 6.111 prendendo
come sezione il semiasse x positivo). Quando la sezione di Poincaré a cui si fa ri-
ferimento è quella a doppia faccia il grafico che si ottiene si dice anche mappa di
primo ritorno. 

Per il problema che segue abbiamo seguito la linea contenuta in [17].

Problema 6.113 (Oscillatori armonici e moti quasi-periodici) Siano ω1 , ω2 ∈ R


e consideriamo una coppia di oscillatori armonici senza smorzamento, regolati dal
sistema del second’ordine

ẍ1 = −ω12 x1 ,
ẍ2 = −ω22 x2 .
Studiare l’andamento qualitativo delle orbite nel piano x1 –x2 distinguendo il caso
ω2
∈Q (Orbite periodiche),
ω1

dal caso
ω2
∈R\Q (Orbite quasi-periodiche).
ω1
6.2 Stabilità dell’equilibrio 215

Soluzione Con la posizione yj = ẋj il sistema del second’ordine in R2 si riduce al


sistema differenziale del prim’ordine il R4


⎪ ẋ1 = y1 ,



⎨ẋ2 = y2 ,
⎪ẏ1 = −ω2 x1 ,


⎪ 1

⎩ ẏ2 = −ω22 x2 ,

di matrice
⎡ ⎤
0 0 1 0
⎢ 0 0 0 1⎥
A=⎢
⎣−ω2

1 0 0 0⎦
0 −ω22 0 0
di autovalori ±iω1 e ±iω2 . Con metodi standard di risoluzione dei sistemi lineari,
si ottengono le soluzioni (xi , yi ) : R → R4
⎡ ⎤ ⎡ ⎤
x1 (t) α1 cos ω1 t + β1 sin ω1 t
⎢x2 (t)⎥ ⎢ α2 cos ω2 t + β2 sin ω2 t ⎥
⎢ ⎥ ⎢ ⎥
⎣y1 (t)⎦ = ⎣−α1 ω1 sin ω1 t + β1 ω1 cos ω1 t ⎦ , t > 0,
y2 (t) −α2 ω2 sin ω1 t + β2 ω2 cos ω2 t

al variare dei coefficienti αi , βi ∈ R per i = 1, 2. Come è evidente, ogni singola


componente (xi o yi ) della soluzione è una funzione periodica di periodo 2π/ωi
mentre, in generale, la soluzione completa a quattro componenti non ammette al-
cuna periodicità. Infatti, affinché la soluzione (x1 , x2 , y1 , y2 ) sia periodica di pe-
riodo T devono necessariamente esistere due interi m, n ∈ Z tali che ω1 T = 2πm
e ω2 T = 2πn, condizione che si realizza solo nel caso in cui ω2 /ω1 = n/m ossia
quando il rapporto tra le frequenze è un numero razionale (si veda la figura 6.37).
Per analizzare il caso in cui il rapporto tra le frequenze ω2 /ω1 è un numero
irrazionale trasformiamo il sistema originale del second’ordine in R2 nel seguente
sistema differenziale del prim’ordine il R4 (facendo uso della posizione yi = ẋi /ωi )


⎪ẋ1 = ω1 y1 ,



⎨ẋ2 = ω2 y2 ,

⎪ẏ1 = −ω1 x1 ,



⎩ẏ = −ω x .
2 2 2

Passando in coordinate polari (il punto (xi , yi ) diventa (i , ϑi ) con i > 0 e ϑi ∈
[0, 2π) per i = 1, 2) e utilizzando le formule (vedi problema 6.99)

xi (t)ẋi (t) + yi (t)ẏi (t) = i (t)˙ i (t),
t > 0,
xi (t)ẏi (t) − yi (t)ẋi (t) = i2 (t)ϑ̇i (t),
216 6 Sistemi planari non-lineari

Fig. 6.37 Ritratto di fase per il problema 6.113 con α1 = 1, α2 = 2, β1 = −1 e β2 = −2 e fre-


quenze in rapporto razionale: ω1 /ω2 = 3/5 (sinistra) e ω1 /ω2 = 7/5 (destra). Si noti che x1 (t)
oscilla sempre 5 volte prima di ritornare alla posizione iniziale, mentre x2 (t) oscilla 3 volte nella
prima figura e 5 nella seconda a causa del rapporto tra le frequenze. Inoltre, si noti la diversa
orientazione delle curve dipendentemente da ω1 > ω2 o viceversa

per ogni i = 1, 2, si ha

i (t)˙ i (t) = xi (t)ẋi (t) + yi (t)ẏi (t) = ωi xi (t)yi (t) − ωi yi (t)xi (t) = 0,
i2 (t)ϑ̇i (t) = xi (t)ẏi (t) − yi (t)ẋi (t) = −ωi xi2 (t) − ωi yi2 (t) = −ωi i2 (t),

per cui il sistema precedente si riduce semplicemente a




⎪˙ 1 = 0,

⎨˙ = 0,
2

⎪ϑ̇ 1 = −ω1 ,


ϑ̇2 = −ω2 .

Per fissare le idee possiamo ragionare sulle circonferenze di raggio unitario, 1 =


2 = 1 riducendo l’analisi al sistema nei due angoli ϑi

ϑ̇1 = −ω1 ,
ϑ̇2 = −ω2 ,

con soluzione ϑi (t) = ϑi0 − ωi t, per un dato angolo iniziale ϑi0 ∈ [0, 2π). Geo-
metricamente conviene pensare ad un’orbita che si muove sul toro T = S1 × S1
(S1 denota il disco unitario di R2 ) di raggi unitari in cui la posizione del punto viene
determinata dalla coppia di angoli (ϑ1 , ϑ2 ), come riportato in figura 6.38.
Si può dimostrare che, se ω2 /ω1 è un numero irrazionale, le traiettorie non
sono periodiche ma ritornano continuamente molto vicino alla posizione iniziale
all’aumentare del tempo a causa della densità delle soluzioni sul toro. Questo com-
portamento è noto in letteratura come quasi-periodicità. Proviamo a fornire una
6.2 Stabilità dell’equilibrio 217

Fig. 6.38 Toro con


circonferenze di raggio
unitario e verso di
percorrenza degli angoli ϑ1
e ϑ2

giustificazione di questo fatto. Con riferimento alla figura 6.38, consideriamo la


circonferenza che corrisponde a ϑ1 = 0 e supponiamo di voler definire la rela-
tiva mappa di Poincaré P , secondo l’idea introdotta nel problema 6.111. Pren-
diamo quindi un generico punto su tale circonferenza corrispondente a ϑ2 = ξ0 e
seguiamone l’evoluzione fintanto che il sistema ritorna a ϑ1 = 2π (nel frattempo
ϑ2 può assumere varie volte il valore 2π durante il tragitto). La mappa di Poin-
caré P assegna al valore ξ0 il valore dell’angolo ϑ2 che corrisponde al ritorno
del sistema a ϑ1 = 0 = −2π . Supponiamo che questo avvenga dopo un certo
tempo T0 , ossia ϑ1 (T0 ) = −2π . Allora dalla formula ϑ1 (t) = −ω1 t (si ricordi
che ϑ10 = ϑ1 (0) = 0) si deve avere T0 = 2π/ω1 e quindi, da ϑ2 (t) = ξ0 − ω2 t (si
ricordi che ϑ20 = ϑ2 (0) = ξ0 ) la mappa P : {ϑ1 = 0} → {ϑ1 = 0} è definita po-
nendo
ω2
P (ξ0 ) := ϑ2 (T0 ) = ξ0 − ω2 T0 = ξ0 − 2π , (modulo 2π).
ω1

Pertanto la mappa di Poincaré sulla sezione {ϑ1 = 0} ruota i punti sulla circon-
ferenza di un angolo pari a 2π ωω21 . In tal modo rimane definita la successione per
ricorrenza
ξn = P (ξn−1 ), n ≥ 1, ξ0 := ξ0 ,
che rappresenta l’orbita discreta di ξ0 sotto l’effetto iterativo della mappa di Poin-
caré P . Se ω2 /ω1 è un numero irrazionale, per ogni ξ0 , l’orbita ξn è densa
sulla circonferenza {ϑ1 = 0}, ossia, dato η sulla circonferenza e dato un qua-
lunque ε > 0, esiste un punto ξn (a meno di un angolo 2π ) dell’orbita tale che
|ξn − η| < ε. A causa dell’irrazionalità di ω2 /ω1 , l’orbita (ξn ) costituisce un in-
sieme infinito. Pertanto, devono esistere due punti ξn e ξm (modulo 2π ) che di-
stano tra loro meno di ε, |ξn − ξm | < ε. Applicando a questi punti n-rotazioni ot-
teniamo i punti ξ0 e ξm−n , da cui |ξ0 − ξm−n | < ε. Procedendo induttivamente, ri-
sulta
|ξk(m−n) − ξ(k−1)(m−n) | < ε, per ogni k ≥ 1.
218 6 Sistemi planari non-lineari

Fig. 6.39 Ritratto di fase per il problema √ 6.113 con α1 = 1, α2 = 2, β1 = −1 e β2 = −2 e fre-


quenze in rapporto non razionale ω1 /ω2 = 3/3 al variare del tempo di integrazione. Si noti come
il piano delle fasi venga via via riempito dalle traiettorie

Ogni elemento ξk(m−n) della successione (rispetto a k) appena definita è la rotazione


del precedente ξ(k−1)(m−n) di un angolo pari a 2π(m − n)ω2 /ω1 . Si deve quindi po-
ter trovare un punto dell’orbita che dista dal punto η meno di ε, da cui la densità
desiderata. In figura 6.39 sono riporte le soluzioni per frequenze in rapporto non
razionale, note anche come curve o figure di Lissajous. Si noti che, all’aumentare
del tempo di integrazione, il piano delle fasi viene via via riempito dalle traiettorie
che sono, pertanto, dense. 

Problema 6.114 Studiare il sistema


  
ẋ = y + x x 2 + y 2 − 1 ,
 
ẏ = −x + y x 2 + y 2 − 1 .

Soluzione L’unico punto di equilibrio del sistema è l’origine. Procedendo con


l’analisi del sistema via linearizzazione, si ottiene la matrice Jacobiana
6.2 Stabilità dell’equilibrio 219

Fig. 6.40 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative al
sistema planare nonlineare del problema 6.114 con condizione iniziale (x0 , y0 ) = (0, 0.99999).
Si noti la natura instabile della circonferenza unitaria con centro in (0, 0) e la natura stabile
dell’origine (fuoco stabile)

 
y 2 + 3x 2 − 1 2xy + 1
J (x, y) = ,
2xy − 1 3y 2 + x 2 − 1

che calcolata nell’origine si riduce a


 
−1 1
J (0, 0) = .
−1 −1

Essa ammette due autovalori complessi coniugati λ± = −1 ± i, con parte reale nega-
tiva e, pertanto, l’origine risulta essere, localmente, un fuoco stabile. Inoltre, i punti
della circonferenza con centro nell’origine e raggio unitario formano un’orbita pe-
riodica instabile. Per verificarlo, basta moltiplicare la prima equazione per x, la
seconda per y, e sommare membro a membro le due equazioni ottenute. Si ottiene
così, in coordinate polari, l’equazione ordinaria

˙ = ( + 1)( − 1).

La funzione (t) risulta decrescente per  < 1 e crescente per  > 1, pertanto le tra-
iettorie collassano nell’origine se il dato iniziale ha distanza da (0, 0) minore di 1,
mentre esplodono in tempo finito se si parte da dati iniziali con distanza dall’origine
maggiore di 1 (fuori dal disco unitario). Da queste considerazioni si deduce facil-
mente che la circonferenza unitaria è un’orbita instabile. La soluzione non esiste
per tempi grandi e, numericamente, si può determinare il tempo di blow up. In fi-
gura 6.40 si evidenzia la natura dell’origine come fuoco stabile, così come la na-
tura instabile dell’orbita periodica x 2 + y 2 = 1. Le figure 6.41 e 6.42 si riferiscono
entrambe a condizioni iniziali esterne al cerchio unitario con centro nell’origine e
testimoniano la divergenza del sistema in tempo finito. Si noti, confrontandole, che
il tempo di blow-up diminuisce al crescere della distanza della condizione iniziale
dall’origine. 
220 6 Sistemi planari non-lineari

Fig. 6.41 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative al
sistema planare nonlineare del problema 6.114 con condizione iniziale (x0 , y0 ) = (0, 1.01). Si noti
la natura instabile della circonferenza unitaria con centro in (0, 0)

Fig. 6.42 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative al
sistema planare nonlineare del problema 6.114 con condizione iniziale (x0 , y0 ) = (0, 2). Si noti
la diminuzione del tempo di blow-up all’umentare della distanza della condizione iniziale dalla
circonferenza unitaria con centro in (0, 0)

Problema 6.115 Dato il sistema differenziale


  
ẋ = x − xϕ x 2 + y 2 ,
 
ẏ = y − yϕ x 2 + y 2 ,

si studi la stabilità dei suoi punti di equilibrio supponendo che ϕ : R+ → R+ sia una
funzione continua e crescente tale che

lim ϕ(r) < 1 < lim ϕ(r).


r→0+ r→+∞

Soluzione L’origine è un punto di equilibrio indipendentemente da ϕ(r). Moltipli-


cando la prima equazione del sistema per x, la seconda per y e sommando le due
6.2 Stabilità dell’equilibrio 221

equazioni ottenute, si ottiene


      
˙ = x 2 + y 2 1 − ϕ x 2 + y 2 = 2 1 − ϕ 2 ,

per cui  soddisfa l’equazione ordinaria in 


  
˙ =  1 − ϕ 2 .

Inoltre,
     
2 ϑ̇ = x ẏ − y ẋ = xy 1 − ϕ x 2 + y 2 − yx 1 − ϕ x 2 + y 2 = 0,

per cui ϑ si deve mantenere costante. Tenuto conto delle condizioni di limite agli
estremi del dominio della funzione ϕ, esiste un opportuno valore 0 > 0 tale che
ϕ(02 ) = 1, per cui tutti i punti (0 , ϑ0 ) sulla circonferenza di raggio 0 al variare
dell’angolo ϑ0 sono punti di equilibrio per il sistema. Tale valore di 0 deve essere
unico essendo la funzione ϕ monotona crescente. Si noti che dividendo le equazioni
del sistema (partendo da dati iniziali che non siano stazionari), si ha
ẏ y
y = =
ẋ x
che ammette come soluzioni il fascio proprio di rette y = Cx, C ∈ R. Le orbite
che partono all’interno del disco di raggio 0 sono quindi segmenti che collegano
l’origine con i punti della circonferenza di raggio 0 cosìcome le orbite che par-
tono fuori da disco sono segmenti che collegano la condizione iniziale con i punti
della circonferenza di raggio 0 . I punti di equilibrio sulla circonferenza sono sta-
bili, mentre l’origine è instabile, come si può verificare linearizzando il sistema
nell’intorno di essa. Le figure 6.43 e 6.44, ottenute per ϕ(r) = r 3 e nelle quali è
riportata anche la circonferenza in questione, riassumono graficamente tutte queste
caratteristiche. 

Problema 6.116 Studiare il sistema



ẋ = y,
 
ẏ = 1 − x 2 − y 2 y − x.

Soluzione L’unico punto di equilibrio è l’origine. Per capirne la natura basta proce-
dere con l’analisi agli autovalori del sistema linearizzato attorno ad essa. La matrice
Jacobiana
 
0 1
J (x, y) =
−2xy − 1 −3y 2 − x 2 + 1
calcolata nell’origine è
 
0 1
J (0, 0) =
−1 1
222 6 Sistemi planari non-lineari

Fig. 6.43 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative
al sistema planare nonlineare del problema 6.115 con ϕ(r) = r 3 e con condizione iniziale
(x0 , y0 ) = (−0.01, 0.01). Si noti la natura instabile dell’origine, la natura stabile della circonfe-
renza unitaria con centro in (0, 0), e il fatto che le traiettorie interne al cerchio sono segmenti che
congiungono il centro ai punti della circonferenza stessa

Fig. 6.44 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative
al sistema planare nonlineare del problema 6.115 con ϕ(r) = r 3 e con condizione iniziale
(x0 , y0 ) = (1.5, −1.5). Si noti la natura stabile della circonferenza unitaria con centro in (0, 0),
e il fatto che le traiettorie con condizione iniziale esterna al cerchio sono segmenti che congiun-
gono la condizione iniziale ai punti della circonferenza stessa


ed ammette i due autovalori complessi λ± = 1/2 ± i 3/2, entrambi con parte
reale positiva. Pertanto l’origine è, localmente, un fuoco instabile. Studiamo ora
l’equazione differenziale ordinaria della distanza dall’origine  ricavata moltipli-
cando la prima equazione per x, la seconda per y, e sommandole

1 − 2
˙ = y 2 .

L’unica orbita per la quale ˙ = 0 è la circonferenza unitaria con centro nell’origine.
Siccome la distanza dall’origine aumenta per condizioni iniziali interne a tale cir-
6.2 Stabilità dell’equilibrio 223

Fig. 6.45 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative al
sistema planare nonlineare del problema 6.116 con condizione iniziale (x0 , y0 ) = (10−4 , 10−4 ). Si
noti la natura instabile dell’origine (fuoco instabile) e la natura stabile della circonferenza unitaria
con centro in (0, 0)

Fig. 6.46 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative al
sistema planare nonlineare del problema 6.116 con condizione iniziale (x0 , y0 ) = (0, 2). Si noti la
natura stabile della circonferenza unitaria con centro in (0, 0)

conferenza e diminuisce per condizioni iniziali esterne, la circonferenza unitaria è


un ciclo stabile. Le figure 6.45 e 6.46 mostrano l’andamento delle soluzioni sopra
descritto. 

Problema 6.117 Studiare il sistema non lineare



ẋ = −x 2 ,
ẏ = −y 2 .
224 6 Sistemi planari non-lineari

Soluzione Il sistema è disaccoppiato e ciscuna delle equazioni è a variabili separa-


bili con rispettive soluzioni
x0 x0
x(t) = , y(t) = ,
1 + x0 t 1 + y0 t
dove (x0 , y0 ) è il dato iniziale. Se x0 > 0 e y0 > 0 la soluzione è definita per tutti
i tempi t ≥ 0, con x(t) → 0 e y(t) → 0 per t → ∞. Se x0 < 0 oppure y0 < 0 la
soluzione è definita sull’intervallo di tempo finito [0, −x0−1 ) o [0, −y0−1 ). Se x0 < 0
e y0 < 0 la soluzione è definita sull’intervallo
  
0, min −y0−1 , −x0−1 .

Si osservi che l’origine (0, 0) è l’unico punto di equilibrio del sistema, ma è instabile
poiché il campo di flusso punta sempre verso sud-ovest (ẋ e ẏ sono sempre negative)
e quindi le triettorie nel terzo quadrante si allontanano certamente da essa. 

Problema 6.118 Si studi il sistema non lineare



ẋ = −y 2 ,
ẏ = −x 2 .

Soluzione L’origine (0, 0) è l’unico punto di equilibrio ed è instabile per lo stesso


motivo del problema 6.117. Si ricava facilmente l’equazione delle traiettorie
3
y = x 3 + C, C ∈ R,

definite per ogni t ∈ R. 

Problema 6.119 Studiare il sistema non lineare


  
ẋ = 16(y − 1) x 2 − y 2 − 1 ,
 
ẏ = −x x 2 − y 2 − 1 .

Soluzione L’iperbole
√ x 2 −√y 2 = 1 è un luogo di punti di equilibrio. Inoltre, anche
i punti (0, 1), ( 2, 1), (− 2, 1) sono punti di equilibrio. Osserviamo inoltre che,
partendo con dati iniziali non di equilibrio, risulta

ẏ −x(x 2 − y 2 − 1) −x
y  (x) = = = ,
ẋ 16(y − 1)(x 2 − y 2 − 1) 16(y − 1)
2
per cui si ha 8(y − 1)2 + x2 = C 2 , al variare di C ∈ R, ossia una famiglia di ellissi in
forma canonica centrate nel punto (0, 1) con assi di lunghezza variabile con C. A se-
conda dei valori di C si ottengono orbite chiuse ellittiche (per C piccoli), due tratti di
orbita sull’ellisse, e infine quattro tratti di orbite sull’ellisse, per valori grandi di C.
Come si evince dall’equazione, x = 0 è il luogo dei punti a tangente orizzontale,
mentre y = 1 è il luogo dei punti a tangente verticale. 
6.3 Esistenza di orbite periodiche 225

6.3 Esistenza di orbite periodiche


6.3.1 Sistemi conservativi e Hamiltoniani

Definizione 6.120 Un sistema differenziale si dice conservativo, quando esiste un


integrale primo del moto, ossia una funzione Θ : R2 → R di classe C 1 tale che
 
Θ̇ x(t), y(t) = 0, t > 0,
per ogni soluzione {t → (x(t), y(t))} del sistema.

Vediamo una sottoclasse notevole dei sistemi conservativi.

Definizione 6.121 (Sistemi Hamiltoniani) Sia H : R2 → R una funzione di


classe C 1 . I sistemi differenziali della forma



∂H
⎨ẋ = (x, y),
∂y
(6.122)


⎩ẏ = − ∂H (x, y)
∂x
si dicono sistemi Hamiltoniani e la funzione H si dice Hamltoniana del sistema.

Problema 6.123 Verificare che l’Hamiltoniana H è un integrale primo del moto per
il sistema (6.122).

Soluzione Risulta
  ∂H   ∂H  
Ḣ x(t), y(t) = x(t), y(t) ẋ(t) + x(t), y(t) ẏ(t)
∂x ∂y
∂H   ∂H  
= x(t), y(t) x(t), y(t)
∂x ∂y
∂H   ∂H  
− x(t), y(t) x(t), y(t) = 0,
∂y ∂x
per ogni t > 0, da cui la tesi. 

È utile ricordare che le orbite di un sistema Hamiltoniano corrispondono alle


linee di livello della funzione Hamiltoniana, ossia
 
H x(t), y(t) = C, ∀t > 0, C = H(x0 , y0 ).

Problema 6.124 Siano Ω ⊂ R2 un dominio semplicemente connesso e


f, g : Ω → R due funzioni di classe C 1 . Verificare che il sistema (6.33) è Ha-
miltoniano se e soltanto se
∂f ∂g
(x, y) = − (x, y), ∀(x, y) ∈ Ω.
∂x ∂y
226 6 Sistemi planari non-lineari

Soluzione Supponiamo che valga la condizione sulle derivate parziali e conside-


riamo la forma differenziale lineare ω : Ω → (Ω) di classe C 1 definita ponendo

ω(x, y) = −g(x, y)dx + f (x, y)dy, (x, y) ∈ Ω.

La forma risulta chiusa, essendo per ipotesi

∂ ∂
(−g)(x, y) = f (x, y), ∀(x, y) ∈ Ω.
∂y ∂x

Siccome ω è definita su un dominio semplicemente connesso (1-connesso), essa


risulta automaticamente esatta. Pertanto esiste una funzione H di classe C 1 (Ω) tale
che ω = dH, ovvero

∂H ∂H
−g(x, y)dx + f (x, y)dy = ω(x, y) = dH(x, y) = (x, y)dx + (x, y)dy,
∂x ∂y

da cui risulta
∂H ∂H
g=− , f= ,
∂x ∂y
che equivale a dire che il sistema in questione è Hamiltoniano. Viceversa, se il si-
stema è Hamiltoniano, per il Lemma di Schwarz deve valere la condizione sulle
derivate parziali. 

Come vediamo nel seguente esempio, l’ipotesi che il dominio Ω sia semplice-
mente connesso è essenziale per la validità del risultato.

Problema 6.125 Consideriamo il sistema definito sul dominio R2 \ {(0, 0)}


⎧ x

⎨ẋ = − x 2 + y 2 ,

⎩ẏ = − y
.
x2 + y2

Verificare che il sistema non è Hamiltoniano pur essendo


   
∂ x x2 − y2 ∂ y
− 2 = = − − ,
∂x x + y2 (x 2 + y 2 )2 ∂y x2 + y2

per ogni (x, y) ∈ R2 \ {(0, 0)}.

Soluzione Basta osservare che la forma differenziale ω su R2 \ {(0, 0)}


y x
ω(x, y) = dx − 2 dy
x2 +y 2 x + y2
6.3 Esistenza di orbite periodiche 227

non è esatta, poiché esiste una curva regolare chiusa (la circonferenza unitaria cen-
trata nell’origine, γ (t) = (cos t, sin t) con t ∈ [0, 2π)) che circonda l’origine (0, 0)
con integrale curvilineo non nullo,
2π  
ω= − sin2 t − cos2 t dt = −2π = 0.
γ 0

Naturalmente questo è dovuto al fatto che la forma differenziale è definita su un


dominio non semplicemente connesso. 

Problema 6.126 Esibire un esempio di sistema differenziale conservativo ma non


Hamiltoniano.

Soluzione Consideriamo il classico modello preda-predatore di Lotka-Volterra



ẋ = x − xy,
ẏ = −y + xy.

Si noti che
∂ ∂
(x − xy) = 1 − y = 1 − x = − (−y + xy),
∂x ∂y
per cui il sistema non è Hamiltoniano. Si osservi che il sistema può essere riscritto
come

ẋ = x(1 − y),
ẏ = y(−1 + x),
da cui si ottiene l’equazione del prim’ordine a variabili separabili

y(x − 1)
y = ,
x(1 − y)
ossia
   
1 1
− 1 dy = 1 − dx.
y x
Pertanto la funzione I (x, y) = ln |xy| − x − y è un integrale primo del moto, ovvero
il sistema dato è conservativo. 

Problema 6.127 (Stabilità locale di sistemi Hamiltoniani) Sia H : R2 → R una fun-


zione Hamiltoniana di classe C 2 per il sistema



∂H
⎨ẋ = (x, y),
∂y


⎩ẏ = − ∂H (x, y).
∂x
228 6 Sistemi planari non-lineari

Supponendo che (x∗ , y∗ ) sia un punto di massimo o di minimo locale per H, veri-
ficare che (x∗ , y∗ ) è un punto di equilibrio localmente stabile (non asintoticamente)
per il sistema. Supponendo che (x∗ , y∗ ) sia un punto di sella per H, verificare che
(x∗ , y∗ ) è un punto di equilibrio instabile per il sistema.

Soluzione In tutti i casi il punto (x∗ , y∗ ), essendo un punto critico per l’Hamiltoni-
ana, deve essere di equilibrio per il sistema. Geometricamente, siccome le orbite
del sistema sono le curve di livello della funzione H, ai massimi e ai minimi lo-
cali devono corrispondere orbite localmente chiuse, che sono soluzioni periodiche
stabili (anche se non asintoticamente), mentre ad un punto di sella di H devono cor-
rispondere orbite aperte instabili. Le stesse conclusioni possono essere ottenetu via
linearizzazione. La matrice Jacobiana del sistema è
⎡ 2 ⎤
∂ H ∂2H
(x ∗ , y ∗ ) (x ∗ , y ∗ )
J (x∗ , y∗ ) = ⎣ 2 ⎦,
∂x∂y ∂y 2

∂ H ∂2H
− ∂x 2 (x∗ , y∗ ) − ∂y∂x (x∗ , y∗ )

pertanto, se det J (x∗ , y∗ ) = 0, l’equazione degli autovalori si riduce a

λ2 + det J (x∗ , y∗ ) = 0.

Se HesH (x∗ , y∗ ) è matrice Hessiana di H in (x∗ , y∗ ),


⎡ 2 ⎤
∂ H ∂2H
(x ∗ , y ∗ ) (x ∗ , y ∗ )
HesH (x∗ , y∗ ) = ⎣ 2 ⎦,
∂x 2 ∂y∂x
∂ H ∂2H
∂x∂y (x ∗ , y ∗ ) ∂y 2 (x ∗ , y ∗ )

allora det J (x∗ , y∗ ) = det HesH (x∗ , y∗ ). Pertanto, se (x∗ , y∗ ) è di massimo o di mi-
nimo per H allora det J (x∗ , y∗ ) > 0, per cui gli autovalori sono immaginari puri e
le orbite corrispondenti sono periodiche e stabili (anche se non asintoticamente). Se
invece (x∗ , y∗ ) è un punto di sella per H allora det J (x∗ , y∗ ) < 0, gli autovalori sono
reali e di segno opposto, ed il punto di equilibrio è instabile. 

Vediamo ora un’utile proprietà geometrica dei sistemi differenziali autonomi,


con un interessante corollario per il sistemi Hamiltoniani.

Problema 6.128 (Teorema di Liouville) Sia D0 una regione limitata e regolare di


Rn di cui consideriamo l’evoluzione nel tempo di D0 ,
+
D(t) = Φ(t)(D0 ) = Φ(t, x),
x∈D0

tramite un sistema differenziale autonomo ẋ = f (x) in Rn . Mostrare che



d
V (t) = div f (x)dx, t > 0. (6.129)
dt D(t)
6.3 Esistenza di orbite periodiche 229

Soluzione Se V (t) indica il volume (in R3 , altrimenti l’area in R2 , etc.) racchiuso


dalla regione evoluta D(t) = Φ(t)(D0 ) al generico istante di tempo t > 0, per defi-
nizione di integrale è

V (t) = dx.
Φ(t)(D0 )

Per λ ∈ R+ , tenuto conto del fatto che il sistema è autonomo, si ha



V (t + λ) = dx
Φ(t+λ)(D0 )

= dx
Φ(λ)(Φ(t)(D0 ))
  
 
= det ∂Φ(λ, x) dx,
 ∂x 
Φ(t)(D0 )

dove, rispetto al resto del testo, ∂Φ(λ)/∂x denota qui la matrice Jacobiana del si-
stema all’istante λ. D’altra parte, per ogni x ∈ Rn , risulta anche
t
 
Φ(t, x) = x + f Φ(σ, x) dσ,
0

da cui segue
 
∂ ∂Φ(λ, x)  ∂f (Φ(λ, x))  ∂f
= = (x).
∂λ ∂x λ=0 ∂x 
λ=0 ∂x
Pertanto
   
∂Φ(λ, x) ∂f
det = det I + λ (x) + o(λ)
∂x ∂x

n
∂fi
=1+λ (x) + o(λ)
∂xi
i=1

= 1 + λ div f (x) + o(λ),

per λ → 0, che combinato con le formule precedenti fornisce



 
V (t + λ) = 1 + λ div f (x) + o(λ) dx, per λ → 0.
Φ(t)(D)

Utilizzando la definizione di derivata si ha infine


V (t + λ) − V (t)
V̇ (t) = lim
λ→0 λ
0
Φ(t)(D) |1 + λ div f (x) + o(λ)|dx − V (t)
= lim
λ→0 λ
230 6 Sistemi planari non-lineari
0
Φ(t)(D) [|1 + λ div f (x) + o(λ)| − 1]dx
= lim
λ→0 λ

o(λ)
= div f (x)dx + lim
Φ(t)(D) λ→0 λ

= div f (x)dx,
Φ(t)(D)

ossia la proprietà desiderata. 

Problema 6.130 Provare che il flusso di un sistema Hamiltoniano conserva i vo-


lumi.

Soluzione Questa è un’immediata conseguenza del teorema di Liouville (pro-


blema 6.128) dovuta al fatto che i sistemi Hamiltoniani hanno divergenza nulla a
causa della loro struttura variazionale. 

Problema 6.131 Supponendo che per un sistema differenziale planare del tipo
ẋ = f (x) sia div f > 0 oppure div f < 0, provare che non possono esistere orbite
periodiche.

Soluzione Supponiamo per assurdo che esista un’orbita periodica x̃ : R → R2 di


periodo T , ossia x̃(t) = x̃(t +T ), per ogni t > 0. Denotando con D0 ⊂ R2 la regione
del piano racchiusa dalla curva (chiusa) x̃, x̃ = ∂D0 , la formula di Liouville assicura
che l’area della regione D(t) evoluta di D0 è in continuo aumento (se div f > 0)
oppure in continua diminuzione (se div f < 0), ovvero
       
V D(t) < V D(s) oppure V D(t) > V D(s) , per ogni t > s ≥ 0.

Partendo con dati iniziali in D0 , tuttavia, le orbite del sistema rimangono all’interno
di D0 non potendo intersecare la soluzione periodica x̃ che descrive ∂D0 . Pertanto
V (D(t)) = V (D0 ), ma questo è in contraddizione con il fatto che il volume debba
aumentare o diminuire. Si noti che tale ragionamento è possibile perchè nel piano
una curva chiusa regolare racchiude un dominio regolare di R2 . 

Problema 6.132 (Moto su una guida unidimensionale senza attrito) Studiare il


moto di un punto materiale di massa m che si muove su una guida rettilinea in
assenza di dissipazioni, dove il potenziale ϕ : R → R è una funzione di classe C 2 .

Soluzione L’equazione del moto è mẍ = −ϕ  (x), dove ϕ è il potenziale. Ponendo


per semplicità m = 1, si ha

ẋ = y,
ẏ = −ϕ  (x).
6.3 Esistenza di orbite periodiche 231

Si verifica facilmente che il sistema è Hamiltoniano con Hamiltoniana

y2
H(x, y) = + ϕ(x), ∀(x, y) ∈ R2 .
2
Si noti che i punti critici di H sono nella forma (x∗ , 0) con x∗ punto critico di ϕ, e
che la matrice Hessiana del sistema è
  
ϕ (x∗ ) 0
HesH (x∗ , 0) = .
0 1

Pertanto, se ϕ  (x∗ ) > 0, ossia se ϕ possiede un punto di minimo locale in x∗ , allora


la matrice Hessiana è definita positiva e H ha in (x∗ , 0) un punto di minimo lo-
cale, a cui corrispondono orbite periodiche stabili (non asintoticamente). Se invece
ϕ  (x∗ ) < 0, ovvero ϕ possiede un punto di massimo locale in x∗ , allora la matrice
Hessiana è indefinita e H ha una sella in (x∗ , 0), la quale corrisponde ad un punto
di equilibrio instabile per il sistema. 

Problema 6.133 Con riferimento al moto ẍ = −ϕ  (x), si studi il caso ϕ(x) =


x 4 − x 2 e si disegni il relativo diagramma di fase.

Soluzione Sostituendo ϕ(x) = x 4 − x 2 nei calcoli del problema 6.132 si ha ϕ  (x) =


2
2x(2x 2 − 1), ϕ  (x) = 12x 2 − 2 e H(x, y) = y2 + x 4 − x 2 . Posto il sistema nella
forma

ẋ = y,
 
ẏ = −2x 2x 2 − 1

i punti di equilibrio sono (0, 0), (± 22 , 0) nei quali la matrice Hessiana vale rispeti-
vamente
   √   
−2 0 2 4 0
HesH (0, 0) = e HesH ± ,0 = .
0 1 2 0 1

L’origine

è quindi una sella per H ed è instabile per il sistema, mentre i punti
(± 22 , 0) sono dei minimi locali per H e quindi dei punti di equilibrio stabile (cen-
tri) per il sistema. In figura 6.47, dove sono riportati il campo di flusso (sinistra) ed
alcune traiettorie (destra), si osserva anche la presenza di due orbite omocline che
collegano l’origine con se stessa. 

Problema 6.134 (Moto su una guida piana senza attrito) Studiare il moto di un
punto materiale di massa m che si muove su una guida piana senza attrito di coordi-
nate (x, ϕ(x)), dove ϕ : R → R è una funzione di classe C 3 .

Soluzione La posizione del punto nel sistema di coordinate cartesiane (x, y) è data
dal vettore x = (x, ϕ(x)) con velocità ẋ = (ẋ, ϕ  (x)ẋ). Pertanto, l’energia cinetica e
232 6 Sistemi planari non-lineari

Fig. 6.47 Campo di flusso (sinistra) ed alcune traiettorie (destra) relativi al sistema planare non-
lineare
√ del problema 6.133. Si osservi la natura instabile dell’origine, la natura stabile dei centri
(± 2/2, 0) e la presenza di due orbite omocline che connettono l’origine con se stessa

potenziale sono date da

1  
E = T + U, T = mẋ 2 1 + ϕ  (x)2 , U = mgϕ(x).
2
Dalla conservazione dell’energia meccanica si ricava
 
0 = Ė = mẋ ẍ 1 + ϕ  (x)2 + ẋ 2 ϕ  (x)ϕ  (x)ẋ + mgϕ  (x)ẋ,

da cui, ponendo per semplicità g = 1, si ottiene


 
ẍ 1 + ϕ  (x)2 + ẋ 2 ϕ  (x)ϕ  (x) + ϕ  (x) = 0,

e quindi
1 + ϕ  (x)ẋ 2
ẍ = −ϕ  (x) .
1 + ϕ  (x)2
Riscrivendo l’equazione in forma di sistema nel piano delle fasi (si noti che y, da
qui in avanti, non denota la posizione verticale del punto ma y = ẋ), si ha


⎨ẋ = y,
1 + ϕ (x)y  2

⎩ẏ = −ϕ  (x) .
1 + ϕ  (x)2

Gli unici punti di equilibrio sono forniti dal sistema



y = 0,
ϕ  (x) = 0,
6.3 Esistenza di orbite periodiche 233

e sono i punti di massimo, di minimo o di sella per la guida piana. La matrice


Jacobiana del sistema è
 
0 1
J (x) =  y 2  2  y 2 −2ϕ  ϕ  (1+ϕ  y 2 ) −2yϕ  ϕ  ,
−ϕ  1+ϕ
1+(ϕ  )2
− ϕ  (1+(ϕ ) )ϕ(1+(ϕ  )2 )2 1+(ϕ  )2

e nei punti di equilibrio (ξ, 0) con ϕ  (ξ ) = 0 si riduce a


 
0 1
J (ξ ) = ,
−ϕ  (ξ ) 0

con autovalori λ± che soddisfano λ2± + ϕ  (ξ ) = 0. Pertanto, per il sistema linea-


rizzato, se ϕ  (ξ ) > 0 si ha un centro, mentre se ϕ  (ξ ) < 0 si ha una sella per il si-
stema linearizzato, e quindi anche per il sistema originale. La dinamica del sistema
è quindi simile a quella unidimensionale conservativa. 

Problema 6.135 (Guida unidimensionale con dissipazione) Studiare il moto di un


punto materiale di massa m che si muove su una guida unidimensionale in presenza
di attrito con potenziale ϕ : R → R di classe C 2 .

Soluzione Il contributo della dissipazione è proporzionale alla velocità, −σ ẋ. Per-


tanto, l’equazione del moto è ẍ = −ϕ  (x) − σ ẋ e riscritta in forma di sistema nel
piano delle fasi equivale a

ẋ = y,
ẏ = −ϕ  (x) − σy.

Come nel caso non dissipativo, gli unici punti di equilibrio sono della forma (x∗ , 0)
dove x∗ è un punto di massimo, di minimo o di sella per ϕ. La matrice Jacobiana
del sistema nei punti di equilibrio (x∗ , 0) è
 
0 1
J (x∗ ) = ,
−ϕ  (x∗ ) −σ

con autovalori λ± pari a



−σ ± σ 2 − 4ϕ  (x∗ )
λ± = .
2

Se ϕ  (x∗ ) < 0, gli autovalori sono reali e di segno opposto, per cui (x∗ , 0) è un
punto di sella. Se invece ϕ  (x∗ ) > 0 distinguendo due casi. Per σ 2 < 4ϕ  (x∗ ) gli
autovalori sono complessi coniugati con parte reale strettamente negativa e i punti
sono, localmente, dei fuochi stabili. Per σ 2 > 4ϕ  (x∗ ) gli autovalori sono reali e
strettamente negativi e, localmente, si hanno dei nodi stabili. 
234 6 Sistemi planari non-lineari

6.3.2 Teoremi di Dulac e Poincaré-Bendixson

In questa sezione sono riportati alcuni problemi nei quali vengono utilizzati i criteri
di Poincaré-Bendixson e Dulac per garantire rispettivamente l’esistenza o la non
esistenza di orbite periodiche.

Problema 6.136 Applicare il criterio di Dulac al sistema lineare



ẋ = ax + by,
ẏ = cx + dy,

con a, b, c, d ∈ R.

Soluzione Consideriamo le funzioni f (x, y) = ax + by e g(x, y) = cx + dy. Posto


Ψ = (f, g), risulta div Ψ (x, y) = a + d, per ogni x, y ∈ R2 . Pertanto, se a + d = 0,
per il criterio di Dulac, non possono esistere orbite periodiche nell’intero piano R2 .
Se a + d = 0 non si può dire nulla. Se, ad esempio, a = d = 0, b = 1 e c = −1, si
ottiene il sistema

ẋ = y,
ẏ = −x,

che ammette orbite periodiche circolari x 2 + y 2 = C, al variare di C > 0; se invece,


ad esempio, a = d = 0 e b = c = 1, il sistema

ẋ = y,
ẏ = x

ammette le orbite non periodiche x 2 − y 2 = C, al variare di C ∈ R. 

Problema 6.137 Sia σ ≥ 0. Mostrare che l’equazione del second’ordine

ẍ = −ϕ  (x) − σ ẋ

ammette orbite periodiche solo se σ = 0, ossia solo nel caso conservativo.

Soluzione Riscrivendo l’equazione in forma di sistema si ha



ẋ = y,
ẏ = −ϕ  (x) − σy,

da cui risulta
 
div y, −ϕ  (x) − σy = −σ.
Pertanto, per il criterio di Dulac, se σ = 0 il sistema non ammette orbite periodiche.
Se σ = 0, invece, possono esistere orbite periodiche. 
6.3 Esistenza di orbite periodiche 235

Problema 6.138 Si mostri che per il sistema planare



ẋ = x 3 + y 2 x − x − y,
ẏ = y 3 + x 2 y + x − y

il criterio di Dulac non è risolutivo su R2 (esiste infatti un’orbita periodica).

Soluzione Secondo le notazioni utilizzate in precedenza risulta


 
div Ψ (x, y) = 3x 2 + y 2 − 1 + 3y 2 + x 2 − 1 = 2 2x 2 + 2y 2 − 1 .

Nell’insieme
 
Ω = (x, y) ∈ R2 : x 2 + y 2 < 2
la divergenza di Ψ cambia segno ed il criterio di Dulac non è applicabile. Infatti, si
verifica facilmente che la circonferenza
 2 
x + y2 = 1 ⊂ Ω

è un’orbita periodica
√ per il sistema. Nella regione piana costituita dall’interno del
disco di raggio 2/2 e centro nell’origine, per il criterio di Dulac, non esistono
orbite periodiche. Invece, il criterio non è applicabile nella regione esterna al cerchio
in quanto l’insieme non è semplicemente connesso. 

Problema 6.139 Si dica per quali valori di α ∈ R il sistema planare



ẋ = αx − y 2 ,
ẏ = −α 2 y + x 2

non ammette orbite periodiche in nessuna regione aperta Ω ⊂ R2 .

Soluzione Risulta

div Ψ (x, y) = α − α 2 , per ogni (x, y) ∈ R2 .

Pertanto, per il criterio di Dulac, per ogni α ∈


/ {0, 1}, non possono esistere orbite
periodiche su R2 . Se α = 0 il sistema non ammette soluzioni periodiche (si osservi,
ad esempio, che y è sempre crescente essendo ẏ = x 2 > 0). 

Problema 6.140 Siano Ω ⊂ R2 un dominio semplicemente connesso e f ∈


C 2 (Ω). Consideriamo il sistema



∂f
⎨ẋ = (x, y),
∂x

⎪ ∂f
⎩ẏ = (x, y)
∂y
236 6 Sistemi planari non-lineari

e supponiamo che f sia super- o sub-armonica, ossia

f > 0 (< 0) in Ω.

Provare allora che il sistema non ammette orbite periodiche.

Soluzione Per ogni (x, y) in Ω, risulta, per ipotesi,


 
∂f ∂f ∂ 2f ∂ 2f
div , (x, y) = 2 (x, y) + 2 (x, y) = f (x, y) > 0 (< 0).
∂x ∂y ∂x ∂y
Per il criterio di Dulac si deduce che non esistono orbite periodiche. 

Nel seguente problema viene utilizzato il criterio di Dulac generalizzato 6.43.

Problema 6.141 Provare che, per ogni a, c > 0 il sistema di Lotka-Volterra



ẋ = x(1 − ax + by),
ẏ = y(1 − cy + dx)

non ammette orbite periodiche nella regione di piano


 
Ω = (x, y) ∈ R2 : x > 0, y > 0 .

Soluzione Consideriamo tre funzioni f, g,  : Ω → R definite come


1
f (x, y) = x − ax 2 + bxy, g(x, y) = y − cy 2 + dxy, (x, y) = ,
xy

di classe C 1 in Ω con  > 0. Per ogni x, y ∈ Ω, risulta


   
∂ ∂ ∂ 1 ax ∂ 1 cy
(f ) + (g) = − +b + − +d
∂x ∂y ∂x y y ∂y x x
a c
= − − < 0,
y x
per cui il sistema non ha orbite periodiche in Ω per il criterio di Dulac generalizzato.
Ovvero, sia in presenza di competizione che di cooperazione tra le due specie x
e y (si veda la sezione 6.4 dedicata ai modelli biologici) , se il sistema ammette
una regime massimale sostenibile (a, c > 0) il primo quadrante del piano non può
contenere traiettorie periodiche. 

Più in generale, si ha il seguente risultato.

Problema 6.142 Dimostrare che il sistema generale di Lotka-Volterra



ẋ = M(x, y)x,
ẏ = N (x, y)y,
6.3 Esistenza di orbite periodiche 237

con M, N : R2 → R di classe C 1 non ammette orbite periodiche nella regione di


piano
 
Ω = (x, y) ∈ R2 : x > 0, y > 0 ,
se si ha
∂M ∂N
x (x, y) + y (x, y) > 0 (< 0), ∀(x, y) ∈ Ω.
∂x ∂y

Soluzione Consideriamo le funzioni


1
f (x, y) = M(x, y)x, g(x, y) = N (x, y)y, (x, y) = ,
xy

di classe C 1 in Ω. Allora, per ogni x, y ∈ Ω, risulta

∂ ∂ ∂ M(x, y) ∂ N (x, y)
(f ) + (g) = +
∂x ∂y ∂x y ∂y x

∂x (x, y) + y ∂y (x, y)
x ∂M ∂N
= > 0, (< 0),
xy

da cui segue la tesi per criterio di Dulac generalizzato. 

Problema 6.143 Dire se l’insieme

T = [0, 1] × [0, 1] ⊂ R2

è una regione invariante per i sistemi planari


 
ẋ = xy(x − 1), ẋ = xy(x − 1),
e
ẏ = −xy − y ẏ = −xy − 1.

Soluzione Se n̂ = n̂(x, y) denota il versore normale a ∂T nel punto (x, y), per il
primo sistema si ha

f (x, y) = xy(x − 1), g(x, y) = −xy − y,

e risulta
  
(f, g) · n̂|0≤x≤1, y=0 = xy(x − 1), −xy − y · (0, −1)0≤x≤1, y=0 = 0,

(f, g) · n̂|x=1, 0≤y≤1 = (0, −2y) · (1, 0)|0≤x≤1, y=0 = 0,


  
(f, g) · n̂|0≤x≤1, y=1 = x(x − 1), −x − 1 · (0, 1)0≤x≤1, y=0 = −x − 1 ≤ 0,

(f, g) · n̂|x=0, 0≤y≤1 = (0, −y) · (−1, 0)|x=0, 0≤y≤1 = 0,


238 6 Sistemi planari non-lineari

per cui T è una regione invariante per il sistema. Nel secondo si ha

f (x, y) = xy(x − 1), g(x, y) = −xy − 1

e risulta, ad esempio,
  
(f, g) · n̂|0≤x≤1, y=0 = xy(x − 1), −xy − 1 · (0, −1)0≤x≤1, y=0 = 1 > 0,

per cui T non può essere una regione invariante per il sistema. 

Problema 6.144 Sia M > 0. Verificare che, per ogni 0 < R < M, l’insieme
 
TR = (x, y) ∈ R2 : x 2 + y 2 ≤ R 2

è una regione invariante per il sistema


  
ẋ = y + x x 2 + y 2 − M ,
 
ẏ = −x + y x 2 + y 2 − M .

Soluzione Siccome per ogni (x, y) sul bordo


 
∂TR = (x, y) ∈ R2 : x 2 + y 2 = R 2

il vettore n̂ normale a TR ha componenti n̂(x, y) = (x, y), si ha


    
(f, g) · n̂(x, y)|∂TR = y + x x 2 + y 2 − M , −x + y x 2 + y 2 − M · (x, y)
  
= x2 + y2 x2 + y2 − M
 
= R 2 R 2 − M < 0,

per cui il cerchio di raggio R è una regione invariante per il sistema. 

Problema 6.145 Sia α > 0. Dire se possono esistere orbite periodiche nella regione
 
Tα = (x, y) ∈ R2 : x > 0, y > 0, x + y < α ,

per il sistema planare



ẋ = αx + y − x 2 ,
ẏ = αy + x − y 2 .

Soluzione Posto Ψ (x, y) = (αx + y − x 2 , αy + x − y 2 ), risulta

div Ψ (x, y) = α − 2x + α − 2y = 2(α − x − y) > 0, ∀x, y ∈ Tα ,

per cui non possono esistere orbite periodiche per il sistema in Tα . 


6.3 Esistenza di orbite periodiche 239

Problema 6.146 Siano r, q, α > 0. Dire se, per il sistema


  
ẋ = α 1 − y 2 x − y,
ẏ = x,

esistono orbite periodiche nella regione


 
Tr,q = (x, y) ∈ R2 : −r ≤ x ≤ r, −q ≤ y ≤ q .

Soluzione Posto Ψ (x, y) = (α(1 − y 2 )x − y, x), risulta


 
div Ψ (x, y) = α 1 − y 2 , ∀x, y ∈ Tr,q ,

pertanto se q > 1 possono esistere orbite periodiche per i sistema contenute in Tr,q .
Si può verificare che il sistema ammette una regione invariante e che (0, 0) è l’unico
punto di equilibrio (instabile), per cui applicando il teorema di Poincaré-Bendixson
si arriva alla stessa conclusione. Si veda, a tal proposito, il problema 6.148. 

Per il problema che segue abbiamo seguito la linea contenuta in [17].

Problema 6.147 Si consideri il sistema



ẋ = y − x 3 + x,
ẏ = −x.

Ragionando sulle curve isocline, cercare di giustificare i seguenti fatti: partendo


da un dato iniziale (0, γ0 ) con γ0 > 0 sufficientemente piccolo le orbite, dopo un
certo tempo raggiungono il punto (0, γ1 ) con γ1 > γ0 . Viceversa, partendo da un
dato iniziale (0, γ0 ) con γ0 > 0 sufficientemente grande le orbite, dopo un certo
tempo raggiungono il punto (0, γ1 ) con γ1 < γ0 . Infine, deve esistere un dato iniziale
(0, γ0∗ ), con γ0∗ > 0, tale che il sistema ritorna in (0, γ0∗ ) dopo un certo tempo t ∗ > 0
(punto fisso della Mappa di Poincaré prendendo l’asse y come sezione).

Soluzione Definiamo i seguenti quattro sottoinsiemi di R2


 
μ+ = (x, y) ∈ R2 : x = 0, y > 0 ,
 
μ− = (x, y) ∈ R2 : x = 0, y < 0 ,
 
h+ = (x, y) ∈ R2 : x > 0, y = x 3 − x ,
 
h− = (x, y) ∈ R2 : x < 0, y = x 3 − x .

Per provare che, se (x0 , y0 ) ∈ μ+ , esiste un istante T > 0 tale che (x(T ), y(T )) ∈
μ+ , definiamo le seguenti regioni (con riferimento alla figura 6.48 di sinistra) che
partizionano il piano
 
A1 = (x, y) ∈ R2 : x > 0, y > x 3 − x ,
240 6 Sistemi planari non-lineari

Fig. 6.48 Problema 6.147: isocline a tangente orizzontale (linea tratteggiata) e a tangente verti-
cale (linea punteggiata) e andamento del campo di flusso (sinistra); campo di flusso e ritratto di
fase ottenuti in modo automatico (destra). Si noti che l’origine è un fuoco instabile che provoca
un avvolgimento delle orbite in verso orario attorno ad un’orbita periodica stabile sulla quale le
triettorie collassano indipendentemente dal fatto che si parta da una condizione iniziale esterna o
interna ad essa

 
A2 = (x, y) ∈ R2 : x > 0, y < x 3 − x ,
 
A3 = (x, y) ∈ R2 : x < 0, y < x 3 − x ,
 
A4 = (x, y) ∈ R2 : x < 0, y > x 3 − x ,

e mostriamo come l’orbita transiti in queste 4 regioni dopo un certo tempo t˜


   
x(0), y(0) ∈ A1 → A2 → A3 → A4 ( x(t˜), y(t˜) .

Si segua la figura 6.48. Partendo da (0, γ0 ), con γ0 > 0 la soluzione entra nella
regione A1 , essendo ẋ(0) = y(0) = γ0 > 0. In A1 , per definizione, risulta ẏ(t) =
−x(t) < 0, per cui la componente y risulta strettamente decrescente in A1 . Poiché
la soluzione non può tendere all’origine, deve necessariamente intersecare h+ in
un punto, ossia deve esistere t1 > 0 tale che (x(t1 ), y(t1 )) ∈ h+ . Sopra h+ risulta
ẋ(t1 ) = 0 e ẏ(t1 ) = −x(t1 ) < 0, per cui, necessariamente, la soluzione entra nella
regione A2 . Una volta fatto l’ingresso nella regione A2 , essendo ẋ(t) < 0 e ẏ(t) < 0,
l’orbita punta verso sud-ovest e non può rientrare nell’insieme A1 . Ci sono quindi
due possibilità: o la soluzione incontra μ− , oppure non incontra μ− e, in tal caso,
tende a −∞ in direzione verticale per t che si avvicina ad un certo istante tˆ > 0.
D’altra parte, se si verificasse la seconda situazione, la componente x(t) si manter-
rebbe limitata, diciamo 0 < x(t) < x0 (partendo da un dato iniziale (x0 , y0 ) ∈ A2 ,
y(t) ≤ y0 e y(t) → −∞ per t → t˜. D’altronde, risulta
t t
y(t) − y0 = ẏ(σ )dσ = − x(σ )dσ,
0 0
6.3 Esistenza di orbite periodiche 241

da cui, mantenendosi x(t) limitato tra 0 e x0 , segue che

lim y(t) < ∞,


t→tˆ

una contraddizione. Pertanto, l’orbita, in un certo istante, incontra μ− ed entra nella


regione A3 puntando verso nord-ovest poiché ẋ(t) < 0 e ẏ(t) > 0. Si può osser-
vare che il vettore campo Φ(x, y) = (y − x 3 + x, −x) che definisce il sistema è
dispari, ossia Φ(−x, −y) = −Φ(x, y), per cui la soluzione deve transitare in A3
ed entrare, infine, in A4 . Ricapitolando, è possibile definire una mappa di Poin-
caré P : μ+ → μ+ sulla semiretta μ+ , ponendo P (γ0 ) := γ1 per ogni γ0 ∈ μ+ ,
con ovvio significato dei simboli. La mappa di Poincaré è regolare e suriettiva (si
ripercorrano a ritroso i passaggi descritti sopra). Costruendo la successione

ξn+1 = P (ξn ), n ≥ 1, ξ 0 = γ0 ,

si può mostrare che P ha un unico punto fisso ξ̃ (che corrisponde all’orbita periodica
stabile del sistema) e che ξn → ξ̃ per una qualunque scelta di ξ0 . Se P (ξ0 ) > ξ0
allora (ξn ) è una successione strettamente crescente, mentre se P (ξ0 ) < ξ0 allora
(ξn ) è una successione strettamente decrescente. Osserviamo anche che esiste un
unico valore del dato iniziale, diciamo (0, γ̂ ) con γ̂ > 0 e un istante tˆ > 0 tale che
+    
x̂(t), ŷ(t) ∈ A, x̂(tˆ), ŷ(tˆ) = (1, 0) ∈ h+ ,
0<t<tˆ

dove (x̂, ŷ) denota la soluzione con dato iniziale (0, γ̂ ). Definiamo la mappa
α : μ+ → μ− (semi-mappa di Poincaré) che associa a γ0 il primo punto di interse-
zione tra la relativa orbita e la semiretta negativa μ− . Allora, per la mappa definita
ponendo
1 2 
δ(ξ ) = α (ξ ) − ξ 2 ,
2
si può dimostrare che

δ(ξ ) > 0, per 0 < ξ < γ̂ ,


δ  (ξ ) < 0, per ξ > γ̂ ,
δ(ξ ) → −∞, per ξ → +∞.

Richiamiamo questo fatto senza dimostrazione perché tecnicamente complicata, per


una dimostrazione rimandiamo il lettore a [17, pp. 265–270]. Per il teorema degli
zeri deve esistere un punto ξ# > γ̂ tale che δ(ξ# ) = 0, da cui α(ξ# ) = −ξ# , per
cui, per simmetria, la soluzione del sistema che parte da (0, ξ# ) deve essere perio-
dica (l’unicità segue dal fatto che ξ# è l’unico zero per la funzione δ). Per mostrare
che ogni soluzione, tranne ovviamente l’equilibrio (0, 0), tende ad avvicinarsi alla
soluzione periodica, definiamo una nuova semi-mappa di Poincaré β : μ− → μ+
che manda un punto di μ− nella corrispondente intersezione dell’orbita su μ+ ; per
242 6 Sistemi planari non-lineari

simmetria, risulta β(ξ ) = −α(−ξ ). Inoltre, P = β ◦ α (composizione di due rota-


zioni dell’orbita di 180 gradi, da μ+ a μ− e poi ritorno a μ+ ). Sia ξ ∈ μ+ tale
che ξ > ξ# ; risulta allora α(ξ ) < −ξ# e P (ξ ) > ξ# (si ragioni geometricamente).
D’altra parte si ha δ(ξ ) < 0 (essendo ξ > ξ# ), che significa α(ξ ) > −ξ . Ma allora
ξ# < P (ξ ) = β(α(ξ )) < ξ . Procedendo ricorsivamente, si ha

P n (ξ ) > P n+1 (ξ ) > ξ# , n ∈ N.

La successione (P n (ξ )), essendo decrescente e limitata, ammette limite η ≥ ξ# , che


risulta un punto fisso di P essendo
 
P (η) − η = lim P P n (ξ ) − η = η − η = 0.
n→∞

Poiché, come abbiamo detto, P ammette un unico punto fisso, deve essere η = ξ# .
In modo simile si ragiona nel caso ξ < ξ# . Il ragionamento fatto per le soluzioni che
partono su μ+ vale anche per una generica soluzione, poiché ogni soluzione incon-
tra l’asse μ+ . In figura 6.48 sono riportate le isocline a tangente orizzontale (linea
tratteggiata) e a tangente verticale (linea punteggiata), l’andamento del campo di
flusso (figura di sinistra) e due esempi di traiettorie ottenute partendo da condizioni
iniziali esterne od interne all’orbita periodica (figura di destra). 

Problema 6.148 Studiare, al variare del parametro a > 0, il comportamento


dell’equazione di van der Pol [40]
 
ÿ + a y 2 − 1 ẏ + y = 0.

Si noti che per valori piccoli di a l’equazione è una perturbazione dell’oscillatore


armonico.

Soluzione Riscriviamo il problema sotto forma di sistema del prim’ordine


  
ẋ = −y − a y 2 − 1 x,
(6.149)
ẏ = x,

che ammette l’origine come unico punto di equilibrio. La matrice Jacobiana


 
−a(y 2 − 1) −(2axy + 1)
J (x, y) =
1 0

calcolata in (0, 0) è
 
a −1
J (0, 0) =
1 0

ed ammette gli autovalori λ± = (a ± a 2 − 4)/2, che sono complessi coniugati. Se
0 < a < 2 la loro parte reale è positiva e, localmente, l’origine è un fuoco instabile
con orbite che si allontanano seguendo una spirale. Se invece a > 2 l’origine è un
6.3 Esistenza di orbite periodiche 243

Fig. 6.49 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative
al sistema planare nonlineare del problema 6.148 con a = 1 e condizione iniziale (x0 , y0 ) =
(10−4 , 10−4 ). Si noti la natura instabile dell’origine (fuoco instabile) e la natura stabile dell’orbita
periodica

nodo proprio instabile poiché entrambi gli autovalori sono reali, distinti e positivi.
Si può dimostrare che esiste un’orbita periodica (stabile) per il sistema (6.149), nel
senso che ogni traiettoria non passante per l’origine si avvolge su di essa per t →
+∞ (insieme ω-limite). Diamo un rapido cenno alle motivazioni che portano a
questa conclusione. In coordinate polari, risulta
 
˙ = x(t)ẋ(t) + y(t)ẏ(t) = −a y 2 − 1 x 2 ,
(t)(t)

da cui, tenuto conto che a è positivo, si evince che


 
∀t > 0 : y(t) > 1 ⇐⇒ ˙ < 0.
(t)

In particolare, le orbite non possono sfuggire verticalmente all’infinito perché


la distanza dall’origine diminuirebbe. Questo comporta che le soluzioni del si-
stema (6.149) sono definite per tutti i tempi t > 0 (si osservi la prima equazione
del sistema (6.149)). D’altra parte, se x(t) → ∞ per t → +∞, allora dalla seconda
equazione di (6.149) segue che
t t
y(t) = y0 + ẏ(σ )dσ = y0 + x(σ )dσ → ∞, t → +∞,
0 0

che, come abbiamo appena osservato, è vietato. Pertanto le orbite rimangono in-
trappolate in un insieme limitato in R2 contenente l’unico punto di equilibrio (re-
pulsivo). Il teorema di Poincarè-Bendixson (tricotomia) assicura, quindi, l’esistenza
di un’orbita periodica per il sistema (6.149). In figura 6.49 si nota la natura
dell’origine, i.e. un fuoco instabile, per a = 1, (x0 , y0 ) = (10−4 , 10−4 ) e tf = 100.
Come si può facilmente intuire guardando il ritratto di fase, partendo da ogni punto
interno al ciclo stabile, la traiettoria viene da esso attratta. Questo succede anche
244 6 Sistemi planari non-lineari

Fig. 6.50 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) relative
al sistema planare nonlineare del problema 6.148 con a = 1 e condizione iniziale (x0 , y0 ) =
(−2, −2.1). Si noti la natura stabile dell’orbita periodica

Fig. 6.51 Ritratto di fase con campo di flusso (sinistra) e storie temporali (destra) rela-
tive al sistema planare nonlineare del problema 6.148 con a = 0.1 e condizione iniziale
(x0 , y0 ) = (−2, −2.1). Si noti la natura sempre stabile dell’orbita periodica, che però cambia forma
al variare del parametro a

partendo da una condizione iniziale esterna al ciclo stabile, come mostrato in fi-
gura 6.50 (a = 1, (x0 , y0 ) = (−2, 2.1) e tf = 100). Infine, in figura 6.51 viene ri-
portato un caso con a = 0.1: come si può notare, cambiare il parametro a significa
cambiare la forma del ciclo stabile ma non la sua natura. 

Problema 6.150 Dire se esistono orbite periodiche per il sistema planare




⎪ 1  
⎨ẋ = y + x 1 − 2x 2 − 2y 2 ,
4

⎪ 1  
⎩ẏ = −x + y 1 − x 2 − y 2 .
2
6.3 Esistenza di orbite periodiche 245

Soluzione Moltiplicando la prima equazione per x, la seconda per y e sommando i


risultati ottenuti si ricava, in coordinate polari,

1   1  
˙ = x 2 1 − 2x 2 − 2y 2 + y 2 1 − x 2 − y 2
4 2
1 2 1 2 1 2 2
= x + y − x + y2 .
4 2 2
Pertanto, da un lato, si ottiene la stima

1 2  1 2
˙ ≤ x + y2 − x2 + y2 ,
2 2
ossia
1  
˙ ≤  1 − 2 ,
2
mentre dall’altro si ha
1 2  1 2
˙ ≥ x + y2 − x2 + y2 ,
4 2
che equivale a
 
1 1
˙ ≥  − .
2
2 2
Dal confronto si conclude che
 
1 1 1  
1 (t) ≤ (t) ≤ 2 (t), dove ˙ 1 = 1 − 12 , ˙ 2 = 2 1 − 22 .
2 2 2

Consideriamo ora l’insieme


1
C = (x, y) ∈ R2 : < x 2 + y 2 < 1
2

e un dato iniziale (x0 , y0 ) in C. Dopo aver posto 02 = x02 + y02 , studiamo i seguenti
problemi di Cauchy
⎧   ⎧

⎨˙ 1 = 1 1 1 − 2 , ⎨˙ = 1  1 − 2 ,
1 2 2 2
2 2 2

⎩ ⎩
1 (0) = 0 , 2 (0) = 0 .

1
Essendo per ipotesi 2 < 02 < 1, si ha

1
12 (t) > e 22 (t) < 1 per ogni t > 0,
2
246 6 Sistemi planari non-lineari

Fig. 6.52 Alcune traiettorie relative al problema 6.150 ottenute con condizioni iniziali interne od
esterne alla corona 1/2 < x 2 + y 2 < 1 (sinistra) ed andamento delle soluzioni x(t) e y(t) per
(x0 , y0 ) = (−0.05, 0.05) (destra). Si osservi la natura instabile dell’origine (pallino vuoto) e la
presenza di un’orbita periodica stabile, il cui periodo è facilmente deducibile dalla figura di destra.
Le circonferenze x 2 + y 2 = 1 e x 2 + y 2 = 1/2 sono riportate nella figura di sinistra con linea
tratteggiata

da cui
1
< 12 (t) ≤ 2 (t) = x 2 (t) + y 2 (t) = 2 (t) ≤ 22 (t) < 1.
2
Pertanto (x(t), y(t)) ∈ C per ogni t > 0 per il quale risulta definita la soluzione
del sistema (quando la soluzione parte in C il flusso è definito per tutti i tempi) e la
corona circolare C è una regione invariante per il sistema. Tenuto conto che l’origine
(0, 0) ∈
/ C è l’unico punto di equilibrio per il sistema, dalla tricotomia di Poincaré-
Bendixson si deduce l’esistenza di un’orbita periodica interamente contenuta in C.
Queste conclusioni sono riassunte graficamente in figura 6.52. 

Problema 6.151 Si consideri il sistema (6.33) con f, g : R2 → R di classe C 1 e si


supponga che esistano altre due funzioni di classe C 1

ψ1 , ψ2 : R+ → R,

e due costanti μ1 , μ2 > 0 tali che, posto  = x 2 + y 2 , si abbia

μ1 ψ1 () ≤ xf (x, y) + yg(x, y) ≤ μ2 ψ2 ().

Provare che, se esistono α1 , α2 ∈ R tali che 0 < α1 < α2 e che

ψ1 (α1 ) = ψ2 (α2 ) = 0,

il sistema ammette un’orbita periodica nell’insieme


 # 
C = (x, y) ∈ R2 : α1 < x 2 + y 2 < α2 ,

purché non esistano equilibri (non repulsivi) del sistema in C.


6.3 Esistenza di orbite periodiche 247

Soluzione Tenuto conto delle ipotesi, moltiplicando la prima equazione del sistema
per x, la seconda per y e sommando i risultati ottenuti si ricava, in coordinate polari,

μ1 ψ1 () ≤ xf (x, y) + yg(x, y) = ˙ = xf (x, y) + yg(x, y) ≤ μ2 ψ2 ().

Pertanto, da un lato risulta ˙ ≤ μ2 ψ2 () e dall’altro ˙ ≥ μ1 ψ1 (), ovvero 1 ≤


 ≤ 2 , dove si è posto

˙ 1 = μ1 ψ1 (1 ), ˙ 2 = μ1 ψ2 (2 ).
#
Se il dato iniziale è (x0 , y0 ) ∈ C (0 = x02 + y02 ), dai problemi di Cauchy asso-
ciati alle due precedenti equazioni differenziali corredate della condizione iniziale
1 (0) = 2 (0) = 0 si ricava, a seguito dell’ipotesi α1 < 0 < α2 con ψ1 (α1 ) =
ψ2 (α2 ) = 0,
1 (t) > α1 , 2 (t) < α2 ,
per ogni t > 0 per cui sono definite le soluzioni 1 e 2 . Pertanto,
#
α1 < 1 (t) ≤ (t) = x 2 + y 2 = (t) ≤ 2 (t) < α2 ,

ossia (x(t), y(t)) ∈ C per ogni t > 0 per il quale risulta definita la soluzione del
sistema. Si osservi che la corona circolare C è un insieme invariante per il sistema.
Tenuto conto che, per ipotesi, non esistono equilibri in C che non siano repulsivi,
dalla tricotomia di Poincaré-Bendixson si deduce l’esistenza di un’orbita periodica
interamente contenuta in C. 

Problema 6.152 Si consideri il sistema:


  
ẋ = x + 2y − x x 4 + y 4 ,
 
ẏ = −2x + y − y x 4 + y 4 .

Dopo aver provato che l’origine è l’unico punto di equilibrio e dopo averne studiato
la natura, dire se il sistema ammette un ciclo limite stabile.

Soluzione Moltiplicando la prima equazione per y, la seconda per x e sottraendo


le due equazioni, si deduce che l’origine è l’unico punto di equilibrio. Al contrario,
moltiplicando la prima equazione del sistema per x, la seconda per y e sommando
le due equazioni, si ottiene
      
˙ = x 2 + y 2 1 − x 4 + y 4 = 2 1 − x 4 + y 4 . (6.153)

Pertanto, partendo da dati iniziali vicini all’origine le orbite si allontanano da essa,


mentre partendo da dati iniziali lontani dall’origine le orbite si avvicinano ad essa.
Da questo segue che deve esistere un insieme limitato e invariante I per il sistema (si
veda il problema 6.154 per una dimostrazione rigorosa) che non contiene l’origine
248 6 Sistemi planari non-lineari

Fig. 6.53 Alcune traiettorie relative al problema 6.152 ottenute con diverse condizioni iniziali
(sinistra) ed andamento delle soluzioni x(t) e y(t) per (x0 , y0 ) = (−0.05, 0.05) (destra). Si os-
servi la natura instabile dell’origine (pallino vuoto) e la presenza di un’orbita periodica stabile,
particolarmente evidente nella figura di destra, verso cui sono attratte tutte le traiettorie

(unico punto di equilibrio). Per il teorema di Poincaré-Bendixson esiste, quindi,


un’orbita periodica interamente contenuta in I , che è stabile, come evidente dalla
figura 6.53. 

Problema 6.154 Con riferimento al problema 6.152, si formalizzi il fatto che le


orbite rimangono intrappolate in un’opportuna corona circolare di raggi r1 , r2 > 0,
 
I = Ir1 ,r2 = (x, y) ∈ R2 : r12 ≤ x 2 + y 2 ≤ r22 , (6.155)

una volta entrate in I .

Soluzione Poiché x 4 + y 4 → +∞ per (x, y) → ∞ e x 4 + y 4 → 0 per (x, y) → 0


esistono due numeri reali r2 > r1 > 0 tali che

x 4 + y 4 > 1, per x 2 + y 2 ≥ r22 , x 4 + y 4 < 1, per x 2 + y 2 ≤ r12 . (6.156)

Per questi raggi consideriamo la corona circolare (6.155) e ragioniamo su un’orbita


(x(t), y(t)) del sistema che ad un certo istante t = t0 si trovi all’interno di I . Intro-
duciamo anche l’istante di fuga dell’orbita da I
   
τ := sup ξ ≥ t0 : x(t), y(t) ∈ I, per ogni t ≤ ξ ,

e supponiamo, per assurdo, che sia τ > 0. Allora l’orbita, all’istante τ , o esce dal
cerchio grande di raggio r2 oppure entra nel cerchio piccolo di raggio r1 . Per defini-
zione (x(τ ), y(τ )) ∈ ∂I ed esiste una successione crescente (tj ) ⊂ R+ con tj → τ
per j → ∞ e tale che
 
x(tj ), y(tj ) ∈ I, per ogni j ≥ 1.
6.3 Esistenza di orbite periodiche 249

Fig. 6.54 Due traiettorie (in


linea continua) relative ai
problemi 6.152–6.154
ottenute con condizioni
iniziali interne od esterne alla
regione invariante I =
{(x, y) ∈ R2 : r12 ≤ x 2 +y 2 ≤ r22 }
e circonferenze di raggi
r1 = 1 e r2 = 1.2 (in linea
tratteggiata). Si osservi come
questi raggi soddisfino le
condizioni del problema

Nel caso di fuga dal cerchio grande questo significa

x 2 (tj ) + y 2 (tj ) ≤ r22 , ∀j ≥ 1, x 2 (τ ) + y 2 (τ ) = r22 (6.157)

e ( è in aumento)
˙ ) ≥ 0.
(τ (6.158)
Nel caso di ingresso nel cerchio interno, invece, si ha

x 2 (tj ) + y 2 (tj ) ≥ r12 , ∀j ≥ 1, x 2 (τ ) + y 2 (τ ) = r12 , (6.159)

e ( è in diminuzione)
˙ ) ≤ 0.
(τ (6.160)
Nel primo caso, dall’equazione (6.153), per le (6.156) e (6.157), si deduce
 
˙ ) = lim (tj ) 1 − x 4 (tj ) − y 4 (tj )
(τ
j →∞
 
= (τ ) 1 − x 4 (τ ) − y 4 (τ ) < 0,

che è in contraddizione con (6.158). Viceversa, nel secondo caso, tenuto conto
di (6.156) e (6.159), si ha
 
˙ ) = lim (tj ) 1 − x 4 (tj ) − y 4 (tj )
(τ
j →∞
 
= (τ ) 1 − x 4 (τ ) − y 4 (τ ) > 0,

che è in contraddizione con (6.160). Pertanto, le orbite rimangono intrappolate in


un’opportuna corona circolare di raggi r1 , r2 > 0, come riportato in figura 6.54. 

Problema 6.161 Si consideri il sistema (6.33) con f, g : R2 → R di classe C 1 e,


supponendo f > 0 (o f < 0) oppure g > 0 (o g < 0) su R2 , provare che il sistema
non ammette orbite periodiche.
250 6 Sistemi planari non-lineari

Fig. 6.55 Campo di flusso e alcuni degli infiniti punti di equilibrio instabili (sinistra) e zoom sul
quadrato [0, π] × [0, π] con alcune traiettorie (destra) relativi al sistema planare nonlineare del
problema 6.162. A destra si notino la natura instabile dei quattro vertici (punti di sella locali) e del
punto (π/2, π/2) (fuoco instabile). I quattro lati sono traiettorie eterocline (indicate con la freccia
in grasseto)

Soluzione Consideriamo, per fissare le idee, il caso f > 0 (gli altri si trattano allo
stesso modo). Essendo ẋ > 0, risulta x(0) < x(T ) per ogni T > 0, da cui la proprietà
desiderata. 

6.3.3 Soluzioni eterocline e omocline

In questa sezione studiamo in dettaglio alcuni sistemi planari che ammettono orbite
eterocline o omocline. I testi dei primi problemi di questa sezione sono tratti da [17].

Problema 6.162 (Soluzioni eterocline) Studiare il sistema differenziale nonlineare


⎧  
⎪ 1

⎨ ẋ = sin x − cos x − cos y ,
2
 

⎪ 1
⎩ẏ = sin y cos x − cos y
2
rispetto all’esistenza di eventuali soluzioni eterocline.

Soluzione Il sistema ammette infinite soluzioni stazionarie (punti di equilibrio), al-


cune delle quali sono mostrate in figura 6.55 (sinistra). In particolare concentriamo
l’attenzione sui quattro punti di equilibrio (0, π), (π, 0), (0, 0) e (π, π), vertici di
un quadrato di lato π , che contiene un ulteriore punto stazionario di coordinate
(π/2, π/2). Si verifica facilmente, via linearizzazione, che i primi quattro equili-
bri sono delle selle locali, mentre (π/2, π/2) è un fuoco instabile. Con riferimento
alla figura 6.55 di destra, vogliamo mostrare che i quattro segmenti che congiun-
gono questi punti di equilibrio (opportunamente orientati in modo da percorrere
6.3 Esistenza di orbite periodiche 251

il quadrato in senso orario) corrispondano a soluzioni eterocline. Per y(t) = π con


0 ≤ x(t) ≤ π , la seconda equazione del sistema è automaticamente soddisfatta men-
tre la prima, fissato un certo dato iniziale α1 ∈ (0, π), si riduce a
⎧  
⎪ 1
⎨ẋ(t) = sin x(t) 1 − cos x(t) , t ∈ R,
2


x(0) = α1 ,

che ammette un’unica soluzione x̃ definita su tutto R, a valori in (0, π), strettamente
crescente e che soddisfa

lim x̃(t) = 0 e lim x̃(t) = π.


t→−∞ t→+∞

Pertanto
  
R ( t → x̃(t), π
è un’orbita eteroclina che connette gli equilibri (0, π) e (π, π). Ponendo
cos ξ − 1
F (ξ ) = , ξ ∈ (0, π),
(cos ξ + 1)1/3 (cos ξ − 2)2/3
cos α1 − 1
A(α1 ) = < 0,
(cos α1 + 1)1/3 (cos α1 − 2)2/3
si può anche ricavare la soluzione eteroclina in forma implicita,
 
F x̃(t) = A(α1 )et , t ∈ R,

da cui si possono far discendere direttamente le conclusioni sui limiti di x̃ per


t ± ∞. Lo stesso ragionamento può essere ripetuto per gli altri 3 vertici del qua-
drato (0, π) × (0, π). Per x(t) = π e 0 ≤ y(t) ≤ π la prima equazione del sistema
è automaticamente soddisfatta, mentre la seconda, fissato un certo dato iniziale
α2 ∈ (0, π), si riduce a
⎧  
⎪ 1
⎨ẏ(t) = sin y(t) −1 − cos y(t) , t ∈ R,
2


y(0) = α2 ,

che ammette una soluzione ỹ(t). Ripetendo lo stesso ragionamento fatto in prece-
denza segue che la mappa
  
R ( t → π, ỹ(t)
è una soluzione eteroclina congiungente i punti (π, π) e (π, 0) in quanto la solu-
zione è definita su tutto R, contenuta in (0, π), strettamente decrescente, e quindi

lim y(t) = π e lim y(t) = 0.


t→−∞ t→+∞
252 6 Sistemi planari non-lineari

Per y(t) = 0 con 0 ≤ x(t) ≤ π la seconda equazione è soddisfatta mentre la prima,


fissato un certo dato iniziale α3 ∈ (0, π), si riduce a
⎧  
⎪ 1
⎨ẋ(t) = sin x(t) − cos x(t) − 1 , t ∈ R,
2


x(0) = α3 ,

che ammette una soluzione x̂(t). Pertanto l’orbita


  
R ( t → x̂(t), 0

è un’eteroclina che congiunge i punti (π, 0) e (0, 0) poiché la soluzione è definita


su tutto R, contenuta in (0, π) e strettamente decrescente, ovvero

lim x(t) = π e lim x(t) = 0.


t→−∞ t→+∞

Infine, se x(t) = 0 e 0 ≤ y(t) ≤ π la prima equazione del sistema è automaticamente


soddisfatta, mentre la seconda, fissato un certo dato iniziale α4 ∈ (0, π), si riduce a
⎧  
⎪ 1
⎨ẏ(t) = sin y(t) 1 − cos y(t) , t ∈ R,
2


y(0) = α4 ,

che ammette una soluzione ŷ(t). Pertanto la mappa


  
R ( t → 0, ŷ(t)

è una soluzione eteroclina che congiunge i punti (0, 0) e (0, π) poiché la soluzione
è definita su tutto R, contenuta in (0, π) e strettamente crescente, ossia

lim y(t) = 0 e lim y(t) = π.


t→−∞ t→+∞

Come si vede dalla figura 6.55 (destra) le soluzioni che partono all’interno del qua-
drato si avvolgono a spirale (dall’interno verso l’esterno) attorno alle soluzioni ete-
rocline. In particolare, l’insieme ω-limite di un generico punto all’interno del qua-
drato coincide con il quadrato unione delle quattro soluzioni eterocline. Si osservi
che, in questo caso, l’insieme ω-limite non è né un punto di equilibrio né un’orbita
periodica, come previsto dalla tricotomia del teorema di Poincaré-Bendixson. 

Problema 6.163 (Soluzioni omocline) Studiare il sistema differenziale nonlineare



ẋ = y,
ẏ = −x 3 + x

rispetto all’esistenza di soluzioni omocline.


6.3 Esistenza di orbite periodiche 253

Soluzione Gli unici punti di equilibrio sono l’origine e (±1, 0). Il sistema è Hamil-
toniano con funzioni Hamiltoniane (a meno del segno)

x4 x2 y2
H(x, y) = − + + C, C ∈ R.
4 2 2

Si verifica facilmente che (±1, 0) sono entrambi punti di minimo locale stretto
per H. Come noto, le orbite del sistema corrispondono alle curve di livello della
funzione H (orbite periodiche nell’intorno dei due punti (±1, 0)), e quindi hanno
equazione (implicita)

x 4 − 2x 2 + 2y 2 = C, C ∈ R.

In particolare, per C = 0, si trova



2  √ √
y=± x 2 − x2, per 0 ≤ x ≤ 2 oppure − 2 ≤ x ≤ 0,
2

da cui si ottiene la parametrizzazione (per il tratto di orbita che cade nel quadrante
con x, y > 0)
⎧ √

⎪ √ 2 2t

⎨x(t) = 2 sin[2 arctan t] = , t ∈ (0, +∞),
1 + t2
√ √ (6.164)

⎪ 2 2 2t (1 − t 2 )

⎩y(t) = sin[4 arctan t] = , t ∈ (0, +∞).
2 (1 + t 2 )2

Si noti che

lim x(t) = lim y(t) = 0.


t→+∞ t→+∞

La soluzione (6.164) è una prima orbita omoclina. Una seconda orbita omoclina si
trova ponendo
⎧ √

⎪ 2 2t

⎨x(t) = − , t ∈ (0, +∞),
1 + t2


⎪y(t) = − 2 2t (1 − t ) , t ∈ (0, +∞).
⎪ 2

(1 + t )
2 2

Le altre orbite del sistema, oltre agli equilibri (0, 0) (sella) e (±1, 0) (centri per
il sistema linearizzato e anche per il sistema originale, essendo il sistema Hamil-
toniano), sono tutte periodiche, come si evince dallo studio delle curve di livello
mostrate in figura 6.56. 
254 6 Sistemi planari non-lineari

Fig. 6.56 Ritratti di fase relativi al sistema planare nonlineare del problema 6.163. Traiettorie
omocline (indicate con la freccia in grasseto) e traiettorie interne ad esse (sinistra); traiettorie
omocline (indicate con la freccia in grasseto) e traiettorie esterne ad esse (destra). Si noti che sia
le orbite interne che quelle esterne sono periodiche

Problema 6.165 Studiare il sistema differenziale nonlineare


⎧  4 

⎪ x x2 y2  3 

⎨ ẋ = −y − − + x −x ,
4 2 2
⎪  4 2 

⎪ x x y2
⎩ẏ = x − x −
3
− + y
4 2 2

rispetto all’esistenza di soluzioni omocline.

Soluzione Consideriamo il sistema degli equilibri


⎧  4 

⎪ x x2 y2  3 

⎨−y − − + x − x = 0,
4 2 2
⎪  4 2 

⎪ x x y2
⎩x − x −
3
− + y = 0.
4 2 2

Moltiplicando la prima equazione per y, la seconda per (x 3 − x) e sommandole si


ottiene l’equazione
 3 2
x − x + y 2 = 0,

per cui i punti di equilibrio sono (0, 0), (1, 0) e (−1, 0). La matrice Jacobiana
nell’origine è
 
0 −1
J (0, 0) =
−1 0
6.3 Esistenza di orbite periodiche 255

con autovalori λ = ±1, per cui (0, 0) è un punto di sella. Linearizzando nei due
punti (±1, 0), si ottiene la matrice Jacobiana
1 
−1
J (±1, 0) = 2
1 ,
2 4

che ha autovalori complessi coniugati con parte reale positiva, per cui i punti (±1, 0)
sono dei fuochi instabili. Si osservi che il sistema data può essere visto che una
perturbazione del sistema considerato nel problema 6.163, almeno nell’intorno dei
punti di equilibrio (0, 0) e (±1, 0). Posto

(x 2 − 1)2 y 2 1
H(x, y) = + − ,
4 2 4
che è l’Hamiltoniana del problema 6.163 corrispondente a C = 0, il sistema si ri-
scrive come

ẋ = −Hy − HHx ,
(6.166)
ẏ = Hx − HHy .

Per il sistema del problema 6.163 i punti (±1, 0) erano dei centri, mentre qui risul-
tano dei fuochi instabili, e sappiamo che questo è possibile perturbando un’orbita
periodica. Si osservi anche che, dal sistema (6.166), per una condizione iniziale
H0 ∈ R, si ottiene
  
Ḣ = −H Hx2 + Hy2 ,
(6.167)
H(0) = H0 .

In particolare, se H0 = 0, si ha H(t) = 0 per ogni t ≥ 0; quindi, partendo sulle


curve studiate nel problema precedente (si veda la formula (6.164)), il sistema vi
rimane sopra di esse per tutti i tempi, tendendo all’origine (0, 0) sia per t → +∞
che per t → −∞ (come per il problema 6.163 si ha una coppia di orbite omo-
cline). Se H0 > 0 si deve avere H(t) > 0 per ogni tempo t. Quindi, partendo fuori
dalla regione di piano racchiusa dalle due orbite omocline il sistema rimane sem-
pre all’esterno. Inoltre, dall’equazione (6.167) si evince che la funzione H è stret-
tamente decrescente. Per H0 < 0 si ha H(t) < 0 per ogni tempo t. Quindi, par-
tendo all’interno della regione di piano racchiusa dalle orbite omocline il sistema
rimane sempre all’interno (regione di trapping limitata per il sistema). Inoltre, sem-
pre dall’equazione (6.167), si deduce che la funzione H è strettamente crescente. La
funzione H, pur non essendo una distanza euclidea del punto (x, y) dai punti (1, 0)
e (−1, 0) fornisce, almeno in certe regioni del piano, una misura dell’avvicinamento
o allontanamento dell’orbita dai tali punti di equilibrio. Nei pressi dei punti (±1, 0)
la funzione H risulta negativa per cui dall’equazione (6.167) si ha che H deve au-
mentare (si tratta infatti di fuochi instabili). Più precisamente, H si comporta come
la funzione distanza (traslata) di un punto (x, y) da (1, 0) (risp. (−1, 0)) nei pressi
256 6 Sistemi planari non-lineari

Fig. 6.57 Ritratti di fase relativi al sistema planare nonlineare del problema 6.165. Traiettorie
omocline (indicate con la freccia in grasseto) e traiettorie interne ad esse (sinistra); traiettorie
omocline (indicate con la freccia in grasseto) e traiettorie esterne ad esse (destra). Si noti che sia
le traiettorie interne che quelle esterne rimangono rispettivamente all’interno e all’esterno della
coppia di omocline e collassano su di esse abbastanza velocemente al crescere di t

di (1, 0) (risp. (−1, 0)), essendo


1 (x − 1)2 (x + 1)2 y 2 y2
H(x, y) + = + ∼ (x − 1)2 + , per x ∼ 1,
4 4 2 2
1 (x − 1)2 (x + 1)2 y 2 y2
H(x, y) + = + ∼ (x + 1)2 + , per x ∼ −1.
4 4 2 2
Lontano dai punti di equilibrio, dove H è positiva, la distanza dell’orbita dall’insie-
me costituito dall’unione delle omocline deve diminuire. Le soluzioni che partono
all’interno o all’esterno della regione delimitata dalle due omocline tendono ad av-
volgersi sulle omocline stesse. L’insieme ω-limite di ogni punto vicino agli equilibri
(±1, 0) coincide con una delle due soluzioni omocline (una a destra e una a sinistra
dell’asse y) unite al punto di equilibrio (0, 0). Questo corrisponde alla terza even-
tualità (unione di equilibri ed omocline) del teorema di Poincaré-Bendixson. Infine,
si noti che, ponendo
 
A = (x, y) ∈ R2 : H(x, y) ≤ 0 ,
risulta che A è l’attrattore globale del sistema. Infatti, il sistema è dissipativo, in
quanto esiste un insieme limitato che contiene ogni orbita da un certo istante (di-
pendente dal dato iniziale) in avanti, e quindi esiste un unico attrattore globale.
Inoltre A è compatto, connesso e invariante e, per ogni C ⊂ R2 si ha ω(C) ⊂ A.
Tutte queste caratteristiche sono evidenti in figura 6.57. 

Problema 6.168 Si studi l’esistenza di eventuali soluzioni omocline per l’equazio-


ne
ẍ = αx − 3x 2 ,
dove α è un parametro reale positivo.
6.3 Esistenza di orbite periodiche 257

Fig. 6.58 Ritratti di fase relativi al sistema √


planare nonlineare del problema 6.168. Andamento
del campo di flusso e delle traiettorie y = ±x α − 2x (contrassegnate da una freccia in grasseto)
con α = 1 (sinistra), ed alcune traiettorie (destra). Si noti la natura instabile dell’origine (0, 0) e
la natura stabile (ma non asintoticamente) del punto (α/3, 0). Complessivamente, il ritratto di fase
che ne risulta assomiglia ad un pesce

Soluzione L’equazione del second’ordine si riconduce al sistema



ẋ = y,
(6.169)
ẏ = αx − 3x 2 ,

che ammette i punti di equilibrio (0, 0) e (α/3, 0). Moltiplicando l’equazione data
per ẋ, si trova
  
d ẋ 2 α
+ x2 x − = 0,
dt 2 2
per cui le orbite sono descritte in forma implicita dalla relazione

y 2 + x 2 (2x − α) = C, C ∈ R.

Per C = 0 si ha l’orbita passante per l’origine



y = ±x α − 2x, x ∈ (−∞, α/2].

Prendendo il segno positivo si ottiene una curva crescente fino a α/3 e decrescente a
zero tra α/3 a α/2, mentre ribaltando la figura rispetto all’asse x si ottiene il grafico
relativo alla scelta del segno negativo. Come si vede dalla figura 6.58, la curva di
livello C = 0 (quella a cui appartiene l’origine) deve contenere quattro orbite, due
orbite regolari per x < 0, un’orbita omoclina, che lascia l’origine e vi ritorna in
tempo infinito, per x > 0 e l’equilibrio (0, 0). Si veda anche la figura 6.59, dove
vengono mostrate le varietà stabili e instabili dell’origine. 

Nel seguente esempio, tratto da [15], viene esibito l’attrattore universale.


258 6 Sistemi planari non-lineari

Fig. 6.59 Ritratti di fase per il sistema (6.169). Si noti che la traiettoria omoclina può essere vista
contemporaneamente sia come parte della varietà stabile (linea continua) che va verso l’origine
per t → +∞ (figura a sinistra), sia come parte di quella instabile (linea tratteggiata) che si diparte
dall’origine (figura a destra)

Problema 6.170 Si determini l’attrattore globale A del sistema dissipativo



ẋ = y,
(6.171)
ẏ = −y + x − x 3 .

Soluzione I punti di equilibrio sono (0, 0) e (±1, 0). Consideriamo l’insieme


 
W = W u (0, 0) ∪ (±1, 0) ,

ossia la varietà instabile dell’origine (sella) unita ai due punti di equilibrio (stabile)
(±1, 0). Siccome W è un insieme compatto e invariante, si ha
  
ω(W) = γ + ϕ(τ, W) = γ + (W) = W.
τ ≥0

Introducendo la funzione Ψ (x, y) = − 12 x 2 + 14 x 4 + 12 y 2 si ottiene Ψ̇ (x, y) = −y 2 ,


per cui per il teorema di invarianza 6.27 si deduce che l’insieme ω-limite di un gene-
rico dato iniziale (x0 , y0 ) deve essere uno dei tre equilibri. Essendo il sistema dissi-
pativo, esiste un unico attrattore globale A che verifica ω(C) ⊂ A per ogni insieme
limitato C. In particolare, W = ω(W) ⊂ A. Per dimostrare che A ⊂ W, da cui si
ricava A = W, ossia la conclusione, prendiamo un punto (y1 , y2 ) ∈ A e mostriamo
che l’insieme α-limite α(y1 , y2 ) è un punto di equilibrio. Sia (ξ1 , ξ2 ) ∈ ω(y1 , y2 );
allora esiste una successione tn (con tn−1 ≥ 1 + tn ) tale che ϕ(tn ; y1 , y2 ) → (ξ1 , ξ2 )
per n → ∞ e (dalla monotonia di Ψ ), per ogni t ∈ [0, 1]
     
Ψ ϕ(tn−1 ; y1 , y2 ) ≤ Ψ ϕ(tn + t; y1 , y2 ) ≤ Ψ ϕ(tn ; y1 , y2 ) .

Passando al limite per n → ∞, si ha Ψ (ϕ(t; ξ1 , ξ2 )) = Ψ (ξ1 , ξ2 ), per cui Ψ̇ (ϕ(t;


ξ1 , ξ2 )) = 0 da cui si conclude che (ξ1 , ξ2 ) è un punto di equilibrio. Abbiamo,
6.4 Alcuni modelli dalla biologia 259

Fig. 6.60 Ritratto di fase e


attrattore universale per il
sistema (6.171). Come si
vede, la varietà instabile unita
agli equilibri non banali attrae
tutte le altre orbite del sistema

quindi, dimostrato che A ⊂ W. In figura 6.60 è riportato l’attrattore e il ritratto


di fase. Si osservi che dal teorema di Liouville si poteva dedurre che l’attrattore uni-
versale fosse un oggetto di dimensionale minore di due. Infatti, presa una qualunque
regione di dati iniziali B, si ha V̇ (B(t)) = −V (B(t)), per cui V (B(t)) = V (B)e−t ,
ossia il volume tende a zero per t → +∞. 

6.4 Alcuni modelli dalla biologia

In questa sezione studiamo alcuni esempi relativi a modelli biologici classici. Per
approfondimenti e ulteriori sviluppi, ci riferiamo principalmente alle due monogra-
fie [3, 27].

Problema 6.172 Si discutano alcuni semplici modelli per la diffusione delle infe-
zioni in una data popolazione di individui che si assume costante nel tempo.

Soluzione Partizioniamo, al tempo t > 0, una data popolazione di individui in tre


sottoclassi disgiunte: quella degli individui suscettibili, che denotiamo con S = S(t),
quella degli individui infettivi, che denotiamo con I = I (t), e quella degli individui
rimossi, che denotiamo con R = R(t). Pensiamo agli individui della terza classe,
i rimossi, come a coloro che non sono più infettivi o suscettibili in quanto gua-
riti, isolati o morti. Supponiamo, per semplicità, che la popolazione totale rimanga
costante ( dtd
(S(t) + I (t) + R(t)) = 0), che non esista un tempo di incubazione (ri-
tardo nell’effetto) e che il passaggio dalla classe S alla classe I avvenga in modo
istantaneo per contatto diretto tra individui con una probabilità proporzionale alla
frequenza degli incontri (tra individui di S ed individui di I ), ovvero che essa sia
proporzionale al prodotto S(t)I (t). Infine, supponiamo che gli individui malati ab-
biano una probabilità di guarigione costante nel tempo e che qualora un individuo
venga infettato e quindi passi, successivamente, nella classe dei rimossi, non sia
più suscettibile dell’infezione per l’eternità (situazione che ricorre frequentemente),
260 6 Sistemi planari non-lineari

ossia
S !→ I !→ R !→ S.
Sulla base delle ipotesi appena fatte per il modello SIR, la rapidità di trasmissione
dell’infezione è proporzionale al numero di incontri tra un individuo suscettibile ed
un individuo infetto, ossia
Ṡ = −βSI,
dove β è una costante positiva. Inoltre, è naturale pensare che la variazione del
numero di rimossi R sia direttamente proporzionale al numero di infetti, ossia,

Ṙ = γ I,

con γ costante positiva. Tenuto conto che I˙ = −Ṡ − Ṙ, si ottiene il sistema nonli-
neare di tre equazioni in tre incognite


⎪ Ṡ = −βSI,

I˙ = βSI − γ I, (6.173)



Ṙ = γ I,

che è l’equazione classica del modello SIR. D’altra parte, essendo la popolazione
totale costante,
S(t) + I (t) + R(t) = N, t ≥ 0, (6.174)
sarà sufficiente determinare I e S in funzione del tempo per poi calcolare R per
differenza. Studiamo, pertanto, il sistema planare nelle incognite S e I ,

Ṡ = −βSI,
(6.175)
I˙ = (βS − γ )I.

Sono equilibri del sistema tutti i punti della forma (S̃, 0) con S̃ ∈ R. In tali punti la
matrice Jacobiana è data da
 
0 −β S̃
J (S̃, 0) = ,
0 β S̃ − γ

che ammette autovalori λ = 0 e λ = β S̃ − γ , positivo per S̃ > γ /β e negativo per


0 < S̃ < γ /β. Nel sistema cartesiano S–I le curve isocline a tangente verticale
sono gli assi stessi (S = 0 e I = 0), mentre le curve isocline a tangente orizzontale
sono l’asse S (I = 0) e la retta verticale S = γ /β. Sull’asse I (S = 0), essendo
I˙ = −γ I < 0 la soluzione converge all’origine con velocità esponenziale. Conside-
riamo ora un dato iniziale per il sistema nella zona del piano con S > γ /β e I > 0.
Siccome in questa zona Ṡ < 0 e I˙ > 0, la popolazione dei suscettibili diminuisce ed
invece aumenta la popolazione degli infettivi, che raggiunge un punto di massimo
6.4 Alcuni modelli dalla biologia 261

Fig. 6.61 Campo di flusso (sinistra) e alcune traiettorie (destra) relativi al sistema planare nonli-
neare del problema 6.175 per β = 0.5 e γ = 0.2. Nella figura di destra è riportata anche l’isoclina a
tangente orizzontale x = γ /β in modo da mostrare che partendo dalla regione con I > 0 e S > γ /β
le traiettorie terminano su punti di equilibrio del tipo (S̃, 0) con S̃ < γ /β, essendo questi attrativi

in corrispondenza di S = γ /β per poi diminuire fino ad andare a zero. Questo è par-


ticolarmente visibile in figura 6.61 in cui si osserva sia il campo di flusso (a sinistra)
sia le traiettorie in questione (destra). Si osservi anche che, dividendo membro a
membro le due equazioni (6.175), si ottiene

I˙ βS − γ
=− ,
Ṡ βS

da cui, integrando, si ottiene l’equazione delle orbite


γ
I (S) = log S − S + C,
β

con C costante reale. In sostanza queste curve connettono un generico equilibrio


del sistema del tipo (S̃, 0) con S̃ > γ /β ad un equilibrio del tipo (Ŝ, 0) con 0 <
Ŝ < γ /β. In figura 6.62 sono riportate le storie temporali di due traiettorie della
figura 6.61. Si noti la diversa velocità con la quale l’equilibrio finale viene raggiunto
dipendentemente dalla condizione iniziale.
Nel caso in cui, contrariamente alle ipotesi fatte, gli individui rimossi non siano
più immuni per l’eternità e possano tornare ad essere infettivi, ossia

S !→ I !→ R !→ S,

il modello si può riscrivere come




⎪ Ṡ = −βSI + δR,

I˙ = βSI − γ I, (6.176)



Ṙ = γ I − δR,
262 6 Sistemi planari non-lineari

Fig. 6.62 Andamento delle soluzioni S(t), I (t) e R(t) per diverse condizioni iniziali relative al
sistema planare nonlineare del problema 6.175 per β = 0.5 e γ = 0.2 (in entrambi i casi R(0) = 0
e S(t) + I (t) + R(t) = S(0) + I (0)). Si noti la diversa velocità con la quale l’equilibrio finale viene
raggiunto dipendentemente dalla condizione iniziale

dove δ è una terza costante positiva. In sostanza, nella legge di bilancio per gli
individui suscettibili (risp. dei rimossi) si aggiunge (risp. si toglie) un contributo di
individui rimossi proporzionale ad R. Tenuto conto dell’equazione (6.174) il sistema
si riconduce allora a

Ṡ = −βSI + δ(N − S − I ),
(6.177)
I˙ = βSI − γ I,

che ammette, rispetto al precedente modello semplificato, soltanto l’equilibrio


(N, 0) (che è una sella, nell’ipotesi che γ /β ≤ N ) e l’equilibrio non banale
 
γ δ(N − γ /β)
, ,
β γ +δ

che ha senso quando la popolazione totale supera la soglia critica γ /β. Per tali valori
dei parametri questo equilibrio risulta asintoticamente stabile e incluso nella regione
(che si dimostra essere invariante)
 
Σ = (S, I ) ∈ R2 : S, I ≥ 0, S + I ≤ N .

In conclusione, la malattia infettiva si insedia nella popolazione e raggiunge un va-


lore limite di equilibrio quando il numero di individui della comunità diventa suffi-
cientemente elevato. In figura 6.63 sono riportati rispettivamente il campo di flusso
ed il ritratto di fase per il sistema (6.176), mentre in figura 6.64 sono visibili le storie
temporali di due traiettorie, che mettono in risalto la diversa velocotà con cui viene
raggiunto il punto di equilibrio. 
6.4 Alcuni modelli dalla biologia 263

Fig. 6.63 Campo di flusso (sinistra) e alcune traiettorie (destra) relativi al sistema planare nonli-
neare del problema 6.176 per β = 0.5, γ = 0.2, δ = 0.3 e N = 0.8. Si osservi che N > γ /β per
cui esistono due punti di equilibrio: (N, 0) (sella, e quindi instabile, con direzione stabile la retta
I = 0) e l’equilibrio non banale stabile. Si osservi inoltre la regione invariante Σ definita da tutti i
punti del primo quadrante che non stanno sopra la retta tratteggiata (S + I ≤ N )

Fig. 6.64 Andamento delle soluzioni S(t), I (t) e R(t) per diverse condizioni iniziali relative
al sistema planare nonlineare del problema 6.176 per β = 0.5, γ = 0.2, δ = 0.3 e N = 0.8 (in
entrambi i casi R(0) = 0 e S(t) + I (t) + R(t) = S(0) + I (0)). Si noti la diversa velocità con
la quale l’equilibrio finale viene raggiunto dipendentemente dalla condizione iniziale ((1, 10−3 ),
sinistra; (1, 0.8) destra)

Problema 6.178 Studiare, al variare dei parametri positivi a, b, c, d e delle condi-


zioni iniziali il comportamento del sistema

ẋ = ax − bxy,
ẏ = −cy + dxy,

noto storicamente come modello preda-predatore di Lotka-Volterra.

Soluzione Il sistema ammette due punti di equilibio, l’origine e (c/d, a/b), che
sono i punti di intersezione tra le isocline a tangente orizzontale y = 0 e x = c/d e
264 6 Sistemi planari non-lineari

Fig. 6.65 Campo di flusso (sinistra) e storia temporale (destra) relativi al sistema planare non-
lineare del problema 6.178 (Lotka-Volterra classico) per a = 0.2, b = 0.004, c = 0.4, d = 0.005,
(x0 , y0 ) = (25, 50). Si osservi l’andamento periodico delle soluzioni

Fig. 6.66 Alcune traiettorie relative al sistema planare nonlineare del problema 6.178 (Lotka-Vol-
terra classico) per a = 0.2, b = 0.004, c = 0.4, d = 0.005. Si osservi la natura instabile dell’origine
(punto di sella) e la presenza di un centro. Le traiettorie si addensano nelle regioni del piano delle
fasi comprese tra gli assi ed il centro, con la conseguenza che per certi istanti di tempo, una traiet-
toria perturbata può trovarsi lontana da quella imperturbata

quelle a tangente verticale x = 0 e y = a/b. Dall’analisi del segno di ẋ = ax − bxy


e ẏ = −cy + dxy si deduce facilmente che le traiettorie, perlomeno per x, y > 0,
girano in senso antiorario nel piano delle fasi, come visibile in figura 6.65 (sini-
stra). Il sistema linearizzato attorno all’origine rivela che gli autovalori sono reali
con λ1 = a, λ2 = −c. Pertanto, essendo a, c positivi, l’origine è un punto di sella.

La linearizzazione attorno al punto (c/d, a/b) fornisce gli autovalori λ1,2 = ±i ac
e quindi questo punto è un centro. Pertanto, partendo da una qualsiasi condizione
iniziale, il sistema evolve lungo traiettorie periodiche chiuse che riportano la solu-
zione a passare dalla condizione iniziale, come mostrato in figura 6.66. Si noti che,
6.4 Alcuni modelli dalla biologia 265

dividendo le due equazioni del sistema membro a membro, si ha

ẏ y(−c + dx)
y = = ,
ẋ x(a − by)

da cui, integrando si ottiene l’equazione delle orbite chiuse in forma implicita

x, y > 0, a log y + c log x − by − dx = C, C ∈ R.

Inoltre, si osservi che una perturbazione nella soluzione porta il sistema su un’altra
traiettoria chiusa e periodica che, per certi istanti, può trovarsi lontana da quella
imperturbata. Si veda, in particolare, la figura 6.66. 

Problema 6.179 Siano a, b, c, d quattro costanti positive e sia (x, y) : [0, T ] → R2


una soluzione periodica di periodo T > 0 del modello di Lotka-Volterra

ẋ = ax − bxy,
ẏ = −cy + dxy.

Mostrare che i valori medi delle soluzioni del sistema sul periodo [0, T ] coincidono
con i valori di equilibrio a/b e c/d (principio di Volterra).

Soluzione I valori medi delle soluzioni nel periodo T sono dati da


T T
1 1
ξ= x(σ )dσ, ζ= y(σ )dσ.
T 0 T 0

Da ẋ = (a − by)x, separando le variabili ed integrando tra 0 e T si ha


T T
1 ẋ 1
dσ = (a − by)dσ,
T 0 x T 0

da cui
 T 
1  1
ln x(T ) − ln x(0) = aT − b y(σ )dσ .
T T 0

Essendo però nullo l’integrale su un ciclo, si ottiene


T
1
0=a−b y(σ )dσ = a − bζ,
T 0

da cui ζ = a/b. Similmente, si ha


266 6 Sistemi planari non-lineari

0 = ln y(T ) − ln y(0)
T T

= dσ = (−c + dx)dσ
0 y 0
T
= −cT + d x(σ )dσ = (−c + dξ )T ,
0

da cui ξ = c/d, che conclude la dimostrazione. 

Problema 6.180 Studiare, al variare dei parametri reali a, b ∈ R e delle condizioni


iniziali, il comportamento del sistema

ẋ = x(1 − x) − axy,
(6.181)
ẏ = y(1 − y) − byx.

Soluzione Il sistema dato,



ẋ = x − x 2 − axy,
ẏ = y − y 2 − byx,

è un caso particolare del sistema quadratico generale



ẋ = α1 x + a11 x 2 + a12 xy,
(6.182)
ẏ = α2 y + a21 xy + a22 y 2 ,

con α1 = α2 = 1, a11 = a22 = −1, a12 = −a e a21 = −b. Le due popolazioni hanno
una legge di crescita molto simile, con un tasso di crescita positivo e pari a 1 (ossia
entrambe possono esistere anche da sole) e un tasso di competizione intraspecifica
pari a 1 (competizione per le risorse all’interno della stessa specie). Se a e b sono
diversi da zero c’è anche un’interazione tra le due specie, detta interspecifica, che
può essere di competizione (nel caso in cui a, b sono entrambi positivi) o coopera-
zione (nel caso in cui a, b sono entrambi negativi). Come visto negli esempi prece-
denti, lo studio delle isocline e delle regioni in cui ẋ e/o ẏ sono positive o negative
è fondamentale per capire l’andamento del campo di flusso. Questa analisi risulta
particolarmente semplice sia nel caso in esame sia per il sistema generale (6.182) in
quanto le isocline sono tutte delle rette. I punti di equilibrio sono
 
a−1 b−1
(0, 0), (1, 0), (0, 1), , ,
ab−1 ab−1
e la matrice Jacobiana è
 
−ay − 2x + 1 −ax
J (x, y) = .
−by −2y − bx + 1

La prima considerazione è che l’origine, indipendentemente dai valori assunti da a


e b, rimane una stella instabile in quanto J (0, 0) è proprio la matrice identità.
6.4 Alcuni modelli dalla biologia 267

Fig. 6.67 Campo di flusso (sinistra) ed alcune traiettorie (destra) relativi al sistema planare non-
lineare del problema 6.180 con a = b = 0. Si osservi che l’unico punto di equilibrio stabile è (1,1),
ovvero dal punto di vista biologico entrambe le specie raggiungono un valore asintotico non nullo

Caso a = b = 0. In questo caso non c’è né competizione né cooperazione es-


sendo il sistema disaccoppiato; i punti di equilibrio sono i 4 vertici del quadrato di
lato 1 e procedendo con l’analisi del segno di ẋ e ẏ si arriva facilmente al campo di
flusso riportato in figura 6.67 (sinistra). Gli autovalori della matrice Jacobiana per-
mettono di concludere che solo il punto (1, 1) è attrattivo essendo una stella stabile
(J (1, 1) = −I e quindi λ1,2 = −1), mentre gli altri tre punti sono repulsivi essendo
o una stella (l’origine) o di sella ((1, 0) e (0, 1) con λ1 = −1 e λ2 = 1). Partendo
da condizioni iniziali positive per entrambe le specie, pertanto, il sistema evolverà
verso il punto di equilibrio (1, 1), ovvero dal punto di vista biologico entrambe le
specie raggiungono un valore asintotico non nullo. Questi risultati sono riassunti
visivamente nella figura 6.67.
Caso 0 < a = b < 1. Il sistema è competitivo con uguale competizione per en-
trambe le specie. Dall’analisi del segno di ẋ e ẏ si arriva al campo di flusso riportato
in figura 6.68 (sinistra), mentre calcolando gli autovalori della matrice Jacobiana
nei punti di equilibrio si conclude che solo ( aa−1 b−1
b−1 , a b−1 ) è stabile (nodo proprio)
ed attrae le soluzioni con condizione iniziale positiva per entrambe le specie. Al
contrario, (0, 1) e (1, 0) sono due punti di sella. Questo è chiaramente visibile in
figura 6.68. Si osservi che, essendo a = b, il punto ( aa−1 b−1
b−1 , a b−1 ) si trova sulla retta
y = x ed il ritratto di fase è simmetrico rispetto ad essa.
Caso a = b = 1. Il campo di flusso è riportato in figura 6.69 (sinistra). Il punto
( aa−1 b−1
b−1 , a b−1 ) non esiste mentre l’origine e il punto (1, 1) sono instabili. La retta
y = −x + 1 è luogo dei punti di equilibrio stabili, per cui anche (0, 1) e (1, 0) sono
stabili. In particolare, una qualsiasi traiettoria originata da una particolare condi-
zione iniziale (x0 , y0 ) è attratta dal punto di intersezione tra y = yx00 x e y = −x + 1.
Questa situazione è visibile in figura 6.69 (destra), ottenuta per a = b = 1.
Caso a = b > 1. Il campo di flusso per a = b = 1.5 è riportato in figura 6.70 (si-
b−1 , a b−1 ) diventa di sella (λ1 = −1, λ2 = 1/5 per a = b = 1.5),
nistra). Il punto ( aa−1 b−1

e quindi instabile. Al contrario, i punti (1, 0) e (0, 1) diventano dei nodi propri
stabili (λ1 = −1, λ2 = −1/2 per a = b = 1.5), come visibile in figura 6.70 (de-
268 6 Sistemi planari non-lineari

Fig. 6.68 Campo di flusso (sinistra) ed alcune traiettorie (destra) relativi al sistema planare non-
lineare del problema 6.180 con a = b = 0.7. Si osservi che l’unico punto di equilibrio stabile è
( aa−1 b−1
b−1 , a b−1 ) ovvero dal punto di vista biologico entrambe le specie raggiungono un valore asin-
totico non nullo

Fig. 6.69 Campo di flusso (sinistra) ed alcune traiettorie (destra) relativi al sistema planare non-
lineare del problema 6.180 con a = b = 1. Si osservi che i punti di equilibrio stabili sono quelli
appartenenti alla retta y = −x + 1

stra). Pertanto la competizione è tale da far sopravvivere solo la specie che parte
avvantaggiata (si vedano le zone del bacino di attrazione dei nodi propri stabili).
L’origine rimane una stella instabile. È chiaro che partendo da condizioni iniziali
0 < x0 = y0 < 1 la soluzione finisce nel punto ( aa−1 b−1
b−1 , a b−1 ), che è instabile es-
sendo di sella. Si noti che il ritratto di fase è simmetrico rispetto alla retta y = x
perché a = b.
Caso a, b * 1. Il punto ( aa−1 b−1
b−1 , a b−1 ), che è una sella (e quindi instabile), è tale
per cui le sue coordinate tendono entrambe a zero al crescere di a e b (e quindi il
punto tende verso l’origine), con velocità diverse. In altre parole per a = b * 1 il
punto di equilibrio si sposta verso l’origine e il ritratto di fase è simmetrico rispetto
alla retta y = x, come visto nei casi precedenti di a = b. Viceversa, per a, b * 1 e
a = b il punto di equilibrio stabile si sposta verso la zona x = 0 e y = 0 ma il ritratto
6.4 Alcuni modelli dalla biologia 269

Fig. 6.70 Campo di flusso (sinistra) ed alcune traiettorie (destra) relativi al sistema planare non-
lineare del problema 6.180 con a = b = 1.5. Si osservi come la competizione sia tale da far so-
pravvivere solo la specie che parte avvantaggiata rispetto all’altra, ovvero se la condizione iniziale
è tale per cui y0 > x0 allora la specie x soccomberà e la specie y sopravviverà e viceversa con
y0 < x0

Fig. 6.71 Campo di flusso (sinistra) ed alcune traiettorie (destra) relativi al sistema planare non-
lineare del problema 6.180 con a = 4 e b = 7. Si osservi come al crescere della competizione
interspecifica il punto di equilibrio stabile si sposti verso verso l’origine. Inoltre a = b rompe la
simmetria rispetto alla retta y = x. Dal punto di vista biologico una specie si estingue e l’altra
sopravvive dipendentemente da dove si trova la condizione inziale rispetto alla retta y = a−1 b−1
x

di fase perde di simmetria rispetto alla retta y = x, come evidente dalla figura 6.71.
Questo avviente tanto più velocemente quanto più sono elevati a e b e l’esito della
competizione è determinato da dove si trova la condizione iniziale rispetto alla retta
y = a−1
b−1
x (vedi figura 6.71). Dal punto di vista biologico, siccome (1, 0) e (0, 1)
sono dei nodi propri stabili, la soluzione tende ad uno di essi a meno di non partire
da un altro punto di equilibrio. Diagrammando il prodotto ϕ(t) = x(t)y(t) si può
avere un’idea di quanto velocemente accada il fenomeno.
Caso −1 < a < 0 e −1 < b < 0. Il sistema è cooperativo, nel senso che le due
specie anziché contrastarsi vicendevolmente, cooperano alla sopravvivenza l’una
270 6 Sistemi planari non-lineari

Fig. 6.72 Campo di flusso (sinistra) ed alcune traiettorie (destra) relativi al sistema planare non-
lineare del problema 6.180 con a = −0.3 e b = −0.6. Si osservi come che le specie non siano più
competitive ma cooperative nel senso che cooperano alla sopravvivenza l’una dell’altra. Essendo
a = b non c’è simmetria rispetto alla retta y = x. Dal punto di vista biologico entrambe le specie
raggiungono un valore asintotico non nullo purché non partano da punti di equilibrio

Fig. 6.73 Campo di flusso (sinistra) ed alcune traiettorie (destra) relativi al sistema planare non-
lineare del problema 6.180 con a = b = −1. Le soluzioni crescono indefinitamente indipenden-
temente dalla condizione iniziale essendo il sistema cooperativo e tutti gli equilibri instabili. Si
osservi che il punto ( aa−1 b−1
b−1 , a b−1 ) non esiste

dell’altra. In particolare, l’origine è sempre una stella instabile, (0, 1) e (1, 0) sono
due punti di sella (quindi instabili), mentre il punto ( aa−1 b−1
b−1 , a b−1 ) è l’unico stabile
ed attrae tutte le traiettorie (purché non partano dagli altri punti di equilibrio), come
si vede in figura 6.72. Essendo a = b si osserva la perdita di simmetria rispetto alla
retta y = x.
Caso a = b = −1. Il punto ( aa−1 b−1
b−1 , a b−1 ) non esiste e gli altri punti di equili-
brio sono tutti instabili (come nel caso precedente). Pertanto, entrambe le soluzioni
crescono indefinitamente indipendentemente dalla condizione iniziale (il sistema è
cooperativo), come chiaramente provato dalla figura 6.73.
6.4 Alcuni modelli dalla biologia 271

Caso a < −1 e b < −1. Il punto ( aa−1 b−1


b−1 , a b−1 ) si trova nel terzo quadrante e
quindi non viene considerato. L’origine, (0, 1) e (1, 0)) sono instabili e quindi en-
trambe le soluzioni crescono indefinitamente in tempi molto brevi, come nel caso
precedente. 

Problema 6.183 Studiare, al variare di k > 0 e delle condizioni iniziali, il compor-


tamento del sistema

ẋ = x(1 − x) − kxy 2 ,
(6.184)
ẏ = y(1 − y) − kyx 2 .

Soluzione Il sistema dato è simile al sistema (6.181) con la differenza che ora
l’accoppiamento tra le due specie non è più quadratico ma cubico. Si noti che, es-
sendo k > 0, le due specie sono in competizione. I punti di equilibrio sono i seguenti:
(0, 0), (1, 0), (0, 1),
 √ √  √ √ 
4k + 1 + 1 4k + 1 + 1 4k + 1 − 1 4k + 1 − 1
− ,− , , ,
2k 2k 2k 2k
√ √   √ √ 
4k − 3 + 1 4k − 3 − 1 4k − 3 − 1 4k − 3 + 1
,− , − , .
2k 2k 2k 2k

Ovviamente, essendo x e y delle popolazioni, consideriamo solo i punti di equilibrio


nel primo quadrante, ovvero
√ √ 
4k + 1 − 1 4k + 1 − 1
(0, 0), (1, 0), (0, 1), , .
2k 2k

La matrice Jacobiana è
 
−ky 2 − 2x + 1 −2kxy
J (x, y) = ,
−2kxy −kx 2 − 2y + 1

pertanto l’origine è sempre una stella stabile (J (0, 0) = I ), mentre la matrice Jaco-
biana in (1, 0) e (0, 1) vale rispettivamente
   
−1 0 1−k 0
J (1, 0) = e J (0, 1) = .
0 1−k 0 −1

Quindi, (1, 0) e (0, 1) sono degli equilibri stabili per k > 1 e delle selle instabili per
k ≤ 1. Consideriamo il caso k > 1, per fissare le idee k = 2, e lasciamo al lettore lo
studio per√0 < k ≤ 1.√Come si può verificare velocemente, per k = 2 la matrice Jaco-
biana in ( 4k+1−1
2k , 4k+1−1
2k ) ha come autovalori λ1 = −3/2 e λ2 = 1/2, e quindi il
punto di equilibrio è una sella (instabile), come evidente in figura 6.74. Analizzando
il ritratto di fase si osserva che il piano [0, 1] × [0, 1] viene suddiviso in 4 regioni,
due delle quali sono il bacino di attrazione del punto (1, 0) (quelle sotto la biset-
trice del primo quadrante) e le altre due sono il bacino di attrazione del punto (0, 1)
272 6 Sistemi planari non-lineari

Fig. 6.74 Campo di flusso (sinistra) ed alcune traiettorie (destra) relativi al sistema planare non-
lineare del problema 6.183 con k = 2. Si osservi come la competizione sia tale da far sopravvivere
solo la specie che parte avvantaggiata rispetto all’altra, ovvero se la condizione iniziale è tale per
cui y0 > x0 allora la specie x soccomberà e la specie y sopravviverà e viceversa con y0 < x0

(le due sopra la bisettrice). Il fatto che questi due siano i soli punti di equilibrio del
sistema ha una fortissima implicazione dal punto di vista della crescita delle popola-
zioni interagenti. Infatti, una è sempre destinata ad estinguersi (la minore delle due
nella condizione iniziale) mentre l’altra raggiunge il massimo (la maggiore delle due
nella condizione iniziale). Partendo da una condizione iniziale√ bisettrice y = x,
sulla √
invece, la soluzione viene attratta dal punto di equilibrio ( 4k+1−1
2k , 4k+1−1
2k ), come
mostrato in figura 6.74 per diverse condizioni iniziali. Aumentando il valore di k,
che rappresenta

il coefficiente di competizione tra le due specie, il punto di equili-

brio ( 4k+1−1
2k , 4k+1−1
2k ) si sposta verso l’origine (a cui tende per k → ∞). Questo
ha come effetto, a parità di condizione iniziale, un’aumentata velocità di conver-
genza verso i punti di equilibrio stabili. Confrontando i risultati per k = 20 (riportati
in figura 6.75) con i risultati ottenuti per k = 2 (vedi figura 6.74), si osserva infatti
che la specie che tende a zero lo fa molto più velocemente nel caso di k elevato. Per
avere un’idea di quanto velocemente una delle due popolazioni si estingue, basta
diagrammare il prodotto x(t)y(t). Si sarà notato come l’analisi qualitativa di questo
problema sia consistente con le conclusioni del problema 6.180 nel caso a, b > 1.
I due problemi sono, infatti, simili. 

Nel seguente problema discutiamo il principio dell’esclusione competitiva che


riguarda i sistemi con crescita logistica. Se a parità di competizione interspecifica
una delle due specie ha un livello massimo sostenibile dall’ambiente anche solo leg-
germente superiore al livello sostenibile dell’altra specie, la prima necessariamente
sopravvive a scapito della seconda, che si estingue.

Problema 6.185 (Esclusione competitiva) Studiare il comportamento del seguente


sistema al variare delle condizioni iniziali, dei coefficienti α, β, γ , δ > 0 e tali che
6.4 Alcuni modelli dalla biologia 273

Fig. 6.75 Campo di flusso (sinistra) ed alcune traiettorie (destra) relativi al sistema pla-
nare

nonlineare

del problema 6.183 con k = 20. Si osservi lo spostamento del punto di sella
( 4k+1−1
2k , 4k+1−1
2k ) verso l’origine all’aumentare di k

0<δ,β

ẋ = αx − βx 2 − γ xy,
ẏ = αy − (β − δ)y 2 − γ xy.

Soluzione Il sistema dato è un caso particolare di un sistema (6.182) con α1 =


α1 = α, a12 = a21 = −γ , a11 = −β e a21 = −(β − δ). Questo, in pratica, signi-
fica che le due popolazioni hanno leggi di crescita molto simili tranne che per il
coefficiente intraspecifico, che varia leggermente. I punti di equilibrio sono
 
  α(β − δ − γ ) α(β − γ )
(0, 0), (α/β, 0), 0, α/(β − δ) , , .
β 2 − βδ − γ 2 β 2 − βδ − γ 2
La matrice Jacobiana fornisce, per ciascuno di essi, le condizioni di stabilità. La-
sciamo al lettore lo studio dei punti (0, 0), (α/β, 0) e (0, α/(β − δ)), mentre qui
ci concentriamo sull’equilibrio non banale, che denotiamo con (xeq , yeq ). Il calcolo
agli autovalori per J (xeq , yeq ) dà

(β − γ )(β − δ − γ )
λ1 = −α, λ2 = −α .
β 2 − βδ − γ 2
L’autovalore è sempre λ1 < 0 (α > 0), mentre il segno del secondo autovalore di-
pende dai parametri scelti. Va inoltre sottolineato che ha senso parlare della stabilità
di (xeq , yeq ) solo nel caso in cui sia xeq che yeq siano positive, i.e. per

β − δ − γ > 0, β 2 − βδ − γ 2 > 0, β − γ > 0,

oppure
β − δ − γ < 0, β 2 − βδ − γ 2 < 0, β − γ < 0.
274 6 Sistemi planari non-lineari

Fig. 6.76 Campo di flusso (sinistra) ed alcune traiettorie (destra) relativi al sistema planare non-
lineare del problema 6.185 per α = 10, β = 0.1, γ = 0.099, δ = 0.002. Si osservi la presenza di
un solo punto di equilibrio stabile sull’asse y, ovvero la specie meglio adattata sopravvive mentre
l’altra è destinata all’estinzione indipendentemente dalla condizione iniziale

Fig. 6.77 Campo di flusso (sinistra) ed alcune traiettorie (destra) relativi al sistema planare non-
lineare del problema 6.185 per α = 10, β = 0.1, γ = 0.097, δ = 0.002. Si osservi la presenza di
un solo punto di equilibrio stabile (equilibrio non banale) caraterizzato da x = 0 e y = 0. In que-
sto caso entrambe le specie raggiungono un valore asintotico non nullo indipendentemente dalla
condizione iniziale

In figura 6.76 sono riportati il campo di flusso e il ritratto di fase per il caso
α = 10, β = 0.1, γ = 0.099, δ = 0.002. Come si può notare i punti di equilibrio sono
tre in quanto l’equilibrio non banale (xeq , yeq ) si trova nel terzo quadrante. L’unico
stabile è il punto sull’asse y per cui, indipendentemente dalla condizione iniziale,
la soluzione si porta su questo stato di equilibrio che prevede l’estinzione della po-
polazione x e la sopravvivenza della specie y. Questo succede perché, pur essendo
le due leggi di crescita molto simili, la popolazione x ha un coefficiente di com-
petizione intraspecifico leggermente maggiore dell’altra, i.e. risulta meglio adattata
all’ambiente. In figura 6.77 viene riportato il caso α = 10, β = 0.1, γ = 0.097,
δ = 0.002 per il quale i punti di equilibrio sono quattro, dei quali l’unico stabile è il
6.4 Alcuni modelli dalla biologia 275

Fig. 6.78 Andamento delle soluzioni relative al sistema planare nonlineare del problema 6.185
per due diverse condizioni iniziali con α = 10, β = 0.1, γ = 0.099, δ = 0.002. (x0 , y0 ) = (10, 10)
(sinistra) e (x0 , y0 ) = (120, 1) (destra). Nonostante le due specie siano inizialmente uguali (sini-
stra) o la specie x avvantaggiata (destra), la specie x è destinata all’estinzione. I valori asintotici
vengono raggiunti in tempi diversi dipendentemente dalla condizione iniziale

Fig. 6.79 Andamento delle soluzioni relative al sistema planare nonlineare del problema 6.185
per due diverse condizioni iniziali con α = 10, β = 0.1, γ = 0.097, δ = 0.002. (x0 , y0 ) = (10, 10)
(sinistra) e (x0 , y0 ) = (120, 1) (destra). A differenza del caso precedente, sia che le due specie
siano inizialmente uguali (sinistra) sia che la specie x sia avvantaggiata (destra), entrambe le
specie raggiungono un valore asintotico non nullo. Questi valori vengono raggiunti in tempi diversi
dipendentemente dalla condizione iniziale

nuovo comparso (quello non banale (xeq , yeq )). Pertanto, indipendentemente dalla
condizione iniziale, questa volta entrambe le specie raggiungono un valore asinto-
tico non nullo.
La figura 6.78 mostra, per α = 10, β = 0.1, γ = 0.099, δ = 0.002, le due solu-
zioni in funzione del tempo per diverse condizioni iniziali. Si noti che, pur partendo
dalla condizione iniziale (x0 , y0 ) = (120, 1) vicina al punto di equilibrio dove la
specie x sopravvive e la specie y si estingue, la specie x si estingue e sopravvive
solo la y. Si noti che, per questa scelta dei parametri, β − δ = 0.098 < γ . In fi-
gura 6.79 viene riportato il caso α = 10, β = 0.1, γ = 0.097, δ = 0.002 per le stesse
276 6 Sistemi planari non-lineari

condizioni iniziali (x0 , y0 ) = (10, 10) (sinistra) e (x0 , y0 ) = (120, 1) (destra). A dif-
ferenza del caso precedente, entrambe le specie raggiungono un valore asintotico
non nullo. 

Nel problema successivo cerchiamo di formalizzare e generalizzare gli esempi


precedenti sui sistemi di popolazioni in competizione. Seguiamo la linea di [17].

Problema 6.186 Studiare il comportamento del sistema generale



ẋ = M(x, y)x,
ẏ = N (x, y)y,

descrivendo alcune ragionevoli ipotesi qualitative per le due funzioni M, N : R2 →


R di classe C 1 in modo da modellare il caso di interazioni competitive.

Soluzione Come nei precedenti esempi particolari, supporremo che x = x(t) e


y = y(t) denotino le popolazioni di due specie all’istante t > 0 e, quindi, siano
grandezze positive. Le isocline a tangente verticale sono date dalle soluzioni delle
due equazioni
x = 0, M(x, y) = 0,
mentre le isocline a tangente orizzontale sono fornite dalle soluzioni di

y = 0, N (x, y) = 0.

Gli assi del piano delle fasi sono quindi sempre delle isocline per il sistema e il primo
quadrante del piano delle fasi è una regione positivamente invariante. Pensando ad
M e N come dei tassi di crescita rispettivamente di x e y, nel caso competitivo,
M (risp. N ) deve diminuire all’aumentare di y (risp. x), per cui è ragionevole assu-
mere
∂M ∂N
< 0, < 0. (6.187)
∂y ∂x
Quando una popolazione diviene molto grande e supera la soglia massima sosteni-
bile rispetto alle risorse disponibili nell’ambiente, deve cominciare a decrescere (si
pensi ai casi particolari studiati in precedenza in questa sezione). Pertanto è ragio-
nevole assumere che

lim sup M(x, y) < 0, lim sup N (x, y) < 0,


(x,y)→∞ (x,y)→∞

e che esistano due costanti a > 0 e b > 0 tali che

M(x, 0)(x − a) < 0, N(0, y)(y − b) < 0, (6.188)


6.4 Alcuni modelli dalla biologia 277

per ogni x, y ∈ R (le condizioni (6.188) descrivono il comportamento dei tassi di


crescita di x e y in assenza della popolazione antagonista). Denotiamo con
 
γ = M −1 {0} ,

la curva di livello 0 per M (i.e. l’isoclina a tangente verticale) e con


 
η = N −1 {0} ,

la curva di livello 0 per N (i.e. l’isoclina a tangente orizzontale). Si osservi che,


per le ipotesi fatte, per ogni 0 ≤ x ≤ a esiste un unico punto Ax ∈ R2 tale che
{x} × R ∩ γ = {Ax } e, per ogni x > a, si ha {x} × R ∩ γ = ∅. Tenuto conto delle
condizioni (6.187) e (6.188) (si noti che (6.188) implica M(a, 0) = 0 e N (0, b) = 0),
per il teorema della funzione implicita, esiste una funzione regolare ϕ : [0, a] → R+
tale che ϕ(a) = 0 il cui grafico coincide con γ ,
 
M x, ϕ(x) = 0, per ogni x ∈ [0, a];

inoltre, nei punti (x, y) al di sotto della curva γ si ha M > 0, mentre al di sopra si
ha M < 0. Ragionando in modo simile, si dimostra che esiste una funzione regolare
ψ : [0, b] → R+ con ψ(b) = 0 il cui grafico coincide con η,
 
N ψ(y), y = 0, per ogni y ∈ [0, b].

Nei punti (x, y) a sinistra di η si ha N > 0, mentre a destra si ha N < 0. Pertanto,


le curve isocline γ e η ed i semiassi cartesiani positivi delimitano un numero finito
di regioni connesse Ri nel primo quadrante in ciascuna delle quali le componenti
x e y sono strettamente crescenti o decrescenti a seconda della regione e il vettore
punta verso uno dei seguenti quattro possibili orientamenti (si veda le sezione 6.2.3
dedicata alle isocline),

(ẋ > 0, ẏ > 0), nord-est, (ẋ > 0, ẏ < 0), sud-est,
(ẋ < 0, ẏ > 0), nord-ovest, (ẋ < 0, ẏ < 0) sud-ovest.

Queste regioni connesse Ri sono delimitate da una frontiera ∂Ri costituita dai
vertici (ossia i punti che appartengono a γ ∩ η e che non sono sugli assi, ov-
vero gli equilibri non banali), dai punti ordinari (ossia i punti che appartengono
a (γ ∪ η) \ ((γ ∩ η) ∪ ({assi})) e dai punti sugli assi. Gli equilibri biologicamente
meno rilevanti sono i punti (0, 0), (a, 0) e (0, b) sugli assi cartesiani. Sui punti or-
dinari si ha ẋ = 0 oppure ẏ = 0, per cui il vettore campo punta (o verso l’interno
o verso l’esterno della regione) orizzontalmente (su η) o verticalmente (su γ ). Una
proprietà importante è la seguente: per una regione Ri i punti di frontiera ordinari
o puntano tutti verso l’interno della regione o puntano tutti verso l’esterno. Natural-
mente tale proprietà non vale per i punti degli assi, dove il flusso è tangenziale. Ora,
per quanto abbiamo dimostrato, risulta ẋ > 0 (risp. ẋ < 0) sotto (risp. sopra) γ e,
similmente, ẏ > 0 (risp. ẏ < 0) a sinistra (risp. a destra) di η. Sono possibili solo due
278 6 Sistemi planari non-lineari

Fig. 6.80 Isoclina a tangente orizzontale η (in linea tratteggiata) e isoclina a tangente verticale γ
(in linea punteggiata) ed andamento del campo di flusso per il problema 6.186 nel caso in cui η
attraversi γ crescendo (sinistra) o descrescendo (destra). Si osservi come nel primo caso (figura
di sinistra) sulla frontiera di A1 e A3 i vettori puntino all’interno della regione mentre sui punti di
frontiera di A2 e A4 i vettori puntino all’esterno della regione; viceversa per la figura riportata a
destra

configurazioni per γ e η nell’intorno di un dato vertice, con la curva η che attraversa


γ crescendo oppure decrescendo, come mostrato in figura 6.80. Quindi, ragionando
sui segni di ẋ e ẏ, si può concludere che, nel primo caso, sulla frontiera di A1 e A3
i vettori puntano all’interno della regione mentre sui punti di frontiera di A2 e A4 i
vettori puntano all’esterno della regione. Viceversa, nel secondo caso (si veda la fi-
gura 6.80 di destra), su ∂A1 ∪ ∂A3 i vettori puntano all’esterno mentre su ∂A2 ∪ ∂A4
i vettori puntano all’interno. Dalla proprietà che abbiamo appena giustificato segue
che ogni regione è positivamente o negativamente invariante e l’insieme ω-limite
di un punto interno alla regione deve necessariamente essere un punto di equilibrio
(e sono possibili un numero finito di equilibri relativi ad ogni Ri ). Non può infatti
essere un’orbita periodica, poiché x e y sono strettamente monotone all’interno
di Ri . Notiamo anche che le orbite devono rimanere intrappolate in un rettangolo
positivamente invariante di lati maggiori di a e b rispettivamente. Una seconda pro-
prietà è la seguente: un vertice (x0 , y0 ), ossia un punto di equilibrio non banale, in
cui le pendenze di γ e η siano negative e γ abbia pendenza maggiore rispetto a η
deve essere asintoticamente stabile. Infatti, dal teorema delle funzioni implicite, la
pendenza delle curve γ e η è data da −Mx /My e −Nx /Ny rispettivamente, per cui
la nostra ipotesi si ritraduce nelle disuguaglianze strette
Mx Nx
− <− < 0.
My Ny

Essendo per ipotesi My < 0 e Nx < 0, si avrà anche Mx < 0 e Ny < 0 e Mx Ny −


My Nx > 0 nel punto di equilibrio. Linearizzando il sistema si ottiene la matrice
Jacobiana
 
x0 Mx (x0 , y0 ) x0 My (x0 , y0 )
J (x0 , y0 ) = ,
y0 Nx (x0 , y0 ) y0 Ny (x0 , y0 )
6.4 Alcuni modelli dalla biologia 279

Fig. 6.81 Andamento del campo di flusso (sinistra) e di alcune traiettorie (destra) per il pro-
blema 6.189. Le isocline a tangente orizzontale η e verticale γ sono rispettivamente in linea trat-
teggiata e punteggiata. Si osservi come la stabilità dei punti di equilibrio non banali dipenda dalle
pendenze di η e γ mentre quella dei punti sugli assi dipenda dalla loro posizione rispetto ad esse.
Infine, si osservi come soluzioni che partono da condizioni iniziali molto vicine tra loro subiscano
destini decisamente diversi andando su punti di equilibrio relativamente lontani tra loro (si vedano
quelle che si dipartono da un punto prossimo al punto di equilibrio più vicino all’origine)

e quindi, considerando la traccia e il determinante si ha

Tr J (x0 , y0 ) = x0 Mx (x0 , y0 ) + y0 Ny (x0 , y0 ) < 0,


 
det J (x0 , y0 ) = x0 y0 Mx (x0 , y0 )Ny (x0 , y0 ) − My (x0 , y0 )Nx (x0 , y0 ) > 0,

che, come sappiamo, implica che l’equilibrio sia localmente asintoticamente sta-
bile. Quanto agli equilibri banali in una delle due componenti, ossia (a, 0) e (0, b),
la stabilità dipende dalla posizione di tali punti rispetto alle curve γ e η. Infatti,
se (0, b) giace al di sopra di γ , ossia dove ẋ < 0 allora l’orbita à forzata ad av-
vicinarsi all’asse y. In modo simile, l’equilibrio (a, 0) è asintoticamente stabile se
è posizionato a destra di η, ossia la zona dove ẏ < 0 e quindi l’orbita è vincolata
ad avvicinarsi all’asse x. Osserviamo infine che esistono delle situazioni in cui per-
turbando leggermente una condizione iniziale in una delle regioni complementari
alle regioni Ri il destino dell’evoluzione dell’orbita è molto diverso, a seconda che
l’orbita si diriga verso un punto Q ∈ γ ∩ η oppure entri in una delle due regioni
adiacenti a Q, per poi terminare su altri punti di equilibrio del sistema. Le caratte-
ristiche sopra descritte sono visualizzate in figura 6.81, che si riferisce al seguente
esempio particolare
⎧  

⎨ẋ = x − 2 x 3 + 3x 2 − 4x + 3 − y ,
3 (6.189)
⎩ẏ = y 3 − x − 4(y − 1)2 .

Questo conclude lo svolgimento. 


280 6 Sistemi planari non-lineari

Fig. 6.82 Superficie ϕ(a, c)


riferita al problema 6.190. Il
punto di equilibrio risulta
stabile per le terne (a, c, b)
tali che b > ϕ(a, c), instabile
altrimenti. Si noti che per
a < 1/2 la stabilità del punto
di equilibrio (xeq , yeq ) è
assicurata per tutti i valori di
b > 0, c > 0

Problema 6.190 Studiare, al variare dei tre parametri positivi a, b, c e delle condi-
zioni iniziali, il comportamento del sistema
⎧ axy

⎨ẋ = x(1 − x) − x + c ,
 

⎩ẏ = by 1 −
y
,
x

che rappresenta una versione più realistica del modello di Lotka-Volterra (6.178).

Soluzione Il sistema in questione ammette più punti di equilibrio, ma al solito, trat-


tandosi di popolazioni, richiediamo x, y > 0 ottenendo un unico punto di equilibrio,
   
(1 − a − c) + (1 − a − c)2 + 4c (1 − a − c) + (1 − a − c)2 + 4c
, ,
2 2

che indicheremo nel seguito con (xeq , yeq ). Analizzando il sistema linearizzato at-
torno a (xeq , yeq ), si scopre che la parte reale degli autovalori λ è negativa solo se
 
(a − (1 − a − c)2 + 4c)(1 + a + c − (1 − a − c)2 + 4c)
b> .
2a

Pertanto, indicando con ϕ(a, c) la funzione da R2 in R


 
(a − (1 − a − c)2 + 4c)(1 + a + c − (1 − a − c)2 + 4c)
ϕ(a, c) =
2a
e diagrammando la superficie b = ϕ(a, c) con a, c > 0, si ottiene visivamente la
regione dello spazio (a, c, b) stabile (b > ϕ(a, c)) e quella instabile (b < ϕ(a, c)),
come riportato in figura 6.82. Come si può notare, per a < 1/2 e tutti i valori di
b > 0, c > 0, la stabilità del punto di equilibrio (xeq , yeq ) è assicurata. Al contra-
rio quando a > 1/2, affinché ci sia stabilità il generico punto (a, c, b) deve trovarsi
6.4 Alcuni modelli dalla biologia 281

Fig. 6.83 Campo di flusso (sinistra) ed alcune traiettorie (destra) relativi al sistema planare non-
lineare del problema 6.190 per a = 0.1, b = 0.1, c = 0.1. Si osservi la presenza di un solo punto di
equilibrio stabile (equilibrio non banale) e di un equilibrio instabile in (1, 0)

Fig. 6.84 Campo di flusso (sinistra) ed alcune traiettorie (destra) relativi al sistema planare nonli-
neare del problema 6.190 per a = 1, b = 0.5, c = 0.2. Si osservi il passaggio del punto di equilibrio
stabile (equilibrio non banale) da nodo a fuoco e il persistere di un equilibrio instabile in (1, 0)

al di sopra della superficie riportata in figura 6.82. In presenza di autovalori reali


negativi (xeq , yeq ) è un nodo stabile, mentre diventa un fuoco stabile se gli auto-
valori sono complessi a parte reale negativa. Nel caso instabile si passa da nodo
instabile (entrambi gli autovalori reali positivi) a fuoco instabile (autovalori com-
plessi a parte reale positiva). In figura 6.83 sono riportati i risultati ottenuti con
a = 0.1, b = 0.1 e c = 0.1, partendo da diverse condizioni iniziali. Come si può
notare, il punto di equilibrio non banale è stabile ed attrae tutte le traiettorie, mentre
il punto (1, 0) è instabile. Cambiando i parametri in modo da avvicinarsi al limite
di stabilità, si osserva che le traiettorie compiono sempre più giri attorno al punto
di equilibrio stabile, indice del fatto che la parte reale degli autovali, pur essendo
negativa, è piccola rispetto alla parte immaginaria e quindi si tratta di un fuoco sta-
bile, come mostrato in figura 6.84 per a = 1, b = 0.5 e c = 0.2. Nel caso in cui la
condizione di stabilità non sia rispettata, il punto di equilibrio non banale diventa
282 6 Sistemi planari non-lineari

Fig. 6.85 Campo di flusso (sinistra) ed alcune traiettorie (destra) relativi al sistema planare nonli-
neare del problema 6.190 per a = 1, b = 0.1, c = 0.1. Si osservi il passaggio del punto di equilibrio
non banale da stabile a instabile e la presenza di un ciclo limite, nonché l’equilibrio instabile in
(1, 0)

instabile per cui, anche partendo da condizioni iniziali molto vicine ad esso, la tra-
iettoria se ne allontana. Per l’analisi di questa situazione è possibile applicare il
teorema di Poincaré-Bendixson che assicura l’esistenza di un ciclo limite cui tende
la traiettoria quando si parta da condizioni iniziali interne o esterne ad esso. In fi-
gura 6.85 è riportato il caso a = 1, b = 0.1 e c = 0.1, che assicura l’instabilità
del punto (xeq , yeq ) ≈ (0.27016, 0.27016). Si noti una differenza sostanziale tra il
Lotka-Volterra classico visto nell’esercizio 6.178 e questo modello più realistico.
Ora il ciclo limite è stabile, nel senso che attrae le traiettorie. Al contrario, le or-
bite periodiche del sistema classico sono tali per cui una leggera variazione delle
condizioni iniziali, ovvero una perturbazione nell’evoluzione ciclica, può portare a
traiettorie che per alcuni tempi possono essere lontane tra di loro (nel piano delle
fasi). Questo si verifica, in particolare, quando la perturbazione avviene per valori
delle variabili tali per cui il prodotto xy è piuttosto piccolo. Mantenendo a = 1,
b = 0.1, c = 0.1 e partendo da una condizione iniziale (x0 , y0 ) = (0.27, 0.27) molto
vicina a (xeq , yeq ), si nota (vedi figura 6.86) un iniziale allontanamento dalla condi-
zione iniziale e il susseguente carattere periodico della traiettoria quando raggiunge
il ciclo limite stabile. 

Problema 6.191 Studiare, al variare dei dati iniziali, il comportamento del sistema
⎧  

⎨ẋ = x 1 +
1
− y ,
1 + (x − 2)2


ẏ = y[x − y − 1].

Soluzione Il sistema dato è un caso particolare di sistemi del tipo


  
ẋ = x F (x) − y = f (x, y),
 
ẏ = y x − G(y) = g(x, y),
6.4 Alcuni modelli dalla biologia 283

Fig. 6.86 Traiettoria ottenuta con condizione iniziale (x0 , y0 ) = (0.27, 0.27) (sinistra) e anda-
mento temporale delle soluzioni (destra) relative al sistema planare nonlineare del problema 6.190
per a = 1, b = 0.1 e c = 0.1. Si osservi la natura instabile del punto di equilibrio non banale e la
presenza di un ciclo limite particolarmente evidente nelle serie temporali

Fig. 6.87 Isoclina a tangente


orizzontale (linea
tratteggiata) e isoclina a
tangente verticale (linea
punteggiata) riferite al
problema 6.191, ovvero
luoghi dei punti y = F (x) e
x = G(y)

visti nel problema 6.186 con

1
F (x) = 1 + e G(y) = y + 1,
1 + (x − 2)2
che ammette come punti di equilibrio l’origine e (x0 , y0 ) ≈ (2.6823, 1.6823). Si
può dimostrare che l’origine è un punto di sella (e quindi non attrattivo) in quanto
λ1 = F (0) > 0 e λ2 = −G(0) < 0, mentre l’altro punto di equilibrio, se è come in fi-
gura 6.87, risulta essere stabile (a piccole perturbazioni) qualsiasi siano F (x) e G(y)
essendo la parte reale degli autovalori negativa. Pertanto, perturbando l’equilibrio,
ovvero partendo da una condizione iniziale sufficientemente vicina al punto di equi-
librio, le traiettorie ne vengono attratte e compiono orbite piuttosto ristrette ripor-
tandosi rapidamente sulla soluzione di equilibrio, come mostrato in figura 6.88. Al
contrario, dipendentemente da quanto è lontana la condizione iniziale dal punto di
equilibrio, si possono ottenere traiettorie con ampie oscillazioni. La condizione che
discrimina tra l’uno e l’altro caso, come si può facilmente intuire dalla figura 6.87,
284 6 Sistemi planari non-lineari

Fig. 6.88 Campo di flusso (sinistra) ed alcune traiettorie (destra) relativi al sistema planare non-
lineare del problema 6.191. Si osservi come le traiettorie compiano oscillazione sempre più ampie
dipendentemente dal dato iniziale

è dove la traiettoria interseca la linea f (x, y) = 0. Se questo avviene per x < x̄,
dove x̄ è la x dove y = F (x) raggiunge il massimo, allora si hanno ampie oscilla-
zioni, altrimenti no. Come visto in numerosi esempi e problemi, ed in particolare
nel problema 6.186, molto del comportamento di sistemi di questo tipo può essere
dedotto dall’analisi delle isocline a tangente verticale (ẋ = 0) e tangente orizzon-
tale (ẏ = 0). Questi luoghi sono proprio le curve riportate in figura 6.87 e dividono
il piano in 4 parti che indicheremo con NE (nord-est), NO (nord-ovest), SO (sud-
ovest) e SE (sud-est). Studiando il segno di f (x, y) e g(x, y) si deduce facilmente
che la regione NE è caratterizzata da ẋ < 0 e ẏ > 0, quella NO da ẋ < 0 e ẏ < 0,
quella SO da ẋ > 0 e ẏ < 0 e quella SE da ẋ > 0 e ẏ > 0. Si può quindi concludere
che le orbite si avvolgono attorno al punto di equilibrio seguendo il verso antiorario.
Si noti che, dalla sola analisi delle isocline, non si può dedurre la stabilità o meno
del punto di equilibrio, ovvero se le orbite si avvicino o si allontanino da esso. 

Problema 6.192 (Competizione di May-Leonard) Dato α ∈ (0, 1), si studi il mo-


dello di May-Leonard di competizione tra tre specie
⎧  

⎪ ẋ = x 1 − x − (2 − α)y − αz ,
⎨  
ẏ = y 1 − αx − y − (2 − α)z ,

⎪  

ż = z 1 − (2 − α)x − αy − z

con dati iniziali x0 > 0, y0 > 0 e z0 > 0.

Soluzione Si verifica facilmente che esistono cinque configurazioni di equilibrio


non negative (0, 0, 0), (1, 0, 0), (0, 1, 0), (0, 0, 1), (1/3, 1/3, 1/3). La matrice Jaco-
biana risulta
 
1 − 2x − (2 − α)y − αz −(2 − α)x −αx
J= −αx 1 − αx − 2y − (2 − α)z −(2 − α)y .
−(2 − α)z −αz 1 − (2 − α)x − αy − 2z
6.4 Alcuni modelli dalla biologia 285

Fig. 6.89 Traiettorie relative


al sistema tridimensionale del
problema 6.192 per α = 1/2 e
condizioni iniziali
(x0 , y0 , z0 ) = (0.8, 0.3, 0.7) e
(x0 , y0 , z0 ) = (0.05, 0.95, 0.95).
Si noti la presenza di quattro
punti instabili, (0, 0, 0),
(1, 0, 0), (0, 1, 0), (0, 0, 1) ed
un punto stabile ma non
asintoticamente
(1/3, 1/3, 1/3). Si osservi
che la dinamica a lungo
termine si svolge in un
sottoinsieme di R2

Osserviamo che risulta


⎡ ⎤ ⎡ ⎤
1 0 0 −1 α − 2 −α
J (0, 0, 0) = ⎣0 1 0⎦ , J (1, 0, 0) = ⎣−α 1 − α 0 ⎦,
0 0 1 0 0 α−1
⎡ ⎤ ⎡ ⎤
α−1 0 0 1−α 0 0
J (0, 1, 0) = ⎣ 0 −1 α − 2⎦ , J (0, 0, 1) = ⎣ 0 α − 1 0 ⎦.
0 0 1−α α − 2 −α −1
Ne segue che l’origine risulta sempre instabile e gli autovalori delle altre tre matrici
sono dati da λ1 = −1, λ2 = 1 − α, λ3 = α − 1. Essendo α < 1 anche questi equilibri
sono instabili (varietà 2D stabile e varietà 1D instabile). Si ha infine
⎡ ⎤
−1/3 (α − 2)/3 −α/3
J (1/3, 1/3, 1/3) = ⎣ −α/3 −1/3 (α − 2)/3⎦ ,
(α − 2)/3 −α/3 −1/3

che ammette autovalori λ1 = −1 e λ2,3 = ± 33 (α − 1)i. Come si vede in figura 6.89,
l’equilibrio (1/3, 1/3, 1/3) risulta stabile ma non asintoticamente. Vogliamo mo-
strare ora che la dinamica a lungo termine del sistema si svolge in un sottoinsieme
di R2 . Definiamo, per ogni γ ∈ R, il sottoinsieme di Cγ di R3
 
Cγ = (x, y, z) ∈ R3 : x + y + z = 1, xyz = γ ,

e consideriamo le funzioni somma e prodotto S, P : [0, ∞) → [0, ∞) definite da

S(t) = x(t) + y(t) + z(t), P (t) = x(t)y(t)z(t).

Osserviamo che partendo da dati positivi si deve avere x(t) > 0, y(t) > 0 e z(t) > 0
per ogni t ≥ 0, essendo x = 0, y = 0 e z = 0 soluzioni stazionarie per le equazioni
286 6 Sistemi planari non-lineari

di x, y e z rispettivamente. Risulta inoltre

Ṡ = ẋ + ẏ + ż
   
= x 1 − x − (2 − α)y − αz + y 1 − αx − y − (2 − α)z
 
+ z 1 − (2 − α)x − αy − z
 
= x + y + z − x 2 + y 2 + z2 − 2xy − 2xz − 2yz
= S(1 − S).

Pertanto, essendo S(0) > 0, deve essere S(t) → 1 per t → ∞. Si deduce infine che
d d
log P = (ln x + ln y + ln z)
dt dt
ẋ ẏ ż
= + +
x y z
= 1 − x − (2 − α)y − αz + 1 − αx − y
− (2 − α)z + 1 − (2 − α)x − αy − z
= 3 − 3(x + y + z)
d
= 3(1 − S) = 3 log S,
dt
dove abbiamo tenuto conto dell’equazione soddisfatta da S. Allora deve esistere una
costante γ ∈ R (che dipende dai dati iniziali x0 , y0 , z0 del sistema) tale che

P (t) = γ S 3 (t), t > 0.

Essendo S(t) → 1 si ha P (t) → γ per t → +∞. In conclusione, la soluzione del


sistema, nel limite asintotico t → +∞, giace nell’insieme Cγ definito sopra. Più
precisamente, si ha
 
lim distR3 x(t), y(t), z(t); Cγ = 0,
t→∞

dove distR3 (a, A) = infξ ∈A |a − ξ |. La dinamica del sistema è quindi bidimensio-


nale, a meno del transitorio iniziale. 
Capitolo 7
Breve cenno ai fenomeni caotici

Einstein: Sai, Henri, un tempo studiavo matematica, ma l’ho


lasciata per la fisica.
Poincaré: Oh, davvero, Albert? Ma perché?
Einstein: Perché pur potendo distinguere le asserzioni vere da
quelle false, non potevo stabilire quali fossero i fatti importanti.
Poincaré: Ciò è molto interessante, Albert, perché in origine io
studiavo fisica, ma l’ho lasciata per la matematica.
Einstein: Davvero? Perché?
Poincarè: Perché non ero in grado di dire quali dei fatti
importanti fossero veri.
David Singmaster (1939–)

In questo ultimo capitolo analizziamo, per mezzo di tre esempi significativi, alcuni
aspetti elementari del comportamento caotico che si verifica in un certo intervallo
di valori dei parametri.

7.1 Caos in R2 : due esempi

Consideriamo due esempi di sistemi planari non autonomi in cui si possono presen-
tare dinamiche caotiche.

7.1.1 L’equazione di Duffing

Problema 7.1 (Equazione di Duffing) Siano δ > 0 e ω ∈ R. Si studi l’equazione


del second’ordine, detta di Duffing,

ẍ + δ ẋ + x 3 − x = A cos ωt (7.2)

al variare del parametro A ∈ [0, 1].

© Springer-Verlag Italia 2016 287


M. Squassina, S. Zuccher, Introduzione all’Analisi Qualitativa dei Sistemi Dinamici
Discreti e Continui, UNITEXT – La Matematica per il 3+2 96,
DOI 10.1007/978-88-470-5791-3_7
288 7 Breve cenno ai fenomeni caotici

Soluzione Poniamo l’equazione di Duffing in forma di sistema,



ẋ = y,
ẏ = −δy + x − x 3 + A cos ωt.

Il sistema planare risultante, di natura dissipativa a causa della presenza del termine
−δy, è autonomo per A = 0 e non autonomo per A = 0. In particolare, come corol-
lario del teorema di Poincaré-Bendixson (che vale per sistemi planari autonomi),
nel caso autonomo non possono esistere moti caotici, ma soltanto insiemi ω-limite
costituiti da equilibri, orbite periodiche o unione di equilibri con orbite omocline o
eterocline. In questo caso il sistema ammette tre punti di equilibrio, (0, 0) (local-
mente nodo instabile), (1, 0) e (−1, 0) (localmente fuochi stabili), come si verifica
facilmente. Nel caso non autonomo (A = 0), invece, la dinamica è più complessa
e per questo ricorriamo alla simulazione numerica prendendo come dato iniziale il
punto (1, 0) (equilibrio del sistema per A = 0) ed aumentando progressivamente
il valore di A in [0, 1]. Si osservi che nel caso non-autonomo bidimensionale, il
sistema ammette una terza riscrittura, come problema evolutivo autonomo in tre
dimensioni,


⎪ ẋ = y,

ẏ = −δy + x − x 3 + A cos z, (7.3)



ż = ω.
Questo fornisce già una prima indicazione sul fatto che i moti del sistema possano
non essere regolari. Inoltre, ricordiamo che per i sistemi non-autonomi, le orbite che
si auto-intersecano non corrispondono necessariamente ad orbite periodiche (come
capita, invece, nel caso autonomo). Si veda l’osservazione (6.8).
Per il teorema di Liouville (problema 6.128)

d
V (t) = div Ψ (x, y, z)dxdydz, (7.4)
dt D(t)

dove Ψ : R3 → R3 definisce il sistema in questione,

ẋ = Ψ1 (x, y, z), ẏ = Ψ2 (x, y, z), ż = Ψ3 (x, y, z).

Pertanto risulta
∂Ψ1 ∂Ψ2 ∂Ψ3
div Ψ (x, y, z) = (x, y, z) + (x, y, z) + (x, y, z) = −δ,
∂x ∂y ∂z

per cui

d
V (t) = div Ψ (x, y, z)dxdydz = −δ dxdydz = −δV (t),
dt D(t) D(t)
7.1 Caos in R2 : due esempi 289

Fig. 7.1 Ritratti di fase del sistema di Duffing 7.1 al variare del parametro di oscillazione A
per (x0 , y0 ) = (1, 0) (punto di equilibrio per il sistema automono imperturbato A = 0), δ = 0.25,
ω = 1, A = 0.25 (sinistra), A = 0.35 (destra). Si noti come nel primo caso il sistema si trovi ancora
vicino ad un regime piuttosto regolare (come nel caso autonomo), mentre già con A = 0.35 si entra
in un regime caotico

ossia V (t) = V0 e−δt , per t > 0. In particolare V (t) → 0 per t → ∞. Nel lungo
periodo, quindi, il flusso del sistema è contenuto in un insieme di dimensione più
bassa di 3. Inoltre, come conseguenza, se esiste un attrattore per il sistema, deve
avere volume nullo.
Prendendo δ = 0.25 e ω = 1 analizziamo all’aumentare del parametro A il com-
portamento del sistema

ẋ = y,
ẏ = −0.25y + x − x 3 + A cos t.

In figura 7.1 sono riportati due esempi con A = 0.25 e A = 0.35. Nel primo
caso l’intensità della forzante esterna è abbastanza piccola e si osservano, nel lungo
periodo, orbite apparentemente periodiche sul piano xy. Nel secondo caso si passa
da un comportamento regolare ad uno caotico con l’assenza di orbite periodiche
dovuto al fatto che il sistema non è autonomo (Poincaré-Bendixson prevede che
il flusso converga verso orbite periodiche o orbite omo-eterocline solo per sistemi
autonomi bidimensionali). All’aumentare di A si osserva la presenza, dopo una serie
di oscillazioni nel transitorio, di un ciclo limite a forma di otto sdraiato (si vedano
in particolare le figure 7.2 e 7.3).
In figura 7.4 sono riportate le sezioni di Poincaré z = 0, rispetto alla scrittura tri-
dimensionale (7.3) del sistema per i casi della figura 7.1. Si noti la maggior densità
di punti a destra (A = 0.35), e la presenza di una struttura dell’attrattore, a con-
ferma del fatto che, come visto in figura 7.1, il sistema passa da un comportamento
regolare (sinistra) ad uno caotico (destra).
In figura 7.5 è messa in evidenza la forma di altri cicli limite che si possono
incontrare variando i parametri δ, ω ed A.
290 7 Breve cenno ai fenomeni caotici

Fig. 7.2 Ritratti di fase del sistema di Duffing 7.1 al variare del parametro di oscillazione A
per (x0 , y0 ) = (1, 0) (punto di equilibrio per il sistema automono imperturbato A = 0), δ = 0.25,
ω = 1, A = 0.45 (sinistra), A = 0.55 (destra). Si noti che per A = 0.45 il sistema si comporta
come nelle figure precedenti, mentre al crescere di A si osserva la presenza, dopo una serie di
oscillazioni nel transitorio, di un ciclo limite a forma di otto sdraiato

Fig. 7.3 Ritratti di fase del sistema di Duffing 7.1 al variare del parametro di oscillazione A
per (x0 , y0 ) = (1, 0) (punto di equilibrio per il sistema automono imperturbato A = 0), δ = 0.25,
ω = 1, A = 0.65 (sinistra), A = 0.75 (destra). Si noti il persistere, per questi valori di A, di un
ciclo limite a forma di otto sdraiato e la similitudine marcata tra le due figure

Infine, in figura 7.6 è riportata la soluzione del sistema di Duffing tridimensio-


nale (7.3) nel piano delle fasi tridimensionale per gli stessi valori dei parametri
e delle condizioni iniziali della figura 7.2 di destra. Si osservi che le traiettorie
in questo caso non si intersecano, a differenza di quanto visto in figura 7.2 (de-
stra), in quanto la figura 7.2 corrisponde alla proiezione sul piano xy della fi-
gura 7.6. 
7.1 Caos in R2 : due esempi 291

Fig. 7.4 Sezioni di Poincaré Ω = 0 del sistema di Duffing 7.3 (pensato in R3 ) al variare del
parametro di oscillazione A per (x0 , y0 ) = (1, 0) (punto di equilibrio per il sistema automono
imperturbato A = 0), δ = 0.25, ω = 1, A = 0.25 (sinistra), A = 0.35 (destra). Si noti la maggior
densità di punti nella figura di destra, nonché la presenza di una struttura, a conferma del fatto che
come visto in figura 7.1 il sistema passa per questi valori di A da un comportamento regolare ad
uno caotico

Fig. 7.5 Ritratti di fase del sistema di Duffing 7.1 al variare dei parametri. Nella figura di sinistra
si sono usati (x0 , y0 ) = (2, 0), δ = 0.1788, ω = 1 e A = 4.47, mentre nella figura di destra si sono
usati (x0 , y0 ) = (1, 0), δ = 0.4, ω = 1.5 e A = 50. Si noti l’esistenza di cicli limite di varie forme
al variare dei parametri

7.1.2 Biliardi regolari e caotici

In questa sezione descriviamo brevemente, in modo qualitativo e senza dettagli tec-


nici, alcuni comportamenti tipici della dinamica dei biliardi (ideali), in funzione
della loro forma.

Problema 7.5 Si descriva l’evoluzione di una pallina su un biliardo senza attrito


assumendo che essa si muova in linea retta tra due urti successivi e che ad ogni
292 7 Breve cenno ai fenomeni caotici

Fig. 7.6 Traiettorie relative


al sistema di Duffing
tridimensionale (7.3) nel
piano delle fasi
tridimensionale per
(x0 , y0 , z0 ) = (1, 0, 0),
δ = 0.25, ω = 1 e A = 0.55,
ovvero gli stessi parametri
utilizzati in
figura 7.2 (destra). Si osservi
che le traiettorie non si
intersecano nel caso del
sistema autonomo, mentre
quanto visto in
figura 7.2 (destra) è la
proiezione sul piano xy della
figura 7.6

contatto con il bordo del biliardo l’angolo di incidenza sia uguale all’angolo di ri-
flessione.

Soluzione La dinamica planare del biliardo senza attrito (ideale) è uno degli esempi
più semplici di sistemi in cui è possibile osservare una dinamica caotica. Il biliardo
planare, in generale, è definito come una regione compatta e connessa B di R2
(spesso convessa) tale che la frontiera ∂B ⊂ R separa B dal suo insieme comple-
mentare R2 \ B. Una particella di massa m e quantità di moto p = mv si muove
liberamente all’interno di B in linea retta fintanto che non colpisce la frontiera ∂B
subendo una riflessione speculare rispetto al versore normale a ∂B (l’angolo di in-
cidenza è uguale all’angolo di riflessione), conservando la componente tangenziale
della quantità di moto ed invertendo istantaneamente la componente normale di p.
Oltre alle coordinate cartesiane planari x(t), y(t) alle quali riferiremo le figure che
seguono, la traiettoria di una pallina in un biliardo può essere specificata in modo
univoco quando viene assegnata la lunghezza s del perimetro di ∂B parametrizzata
a partire da un dato punto e l’angolo θ della traiettoria uscente (dopo il rimbalzo)
rispetto al versore normale n̂ a ∂B. Si può descrivere il moto nel piano s–p detto di
Birkhoff, dove p = sin θ è la componente tangenziale di p al bordo. Allora, il flusso
del biliardo ha un naturale set di coordinate predisposte a definire una sezione di
Poincaré, tramite la lunghezza d’arco sn di Birkhoff relativa all’n-esimo rimbalzo
effettuato dalla pallina sulla frontiera di B. La dinamica del sistema (che è descritta
geometricamente dall’unione di segmenti) può essere studiata tramite l’analisi della
mappa di Poincaré a tempo discreto

P : ∂B → ∂B, sn → sn+1 ,

che descrive quello che succede tra la n-esima e la (n + 1)-esima collisione della
pallina. I punti fissi di P corrispondono ad una traiettoria in cui la pallina ritorna
al punto da cui era partita (soluzione periodica). Utilizzare le coordinate di Birkhoff
7.1 Caos in R2 : due esempi 293

Fig. 7.7 Le quattro figure mostrano le orbite (coordinate cartesiane planari x(t), y(t)) in un bi-
liardo di forma circolare di raggio R = 4 all’aumentare del numero dei rimbalzi (rispettivamente
10, 25, 50 e 150). Si noti la presenza di una curva caustica circolare. All’aumentare dei rimbalzi
il biliardo tende ad essere ricoperto dall’orbita, fatta eccezione per la regione interna alla curva
caustica

(sn , pn ) è naturale perché la mappa di primo ritorno di Poincaré conserva il volume


nello spazio delle fasi.
I biliardi come quello circolare riportato in figura 7.7 o quello ellittico in fi-
gura 7.8 sono detti integrabili e in essi appaiono spesso le curve caustiche, ossia
curve che sono l’inviluppo di traiettorie riflesse che definiscono delle zone mai visi-
tate dalla pallina.
Uno degli esempi più noti di biliardi caotici è lo stadio di Bunimovich, di cui
sono riportate alcune orbite in figura 7.9 al variare del numero dei rimbalzi. Come
si nota facilmente, all’aumentare di N l’intera regione del biliardo tende ad essere
completamente invasa di traiettorie.
I biliardi caotici si differenziano da quelli integrabili per la forte sensibilità alle
condizioni iniziali, particolarmente visibile in figura 7.10, in cui le traiettorie tratteg-
giate differiscono da quelle in linea continua per una differenza dell’angolo iniziale
294 7 Breve cenno ai fenomeni caotici

Fig. 7.8 Due orbite distinte (coordinate cartesiane planari x(t), y(t)), una in linea continua, l’altra
tratteggiata nel biliardo di forma ellittica per due differenti posizioni ed angoli di apertura iniziali.
Come per la figura 7.7 il sistema è integrabile. Si notino le curve caustiche di forma parabolica con
differenti aperture, maggiore per l’orbita al centro della figura

θ = 10−3 . Le due traiettorie del biliardo circolare differiscono di poco al crescere


di t, mentre nel caso di biliardo a stadio (destra) le traiettorie sono notevolmente
diverse al crescere di t a causa della dipendenza sensibile dalle condizioni iniziali.
A seconda della geometria del biliardo, si possono anche presentare dinamiche
miste, con zone regolari separate da zone caotiche, come quelle in figura 7.11. In
questo biliardo a fungo sono ben visibili due traiettorie, una nella zona integrabile
(traiettoria alta, nella parte circolare) in cui si vede la presenza di una caustica se-
micircolare e una traiettoria caotica (quella più in basso), che parte nel rettangolo di
base. Per ulteriori approfondimenti, si veda [32].
In figura 7.12 è riportato un biliardo Sinai, costituito da un cerchio con all’interno
un quadrato. Se le condizioni iniziali sono tali per cui il quadrato si trova all’interno
della zona delimitata dalla caustica, allora la dinamica è identica a quella di un bi-
liardo circolare senza il quadrato interno e, pertanto, integrabile (si veda la figura
di sinistra). Se invece le condizioni iniziali sono tali per cui, ad un certo istante, la
pallina collide con il quadrato interno, allora la dinamica diventa molto più impre-
vedibile (si veda la figura di destra). 

7.2 Caos in R3 : il sistema di Lorenz

Problema 7.6 Studiare il comportamento del sistema di Lorenz (1963)




⎨ẋ = a(y − x),
ẏ = −xz + bx − y, (7.7)


ż = xy − cz,

dove a, b, c sono tre parametri in R+ con a > c + 1.


7.2 Caos in R3 : il sistema di Lorenz 295

Fig. 7.9 Le quattro figure mostrano le orbite (coordinate cartesiane planari x(t), y(t)) in un bi-
liardo di forma a stadio di lunghezza L = 4, raggio R = 3 all’aumentare del numero dei rimbalzi
(rispettivamente 20, 50, 150 e 350). Si noti l’assenza di curve caustiche. All’aumentare dei rim-
balzi il biliardo tende ad essere interamente ricoperto dall’orbita, caratteristica tipica di sistemi
detti anche ergodici

Soluzione Nell’anno 1963 apparse il celebre articolo di Edward N. Lorenz, “Deter-


ministic Nonperiodic Flow” sul Journal of the Atmospheric Sciences, che scosse le
fondamenta del mondo scientifico con l’idea del determinismo caotico. Prima di al-
lora la fisica classica aveva considerato poco l’idea di dipendenza sensibile dai dati
iniziali. Lorenz, alle prese con un modello per le previsioni meteorologiche molto
semplificato, aveva notato, casualmente, che per il sistema differenziale ordinario in
R3 che aveva elaborato, piccolissime variazioni delle condizioni iniziali portavano
in breve tempo ad un drastico cambiamento nel comportamento del sistema. Le tre
equazioni del sistema (7.7), considerate da Lorenz, si deducono imponendo che, per
opportuni valori di γ e Γi , i = 1, 2, 3, le due funzioni
   
πγ π
ψ(x, z, t) = Γ1 X(t) sin x sin z , (x, z) ∈ D, t > 0,
H H
296 7 Breve cenno ai fenomeni caotici

Fig. 7.10 Confronto tra due diverse orbite (coordinate cartesiane planari x(t), y(t)) con gli stessi
punti di partenza ma differenti angoli di lancio (che differiscono per un valore di 10−3 ) sia per
il biliardo circolare (sinistra) che per il biliardo a stadio (destra). In entrambi i casi si è scelto
N = 50. Si noti la dipendenza continua dai dati iniziali nel caso del biliardo circolare (sinistra) e
la dipendenza sensibile dai dati iniziali nel caso del biliardo a stadio (destra)

Fig. 7.11 La figura mostra la


coesistenza in uno stesso
biliardo, di forma a fungo, di
regioni integrabili (si veda
l’orbita nella parte alta della
figura, con una caustica
circolare) e di regioni
caotiche (si veda l’orbita che
parte nella zona rettangolare)

     
πγ π 2π
θ (x, z, t) = Γ2 Y (t) cos x sin z − Γ3 Z(t) sin z
H H H

siano soluzioni del sistema alle derivate parziali sul dominio D ⊂ R2



⎪ ∂ ∂(ψ, ψ) ∂θ

⎨ ∂t ψ = − ∂(x, z) + ν ψ + gα ∂x ,
2
in D,


⎪ ∂ ∂(ψ, θ ) T ∂ψ
⎩ θ =− + + κθ, in D,
∂t ∂(x, z) H ∂x

per opportune costanti g, α, ν, κ, H, T (le tre funzioni del tempo X(t), Y (t) e Z(t)
devono soddisfare il sistema (7.7) e vengono successivamente rinominate in x(t),
7.2 Caos in R3 : il sistema di Lorenz 297

Fig. 7.12 Il cosiddetto biliardo Sinai è costituito da un disco che contiene un quadrato. Nella
figura di sinistra le condizioni iniziali sono scelte in modo tale che l’orbita non incontri mai la
parte quadrata di frontiera, mentre nella figura di destra le condizioni iniziali sono scelte in modo
da colpire il quadrato

y(t) e z(t)), dove si è posto


∂(f1 , f2 ) ∂f1 ∂f2 ∂f2 ∂f1
:= − .
∂(x, z) ∂x ∂z ∂x ∂z
Vediamo, nel seguito, alcune caratteristiche elementari ma fondamentali del si-
stema (7.7) di Lorenz.

Proprietà I Limitatezza delle orbite del sistema. Consideriamo la funzione qua-


dratica Φ : R3 → R (distanza euclidea dal punto di coordinate (0, 0, a + b)) definita
da
Φ(x, y, z) = x 2 + y 2 + (z − a − b)2 .
Allora, ponendo σ = min{2a, 2, c} > 0, risulta

Φ̇(x, y, z) = 2x ẋ + 2y ẏ + 2(z − a − b)ż


= 2ax(−x + y) + 2y(bx − y − xz) + 2(z − a − b)(−cz + xy)
= −2ax 2 − 2y 2 − 2cz2 + 2c(a + b)z
= −2ax 2 − 2y 2 − c(z − a − b)2 − cz2 + c(a + b)2
≤ −σ Φ(x, y, z) + c(a + b)2 ,

da cui, per ogni t ≥ 0,


   
Φ̇ x(t), y(t), z(t) + σ Φ x(t), y(t), z(t) ≤ c(a + b)2 .

Ricordiamo il classico lemma di Gronwall: se η̇ + aη ≤ b con a, b ∈ R+ , allora


η(t) ≤ η(0)e−at + b/a, per ogni t ≥ 0. Allora, posto Φ(t) = Φ(x(t), y(t), z(t)),
298 7 Breve cenno ai fenomeni caotici

dalla disuguaglianza sopra si deduce che esiste un numero positivo  tale che

Φ(t) ≤ Φ(0)e−σ t + , per ogni t ≥ 0. (7.8)
σ
Essendo Φ la distanza euclidea del generico punto (x(t), y(t), z(t)) dal punto di
coordinate (0, 0, a + b), segue che le orbite si mantengono ad una distanza limitata
da (0, 0, a + b), per cui non possono sfuggire all’infinito, ed esiste, inoltre, un sot-
toinsieme B0 di R3 , detto insieme assorbente, tale che per ogni insieme limitato B
di dati iniziali esiste un tempo t˜ = t˜(B) ≥ 1 tale che
 
x(t), y(t), z(t) ∈ B0 , per ogni t ≥ t˜. (7.9)

Preso, infatti, un insieme limitato B di dati iniziali, esiste R > 0 tale che B ⊂ BR ,
essendo BR la sfera in R3 centrata nell’origine e di raggio R. In particolare, esiste
MR > 0 tale che Φ(0) ≤ MR . Denotata con B0 la sfera

2
B0 = (x, y, z) ∈ R : x + y + (z − a − b) ≤
3 2 2 2
,
σ

dalla disuguaglianza (7.8) si deduce che, posto

1 σ MR
t˜ = tR = ln ,
σ 

la condizione (7.9) vale per ogni t ≥ t˜.

Proprietà II Contrazione del volume del flusso del sistema. Per il teorema di Liou-
ville (si veda il problema 6.128 e le relative notazioni) si ha

d
V (t) = div Ψ (x, y, z)dxdydz,
dt D(t)

dove la funzione Ψ : R3 → R3 definisce il sistema autonomo in questione,

Ψ1 (x, y, z) = a(y − x), Ψ2 (x, y, z) = −xz + bx − y,


Ψ3 (x, y, z) = xy − cz.

Risulta allora
∂Ψ1 ∂Ψ2 ∂Ψ3
div Ψ (x, y, z) = (x, y, z) + (x, y, z) + (x, y, z) = −a − c − 1,
∂x ∂y ∂z

per cui

d
V (t) = div Ψ (x, y, z)dxdydz = −(a + c + 1)V (t),
dt D(t)
7.2 Caos in R3 : il sistema di Lorenz 299

ossia V (t) = V0 e−(a+c+1)t , per ogni t > 0. Pertanto, il volume del flusso, a partire
da una certa regione iniziale fissata D(0), si contrae al trascorrere del tempo. Deno-
tando con B0 (t) l’evoluto della sfera di dati iniziali B0 , per tutti i tempi positivi t, si
ha
 
Vol B(t) = Vol(B0 )e−(a+c+1)t .
Allora, passando al limite per t → +∞ si deduce che Vol(B(t)) → 0 per t → +∞.
Come vedremo nelle figure relative a questo problema esiste un insieme (attrattore
globale) che attrae tutte le orbite del sistema, che sarà quindi, necessariamente, un
sottoinsieme “magro” nello spazio R3 .

Proprietà III Simmetria delle orbite rispetto all’asse z. Se (x(t), y(t), z(t)) è una
soluzione del sistema, allora anche (−x(t), −y(t), z(t)) è una soluzione. Infatti,
posto x̃(t) := −x(t), ỹ(t) := −y(t) e z̃(t) := z(t), si ha

⎪ d

⎪ x̃ = −a(y − x) = a(ỹ − x̃),

⎪ dt


d
ỹ = xz − bx + y = −x̃ z̃ + bx̃ − ỹ,

⎪ dt




⎩ d z̃ = xy − cz = x̃ ỹ − cz̃,
dt
da cui si ottiene la proprietà desiderata.

Proprietà IV Per 0 < b < 1 tutte le soluzioni tendono all’origine. In questo


intervallo dei parametri non solo il sistema non mostra ancora il suo carattere
caotico, ma per tutti i dati iniziali le traiettorie collassano nell’origine. Per pro-
vare l’affermazione, basta esibire un opportuno funzionale di Lyapunov centrato
nell’origine,
L(x, y, z) = x 2 + ay 2 + az2 .
Allora L(x, y, z) > 0 per ogni (x, y, z) = (0, 0, 0) e risulta

L̇(x, y, z) = 2x ẋ + 2ay ẏ + 2azż


= 2ax(−x + y) + 2ay(bx − y − xz) + 2az(−cz + xy)
 
= −2a x 2 + y 2 − (b + 1)xy − 2acz2 < 0,

essendo il trinomio dentro la parentesi tonda sempre strettamente positivo (delta ne-
gativo), per cui la conclusione segue dal metodo di Lyapunov. In figura 7.13 sono
riportate alcune traiettorie relative al sistema 7.7 per a = 10, b = 1/2 e c = 8/3 e di-
verse condizioni iniziali. Si può notare che, indipendentemente dalla condizione ini-
ziale, tutte le traiettorie sono attratte dall’origine che risulta, quindi, asintoticamente
stabile. In figura 7.14 sono riportate le storie temporali relative alla traiettoria 3 con
condizione iniziale (x0 , y0 , z0 ) = (15, 15, 15).
300 7 Breve cenno ai fenomeni caotici

Fig. 7.13 Traiettorie relative al sistema di Lorenz tridimensionale e nonlineare 7.7 per a = 10,
b = 1/2 e c = 8/3 e diverse condizioni iniziali (x0 , y0 , z0 ) = (1, 15, 1) (traiettoria 1),
(x0 , y0 , z0 ) = (−15, −5, 8) (traiettoria 2) e (x0 , y0 , z0 ) = (15, 15, 15) (traiettoria 3). Si osservi
che, indipendentemente dalla condizione iniziale, tutte le traiettorie sono attratte dall’origine che,
pertanto, risulta asintoticamente stabile

Fig. 7.14 Andamento delle


soluzioni x(t), y(t), z(t) in
funzione del tempo relative al
sistema di Lorenz
tridimensionale e
nonlineare 7.7 per a = 10,
b = 1/2 e c = 8/3 e
condizioni iniziali
(x0 , y0 , z0 ) = (15, 15, 15)
(traiettoria 3 della precedente
figura 7.13)

Proprietà V Natura dei punti di equilibrio al variare di b. Il sistema ammette


l’origine come unico punto di equilibrio che, come abbiamo appena visto, è global-
mente asintoticamente stabile per

0 < b < b∗ := 1, (7.10)

mentre per b > b∗ = 1 il sistema ammette tre punti di equilibrio, di cui uno è
l’origine e gli altri due sono simmetrici rispetto all’asse z, ossia
  
Q+ = (b − 1)c, (b − 1)c, b − 1 ,
   
Q− = − (b − 1)c, − (b − 1)c, b − 1 .
7.2 Caos in R3 : il sistema di Lorenz 301

Si ha quindi un biforcazione per il sistema in corrispondenza del valore del parame-


tro b∗ = 1. In aggiunta, proprio per la proprietà di simmetria che abbiamo mostrato
sopra, è evidente che si tratta di una biforcazione a forcella (pitchfork). La matrice
Jacobiana del sistema è
⎡ ⎤
−a a 0
J (x, y, z) = ⎣b − z −1 −x ⎦ ,
y x −c

per cui, in particolare, nell’origine si ha


⎡ ⎤
−a a 0
J (0, 0, 0) = ⎣ b −1 0 ⎦ ,
0 0 −c
e
⎡ ⎤
  −a a √ 0
J Q± = ⎣ √ 1 √ −1 ∓ (b − 1)c⎦ .
± (b − 1)c ± (b − 1)c 1−b
Il polinomio caratteristico di J (0, 0, 0) risulta
 
(λ + c) λ2 + (a + 1)λ − a(b − 1) = 0,

ed ammette le radici

λ1 = −c < 0,

−a − 1 + (a + 1)2 + 4a(b − 1)
λ2 = > 0,
2

−a − 1 − (a + 1)2 + 4a(b − 1)
λ3 = < 0,
2
per cui l’origine ha una varietà stabile bidimensionale ed una varietà instabile uni-
dimensionale. Il polinomio caratteristico di J (Q± ), risulta, dopo alcuni calcoli la-
boriosi,
λ3 + (1 + a + c)λ2 + c(a + b)λ + 2ca(b − 1) = 0.
Si dimostra (omettiamo la dimostrazione) che, nell’ipotesi
a(a + c + 3)
1 < b < b∗∗ := , (7.11)
a−c−1
tutte e tre le radici del polinomio hanno parte reale negativa e quindi i due punti
di equilibrio Q+ e Q− sono localmente asintoticamente stabili. Questa situazione è
rappresentata in figura 7.15, ottenuta con a = 10, b = 3/2 e c = 8/3 per diverse con-
dizioni iniziali. Si osservi che l’origine è un punto di equilibrio localmente instabile
nel senso che è instabile lungo una direzione e stabile lungo due (per esempio quella
302 7 Breve cenno ai fenomeni caotici

Fig. 7.15 Traiettorie relative al sistema di Lorenz tridimensionale e nonlineare 7.7 per a = 10,
b = 3/2 e c = 8/3 e diverse condizioni iniziali nello spazio xyz (sinistra) e proiettate nel
piano xy (destra). Si osservi che l’origine è un punto di equilibrio localmente instabile nel
senso che è instabile lungo una direzione e stabile lungo due (una di queste è quella nor-
male al piano xy, come evidente dalla figura di sinistra). Per questa scelta dei parametri risulta
b = 3/2 < b∗∗ = 470/19 ≈ 24.7368, per cui i due punti Q± sono stabili ed attraggono tutte le
soluzioni non attratte dall’origine, dipendentemente dai loro bacini di attrazione. Dalla proiezione
sul piano xy (destra) si vede chiaramente come le traiettorie si allontanino dall’origine

Fig. 7.16 Andamento delle soluzioni x(t), y(t), z(t) in funzione del tempo relative al sistema
di Lorenz tridimensionale e nonlineare 7.7 per a = 10, b = 3/2 e c = 8/3 e condizioni ini-
ziali (x0 , y0 , z0 ) = (−0.3, −0.7, 0.5) (sinistra) (x0 , y0 , z0 ) = (−0.2, 0.3, −0.5) (destra). Per que-
sta scelta dei parametri risulta b = 3/2 < b∗∗ = 470/19 ≈ 24.7368, per cui i due punti Q± sono
stabili, come evidente dalle figure

normale al piano xy). Essendo b = 3/2 < b∗∗ = 470/19 ≈ 24.7368, i due punti Q±
sono stabili. La figura 7.15 di destra è la proiezione sul piano xy della figura di sini-
stra. In figura 7.16 sono riportate le storie temporali delle soluzioni per due diverse
condizioni iniziali; si osservi che sono attratte, per t → +∞ rispettvamente da Q−
(sinistra) e Q+ (destra).
Viceversa, per b > b∗∗ , i due autovalori complessi coniugati hanno parte reale
positiva, per cui Q+ e Q− divengono instabili. In corrispondenza di b∗∗ si verifica
7.2 Caos in R3 : il sistema di Lorenz 303

Fig. 7.17 Traiettorie relative


al sistema di Lorenz
tridimensionale e
nonlineare 7.7 per a = 10,
b = 28 e c = 8/3. Per questa
scelta dei parametri risulta
b = 28 > b∗∗ = 470/19 ≈
24.7368, per cui i due punti
Q± sono instabili

quindi una biforcazione di Hopf e per b > b∗∗ ci sono tre punti di equilibrio instabile
con le orbite che, come abbiamo mostrato, rimangono confinate in una regione limi-
tata dello spazio, come visibile in figura 7.17 ottenuta per il sistema di Lorenz 7.7
con a = 10, b = 28 e c = 8/3. Essendo b = 28 > b∗∗ = 470/19 ≈ 24.7368, i due
punti Q± sono instabili. Proprio in questo range di valori appare il comportamento
caotico dell’attrattore di Lorenz, caratterizzato dalla tipica dipendenza sensibile al
dato iniziale, come mostrato in figura 7.18, dove è riportata la storia temporale di
x(t) ottenuta per due diverse condizioni iniziali che differiscono per un valore re-
lativo di 10−4 . Si noti che, nonostante le soluzioni siano sovrapponibili per tempi
piccoli, al crescere di t divergono drasticamente.

Fig. 7.18 Andamento della soluzione x(t) in funzione del tempo relativa al sistema di Lorenz
tridimensionale e nonlineare 7.7 per a = 10, b = 28 e c = 8/3 e per due diverse condizioni ini-
ziali leggermente diverse (x0 , y0 , z0 ) = (−5, 20, 22) (linea continua) e 1.0001 · (−5, 20, 22) (linea
tratteggiata). È chiaro che da un certo tempo in poi (t ≈ 8) le soluzioni divergono drasticamente
a causa della dipendenza sensibile alle condizioni iniziali (b = 28 > b∗∗ = 470/19 ≈ 24.7368).
Questo comportamento è noto anche come effetto farfalla
304 7 Breve cenno ai fenomeni caotici

Fig. 7.19 Andamento della soluzione x(t) in funzione del tempo relativa al sistema di Lorenz
tridimensionale e nonlineare 7.7 per a = 10, b = 22.85 e c = 8/3 e per (x0 , y0 , z0 ) = (−5, 20, 22).
Essendo il parametro b inferiore ma vicino al valore b∗∗ = 470/19 ≈ 24.7368 i punti di equilibrio
Q+ e Q− sono stabili;
√ tuttavia si osserva che x(t) oscilla ripetutamente prima di convergere al
valore di equilibrio (b − 1)c ≈ 7.63326

I valori classici con cui viene disegnata la famosa figura dell’insieme di Lorenz
sono
8
a = 10, b = 28, c= . (7.12)
3
Si osservi che a e c comportano

470
b∗∗ = ≈ 24.7368,
19
per cui con b = 28 il sistema si trova già nel regime caotico. Per valori di b minori
della soglia critica il sistema si trova in regime di transizione caotica, per cui, os-
servando ad esempio il comportamento di una delle tre componenti nel tempo (vedi
figura 7.19), si osserva che prima di convergere al valore di equilibrio essa oscilla
ripetutamente.

Proprietà VI Studio dei massimi della componente z. Seguiamo alcune idee


dell’articolo originale di Lorenz in cui si cerca di comprendere gli aspetti di non-
periodicità del sistema. Fissati i valori dei parametri e delle condizioni iniziali, ripor-
tiamo su un grafico la componente z = z(t) del sistema in funzione del tempo, come
mostrato in figura 7.20, ed osserviamo i valori dei massimi relativi di tale funzione.
Quando i valori di z raggiungono una cerca soglia, un ipotetico punto che ha posi-
zione (x(t), y(t), x(t)) salta su un’orbita che gira attorno al secondo equilibrio e i
valori di z diventano piccoli; successivamente il valore di z torna a crescere fintanto
che, superata nuovamente una cerca soglia, il punto risalta su un’orbita che gira at-
torno al primo equilibrio, e così via. Denotiamo con Mn l’n-esimo valore massimo
e riportiamo in un grafico Mn+1 in funzione di Mn (si veda la figura 7.21).
7.2 Caos in R3 : il sistema di Lorenz 305

Fig. 7.20 Andamento della soluzione z(t) in funzione del tempo relativa al sistema di Lorenz
tridimensionale e nonlineare 7.7 per a = 10, b = 28 e c = 8/3 e per (x0 , y0 , z0 ) = (0, 0.1, 0)

Fig. 7.21 Andamento dei massimi Mn+1 in funzione di Mn per la soluzione z(t) (sinistra) e
approssimazione di tale luogo (equazione (7.13)). z(t) è stata ottenuta come soluzione del sistema
di Lorenz tridimensionale e nonlineare 7.7 per a = 10, b = 28 e c = 8/3, (x0 , y0 , z0 ) = (0, 0.1, 0),
t = 0.01 e la figura di sinistra è relativa alle prime 6000 iterazioni (i dati sono gli stessi usati da
Lorenz nel lavoro del Marzo 1963, ma si ricordi che quelli da lui presentati vanno divisi per 10).
L’approssimazione della curva (destra, si veda l’equazione (7.13)) fu proposta da Lorenz nello
stesso articolo

Consideriamo ora la successione numerica (μn ) ⊂ [0, 1] definita da


⎧  
⎪ 1

⎨μn+1 = 2μn se μn ∈ 0, ,
2
  (7.13)

⎪ 1
⎩μn+1 = 2 − 2μn se μn ∈ ,1 .
2
Per un certo dato iniziale μ0 , per ogni n ≥ 1, esiste sempre un numero intero pari
σn tale che la successione si rappresenta come

μ n = σ n ± 2n μ 0 , n≥1 (7.14)
306 7 Breve cenno ai fenomeni caotici

proprietà che può essere dimostrata per induzione. Chiaramente, per n = 0, basta
prendere σ0 = 0 e la formula è verificata. Supponiamo ora che l’affermazione valga
per n = k e proviamo che vale anche per n = k + 1. Per l’iterazione successiva si
presentano due possibilità,

μk+1 = 2μk = (2σk ) ± 2k+1 μ0 ,

oppure, dalla definizione,

μk+1 = 2 − 2μk = (2 − 2σk ) ∓ 2k+1 μ0 ,

che sono entrambe della forma desiderata. Rispetto al valore iniziale μ0 distin-
guiamo i seguenti tre casi.
Caso 1. Supponiamo che μ0 sia della forma q/2p , dove q è un numero intero
dispari. Allora, per la formula (7.14), e tenuto conto che la successione μk rimane
in [0, 1], esiste un numero pari σp−1 tale che
q
μp−1 = σp−1 ± 2p−1 μ0 = σp−1 ± ,
2
per cui deve essere μp−1 = 1/2, e la successione termina.
Caso 2. Supponiamo che sia μ0 = q/(r2p ), dove q ed r sono numeri interi di-
spari e primi tra loro. Allora, per la formula (7.14) e tenuto conto che la successione
μk rimane in [0, 1], per k > 0 si ha

q 1+k rσp+1+k ± q21+k qk


μp+1+k = σp+1+k ± 2 = = ∈ (0, 1),
r r r
dove qk è un numero intero pari e primo con r. Il numero di possibilità per tali
frazioni è finito, quindi la successione deve necessariamente essere periodica.
Caso 3. Supponiamo, infine, che μ0 sia irrazionale. Allora, dalla formula (7.14)
si evince che, per ogni k > 0,
 
μn+k − μn = (σn+k − σn ) ± 2k − 1 2n μ0 = 0,

per cui queste successioni non sono periodiche. In teoria, potrebbero essere quasi
periodiche e avvicinarsi ad una successione periodica. Per eliminare questa even-
tualità, osserviamo che se μ0 = μ0 + δ, con δ > 0 piccolo a piacere, allora si ha

μk = σk ± 2k μ0 = σk ± 2k (μ0 + δ) = σk ± 2k μ0 ± 2k δ = μk ± 2k δ,

da cui si deduce che le successioni sono instabili sotto l’effetto di piccole pertur-
bazioni e, in particolare, le orbite periodiche sono instabili, per cui nessun’altra
successione può avvicinarsi asintoticamente. In conclusione, esiste una quantità di
orbite non periodiche pari ai numeri di Q ∩ (0, 1). Si noti come l’esistenza dei com-
portamenti caotici sia, in questo caso, legata all’esistenza dei numeri irrazionali.
7.2 Caos in R3 : il sistema di Lorenz 307

Fig. 7.22 Ritratto di fase nel piano x(t), z(t) relativo al sistema di Lorenz tridimensionale e non-
lineare 7.7 con condizione iniziale (x0 , y0 , z0 ) = (−1.64, −4.9, 64.13) per a = 10, b = 100.55 e
c = 8/3 (sinistra) e a = 10, b = 99.75 e c = 8/3 (destra). Si osservi la presenza di una sola orbita
periodica per 99.98 < b < 100.795 (sinistra) e la presenza di due orbite per 99.629 < b < 99.98
(destra)

Proprietà VII Raddoppio del periodo. Per i valori di b compresi nell’intervallo

99.524 < b < 100.795

esiste una finestra di raddoppio del periodo. Il primo raddoppio avviene in corri-
spondenza di b = 99.98. Per i valori

99.98 < b < 100.795

le orbite si avvicinano ad un’orbita periodica stabile che gira una volta attorno al
primo equilibrio, diciamo Q+ , due volte attorno a Q− , con lo schema [1-2-2]. Per
il range di valori
99.629 < b < 99.98
il periodo dell’orbita periodica si raddoppia, con lo schema [1-2-2-1-2-2]. Per i va-
lori
99.547 < b < 99.629
il periodo si quadruplica, secondo lo schema [1-2-2-1-2-2-1-2-2-1-2-2]. Per
99.529 < b < 99.547 si ha [1-2-2-1-2-2-1-2-2-1-2-2-1-2-2-1-2-2-1-2-2-1-2-2],
e così via diminuendo gradualmente il valore di b. In figura 7.22 sono riportati i
casi 99.98 < b < 100.795 (sinistra) e 99.629 < b < 99.98 (destra) in cui sono chia-
ramente visibili rispettivamente una sola orbita periodica e due orbite periodiche.

Proprietà VIII Mappe di Poincaré. Consideriamo nello spazio R3 il piano paral-


lelo al piano x-y e contenente i punti di equilibrio non banali Q+ e Q− ,

Π: z = b − 1,
308 7 Breve cenno ai fenomeni caotici

Fig. 7.23 Mappe di Poincaré ottenute intersecando i punti dell’orbita x(t), y(t), z(t) con il piano
z = b − 1. I risultati si riferiscono al sistema di Lorenz tridimensionale e nonlineare 7.7 con con-
dizione iniziale (x0 , y0 , z0 ) = (10, 0, 10) per a = 10, b = 15 < b∗∗ e c = 8/3 (sinistra) e a = 10,
b = 30 > b∗∗ e c = 8/3 (destra)

che adottiamo come sezione di Poincaré per definire una mappa di primo ritorno di
Poincaré P : Π → Π , di cui riportiamo qualche grafico in figura 7.23. Naturalmente
P (Q± ) = Q± . 
Riferimenti bibliografici

1. E. Acerbi, L. Modica, S. Spagnolo, Problemi Scelti di Analisi Matematica I (Liguori, Napoli,


1985)
2. E. Acerbi, L. Modica, S. Spagnolo, Problemi Scelti di Analisi Matematica II (Liguori, Napoli,
1986)
3. L.J.S. Allen, An Introduction to Mathematical Biology (Prentice Hall, Upper Saddle River,
2007)
4. K.T. Alligood, T.D. Sauer, J.A. Yorke, Chaos, an Introduction to Dynamical Systems (Sprin-
ger, New York, 2000)
5. V.I. Arnold, Ordinary Differential Equations (MIT Press, Cambridge, 1973)
6. V.I. Arnold, Mathematical Methods of Classical Mechanics (Springer, New York, 1989)
7. F. Brauer, J.A. Nohel, The Qualitative Theory of Ordinary Differential Equations (Dover, New
York, 1989)
8. F. Conti, Calcolo—Teoria e Applicazioni (McGraw-Hill, Milano, 1993)
9. J. Cronin, Differential Equations: Introduction and Qualitative Theory (Dekker, New York,
2007)
10. R.L. Devaney, Introduction to Chaotic Dynamical Systems (Westview Press, Boulder, 1989)
11. F. Dumortier, J. Llibre, J. Artés, Qualitative Theory of Planar Differential Systems (Springer,
Berlin, 2006)
12. G. Gaeta, Modelli Matematici in Biologia (Springer, Milano, 2007)
13. E. Giusti, Analisi Matematica I (Boringhieri, Torino, 1984)
14. J.K. Hale, Ordinary Differential Equations (Krieger, Malabar, 1980)
15. J.K. Hale, H. Kocak, Dynamics and Bifurcations (Springer, New York, 1991)
16. P. Hartman, Ordinary Differential Equations (Birkhäuser, Boston, 1982)
17. M.W. Hirsch, S. Smale, R. Devaney, Differential Equations, Dynamical Systems and Intro-
duction to Chaos (Elsevier, San Diego, 2004)
18. R.A. Holmgren, A First Course in Discrete Dynamical Systems (Springer, New York, 1996)
19. D.W. Jordan, P. Smith, Nonlinear Ordinary Differential Equations (Oxford University Press,
Oxford, 1999)
20. W. Kelley, A. Peterson, The Theory of Differential Equations: Classical & Qualitative (Pren-
tice Hall, Englewood Cliffs, 2004)
21. H. Kocak, Differential and Difference Equations Through Computer Experiments (Springer,
New York, 1989)
22. R.L. Kraft, Chaos, Cantor sets, and hyperbolicity for the logistic maps. Am. Math. Mon. 106,
400–408 (1999)
23. S. Lefschetz, Differential Equations: Geometric Theory (Dover Publications, New York,
1977)

© Springer-Verlag Italia 2016 309


M. Squassina, S. Zuccher, Introduzione all’Analisi Qualitativa dei Sistemi Dinamici
Discreti e Continui, UNITEXT – La Matematica per il 3+2 96,
DOI 10.1007/978-88-470-5791-3
310 Riferimenti bibliografici

24. J.H. Liu, First Course in the Qualitative Theory of Differential Equations (Prentice Hall, Up-
per Saddle River, 2003)
25. E. Lorenz, Deterministic nonperiodic flow. J. Atmos. Sci. 20, 130–141 (1963)
26. A. Milani, Introduzione ai Sistemi Dinamici (Edizioni Plus, Pisa, 2002)
27. J.D. Murray, Mathematical Biology (Springer, Berlin, 1993)
28. C.D. Pagani, S. Salsa, Analisi Matematica, vol. 1 (Masson, Milano, 1990)
29. C.D. Pagani, S. Salsa, Analisi Matematica, vol. 2 (Masson, Milano, 1991)
30. I.G. Petrovsky, Ordinary Differential Equations (Dover, New York, 1973)
31. L.C. Piccinini, G. Stampacchia, G. Vidossich, Equazioni Differenziali Ordinarie in Rn (Li-
guori, Napoli, 1978)
32. M.A. Porter, S. Lansel, Mushroom billiards. Not. Am. Math. Soc. 53, 334 (2006)
33. G. Prodi, Analisi Matematica (Boringhieri, Torino, 1970)
34. J.C. Robinson, An Introduction to Ordinary Differential Equations (Cambridge University
Press, New York, 2004)
35. E. Salinelli, F. Tomarelli, Modelli Dinamici Discreti, terza edizione (Springer, Milano, 2013)
36. S. Salsa, A. Squellati, Esercizi di Analisi Matematica 2, Parte III (Masson, Milano, 1994)
37. S.H. Strogatz, Nonlinear Dynamics and Chaos (Perseus Books Publishing, New York, 2000)
38. C.H. Taubes, Modeling Differential Equations in Biology (Prentice Hall, Upper Saddle River,
2001)
39. G. Teschl, Ordinary Differential Equations and Dynamical Systems. Graduate Studies Math.,
vol. 140 (Am. Math. Soc., Providence, 2012), 356 pp
40. B. van der Pol, J. van der Mark, Frequency demultiplication. Nature 120, 363–364 (1927)
Indice analitico

A Condizioni
Accoppiamento quadratico tra le specie, 271 al contorno, 110
Ampie oscillazioni, 282 di Dirichlet, 111
Attrattore globale, 161 di Neumann, 111
Autovalori, 129 di Robin, 111
Autovettori, 129 nonomogenee, 111
omogenee, 111
B periodiche, 113
Bacino di attrazione, 66 di Jury, 51
Biforcazione, 173
di stabilità per i 2-cicli, 6
a forcella, 173
di stabilità per i p-cicli, 6
di Hopf, 177
sufficienti per la stabilità globale, 16
pitchfork, 173
sella-nodo, 173 Cooperazione
transcritica, 173 interspecifica, 266
Biliardo intraspecifica, 266
a forma di stadio, 291 tra popolazioni, 266
a fungo, 291 Coordinate
caotico, 291 di Birkhoff, 291
circolare, 291 polari piane, 201
deterministico, 291 Crescita di una popolazione, 26
di Bunimovich, 291 Criteri di Schur-Cohn, 51
ellittico, 291 Criterio
di Dulac, 163
C generalizzato, 164
Campo di flusso, 184 Curva
Centro, 134 chiusa, 163
Ciclo limite, 157 contraibile, 163, 225
semi-stabile, 203 Curve
Competizione
caustiche, 291
interspecifica, 266, 272
di Lissajous, 218
interspecifica cubica, 271
di livello, 225
intraspecifica, 266
tra popolazioni, 266 isocline, 184
Comportamento
caotico, 162, 294 D
non periodico, 294 Derivata di funzione complessa, 66

© Springer-Verlag Italia 2016 311


M. Squassina, S. Zuccher, Introduzione all’Analisi Qualitativa dei Sistemi Dinamici
Discreti e Continui, UNITEXT – La Matematica per il 3+2 96,
DOI 10.1007/978-88-470-5791-3
312 Indice analitico

Derivazione I
della logistica discreta, 40 Individui
della logistica esatta, 40 infettivi, 259
Determinismo caotico, 294 rimossi, 259
Diagramma di biforcazione, 30 suscettibili, 259
Dipendenza Insieme
continua dai dati iniziali, 154 1-connesso, 163
sensibile dai dati iniziali, 7, 30 di Cantor, 34
Dominio di Julia, 80
invariante, 160, 163
1-connesso, 225
pieno di Julia, 81
semplicemente connesso, 163
positivamente invariante, 160
senza buchi, 163
semplicemente connesso, 163
Integrale primo del moto, 225
E Isocline a tangente
Edward Lorenz (1963), 294 orizzontale, 184
Equazione verticale, 184
caotica, 8
con ritardo, 198 L
di Duffing, 287 Lemma di Gronwall, 297
di van der Pol, 242 Linee di livello, 225
differenziale del prim’ordine in forma Lotka-Volterra, 263, 265
normale, 89
Equazioni di Eulero-Lagrange, 118 M
Equilibrio superattrattivo, 73 Mappa
Equivalenza a tenda, 34
di flussi, 109 di Hénon, 56
topologica di sistemi lineari, 148 di Poincaré, 212, 214
di Poincaré a due facce, 214
Esclusione competitiva, 272
di Poincaré ad una faccia, 214
Esempio del pesce, 256
di primo ritorno, 214
Esistenza di insiemi invarianti, 163
discontinua, 4
Esponente iterata, 3
di Lyapunov, 7 logistica, 30
di Lyapunov per i sistemi, 62 Matrici
iperboliche, 149
F simili, 149
Figure di Lissajous, 218 Metodo
Flusso di un insieme, 228 di Lyapunov, 159, 193
Funzionali del calcolo delle variazioni, 118 di separazione delle variabili, 110
Funzione Modello
di Lyapunov, 159 di Beverton-Holt, 42
di Lyapunov stretta, 159 di Leslie, 55
Fuoco di Lotka-Volterra classico, 263, 265
di Lotka-Volterra realistico, 280
instabile, 134
di May-Leonard, 284
stabile, 134
di Nicholson-Bailey, 58
di trasmissione delle infezioni, 259
G logistico classico, 26
Guida Malthusiano saturato, 20
piana senza attrito, 231 parassita-ospite, 59
unidimensionale con dissipazione, 233 SIR, 259
unidimensionale senza attrito, 230 Moti quasi-periodici, 214
Indice analitico 313

N R
Nodo Raddoppio del periodo, 30
a due tangenti instabile, 130 Raggio spettrale, 50
a due tangenti stabile, 130 Regione
ad una tangente instabile, 133 caotica della logistica, 47
ad una tangente stabile, 133 con soluzioni periodiche, 30
improprio instabile, 133 invariante, 160, 163, 237, 238
improprio stabile, 133 positivamente invariante, 160
proprio instabile, 130 Ritratto di fase, 128
proprio stabile, 130
Nonesistenza di 2-cicli, 15 S
Schema generale per la stabilità, 6
O Sistema
Omeomorfismo, 109 di Lorenz, 294
Orbita dinamico, 154
eteroclina, 157 dinamico caotico, 66
omoclina, 157 ergodico, 291
periodica, 162 lineare accoppiato, 127
Orbite topologicamente equivalenti, 109 lineare disaccoppiato, 127
Oscillatori armonici, 214 lineare omogeneo, 127
non singolare, 128
Sistemi
P
autonomi non-lineari, 153
p-cicli, 6 conservativi, 225
Piano di Birkhoff, 291 di interazione competitivi, 276
Polinomio caratteristico, 129 dipendenti da un parametro, 173
Principio discreti 2 × 2, 49
dell’esclusione competitiva, 272 dissipativi, 161, 198
di invarianza di LaSalle, 160 gradiente, 198
di sovrapposizione, 128 Hamiltoniani, 225
Problema iperbolici, 149
agli autovalori, 110 planari lineari, 127
ai valori al contorno, 110 planari topologicamente equivalenti, 164
di Cauchy, 89 simili, 149
localmente ben posto, 153 Soluzione
mal posto, 110 di una ODE, 89
tipo Sturm-Liouville, 114 locale, 89
Proprietà massimale del sistema, 154
dell’esponente di Lyapunov, 44 periodica, 6, 162
di semigruppo, 154 stazionaria, 91
Punto di equilibrio, 3 Stabilità globale, 4, 201
globalmente asintoticamente stabile, 4 Storie temporali, 58
globalmente attrattivo, 4 Struttura
instabile, 4 orbitale, 109
iperbolico, 5 qualitativa del flusso, 109
localmente asintoticamente stabile, 4 Successioni
localmente attrattivo, 4 monotone, 5
localmente stabile, 4 regolari, 3
non-iperbolico, 5 ricorsive, 3
Punto di sella (colle), 130
instabile, 130 T
stabile, 130 2-cicli, 6
Punto unito, 3 Tempo di estinzione, 92
314 Indice analitico

Teorema Toro tridimensionale, 216


della divergenza, 163 Traiettorie periodiche, 162
dell’asintoto, 92
di Cayley, 76
di confronto, 91 V
di esistenza globale, 91 Valore di biforcazione, 173
di esistenza locale, 89 Valori medi su un periodo del sistema
di Grobman-Hartman, 165 Lotka-Volterra, 265
di Liouville, 228 Varietà
di Poincaré-Bendixson, 162 instabile, 157
Test di Jury, 51 stabile, 157