09.05.2013 Views

Applicazioni della teoria del minimax a problemi ... - Portale Posta DMI

Applicazioni della teoria del minimax a problemi ... - Portale Posta DMI

Applicazioni della teoria del minimax a problemi ... - Portale Posta DMI

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Sistemi non lineari 85<br />

Lemma 7.9. ([80], Chapter 1 passim) (H1 1 , · ) è uno spazio di Hilbert di dimensione<br />

infinita, e l’immersione H1 1 ↩→ C0 (I, R) è compatta (con costante c > 0).<br />

Sia G : I × R N → R N una funzione di Carathéodory; ci occuperemo di sistemi <strong>del</strong> tipo<br />

seguente:<br />

(7.2)<br />

⎧<br />

⎨<br />

⎩<br />

ü = A(x)u + G(x, u) in I<br />

u(1) − u(0) = ˙u(1) − ˙u(0) = 0<br />

Secondo la definizione corrente, una soluzione di (7.2) è una funzione u ∈ H1 1<br />

per ogni v ∈ H1 1 si abbia<br />

1<br />

(7.3)<br />

0<br />

[ ˙u(x) · ˙v(x) + (A(x)u(x)) · v(x) + G(x, u(x)) · v(x)] dx = 0.<br />

La precedente definizione è motivata dal ragionamento che segue: se u ∈ H1 1<br />

sopra, si dimostra che in realtà u ∈ C1 (I, RN ) con derivata ˙u ∈ H1 1<br />

tale che<br />

è come<br />

; ne segue che ˙u(1) =<br />

˙u(0), e che ˙u ammette una derivata debole ü, che verifica per q.o. x ∈ I<br />

(si veda [80], Section 1.4).<br />

ü(x) = A(x)u(x) + G(x, u(x))<br />

7.3 Biforcazione per sistemi non lineari<br />

Nella presente Sezione studieremo un sistema <strong>del</strong> tipo (7.2) in cui la nonlinearità è rappresentata<br />

dal gradiente di una funzione scalare, detta potenziale: questi sistemi sono chiamati<br />

hamiltoniani e per essi si può formulare una <strong>teoria</strong> variazionale (alcuni autori riservano la<br />

denominazione di “sistemi hamiltoniani” a un altro tipo di <strong>problemi</strong>, e chiamano questi,<br />

invece, “sistemi gradienti”).<br />

Siano I, A come nella Sezione 7.2, e sia F : I × RN → R una funzione tale che F (·, s)<br />

è misurabile per ogni s ∈ RN e F (x, ·) ∈ C1 (RN , R) per q.o. x ∈ I; supponiamo inoltre<br />

che esistano a ∈ C0 (R, R) e b ∈ L1 (I) non–negative tali che per q.o. x ∈ I e ogni s ∈ RN <br />

<br />

(7.4) max |F (x, s)| , <br />

∂F <br />

(x, s) <br />

∂si<br />

<br />

<br />

: i = 1, . . . N ≤ a(|s|)b(x).<br />

Inoltre, assumiamo che F non sia convessa rispetto alla seconda variabile, ovvero che<br />

esistano un intervallo chiuso I0 ⊂]0, 1[, s1, s2 ∈ R N (s1 = s2), τ ∈]0, 1[ e σ1, σ2 ∈ R tali<br />

che per q.o. x ∈ I0<br />

(7.5) max {F (x, s1), F (x, s2)} ≤ σ1 < σ2 ≤ F (x, τs1 + (1 − τ)s2) .<br />

Infine, supponiamo che F sia positivamente omogenea rispetto alla seconda variabile<br />

con esponente α ∈]1, 2[, cioè che per q.o. x ∈ I e ogni s ∈ R N<br />

(7.6) F (x, µs) = µ α F (x, s).

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!