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
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).