Appendice A Analisi dimensionale - Springer
Appendice A Analisi dimensionale - Springer
Appendice A Analisi dimensionale - Springer
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
<strong>Appendice</strong> A<br />
<strong>Analisi</strong> <strong>dimensionale</strong><br />
A.1 Un esempio preliminare<br />
L’idea che sta alla base dell’analisi <strong>dimensionale</strong> è molto semplice: le leggi<br />
della Fisica non dipendono dalle unità di misura scelte per misurare le quantità<br />
coinvolte. Come conseguenza, le relazioni matematiche che esprimono tali<br />
leggi devono possedere proprietà generali di omogeneità o simmetria. L’analisi<br />
<strong>dimensionale</strong> è un metodo per determinare ed analizzare tali relazioni in<br />
riferimento ad un dato fenomeno, utilizzando solo una conoscenza qualitativa<br />
dei principi sottostanti, senza necessariamente servirsi di modelli matematici<br />
concreti come potrebbe essere un’equazione differenziale. Vogliamo dare<br />
qui i primi rudimenti di questa tecnica, rimandando ai testi specializzati, e<br />
specialmente [Barenblatt, 2002], per gli approfondimenti.<br />
Nel Capitolo 2, Paragrafo 2.3.2, abbiamo visto un esempio di utilizzo dell’analisi<br />
<strong>dimensionale</strong> per esaminare la propagazione del calore in una sbarra<br />
infinita da una sorgente istantanea localizzata in un punto. Come ipotesi di<br />
partenza abbiamo assunto che la temperatura fosse una funzione dello spazio,<br />
del tempo, dell’energia e del coefficiente di diffusione. L’obiettivo era arrivare<br />
ad una relazione funzionale fra quantità adimensionali. L’esatta forma di<br />
questa funzione è stata poi determinata sfruttando il fatto che la temperatura<br />
fosse soluzione dell’equazione del calore. In generale, se il modello matematico<br />
non è disponibile occorre procedere usando dati sperimentali.<br />
Vediamo subito un esempio classico.<br />
• Periodo nelle oscillazioni di un pendolo. Il classico esempio di uso dell’analisi<br />
<strong>dimensionale</strong> è la determinazione del periodo delle piccole oscillazioni di<br />
un pendolo verticale di lunghezza l. Dall’analisi elementare, sappiamo che l’angolo<br />
(in radianti) α = α (t), che il pendolo forma con la verticale, è soluzione<br />
dell’equazione differenziale<br />
l¨α (t) =−g sin α (t)<br />
dove g indica l’accelerazione di gravità. Se α è piccolo, sin α ∼ α e l’equazione<br />
Salsa S: Equazioni a derivate parziali, 2a edizione.<br />
c○ <strong>Springer</strong>-Verlag Italia 2010, Milano
586 <strong>Appendice</strong> A <strong>Analisi</strong> <strong>dimensionale</strong><br />
differenziale è approssimata da<br />
che ha soluzione generale<br />
¨α (t)+ g α (t) =0<br />
l<br />
α (t) =A cos ωt + B sin ωt (A, B ∈ R)<br />
dove ω 2 = g/l. Si trova quindi il periodo<br />
P = 2π ω =2π √<br />
l<br />
g .<br />
(A.1)<br />
Ora, usando l’analisi <strong>dimensionale</strong>, è possibile ricavare la dipendenza funzionale<br />
(A.1), tranne l’esatto valore della costante moltiplicativa 2π, senza ricorrere<br />
ad alcuna equazione differenziale.<br />
Il ragionamento è il seguente. Da che cosa dipende il periodo P? Dovrebbe<br />
essere ragionevole che dipenda solo da l, g, dalla massa m del pendolo e<br />
dall’angolo massimo di oscillazione α 0 . Pertanto ipotizziamo una relazione<br />
funzionale del tipo<br />
P = f (l, g, m, α 0 )<br />
(A.2)<br />
che sia valida in ogni sistema di unità di misura. Le quantità l, g, m hanno<br />
dimensioni (fisiche) indipendenti, in quanto nessuna di essa ha dimensione<br />
esprimibile in termini delle altre due. L’angolo α 0 è invece a<strong>dimensionale</strong>.<br />
Cerchiamo una combinazione delle quantità l, m, g che abbia le stesse<br />
dimensioni fisiche di P. In altri termini, cerchiamo a, b, c tali che<br />
[P] =[l] a [g] b [m] c .<br />
Indichiamo con L, M, T le dimensioni di lunghezza, massa e tempo, rispettivamente.<br />
Essendo [P] = T , [l] = L, [g] = LT −2 , [m] = M deve<br />
essere<br />
T = L a+b T −2b M c<br />
da cui a + b =0, −2b =1e c =0. Dunque, a =1/2,b = −1/2,c =0e<br />
[P] =[l] 1/2 [g] −1/2 . Questo semplice calcolo indica che la quantità<br />
Π =<br />
√ g<br />
l P<br />
è a<strong>dimensionale</strong>. Dividendo la (A.2) per l 1/2 g −1/2 otteniamo<br />
Π =<br />
√ g<br />
l P = √ g<br />
l f (l, g, m, α 0)=F (l, g, m, α 0 ) .<br />
Essendo Π a<strong>dimensionale</strong>, anche F (l, g, m, α 0 ) deve esserlo. Ma questo implica<br />
che F non può dipendere da l, g, m perché altrimenti ogni cambiamento<br />
di unità di misura di queste variabili provocherebbe una variazione
A.2 Dimensioni e leggi fisiche 587<br />
di F (l, g, m, α 0 ) mentre lascerebbe Π invariato. Pertanto siamo giunti alla<br />
conclusione che deve essere<br />
√ g<br />
l P = F (α 0)<br />
(A.3)<br />
ossia che<br />
P =<br />
√<br />
l<br />
g F (α 0) .<br />
Assumiamo ora che le oscillazioni siano piccole, cioè α 0 sia piccolo. Dalla (A.3)<br />
e dal significato di α 0 ricaviamo che F (α 0 )=F (−α 0 ) sicché, assumendo che<br />
F sia regolare, possiamo scrivere<br />
F (α 0 )=F (0) + 1 2 F ′′ (0) α 2 0 + 1 4! F (4) (0) α 4 0 + o ( α 5 0)<br />
.<br />
Di conseguenza, al prim’ordine F (α 0 ) ∼ F (0) e<br />
√<br />
l<br />
P∼F (0)<br />
g .<br />
A questo punto, la costante F (0) può essere determinata sperimentalmente.<br />
Prima di presentare il metodo dell’analisi <strong>dimensionale</strong> in generale è meglio<br />
soffermarsi un momento sul concetto di dimensione di una data quantità fisica.<br />
A.2 Dimensioni e leggi fisiche<br />
Abbiamo parlato continuamente di dimensioni fisiche di una data quantità.<br />
Per quanto diremo in seguito, è bene precisare esattamente il concetto di<br />
dimensione fisica.<br />
Fissiamo una classe di sistemi di unità di misura: per esempio la classe in<br />
cui lunghezza, massa e tempo sono le grandezze fondamentali. All’interno di<br />
una stessa classe, la scelta delle unità di misura per le grandezze fondamentali<br />
definisce un sistema. Per esempio i due sistemi c, g, s (centimetro, grammo,<br />
secondo) ed m, kg, s (metro, kilogrammo massa, secondo) appartengono alla<br />
stessa classe.<br />
Consideriamo per esempio la densità di un corpo materiale ρ. Se l’unità<br />
di lunghezza cambia di un fattore L e l’unità di massa cambia di un fattore<br />
M, i valori numerici della densità cambiano di un fattore L −3 M. Il fattore è<br />
il medesimo all’interno della stessa classe di sistemi e definisce una funzione<br />
(L, M, T ) ↦−→ L −3 M<br />
che prende il nome di funzione dimensione (o semplicemente dimensione) di<br />
ρ. In generale, la dimensione di una quantità fisica è la funzione che determina
588 <strong>Appendice</strong> A <strong>Analisi</strong> <strong>dimensionale</strong><br />
il fattore con cui cambia il valore numerico di quella quantità, quando si passa<br />
da un sistema di unità misura ad un altro, all’interno di una stessa classe.<br />
La dimensione di una quantità fisica q si indica col simbolo [q] . Per<br />
esempio, abbiamo appena visto che [ρ] =L −3 M.<br />
All’interno di una stessa classe, si dicono adimensionali le quantità i cui<br />
valori numerici rimangono invariati nel passaggio da un sistema all’altro. Le<br />
altre quantità si dicono allora dimensionali.<br />
Abbiamo già avuto modo di constatare l’importanza della procedura<br />
di adimensionalizzazione di un modello matematico (Paragrafo 2.1.4<br />
e Sezione 4.9) ed infatti essa costituisce uno degli aspetti dell’analisi<br />
<strong>dimensionale</strong>.<br />
La funzione dimensione non può avere un’espressione analitica qualsiasi.<br />
Infatti, supponiamo che all’interno di una data classe di sistemi, L 1 ,L 2 , ..., L N<br />
rappresentino le dimensioni delle grandezze fondamentali. Come conseguenza<br />
(non banale) del fatto che nessun sistema all’interno di una classe è privilegiato,<br />
la funzione dimensione è sempre un prodotto di potenze delle L j ,<br />
j =1, ..., N.<br />
In altri termini, se q è una qualunque grandezza fisica, avremo<br />
[q] =L a1<br />
1 La2 2 ···La N<br />
con opportuni esponenti numerici a j . Pertanto è impossibile trovare, per<br />
esempio, dimensioni che contengano esponenziali o logaritmi.<br />
Fissate le dimensioni delle grandezze fondamentali L 1 ,L 2 , ..., L N ,<br />
consideriamo k quantità p 1 , ..., p k con dimensioni<br />
[p j ]=L a 1j<br />
1 L a 2j<br />
2 ···L a Nj<br />
N<br />
j =1, ..., k.<br />
Diciamo che p 1 , ..., p k hanno dimensioni indipendenti se nessuna delle dimensioni<br />
[p j ] è esprimibile come prodotto di potenze delle altre dimensioni. In<br />
termini algebrici, ciò significa che i vettori<br />
(a 1j ,a 2j ..., a Nj ) j =1, ..., k<br />
generano un sottospazio di R N di dimensione k. Si noti che, in questo contesto,<br />
le dimensioni L j delle grandezze fondamentali corrispondono alla base<br />
canonica in R N .<br />
A.3 Il teorema Pi di Buckingham<br />
Possiamo ora descrivere in generale il metodo dell’analisi <strong>dimensionale</strong>. Supponiamo<br />
che un dato fenomeno fisico sia caratterizzato da un insieme di quantità<br />
scalari q 1 , ..., q n e che un’altra quantità q dipenda da quelle attraverso una<br />
relazione funzionale del tipo<br />
q = f (q 1 ,q 2 , ..., q n ) .<br />
(A.4)
A.3 Il teorema Pi di Buckingham 589<br />
Assumiamo di essere all’interno di una classe di sistemi di unità di misura con<br />
grandezze fondamentali di dimensioni L 1 , ..., L N e che all’interno di questa<br />
classe la relazione (A.4) sia la stessa per tutti i sistemi. Si dice allora che la<br />
relazione è completa. Possiamo scrivere<br />
[q] =L b1<br />
1 Lb2 2 ···LbN N<br />
e<br />
[q j ]=L a1j<br />
1 L a2j<br />
2 ···L a Nj<br />
N<br />
j =1, ..., n.<br />
Il nostro obiettivo è trasformare la (A.4) in una relazione funzionale del tipo<br />
Π = F (Π 1 , ..., Π n−k )<br />
dove le quantità Π, Π 1 , ..., Π n−k siano adimensionali.<br />
Distinguiamo vari passi.<br />
Passo 1. Dividiamo l’insieme delle quantità q 1 , ..., q n in due sottoinsiemi<br />
{p 1 , ..., p k } e {s 1 , ..., s n−k }<br />
in modo che p 1 , ..., p k , dette quantità primarie, abbiano dimensioni indipendenti<br />
e che le dimensioni delle s 1 , ..., s n−k , dette quantità secondarie, siano<br />
esprimibili come prodotti di potenze delle dimensioni delle p j , j =1, ..., k. Si<br />
abbia cioè:<br />
[s j ]=[p 1 ] α1j [p 2 ] α2j ···[p k ] α kj<br />
j =1, ..., n − k. (A.5)<br />
Questa selezione può essere sempre fatta ed è possibile che sia k = n (le dimensioni<br />
di tutte le quantità sono indipendenti) oppure k =0(tutte le quantità<br />
sono adimensionali). Naturalmente, k è il massimo numero di quantità<br />
indipendenti tra le q 1 , ..., q n .<br />
Riscriviamo allora la (A.4) nella forma<br />
q = f (p 1 , ..., p k ; s 1 , ..., s n−k ) .<br />
(A.6)<br />
Da questa relazione si deduce che anche la dimensione di q può essere espressa<br />
in termini delle dimensioni delle quantità primarie:<br />
[q] =[p 1 ] β 1<br />
[p 2 ] β2 ···[p k ] β k<br />
.<br />
(A.7)<br />
Se così non fosse, la dimensione di q sarebbe indipendente dalle dimensioni di<br />
p 1 , ..., p k e quindi, con un opportuno cambio di unità di misura, si potrebbe<br />
lasciare invariato q e cambiare il valore di f (p 1 , ..., p k ; s 1 , ..., s n−k ) .<br />
Passo 2. Usando le (A.5), definiamo le quantità ˜s j = p α1j<br />
1 p α2j<br />
2 ···p α kj<br />
k<br />
ed<br />
introduciamo le quantità adimensionali<br />
Π j = s j<br />
˜s j<br />
j =1, ..., n − k. (A.8)
590 <strong>Appendice</strong> A <strong>Analisi</strong> <strong>dimensionale</strong><br />
Analogamente, usando la (A.7), definiamo ˜q = p β 1<br />
1 pβ 2<br />
2 ···pβ k<br />
k<br />
ed introduciamo<br />
la quantità a<strong>dimensionale</strong><br />
Π = q˜q .<br />
(A.9)<br />
Passo 3. Dividiamo la (A.6) per ˜q e scriviamo, utilizzando le (A.8):<br />
Π = 1˜q f (p 1, ..., p k ;˜s 1 Π 1 , ..., ˜s n−k Π n−k ) .<br />
Essendo ˜q ed ˜s j esprimibili in termini di p 1 , ..., p k , questa relazione può essere<br />
riscritta a sua volta nella forma seguente:<br />
Π = F (p 1 , ..., p k ; Π 1 , ..., Π n−k ) .<br />
(A.10)<br />
A questo punto è chiaro che F non può dipendere dalle quantità primarie<br />
p 1 , ..., p k . Se così non fosse, cambiando sistema di unità di misura, avremmo<br />
una variazione nel valore di F (p 1 , ..., p k ; Π 1 , ..., Π n−k ) mentre Π, essendo<br />
a<strong>dimensionale</strong>, rimarrebbe invariato. Deduciamo dunque la relazione<br />
Π = F (Π 1 , ..., Π n−k )<br />
(A.11)<br />
nella quale tutte le quantità sono adimensionali.<br />
Sintetizziamo la conclusione nel seguente risultato.<br />
Teorema Pi di Buckingham. Sia<br />
q = f (q 1 ,q 2 , ..., q n ) ,<br />
(A.12)<br />
una relazione funzionale, completa all’interno di una classe di sistemi di unità<br />
di misura. Sia k, 0 ≤ k ≤ n, il massimo numero tra le quantità q 1 ,q 2 , ..., q n<br />
aventi dimensioni indipendenti.<br />
Allora la (A.12) può essere riscritta come una relazione funzionale del<br />
tipo (A.11), dove le Π, Π 1 , ..., Π n−k sono combinazioni adimensionali delle<br />
quantità q, q 1 ,q 2 , ..., q n .<br />
In termini di quantità primarie e secondarie, la relazione (A.11) si scrive<br />
esplicitamente nella seguente forma:<br />
(<br />
)<br />
q = p β 1<br />
1 pβ 2<br />
2 ···pβ k<br />
k F s 1<br />
s n−k<br />
, ...,<br />
.<br />
p α 11<br />
1 p α 21<br />
2 ···p α k1<br />
k<br />
p α 1(n−k)<br />
1 p α 2(n−k)<br />
2 ···p α k(n−k)<br />
k<br />
Nel caso del pendolo abbiamo n =4e q 1 = l, q 2 = g, q 3 = m, q 4 = α 0 , mentre<br />
q = P, il periodo d’oscillazione. Inoltre N = k =3e la scelta per le grandezze<br />
primarie è obbligata: p 1 = l, p 2 = g, p 3 = m. Qui abbiamo solo<br />
Π =<br />
√ g<br />
l P.<br />
Nel caso della propagazione del calore da una sorgente istantanea concentrata<br />
nell’origine abbiamo n =4,q 1 = x, q 2 = t, q 3 = D, q 4 = Q, mentre q = u ∗ .
A.3 Il teorema Pi di Buckingham 591<br />
Inoltre N = k =3e scegliendo t, D e Q come quantità primarie abbiamo<br />
trovato<br />
Π = u√ Dt<br />
e Π 1 = √ x .<br />
Q<br />
Dt<br />
La relazione Π = F(Π 1 ) non è altro che la (2.39). Discutiamo brevemente<br />
altri due esempi che illustrano quale tipo di informazioni si possano ricavare<br />
dall’analisi <strong>dimensionale</strong>.<br />
Esempio A1. Energia rilasciata da un’esplosione nucleare. Questo classico<br />
esempio è dovuto a Sir G.I. Taylor 1 . In un’esplosione atomica, si verifica un<br />
rapido rilascio di energia E all’interno di una regione molto piccola. Un’onda<br />
d’urto sferica si sviluppa intorno al punto in cui avviene la detonazione. Vogliamo<br />
determinare l’energia rilasciata nella prima fase dell’esplosione. Invece<br />
di riferirsi direttamente ad E, conviene scegliere il raggio dell’onda d’urto<br />
r come la quantità q nel Teorema Pi. Ora, r dipende da E, dal tempo t,<br />
dalla densità iniziale dell’aria ρ e dalla pressione atmosferica. Poiché nei primi<br />
istanti dell’esplosione la pressione dietro l’onda d’urto è circa 1000 volte<br />
quella atmosferica, l’influenza di quest’ultima può essere trascurata. Possiamo<br />
dunque scrivere<br />
r = f (E,t,ρ)<br />
e quindi n =3.<br />
Usiamo il sistema m, kg, s, indicando come al solito con L, M e T ,<br />
rispettivamente, le dimensioni di lunghezza, massa e tempo. Abbiamo<br />
[E] =ML 2 T −2 , [t] =T , [ρ] =ML −3 .<br />
Si controlla facilmente che le dimensioni di E,t e ρ sono indipendenti, per cui<br />
coincidono con le quantità primarie; quindi k =3e n − k =0. Ne segue che<br />
la funzione F nella (A.11) non ha argomenti e perciò è una costante C.<br />
Ricaviamo ora la dimensione di r in funzione delle dimensioni di E,t e ρ.<br />
Dobbiamo cercare β 1 , β 2 e β 3 tali che<br />
ossia tali che:<br />
[r] =[E] β 1<br />
[t] β 2<br />
[ρ] β 3<br />
L = M β 1 +β 3 L<br />
2β 1 −3β 3T −2β 1 +β 2.<br />
Si trova β 1 =1/5, β 2 =2/5 e β 3 = −1/5 e quindi la quantità<br />
Π =<br />
r<br />
E 1/5 t 2/5 ρ −2/5<br />
è a<strong>dimensionale</strong>. La (A.11) diventa Π = C, ossia<br />
r = CE 1/5 t 2/5 ρ −2/5 .<br />
1 Taylor, G.I., The formation of a blast by a very intense explosion. II. The athomic<br />
axplosion of 1945. Proc. Roy. Soc. A201, 159-174.
592 <strong>Appendice</strong> A <strong>Analisi</strong> <strong>dimensionale</strong><br />
Notiamo espressamente come questa relazione derivi da un puro ragionamento<br />
<strong>dimensionale</strong>. Mediante esperimenti con piccole esplosioni, Taylor trovò per la<br />
costante C un valore molto vicino ad uno. Ne segue che, passando ai logaritmi,<br />
possiamo scrivere, con buona approssimazione,<br />
5<br />
2 log r = 1 2 log E ρ +logt<br />
che, nelle coordinate logaritmiche x =logt e y = 5 2<br />
log r diventa la retta:<br />
y = x + 1 2 log E ρ .<br />
Misurazioni ottenute da una serie di fotografie di J. Mack durante un test<br />
nucleare rivelarono un notevole accordo con la predizione teorica. Taylor riuscì<br />
quindi a determinare l’energia dell’esplosione dalla dipendenza sperimentale<br />
del raggio in funzione del tempo, che forniva l’intersezione della retta con<br />
l’asse y.<br />
Incidentalmente, il valore trovato da Taylor per l’energia nel test era E =<br />
19, 2 Kilotoni (1 Kilotone =4, 186 × 10 12 Joule). Successivamente è stato<br />
dimostrato con metodi più moderni che E =21Kilotoni.<br />
Esempio A2. Il Teorema di Pitagora. Dimostriamo il Teorema di Pitagora<br />
usando l’analisi <strong>dimensionale</strong>. L’area A di un triangolo rettangolo T dipende<br />
dalla lunghezza dell’ipotenusa c e, per esempio, dall’angolo acuto minore ϕ<br />
(in radianti). Possiamo dunque scrivere<br />
A = f (c, ϕ) .<br />
Poiché ϕ è a<strong>dimensionale</strong>, abbiamo k =1e l’analisi <strong>dimensionale</strong> dà<br />
ossia<br />
Π = A c 2 F (ϕ)<br />
A = c 2 F (ϕ) .<br />
(A.13)<br />
Ora, l’altezza divide il triangolo T in due triangoli simili con ipotenusa rispettivamente<br />
data dai cateti a e b del triangolo e aventi lo stesso angolo acuto<br />
minore ϕ. Se indichiamo le aree di questi due triangoli con A 1 e A 2 , l’analisi<br />
<strong>dimensionale</strong> dà<br />
A 1 = a 2 F (ϕ) e A 2 = b 2 F (ϕ) ,<br />
dove F è la stessa funzione. Essendo A = A 1 + A 2 otteniamo<br />
c 2 F (ϕ) =a 2 F (ϕ)+b 2 F (ϕ)<br />
da cui<br />
c 2 = a 2 + b 2 .
<strong>Appendice</strong> B<br />
Misure e integrali<br />
Presentiamo una breve introduzione su misura e integrazione.<br />
B.1 Misura di Lebesgue<br />
B.1.1 Un problema di ... conteggio<br />
Due persone, che per ragioni di privacy indichiamo con R ed L, devono calcolare<br />
il valore totale di un insieme M di monete da un centesimo fino a due<br />
euro. R decide di suddividere le monete in mucchi, ciascuno, diciamo, di 10<br />
monete qualsiasi, di calcolare il valore di ciascun mucchio e poi di sommare<br />
i valori così ottenuti. L, invece, decide di suddividere le monete in mucchi<br />
omogenei, da un centesimo, da due e così via, contenenti cioè monete dello<br />
stesso tipo, di calcolare il valore di ogni mucchio e poi di sommarne i valori.<br />
In termini più analitici, introduciamo la funzione “valore”<br />
V : M → N<br />
che associa ad ogni elemento di M (cioè ad ogni moneta) il suo valore in<br />
euro. R suddivide il dominio di V in sottoinsiemi disgiunti, somma i valori<br />
di V su tali sottoinsiemi e poi somma il tutto. L considera ogni punto p del<br />
codominio di V (cioè il valore di ogni singola moneta) corrispondente ad un<br />
centesimo, due centesimi e così via. Considera la controimmagine V −1 (p) (i<br />
mucchi omogenei di monete ), calcola il valore corrispondente ed infine somma<br />
il tutto al variare di p.<br />
Questi due modi di procedere corrispondono alla “filosofia” sottostante<br />
la definizione dei due integrali di Riemann e di Lebesgue, rispettivamente.<br />
Essendo la nostra funzione valore definita su un insieme discreto e a valori<br />
interi, in entrambi i casi non vi sono problemi nel sommare i suoi valori e la<br />
scelta di uno o dell’altro metodo è determinata da un criterio di efficienza. Di<br />
solito, il metodo di L è ritenuto più efficiente.<br />
Salsa S: Equazioni a derivate parziali, 2a edizione.<br />
c○ <strong>Springer</strong>-Verlag Italia 2010, Milano
594 <strong>Appendice</strong> B Misure e integrali<br />
Nel caso di funzioni a valori reali (o complessi) si tratta di “somme sul<br />
continuo” ed inevitabilmente occorre un passaggio al limite su somme approssimanti.<br />
La “filosofia” di L risulta allora un pò più laboriosa e richiede lo<br />
sviluppo di nuovi strumenti. Esaminiamo il caso particolare di una funzione<br />
positiva, definita e limitata su un intervallo contenuto in R. Sia<br />
f :[a, b] → [inf f,sup f] .<br />
Per definire l’integrale di Riemann, si suddivide l’intervallo [a, b] in sottointervalli<br />
I 1 , ..., I N (i mucchi di R), in ogni intervallo I k si sceglie un valore ξ k<br />
e si calcola f (ξ k ) l (I k ) (il valore approssimato del mucchio k − esimo), dove<br />
l(I k ) èlalunghezza di I k . Si sommano i valori f (ξ k ) l(I k ) e si definisce<br />
(R)<br />
∫ b<br />
a<br />
f = lim<br />
δ→0<br />
∑ N<br />
k=1 f (ξ k) l(I k )<br />
dove δ è la massima ampiezza dei sottointervalli della suddivisione. Il limite<br />
deve esistere finito ed essere indipendente dalla scelta dei punti ξ k . Questo,<br />
forse, è il punto più delicato della definizione di Riemann.<br />
Ma passiamo all’integrale secondo Lebesgue. Stavolta si suddivide<br />
l’intervallo [inf f,sup f] in sottointervalli [y k−1 ,y k ] (i valori in euro) con<br />
inf f = y 0
B.1 Misura di Lebesgue 595<br />
integrabile secondo Riemann è sempre integrabile anche secondo Lebesgue (e<br />
il valore dei due integrali coincide), ma non è vero il viceversa; inoltre non<br />
c’è bisogno di distinzione tra insiemi limitati e non, tra funzioni limitate e<br />
non. Un aspetto più rilevante è che le operazioni di passaggio al limite e di<br />
derivazione sotto il segno di integrale, nonchè di integrazione per serie, sono<br />
significativamente semplificate. Inoltre, gli spazi di funzioni sommabili secondo<br />
Lebesgue costituiscono gli ambienti funzionali più comunemente usati in un<br />
grande numero di questioni teoriche ed applicate.<br />
Infine, la costruzione della misura e dell’integrale di Lebesgue può essere<br />
notevolmente generalizzata, come accenneremo nel Paragrafo B.1.5.<br />
Per le dimostrazioni dei teoremi enunciati in questa <strong>Appendice</strong>, il lettore<br />
interessato può consultare, per esempio, Rudin, 1964 e 1974, Royden, 1988,<br />
Pagani e Salsa, vol II, 1991 o Zygmund e Weeden, 1977.<br />
B.1.2 Misure e funzioni misurabili<br />
Che cosa vuol dire introdurre una misura in un insieme Ω? Una misura è<br />
da considerarsi una funzione d’insieme, nel senso che è definita su una particolare<br />
classe di sottoinsiemi, detti misurabili, e che deve “comportarsi bene”<br />
rispetto alle operazioni insiemistiche fondamentali: unione, intersezione e<br />
complementare.<br />
Cominciamo introducendo le classi di sottoinsiemi più adatte allo scopo:<br />
le σ−algebre.<br />
Definizione B.1. Una famiglia F di sottoinsiemi di Ω si chiama σ-algebra<br />
se:<br />
i) ∅, Ω∈F,<br />
ii) A ∈F implica Ω\A ∈F,<br />
iii) se {A k } k∈N<br />
⊂F allora anche ∪A k e ∩A k appartengono a F.<br />
Esempio B.1. Se Ω = R n , la più piccola σ−algebra B che contiene tutti<br />
i sottoinsiemi aperti di R n si chiama σ−algebra di Borel. I suoi elementi sono<br />
detti insiemi di Borel o boreliani e tipicamente si ottengono da unioni e/o<br />
intersezioni di un’infinità al più numerabile di aperti.<br />
Definizione B.2. Data una σ−algebra F in un insieme Ω, una misura su<br />
F è una funzione<br />
μ : F→R<br />
tale che:<br />
i) μ (A) ≥ 0 per ogni A ∈F,<br />
ii) se A 1 ,A 2 , ...sono insiemi a due a due disgiunti in F, allora<br />
μ (∪ k≥1 A k )= ∑ k≥1 μ (A k)<br />
(σ − additività).<br />
Gli elementi di F si chiamano insiemi F−misurabili.
596 <strong>Appendice</strong> B Misure e integrali<br />
Il seguente teorema stabilisce l’esistenza in R n di una σ−algebra M, che<br />
contiene B, e di una misura su M, tale che la misura degli insiemi che conosciamo<br />
fin dall’infanzia corrisponda a quella abituale: alla lunghezza per<br />
gli intervalli contenuti in R, all’area per le figure piane standard, al volume<br />
per i ... solidi noti in R 3 .<br />
Teorema B.1. In R n esiste una σ−algebra M e una misura<br />
con le seguenti proprietà:<br />
|·| n<br />
: M→[0, +∞]<br />
1. ogni insieme aperto, e quindi ogni insieme chiuso, appartiene a M,<br />
2. se A ∈Med A ha misura nulla, ogni sottoinsieme di A appartiene a M<br />
e ha misura nulla,<br />
3. se<br />
A = {x ∈R n : a j
B.2 Integrale di Lebesgue 597<br />
Sono per esempio misurabili: le funzioni continue; somme e prodotti di<br />
funzioni misurabili; la composizione g ◦ f se f è continua e g misurabile; limiti<br />
puntuali di successioni di funzioni misurabili.<br />
Per una funzione f : A → R, misurabile, possiamo definire il suo estremo<br />
superiore essenziale:<br />
ess sup f = inf {K : f ≤ K q.o. in A} .<br />
Si noti che, se f = χ Q , la funzione caratteristica dei razionali, si ha sup f =1,<br />
ma esssup f =0, essendo |Q| =0.<br />
Ogni funzione misurabile può essere approssimata da funzioni semplici.<br />
Una funzione s: A ⊆ R n → R si dice semplice se assume un numero finito di<br />
valori s 1 , ..., s N , in corrispondenza a insiemi misurabili A 1 , ..., A N , contenuti<br />
in A. Introducendo le funzioni caratteristiche χ Aj<br />
, si può scrivere una funzione<br />
semplice nella forma<br />
s = ∑ N<br />
s jχ Aj<br />
.<br />
j=1<br />
Vale il seguente<br />
Teorema B.2. Sia f : A → R, misurabile. Esiste una successione {s k } di<br />
funzioni semplici convergente ad f in ogni punto di A. Se inoltre f≥ 0, sipuò<br />
scegliere {s k } monotona non decrescente.<br />
B.2 Integrale di Lebesgue<br />
Possiamo ora definire l’integrale di Lebesgue di una funzione misurabile su un<br />
insieme A misurabile. Per una funzione semplice s = ∑ N<br />
j=1 s jχ Aj<br />
definiamo<br />
∫<br />
A<br />
s =<br />
N∑<br />
s j |A j |<br />
j=1<br />
con la convenzione che se s j =0e |A j | =+∞, s j |A j | =0.<br />
Se f ≥ 0 è misurabile, definiamo<br />
∫ ∫<br />
f =sup s<br />
A<br />
dove l’estremo superiore è calcolato al variare di s tra tutte le funzioni semplici<br />
s tali che s ≤ f in A.<br />
In generale, se f è misurabile, scriviamo f = f + − f − , dove f + =<br />
max {f,0} e f − = max{−f,0} sono le parti positiva e negativa di f,<br />
rispettivamente. Definiamo poi<br />
∫ ∫ ∫<br />
f = f + − f −<br />
A A A<br />
A
598 <strong>Appendice</strong> B Misure e integrali<br />
a condizione che almeno uno dei due integrali a secondo membro<br />
sia finito.<br />
Se entrambi gli integrali sono finiti, la funzione f si dice integrabile o<br />
sommabile in A. Dalla definizione, segue subito che una funzione misurabile<br />
f è integrabile se e solo se |f| è integrabile.<br />
Tutte le funzioni Riemann integrabili su un insieme A sono anche Legesgue<br />
integrabili. Un esempio interessante di funzione non integrabile in (0, +∞) è<br />
h (x) =sinx/x. Infatti si può provare che 2<br />
∫ +∞<br />
0<br />
|sin x|<br />
dx =+∞.<br />
x<br />
Osserviamo che, viceversa, l’integrale di Riemann generalizzato di h esiste<br />
finito e infatti si può provare che<br />
∫ N<br />
sin x<br />
lim<br />
N→+∞ 0 x dx = π 2 .<br />
L’insieme delle funzioni integrabili in A si indica con L 1 (A). Se identifichiamo<br />
due funzioni quando sono uguali q.o. in A, L 1 (A) diventa uno spazio di Banach<br />
con la norma<br />
∫<br />
‖f‖ L 1 (A) = |f| .<br />
Indichiamo con L 1 loc<br />
(A) l’insieme delle funzioni localmente sommabili, cioè<br />
sommabili in ogni sottoinsieme compatto di A.<br />
A<br />
Alcuni teoremi fondamentali<br />
I seguenti teoremi sono tra i più importanti e utili nella teoria dell’integrazione.<br />
Teorema B.3 (della convergenza dominata). Sia {f k } una successione di<br />
funzioni integrabili in A tali che:<br />
i) f k → f q.o. in A,<br />
ii) esiste una funzione g ≥ 0, integrabile in A e tale che |f k |≤g q.o. in A.<br />
Allora f ∈ L 1 (A) e f k converge ad f in L 1 (A), cioè<br />
‖f k − f‖ L 1 (A) → 0<br />
per k → +∞.<br />
In particolare<br />
∫ ∫<br />
lim f k = f.<br />
k→∞ A A<br />
2 Si può scrivere<br />
∫ +∞<br />
0<br />
|sin x|<br />
x<br />
∞ dx = ∑<br />
∫ kπ<br />
k=1<br />
(k−1)π<br />
|sin x|<br />
∞<br />
x<br />
dx ≥ ∑<br />
k=1<br />
∫<br />
1 kπ<br />
∞∑ 2<br />
|sin x| dx =<br />
kπ (k−1)π<br />
kπ =+∞.<br />
k=1
B.2 Integrale di Lebesgue 599<br />
Se f k converge ad f in L 1 (A) non è detto che f k converga puntualmente q.o.<br />
ad f, tuttavia ciò è vero per almeno una sottosuccessione. Infatti, si ha:<br />
Teorema B.4. Sia {f k } una successione di funzioni integrabili in A tali<br />
che ‖f k − f‖ L1 (A) → 0 per k → +∞. Allora esiste una sottosuccessione { }<br />
f kj<br />
tale che f kj → f q.o. per j → +∞.<br />
Una situazione che si incontra spesso in questo libro è la seguente. Sia<br />
f ∈ L 1 (A) e, per ε>0, poniamo A ε = {x ∈ A: |f (x)| >ε}. Allora abbiamo<br />
∫ ∫<br />
f → f per ε → 0.<br />
A ε A<br />
Questo segue dal Teorema B.3 poiché, per ogni successione ε k → 0, abbiamo<br />
|f k | = |f| χ Aεk<br />
≤|f| e f k → f in ogni punto di A. Pertanto<br />
∫ ∫<br />
f =<br />
A εk<br />
fχ Aεk<br />
A<br />
∫<br />
→<br />
A<br />
f per ε → 0.<br />
Teorema B.5 (della convergenza monotona). Sia {f k } una successione di<br />
funzioni misurabili e non negative in A tali che<br />
Allora<br />
f 1 ≤ f 2 ≤ ... ≤ f k ≤ f k+1 ≤ ... .<br />
∫ ∫<br />
lim f k =<br />
k→∞ A<br />
A<br />
lim f k.<br />
k→∞<br />
Sia C 0 (A) l’insieme delle funzioni continue in A, a supporto compatto. Un<br />
fatto molto importante è che ogni funzione sommabile può essere approssimata<br />
in norma L 1 (A) da una funzione in C 0 (A).<br />
Teorema B.6 (di densità). Sia f ∈ L 1 (A). Allora, per ogni δ>0, esiste<br />
una funzione g ∈ C 0 (A) tale che<br />
‖f − g‖ L1 (A)
600 <strong>Appendice</strong> B Misure e integrali<br />
Lo scambio dell’ordine di integrazione può essere effettuato sotto la semplice<br />
ipotesi di integrabilità. Siano<br />
I 1 = {x ∈R n : −∞ ≤ a i
Infine, se f = f + − f − , definiamo<br />
∫ ∫<br />
fdμ=<br />
A<br />
B.3 Integrali rispetto a una misura qualunque 601<br />
A<br />
∫<br />
f + dμ − f − dμ<br />
A<br />
posto che almeno uno degli inegrali a secondo membro sia finito.<br />
Misure di notevole importanza sono le misure di probabilità. In questo<br />
contesto le funzioni misurabili sono le variabili aleatorie.<br />
Una misura di probabilità P su F è una misura nel senso delle Definizione<br />
B.2, tale che P (Ω) =1e<br />
P : F→[0, 1] .<br />
La terna (Ω,F, P ) prende il nome di spazio di probabilità. Gli elementi ω di Ω<br />
si interpretano come eventi elementari, mente gli insiemi A ∈Frappresentano<br />
gli eventi e P (A) è la probabilità che A si verifichi.<br />
Un esempio tipico è la terna<br />
Ω =[0, 1] , F = M∩[0, 1] , P (A) =|A|<br />
che modella la scelta a caso (cioè uniforme) di un punto in [0, 1].<br />
Una variabile aleatoria uni-<strong>dimensionale</strong> in (Ω,F, P ) è una funzione<br />
F-misurable.<br />
X : Ω → R<br />
Per esempio, il numero k di passi a destra dopo N passi nella passeggiata<br />
aleatoria della Sezione 2.4 è una variabile aleatoria. Qui Ω è l’insieme dei<br />
cammini di N passi.<br />
Se<br />
l’integrale<br />
∫<br />
Ω<br />
|X| dP < ∞,<br />
∫<br />
E (X) =〈X〉 =<br />
Ω<br />
XdP<br />
è detto valore atteso (expectation) diX, mentre<br />
∫<br />
Var (X) = (X − E (X)) 2 dP<br />
èlavarianza di X.<br />
Per variabili aleatorie n−dimensionali,<br />
Ω<br />
X : Ω → R n ,<br />
lavorando componente per componente, si possono dare definizioni analoghe.
<strong>Appendice</strong> C<br />
Identità e formule<br />
Raggruppiamo alcune formule e identità di uso frequente.<br />
C.1 Gradiente, divergenza, rotore, Laplaciano<br />
Siano F un campo vettoriale e f uno scalare, regolari in R 3 .<br />
Coordinate cartesiane ortogonali<br />
1. gradiente:<br />
2. divergenza:<br />
3. Laplaciano:<br />
4. rotore:<br />
∇f = ∂f<br />
∂x i + ∂f<br />
∂y j + ∂f<br />
∂z k,<br />
∇·F = ∂<br />
∂x F x + ∂ ∂y F y + ∂ ∂z F z,<br />
Δf = ∂2 f<br />
∂x 2 + ∂2 f<br />
∂y 2 + ∂2 f<br />
∂z 2 ,<br />
∣ i j k ∣∣∣∣∣<br />
∇×F =<br />
∂ x ∂ y ∂ z .<br />
∣ F x F y F z<br />
Coordinate cilindriche<br />
x = r cos θ, y = r sin θ, z = z (r >0, 0 ≤ θ ≤ 2π)<br />
e r =cosθi +sinθj, e θ = − sin θi +cosθj, e z = k.<br />
Salsa S: Equazioni a derivate parziali, 2a edizione.<br />
c○ <strong>Springer</strong>-Verlag Italia 2010, Milano
604 <strong>Appendice</strong> C Identità e formule<br />
1. gradiente:<br />
∇f = ∂f<br />
∂r e r + 1 ∂f<br />
r ∂θ e θ + ∂f<br />
∂z e z,<br />
2. divergenza (F = F r e r + F θ e θ + F z k):<br />
∇·F = 1 r<br />
∂<br />
∂r (rF r)+ 1 ∂<br />
r ∂θ F θ + ∂ ∂z F z,<br />
3. Laplaciano:<br />
Δf = ∂2 f<br />
∂r 2 + 1 ∂f<br />
r ∂r + 1 ∂ 2 f<br />
r 2 ∂θ 2 + ∂2 f<br />
∂z 2 = 1 (<br />
∂<br />
r ∂f )<br />
+ 1 ∂ 2 f<br />
r ∂r ∂r r 2 ∂θ 2 + ∂2 f<br />
∂z 2 ,<br />
4. rotore:<br />
Coordinate sferiche<br />
1. gradiente:<br />
∣<br />
∇×F = 1 e r re θ e z ∣∣∣∣∣ r<br />
∂ r ∂ θ ∂ z .<br />
∣ F r rF θ F z<br />
x = r cos θ sin ψ, y = r sin θ sin ψ, z = r cos ψ<br />
(r >0, 0 ≤ θ ≤ 2π, 0 ≤ ψ ≤ π)<br />
e r =cosθ sin ψi +sinθ sin ψj +cosψk<br />
e θ = − sin θi +cosθj<br />
e z =cosθ cos ψi +sinθ cos ψj − sin ψk.<br />
∇f = ∂f<br />
∂r e r + 1 ∂f<br />
r sin ψ ∂θ e θ + 1 ∂f<br />
r ∂ψ e ψ,<br />
2. divergenza (F = F r e r + F θ e θ + F ψ e ψ ):<br />
∇·F = ∂ ∂r F r + 2 r F r + 1 [ 1 ∂F θ<br />
} {{ }<br />
r sin ψ ∂θ + ∂F ]<br />
ψ<br />
∂ψ +cotψF ψ ,<br />
} {{ }<br />
parte radiale<br />
parte sferica<br />
3. Laplaciano:<br />
Δf = ∂2 f<br />
∂r 2 + 2 ∂f<br />
+ 1 {<br />
1 ∂ 2 }<br />
f<br />
} {{<br />
r ∂r<br />
}<br />
r 2 (sin ψ) 2 ∂θ 2 + ∂2 f ∂f<br />
2<br />
+cotψ ,<br />
∂ψ ∂ψ<br />
} {{ }<br />
parte radiale<br />
parte sferica (operatore di Laplace-Beltrami)<br />
4. rotore:<br />
∇×F =<br />
1<br />
r 2 sin ψ<br />
∣ e r re ψ r sin ψe θ ∣∣∣∣∣ ∂ r ∂ ψ ∂ θ .<br />
∣ F r rF ψ r sin ψF z
C.2 Identità e formule 605<br />
C.2 Identità e formule<br />
C.2.1 Formule di Gauss<br />
Siano, in R n , n ≥ 2:<br />
• Ω dominio limitato con frontiera regolare ∂Ω e normale esterna ν,<br />
• u, v campi vettoriali regolari fino alla frontiera di Ω,<br />
• ϕ, ψ campi scalari regolari fino alla frontiera di Ω,<br />
• dσ l’elemento di superficie su ∂Ω.<br />
Valgono le seguenti formule:<br />
1. ∫ Ω ∇·u dx = ∫ u · ν dσ (formula della divergenza),<br />
∂Ω<br />
2. ∫ Ω ∇ϕdx = ∫ ϕν dσ,<br />
∂Ω<br />
3. ∫ Ω Δϕ dx = ∫ ∂Ω ∇ϕ · ν dσ = ∫ ∂Ω ∂ ν ϕdσ,<br />
4. ∫ Ω ψ ∇·F dx = ∫ ∂Ω ψF · ν dσ − ∫ ∇ψ · F dσ (integrazione per parti),<br />
Ω<br />
5. ∫ Ω ψΔϕ dx = ∫ ∂Ω ψ∂ νϕdσ− ∫ ∇ϕ ·∇ψdx<br />
Ω<br />
(identità di Green I),<br />
6. ∫ Ω (ψΔϕ − ϕΔψ) dx = ∫ ∂Ω (ψ∂ ν ϕ −ϕ∂ ν ψ) dσ (identità di Green II),<br />
7. ∫ Ω ∇×u dx = − ∫ ∂Ω u × ν dσ,<br />
8. ∫ Ω u · (∇×v) dx = ∫ Ω v · (∇×u) dx− ∫ (u × v) · ν dσ.<br />
∂Ω<br />
C.2.2 Formule di Stokes<br />
Consideriamo in R 3 :<br />
• S una superficie regolare, il cui bordo è una linea regolare C,<br />
• ν versore normale a S, t versore tangente a C, tali che C sia orientata<br />
positivamente rispetto a S (avanzando in direzione e verso di ν e ruotando<br />
nella direzione e verso di t si simula il movimento di una vite destrorsa),<br />
• ds l’elemento di lunghezza su C,<br />
• dσ l’elemento di superficie su S.<br />
Valgono le seguenti formule:<br />
1. ∫ S ∇×u · ν dσ = ∫ u · t ds (formula del rotore),<br />
C<br />
2. ∫ S ∇ϕ × ν dσ = − ∫ ϕt ds,<br />
C<br />
3. ∫ C ϕ∇ψ · t ds = ∫ ψ∇ϕ · t ds.<br />
C
606 <strong>Appendice</strong> C Identità e formule<br />
C.2.3 Identità vettoriali<br />
1. ∇·(∇×u) =0,<br />
2. ∇×∇ϕ = 0,<br />
3. ∇·(ϕu) =ϕ ∇·u + ∇ϕ · u,<br />
4. ∇×(ϕu) =ϕ ∇×u + ∇ϕ × u,<br />
5. ∇×(u × v) =(v·∇) u − (u·∇) v +(∇·v) u − (∇·u) v,<br />
6. ∇·(u × v) =(∇×u) · v − (∇×v) · u,<br />
7. ∇ (u · v) =u×(∇×v)+v× (∇×u)+(u·∇) v+(v·∇) u,<br />
8. (u·∇) u =(∇×u) × u + 1 2 ∇|u|2 ,<br />
9. ∇×∇×u = ∇(∇·u) − Δu (rot rot = grad div− Laplaciano).
Bibliografia<br />
Equazioni a derivate parziali<br />
L. C. Evans. Partial Differential Equations. A.M.S., Graduate Studies in<br />
Mathematics, 1998.<br />
R. Dautray, J. L. Lions. Mathematical Analysis and Numerical Methods for<br />
Science and Technology. Vol. 1-5. <strong>Springer</strong>-Verlag, Berlin Heidelberg, 1985.<br />
E. DiBenedetto, Partial Differential Equations. Birkhäuser, Boston, 1995.<br />
A. Friedman. Partial Differential Equations of parabolic Type. Prentice-Hall,<br />
Englewood Cliffs, 1964.<br />
D. Gilbarg, N. Trudinger. Elliptic Partial Differential Equations of Second<br />
Order. II ed., <strong>Springer</strong>-Verlag, Berlin Heidelberg, 1998.<br />
F. John. Partial Differential Equations. IV ed., <strong>Springer</strong>-Verlag, New York,<br />
1982.<br />
O. Kellog. Foundations of Potential Theory. <strong>Springer</strong>-Verlag, New York, 1967.<br />
G. M. Lieberman. Second Order Parabolic Partial Differential Equations.<br />
World Scientific, Singapore, 1996.<br />
J. L. Lions, E. Magenes. Non-homogeneous Boundary Value Problems and<br />
Applications. <strong>Springer</strong>-Verlag, New York, 1972.<br />
R. Mc Owen. Partial Differential Equations: Methods and Applications.<br />
Prentice-Hall, New Jersey, 1996.<br />
M. Protter, H. Weinberger. Maximum Principles in Differential Equations.<br />
Prentice-Hall, Englewood Cliffs, 1984.<br />
J. Rauch. Partial Differential Equations. <strong>Springer</strong>-Verlag, Heidelberg, 1992.<br />
M. Renardy, R. C. Rogers. An Introduction to Partial Differential Equations.<br />
<strong>Springer</strong>-Verlag, New York, 1993.<br />
J. Smoller. Shock Waves and Reaction-Diffusion Equations. <strong>Springer</strong>-Verlag,<br />
New York, 1983.<br />
W. Strauss. Partial Differential Equation: An Introduction. Wiley, New York,<br />
1992.<br />
D. V. Widder. The Heat Equation. Academic Press, New York, 1975.<br />
Salsa S: Equazioni a derivate parziali, 2a edizione.<br />
c○ <strong>Springer</strong>-Verlag Italia 2010, Milano
608 Bibliografia<br />
Modelli matematici e matematica applicata<br />
A. J. Acheson. Elementary Fluid Dynamics. Clarendon Press, Oxford, 1990.<br />
G. I. Barenblatt. Scaling, Self-similarity, and intermediate asymptotics,<br />
Cambridge University Press, 2002.<br />
J. Billingham, A. C. King. Wave Motion. Cambridge University Press,<br />
Cambridge, 2000.<br />
R. Courant, D. Hilbert. Methods of Mathematical Phisics. Vol. 1 e 2. Wiley,<br />
New York, 1953.<br />
R. Dautray, J. L. Lions. Mathematical Analysis and Numerical Methods for<br />
Science and Technology. Vol. 1-5. <strong>Springer</strong>-Verlag, Berlin Heidelberg, 1985.<br />
C. C. Lin, L. A. Segel. Mathematics Applied to Deterministic Problems in the<br />
Natural Sciences. SIAM Classics in Applied Mathematics, IV ed., 1995.<br />
J. D. Murray. Mathematical Biology (Vol I e II). <strong>Springer</strong>-Verlag, Berlin<br />
Heidelberg, 2001.<br />
L. A. Segel. Mathematics Applied to Continuum Mechanics. Dover Publications,<br />
Inc., New York, 1987.<br />
A. B. Tayler. Mathematical Models in Applied Mathematics. Clarendon Press,<br />
Oxford, 2001.<br />
G. B. Whitham. Linear and Nonlinear Waves. Wiley-Interscience, 1974.<br />
Equazioni stocastiche e Finanza Matematica<br />
L. Arnold. Stochastic Differential Equations: Theory and Applications. Wiley,<br />
New York, 1974.<br />
M. Baxter, A. Rennie. Financial Calculus: An Introduction to Derivative<br />
Pricing. Cambridge University Press, Cambridge, 1996.<br />
L. C. Evans, An Introduction to Stochastic Differential Equations. Lecture<br />
Notes, http://math.berkeley.edu/ ∼ evans/<br />
B. K. Øksendal. Stochastic Differential Equations: An Introduction with<br />
Applications. IV ed., <strong>Springer</strong>-Verlag, Berlin Heidelberg, 1995.<br />
P. Wilmott, S. Howison, J. Dewinne. The Mathematics of Financial Derivatives.<br />
A Student Introduction. Cambridge University Press, Cambridge,<br />
1996.<br />
<strong>Analisi</strong> e <strong>Analisi</strong> Funzionale<br />
R. Adams. Sobolev Spaces. Academic Press, New York, 1975.<br />
H. Brezis. <strong>Analisi</strong> Funzionale. Liguori Editore, Napoli, 1986.<br />
L. C. Evans and R. F. Gariepy. Measure Theory and Fine properties of<br />
Functions. CRC Press, 1992.<br />
V. G. Maz’ya. Sobolev Spaces. <strong>Springer</strong>-Verlag, Berlin Heidelberg, 1985.<br />
C. Pagani e S. Salsa. <strong>Analisi</strong> Matematica. volumi I e II. Zanichelli, Bologna,<br />
1991.
Bibliografia 609<br />
W. Rudin. Real and Complex Analysis (2th ed). McGraw-Hill, New York,<br />
1974.<br />
L. Schwartz. Théorie des Distributions. Hermann, Paris, 1966.<br />
K. Yoshida. Functional Analysis. <strong>Springer</strong>-Verlag, Berlin Heidelberg, 1965.<br />
<strong>Analisi</strong> Numerica<br />
R. Dautray, J. L. Lions. Mathematical Analysis and Numerical Methods for<br />
Science and Technology. Vol. 4 e 6. <strong>Springer</strong>-Verlag, Berlin Heidelberg,<br />
1985.<br />
A. Quarteroni. Modellistica Numerica per Problemi Differenziali. 4 ed.,<br />
<strong>Springer</strong>-Verlag Italia, Milano, 2008.<br />
A. Quarteroni, A. Valli. Numerical Approximation of Partial Differential<br />
Equations. <strong>Springer</strong>-Verlag, Berlin Heidelberg, 1994.
Indice analitico<br />
Arbitraggio, 91<br />
Autofunzioni<br />
– di Dirichlet, 489<br />
– di Neumann, 491<br />
Autovalori, 357<br />
Barriera<br />
– inferiore, 517<br />
– superiore, 517<br />
Barriere<br />
– assorbenti, 110<br />
– riflettenti, 110<br />
Breaking time, 198<br />
Caratteristiche, 179, 217, 283<br />
– Inflow/outflow, 183<br />
Carta locale, 15<br />
Chiusura, 8, 341<br />
Classe di Tychonov, 85<br />
Coefficiente di diffusione, 56<br />
Coefficienti di Fourier, 12, 356<br />
Compatto<br />
– operatore, 386<br />
Condizione<br />
– cinematica, 315<br />
– di compatibilità, 120<br />
– di entropia, 206<br />
– di Sommerfeld, 175<br />
Condizioni al bordo<br />
– Dirichlet, 24, 35<br />
– Mixed, 36<br />
– Neumann, 24, 35<br />
– Robin, 35<br />
Cono<br />
– di luce, 236<br />
– forward, 305<br />
– retrogrado, 292<br />
Conservazione della massa, 64<br />
Controllo ottimo, 526<br />
Convergenza<br />
– debole, 383<br />
– uniforme, 11<br />
Convezione, 65<br />
Convoluzione, 414, 430<br />
Copertura aperta, 456<br />
Crescita logistica, 104<br />
Debolmente coerciva, 391, 404, 498,<br />
501, 554<br />
Densità normale, 45<br />
Derivata<br />
– conormale, 500<br />
– nel senso delle distribuzioni, 421<br />
Derivazione per serie, 11<br />
Diffusione, 19<br />
Dilatazioni paraboliche, 21<br />
Dimensione fisica, 587<br />
Distribuzione<br />
– lognormale, 91<br />
– temperata, 434<br />
Disuguaglianza<br />
– di Poincaré, 467<br />
– di traccia, 465<br />
– di Schwarz, 348<br />
Domini<br />
– Lipschitziani, 16
612 Indice analitico<br />
– esterni, 158<br />
Dominio, 8<br />
– di influenza, 305<br />
– regolare, 15<br />
Drift, 88<br />
Ellitticità uniforme, 493, 559<br />
Energia<br />
– cinetica, 253<br />
– potenziale, 254<br />
Equazione<br />
– a derivate parziali, 2<br />
– backward, 93<br />
– Bessel, 74, 360<br />
– biarmonica, 522<br />
– di Bernoulli, 314<br />
– di Black-Scholes, 93<br />
– di Bukley-Leverett, 229<br />
– di Eulero, 376<br />
– di Fisher, 567<br />
– di Fisher stazionaria, 517<br />
– di Helmoltz, 175<br />
– di Klein-Gordon, 274<br />
– di Navier-Stokes, 148, 520<br />
– di Poisson semilineare, 515<br />
– differenziale stocastica, 89<br />
– diffusione, 19<br />
– eikonale, 236<br />
– ellittica, 276, 479<br />
– iperbolica, 276, 573<br />
– mezzi porosi, 102<br />
– parabolica, 276<br />
– parametrica di Bessel (di ordine p),<br />
360<br />
Equazioni<br />
– di Sturm-Liouville, 357<br />
– paraboliche, 541<br />
Esponente coniugato, 11<br />
Estremo<br />
– inferiore, 9<br />
– superiore, 9<br />
Expiry date, 87<br />
Final payoff, 93<br />
Forma bilineare<br />
– coerciva, 370, 371<br />
– continua, 371<br />
– debolmente coerciva, 391, 554, 560<br />
Forma canonica, 280–282<br />
– sesquilineare, 347<br />
Formula<br />
– di Bessel, 13<br />
– di d’Alembert, 262<br />
– di Ito, 89<br />
– di Parseval, 13<br />
– di Poisson, 132<br />
– di Rodrigues, 358, 359<br />
– di scomposizione di Helmholtz, 145<br />
Formulazione debole<br />
– equazione delle onde, 575<br />
– per equazioni paraboliche, 561<br />
– problema di Cauchy-Dirichlet, 544<br />
– problema di Cauchy-Neumann, 555<br />
Formulazione variazionale<br />
– equazione biarmonica, 520<br />
– problema di Dirichlet, 484<br />
– problema di Neumann, 487, 500<br />
– problema misto, 504<br />
– sistema di Stokes, 523<br />
Funzionale costo, 526<br />
Funzione<br />
– a supporto compatto, 10<br />
– armonica, 20, 117<br />
– caratteristica, 10<br />
– continua, 10<br />
– di Bessel, 288, 360<br />
– di Green, 151<br />
– di Neumann, 157<br />
– di transizione, 70<br />
– flusso, 177<br />
– test, 51, 413<br />
– valore, 88<br />
Funzioni<br />
– integrabili, 598<br />
– misurabili, 596<br />
– semplici, 597<br />
Gram-Schmidt (procedimento di), 356<br />
Identità<br />
– di Green, 17<br />
– di Parseval debole, 436<br />
– di Parseval forte, 439<br />
Immagine, 361<br />
Impulso unitario, 47<br />
Inflow/outflow boundary, 225<br />
Insieme<br />
– compatto, 8
Indice analitico 613<br />
– compatto, precompatto, 380<br />
– convesso, 8<br />
– denso, 8<br />
– limitato, 8<br />
Insiemi di Borel, 595<br />
Integrale primo, 224<br />
Integrazione<br />
– per parti, 17<br />
– per serie, 11<br />
Lagrange multiplier, 525<br />
Legge<br />
– del parallelogramma, 347<br />
– di Darcy, 101<br />
– di Fick, 65<br />
– di Fourier, 23<br />
– di Gauss, 59<br />
Massa critica, 76<br />
Matrice di rigidezza, 378<br />
Media quadratica, 31<br />
Metodo, 26<br />
– della discesa, 308<br />
– della fase stazionaria, 249<br />
– delle caratteristiche, 187<br />
– delle immagini, 152<br />
– di Duhamel, 82<br />
– di Faedo-Galerkin, 561, 576<br />
– di Galerkin, 377<br />
– di linearizzazione, 569<br />
– di riflessione, 456<br />
– di separazione delle variabili, 26, 28,<br />
256, 295, 397<br />
– di viscosità, 209<br />
Misura<br />
– armonica, 138<br />
– di Lebesgue, 596<br />
– di probabilità, 601<br />
Moto Browniano, 57<br />
Norma integrale di ordine p, 345<br />
Nucleo, 361<br />
– di Poisson, 155<br />
Numero<br />
– di Bond, 317<br />
– di Froude, 317<br />
– di Mach, 299<br />
– di Reynolds, 521<br />
– d’onde, 246<br />
o piccolo, 10<br />
Onda<br />
– di rarefazione, 192<br />
– progressiva, 179, 188<br />
– stazionaria, 257<br />
Onde<br />
– armoniche, 246<br />
– cilindriche, 288<br />
– di capillarità, 321<br />
– di gravità, 321<br />
– piane, 247, 287<br />
– progressive, 209, 245<br />
– sferiche, 247, 288<br />
Operatore<br />
– aggiunto, 368<br />
– autoaggiunto, 369<br />
– di estensione, 455<br />
– di Laplace discreto, 121<br />
– di media, 121<br />
– lineare, 361<br />
– lineare limitato, 362<br />
Opzioni Europee, 87<br />
Oscillatore armonico, 408<br />
Pacchetto d’onde, 248<br />
Parallelogramma caratteristico, 264<br />
Partizione dell’unità, 456<br />
Passeggiata aleatoria con deriva, 61<br />
Polinomi<br />
– di Chebyshev, 358<br />
– di Hermite, 359<br />
– di Legendre, 358<br />
Portafoglio auto-finanziante, 91, 99<br />
Potenziale, 117<br />
– di doppio strato, 161<br />
– di strato semplice, 166<br />
– logaritmico, 144<br />
– Newtoniano, 142<br />
Principio<br />
– di Hopf, 173<br />
– di Huygens forte, 305, 308<br />
– di massimo, 37, 85, 122<br />
– di massimo forte, 39<br />
– di riflessione di Schwarz, 172<br />
– di sovrapposizione, 20, 78, 372<br />
Probabilità<br />
– di fuga, 137<br />
– di transizione, 59
614 Indice analitico<br />
Problema<br />
– aggiunto, 529<br />
– agli autovalori, 29<br />
– di Cauchy globale, 25, 77<br />
– di controllo, 526<br />
– di Dirichlet esterno, 158<br />
– di Riemann, 207<br />
– esterno di Neumann/Robin, 160<br />
– esterno di Robin, 175<br />
Processo stocastico, 57<br />
Prodotto interno, 346<br />
Proprietà<br />
– di Markov, 59, 70<br />
– di media, 125<br />
Punto, 8<br />
– di frontiera, 8<br />
– interno, 8<br />
– limite, 8<br />
Put-call parity, 97<br />
Reazione, 67<br />
Regione di transizione, 211<br />
Relazione di dispersione, 248, 274, 319<br />
Reticolo, 120<br />
Risolvente, 396, 398<br />
Serie di Fourier, 30<br />
– convergenza in media quadratica, 13<br />
– convergenza puntuale, 13<br />
– convergenza uniforme, 14<br />
Serie di Fourier-Bessel, 75, 361<br />
Sigma algebra, 595<br />
Sistema<br />
– caratteristico di Stokes, 232<br />
Soluzione, 28<br />
– classica, 482<br />
– debole o variazionale, 482<br />
– di autosimilarità, 44, 102<br />
– di Barenblatt, 102<br />
– distribuzionale, 482<br />
– fondamentale, 46, 50, 142, 303<br />
– forte, 482<br />
– stazionaria, 28<br />
– unit source, 49<br />
Somma diretta, 352<br />
Sotto o sopra soluzioni deboli, 506, 507,<br />
565<br />
Spazio<br />
– metrico, 340<br />
– normato, 340<br />
– pre-hilbertiano, 346<br />
– topologico, 340<br />
Spettro<br />
– di una matrice, 396<br />
Stabilità, stabilità asintotica<br />
– equazione delle onde, 569<br />
Stato ottimo, 526<br />
Stazionaria, 247<br />
Steepest descent, 531<br />
Strike price, 87<br />
Striscia caratteristica, 232<br />
Successione di Cauchy, 341<br />
Superficie integrale, 216<br />
Supporto, 10<br />
– di una distribuzione, 420<br />
– essenziale, 413<br />
Tempo<br />
– d’arresto, 60, 135<br />
– di prima uscita, 135<br />
Teorema<br />
– della convergenza dominata, 598<br />
– della convergenza monotona, 599<br />
– di Approssimazione di Weierstrass, 80<br />
– di Buckingham, 590<br />
– di differenziazione, 599<br />
– di Fubini, 600<br />
– Pi di Buckingham, 43<br />
Terna Hilbertiana, 391<br />
Test di Weierstrass, 11<br />
Topologia indotta, 9<br />
Traccia, 458<br />
Traffico in un tunnel, 241<br />
Traiettoria Browniana, 57<br />
Trasformata di Fourier, 436, 452<br />
Trasformazione di Hopf-Cole, 214<br />
Valore atteso, 601<br />
Variabile aleatoria, 57<br />
– della convergenza dominata, 601<br />
Varianza, 601<br />
Variazione prima, 376<br />
Velocità<br />
– di fase, 246<br />
– di gruppo, 248<br />
– locale dell’onda, 188<br />
Volatilità, 89<br />
Weierstrass test, 31
Collana Unitext - La Matematica per il 3+2<br />
a cura di<br />
A. Quarteroni (Editor-in-Chief)<br />
P. Biscari<br />
C. Ciliberto<br />
G. Rinaldi<br />
W.J. Runggaldier<br />
Volumi pubblicati. A partire dal 2004, i volumi della serie sono contrassegnati<br />
da un numero di identificazione. I volumi indicati in grigio si<br />
riferiscono a edizioni non più in commercio.<br />
A. Bernasconi, B. Codenotti<br />
Introduzione alla complessità computazionale<br />
1998, X+260 pp, ISBN 88-470-0020-3<br />
A. Bernasconi, B. Codenotti, G. Resta<br />
Metodi matematici in complessità computazionale<br />
1999, X+364 pp, ISBN 88-470-0060-2<br />
E. Salinelli, F. Tomarelli<br />
Modelli dinamici discreti<br />
2002, XII+354 pp, ISBN 88-470-0187-0<br />
S. Bosch<br />
Algebra<br />
2003,VIII+380 pp, ISBN 88-470-0221-4<br />
S. Graffi, M. Degli Esposti<br />
Fisica matematica discreta<br />
2003, X+248 pp, ISBN 88-470-0212-5<br />
S. Margarita, E. Salinelli<br />
MultiMath - Matematica Multimediale per l’Università<br />
2004, XX+270 pp, ISBN 88-470-0228-1
A. Quarteroni, R. Sacco, F.Saleri<br />
Matematica numerica (2a Ed.)<br />
2000, XIV+448 pp, ISBN 88-470-0077-7<br />
2002, 2004 ristampa riveduta e corretta<br />
(1a edizione 1998, ISBN 88-470-0010-6)<br />
13. A. Quarteroni, F. Saleri<br />
Introduzione al Calcolo Scientifico (2a Ed.)<br />
2004, X+262 pp, ISBN 88-470-0256-7<br />
(1a edizione 2002, ISBN 88-470-0149-8)<br />
14. S. Salsa<br />
Equazioni a derivate parziali - Metodi, modelli e applicazioni<br />
2004, XII+426 pp, ISBN 88-470-0259-1<br />
15. G. Riccardi<br />
Calcolo differenziale ed integrale<br />
2004, XII+314 pp, ISBN 88-470-0285-0<br />
16. M. Impedovo<br />
Matematica generale con il calcolatore<br />
2005, X+526 pp, ISBN 88-470-0258-3<br />
17. L. Formaggia, F. Saleri, A.Veneziani<br />
Applicazioni ed esercizi di modellistica numerica<br />
per problemi differenziali<br />
2005,VIII+396 pp, ISBN 88-470-0257-5<br />
18. S. Salsa, G.Verzini<br />
Equazioni a derivate parziali -Complementi ed esercizi<br />
2005,VIII+406 pp, ISBN 88-470-0260-5<br />
2007, ristampa con modifiche<br />
19. C. Canuto, A. Tabacco<br />
<strong>Analisi</strong> Matematica I (2a Ed.)<br />
2005, XII+448 pp, ISBN 88-470-0337-7<br />
(1a edizione, 2003, XII+376 pp, ISBN 88-470-0220-6)<br />
20. F. Biagini, M. Campanino<br />
Elementi di Probabilità e Statistica<br />
2006, XII+236 pp, ISBN 88-470-0330-X
21. S. Leonesi, C. Toffalori<br />
Numeri e Crittografia<br />
2006,VIII+178 pp, ISBN 88-470-0331-8<br />
22. A. Quarteroni, F. Saleri<br />
Introduzione al Calcolo Scientifico (3a Ed.)<br />
2006, X+306 pp, ISBN 88-470-0480-2<br />
23. S. Leonesi, C. Toffalori<br />
Un invito all’Algebra<br />
2006, XVII+432 pp, ISBN 88-470-0313-X<br />
24. W.M. Baldoni, C. Ciliberto, G.M. Piacentini Cattaneo<br />
Aritmetica, Crittografia e Codici<br />
2006, XVI+518 pp, ISBN 88-470-0455-1<br />
25. A. Quarteroni<br />
Modellistica numerica per problemi differenziali (3a Ed.)<br />
2006, XIV+452 pp, ISBN 88-470-0493-4<br />
(1a edizione 2000, ISBN 88-470-0108-0)<br />
(2a edizione 2003, ISBN 88-470-0203-6)<br />
26. M. Abate, F. Tovena<br />
Curve e superfici<br />
2006, XIV+394 pp, ISBN 88-470-0535-3<br />
27. L. Giuzzi<br />
Codici correttori<br />
2006, XVI+402 pp, ISBN 88-470-0539-6<br />
28. L. Robbiano<br />
Algebra lineare<br />
2007, XVI+210 pp, ISBN 88-470-0446-2<br />
29. E. Rosazza Gianin, C. Sgarra<br />
Esercizi di finanza matematica<br />
2007, X+184 pp,ISBN 978-88-470-0610-2<br />
30. A. Machì<br />
Gruppi - Una introduzione a idee e metodi della Teoria dei Gruppi<br />
2007, XII+349 pp, ISBN 978-88-470-0622-5
31 Y. Biollay, A. Chaabouni, J. Stubbe<br />
Matematica si parte!<br />
A cura di A. Quarteroni<br />
2007, XII+196 pp, ISBN 978-88-470-0675-1<br />
32. M. Manetti<br />
Topologia<br />
2008, XII+298 pp, ISBN 978-88-470-0756-7<br />
33. A. Pascucci<br />
Calcolo stocastico per la finanza<br />
2008, XVI+518 pp, ISBN 978-88-470-0600-3<br />
34. A. Quarteroni, R. Sacco, F. Saleri<br />
Matematica numerica (3a Ed.)<br />
2008, XVI+510 pp, ISBN 978-88-470-0782-6<br />
35. P. Cannarsa, T. D’Aprile<br />
Introduzione alla teoria della misura e all’analisi funzionale<br />
2008, XII+268 pp, ISBN 978-88-470-0701-7<br />
36. A. Quarteroni, F. Saleri<br />
Calcolo scientifico (4a Ed.)<br />
2008, XIV+358 pp, ISBN 978-88-470-0837-3<br />
37. C. Canuto, A. Tabacco<br />
<strong>Analisi</strong> Matematica I (3a Ed.)<br />
2008, XIV+452 pp, ISBN 978-88-470-0871-3<br />
38. S. Gabelli<br />
Teoria delle Equazioni e Teoria di Galois<br />
2008, XVI+410 pp, ISBN 978-88-470-0618-8<br />
39. A. Quarteroni<br />
Modellistica numerica per problemi differenziali (4a Ed.)<br />
2008, XVI+560 pp, ISBN 978-88-470-0841-0<br />
40. C. Canuto, A. Tabacco<br />
<strong>Analisi</strong> Matematica II<br />
2008, XVI+536 pp, ISBN 978-88-470-0873-1
41. E. Salinelli, F. Tomarelli<br />
Modelli Dinamici Discreti<br />
2009, XIV+382 pp, ISBN 978-88-470-1075-8<br />
42. S. Salsa, F.M.G.Vegni, A. Zaretti, P. Zunino<br />
Invito alle equazioni a derivate parziali<br />
2009, XIV+440 pp, ISBN 978-88-470-1179-3<br />
43. S. Dulli, S. Furini, E. Peron<br />
Data mining<br />
2009, XIV+178 pp, ISBN 978-88-470-1162-5<br />
44. A. Pascucci, W.J. Runggaldier<br />
Finanza Matematica<br />
2009, X+264 pp, ISBN 978-88-470-1441-1<br />
45. S. Salsa<br />
Equazioni a derivate parziali – Metodi, modelli e applicazioni (2a Ed.)<br />
2010, XVI+614 pp, ISBN 978-88-470-1645-3