Fisica matematica 2023-2024

Dispensa

versione del 29 novembre 2023

Bibliografia

P.G. Ciarlet, Mathematical Elasticity, Vol. I: Three-Dimensional Elasticity, North-Holland, Amsterdam, 1988
B. Dacorogna, Direct methods in the calculus of variations, Second edition, Springer, 2008
H. Brezis, Functional analysis, Sobolev spaces and partial differential equations, Springer, 2011.

Diario delle lezioni

  1. Lezione del 3 ottobre 2023
    Introduzione al calcolo delle variazioni. Punti critici. Lemma di DuBois-Reymond.
  2. Lezione del 4 ottobre 2023
    Equazioni di Eulero-Lagrange. Conservazione dell'hamiltoniana. Esempio: superficie minima di rivoluzione. Esempio della brachistocrona.
  3. Lezione del 10 ottobre 2023
    Equazioni di Eulero-Lagrange nel caso multidimensionale. Esempi di laplaciano e p-laplaciano, equazione di Navier. Introduzione all'elasticità. Problema misto dell'elasticità lineare.
  4. Lezione dell'11 ottobre 2023
    Energia di deformazione. Spostamenti rigidi infinitesimi. Elementi di calcolo tensoriale. Principio di minimo dell'energia potenziale.
  5. Lezione del 17 ottobre 2023
    Inverso del principio di minimo. Mancanza di esistenza nei problemi variazionali. Compattezza in dimensione infinita. Convergenza debole e spazi riflessivi.
  6. Lezione del 18 ottobre 2023
    Spazi di Lebesgue. Esempi di convergenza debole in spazi di Lebesgue. Riflessività. Spazi di Sobolev.
  7. Lezione del 24 ottobre 2023
    Spazi di Sobolev con condizioni al contorno. Disuguaglianza di Poincaré. Immersioni di Sobolev, Rellich, Morrey. Metodo diretto del calcolo delle variazioni.
  8. Lezione del 25 ottobre 2023
    Funzioni semicontinue inferiormente, convesse e proprietà. Semicontinuità debole e convessità. Teorema sulla wlsc nel caso convesso. Disuguaglianza di Jensen. Coercitività. Esistenza del minimo col metodo diretto.
  9. Lezione del 31 ottobre 2023
    Convessità stretta e unicità. Ipotesi sugli integrandi: funzioni di Carathéodory e convessità nei gradienti. Esempi con laplaciano e p-laplaciano.
  10. Lezione del 7 novembre 2023
    Disuguaglianza di Korn nel caso omogeneo. Disuguaglianza di Korn nel caso generale (solo enunciato). Disuguaglianza di Korn per il problema misto. Teorema di esistenza dei minimi per il problema misto dell'elasticità lineare.
  11. Lezione dell'8 novembre 2023
    Il caso non omogeneo. Semicontinuità debole nel caso dipendente sia dalla funzione che dal suo gradiente (solo enunciato). Breve ripasso di cinematica dei continui. Iniettività della deformazione. Materiali iperelastici.
  12. Lezione del 14 novembre 2023
    Indifferenza materiale e non degenericità. Mancanza di convessità del potenziale per materiali iperelastici. Materiali isotropi. Invarianti e valori singolari.
  13. Lezione del 15 novembre 2023
    Materiali ortotropi. Materiali trasversalmente isotropi. Materiali di Ogden. Matrice dei cofattori. Materiali di Mooney-Rivlin. Materiali neo-Hookeani e loro tensore degli sforzi.
  14. Lezione del 21 novembre 2023
    Deformazione di un cubo incomprimibile. Definizione e prime proprietà della quasiconvessità.
  15. Lezione del 22 novembre 2023
    Quasiconvessità e debole inferiore semicontinuità. Relazione tra quasiconvessità e convessità. Esempio di funzione quasiconvessa ma non convessa. Convessità di rango uno.
  16. Lezione del 28 novembre 2023
    Condizioni di Legendre-Hadamard e relazione con la quasiconvessità. Divergenza nulla del cofattore di un gradiente.
  17. Lezione del 29 novembre 2023
    Determinante del gradiente. Definizione di funzione policonvessa. Esempi di funzioni policonvesse. Implicazioni tra i vari tipi di convessità.
  18. Lezione del 5 dicembre 2023
    Lemma tipo Poincaré. Lemma sui cofattori. Enunciato del Teorema di John Ball e prima parte della dimostrazione.
  19. Lezione del 6 dicembre 2023
    Conclusione della dimostrazione del Teorema di John Ball. Policonvessità e coercitività dei materiali di Ogden.
  20. Lezione del 12 dicembre 2023
    Materiali di St. Venant-Kirchhoff. Teorema di inversione locale. Esistenza di soluzioni per dati piccoli.