Corso di Eccellenza, a.

a 2012/13
Al di l ` a delle funzioni: introduzione
alla teoria delle distribuzioni
Corrado Mascia
7 giugno 2013
Lezione 1. Il rigore matematico
Per iniziare, consideriamo un problema prototipo pseudo-concreto: il calcio di rigore. Obi-
ettivo: descrivere il moto del pallone utilizzando il linguaggio matematico fornito dalla legge
di Newton eeugualeemmea, che, tra poche righe, richiameremo nella sua versione pi` u edul-
corata possibile. Supponiamo che il moto del pallone percorra una retta unidimensionale e che
sia inizialmente collocato sul dischetto dellarea di rigore nella posizione y
0
= 0. Al tempo
t = 0, il calciatore colpisce il pallone e questo comincia a muoversi con velocit` a v

, considerata
costante (e positiva). Il graco della funzione che al tempo t associa la velocit` a v = v(t) ` e molto
Figure 1. Un innocuo calcio di rigore.
semplice: si tratta di una funzione costante a tratti che vale 0 per t < 0 e v

per t > 0.
Immaginando di essere molto aezionati alla legge di Newton per la dinamica di un punto e
di suppore, per semplicit` a, che il pallone abbia massa unitaria, vorremmo scrivere unequazione
dierenziale del tipo
(1)
dv
dt
= f
dove, in questo caso, il prolo della soluzione v ` e noto e il termine da determinare e la funzione
a secondo membro f , che descrive la forza che determina il moto del pallone.
Il problema salta allocchio: la funzione v non ` e continua in t = 0 e quindi neppure derivabile
in tale punto. Lequazione di Newton non pu` o essere scritta, punto e basta. A pensarci bene,
lequazione ha perfettamente senso per ogni t 0, dato che la funzione v = v(t) ha derivata
nulla per ogni t 0. Tutto molto coerente: nessuna variazione della velocit` a per tempi stretta-
mente negativi e per tempi strettamente positivi, ovvero accelerazione nulla, e, di conseguenza,
nessuna forza. Tutto, come ` e evidente, avviene nellistante t = 0, ma, con il linguaggio della
derivazione in senso classico, non sembra esserci modo per descrivere la dinamica del pallone
in termini dellequazione di Newton. Non sembra esserci perch e, in eetti, non c` e. A meno
2
che non si decida di rilassare il concetto di derivazione e arrivare a formulare un linguaggio pi ` u
duttile.
Si possono muovere molte critiche alla maniera con cui ` e stato presentato il problema del
calcio di rigore. Tra le altre, ` e chiaro che immaginare che il pallone, inizialmente fermo, si trovi
istantaneamente dopo il calcio a velocit` a positiva e costante ` e una semplicazione eccessiva.
`
E
molto pi` u ragionevole pensare che il pallone acquisisca gradualmente velocit` a in maniera stret-
tamente crescente da 0 a v

. In questo modo, la funzione v = v(t) si pu` o considerare derivabile

in senso classico e tutto torna ad essere perfettamente sensato. Lintervallo [0, ] in cui la ve-
locit` a cresce da 0 a v

risulta essere il periodo in cui una forza viene esercitata sul pallone che,
di conseguenza, acquisisce una certa velocit` a non nulla. Quanto dura limpatto tra il piede ed
il pallone? Ovvero, quanto vale ? Come il simbolo scelto suggerisce, il tempo di impatto ` e
breve, cio` e ` e piccolo. Piccolo ` e un concetto relativo, quindi occorre precisare rispetto a cosa.
Nel problema specico che stiamo considerando, ` e sicuramente piccolo rispetto alla durata
del tiro stesso, tanto piccola da poter essere considerata, in concreto, nulla.
Esercizio. Sia t
0
> 0. Dato > 0, sia f

: R R una funzione continua tale che e con supporto

contenuto in (t
0
, t
0
+ ) e tale che
supp f

[t
0
, t
0
+ ],
_
R
f

(t) dt = 1.
Sia u

= u

(t) la soluzione del problema di Cauchy u

(t) = f

(t), u

(0) = 0. Determinare il limite

puntuale di u

per 0. In quali intervallo chiusi di R la convergenza di u

` e uniforme?
Soluzione. La soluzione u

` e data da
u

(t) =
_
t
0
f

() d.
In particolare, u

(t) = 0 per ogni t < t

0
e u

(t) = 1 per ogni t > t

0
+ . Di conseguenza, per la famiglia di
funzioni u

si ha
lim
0
+
u

(t) = sgn (t t
0
) t t
0
.
Nel punto t
0
, in generale, i valori f

(t
0
) non convergono.
Il fatto che gli elementi della famiglia u

siano continui (in quanto derivabili) e la funzione sgn (t t

0
) ` e
discontinua, indica che la convergenza non ` e uniforme in nessun intervallo chiuso contenente t
0
. Viceversa, se
lintervallo [a, b] non contiene t
0
, allora o b < t
0
oppure t
0
< a. Di conseguenza, per sucientemente piccolo, si
ha u

(t) = sgn (t t
0
) per t [a, b] e la convergenza ` e uniforme in tale intervallo.
Non appena si considera = 0, come detto, il linguaggio della derivazione classico crolla
e, apparentemente, si cade al di fuori del regno del rigore matematico. Chi vuole pu` o fermarsi
qui, restare aggrappato allusuale limite del rapporto incrementale e considerare inaccettabile
proseguire il discorso. Ma c` e un punto di vista particolarmente nuovo e molto interessante che
aspetta, invece, chi accetta di proseguire il percorso.
Lequazione di Newton (1) ammette una formulazione di tipo integrale
(2) v(t) = v(t
0
) +
_
t
t
0
f () d
3
che ha due pregi principali: ` e equivalente alla formulazione originaria nel caso in cui la funzione
v sia derivabil, non richiedere, per essere scritta, che la funzione v sia una funzione derivabile.
Data la funzione v = v(t)
v(t) :=
_

_
0 t < 0,
v

t 0,
esiste una funzione f tale che sia soddisfatta la relazione (2)? Per s < t < 0 e per 0 < s < t < 0,
si ha
0 = v(t) v(s) =
_
t
s
f (s) ds
Quindi la funzione f deve avere integrale nullo in ogni intervallo che non contenga il punto
t = 0. Di conseguenza, ` e ragionevole assumere che la funzione f debba essere nulla in ogni
punto t 0. Nessuna sorpresa: ad eccezione dellistante dellimpatto, t = 0, non c` e nessuna
forza che agisce sul pallone, quindi f (t) = 0 per ogni t 0. Resta da stabilire il valore della
funzione f in zero: scegliendo s < 0 < t e ispirandosi al teorema della media integrale, si ha
qualcosa del tipo
v

= v(t) v(s) =
_
t
s
f (s) ds f (0)(t s)
da cui, per s, t 0 si deduce che la funzione f deve valere + nel punto 0. La qual cosa
mette in seria dicolt` a per vari motivi. Prima di tutto non ` e particolarmente agevole lavorare
con le quantit` a innite; lo sforzo necessario per rendere rigorose le denizioni e gli argomenti
` e sempre non irrilevante. Inoltre, negli integrali usuali, il valore della funzione in un punto ` e
irrilevante: se le funzioni F e G sono integrabili secondo Riemann in [a, b] e coincidono in tutto
lintervallo escluso un numero nito di punti x
1
, . . . , x
n
[a, b] si ha
_
b
a
F(x) dx =
_
b
a
G(x) dx.
Nel caso considerato, la funzione f coincide fuori da t = 0 con la funzione nulla e quindi il suo
integrale dovrebbe essere sempre nullo.
Esercizio. Sia x
0
(0, 1). Dato > 0, sia f

: R R una funzione continua tale che e con supporto

contenuto in (x
0
, x
0
+ ) e tale che
f (x) 0 x, supp f

[x
0
, x
0
+ ],
_
R
f

(x) dx = 1.
Sia u

= u

(x) la soluzione del problema di Cauchy

d
2
u

dx
2
(x) = f

(x), u

(0) = u

(1) = 0.
Determinare il limite puntuale di u

per 0. In quali insiemi di R la convergenza di u

` e uniforme?
Lezione 2. Un punto di vista diverso
Proviamo a rimettere in ordine le idee. Per semplicarci la vita, poniamo v

= 1. La funzione
f che andiamo cercando (oltre a non esistere) deve godere della propriet` a seguente: per ogni
4
s < t,
_
t
s
f () d =
_

_
0 se s < t < 0 o se 0 < s < t,
1 se s < 0 < t
Equivalentemente, possiamo scrivere
_
R
f ()
(s,t)
() d =
_

_
0 se s < t < 0 o se 0 < s < t,
1 se s < 0 < t
dove
I
indica la funzione caratteristica dellinsieme I.
Continuare ad usare la notazione dellintegrale ` e inappropriato perch e, come detto, il miste-
rioso oggetto f non ` e una funzione. Da qui in poi, usiamo quindi la notazione
( f , )
per indicare il risultato dellazione di f sulla funzione test . Quindi, indicato con I lintervallo
(s, t), riscriviamo la propriet` a come segue
(3) ( f ,
I
) =
_

_
0 se 0 I,
1 se 0 I.
La scrittura (3) pu` o essere interpretata in una maniera signicativa per il discorso che segue:
il simbolo f ` e loggetto intrinseco che si vuole denire o determinare, ma che va consid-
erato non osservabile direttamente, nel senso che non possiamo accedere in maniera diretta al
valore puntuale (perch e tale valore, in realt` a, non ` e detto che ci sia!);
la funzione
I
` e una sorta di esperimento che viene realizzato, o test, che, nel caso specico,
consta nel guardare cosa accade nel passaggio dallistante s allistante t;
il simbolo ( f ,
I
) ` e un numero reale che descrive il risultato osservabile determinato da f ,
in risposta alla scelta della funzione test
I
.
Si tratta ora di chiarire un certo numero di cose: quali sono le propriet` a signicative che deve
soddisfare loperazione ( f , )? Quali sono gli esperimenti che ` e ragionevole ritenere leciti,
ovvero quali funzioni possono essere considerate funzioni test ammissibili?
Dato che siamo in vena di generalizzazioni, non abbiamo alcuna intenzione di perdere gli
oggetti con cui siamo familiari, cio` e le funzioni nel senso usuale del termine, in particolare
quelle continue a cui, confessiamolo senza pudori, siamo ben aezionati. Perci ` o, data un in-
sieme R
d
aperto ed una funzione f : R, continua in tutto , coerentemente con
quanto visto in precedenza, analizziamo le propriet` a dellespressione
(4) ( f , ) :=
_

f (x) (x) dx
dove indica una funzione con propriet` a da precisare e da interpretare come una scelta di test
ammissibile.
Occorre prima di tutto garantire che lintegrale (esteso ad un insieme illimitato) sia ben
denito. Con questo obiettivo, introduciamo la denizione seguente.
5
Denizione 1. Data una funzione continua : R R si chiama supporto di linsieme,
indicato con supp ,
x : (x) 0
dove A indica la chiusura dellinsieme A (nella usuale topologia di ). Una funzione con
supporto limitato si chiama funzione a supporto compatto. Linsieme delle funzioni continue
a supporto compatto si indica con C
0
().
Per garantire che lespressione a secondo membro in (4) sia ben denita, richiediamo che la
funzione test sia una funzione continua a supporto compatto. Tra poco, imporremo qualche
ulteriore restrizione sulla regolarit` a della funzione test; per ora, per evitare inutili smarrimenti,
consideriamo il caso C
0
().
La denizione (4) gode di due propriet` a signicative:
Linearit ` a. per ogni , R e di , C
0
(), vale
( f , + ) = ( f , ) + ( f , );
Continuit ` a. se
n
` e una successione di funzioni in C
0
() convergente uniformemente ad una
funzione e tale che esista un compatto K che contiene tutti i supporti delle funzioni
n
,
allora
lim
n
( f ,
n
) = lim
n
( f , lim
n

n
).
La dimostrazione della prima propriet` a ` e evidente; la seconda ` e conseguenza della stima
( f ,
n
) ( f , )
_
K
f (x)
n
(x) (x) dx
__
K
f (x) dx
_
sup

n

In eetti, in maniera del tutto analoga, si mostra che
( f , ) M
K
sup

dove M
K
:=
_
K
f (x) dx.
per ogni funzione C
0
() con supporto contenuto nel compatto K .
La richiesta dellesistenza di un compatto K che contenga tutti i supporti delle funzioni
n
potrebbe sembrare fuori luogo. Per sgomberare dalle mente dubbi di questo genere, pensiamo
allesempio seguente.
Esempio 2. Data C
0
(R) con supporto dato dallintervallo [1, 1] e tale che
_
R
(x) dx = 1,
consideriamo la successione di funzioni

n
(x) :=
1
n

_
x
n
_
.
che converge uniformemente a zero. Scelta f la funzione identicamente pari ad 1, si ha
( f ,
n
) :=
_
R
f (x)
n
(x) dx =
1
n
_
R

_
x
n
_
. dx =
_
R
(y) dy = 1
6
per ogni n N. Quindi, nonostante la successione
n
tenda alla funzione nulla, la successione
( f ,
n
) non tende a ( f , 0) = 0. Eliminare la richiesta relativa ai supporti della successione
n

vorrebbe dire accettare che le funzioni costanti non sono continue.

Ad ogni funzione continua ` e possibile associare un funzionale lineare utilizzando la regola
(4). Sorge spontanea la domanda: tale mappa ` e iniettiva?
Esercizio. Siano f e g due funzioni continue da R in R tali che
_
R
f (x) (x) dx =
_
R
g(x) (x) dx
per ogni C
0
(R). Dimostrare che f (x) = g(x) per ogni x.
In denitiva, quindi, una funzione continua ` e individuata univocamente a partire dai valori di
uscita del funzionale associato. In altre parole, ` e possibile identicare una funzione continua
con il corrispondente funzionale.
Oltre a quelle descritte dalla denizione (4), esistono anche altre funzioni denite su C
0
() a
valori in R. Ad esempio, ssato x
0
, consideriamo lapplicazione
x
0
denita da
(
x
0
, ) := (0).
La funzione
x
0
` e lineare: infatti,
(
x
0
, + ) = (0) + (0) = (
x
0
, ) + (
x
0
, ).
Inoltre, la funzione
x
0
` e continua, dato che vale la stima

(
x
0
, )

= (0)) sup
x
.
Utilizzando le propriet` a di linearit` a e continuit` a ` e quindi possibile introdurre un concetto che
permette di generalizzare, in un certo senso, il concetto di funzione, dato che, allinterno di
questa nuova categoria che andremo a considerare, sono contenute, in maniera naturale, quanto
meno le funzioni continue (ma anche ben di pi ` u di queste) ed, in aggiunta, altri elementi che
non sono funzioni in senso classico. Tali oggetti vengono chiamati distribuzioni.
Lezione 3. Cos` e una distribuzione
Nella teoria delle distribuzioni, il principio fondante nella generalizzazione del concetto di
funzione sta nel considerare lo spazio duale topologico di un opportuno spazio di riferimento,
detto spazio delle funzioni test, e identicare le funzioni tradizionali (per lo meno quelle dotate
di un certa regolarit` a minimale) con elementi di tale spazio duale attraverso una relazione della
forma
( f , ) =
_

f (x) (x) dx
dove indica una funzione test. Lelemento base ` e quindi dato dalla scelta dellinsieme delle
funzioni test e dalla struttura di spazio vettoriale topologico di cui ` e dotato. In precedenza,
per semplicit` a, abbiamo considerato funzioni test continue e a supporto compatto. Nellottica
7
di estendere il pi ` u possibile linsieme in cui immergere le funzioni classiche con lobiettivo di
pervenire alla generalizzazione pi` u ampia che ci possa essere concessa, vale la pena considerare
un insieme di funzioni test pi ` u piccolo.
Esercizio 3. Sia X uno spazio vettoriale topologico e sia Y un suo sottospazio. Dimostrare che X

.
In quale caso X

?
Il principio generale, in quel che segue, ` e di denire operatori sulle distribuzioni (traslazione,
derivazione...) scaricando, in maniera opportuna, loperatore sulla funzione test. Da questo
punto di vista, volendo avere la libert` a di derivare un numero arbitrario di volte ogni distribu-
zione, ` e indispensabile scegliere uno spazio di funzioni test che ammettano esse stesse innite
derivate.
Denizione 4. Dato un aperto R
d
, si indica con 1() (o con C

0
()) lo spazio vettoriale
delle funzioni derivabili innite volte e a supporto compatto in .
In aggiunta, per denire in maniera rigorosa il concetto di distribuzione, occorre stabilire
un concetto di convergenza per successioni in 1(). La nozione di convergenza proposta nella
Sezione precedente ` e ormai obsoleta dato che siamo passati dal considerare funzioni continue (a
supporto compatto) a funzioni innitamente derivabili (a supporto compatto). Una successione

n
di funzioni test determina, in maniera naturale, innite altre successioni di funzioni che
si ottengono per derivazione. Nel caso unidimensionale, ad esempio, data la successione
n

` e possibile considerare le successioni

n
,

n
,. . . ,
(k)
n
,. . . che costituiscono, a loro volta,
ancora successioni in 1(). La richiesta di convergenza di una successione di funzione test
` e la richiesta di convergenza uniforme di ciascuna di queste successioni (oltre al vincolo sul
supporto degli elementi della successione di cui si ` e gi` a discusso).
Denizione 5. Una successione
n
in 1() ` e innitesima se esiste un compatto K che
contiene tutti i supporti delle funzioni
n
e se la successione
n
e le successioni di tutte le
sue derivate convergono uniformemente a zero per n +. Una successione
n
in 1()
converge alla funzione 1() se la successione
n
` e innitesima.
La richiesta ` e fortissima, senza ombra di dubbio. Lunico spazio di libert` a ` e lasciato al fatto
che ssata una derivata, la successione delle derivate deve essere uniforme, ma non c` e richiesta
di uniformit` a rispetto allindice di derivazione. In altre parole, derivate di ordine alto possono
convergere in maniera arbitrariamente lenta (ma sempre uniformemente).
Esempio 6. Tanto per fornire un esempio (a dire il vero non esaltante) di successione innites-
ima, consideriamo una ssata funzione 1() ed una successione di numeri reali a
n
in-
nitesima. Allora la successione
n
:= a
n
converge a zero seconda la Denizione . A voi il
gusto di trovare altri esempi (e controesempi) pi ` u signicativi.
La denizione della nozione di convergenza permette di introdurre, mimando quanto noto
nel caso dellinsieme dei numeri reali, la nozione di insieme chiuso ed insieme aperto. Precisa-
mente,
8
un insieme C 1() si dice chiuso se per ogni successione
n
C convergente ad una
funzione 1(), si ha che C;
un insieme A 1() si dice chiuso se il suo complementare A
c
` e un insieme chiuso.
Con queste denizioni, si hanno le usuali propriet` a degli insiemi chiusi e degli insiemi aperti:
lunione nita di insiemi chiusi ` e un chiuso e lintersezione di un numero qualsiasi di insiemi
chiusi ` e un chiuso; lunione di un numero qualsiasi di insiemi aperti ` e un aperto e lintersezione
di un numero nito di insiemi aperti ` e un aperto. In denitiva, quindi, la nozione di convergenza
fornisce lo spazio vettoriale 1() di una struttura topologica. Vale la pena comunicare che la
topologia denita in questo modo su 1() non ` e metrizzabile, nel senso che questa topologia
non ` e indotta da nessuna distanza. La dimostrazione di questa aermazione non ` e aatto banale
e si basa sul Teorema della categoria di Baire. Nessun dettaglio ulteriore verr` a dato a riguardo
in questa sede.
Siamo ora ben attrezzati con tutto il necessario per denire in maniera rigorosa la nozione di
distribuzione.
Denizione 7. Dato un insieme aperto R
d
, si chiama distribuzione su un funzionale
lineare e continuo su 1(), ovvero una funzione f : 1() R tale che, indicato con ( f , )
limmagine di tramite f , valgano le due seguenti propriet` a:
linearit ` a. per ogni , R e di , 1(), si ha
( f , + ) = ( f , ) + ( f , );
continuit ` a. per ogni successione
n
in 1(), convergente nel senso della Denizione 6
ad una funzione 1() si ha
lim
n
( f ,
n
) = lim
n
( f , lim
n

n
).
Linsieme delle distribuzioni ` e dunque il duale topologico dello spazio topologico 1() e, di
conseguenza, si indica con il simbolo 1

().
Lezione 4. Esempi di distribuzioni
Il primo esempio di distribuzione ` e gi` a noto ed ` e quello che ha scatenato tutta la costruzione.
Data una funzione continua f C(), ` e possibile porre
( f , ) :=
_

f (x) (x) dx.

La validit` a delle propriet` a descritte nella Denizione 7 ` e gi` a stata vericata in precedenza.
In eetti, per quel che riguarda le funzioni continue, si pu` o aermare di pi ` u.
Proposizione 8. Siano f , g C() due funzioni tali che
_

f (x) (x) dx =
_

g(x) (x) dx
per ogni funzione 1().
9
Quindi, le funzioni continue deniscono, in maniera naturale, distribuzioni e funzioni con-
tinue diverse corrispondono a distribuzioni diverse. Detto in altre parole, lapplicazione dallo
spazio delle funzioni continue allo spazio delle distribuzioni : C() 1

() ` e iniettiva.
Quindi, a tutti gli eetti, linsieme delle funzioni continue pu` o essere pensato come un sottoin-
sieme dello spazio delle distribuzioni.
Oltre alle distribuzioni determinate da funzioni continue, ne esistono molte altre. Con-
tinuiamo la carrellata di esempi.
Esempio 9. Denire distribuzioni a partire da funzioni denite da un valore puntuale tramite
luso dellintegrale pu` o essere eettuato anche senza necessit` a che la funzione sia continua. Ad
esempio, consideriamo una funzione f della forma
(5) f (x) =
N

i=1

i
dove
1
, . . . ,
N
sono costanti reali e
i
sono insiemi misurabili (secondo Peano-Jordan o sec-
ondo Lebesgue, in base al gusto e alle competenza personali). Di conseguenza ` e possibile
denire
( f , ) :=
_

f (x) (x) dx =
N

i=1

i
_

i
(x) dx
La linearit` a ` e evidente. Per quanto riguarda la continuit` a, basta osservare che
( f , )
N

i=1

i
mis
_

i
K
_
) sup
x

dove K ` e un insieme compatto che contiene il supporto della funzione .

Nulla cambia se si sostituiscono le costanti
i
con funzioni
i
=
i
(x) continue su
i
, chiusura
dellinsieme
i
. Aver considerato la chiusura degli insiemi
i
` e stata una inutile precauzione o
una indispensabile pedanteria?
Esempio 10. In denitiva, quindi per denire una distribuzione a partire dalla nozione di inte-
grale, basta che lintegrale sia ben denito. Quindi, sono ammissibili anche funzioni che siano
illimitate, a patto che ammettano un integrale improprio convergente in valore assoluto. Ad
esempio, data la funzione
f (x) :=
1
x

x R
d
con < d, la posizione
( f , ) :=
_
R
d
(x)
x

dx.
denisce una distribuzione in 1

(R
d
). Infatti, lintegrale ` e ben denito e la propriet` a di linearit` a,
di nuovo, ` e evidente; inoltre, data una funzione test con supporto in x R
d
: x R con R > 0,
10
vale la stima
( f , )
_
R
d
(x)
x

dx
_
xR
1
x

dx sup
x

=
d1
__
R
0

d1
d
_
sup
x
=

d1
R
d
d
sup
x

dove
d
indica la misura della sfera unitaria d-dimensionale.
In generale, ogni funzione f che sia localmente assolutamente integrabile, cio` e tale che, per
ogni insieme compatto K , valga
_
K
f (x) dx < +,
denisce una distribuzione, dato che
( f , )
_
K
f (x)(x) dx
__
K
f (x) dx
_
sup
x
,
per ogni funzione 1() con supporto contenuto in K.
A dierenza del caso delle funzioni continue, nel caso delle funzioni integrabili non ` e possi-
bile denire una applicazione iniettiva in 1

(), per il semplice fatto che il valore di un integrale

non cambia se si cambia il valore della funzione in un insieme di misura nulla (ad esempio, in
un numero nito di punti). Di conseguenza, ci sono funzioni diverse che corrispondono alla
stessa distribuzione.
Esempio 11. Abbiamo gi` a proposto in precedenza un esempio di distribuzione che non si basa
sulluso dellintegrale. Consideriamolo di nuovo, in dettaglio: poniamo
(
0
, ) := (0) 1()
dove ` e un aperto di R
d
contenente lorigine 0. Sulla linearit` a non c` e nessun dubbio:
(
0
, + ) = ( + )(0) = (0) + (0) = (
0
, ) + (
0
, ).
La continuit` a ` e conseguenza della stima (evidente)
(
0
, ) sup
x
.
La distribuzione
0
viene generalmente chiamata delta di Dirac, specicando, se necessario,
che ` e concentrata nel punto x = 0 ad indicare il fatto che la funzione ` e valutata in 0. Alla
stessa maniera, dato x
0
, ` e possibile denire la distribuzione
(
x
0
, ) := (x
0
) 1(),
che viene quindi denominata delta di Dirac concentrata nel punto x
0
.
Esempio 12. Valutare una funzione test in un punto assegnato fornisce un esempio di distribu-
zione. In maniera analoga si pu` o considerare la distribuzione fornita dalla valutazione di una
11
derivata della funzione test in un punto assegnato. Ad esempio, dato un aperto R
n
ed un
punto x
0
, la formula
( f , ) :=

x
i
(x
0
)
per qualche i 1, . . . , d, denisce una distribuzione. La propriet` a di linearit` a ` e una immediata
conseguenza della linearit` a delloperazione di derivazione; la continuit` a discende dalla stima
( f , ) sup
x

x
i

A dierenza degli esempi precedenti, in questo caso, la continuit` a della distribuzione ` e ot-
tenuta a partire da una stima sullestremo superiore del modulo di una derivata della funzione
test, e non della funzione stessa. La denizione di convergenza nello spazio delle funzioni test
garantisce anche in questo caso che se
n
tende a , allora ( f ,
n
) tende a ( f , ). Se avessimo ac-
cettato di rimanere con la denizione di convergenza data dalla sola convergenza uniforme della
successione di funzioni
n
(senza richiedere quella delle successioni delle derivate), loggetto
considerato in questo esempio non sarebbe stato ammissibile. Pi` u restrittiva ` e la richiesta rela-
tiva alla convergenza, meno successioni vericano tale condizione, e maggiore ` e il numero dei
funzionali lineari continui.
Esempio 13. Altri esempi di distribuzioni in cui la stima di continuit` a faccia comparire la
derivata della funzione test, possono essere generati anche utilizzando la nozione di integrale.
Ad esempio, data una funzione f continua in R, possiamo denire
(g, ) :=
_

f (x)
d
dx
(x) dx.
Dato che si tratta della distribuzione f applicata alla derivata della funzione test , si ha
(g, )
__
K
f (x) dx
_
sup
x

d
dx

,
per ogni funzione test con supporto nel compatto K contenuto in .
Nel caso in cui la funzione f sia derivabile con derivata continua (basterebbe localmente
integrabile, in realt` a), ` e possibile integrare per parti, ottenendo
(g, ) =
_
R
f (x)
d
dx
(x) dx =
_
R
d f
dx
(x) (x) dx = (
d f
dx
, ),
che indica il fatto che, a livello di distribuzioni, g e
d f
dx
coincidono. Si tratta di un fatto
signicativo che riprenderemo tra non molto.
Per aumentare il numero di esempi, basta ora utilizzare il seguente risultato, conseguenza
immediata della linearit` a delloperazione di limite.
Proposizione 14. Se f , g sono due distribuzioni e , due numeri reali, la combinazione lineare
f + g denita in maniera naturale da
( f + g, ) := ( f , ) + (g, )
12
denisce una distribuzione.
In aggiunta, un ulteriore modo per generare nuove distribuzione ` e quello di moltiplicare per
una funzione di classe C

, ponendo
(f , ) := ( f , ) 1().
La denizione ha senso perch e il prodotto di una funzione di classe C

() con un elemento in
1() appartiene a 1().
Lezione 5. Funzioni test
Nella teoria delle distribuzioni, il principio fondante nella generalizzazione del concetto di
funzione sta nel considerare lo spazio duale topologico di un opportuno spazio di riferimento,
detto spazio delle funzioni test, e identicare le funzioni tradizionali (per lo meno quelle dotate
di un certa regolarit` a minimale) con elementi di tale spazio duale attraverso una relazione della
forma
( f , ) =
_

f (x) (x) dx
dove indica una funzione test. Lelemento base ` e quindi dato dalla scelta dellinsieme delle
funzioni test e dalla struttura di spazio vettoriale topologico di cui ` e dotato. In precedenza,
per semplicit` a, abbiamo considerato funzioni test continue e a supporto compatto. Nellottica
di estendere il pi ` u possibile linsieme in cui immergere le funzioni classiche con lobiettivo di
pervenire alla generalizzazione pi` u ampia che ci possa essere concessa, vale la pena considerare
un insieme di funzioni test pi ` u piccolo.
Esercizio 15. Sia X uno spazio vettoriale topologico e sia Y un suo sottospazio. Dimostrare che
X

. In quale caso X

?
Il principio generale, in quel che segue, ` e di denire operatori sulle distribuzioni (trasla-
zione, derivazione...) scaricando, in maniera opportuna, loperatore sulla funzione test. Da
questo punto di vista, volendo avere la libert` a di derivare un numero arbitrario di volte ogni
distribuzione, ` e indispensabile scegliere uno spazio di funzioni test che ammettano esse stesse
innite derivate.
Denizione 16. Dato un aperto R
d
, si indica con 1() (o con C

0
()) lo spazio vettoriale
delle funzioni derivabili innite volte e a supporto compatto in .
Esempio 17. Consideriamo laperto = (0, 1) R. Nessuna delle funzioni seguenti appartiene
allo spazio 1()
(1 2x)
+
, 1 x
2
, . . .
In eetti, un elemento 1() deve essere regolare e deve annullarsi in tutto un intorno della
frontiera di .
Scrivere una formula esplicita per un elemento di 1() non ` e facile e il dubbio che oggetti
di questo genere non esistano proprio (a parte il caso banale della funzione nulla) ` e lecito.
13
Esercizio 18. i. Dimostrare che la funzione
f (x) = 0 per x 0, f (x) = e
1/x
per x > 0
` e derivabile innite volte in R.
ii. Utilizzando la funzione f denita in i., dati a < b, costruire una funzione g : R [0, 1] che sia
innitamente derivabile e tale che
g(x) = 0 in (, a], g strettamente crescente in [a, b], g(x) = 1 in [b, +).
iii. Utilizzando la funzione g denita in ii., dati a < b e > 0, costruire una funzione h : R [0, 1] che
sia innitamente derivabile e tale che
h(x) = 0 in (, a] [b, +), h(x) = 1 in [a + , b ].
A partire da questi esempi ` e possibile costruire altri elementi di 1() tramite alcune oper-
azioni elementari
traslazione:
1
(x) := (x + x
0
) con x
0
tale che supp
1
;
dilatazione verticale:
2
(x) := a (x) con a R;
dilatazione orizzontale:
3
(x) := (a x) con a R.
La classe viene estesa ulteriormente grazie alla struttura vettoriale dello spazio che stiamo
considerando: anche le combinazioni lineari di elementi di 1() sono elementi di 1().
Per costruire esempi a volont` a nel caso di R
d
, basta considerare funzioni del tipo
(x
1
, . . . , x
d
) =
1
(x
1
)
d
(x
d
)
dove
1
, . . . ,
d
sono elementi di 1(R) con supporto contenuto nella proiezione di sulla di-
rezione coordinata corrispondente.
Figure 2. Il graco di due funzione test in dimensione d = 2..
Tornando a ritroso, si ricorder` a che le prime funzioni test proposte erano state funzioni carat-
teristiche
I
con I intervallo limitato. Si tratta di funzioni chiaramente non continue e quindi
non ammissibili nel senso che stiamo esplorando qui. Che ne ` e allora di tutto il ragionamento
euristico proposto in avvio? In eetti, ` e possibile costruire senza particolare dicolt` a elementi
di 1(R) che somigliano alla funzione caratteristica di un intervallo.
14
Esercizio 19. Dati a < b e > 0, costruire una funzione h : R [0, 1] che sia innitamente derivabile
e tale che
h(x) = 0 in (, a] [b, +), h(x) = 1 in [a + , b ].
Costruire approssimazioni in 1 di funzioni caratteristiche di insiemi multidimensionali ` e
possibile, ma richiede un impegno maggiore rispetto a quello utilizzato n qui.
Figure 3. Il graco delle funzioni test date dalla somma e dierenza delle funzioni test della
Figura 2 (i disegni non sono in scala tra loro).
Lezione 6. La derivata distribuzionale
Oltre agli esempi considerati nella Sezione precedente, esistono altre strade per generare altre
distribuzioni che si basano sullidea di identit ` a aggiunta. Vale la pena spendere qualche riga per
una rapidissima spiegazione delluso dellaggettivo aggiunta. Dato lo spazio ndimensionale
C
n
ed una matrice A C
nn
, ` e ben denita lespressione
Ax y :=
n

i, j=1
a
i j
x
j
y
i
,
dove a
i j
sono i coecienti della matrice A e z indica il numero complesso coniugato di z.
Riorganizzando i termini, lespressione a secondo membro si pu` o riscrivere nella forma
n

j=1
_

_
n

i=1
a
i j
x
j
_

_
y
i
=
n

i, j=1
x
j
a
i j
y
i
=
n

i=1
x
i
_

_
n

j=1
a
ji
y
j
_

_
= x A

y
dove A

= (a
ji
) ` e la matrice complessa coniugata della trasposta della matrice A. Indicando il
prodotto scalare di C
n
con il simbolo (, ), vale la relazione aggiunta
(A x, y) = (x, A

y)
Mutatis mutandis, lo stesso tipo di identit` a viene utilizzato nellambito che stiamo indagando
per dare senso ad operatori 7 che trasformano una distribuzione f in una nuova distribuzione
7 f . La strategia ` e la seguente: consideriamo un operatore 7 che agisca su funzioni f in senso
classico e per cui valga una relazione del tipo
(7 f , ) = ( f , S) 1()
15
per un opportuno operatore S e utilizzare tale relazione per denire loperatore 7. Un esempio
chiarir` a meglio la strategia.
Consideriamo loperatore di traslazione: dato h R
d
, sia
(
h
f )(x) := f (x h) x R
d
,
denita per una qualsiasi f da R
d
a valori in R. Assumendo che la funzione f sia localmente
assolutamente integrabile (o, per semplicit` a, che sia continua), e considerandola come distribu-
zione in 1

(R
d
), si ha
_
R
d
(
h
f )(x) (x) dx =
_
R
d
f (x h) (x) dx
=
_
R
d
f (x) (x + h) dx =
_
R
d
f (x) (

)(x) dx.
Quindi, per ogni f localmente assolutamente integrabile, si ha
(
h
f , ) = ( f ,
h
) 1(R
d
).
Questa relazione pu` o ora essere utilizzata per denire la traslazione di un elemento di 1

(R
d
).
Denizione 20. Dato h R
d
, si chiama operatore di traslazione (di vettore h) lapplicazione

h
: 1

(R
d
) 1

(R
d
) denita da
(
h
f , ) := ( f ,
h
) 1(R
d
).
per f 1

(R
d
).
Per costruzione, loperazione di traslazione di una distribuzione estende loperazione di
traslazione usuale. Vediamo come agisce tale operatore nel caso di una distribuzione che non ` e
determinata da una funzione.
Esempio 21. Dato il vettore h R
d
, la traslazione della distribuzione delta di Dirac
0
di vettore
h ` e data da
(
h

0
, ) = (
0
,
h
) = (
0
, ( + h)) = (h),
ovvero coincide con la distribuzione
h
.
Le traslazioni si sono denite solo nel caso di distribuzioni in R
d
perch e la traslazione
h

di una funzione : R
d
R ` e denita nella traslazione dellinsieme di denizione della
funzione , cio` e nellinsieme + h. Anch e
h
sia una funzione test, occorre quindi che
+ h coincida con linsieme . Tale condizione ` e vericata nel caso = R
d
per ogni scelta di
h R
d
. Esistono comunque anche insiemi tali che = + h solo per qualche scelta di h (a
voi immaginarne la forma specica).
Si pu` o procedere in maniera del tutto analoga per denire loperazione di derivazione anche
nellambito delle distribuzioni. Infatti, data una funzione f C
1
() con aperto di R
d
, si ha
(6)
_

f
x
i
(x) (x) dx =
_

f (x)

x
i
(x) dx
16
grazie alla formula di integrazione per parti e grazie al fatto che le funzioni test 1() sono
nulle su . Utilizzando la notazione delle distribuzioni, la precedente relazione diviene
(
f
x
i
, ) = ( f ,

x
i
).
Seguendo la losoa proposta in precedenza, questa relazione pu` o essere utilizzata per denire
la derivata di un distribuzione.
Nel seguito, per evidenziare la dierenza tra il concetto classico e quello generalizzato, de-
notiamo le derivate usuali con i simboli
d
dx
,

x
i
e quelle distribuzionali con i simboli d
x
,
x
i
.
Denizione 22. Data f 1

(), si chiama derivata distribuzionale di f rispetto a x

i
la
distribuzione denita da
(7) (
x
i
f , ) := ( f ,

x
i
).
per f 1().
Il fatto che la posizione (7) denisca eettivamente una distribuzione ` e conseguenza della
linearit` a delloperazione di derivazione usuale e della nozione di convergenza nello spazio delle
funzioni test.
Loperazione di derivazione distribuzionale mantiene alcune delle propriet` a ben note nel caso
classico. Prima di tutto, si tratta di una operazione lineare; infatti, per ogni coppia di distribu-
zioni f , g e per ogni coppia di scalari , vale
(
x
i
( f + g), ) = ( f + g,

x
i
) = ( f ,

x
i
) (g,

x
i
) = (
x
i
f , ) + (
x
i
g, )
Inoltre, vale unaermazione analoga a quella, relativa al caso unidimensionale, che recita le
uniche funzioni a derivata nulla sono le funzioni costanti.
Anche la formula di derivazione del prodotto, in parte, si preserva. Precisamente, data f
1() ed una funzione di classe C

, si ha
(
x
i
( f ), ) = ( f ,

x
i
) = ( f ,

x
i
) = ( f ,

x
i
()) + ( f ,

x
i
)
= (
x
i
f , ) + (

x
i
f , ) = (
x
i
f +

x
i
f , )
Brevemente, nel senso delle distribuzioni vale la relazione

x
i
( f ) =
x
i
f +

x
i
f f 1(), C

().
Il problema essenziale che impedisce di aermare una propriet` a analoga nel caso di due distri-
buzioni sta nel fatto che, in generale, il prodotto di due distribuzioni non ` e ben denito.
Proposizione 23. Sia R. Tutte e sole le distribuzioni f 1

() che hanno derivata nulla

sono le distribuzioni costanti.
17
Dimostrazione. Dividiamo la dimostrazione in tre passi.
1. Vale lidentit` a
1() :=
_
1() :
_

(x) dx = 0
_
=
_
1() : =
d
dx
per qualche 1()
_
Infatti, sia 1() della forma = con 1(). Allora, si ha
_

(x) dx =
_

d
dx
(x) dx = (b) (a) = 0
Viceversa, se 1() ` e tale che
_

(x) dx = 0, si pu` o denire

(x) :=
_
x
a
() d.
Tale funzione ` e di classe C

dato che la sua derivata ` e di classe C

. Inoltre, grazie allipotesi

sullintegrale della funzione in , essa ha anche supporto compatto in .
2. Fissiamo una funzione
0
1() tale che
_

0
(x) dx = 1.
Ogni elemento di 1() pu` o essere descritto in maniera unica nella forma
(8) = +
__

(x) dx
_

0
con 1(), R. Infatti, ponendo = +
0
ed integrando su , si ottiene
=
_

(x) dx +
_

0
(x) dx = ,
che individua in maniera univoca il valore di . Data la funzione test e il corrispondente
valore , la funzione ` e quindi data da :=
0
. La verica dellappartenenza di a
1() ` e immediata.
3. Se f 1

() con = (a, b) R ` e una distribuzione con derivata nulla, allora

( f , ) = 0 1().
Decomponendo una generica funzione test nella forma +
0
con :=
_

(x) dx, e ponendo

:= ( f ,
0
), si ottiene
( f , ) = ( f , +
0
) = ( f , ) + =
_

(x) dx = (, ).
La distribuzione f ` e quindi data alla costante .
La derivata distribuzionale, oltre a godere di molte delle propriet` a tipiche della derivazione
classica riesce ad andare ben oltre per quel che riguarda la classe di oggetti derivabili. Grazie
alla Denizione 22 possiamo aermare che ogni distribuzione ` e derivabile innite volte. Proprio
in questa aermazione si manifesta la necessit` a di aver scelto funzioni test molto regolari e una
nozione di convergenza in 1cos` stringente.
18
Lezione 7. Esempi di derivate distribuzionali
La validit` a delle formula (6), nel caso di funzioni derivabili con derivata continua, indica il
fatto che la derivata distribuzionale coincide con la derivata classica nel caso in cui la derivata
sia una funzione continua. La nozione di derivata distribuzionale, per` o, permette di denire
derivate di funzioni anche nel caso in cui la denizione classica non ` e applicabile.
Ogni funzione continua denisce una distribuzione e in quanto tale ammette una derivata
(distribuzionale). Aermazione ben diversa da quanto imparato nei corsi di Analisi di base, in
cui si ` e sicuramente incontrata la funzione reale di variabile reale f (x) = x che ` e continua, ma
non derivabile nel punto x = 0. Quale distribuzione denisce dunque la derivata distribuzionale
della funzione modulo? Utilizziamo la denizione: indicando con f la distribuzione in 1

(R)
corrispondente alla funzione valore assoluto, si ha
(d
x
f , ) = ( f ,
d
dx
) =
_
R
x
d
dx
(x) dx =
_
0

x
d
dx
(x) dx +
_
+
0
x
d
dx
(x) dx.
Integrando per parti in entrambi gli integrali e ricordando che la funzione , ` e nulla fuori da un
compatto, si ottiene
(d
x
f , ) =
_
0

(x) dx +
_
+
0
(x) dx =
_
R
sgn(x) (x) dx = (sgn, ),
dove sgn indica la funzione segno denita da
sgnx :=
_

_
1 x < 0,
+ 1 x > 0
Il valore della funzione in x = 0 (generalmente posto pari a 0), non ha alcun ruolo in questa
situazione, dato che un insieme costituito da un solo punto ha misura nulla e, di conseguenza,
non contribuisce al valore dellintegrale. Quindi, nel senso della distribuzioni, la funzione valore
assoluto ` e derivabile e la sua derivata ` e la funzione segno.
Il caso della derivata della funzione valore assoluto pu` o essere esteso a quello delle funzioni
f C(R) derivabili in R \ I, dove I R ` e un insieme discreto (o localmente nito), cio` e tale
che in ogni compatto di R cadono solo un numero nito di punti di I. In questo caso, quindi, ` e
denita la funzione
d f
dx
da R \ I in R. Se tale funzione ` e localmente assolutamente integrabile,
essa denisce la derivata distribuzionale della funzione f .
La derivata della distribuzione denita dalla funzione valore assoluto ` e la distribuzione denita
dalla funzione segno. Quale ` e la derivata distribuzionale della funzione segno? Ovvero, quale
` e la derivata seconda nel senso delle distribuzioni della funzione valore assoluto? Di nuovo,
basiamo sulla denizione: sia g la distribuzione denita dalla funzione sgn
(d
x
g, ) = (g,
d
dx
) =
_
R
sgn(x)
d
dx
(x) dx =
_
0

d
dx
(x) dx
_
+
0
d
dx
(x) dx.
19
Utilizzando il Teorema fondamentale del calcolo integrale e ricordando che la funzione ha
supporto compatto, si deduce
(d
x
g, ) = (0) ()
_
(+) (0)
_
= 2 (0) = (2
0
, ).
Quindi, la derivata distribuzionale della funzione segno ` e 2
0
, dove
0
indica la distribuzione
delta di Dirac concentrata in 0.
Pi ` u in generale, dato un intervallo aperto = (a, b) in R, consideriamo una funzione f :
R tale che si scriva nella forma
(9) f (x) =
N

i=0
f
i
(x)
I
i
(x)
dove I
0
, I
1
, . . . , I
N
sono intervalli aperti contenuti in e a due a due disgiunti, e le funzioni f
i
sono funzioni di classe C
1
in I
i
. Grazie alla linearit` a, il calcolo della derivata della funzione
f descritta in (9) pu` o essere eettuato su ogni singolo termine della somma separatamente. A
partire dalla denizione, posto g
i
:= f
i

I
i
e I
i
= (a
i
, b
i
), si ha
(d
x
g
i
, ) = (g
i
,
d
dx
) =
_
b
i
a
i
f
i
(x)
d
dx
(x) dx = f
i
(x) (x)

b
i
a
i
+
_
b
i
a
i
d f
i
dx
(x) (x) dx
= f
i
(a
i
) (a
i
) f
i
(b
i
) (b
i
) +
_
b
i
a
i
d f
i
dx
(x) (x) dx
= ( f
i
(a
i
)
a
i
f
i
(b
i
)
b
i
+
d f
i
dx
, ).
Sommando i vari contributi da 1 ad N, si ottiene
(10) d
x
f =
N

i=0
d
x
g
i
=
N

i=0
_
f
i
(a
i
)
a
i
f
i
(b
i
)
b
i
_
+
d f
dx
dove
d f
dx
indica la derivata classica della funzione f calcolata nei punti diversi dagli estremi degli
intervalli I
i
(dove la derivabilit` a non ` e garantita), cio` e
d f
dx
(x) =
N

i=1
d f
i
dx
(x)
I
i
(x)
Supponendo che per gli estremi a
i
, b
i
degli intervalli I
i
valga
a = a
0
< b
0
= a
1
< b
1
= a
2
< < b
N1
= a
N
< b
N
= b,
i valori f (a
i
) della formula (10) descrivono i limiti destri della funzione f nei punti a
i
e i valori
f (b
i
) i limiti sinistri della funzione f . Quindi, si ha
(11) d
x
f =
N

i=1
d
x
g
i
=
N

i=1
_
f
_
a
i

a
i
+
d f
dx
dove
x
indica la delta di Dirac concentrata in x e
_
f
_
x
:= f (x+) f (x) = lim
0
+
f (x + ) lim
0
+
f (x )
20
indica il salto della funzione f nel punto x. In denitiva, la derivata distribuzionale di una
funzione regolare a tratti ` e data dalla somma di un contributo relativo alla derivata usuale della
funzione (nelle zone in cui tale derivata esiste) e di altri contributi che pesano la presenza di
salti della funzione considerata. Si noti che la presenza di uno punto angoloso non contribuisce
in alcuna maniera nellespressione della derivata distribuzionale (come nel caso della funzione
valore assoluto).
Saliamo di dimensione e consideriamo il caso di un aperto contenuto in R
2
. Ispirati dalla
decomposizione (9), consideriamo il caso di una funzione della forma
g(x, y) = f (x, y)

(x, y)
dove f ` e una funzione di classe C
1
e ` e un sottoinsieme aperto di che supponiamo abbia
frontiera orientata nella direzione positiva, cio` e sia tale che linterno del dominio giaccia
alla sinistra della frontiera quando questultima venga percorsa nel senso prescelto. Poni-
amoci lobiettivo di calcolare la derivata distribuzionale della funzione g rispetto alla variabile
x e quella rispetto alla variabile y. A questo scopo, saranno utili le formule di GaussGreen
(12)

f
x
dx dy =
_

+
f dy,

f
y
dx dy =
_

f dx.
Per denizione, si ha
(
x
g, ) = (g,

x
) =

f

x
dx dy
Utilizzando la prima delle due formule di GaussGreen (12), si ottiene
(
x
g, ) =
_

+
f dy +

f
x
dx dy.
In maniera analoga, si mostra che
(
y
g, ) =
_

+
f dx +

f
y
dx dy.
Come nel caso uni-dimensionale, la derivata distribuzionale ` e composta da un termine dato dalla
derivata classica della funzione considerata e da un termine che ` e concentrato su un insieme di
dimensione inferiore: nel caso unidimensionale, di dimensione zero (cio` e concentrato su punti),
nel caso bidimensionale, di dimensione uno (cio` e concentrato su curve).
Formule analoghe si possono scrivere anche nel caso di dimensione d > 2. Il risultato ` e
sempre dello stesso genere: la derivata distribuzionale ` e composta dalla somma di un termine
di tipo classico e di un termine concentrato su un insieme di dimensione d 1.
Lezione 8. Soluzioni distribuzionali di equazioni differenziali
La nozione di derivata distribuzionale permette di ottenere soluzioni di equazioni dieren-
ziali anche nel caso in cui le funzioni abbiano una regolarit` a ben pi` u ridotta rispetto a quella
necessaria per eettuare le operazioni di derivazione in senso classico. Esploriamo due esempi.
21
Equazione delle onde nel piano. Data una funzione f integrabile secondo Riemann e R,
la funzione u(x, y) = f (x y) risolve lequazione

2
x
u
2
y
u = 0 in R
2
nel senso delle distribuzioni. Infatti, per denizione di derivata distribuzionale, si ha
(13) (
_

2
x

2
y
_
u, ) = (u,
_

2
x

2
y
_
) =

R
2
u(x, y)
_

2
x

2
y

_
(x, y) dx dy
per ogni funzione test 1(R
2
). Introducendo le coordinate
= x y, = x + y,
si ottiene
(
_

2
x

2
y
_
u, ) = 2

R
2
f ()

d d
Considerando un rettangolo R = [a, b] [c, d] nel piano (, ) tale che supp R, si ha
(
_

2
x

2
y
_
u, ) = 2
_
b
a
_
d
c

_
f ()

_
d d = 2
_
b
a
_
f ()

_
d
=c
d = 0,
che mostra la conclusione.
Equazione di Poisson in R
d
con d 3. Data u(x) = x
2d
d
, quanto vale u nel senso delle
distribuzioni? Procedendo come nel caso precedente, si ha
(u, ) = (u, ) =
_
R
n
u dx = lim
0
_
x
u dx
Posto x = r, integrando per parti, si ottiene
_
r
u dx =
1

_
r=
u x d
_
r
u dx
=
1

_
r=
u u x d +
_
r
u dx
Un verica diretta mostra che, per (x, y) (0, 0)
u = (2 d)x
d
x, u = 0,
quindi
_
r
u dx =
1d
_
r=
x d + (d 2)
1d
_
r=
d
Indicata con
d
la misura della sfera unitaria ddimensionale, si hanno

1d
_
r=
x d

2d
_
r=
d
d1
(sup )

1d
_
r=
d
d1
(0)

1d
_
r=
(0) d
d1
(sup ).
Di conseguenza, passando al limite per 0
+
, si ottiene
lim
0
_
r
u dx =
d1
(0).
22
In denitiva, la funzione u(x) = x
2d
d
verica
u =
d1

0
nel senso delle distribuzioni.
Esercizi di verifica finale
Esercizio 1. Sia x
0
(0, 1). Dato > 0, sia f

: R R una funzione continua tale che e

con supporto contenuto in (x
0
, x
0
+ ) e tale che
f (x) 0 x, supp f

[x
0
, x
0
+ ],
_
R
f

(x) dx = 1.
Sia u

= u

(x) la soluzione del problema di Cauchy

d
2
u

dx
2
(x) = f

(x), u

(0) = u

(1) = 0.
Determinare il limite puntuale di u

per 0. In quali insiemi di R la convergenza di u

` e
uniforme?
Esercizio 2. Fissato R
d
aperto, siano f , g C() tali che ( f , ) = (g, ) per ogni
funzione C

0
(). Dimostrare che f g.
Esercizio 3. Data la curva regolare C con supporto in R
d
. Mostrare che lintegrale
(F
C
, ) :=
_
C
ds
denisce una distribuzione in R
d
. Dimostrare che non esiste nessuna funzione continua f
C() tale che (F
C
, ) = ( f , ) per ogni funzione test C

0
().
Esercizio 4. i. Dati a < b, costruire una funzione g : R [0, 1] di classe C

tale che
g(x) = 0 in (, a], g strettamente crescente in [a, b], g(x) = 1 in [b, +).
ii. Dati a < b e > 0, costruire h : R [0, 1] che sia innitamente derivabile e tale che
h(x) = 0 in (, a] [b, +), h(x) = 1 in [a + , b ].
Esercizio 5. Sia R
2
aperto. Dato , insieme aperto tale che , sia
f (x, y) = f

(x, y) + f
+
(1

)(x, y)
dove f

sono funzioni di classe C

1
in . Calcolare le derivate distribuzionali di f rispetto ad x
e rispetto ad y. In quali casi, la derivata distribuzionale ` e rappresentabile tramite una funzione?
Esercizio 6. Data una funzione f C(R) e R, dimostrare che la funzione u(x, t) =
f (x t) risolve lequazione
2
t
u =
2

2
x
u 0 in R
2
nel senso delle distribuzioni.
23
Esercizio 7. i. Dimostrare che, se u e v sono funzioni di classe C
2
in (x, y) > 0, si ha

(x,y)
u v dx dy =
1

_
(x,y)=
uv vu (x, y) d +

(x,y)
vu dx dy
dove indica il prodotto scalare.
ii. Utilizzare la relazione precedente per dimostrare che, indicata con
0
la delta di Dirac con-
centrata in 0, la funzione u(x, y) = ln(x
2
+ y
2
) verica lequazione
u = 4
0
nel senso delle distribuzioni.
Suggerimento: Calcolare (u, ) come limite dellintegrale eettuato sulla regione (x, y) :
(x, y) > 0.
Bibliografia
[1] Halperin, I.; Introduction to the theory of distributions. Based on the lectures given by Laurent Schwartz.
University of Toronto Press, Toronto, 1952.
[2] H ormander, L.; The analysis of linear partial dierential operators. I. Distribution theory and Fourier analy-
sis., Reprint of the second (1990) edition. Classics in Mathematics. Springer-Verlag, Berlin, 2003.
[3] Richards, I.; Youn, H.; Theory of distributions. A nontechnical introduction. Cambridge University Press,
Cambridge, 1990.
[4] Schwartz, L.; Mathematics for the physical sciences. Hermann, Paris; Addison-Wesley Publishing Co.,
Reading, Mass.-London-Don Mills, Ont. 1966.
[5] Schwartz, L.; Th eorie des distributions. (French) Publications de lInstitut de Math ematique de lUniversit e
de Strasbourg, No. IX-X. Nouvelle edition, enti erement corrig ee, refondue et augment ee. Hermann, Paris
1966.
[6] Strichartz, R.S.; A guide to distribution theory and Fourier transforms Reprint of the 1994 original [CRC,
Boca Raton; MR1276724 (95f:42001)]. World Scientic Publishing Co., Inc., River Edge, NJ, 2003.